MODELO DE SCORING Y PERFORMANCE PARA ESTIMAR LA EL RIESGO DE INCUMPLIMIENTO DE LOS SOLICITANTES DE CRÉDITO EN LAS ENTIDADES FINANCIERAS PERUANAS

MODELO DE SCORING Y PERFORMANCE PARA ESTIMAR LA EL RIESGO DE INCUMPLIMIENTO DE LOS SOLICITANTES DE CRÉDITO EN LAS ENTIDADES FINANCIERAS PERUANAS

Integrantes: Eduardo Manuel Sempértegui Navarro, Renzo Ortiz, Franklin Vasquez, Eduardo Fernandez

Docentes: Rafael Caparó, José Araujo

Asignatura: Econometría II

Escuela Profesional de Ingeniería Económica

Facultad de Ingeniería Económica, Estadística y CCSS

Universidad Nacional de Ingeniería

RESUMEN

El presente trabajo consiste en la realización de un modelo de credit scoring que sirve para la evaluación del riesgo de crédito, es decir, para estimar probabilidades de default y ordenar a los deudores y solicitantes de financiamiento en función de su riesgo de incumplimiento. En nuestro modelo hemos considerado 3 variables exógenas: Antigüedad de tarjeta de crédito 2, deuda en el sistema financiero 2 e ingresos de los solicitantes (algunas se quitaron por multicolinealidad y otras por baja significancia. Ver anexos). Con estas variables pasamos a calcular las tasas y niveles que son relevantes para este tipo de modelo.

Analizamos los el promedio de la RD (Morosidad Real) y el promedio de la PD (Probabilidad de caer en morosidad según nuestro modelo de regresión) y las recomendaciones que haremos según 5 niveles de ingreso. Es necesario luego hallar los valores de promedio de la RD y promedio de PD por cada grupo creado, los que los calculamos haciendo uso de los percentiles mediante el software empleado.

Analizamos los el promedio de la RD (Morosidad Real) y el promedio de la PD (Probabilidad de caer en morosidad según nuestro modelo de regresión) y las recomendaciones que haremos según 5 niveles de deuda.

Los valores de promedio de la RD y promedio de PD  por cada grupo creado se calculan de similar manera.

Luego haciendo uso de los métodos vamos retirando las variables exógenas que no son relevantes hasta afinar el modelo y su nivel de predicción. Ya habiendo acomodado las variables que requerían ser tratadas por ser cualitativas.

Posteriormente, hacemos el análisis según el tipo de clasificación de las subpoblaciones en las que dividimos la población inicial, esto según la característica en la que hemos identificado cierta relevancia para la variable a explicar.

INTRODUCCIÓN

En la actualidad es muy importante el financiamiento como medio de apoyo para el crecimiento económico tanto se trate de personas, familias o empresas. El ritmo creciente de la economía y las diversas situaciones de inestabilidad económica llevan a personas de diferentes características a recurrir al financiamiento para poder lograr su bienestar.

Ante esta realidad, son las entidades financieras las que están obligadas a implementar los mecanismos necesarios que garanticen puedan cumplir con sus principios económicos en sus actividades financieras, tanto de actuar con racionalidad como de optimización de ingresos y costos.

En la realidad peruana habremos de encontrar diversos tipos de clasificación que no estén restringidas por las leyes como lo están en otras sociedades. En función de esto, son los profesionales del área de ingeniería económica, estadística y afines los encargados de implementar técnicas econométricas en las diversas entidades que participen como facilitadores de crédito para hacer una asignación de recursos racional y óptimamente.

Los adelantos tecnológicos, informáticos y en el área de estadística nos permiten hacernos aliados de la econometría para poder cumplir con los retos académicos y profesionales como lo son en este caso el modelamiento de credit scoring que sirven para la evaluación del riesgo de crédito, es decir, para estimar probabilidades de default y ordenar a los deudores y solicitantes de financiamiento en función de su riesgo de incumplimiento.

OBJETIVOS

El objetivo es crear un modelo de credit scoring que sirva para la evaluación del riesgo de crédito, es decir, para estimar probabilidades de default y ordenar a los deudores y solicitantes de financiamiento en función de su riesgo de incumplimiento.

PRESENTACIÓN DEL PROBLEMA

Se tiene una cantidad inmensa de solicitantes de crédito, lo cual obliga a implementar métodos que agilicen la respuesta de otorgamiento de créditos. Por otro lado, nos ayudaría a reducir costos administrativos, no solo el hecho de saber la probabilidad de incumplimiento de cada solicitante.

...