Ban Codes Arrollo
-
Upload
johnstivenmesa -
Category
Documents
-
view
239 -
download
0
description
Transcript of Ban Codes Arrollo
SISTEMA DE CREDIT SCORINGAPLICADO A MICROEMPRESASAPLICADO A MICROEMPRESAS
Andrés Bernal E.
Gerente Comercial
Viviana Manríquez F.
Asesora Gerente Comercial
Banco del Desarrollo División Microempresas
Scotiabank Group
• Contextualización
• Entender la fenomenología
• Decisiones estratégicas
• Construcción de Modelo
TEMARIO
• Construcción de Modelo
• Resultados obtenidos
• Implementación del Modelo
• Conclusiones
Contextualización
�Creciente consenso en la importancia de la pequeña producción como ente dinamizador de la economía
�Prácticamente la mitad de la población económicamente activa lo hace por cuenta propia o en empresas de menos de cinco personas.empresas de menos de cinco personas.
�La riqueza de las naciones es más débil cuando la pequeña producción es escasa y, que en cambio, la fortaleza de este sector es muy importante para un crecimiento sostenido e innovador.
�Por último, constituye un importante eslabón para tender a la equidad en la generación de riqueza.
�Políticas Públicas orientadas a estructurar un medio ambiente adecuado para este sector y a establecer condiciones propicias para su desarrollo:
Incentivo al mercado para que provean las ofertas fundamentales para su existencia; tales como:
Contextualización
fundamentales para su existencia; tales como: Financiamiento, asistencia comercial, asistencia técnica, capacitación – formación, articulación, etc.
�A pesar de esfuerzos desplegados en los últimos 10 años, aún la microempresa se encuentra desprovista de financiamiento, el que por su particular complejidad requiere de tecnologías apropiadas que permitan estructurar ofertas masivas y eficientes.
Entender la fenomenología
� MERCADO MASIVO
� VARIABILIDAD DE FLUJOS
� COMPETENCIA EMPRESARIAL
RECONOCEMOS QUE ESTAMOS EN PRESENCIA DE UN FENOMENO
ESTOCASTICO Y NO LINEAL
Decisiones estratégicas
� CONSTRUIR UN MODELO LINEAL (Regresión Logística)
� ¿POR QUÉ?
� Primera experiencia de esta banca, queríamos utilizar técnicas más probadas técnicas más probadas
� Disposición para asumir costos de escalamiento
� Disposición para asumir menores eficiencias del modelo predictivo (que siempre podremos solucionar de otras formas – modelos de decisión, puntos de corte)
Nuestro objetivo final era el APRENDIZAJE
Empresas especialistasconocidas en el Mercado
Consultores del DII de la Universidad de Chile
¿Cómo lo hacemos?
Con recursos propios
Decisiones estratégicas
Nuestro objetivo final era el APRENDIZAJE�Decisión:
Contratar los Servicios del DII y tener una contraparte técnica al interior de Microempresas que trabajara en conjunto con los Consultores
Nos permitió trabajar en equipo con ellosNos permitió aprender técnicas de desarrollo de Modelos predictivos
Construcción de ModeloConstrucción de Modelo
Construcción de Modelo
1.- TECNICA DE MODELACION
REGRESION LOGISTICA
Variables independientes
VariableObjetivo
Variable dependiente dicotómica:
Medidas al otorgamientodel crédito
independientes Objetivo
Variables de comportamientodel crédito anterior
Medida al final de la vida del crédito
Bueno - Malo
¿Modelopor
segmentos?
¿ModeloGlobal? ¿Modelo
2.- TIPOS DE MODELO
Construcción de Modelo
Global? ¿Modelo sólo para clientes Nuevos?
¿Modelopara clientesAntiguos?¿Behavior Scoring?
¿Y las campañas?
�Estamos frente a un Modelo Lineal :�Nos importaba la homogeneidad de la muestra
�Decisión:Generar dos enfoques alternativos:
Construcción de Modelo
Generar dos enfoques alternativos:
Enfoque Global y Enfoque por Segmentos
Enfoque Global Enfoque por Segmentos
Construcción de Modelo
� 1 modelo por segmento
4.681 créditos23,9% malos
2.630 créditos14,6% malos
NUEVOS
ANTIGUOS
�1 único modelo
7.311 créditos20,1% malos
Modelo GlobalUn solo modelo para Nuevos y Antiguos
No considera variables de comportamiento
Modelo NuevosClientes nuevos o con inactividad mayor a 2 años
Construcción de Modelo
Clientes nuevos o con inactividad mayor a 2 años
Modelo AntiguosClientes con historial crediticio
Información en los últimos 2 años
Modelo CampañasMínimo N° de variables
Aplicable sólo a campañas
3.- SELECCION DE LOS PRODUCTOS
Créditos a Plazo Fijo
Mercado de la Microempresa: Créditos Cuota Flexible
Créditos Cuota Cuotón
Construcción de Modelo
Créditos en cuotas fijas mensuales85% del stock de colocaciones totales
Créditos Cuota Cuotón
Líneas de Crédito
Para el desarrollo del Modelo sólo se consideraron
4.- DEFINICION DE LA MUESTRA
Considerando sólo créditos en cuotas fijas mensuales:
Nos enfrentamos con los siguientes desafíos para seleccionar la muestra:
Construcción de Modelo
Distintas tecnologías de evaluaciónutilizadas en el pasado
Calidad de las Bases de datos de clientes:Información a la Evaluación
Calidad de las Bases de datos de créditos:Información de comportamiento
Distintas tecnologíasde evaluación
Utilizadas en el pasado
Calidad de las Basesde datos de clientes:
Información a la Evaluación
Calidad de las Basesde datos de créditos:
Información decomportamiento
Construcción de Modelo
ConsiderarSólo créditosEvaluados conTecnología
PER
ConsiderarSólo créditos
con posibilidad derescatar
Información ala fecha de evaluación
ConsiderarSólo créditos
con informaciónen Kardexde pago
Construcción de Modelo
Conformación final de la muestra
Créditos en cuotas fijas,
que fueron evaluados utilizando tecnología PER,
otorgados en los años 2004, 2005, y 2006
Variables al momento de la evaluación:Se contaba con un total de 547 variables distintas,
distribuidas como:
5.- SELECCIÓN VARIABLES INDEPENDIENTES
Construcción de Modelo
distribuidas como:Variables propias del cliente = 352Variables propias del producto en evaluación = 13Variables generadas = 182TOTAL = 547
6.- VARIABLE OBJETIVO:
DEFINICION DE CLIENTES BUENOS Y MALOS
Construcción de Modelo
� Se utilizó información de morosidades promedio y morosidades máximas por crédito
� Objetivo final: RENTABILIZAR LA CARTERA:� Objetivo final: RENTABILIZAR LA CARTERA:
Definición de BUENO y MALO: no sólo consideró aspectos de riesgo
Tomar en cuenta índices de Rentabilidad
7.- MODELO DE SEGUMIENTO
Construcción de Modelo
� Mercado de la Microempresas:
Mercado Cambiante
Se hacía necesario contar con una herramienta queNos permita controlar que a pesar de cambios, el Nos permita controlar que a pesar de cambios, el
modelo sigue siendo aplicable
Se diseño una herramienta específica de control:
Se basa en determinar los intervalos de confianza de los parámetros beta del Modelo que permita
revisar la estabilidad de las poblaciones asociadas.
RESULTADOS OBTENIDOS
Resultados obtenidos
Modelo Global
9 variables
KS conjunto train = 0.39KS conjunto train = 0.39
KS conjunto test = 0.36
Resultados obtenidos
Modelo Nuevos
9 variables
KS conjunto train = 0.43KS conjunto train = 0.43
KS conjunto test = 0.42
Resultados obtenidos
Modelo Antiguos
10 variables
KS conjunto train = 0.44KS conjunto train = 0.44
KS conjunto test = 0.46
Implementación del Modelo
PLAN PILOTO
1. Evaluación centralizada con 2 supervisores utilizandoel Modelo (Aplicación en Macros Excel)
2.- Se eligieron 2 zonales regionalesBajo RiesgoBajo RiesgoMás alto Riesgo
3.- Se eligieron puntos de corte: tres zonas
Aprobación automáticaZona de decisión por ComitéRechazo automático
Implementación del Modelo
4.- Se diseño un seguimiento a nivel de usuarioy a nivel de predicción de los créditos
5.- Se diseño un “competencia” con otro modelo5.- Se diseño un “competencia” con otro modelode evaluación basado en el comportamiento de clientes antiguos
Implementación del Modelo
QUE ESPERAMOS DE ESTE PLAN PILOTO?
1.- Calibrar los puntos de corte
2.- Controlar tasas de Aceptación y Rechazo
3.- Rediseñar y/o afinar los procesos crediticios
4.- Decisiones de implementación
PLANES DE IMPLEMENTACION
1.- Masificar a todo la Banca
Incorporar el modelo de Scoring a la Plataforma de Evaluación on-line que utilizan los ejecutivos en sucursales
Implementación del Modelo
sucursales
2.- Sistema de Administración de Scoring
3.- Incorporar el Modelo Scoring Campañas al proyecto FABRICA DE PRODUCTOS
Existe un módulo de cálculo de Scoring dentro este proyecto
Proceso 2:Evaluación de Riesgo
Proceso 1: Captura de Datosy Validación de la Información
Cliente
Cliente
Procesoindividual
Procesomasivo
Proceso 4:Otorgamiento deproductos
Proceso 3:Gestión de cartera
Cuenta Vista conLínea de Crédito
Tarjeta de Crédito
Crédito en cuotas
Productos de normalización
Productos deAhorro
Clientes rechazadosPolíticas
Proceso 2:Evaluación de Riesgo
Clientes aprobadosPolíticas
Proceso de evaluación:Aplicación de Políticas
Cálculo de scoring forma parte de un nuevo
Sistema de Administración
Implementación del Modelo
Clientes aprobados
Cálculo de Scoring
Proceso de gestión de Cartera
Clientes rechazadosScoring
Sistema de Administración de Scoring
Sistema de administración de Scoring:
�Sistema mantiene y almacena la información necesaria para el cálculo de la probabilidad de pago
�Sistema mantiene y almacena la información de
Implementación del Modelo
�Sistema mantiene y almacena la información de variables obtenidas para cada cliente evaluado, la probabilidad de pago obtenida y la decisión de aprobación o rechazo :
�Lleva el seguimiento y retroalimentación del modelo
ConclusionesConclusiones
Conclusiones
CONCLUSIONES DE LA CONSTRUCCION DEL MODELO
� Validación de la decisión de contratar un Proveedor externo con una fuerte contraparte técnica interna
�Alto aprendizaje para la empresa�Alto aprendizaje para la empresa�Alto control del desarrollo del proyecto
� Resultados que consideramos satisfactorios �posibilitan incorporar en los modelo de evaluación crediticia esta herramienta
� Nos dimos cuenta de deficiencias en la generación y administración de nuestros datos