Crédito 101 | Riesgo crediticio: información positiva vs negativa
1 abr 2022
¿Cómo saber si un consumidor tiene buena o mala capacidad de pago?
Una de las ideas principales es que para conocer el comportamiento de pago es preferible conocer la tasa de morosidad de los consumidores, es decir, la información negativa de su comportamiento de pago.
Sin embargo, en esta entrada se discutirá el estudio realizado por Powell, Mylenko, Miller y Manjoni (2004), en donde los autores muestran que la incorporación de información positiva supera a la información negativa a la hora de predecir el comportamiento y capacidad de pago del consumidor.
Su estudio fue realizado con registros públicos de cuentas financieras sin información demográfica entres países: México, Brasil y Argentina.
Variables consideradas
Positivas | Negativas |
|---|---|
Pagos no realizados (Default) | La cantidad inicial del crédito (Initial Amount) |
Pagos atrasados (Missing Payments) | La deuda total (Total Debt) |
Reestructuración de crédito (Restructure) | Posibilidad de garantía (Collateral) |
Calificación inicial (Initial Rating) | |
Renovaciones de crédito (Renewals) | |
Tasa de interés (Interest Rate) |
Resultados relativos al default
El modelo diseñado con estas variables obtuvo resultados consistentes para los tres países.
Por ejemplo:
A mayor historial crediticio menor era la posibilidad de default
A mayor cantidad de garantía o de colateral, menor probabilidad de default.
En los casos de Argentina y Brasil, a mayor número de cuentas de crédito, mayor era la probabilidad de default.
En México, a mayor la tasa de interés, mayor la probabilidad de default.
Solo en algunos casos la información no fue consistente entre países: el tamaño del crédito o cantidad inicial tiene una correlación negativa con la probabilidad de default en Brasil y Argentina, y positiva en México, aunque apenas estadísticamente significativa.
Resultados relativos a originación
Simulando niveles de aceptación para clientes nuevos, los autores encontraron que un portafolio de préstamos usando información negativa y positiva presentaba una tasa menor de default que si solamente se utilizaba la información negativa.
Por ejemplo, en el caso de Argentina, si se quisiera otorgar crédito al 60% de la muestra, el incluir información positiva reduce la tasa de default de 3.81% a 2.98%, aproximadamente 20% de pérdidas del portafolio.
Los autores también estimaron el acceso de clientes a la otorgación de créditos al controlar el riesgo de default.
Con un riesgo de 3% de default, la información negativa únicamente permite que el 55.8% de la muestra acceda a crédito, mientras que si se toma en cuenta información negativa y positiva el acceso aumenta hasta un 82%.
Nuestra conclusión
En general, el estudio propone trabajar con modelos de riesgo crediticio y scores incluyendo a la ponderación la importancia de variables de comportamiento positivo en conjunto o relación con variables negativas.
Consideramos que es importante para otorgantes de crédito poder reevaluar continuamente el proceso de análisis crediticio y descubrir cuales son las variables que mejor resultados nos pueden entregar.
Referencias:Powell, A., Mylenko, N., Miller, M. & Majnoni, G. (2004). Improving CreditInformation, Bank Regulation and Supervision: On the role and design ofPublic Credit Registries. Policy Research Paper. 3443.