MAESTRÍA EN GESTIÓN ECONÓMICA Y FINANCIERA DE

RIESGOS

TRABAJO FINAL DE MAESTRÍA

Datos alternativos en modelos de score para créditos a

individuos en Argentina durante 2018

AUTOR: NATALI SOLANGE COHEN

DIRECTOR: MAURO EDGARDO SPERANZA

[ENERO 2021]
Dedicatoria

A la lucha por la igualdad de género.

1
Índice

Dedicatoria 1

Resumen Ejecutivo 4

Introducción 5

Planteamiento de los objetivos 8

Capítulo 1: Impacto de los grandes volúmenes de datos en la gestión del riesgo de

crédito bancario 9
1.1 Características de los bancos comerciales y los riesgos que enfrentan ................................... 9
1.1.1 Funciones principales de los bancos comerciales ..................................................... 9
1.1.2 Riesgos financieros................................................................................................. 11
1.2 Sobre el riesgo de crédito y las principales regulaciones existentes ..................................... 14
1.2.1 Riesgo de crédito .................................................................................................... 14
1.2.2 Aspectos regulatorios del riesgo de crédito ............................................................ 17
1.3 Datos alternativos en la gestión del riesgo de crédito ........................................................... 20

Capítulo 2: Sobre la construcción de modelos de credit scoring para evaluar la

probabilidad de default de individuos dentro del sistema bancario argentino 24
2.1 ¿Qué es un modelo de score? ................................................................................................ 24
2.1.1 Construcción de modelos de score ......................................................................... 26
2.2 Técnica estadística: Modelos Logit....................................................................................... 29
2.3 Selección de variables explicativas y performance del modelo ............................................ 34
2.3.1 Análisis bivariados ................................................................................................. 34
2.3.2 Análisis multivariado ............................................................................................. 36
2.3.3 Performance del modelo ......................................................................................... 37

Capítulo 3: Comparación de modelos de riesgo crediticio con incorporación de variables

alternativas 43
3.1 Fuentes de información ............................................................................................................. 43
3.1.1 Descripción de variables ........................................................................................ 43
3.1.2 Análisis de datos..................................................................................................... 48
3.2 Construcción de modelos de score........................................................................................ 51
3.2.1 Modelo de tarjetas .................................................................................................. 51
3.2.2 Modelo de paquetes ................................................................................................ 55
3.2.3 Modelo de préstamos personales ............................................................................ 59
3.3 Contraste de resultados ......................................................................................................... 62

Conclusiones y futuras líneas de investigación 66

Bibliografía y Referencias bibliográficas 68

Anexos 71

2
1.1 Parte A: Material soporte referenciado en el cuerpo del trabajo ........................................... 71
1.2 Parte B: Códigos SAS y documentación técnica .................................................................. 81
1.2.1 Modelo de tarjetas .................................................................................................. 81
1.2.2 Modelo de paquetes ................................................................................................ 87
1.2.3 Modelo de préstamos personales ............................................................................ 92

3
Resumen Ejecutivo

El presente trabajo es un abordaje a la utilización de datos alternativos en la gestión de

riesgo de crédito bancario. Este aspecto es sumamente relevante dado que una mejor
gestión del riesgo de crédito trae aparejadas dos cuestiones principales: por un lado,
menores pérdidas crediticias y, por otro lado, un ahorro en provisiones.

El objetivo principal de esta tesis es evaluar el impacto que posee la utilización de datos
alternativos en la predicción acerca de la capacidad de repago ante la toma de deuda
minorista en el sector bancario argentino. La hipótesis es que los datos alternativos
mejoran la predicción acerca del riesgo crediticio de los solicitantes.

La principal conclusión de este trabajo es que la incorporación de datos no convencionales

mejora la capacidad de predecir el comportamiento de pago ante tomas de deuda
minoristas en tarjetas de crédito y paquetes bancarios.

Palabras claves: Riesgo de crédito, Modelos de scoring, Datos alternativos, Regresión

logística, Indicadores de performance
 “There´s a way to do it better – find it.”
Thomas A. Edison

Introducción

Los modelos de score que actualmente utilizan los bancos comerciales para evaluar el
otorgamiento de crédito se basan en la utilización de variables predictoras tradicionales,
que no incorporan la nueva información que se puede desprender a partir del
aprovechamiento de los grandes volúmenes de información que reciben los bancos. Por
otro lado, las Fintech están ganando mercado otorgando créditos en base a modelos que
incorporan información no tradicional. Esta desventaja en la que se encuentran los bancos
es la que motivó el presente trabajo, el cual constituye un abordaje al análisis de
incorporar variables alternativas a los modelos de score de individuos que utilizan los
bancos con el objetivo de mejorar el poder predictivo de los mismos.

Esto es sumamente relevante dado que una mejor estimación del comportamiento futuro
de las solicitudes de crédito que recibe un banco impacta, por un lado, en sus ganancias
y, por otro lado, en las líneas de balance dado que disminuyen las pérdidas esperadas e
inesperadas. Todo lo cual potencia el negocio bancario de dar préstamos a partir de los
depósitos captados.

Desde sus inicios, la función principal de los bancos comerciales es el otorgamiento de

créditos para cubrir las necesidades de los individuos y de las organizaciones. Para poder
cumplir con su función, los bancos toman depósitos del público para luego otorgar
créditos. Las regulaciones sobre los bancos nacen ante la necesidad de proteger dichos
depósitos, dado que, si los bancos prestan dinero sin tener en cuenta el riesgo del deudor,
los depósitos del público estarán desprotegidos.

Como dice Freixas y Rochet (2008),

Banking operations may be varied and complex, but a simple operational

definition of a bank is available: a bank is an institution whose current operations
consist in granting loans and receiving deposits from the public. This is the
definition regulators use when they decide whether a financial intermediary (…)
has to submit to the prevailing prudential regulations for banks. This legal
definition has the merit of insisting on the core activities of banks, namely,
deposits and loans. (p. 1)

Los lineamientos para las regulaciones bancarias surgen para manejar los principales
riesgos que enfrentan los bancos y son definidos por un grupo de reguladores que se
encuentran en el Bank of International Settlement (BIS) en Basilea. El primer acuerdo de
Basilea surge principalmente para mitigar el riesgo de crédito y estableció capitales
mínimos que deben mantener los bancos, los cuales dependen de su cartera crediticia.

Dentro de la gestión del riesgo de crédito, como dice Bessis (2015), la evaluación de la
calidad crediticia de los deudores es un factor crítico. Para ello, existen sistemas de score,
que son modelos estadísticos diseñados para distinguir entre buenos y malos pagadores.
Dichos modelos son fundamentales para la gestión del riesgo de crédito.

Como dice Abdou y Pointon (2011),

With the fast growth of the credit industry all over the world and portfolio
management of huge loans, credit scoring is regarded as a one the most important
techniques in banks, and has become a very critical tool during recent decades.
Credit scoring models are widely used by financial institutions, especially banks,
to assign credit to good applicants and to differentiate between good and bad
credit. (p. 7)

Actualmente, en los modelos tradicionales de score para préstamos bancarios, se utilizan

datos sociales, económicos e información histórica de comportamiento de pago dentro
del sistema financiero para predecir capacidad de pago.

Como dice Mermelstein (2006),

Dichos modelos mezclan entre el conjunto de variables predictoras de la

morosidad algunas de tipo socio-demográfico relativas al deudor, junto con
algunos ratios como el de loan-to-value, y además descansan en el supuesto de
que el comportamiento de pagos pasado del deudor es buen predictor del
comportamiento futuro (…), por lo que también suelen incorporar información
de burós crediticios entre las variables independientes. (p. 40)

El problema de la metodología tradicional bancaria es que desaprovecha la nueva

información que se puede obtener gracias al manejo de los grandes volúmenes de
información que reciben las empresas (Big Data), la cual puede servir para explicar
comportamiento de pago frente a un préstamo.

Por su parte, las Fintech están haciendo uso de nuevas variables que surgen a partir del
procesamiento de Big Data para otorgar préstamos a los sectores que quedan marginados
de recibir préstamos bancarios. A continuación, presentamos un fragmento de una

6
entrevista realizada a Marcos Galperín (CEO de MercadoLibre) donde se evidencia lo
mencionado:

—¿Y por qué ustedes sí les prestan?. —¿Qué vieron que los bancos no ven en
esas pymes?
—Nosotros vemos en tiempo real toda la historia de ventas que tuvieron en
Mercado Libre o en el uso de Mercado Pago. Tenemos sistemas para trazar
un perfil muy preciso de aquellos a los que les ofrecemos o nos piden crédito.
No necesitamos papeles ni balances. Les prestamos a gente que no tiene un Veraz
perfecto, incluso. Acá, si pasás los filtros, lo único que tenés que decir es cuánto
querés, hacés doble click y te acreditamos la plata.
—¿Y qué los lleva a ustedes a determinar que ese cliente es bueno?
—Básicamente la historia de ventas que tienen en Mercado Libre. Vemos el
volumen, el tiempo que llevan con nosotros y un montón de variables, la
reputación que les dan sus contrapartes, los que les compran, cuánto tardan en
entregar los productos… (Marcos Galperín 2017, iProfesional)

La hipótesis de la presente investigación es que la incorporación de datos alternativos

mejora la estimación del riesgo de crédito. Para ello, vamos a realizar un trabajo de
investigación empírica utilizando una base construida a partir de datos secundarios
provistos por un banco anónimo, donde las unidades de análisis son las solicitudes de
crédito de individuos en Argentina durante 2018. La cantidad y heterogeneidad de las
solicitudes analizadas permite extrapolar los resultados al sistema bancario argentino.

El presente trabajo se estructura en tres capítulos principales. En el primero de ellos, se

estudiará la utilización de grandes volúmenes de datos en la gestión del riesgo de crédito
bancario. En primer lugar, se repasará la literatura acerca de los riesgos que enfrentan los
bancos. En segundo lugar, se estudiará específicamente el riesgo de crédito y las
regulaciones existentes para controlarlo. Finalmente, se pasará revista del uso de datos
alternativos para la gestión del riego de crédito en los últimos tiempos.

En el segundo capítulo, se buscará construir un modelo de riesgo crediticio que permita

evaluar la probabilidad de default de individuos dentro del sistema bancario argentino.
Para ello, en primer lugar, se describirán los principales aspectos de un modelo de score.
En segundo lugar, se repasarán las fórmulas utilizadas para construirlo y, finalmente, se
estudiarán los principales indicadores de medición de la exactitud de los modelos de
score.

7
En el tercer capítulo, se compararán modelos de riesgo crediticio con incorporación de
variables alternativas evaluándolos en diferentes productos financieros. Para abordar este
análisis, primero se realizará un estudio estadístico de las bases input utilizadas. Luego,
se construirán un modelo de score con variables alternativas y un modelo de score
restringido para cada tipo de producto; evaluando la performance de cada uno de ellos.
Finalmente, se realizará la comparación de los resultados de performance para cada tipo
de producto.

Planteamiento de los objetivos

El objetivo general de esta tesis es analizar el impacto que posee la incorporación de datos
alternativos en la predicción del riesgo de crédito. Como objetivos específicos se
considera describir el uso de los grandes volúmenes de datos en la gestión del riesgo de
crédito bancario, construir un modelo de riesgo de crédito que permita evaluar la
probabilidad de default de individuos dentro del sistema bancario argentino y comparar
modelos de riesgo crediticio con incorporación de variables alternativas evaluándolos en
diferentes productos financieros.

8
 “This business is only for well-managed institutions. It’s not meant to be done home alone
without adult supervision”
Michael L. Brosnan

Capítulo 1: Utilización de los grandes volúmenes de datos en la gestión del riesgo de

crédito bancario

En este capítulo se estudiará el aprovechamiento de los grandes volúmenes de datos en la

gestión del riesgo de crédito bancario. En primer lugar, se estudiarán las características
principales de los bancos y los riesgos que enfrentan. En segundo lugar, se estudiará
específicamente el riesgo de crédito y las regulaciones existentes para administrarlo.
Finalmente, se destacará la utilización reciente de datos alternativos para la gestión del
riego de crédito.

1.1 Características de los bancos comerciales y los riesgos que enfrentan

Los bancos comerciales son entidades financieras, dado que se dedican en sus operaciones
habituales a intermediar entre la oferta y demanda de recursos financieros; y, en
Argentina, están regulados por el BCRA.

El BCRA también regula a otras entidades financieras: bancos de inversión (destinados

principalmente a asistir a grandes empresas en la obtención de préstamos y de capital y
en asesorarlas en procesos de restructuraciones, fusiones o adquisiciones), bancos
hipotecarios, compañías financieras, sociedades de ahorro y préstamos para la vivienda u
otros inmuebles (destinadas principalmente a otorgar créditos en base a un ahorro previo
por parte del cliente) y cajas de crédito.1

1.1.1 Funciones principales de los bancos comerciales

Los bancos comerciales tienen como función principal tomar los depósitos de aquellos
que poseen dinero y otorgar préstamos a los que necesitan fondeo. Tanto los que depositan
como los que piden dinero pueden ser individuos, organizaciones o gobiernos2. La
diferencia entre el interés que recibe el banco por los préstamos que realiza y el que paga

1
Cabe notar que las empresas de seguros están excluidas del precedente listado, y esto se debe a que si bien son entidades financieras

(dado que administran los ahorros del asegurado tal que puedan afrontar un eventual suceso futuro negativo), están reguladas
específicamente por la SSN.

2
La banca minorista es la que atiende a los individuos o a pequeñas empresas y la banca mayorista es la que presta servicios a grandes
organizaciones o gobiernos.
por los depósitos que recibe se denomina spread y es su principal ganancia en la mayoría
de los países (International Monetary Fund [IMF], 2012).

Los bancos comerciales toman depósitos de corto plazo y realizan préstamos a más largo
plazo, lo cual es viable, en parte, gracias a que la mayoría de los depositantes no requieren
del dinero a corto plazo y mantienen los depósitos en el banco. Asimismo, los bancos
complementan el fondeo acudiendo a los mercados financieros: emitiendo obligaciones
negociables o bonos, prestando títulos a cambio de dinero (operación denominada repo)
o a través de la titulización (también conocida por el anglicismo securitización), que
consiste en armar un paquete con préstamos que el banco posee en libros y venderlo en
el mercado (IMF, 2012).

Asimismo, los bancos comerciales operan como un sistema de pagos doméstico e

internacional dado que, a partir de la existencia de estos, se canalizan las transacciones
monetarias entre las distintas partes: compradores y vendedores (aquí juegan un rol
importante las tarjetas de crédito y débito), empleadores y empleados, acreedores y
deudores, contribuyentes y gobierno, etc.

En un sistema de encaje fraccionario3 los bancos comerciales tienen la función adicional

de crear dinero. Según Rosignuolo (2017),

La creación de dinero en un sistema de encaje fraccionario -tasa de efectivo

mínimo o tasa de encaje inferior al 100%- es la resultante de una expansión
primaria vía Banco Central (a través de los determinantes de la base: Sector
Externo, Sector Gobierno y Sector Financiero) y de una creación secundaria a
cargo de los bancos comerciales y del público, medida a través de los
multiplicadores de la base monetaria. (p. 11)
Esta creación secundaria de dinero se debe a que los bancos comerciales no encajan el
total de los depósitos, por lo tanto, parte del dinero depositado es vuelto a prestar (y así
sucesivamente) generando una oferta monetaria superior a la generación inicial de
dinero4.

3
El encaje es la porción de depósitos que un banco debe mantener en reservas líquidas y, por tanto, no se puede usar para inversiones
ni préstamos. El encaje mínimo lo fija el banco central y, luego, los bancos comerciales pueden decidir encajar un porcentaje superior.
Un sistema de encaje fraccionario es aquel en el cual en encaje regulatorio es menor al 100%.

4
Como menciona Rosignulo (2017), la creación secundaria de dinero presenta filtraciones (el BCRA no puede regularla
completamente) dado que depende, por un lado, de la decisión de encaje de los bancos comerciales y, por otro lado, de la decisión de
cartera de los individuos entre los distintos tipos de depósito y el efectivo.

10
1.1.2 Riesgos financieros

El riesgo es la incertidumbre acerca de los eventos futuros y de su efecto negativo en los

resultados de la entidad. La identificación, medición y control de los riesgos financieros
se denomina administración financiera de riesgos (Financial Risk Management). Tanto
los administradores de riesgos como los reguladores de los bancos tienen como objetivo
aumentar la resiliencia de las entidades para enfrentar situaciones adversas (Bessis, 2015).

La clasificación de los distintos riesgos financieros se basa en la fuente de incertidumbre

de estos. Jorion (2007) menciona la existencia de cuatro grandes grupos de riesgos: riesgo
de crédito, riesgo de mercado, riesgo de liquidez y riesgo operacional. Sin embargo, la
diversidad de riesgos a la que se enfrentan las instituciones financieras es más amplia.
Esto se observa en la comunicación “A” 5398 del BCRA del 2013 donde detalla que las
entidades financieras deben contar con un proceso integral de gestión de riesgos para
evaluar y controlar los siguientes riesgos: crédito, liquidez, mercado, tasa de interés,
operacional, titulización, concentración, reputacional y estratégico. Asimismo, con la
resolución 30/2017 de la Unidad de Información Financiera (UIF) se agrega el
requerimiento de incorporar al riesgo de lavado de activos y financiamiento del terrorismo
dentro de la gestión integral de riesgos.

A continuación, pasaremos revista a los riesgos que enfrentan las entidades financieras
exceptuando al riesgo de crédito, que será tratado en el apartado siguiente dado que
constituye el núcleo del presente trabajo.

a) Riesgo de liquidez

El riesgo de liquidez se refiere a la capacidad de las entidades financieras de fondear los

incrementos de los activos y cumplir con sus obligaciones a medida que éstas se hacen
exigibles, sin incurrir en pérdidas significativas (BCRA, 2013). Según Jorion (2007), el
riesgo de liquidez toma dos formas: riesgo de liquidez de activos y riesgo de liquidez de
fondeo; el primero se refiere a la dificultad de poder realizar una transacción a los precios
normales de mercado, lo cual puede ocurrir por variaciones de las condiciones de mercado
o por las condiciones de mercado que poseen ciertos productos financieros; el segundo se
refiere a la incapacidad de atender las obligaciones de pago, lo cual puede forzar la pronta
liquidación de activos.

b) Riesgo de mercado

11
El riesgo de mercado es el riesgo de que la entidad sufra pérdidas debidas a fluctuaciones
adversas del mercado que deprecien el valor de sus posiciones; las causas de las
fluctuaciones incluyen a las tasas de interés, a los índices de acciones, al precio de
commodities y a los tipos de cambio (Bessis, 2015). El riesgo de mercado se controla
mediante límites en las exposiciones y en los nocionales con el indicador denominado
valor en riesgo (VaR)5 y con supervisiones específicas de los administradores de riesgo
(Risk Managers).

c) Riesgo de Tasa de Interés

El riesgo de tasa de interés es la posibilidad que las tasas de fondeo crezcan por encima
de las tasas que reciben las entidades financieras por sus colocaciones. Según Freixas y
Rochet (2008), los bancos tienen una función de transformación de activos tal que
transforman depósitos de corto plazo en préstamos de largo plazo y el riesgo de tasa de
interés surge con la posibilidad de que las tasas de los depósitos crezcan por encima de
las tasas contractuales de los préstamos que ofrecen.

d) Riesgo operacional

El riesgo operacional es el riesgo de pérdidas resultantes de inadecuados o fallidos

procesos internos (fallas en el registro de las transacciones), de la actuación de las
personas o sistemas (fraudes internos o externos) y de eventos externos; asimismo,
incluye al riesgo legal, que es la exposición a penalidades y multas por acciones de
supervisión o por acuerdos contractuales (Jorion, 2007).

e) Riesgo de titulización

Las titulizaciones son una fuente alternativa de financiación y de transferencia de riesgo

a los inversores, pero generan nuevos riesgos para la entidad. Por un lado, la entidad
tendrá riesgo de crédito por las posiciones compradas (por falta de pago de los activos
subyacentes) y por las posiciones vendidas (por la posibilidad de cubrir el default de los
activos subyacentes para evitar riesgo reputacional). Asimismo, las titulizaciones poseen
riesgo de liquidez dado que si cae la liquidez del mercado se puede imposibilitar el
lanzamiento de una titulización que está siendo estructurada. Por otro lado, tanto las
titulizaciones que están siendo estructuradas como las posiciones compradas poseen

5
El VaR es una medida estadística para medir el riesgo de una inversión. Indica la pérdida máxima que puede sufrir la entidad en un
horizonte temporal determinado con un nivel de confianza dado.

12
riesgo de mercado debido a la variación adversa en los precios. También, las titulizaciones
compradas poseen riesgo de concentración dependiendo de las características de los
activos subyacentes. Finalmente, pueden surgir dificultades legales que impidan que una
titulización en proceso de estructuración pueda ser vendida.

f) Riesgo de concentración

El riesgo de concentración surge de mantener posiciones que mantengan características

similares: que sean con la misma contraparte o garante, que sean en la misma ubicación
geográfica, que sean del mismo sector económico o que estén respaldadas por el mismo
activo de garantía. Estas concentraciones pueden producir pérdidas para la entidad
financiera producto de dificultades financieras de una contraparte específica, de riesgos
comunes para un mismo sector geográfico o económico o por la caída de precio de la
garantía.

g) Riesgo reputacional

Es aquel asociado a una percepción negativa sobre la entidad financiera por parte de las
contrapartes, accionistas, inversores, tenedores de deuda, analistas de mercado que
afecten adversamente la capacidad de la entidad para continuar con sus relaciones
comerciales, para iniciar nuevos negocios o para acceder a fuentes de fondeo (BCRA,
2013). Cabe aclarar que la confianza del público y de los inversores en la entidad
dependen de su reputación, por lo tanto, mantener el prestigio es importante para
mantener el nivel de pasivos.

h) Riesgo estratégico

El riesgo estratégico es aquel asociado a variaciones desfavorables en los parámetros

asociados a un proyecto que la entidad va a llevar a cabo o bien al riesgo de realizar un
proyecto inadecuado.

i) Riesgo de lavado de dinero y financiamiento al terrorismo

Es el riesgo asociado a que la entidad financiera sea utilizada por terceros para realizar
actos de lavado de dinero y/o financiamiento al terrorismo. Con la resolución 30/2017 la
Unidad de Información Financiera (UIF) estableció que las entidades financieras deben
incorporar en su proceso de autoevaluación de capital los riesgos asociados en cada una
de sus líneas de negocio a que su estructura sea utilizada por terceros para los fines
comentados y evaluar la efectividad de los controles realizados.
13
1.2 Sobre el riesgo de crédito y las principales regulaciones existentes

En este apartado, en primer lugar, repasaremos el concepto de riesgo de crédito para las
entidades financieras y los factores utilizados para medirlo. Luego, estudiaremos las
principales regulaciones que existen para administrarlo y controlarlo.

1.2.1 Riesgo de crédito

El riesgo de crédito nace a partir de las dificultades que presentan los deudores para el
cumplimiento de pago de sus obligaciones contractuales, lo cual produce una
incertidumbre sobre los flujos que esperan recibir las entidades financieras producto de
los contratos pautados. Como dice Jorion (2007, p. 25), “Credit risk is the risk of losses
owing to the fact that counterparties may be unwilling or unable to fulfill their contractual
obligations. Its effect is measured by the cost of replacing cash flows if the other party
defaults.”

Como menciona Bessis (2015), el riesgo de crédito para la entidad también puede
aumentar en aquellos casos que la calidad crediticia del deudor empeore, volviendo al
crédito otorgado a dicha contraparte más riesgoso.

Las pérdidas potenciales que puede sufrir la entidad financiera son el principal, los
intereses y los costos asociados a los esfuerzos de recuperación. Los factores para medir
las pérdidas potenciales del riesgo de crédito son tres: la probabilidad de default (PD), la
exposición al momento del default (EAD) y las pérdidas generadas a partir del default
(LGD). Estos tres componentes de riesgo se utilizan para caracterizar el estado actual que
posee un cliente o un producto frente al riesgo de crédito. De esta forma, si un deudor
sufre un empeoramiento en su capacidad de pago, se va a ver reflejado en un aumento de
la PD, por lo que migrará de estado.

A continuación, estudiaremos cada uno de los componentes que miden el riesgo de

crédito.

I. Probabilidad de default (PD)

Como mencionamos previamente, la probabilidad de default es la posibilidad que un

deudor no cumpla con sus obligaciones contractuales de pago de deuda.

Las características específicas a partir de las cuales se declara que una deuda está en
default depende de la entidad que haga la evaluación. Las agencias de rating (entidades

14
cuya función principal es otorgar una valoración de riesgo de crédito a compañías o
productos financieros) consideran que el default se produce al momento en que transcurre
un día de atraso de al menos un dólar en el cumplimiento de las obligaciones pactadas
(Bessis, 2015). Para los reguladores de las entidades financieras, el default de la cartera
crediticia se define de forma distinta.

Los acuerdos de Basilea son recomendaciones sobre regulación bancaria emitidos por el
Comité de Basilea de Supervisión Bancaria (CBSB) y tienen como objetivo conseguir
una unidad normativa para los bancos de los distintos países. Según los acuerdos de
Basilea II, el default ocurre si se da alguna o todas de las siguientes casuísticas: a) el
banco considera improbable que el deudor pague completamente sus obligaciones sin
mediar acciones por parte del banco, como la venta de garantías y b) el deudor está atraso
en más de 90 días en cualquier obligación significativa con el banco (CBSB, 2006). Según
los acuerdos de Basilea, los bancos deben utilizar esta definición de default para sus
estimaciones internas de PD, LGD y EAD:

A bank must use the reference definition of default for its internal estimations of
PD and/or LGD and EAD. However, as detailed in paragraph 454, national
supervisors will issue guidance on how the reference definition of default is to be
interpreted in their jurisdictions. Supervisors will assess individual banks’
application of the reference definition of default and its impact on capital
requirements. (CBSB, 2006, p. 213)

Esta definición está alineada con el grado igual o superior a tres de la clasificación de
deudores del BCRA, según la comunicación “A” 7156 (BCRA, 2020).

La probabilidad de default, dado un estado crediticio, depende de la situación

macroeconómica que enfrenten los países. De esta forma, la probabilidad de default
tenderá a aumentar en momentos desfavorables del ciclo económico y tenderá a disminuir
en situaciones normales. Es por ello, que la PD puede calcularse Point in Time y será una
probabilidad condicionada a la situación macroeconómica actual; o bien, puede calcularse
Through the Cycle y será una PD de largo plazo no condicionada al ciclo (dado que surge
del promedio de PDs en los distintos momentos del ciclo).

Los grandes bancos comerciales pueden calcular las PDs a partir de sus propias bases de
datos con información histórica, dado que poseen grandes volúmenes de clientes para

15
realizar el cálculo; de esta forma, pueden contar los defaults observados y generar
frecuencias de default para distintos momentos del tiempo (Bessis, 2015).

II. Exposición al momento del default (EAD)

La EAD es una estimación de la exposición (saldo de deuda) que tendrá el deudor con la
entidad al momento del default, la cual es desconocida hasta que efectivamente se
produce el default, dado que depende de factores inciertos.

En el caso de los préstamos que poseen un calendario de amortización contractual, el flujo

de pagos efectivo puede diferir del calendario porque el cliente puede realizar pagos
parciales o totales del principal. Asimismo, hay préstamos a tasa de interés variable que
dependen de índices de mercado estocásticos, generando desconocimiento acerca del
flujo exacto que percibirá la entidad financiera.

Por otro lado, el banco ofrece productos que poseen saldos fuera de balance, como las
tarjetas de crédito o los adelantos de cuenta corriente. El saldo dentro de balance es el
saldo efectivamente consumido por el cliente y el saldo fuera de balance es la diferencia
entre el total de crédito otorgado por la entidad financiera y el consumo del cliente; ambos
saldos son inciertos. Dado que se espera que los clientes aumenten el consumo de la línea
de crédito en situaciones de dificultad financiera, es que se estima un Credit Conversion
Factor (CCF) para estimar el saldo al momento del default de los productos con saldos
fuera de balance (CBSB, 2006).

III. Pérdidas generadas a partir del default (LGD)

Cuando un deudor entra en default con una exposición determinada, la entidad financiera
incurre en costos para recuperar el saldo adeudado. Estos costos son parte de las pérdidas
generadas a partir del default y forman parte de la pérdida total. Asimismo, gracias a los
esfuerzos de recuperación y las garantías que posea el crédito otorgado, se generan flujos
positivos para la entidad financiera a lo largo de los meses posteriores al evento de default.
La tasa de recupero es el porcentaje que representa el valor actual de los recobros menos
los gastos sobre el total de la deuda al momento del default; la LGD es el complemento
de la tasa de recupero.

La posibilidad de generar recobros a partir de las garantías que poseen los créditos va a
depender de la liquidez de las garantías y de las condiciones de mercado. La
incertidumbre acerca del valor al cual se venderán las garantías al momento de ejecutarlas

16
es incierto, por lo que el valor reconocido de las mismas por la entidad financiera es menor
a su precio. Esta diferencia se denomina haircut y se utiliza como amortiguador de las
fluctuaciones futuras (Bessis, 2015).

1.2.2 Aspectos regulatorios del riesgo de crédito

I. Regulaciones sobre el capital

Los riesgos financieros deben ser regulados y una de las formas de hacerlo es a través de
la implementación de regulaciones sobre el capital. Estas regulaciones tienen el objetivo
de aumentar la resiliencia de los bancos, tal que el capital sea la última línea de defensa
para evitar el colapso en situaciones de stress. En 1988 se establece el primer acuerdo de
Basilea que tiene como objetivo definir el capital regulatorio, que es el mínimo nivel de
capital que deben mantener los bancos para hacer frente a pérdidas inesperadas. En este
acuerdo se regula principalmente el riesgo de crédito.

It should also be emphasised that capital adequacy as measured by the present

framework, though important, is one of a number of factors to be taken into
account when assessing the strength of banks. The framework in this document
is mainly directed towards assessing capital in relation to credit risk (the risk of
counterparty failure) but other risks, notably interest rate risk and the investment
risk on securities, need to be taken into account by supervisors in assessing overall
capital adequacy. (BIS, 1988, p. 2)

Para determinar el capital regulatorio, Basilea establece un ratio de solvencia (Cooke

Ratio), que es un porcentaje de los activos que poseen los bancos ponderados por el riesgo
de los mismos. Dichos ponderadores varían según el tipo de activo, pero no son
calculados por cada entidad, sino que están fijados por el regulador. Con el acuerdo de
Basilea II (publicado inicialmente en 2004 y con una versión definitiva hacia 2006), se
introdujeron ponderadores de riesgo sensibles a los riesgos particulares de cada entidad y
se incluyeron mitigadores de riesgo (como las garantías). En este sentido, para el cálculo
del ponderador, se permite la utilización de estimaciones propias de los componentes del
riesgo de crédito (PD, LGD y EAD), sujeto a modelos especificados por el regulador6.

6
Cabe aclarar que, según lo establecido por BIS (2006), solo los bancos que poseen sistemas internos de rating pueden realizar
estimaciones propias de los factores de riesgo de crédito. El resto de las entidades debe seguir un enfoque estandarizado, utilizando
ponderadores fijados por el supervisor.

17
En este segundo acuerdo, se estableció también que los bancos deben presentar un
informe de autoevaluación de capital (IAC) en el que realicen su propia evaluación
respecto al capital necesario para cubrir las pérdidas inesperadas teniendo en cuenta todos
los riesgos que enfrentan; este capital se denomina capital económico. Para el cálculo del
capital económico, Basilea permite el uso de modelos propios de valuación de riesgo y
establece que debe ser comparado con el capital regulatorio a fin de aumentarlo en caso
de ser necesario. Como se establece en el acuerdo de Basilea: “The approach used must
be based on the firm’s internal economic capital approach, be well-documented and be
subject to independent validation (BIS, 2006, p. 262).”7 Sin embargo, como menciona
Hull (2015), los bancos intentan mantener el capital económico por debajo del capital
regulatorio para no tener que aumentarlo.

El capital económico por riesgo de crédito es la máxima pérdida crediticia (pérdida

inesperada), por sobre la pérdida esperada, que puede tener un banco para un horizonte
de tiempo dado y con un determinado nivel de confianza. El horizonte temporal definido
por el Comité de Basilea tanto para el cálculo del capital económico como para el cálculo
del capital regulatorio es de 12 meses (BIS, 2006). Este cálculo se realiza a partir de la
distribución de las pérdidas crediticias, la cual posee una asimetría hacia la derecha:
mayor frecuencia en pérdidas de montos bajos y poca frecuencia en pérdidas de gran
magnitud. De esta forma, para obtener la pérdida inesperada se obtiene el valor de pérdida
para un cuantil determinado (que indica el nivel de confianza) de una distribución de
pérdidas con un horizonte de tiempo dado y se resta la pérdida crediticia esperada. A
continuación, se presenta un gráfico que expone lo comentado.

Gráfico 1.1 Distribución de pérdidas crediticias

7
BIS (2006) establece que aquellos bancos que sigan el enfoque estandarizado (utilizando las estimaciones de PD, LGD y EAD
establecidas por el regulador para el cálculo del capital regulatorio), deben utilizar sus estimaciones propias de parámetros en la
evaluación del capital económico.

18
 Fuente: Elaboración propia

Según Bessis (2015), el nivel de confianza para determinar el capital económico final es
un parámetro clave para el banco dado que, si el capital económico está definido con una
confianza del 99%, en promedio, en el 1% de los casos las pérdidas inesperadas serán
superiores al capital, volviendo al banco insolvente. Por lo tanto, el complemento del
nivel de confianza es la probabilidad de default del banco, la cual tiene una incidencia
directa en el rating que le darán al banco las calificadoras de riesgo y, por ende, en su
costo de financiamiento.

II. Regulaciones sobre las Provisiones

Si bien las regulaciones sobre el capital permiten administrar las pérdidas inesperadas,
también existen regulaciones sobre las provisiones contables para administrar la pérdida
crediticia esperada.

Recordando la definición de los componentes del riesgo de crédito realizada en el

apartado 1.2.1, podemos comprender que la pérdida esperada de un préstamo es la
probabilidad que entre en default (PD) multiplicada por el saldo de deuda (exposición) al
momento de default (EAD) multiplicada por el porcentaje de la exposición que no será
recuperado luego del default (LGD):

𝑃é𝑟𝑑𝑖𝑑𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 = 𝑃𝐷 ∗ 𝐸𝐴𝐷 ∗ 𝐿𝐺𝐷

Para obtener la pérdida esperada total por riesgo de crédito, se suman las pérdidas
esperadas de cada préstamo. Basilea establece que para cubrir las pérdidas esperadas los
bancos deben realizar provisiones contables que estén alineadas a las Normas

19
Internacionales de Información Financiera (NIIF). Argentina, al ser un miembro del G-
20 adopta las normativas de Basilea y son adaptadas localmente a través de los
comunicados del BCRA.

En cuanto a las pérdidas esperadas, el regulador argentino (BCRA) estableció en la

comunicación “A” 6430 que a partir del 01/01/2020 los bancos deben realizar sus
provisiones de acuerdo con lo establecido en el punto 5.5 de las NIIF 9. El punto 5.5 de
dichas normas incorpora el criterio de deterioro de valor para el cálculo de las pérdidas
crediticias esperadas; de forma tal que, si un préstamo tuvo un incremento significativo
de riesgo respecto al riesgo inicial con el cual se originó, el banco debe tener en cuenta
no solo la pérdida esperada a 12 meses, sino que debe establecer la pérdida esperada
durante toda la vida del activo (NIIF 9, 2014). Es decir, que para los activos que no hayan
tenido un incremento significativo de riesgo, el horizonte temporal para evaluar la pérdida
esperada es de 12 meses y para aquellos que hayan sufrido un incremento significativo
de riesgo, el horizonte temporal es todo el período contractual.

Si bien cada entidad es la encargada de evaluar cuándo se produce un incremento

significativo de riesgo, como criterio general, la norma establece que, si un activo posee
más de 30 días de atraso, el mismo ha tenido un incremento significativo de riesgo. Cabe
aclarar, que las entidades deben reconocer el valor temporal del dinero en el cálculo de la
pérdida esperada.

1.3 Datos alternativos en la gestión del riesgo de crédito

La información tradicional utilizada en los modelos de crédito bancarios a individuos

comprende datos socioeconómicos e información de bureau de créditos respecto a
morosidad en el sistema financiero. Sin embargo, la evolución tecnológica puso un mayor
volumen de información a disposición de las empresas.

En un informe de Emerj (consultora estadounidense de inteligencia artificial) de abril

2020 se refleja lo comentado previamente:

While in the past lenders looked at only a few metrics like FICO score and
income, companies have started looking at an individual’s entire life and even
their vast digital footprint to determine how likely they are to default. This is
referred to as “alternative data” about potential borrowers. The idea is that extra

20
 data provides not just more insight into people with established FICO scores, but
that it can be particularly useful for determining the creditworthiness of people
without a traditional credit history. (Emerj, 2020)

Los modelos tradicionales de score crediticio que construyen los bureaus de crédito para
el sistema financiero dependen principalmente de las siguientes variables: cantidad y tipo
de cuentas de crédito que posee el individuo, longitud del historial crediticio, historial de
pagos de los créditos tomados (en productos como: tarjetas de crédito, préstamos
personales, préstamos prendarios, préstamos hipotecarios) y el porcentaje de crédito
utilizado respecto al crédito otorgado (Equifax, s.f.)

Las variables alternativas que pueden ser utilizadas por los modelos de score comprenden,
y no se limitan, a las siguientes:

 Información sobre pagos telefónicos (y de otros servicios)

 Información sobre el pago del alquiler

 Registros gubernamentales

 Hábitos de consumo

 Información de redes sociales

 Seguimiento en el historial de navegación de internet

 Seguimiento de la ubicación geográfica

Los principales bureaus de crédito a nivel internacional analizan datos alternativos en la

construcción de los modelos de score.

Por ejemplo, el bureau de crédito FICO (creador de los scores con insignia FICO, los
cuales son utilizados en la mayoría de las decisiones de crédito en Estados Unidos)
incorporó información de pagos de alquileres lanzando en 2014 el modelo de score
denominado FICO9. Asimismo, actualmente están analizando incorporar datos
provenientes del uso de las cuentas a la vista y observan que les permite puntuar a 15
millones de consumidores estadounidenses que no tienen información suficiente para ser
puntuados por su modelo de score tradicional (FICO, 2019).

21
También, las empresas FICO, Equifax y LexisNexis desarrollaron en conjunto un modelo
de score denominado “FICO Score XD”8 para la población estadounidense con poco o
nulo historial crediticio en el sistema financiero que combina información tradicional con
información de pagos telefónicos (fijos y celulares), de pagos de cable y de otros
servicios, permitiendo valuar el riesgo crediticio de más del 70% de las solicitudes de
crédito que quedaban sin ser puntuadas por el modelo de score tradicional (FICO, 2019).

Cabe aclarar, que no toda la información alternativa disponible resulta valiosa para ser
incluida en los modelos de score. Según FICO (2015), la información debe contar con
seis requisitos para que pueda formar parte de sus modelos de score: cumplir con los
estándares regulatorios, tener suficiente profundidad histórica, cubrir la mayor cantidad
de población posible, ser precisa, contar con poder predictivo y cumplir con el requisito
de ortogonalidad (agregar valor por sobre la información contenida en el resto de las
variables explicativas).

Por su parte, la empresa estadounidense Lenddo se dedica especialmente a la utilización

de datos alternativos en modelos de score para aquellos individuos o pequeñas empresas
que no cuentan con un historial crediticio suficiente para acceder al crédito. Su sistema
se basa en generarle un score a cada individuo que desea ser calificado a partir de procesar
información contenida en los smartphones de estos (como ser el historial de navegación,
el uso de las redes sociales y la geolocalización).

Asimismo, la empresa ZestFinance (dedicada a generar scores crediticios a partir de

modelos de decisión avanzados) recibió una inversión estratégica de Baidu (proveedor
líder de búsquedas en internet en idioma chino) para utilizar datos de geolocalización, de
historial de navegación y de historial de pagos en un modelo de score para el mercado
chino (Businesswire, 2018).

Como menciona Equifax, la utilización de datos alternativos permite una mejor

predicción del riesgo de crédito y una mayor inclusión financiera dado que disminuye la
asimetría de información entre prestador y prestatario (Roadshow 2019). Los nuevos
proveedores de crédito están creciendo a expensas de los jugadores tradicionales, en parte,
gracias a la incorporación de datos alternativos en sus modelos de score (Forbes, 2019).
Esta discrepancia en el uso de datos no tradicionales se refleja en un estudio realizado por

8
Se lanzó una primera versión en 2016 denominada FICO Score XD y una versión mejorada en 2018 que cubre un mayor porcentaje
de población.

22
Experian (uno de los principales bureaus de crédito de Estados Unidos) para el mercado
estadounidense: “Many fintech and other nonbank lenders routinely use an array of
alternative data; banks and credit unions are incorporating limited forms of alternative
data into their processes at a slower pace” (Experian, 2018).

Mercadolibre lanzó en 2017 créditos a pequeñas y medianas empresas y en 2019 lanzó

créditos a consumidores. Sus modelos de score se basan en la utilización de información
no tradicional obtenida gracias a su plataforma comercial digital. Por ejemplo, para
otorgar créditos a empresas procesan información no tradicional como ser datos sobre
reputación y actividad, sobre el tiempo que tardan en responder las preguntas de los
clientes, sobre el tiempo que tardan en enviar los pedidos y sobre el flujo de ventas
(Infobae, 2017). Como dice Marcos de Santos, ejecutivo de Mercadolibre:

Tenemos información financiera y también de comportamiento -qué tan rápido

responden a problemas del cliente, por ejemplo-; son 2.000 variables que nos
permiten entenderlas muy bien y nos hace incluir empresas que si las miraramos
solo con los Bureau de crédito estarían afuera. (Infotechnology, 2019)

Asimismo, los créditos que ofrece Mercadolibre a los consumidores utilizan

información del historial de consumo. Como dice Paula Arregui, ejecutiva de
Mercadolibre: “Aprovechando toda la información que tenemos en nuestro
sistema incluimos a mucha gente que los modelos de scoring tradicionales dejan
afuera porque no los conoce” (Infotechnology, 2019).

En este capítulo, se hizo un repaso del uso de datos alternativos en la gestión de

riesgo crediticio; en el capítulo siguiente, vamos a revisar qué es y cómo se
construye un modelo de score.

23
 “Don´t worry if you borrow – worry if you lend.”
Proverbio ruso

Capítulo 2: Sobre la construcción de modelos de credit scoring para evaluar la

probabilidad de default de individuos dentro del sistema bancario argentino

En este capítulo se intentará explicar cómo se construye un modelo de riesgo crediticio

para evaluar la probabilidad de default de individuos dentro del sistema bancario
argentino. En primer lugar, se describirán las principales características de un modelo de
score. En segundo lugar, se repasará la técnica utilizada para construirlo y, finalmente, se
estudiarán los principales indicadores de performance del modelo de score.

2.1 ¿Qué es un modelo de score?

Los modelos de score son utilizados para estimar la calidad crediticia de los deudores
minoristas. Son modelos estadísticos que, en función de las características que posee cada
individuo, le asignan un número con el objetivo de distinguir entre buenos y malos
pagadores. Cuanto mejor gestionado esté el riesgo de crédito y, por ende, más precisa sea
la estimación del riesgo de los créditos otorgados, menor será la morosidad de la cartera,
impactando en las ganancias del banco.

Cabe aclarar que para estimar el riesgo de crédito de las empresas e instituciones se
utilizan escalas de rating, las cuales ordenan a los deudores según su calidad crediticia.
Estos ratings se construyen en función de datos cuantitativos, de datos cualitativos y del
juicio experto del analista.

Los modelos de score son utilizados en distintos procesos de gestión dentro de los bancos,
en mi opinión, los más relevantes son los siguientes:

 Admisión de solicitudes de crédito minoristas (scores de admisión)

 Seguimiento de la cartera minorista (scores de comportamiento)
 Planificaciones de producto / estrategias de marketing
 Evaluación por parte del sector de recuperaciones sobre qué clientes tienen mayor
probabilidad de repago.
 Input para el cálculo de la probabilidad de default, que tiene impacto en el capital
y las provisiones que deben mantener las entidades para cumplir con los
estándares regulatorios. Asimismo, incide en variables de gestión como ser el
cálculo del rendimiento ajustado al riesgo.

En este trabajo se analizarán los modelos de score de admisión, los cuales tienen
incidencia en las nuevas solicitudes de crédito que reciben los bancos.
Es importante destacar que, según el informe de inclusión financiera del BCRA (2020),
el 37,3% de los adultos contaban a septiembre 2019 con al menos un financiamiento
otorgado por entidades financieras, cifra que se eleva al 48,8% considerando al sistema
financiero ampliado (que incluye a los proveedores de crédito no considerados entidades
financieras por el BCRA, como los créditos de las Fintech o las financiaciones de
empresas comerciales). En dicho informe, se observa que el porcentaje de adultos
financiados no tuvo variaciones significativas en los últimos tres años, pero sí varía por
provincia9.

A continuación, se presenta un ranking de los diez bancos con mayores préstamos

otorgados a diciembre 2019 según información obtenida de la página web del BCRA.

Gráfico 2.1: Ranking de préstamos

Puesto Entidad financiera Préstamos otorgados (en miles de pesos)

1 NACION ARGENTINA 468.903.710
2 BCO GALICIA 302.307.504
3 SANTANDER RIO 266.431.073
4 BANCO PROVINCIA 240.919.209
5 MACRO SA 218.772.002
6 BANCO BBVA ARGENTINA 184.200.433
7 CIUDAD DE BS AS 113.477.608
8 HSBC BANK 107.099.679
9 ICBC 94.123.401
10 PATAGONIA SA 83.241.047

Fuente: Ranking de Préstamos (BCRA, diciembre 2019)

La morosidad de la cartera va a depender de los modelos de score, del comportamiento

de la cartera y de las políticas crediticias (definidas en función del apetito al riesgo de
cada entidad).

A continuación, presentamos un gráfico del porcentaje de saldo moroso sobre la cartera

de consumo a diciembre 2019 para los principales bancos mencionados previamente y
para todo el sistema financiero (se consideró como morosa a la situación BCRA mayor o
igual a 3).

Gráfico 2.2: Proporción de saldos morosos de los principales bancos argentinos.

9
Ver gráficos A.1 y A.2 del anexo.

25
 %Saldo Moroso de cartera asimilable
Entidad financiera
a consumo para diciembre 2019
BCO NACION 4.0%
BCO GALICIA 6.8%
BCO SANTANDER 5.2%
BANCO PROVINCIA BS AS 4.8%
MACRO SA 5.8%
BANCO BBVA 3.5%
CIUDAD DE BS AS 6.0%
HSBC BANK 9.3%
ICBC 10.5%
BO PATAGONIA 6.3%
Total sistema financiero 5.6%

Fuente: Central de deudores (BCRA, diciembre 2019)

2.1.1 Construcción de modelos de score

Los modelos de score tienen el objetivo de discriminar entre buenos y malos pagadores
dentro de una población de individuos. La función de score es una combinación de las
distintas variables explicativas y tiene como output el score estimado para cada cliente.
Los coeficientes asociados a cada variable explicativa son el aporte que cada atributo le
proporciona al score estimado.

En mi opinión, para construir un modelo de score hay que identificar, en primer lugar, si
es un modelo de admisión o de comportamiento; en segundo lugar, se debe identificar el
evento a explicar y la ventana temporal de observación y comportamiento; en tercer lugar,
se debe definir la técnica estadística con la que se arma el modelo; luego, se debe contar
con una base de datos y revisar la integridad de la información; a continuación, se deben
seleccionar las variables explicativas y finalmente evaluar la performance del modelo con

26
la base utilizada para generarlo (in the sample) y con una base de testeo (out of the
sample).

I. Admisión o comportamiento

Los modelos de admisión se utilizan para evaluar el riesgo crediticio de nuevas solicitudes
de crédito (ya sea para nuevos clientes o para clientes existentes que solicitan nuevos
créditos); en cambio, los modelos de comportamiento se utilizan para evaluar el
desempeño que tendrán los créditos vigentes y utilizan información sobre el desempeño
pasado en la entidad (Bessis, 2015). Un modelo de seguimiento puede servir para decidir
a qué clientes se les varía el límite del descubierto de cuenta corriente o el límite de
compra de las tarjetas de crédito.

II. Evento a explicar

Para evaluar el riesgo de crédito de solicitudes nuevas o de la cartera sana del banco (sin
días de atraso) el evento que se intenta explicar suele ser el default del crédito otorgado
con una ventana de desempeño de seis o doce meses. Para la cartera irregular, el evento
a explicar puede ser la probabilidad de regularización o la probabilidad de pasar de un
ciclo de atraso al siguiente en los próximos tres o seis meses (por ejemplo: de pasar de
tener entre 1 y 30 días de atraso a tener entre 31 y 60 días de atraso). Los modelos de
score sobre la cartera irregular suelen utilizarse para que la entidad pueda aplicar
estrategias de cobro diferenciales segmentando a la población atrasada.10

III. Técnica estadística

Entre las técnicas utilizadas para construir los modelos de scoring se encuentra el análisis
discriminante, los árboles de decisión, el aprendizaje automático a partir de patrones
(inteligencia artificial), las redes neuronales y los modelos estadísticos logit y probit. En
este trabajo no apuntamos a discutir las distintas técnicas, sino que utilizaremos el modelo
logit porque la relación entre las variables explicativas y la explicada se obtiene
fácilmente, porque los scores calculados se trasladan fácilmente a una probabilidad de
default (cuanto mayor sea el score, mayor será la probabilidad de default) y porque, como

10
Por ejemplo, habrá una población “distraída” que luego de tener unos pocos días de mora, regulariza el pago sistemáticamente;
pero, otros grupos de población serán de mayor riesgo y el sector de recuperaciones de la entidad bancaria tendrá que poner más
esfuerzos de recobro.

27
dicen Crouhy, Galai y Mark (2006), es la técnica comúnmente utilizada para construir
modelos de score. En el apartado 2.2 detallaremos esta técnica.

IV. Base de datos

En esta instancia, se realiza un análisis univariado sobre las variables que forman parte
de la base. El objetivo es conocer la distribución de las variables, la cantidad de valores
faltantes y evaluar el poblamiento para cada valor posible de las variables (si una variable
toma un mismo valor para todos los registros, no va a ser útil para discernir riesgo).

Para construir un modelo de score, se utiliza información pasada de atributos y

desempeño crediticio de forma tal de generar un modelo que permita evaluar en el
presente el riesgo que poseen los créditos. Por lo tanto, se debe contar con una base de
datos con suficiente profundidad histórica para evaluar la performance pasada.

Como menciona Mermelstein (2006), la principal debilidad de los modelos de scoring es

el sesgo de selectividad de la muestra ya que, generalmente, las fuentes de información
suelen tener solamente solicitudes de crédito que terminaron transformándose en créditos
otorgados. “En ese sentido, las muestras disponibles no reflejan a la totalidad del universo
de solicitudes que se acercará a la oficina de evaluaciones de un prestamista
(Mermelstein, 2006, p. 12).”

V. Selección de variables explicativas

Como dice Mermelstein (2006), las variables predictoras del modelo a implementar deben
tener sentido económico y estadístico. Es decir, por un lado, deben tener una lógica
económica a priori que fundamente incorporarlas en el modelo y, por otro lado, a partir
del análisis de los datos, deben demostrar a posteriori la validez de incluirlas dentro del
modelo.

Para analizar la significatividad estadística de cada variable se puede utilizar la prueba de

significatividad individual, que indica si la variable es estadísticamente significativa (con
un determinado nivel de confianza) para explicar el evento correspondiente (Wooldridge,
2010). Asimismo, se suelen realizar análisis bivariados para entender el poder
discriminatorio de cada variable, que consiste en evaluar la tasa de malos por rango de
score. Como medida estadística del análisis bivariado se suele utilizar el information
value, que mide cuán buena es la variable para distinguir entre buenos y malos pagadores.

28
Respecto a las variables predictoras, como mencionamos previamente, los modelos de
score tradicionales que utilizan los bancos se basan en información socioeconómica y en
información provista por burós crediticios. Por ejemplo, en el modelo de score para
individuos que construyen Crouhy, Galai y Mark (2006, p. 215), se utilizan las siguientes
variables explicativas: años en el trabajo actual, casa propia o alquilada, nivel de
bancarización del individuo (si posee caja de ahorro, cuenta corriente o tarjetas de
crédito), ocupación, edad del solicitante y referencias crediticias.

VI. Performance del modelo

El objetivo del modelo es generar scores que discriminen la población que será morosa
de la población que será sana. Los modelos se suelen construir de forma tal que, a mayor
nivel de score, menor la morosidad esperada. Para evaluar la performance del modelo
construido y también para comparar modelos entre sí, se pueden utilizar diversos
indicadores estadísticos, como ser la prueba de Kolmogorov – Smirnov (KS), el
coeficiente de Gini y el AUC (área bajo la curva ROC). Otra medida que suele utilizarse
es la probabilidad de cometer el error de tipo 1 y la probabilidad de cometer el error de
tipo 2. Los indicadores de performance serán explicados en el apartado 2.3.

2.2 Técnica estadística: Modelos Logit

Los modelos logit, al igual que los modelos probit, utilizan la técnica de regresión
estadística multivariada (Bessis, 2015).11

La regresión estadística tiene el propósito de estimar relaciones económicas entre

variables y probar teorías económicas (Wooldridge, 2010). Es decir, primero necesitamos
contar con un modelo económico que plantee la relación entre variables independientes
y la variable que se quiere explicar. Por ejemplo, si queremos explicar el salario en
función de ciertas variables, podemos plantear el siguiente modelo económico que plantea
Wooldridge (2010, p.4):

𝑠𝑎𝑙𝑎𝑟𝑖𝑜 = 𝑓 (𝑒𝑑𝑢𝑐, 𝑒𝑥𝑝𝑒𝑟, 𝑐𝑎𝑝𝑎𝑐𝑖𝑡𝑎𝑐𝑖ó𝑛) (1)

11
El término multivariada significa que hay más de una variable explicativa en el modelo especificado.

29
Dónde la variable explicada salario representa el salario por hora que recibe un
trabajador; educ son los años de escolaridad formal; exper refiere a los años de
experiencia laboral y capacitación representa las semanas de capacitación laboral.

Al plantear el modelo econométrico a partir del modelo económico especificado se debe

determinar la forma de la función f(). Si la forma funcional es lineal, entonces se trata de
un modelo de regresión lineal y si la forma funcional es no lineal se trata de un modelo
de regresión no lineal (como lo es el modelo logit). De esta forma, y siguiendo con el
ejemplo de Wooldridge, se puede plantear el siguiente modelo de regresión lineal:

𝑠𝑎𝑙𝑎𝑟𝑖𝑜 = 𝛽0 + 𝛽1 ∗ 𝑒𝑑𝑢𝑐 + 𝛽2 ∗ 𝑒𝑥𝑝𝑒𝑟 + 𝛽3 ∗ 𝑐𝑎𝑝𝑎𝑐𝑖𝑡𝑎𝑐𝑖ó𝑛 + 𝑢 (2)

Dónde 𝛽0 , 𝛽1 , 𝛽2 son los parámetros del modelo econométrico que se van a estimar a
través de algún método de optimización matemática12 y 𝑢 es el término de error, que
contiene a otras variables no observables que afectan a la variable dependiente.

Las variables que se encuentran a la derecha de la ecuación (educación, experiencia

laboral y capacitación) son los predictores de la variable que se intenta explicar (salario).
El impacto de cada una de ellas en el salario va a estar determinado por los parámetros
del modelo. De esta forma, para el modelo de regresión lineal planteado, si el parámetro
estimado es positivo, ante un aumento de la variable independiente, se va a esperar un
aumento del salario (y viceversa). Asimismo, si el parámetro estimado es cercano a cero,
aportaría evidencia a favor de la falta de significatividad de la variable asociada para
explicar la variable independiente.

El modelo de regresión lineal 𝑦 = 𝛽0 + 𝛽𝑋 + 𝑢13, para una variable binaria que toma
valor 1 en caso de pago y valor 0 en caso de no pago, tiene la ventaja que convierte la
probabilidad que suceda el evento una función lineal de las variables explicativas. Esto
sucede porque la variable Y toma dos valores: 1 y 0, por lo tanto, su esperanza es:

E(Y) = 1 ∗ P(Y = 1) + 0 ∗ P(Y = 0) (3)

12
Entre los más frecuentes, se encuentra el método de mínimos cuadrados y el método de máxima verosimilitud.
13
Cabe aclarar que 𝛽 y 𝑋 son vectores, por lo cual el término 𝛽𝑋 representa la suma del producto entre cada parámetro y la variable
explicativa correspondiente.

30
Despejando, obtenemos:

P(Y = 1) = E(Y) (4)

Por definición de Y:

P(Y = 1) = E(Y) = E(𝛽0 + 𝛽𝑋 + Ԑ) (5)

Por propiedad de la esperanza y dado que la esperanza del error es cero, obtenemos lo
comentado previamente:

P(Y = 1) = 𝛽0 + 𝛽𝐸(𝑋) (6)

Sin embargo, la desventaja del modelo lineal es que la variable dependiente puede tomar
cualquier valor real, es decir, no está acotada entre 0 y 1.

Los modelos de regresión no lineales probit y logit solucionan dicho problema

transformando el valor Y que arroja el modelo lineal en un valor entre 0 y 1. Para hacer
la transformación, utilizan funciones de distribución acumulada. El modelo logit utiliza
la función de distribución acumulada logística, mientras que el modelo probit utiliza la
función de distribución acumulada normal. Si bien ambas técnicas producen resultados
similares (Bessis, 2015), como comentamos en el apartado anterior, nos vamos a detener
en el modelo logit.

El modelo logit sigue expresando a la variable Y como función lineal de las variables
independientes (𝑌 = 𝛽0 + 𝛽′𝑋 + 𝑢), pero en lugar de interpretar directamente a Y como
valor de probabilidad, inserta la función F(Y) como argumento de la función de
distribución acumulada logística. Por lo tanto, la probabilidad de Y queda expresada de la
siguiente forma:

P(Y = 1) = 1/(1 + exp(−(𝛽0 + 𝛽′𝑋 + 𝑢))) (7)

La función de distribución acumulada posee valores entre 0 y 1, por lo tanto, cada valor
de la función Y (que dependerá de los valores que toman las variables independientes)
tendrá asociado un valor entre 0 y 1, solucionando el problema que presentaba el modelo
de regresión lineal.

Gráfico 2.3: Función logística

31
 Fuente: Elaboración propia

Dado que la función de distribución es monótona creciente, cuanto menor sea Y, menor
será la probabilidad acumulada, por lo tanto, menor será la probabilidad que pertenezca
al grupo de individuos que cumplen con el pago de la deuda. Asimismo, cuanto mayor
sea Y, mayor será la probabilidad acumulada, por lo tanto, mayor será la probabilidad que
pertenezca al grupo de individuos que cumplen con el pago.

En el modelo logit, el método de optimización matemático utilizado para obtener

estimadores de los parámetros del modelo (β) es el método de máxima verosimilitud. El
método de máxima verosimilitud parte de los datos observados y busca maximizar la
probabilidad que provengan de una función de forma conocida y parámetros
desconocidos; los parámetros que maximicen dicha probabilidad serán los estimadores
de máxima verosimilitud (Gourieroux y Jasiak, 2007).

Sean (𝑦𝑖 , 𝑥𝑖 ), 𝑖 = 1, … , 𝑛 pares de observaciones independientes de default y

características individuales y 𝑓(𝑌, 𝑋, 𝛽) su función de distribución de forma conocida y
parámetros desconocidos14, el estimador de máxima verosimilitud está definido de la
siguiente forma:
𝑛 (8)
𝛽̂ = arg max ∑ log 𝑓( 𝑦𝑖 , 𝑥𝑖 , 𝛽)
𝑖=1

14
Es un modelo paramétrico ya que la forma funcional es conocida y los parámetros son desconocidos.

32
La función objetivo lleva el nombre de función de verosimilitud, si es diferenciable
respecto al parámetro, el estimador de máxima verosimilitud debe satisfacer el siguiente
sistema de condiciones de primer orden15:
𝑛 (9)
∂ log 𝑓
∑ ( 𝑦𝑖 , 𝑥𝑖 , 𝛽̂ ) = 0
∂β
𝑖=1

Según Gourieroux y Jasiak (2007), las propiedades de los estimadores de máxima

verosimilitud son las siguientes16:

1. Consistencia: el estimador tiende al verdadero valor del parámetro cuando el

tamaño muestral tiende a infinito.
2. El estimador tiene una distribución asintótica normal multivariada.
3. El estimador es asintóticamente insesgado (su esperanza tiende al verdadero valor
del parámetro cuando el tamaño muestral tiende a infinito).
4. El estimador es asintóticamente eficiente (su varianza es la mínima entre los
estimadores asintóticamente insesgados cuando el tamaño muestral tiende a
infinito).

En el caso del modelo logit, la función de densidad está dada por la distribución de
Bernoulli17:

𝑦𝑖 1−𝑦𝑖
1 exp(−𝑋 ′ 𝛽) ( 10 )
𝑓(𝑦𝑖 , 𝑥𝑖 , 𝛽) = [ ] [ ]
1 + exp(−𝑋 ′ 𝛽) 1 + exp(−𝑋 ′ 𝛽)

El estimador de máxima verosimilitud del modelo logit debe satisfacer el siguiente

sistema de condiciones de primer orden:
𝑛 𝑛 ( 11 )
∂ log 𝑓 1
∑ ( 𝑦𝑖 , 𝑥𝑖 , 𝛽̂ ) = 0 ⟺ ∑ 𝑥𝑖 [𝑦𝑖 − ]=0
∂β 1 + exp(−𝑋 ′ 𝛽̂ )
𝑖=1 𝑖=1

15
Habrá tantas condiciones de primer orden como cantidad de parámetros.
16
Deben cumplirse las condiciones de regularidad que, generalmente, se cumplen en las aplicaciones de riesgo de crédito.
17
Recordar la función de probabilidad de Bernoulli: 𝑓(𝑥) = 𝑝 𝑥 (1 − 𝑝)1−𝑥 𝑐𝑜𝑛 𝑥 = {1,0}.

33
Los residuos miden la diferencia entre el verdadero riesgo de cada individuo (𝑦𝑖 ) y su
1
riesgo estimado (1+exp(−𝑋 ′ 𝛽̂)). Por lo tanto, estas condiciones de primer orden reflejan la

ortogonalidad que debe existir entre las variables explicativas (𝑥𝑖 ) y los residuos
1
(𝑦𝑖 − 1+exp(−𝑋 ′ 𝛽̂)). La ortogonalidad significa que los residuos y cada una de las

variables explicativas no comparten información.

Con los parámetros estimados, la probabilidad que la variable Y sea igual a uno, es decir,
la probabilidad que el individuo sea un buen pagador (si se define que 1 indica pago y 0
indica falta de pago) será la siguiente:

P(Y = 1) = 1/(1 + exp (−(𝑋′𝛽̂ )))

( 12 )

Esta probabilidad es el score que tendrá el individuo. Cuanto mayor sea el score, mayor
será la probabilidad que el individuo pague la deuda tomada. El score es utilizado por el
banco para generar un ranking de solicitudes de crédito y, mediante un cut-off elegido por
el banco según su apetito al riesgo, separará a las solicitudes entre las aceptadas y las
rechazadas.

2.3 Selección de variables explicativas y performance del modelo

La elección de las variables explicativas que se incorporarán al modelo econométrico se

fundamenta, en primera instancia, en relaciones económicas. Luego, se puede refutar la
incorporación de cada variable a través de análisis bivariados, análisis multivariados y de
la performance general del modelo.

2.3.1 Análisis bivariados

Para evaluar el poder de discriminación de las variables explicativas del modelo, se
pueden realizar análisis bivariados. Uno de los análisis que se puede realizar consiste en
separar la variable explicativa en rangos y evaluar la tasa de morosidad en cada uno de
ellos. Es de esperar que una variable explicativa con buen poder de discriminación
presente monotonicidad en la tasa de malos a medida que pasamos de un rango al
siguiente. Por ejemplo, si se utiliza el score de veraz como variable explicativa para
evaluar la probabilidad de pago de un préstamo, es de esperar que la tasa de malos por
bucket de score sea menor a medida que aumenta el rango de score considerado. Cuanto

34
más difusa sea la tendencia observada en la tasa de malos a medida que nos movemos de
un bucket al siguiente, menor poder de discriminación poseerá dicha variable.

A continuación, se presenta un cuadro y un gráfico de elaboración propia en los que se

observa que la probabilidad de default a 12 meses disminuye a medida que aumenta el
score de veraz18.

Gráfico 2.419: Análisis bivariado: PD por tramo de score veraz

Score veraz Malos Buenos Total PD

0 386 977 3815 4792 0.282
386 492 605 4160 4765 0.174
492 555 563 4304 4867 0.162
555 609 437 4289 4726 0.126
609 661 307 4469 4776 0.089
661 705 244 4526 4770 0.070
705 744 178 4570 4748 0.051
744 781 96 4703 4799 0.028
781 817 39 4767 4806 0.011
817 999 22 4701 4723 0.006

Fuente: Elaboración propia

Dado que la probabilidad de default disminuye a medida que aumenta el score de veraz,
se puede deducir que el score de veraz es una buen predictor de la probabilidad de default.

18
Los tramos de scores fueron separados en deciles.
19
El gráfico fue realizado utilizando los datos del modelo de tarjetas, el cual será presentado en el capítulo siguiente.

35
Otro análisis bivariado que se puede realizar para observar la relación entre la variable
explicativa y la variable objetivo es el cálculo del weight of evidence (WOE) y del
information value (IV).

El WOE mide, para cada rango de valores de la variable explicativa, el desvío porcentual
entre la distribución de buenos y la distribución de malos; de esta forma analiza el poder
predictivo de cada rango de la variable explicativa en relación con la variable objetivo.

%𝐵𝑢𝑒𝑛𝑜𝑠𝑖 ( 13 )
𝑊𝑂𝐸 = ln ( )
%𝑀𝑎𝑙𝑜𝑠𝑖

Para obtener el IV, en cada rango, se multiplica el WOE (que mide el desvío porcentual
de las distribuciones) por la diferencia entre la distribución de buenos y malos (que mide
la importancia entre las diferencias); luego, se realiza la sumatoria para todos los rangos.
Dado que el IV analiza el poder predictivo total de la variable explicativa en relación con
la variable objetivo, la medida puede utilizarse para comparar el poder predictivo con
otras variables explicativas (Lin, 2013).

%𝐵𝑢𝑒𝑛𝑜𝑠𝑖 ( 14 )
𝐼𝑉 = ∑((%𝐵𝑢𝑒𝑛𝑜𝑠𝑖 − %𝑀𝑎𝑙𝑜𝑠𝑖 ) ∗ ln ( ))
%𝑀𝑎𝑙𝑜𝑠𝑖
𝑖

La regla de oro para entender el poder predictivo de cada variable es la siguiente (Tibco,
s.f.):

Information Value Predictive Power

< 0.02 Useless
0.02 - 0.1 Weak
0.1 - 0.3 Medium
0.3 - 0.5 Strong
> 0.5 Suspiciously good; too good to be true

2.3.2 Análisis multivariado

El análisis multivariado es un procedimiento estadístico que consiste en analizar el aporte

conjunto de varios factores para explicar un evento. Es decir, se analiza el poder
explicativo de una variable teniendo en cuenta el aporte del resto de los regresores.

36
Para testear la significatividad de una variable dentro de un modelo logit se puede utilizar
la prueba de Wald. La misma consiste en plantear como hipótesis nula que la variable
explicativa no es significativa para explicar el evento (H0: 𝛽 = 0). Se rechaza H0 cuando
el estimador asociado a dicha variable explicativa (𝛽̂ ) es suficientemente distinto de cero.

Para realizar la prueba sobre r variables explicativas, se considera el siguiente estadístico

de prueba20:

𝜉𝑤 = 𝛽̂ ′(𝑉̂𝛽̂ )−1 𝛽̂ ( 15 )

𝑉̂ 𝛽̂ es un estimador consistente de la matriz de varianzas y covarianzas de 𝛽̂ y, bajo la

hipótesis nula, 𝜉𝑤 sigue una distribución asintótica chi-cuadrado con r grados de libertad
(Gourieroux y Jasiak, 2007). La cantidad de grados de libertad es igual a la cantidad de
variables que se incluyan en el análisis.

La conclusión de la prueba de Wald será:

𝑁𝑜 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 : {𝛽 = 0} 𝑠𝑖 𝜉𝑤 < 𝜒𝑐2 (𝑟) ( 16 )

{
𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 : {𝛽 = 0} 𝑠𝑖 𝜉𝑤 > 𝜒𝑐2 (𝑟)

Siendo c el nivel de confianza con el cual se realiza la prueba (en general, se realiza al
95% de confianza).

2.3.3 Performance del modelo

Los indicadores de performance de modelo que suelen utilizarse son el test Kolmogórov-
Smirnov (KS), el coeficiente de Gini y el área debajo de la curva de la característica
operativa del receptor (AUROC).

I. KS

La prueba de Kolmogórov-Smirnov (KS) es una prueba no paramétrica que determina la

bondad de ajuste entre la distribución de buenos pagadores y la distribución de malos
pagadores. Su valor indica la máxima diferencia que existe entre ambas distribuciones de

20
Cuando se realiza una prueba sobre una sola variable explicativa, r es igual a uno. Si r es mayor a uno, se trata de una prueba para
evaluar la significatividad de varias variables explicativas.

37
probabilidad acumuladas. Por lo tanto, es una medida del poder de discriminación del
modelo.

Para calcular el KS, se separa a la población en grupos de igual tamaño en función del
score (e.g. deciles) y, para cada grupo, se obtiene la probabilidad acumulada de buenos
pagadores y de malos pagadores. Luego, para cada grupo, se compara la diferencia
absoluta entre ambas probabilidades acumuladas. El KS es la máxima diferencia absoluta
encontrada.

𝐾𝑆 = max{𝑎𝑏𝑠(𝑝𝑟𝑜𝑏 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝐵𝑢𝑒𝑛𝑜𝑠 − 𝑝𝑟𝑜𝑏 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑀𝑎𝑙𝑜𝑠)}

A continuación, se presenta un gráfico de elaboración propia en el que se ilustra lo

comentado.

Gráfico 2.521: KS

Probabilidad Probabilidad
Decil Acumulada Acumulada
Diferencia Distribución por rango de score
absoluta 100%
Malos Buenos
90%
1 0.331 0.082 0.25
Probabilidad acumulada

80%
2 0.561 0.172 0.39 70%
3 0.713 0.268 0.44 60% KS
4 0.829 0.366 0.46 50%
5 0.888 0.470 0.42 40%
6 0.935 0.574 0.36 30%
20%
7 0.968 0.679 0.29
10%
8 0.986 0.785 0.20 0%
9 0.995 0.893 0.10 1 2 3 4 5 6 7 8 9 10
10 1.000 1.000 0.00 Deciles de score
KS 0.46 Probabilidad Acumulada Malos Probabilidad Acumulada Buenos

Fuente: Elaboración propia

II. Gini

El Gini es un coeficiente que surge luego de los primeros trabajos de Lorenz (1905) para
medir la desigualdad distributiva. Para visualizar la desigualdad, el autor presenta la
Curva de Lorenz; la misma ordena la población por percentiles (de menor a mayor) en
función de su ingreso relativo; el eje de las ordenadas mide el ingreso relativo acumulado
de cada percentil. La igualdad perfecta ocurre en la línea de 45°donde cada percentil de
la población posee el mismo ingreso.

21
El gráfico fue realizado utilizando los datos del modelo de tarjetas, el cual será presentado en el capítulo siguiente.

38
Así como el coeficiente de Gini para medir desigualdad distributiva se mide a través de
la Curva de Lorenz, el cálculo del Gini para medir el poder de discriminación de los
modelos de score se realiza a partir del cumulative accuracy profile (CAP). El CAP
grafica el porcentaje acumulado de la población en default para cada fracción de
población ordenada de forma decreciente según su riesgo (de menor a mayor score). Si
la tasa de default es de un 10%, un modelo de discriminación perfecta acumulará el 100%
de la población en default en el primer decil de score. De esta forma, el límite superior
del CAP se alcanza si el modelo discrimina perfectamente el riesgo. Por el contrario, si
el score es independiente de la tasa de default (el modelo no discrimina riesgo), cada
percentil de score tendrá la misma frecuencia relativa de default. De esta forma, el límite
inferior del CAP está representado por la línea de 45°.

A continuación, se presenta un gráfico de elaboración propia en el cual se visualiza lo

comentado.

Gráfico 2.6: CAP

Fuente: Elaboración propia

El coeficiente de Gini es el cociente entre dos áreas: el área desde el límite superior al
límite inferior y el área desde el CAP hasta el límite inferior. Cuanto mejor sea la
discriminación del modelo, mayor será el valor del Gini. El valor 0 indica que el modelo
no discrimina el riesgo y el valor 1 indica discriminación perfecta; un coeficiente de Gini
por encima de 0.6 se considera aceptable (Bessis, 2015).

39
El cálculo del coeficiente de Gini se lleva a cabo de diversas formas; una de las más
extendidas es la fórmula de Brown (1994)22:

𝑘−1 ( 17 )
𝐺𝑖𝑛𝑖 = 1 − ∑(𝑌𝑖+1 + 𝑌𝑖 )(𝑋𝑖+1 − 𝑋𝑖 )
𝑖=0

Dónde X representa el porcentaje acumulado de defaults; Y representa el porcentaje

acumulado de no defaults y k es la cantidad de intervalos.

En mi opinión, el Gini es una medida más completa que el KS ya que tiene en cuenta toda
la distribución de probabilidad de buenos y malos pagadores y no solo la máxima
diferencia entre ellas.

III. AUROC

El AUROC es una medida de performance que indica en qué porcentaje el modelo

distingue correctamente entre buenos y malos pagadores. El AUROC es el área debajo de
la curva ROC, la cual representa gráficamente los pares de puntos (sensibilidad;1-
especificidad) que el modelo genera para cada punto de corte23 (Fawcett, 2005).

La sensibilidad y la especificidad se pueden observar a partir de la matriz de confusión:

Matriz de confusión
no rechazado rechazado

moroso Falso positivo Verdadero negativo

Verdadero
no moroso Falso negativo
positivo

La sensibilidad es la probabilidad de aceptar un crédito bueno (verdadero

positivo/cantidad total de no morosos). El complemento de la sensibilidad es el error de
tipo II: probabilidad de rechazar un crédito bueno (falso negativo/cantidad total de no
morosos). La especificidad es la probabilidad de rechazar un crédito malo (verdadero

22
La derivación matemática de la fórmula de Gini se puede ver en Derby (2003).
23
El punto de corte es el score a partir del cual la entidad acepta una solicitud de crédito.

40
negativo/cantidad total de morosos). El complemento de la especificidad es el error de
tipo I: probabilidad de aceptar un crédito malo (falso positivo/cantidad total de morosos).

El error de tipo I implica una pérdida de capital y de intereses para el banco, en cambio,
el error de tipo II es un costo de oportunidad por no haber otorgado el crédito a un buen
pagador (Bessis, 2015). El prestatario debe elegir un punto de corte que maximice su
ganancia esperada, la cual depende de la ganancia por los créditos buenos otorgados, de
la pérdida por los créditos malos otorgados y del costo de oportunidad de rechazar buenos
pagadores24.

Cuanto mayor sea el punto de corte que establezca el prestatario para aceptar el
otorgamiento de un crédito, mayor será la probabilidad de cometer el error de tipo II y
menor será la probabilidad de cometer el error de tipo I (y viceversa) 25. Si el modelo de
score permite separar completamente la distribución de buenos pagadores de la
distribución de malos pagadores, el modelo de score es perfecto, ya que existirá un punto
de corte para el cual la probabilidad de cometer ambos errores es cero. En este caso, el
área debajo de la curva ROC es igual a 1. A continuación, presentamos un gráfico que
ejemplifica lo comentado.

Gráfico 2.7: Curva ROC - modelo perfecto

Fuente: Elaboración propia

Aquí se observa que, aunque el modelo discrimine perfectamente entre buenos y malos
pagadores, si se establece un punto de corte demasiado bajo, se estarán aceptando créditos

24
Para más información sobre el cálculo del punto de corte óptimo, ver capítulo 2 de Gourieroux y Jasiak (2010).
25
Esto ocurre en aquellos modelos de score que poseen un desempeño normal: la distribución de buenos pagadores se concentra en
scores más altos y la distribución de malos pagadores se concentra en scores más bajos.

41
malos (1-especificidad > 0) y si se establece un punto de corte demasiado alto, se estarán
dejando de aceptar algunos créditos buenos (sensibilidad < 1).

El error de tipo I y el error de tipo II no son cero en los modelos reales, por lo tanto, el
área debajo de la curva ROC (AUROC) es menor a 1. A continuación, presentamos un
gráfico que ejemplifica lo comentado.

Gráfico 2.8: Curva ROC – modelo normal

Fuente: Elaboración propia

En mi opinión, es una medida de performance más interesante que el Gini dado que no
solo nos provee un valor para determinar cuán bueno es el modelo, sino que indica en qué
medida el modelo distinguirá correctamente una solicitud de crédito.

Para calcular el AUROC, se puede utilizar la siguiente fórmula (Farris, 2010):

𝐺𝑖𝑛𝑖 + 1 ( 18 )
𝐴𝑈𝑅𝑂𝐶 =
2

Cuanto mayor es el AUROC, mayor es la probabilidad que el modelo clasifique

correctamente una solicitud de crédito.

En el capítulo siguiente, se utilizarán bases de datos reales y se aplicará la metodología

que hemos detallado en el presente capítulo.

42
 “Torture the data and it will confess to anything”
Ronald Coase

Capítulo 3: Comparación de modelos de riesgo crediticio con incorporación de

variables alternativas
El objetivo de este capítulo es comparar modelos de riesgo crediticio con incorporación
de variables alternativas respecto a modelos de riesgo crediticio con información
tradicional, realizando el contraste en diferentes productos financieros. Para ello, se
segmentó el capítulo en tres partes. En primer lugar, se realizará un relevamiento de las
bases input provistas por el banco anónimo con el objetivo de conocer las principales
cualidades de la cartera, de definir la muestra que se utilizará para la construcción de los
modelos y para determinar si es necesario realizar un ajuste sobre los datos input. En
segundo lugar, se realizará la selección de las variables explicativas que incluiremos en
cada modelo, se ejecutarán las regresiones logísticas correspondientes, se analizará la
performance de los modelos y se realizarán validaciones out of sample de los modelos
construidos. Finalmente, se compararán los resultados obtenidos bajo cada modelo para
cada tipo de producto.

3.1 Fuentes de información

El trabajo de construcción de modelos de score tuvo una etapa inicial de análisis
exploratorio de los datos input con el objetivo de conocer las características de la cartera
y verificar la calidad del dato. Por lo tanto, en este apartado, se van a estudiar las distintas
bases de información utilizadas en el análisis y las variables que las componen.

Las bases de datos utilizadas fueron provistas por un banco anónimo de Argentina. Se
recibieron tres bases de datos con información de las características de nuevos préstamos
otorgados a individuos entre enero y abril del 2018. Si bien el banco contaba con bases
de datos para una ventana temporal más amplia, la información de las variables
alternativas incluidas en las mismas solamente estaba disponible para el primer
cuatrimestre del 2018 y, por ese motivo, se solicitaron las bases de información para la
ventana temporal mencionada. La primera base agrupa solicitudes de tarjetas de crédito,
la segunda base contiene solicitudes de paquetes bancarios26 y la tercera base posee
solicitudes de préstamos personales.

3.1.1 Descripción de variables

Base de tarjetas y paquetes

26
El paquete bancario consiste en el otorgamiento de una cuenta corriente, de una tarjeta de crédito y de un préstamo pre acordado.
Las bases de tarjetas y paquetes poseen las mismas variables. A continuación, se presenta
una tabla que las lista.

Tabla 3.1: Listado de variables de la base de tarjetas y paquetes

Variable Tipo de variable Característica

indicador_contrato cuantitativa Descriptiva
periodo cuantitativa Descriptiva
tipo_renta cualitativa
ingresoMensualOrdinario cuantitativa
marca_pyme dummy
marca_cliente_antig_hasta12m dummy
marca_antig_empleo_hasta24m dummy
cantidadTarjetaCredito cuantitativa
estadoCivil cualitativa
Variables
marcaPoseeAuto dummy
explicativas
marcaPoseeCajaAhorro dummy
tradicionales
nivelEstudios cualitativa
tipoVivienda cualitativa
refCtaCorrienteYAhorro cualitativa
Grupo_edad cualitativa
cantidadConsultas cuantitativa
regulares_veraz dummy
scoreVeraz cuantitativa
INDICA_USA_HOME_BANKING dummy
Variables
CANT_TRANSAC_HOME_BANKING cuantitativa
explicativas
INDICA_USA_MOBILE dummy
alternativas
CANTIDAD_TRANSACCIONES_MOBILE cuantitativa
no_default dummy Variable objetivo

Fuente: Elaboración propia

A continuación, se describen las variables siguiendo el orden en el que se presentan en la

tabla anterior. Cabe aclarar que las variables cualitativas serán transformadas en variables
dummy para poder ingresarlas dentro del modelo27.

 Indicador del contrato: es el número de identificación con el cual el banco

identifica a cada contrato.28
 Período: Es el período de otorgamiento del préstamo (toma valores de enero a
abril del 2018).

27
Si m es la cantidad de valores que puede tomar la variable cualitativa, se crean m-1 variables dummy. Otra forma de ingresar variables
cualitativas dentro del modelo logit es asignándole a cada valor posible de la variable cualitativa su weight of evidence..
28
Para mantener el anonimato de los clientes del banco, se modificó la variable por números enteros aleatorios.

44
 Tipo de renta: indica el segmento de renta al cual pertenece el cliente que solicita
el préstamo. Hay cuatro segmentos posibles: hasta $30.000 de ingresos, de
$30.000 a $50.000, de $50.000 a $80.000 y desde $80.000.
 Ingreso mensual ordinario: es el ingreso mensual del cliente. Si bien, a priori,
puede parecer multicolineal con la variable anterior, el banco otorga beneficios
especiales para cada tipo de renta, por lo tanto, la información que presentan
ambas variables es distinta.
 Marca pyme: indica si el préstamo solicitado es para el comercio del individuo o
no.
 Marca antigüedad cliente hasta doce meses: indica con valor uno a los préstamos
otorgados a clientes con antigüedad menor o igual a doce meses en la entidad
bancaria. Es de esperar que los clientes antiguos tengan un mejor comportamiento;
como menciona FICO (s.f.) en su página web, un mayor historial crediticio es
señal de menor riesgo.
 Marca antigüedad empleo hasta 24 meses: indica con valor uno a los préstamos
otorgados a clientes con antigüedad menor o igual a 24 meses en su empleo. Es
esperable que los clientes con mayor antigüedad en su empleo tengan mejor
desempeño crediticio.
 Cantidad de tarjetas de crédito: indica la cantidad de tarjetas de crédito que posee
el cliente. Es de esperar que cuantas más tarjetas de crédito tenga el individuo,
mejor será su probabilidad de pago; la página web de Equifax (s.f.) señala que la
cantidad de productos crediticios que posee el individuo es un indicador relevante
para los prestadores.
 Estado civil: indica con valor “S” a los clientes solteros, con valor “M” a los
clientes casados, con valor “D” a los divorciados y con valor “W” a los viudos.
 Marca automóvil: identifica a los clientes que poseen automóvil al momento de la
solicitud del préstamo.
 Marca caja de ahorro: indica si el cliente posee una caja de ahorro o no al momento
de la solicitud.
 Nivel estudios: indica el grado de educación que posee el solicitante del préstamo
al momento de la solicitud. Los valores que toma la variable son: A (sin
educación), B (primario completo), C (secundario completo), D (terciario
completo), E (universitario completo) y F (posgrado completo). La educación que

45
 poseen los individuos puede ser una variable significativa para explicar
comportamiento crediticio. En Gasparini y Cicowiez (2007) se realizan estudios
que demuestran que los trabajadores con mayor nivel educativo poseen un ingreso
mayor que los menos educados y que esta brecha se está incrementando con el
paso del tiempo.
 Tipo de vivienda: identifica el tipo de vivienda del individuo al momento de la
solicitud. Los valores que toma la variable son: H (propia), R (alquilada), P (vive
con su familia) o M (ninguna de las anteriores).
 Referencia cuenta corriente y caja de ahorro: indica si el cliente posee cuenta
corriente y/o caja de ahorro. Los valores que puede tomar la variable son: A (no
posee ninguna), B (posee cuenta corriente solamente), C (posee caja de ahorro
solamente) y D (posee caja de ahorro y cuenta corriente). Dado que existe en la
base una variable que indica si el cliente posee caja de ahorro, va a existir
multicolinealidad entre ambas variables y se excluirá esta última de los modelos.
 Grupo de edad: indica el segmento etario al cual pertenece el cliente. La variable
puede tomar los siguientes valores: “Menor de 40 años”, “Entre 40 y 60 años” y
“Mayor a 60 años”.
 Cantidad de consultas veraz: indica la cantidad de veces que se pidió un informe
de veraz29 del cliente.
 Regular veraz: indica con valor uno a los clientes bancarizados y sin antecedentes
negativos.
 Score de veraz: es el score de bureau generado por la empresa Equifax30. El rango
de valores que puede tomar la variable es de 1 a 999. Es de esperar que cuanto
mayor sea el score veraz, mejor sea el desempeño crediticio del cliente.
 Indicador de uso de home banking: indica si el cliente utiliza o no la página web
de la entidad bancaria. Es una variable alternativa ya que no pertenece al conjunto
de variables que tradicionalmente utilizan los bancos para armar los scores (al
igual que las tres variables que se mencionan a continuación).
 Cantidad de transacciones por home banking: indica la cantidad de transacciones
que el cliente realizó mediante la página web del banco en el mes de la solicitud
del nuevo préstamo.

29
El informe de veraz contiene información del historial crediticio del cliente en el sistema financiero.
30
En la sección 1.3 se presenta el detalle de las principales variables con las cuales se conforma el score.

46
  Indicador de uso de mobile banking: indica si el cliente utiliza o no la aplicación
del banco en su celular.
 Cantidad de transacciones por mobile banking: indica la cantidad de transacciones
que el cliente realizó mediante la aplicación móvil del banco en el mes de la
solicitud del nuevo préstamo.
 Indicador de buen desempeño (variable objetivo): identifica con valor uno a los
clientes que no tuvieron retraso de más de 90 días en los doce meses posteriores
al otorgamiento del crédito y con valor cero al caso contrario.

Base de préstamos personales

A continuación, se listan las variables que contiene la base de préstamos personales.

Tabla 3.2: Listado de variables de la base de préstamos personales

Variable Tipo de variable Característica

identificador_contrato cuantitativa descriptiva
periodo cuantitativa descriptiva
marca_garantia dummy
pctFinanciacion cuantitativa
cuotaPrestamo cuantitativa
montoPrestamo cuantitativa
plazoPrestamo cuantitativa
relacionCuotaIngreso cuantitativa
tipo_renta cualitativa
ingresoMensualOrdinario cuantitativa
marca_pyme dummy
marca_cliente_antig_hasta12m dummy
marca_antig_empleo_hasta24m dummy Variables
cantidadTarjetaCredito cuantitativa explicativas
estadoCivil cualitativa tradicionales
marcaPoseeAuto dummy
marcaPoseeCajaAhorro dummy
nivelEstudios cualitativa
cantidadPersonasACargo cuantitativa
tipoVivienda cualitativa
refCtaCorrienteYAhorro cualitativa
grupo_edad cualitativa
regulares_veraz dummy
cantidadConsultas cuantitativa
scoreVeraz cuantitativa
INDICA_USA_HOME_BANKING dummy
Variables
CANT_TRANSAC_HOME_BANKING cuantitativa
explicativas
INDICA_USA_MOBILE dummy
alternativas
CANTIDAD_TRANSACCIONES_MOBILE cuantitativa
no_default dummy Variable objetivo

Fuente: Elaboración propia

47
A continuación, se describen aquellas variables pertenecientes a la base de préstamos
personales que no forman parte de las bases de tarjetas y paquetes.

 Marca garantía: indica si el préstamo otorgado por el banco está asegurado por
una garantía.
 Porcentaje de financiación: es el llamado loan to value. Es el porcentaje que
representa el préstamo solicitado respecto al bien total que se desea adquirir con
dicho préstamo.
 Cuota del préstamo: es el valor de la primera cuota mensual que el cliente deberá
pagar.
 Monto del préstamo: es el valor del préstamo solicitado.
 Plazo del préstamo: es la cantidad de meses que dura el contrato que realizó el
cliente con la entidad bancaria.
 Relación cuota-ingreso: es el porcentaje que representa la primera cuota mensual
respecto al ingreso mensual del cliente al momento de la solicitud.
 Cantidad de personas a cargo: es la cantidad de personas que dependen
económicamente del cliente.

3.1.2 Análisis de datos

En este apartado comentaremos sobre las principales características de las bases input.
Para mayor detalle, en el anexo se encuentra el análisis de estadística descriptiva para
cada variable que forma parte de las bases de tarjetas, paquetes y préstamos personales.

Antes de proceder al detalle de las bases, es menester aclarar que, dado que los datos
disponibles abarcan la ventana temporal de enero a abril 2018 (con observación de
desempeño durante los doce meses posteriores), se seleccionará la ventana muestral de
enero a marzo para el desarrollo de los modelos y la ventana de abril para la validación
out of sample de los mismos.

Base de tarjetas

La base posee un total de 59.715 de tarjetas otorgadas entre enero y abril de 2018, el 7,3%
(4.378 tarjetas) cae en default en alguno de los siguientes doce meses. Se encontraron
valores faltantes (missings) solamente en tres variables y con un porcentaje relativo bajo:
2,3% en la variable ingresoMensualOrdinario, 0,02% en la variable CantidadConsultas
y 2,35% en la variable scoreVeraz. El tratamiento realizado sobre los valores faltantes

48
consistió en reemplazar dichos valores por los valores medios encontrados para cada
variable en la base de tarjetas.

Respecto a la variable marca_pyme, se encontró que solamente el 0,1% posee valor uno;
dada su baja volumetría, posiblemente no sea una variable discriminante en el modelo de
tarjetas.

Se observa que la renta media de los clientes pertenecientes a la base de tarjetas es de

$31.043, su score veraz promedio es de 634 y la cantidad de tarjetas de crédito promedio
que poseen los clientes al momento de la solicitud es de 1.21. La mayor parte de la
población es soltera y menor a 40 años. El 49,1% tiene el secundario completo y el 48,6%
tiene estudios superiores. El 84% de los solicitantes posee una antigüedad mayor a un año
en el banco y el 61,6% tiene una antigüedad en el empleo menor o igual a dos años.

En relación con las variables alternativas, la proporción de clientes que usa home banking
es mayor a la proporción que utiliza mobile banking (68,6% vs 50,7%); los clientes
realizan un promedio mensual de 31,33 transacciones a través de la página web y 38,45
mediante la aplicación móvil.

Base de paquetes

La base posee un total de 54.144 de paquetes otorgados entre enero y abril de 2018, el
12,9% (6.976 paquetes) cae en default en los siguientes doce meses.

Se observan valores faltantes en las mismas tres variables que para el caso de tarjetas y
con un porcentaje relativo también bajo; se aplicó el mismo tratamiento que para la base
de tarjetas (reemplazar los valores faltantes por lo valores medios de cada variable en la
base de paquetes). Respecto a la variable marca_pyme, el porcentaje de registros con
valor igual a uno no es insignificante como en el caso de tarjetas, por lo cual, puede ser
una variable útil para discernir riesgo.

El ingreso mensual promedio en la base de paquetes es de $29.902, el score veraz

promedio es de 622 y la cantidad de tarjetas promedio es de 1.15 (valores por debajo de
aquellos encontrados en la base de tarjetas). Si bien la mayor parte de la población es
menor a 40 años, el porcentaje de población mayor a 40 años es más alto que en el caso
de tarjetas. Asimismo, hay un mayor porcentaje de población con educación superior
(50,8%).

49
Respecto a la variable de antigüedad en el banco, se observa que la mayor parte tiene una
antigüedad inferior al año; lo cual es contrario a lo que sucede en la base de tarjetas. Esta
casuística se considera razonable dado que es lógico que los clientes más nuevos soliciten
paquetes y los clientes con mayor antigüedad quieran añadir una tarjeta a sus productos
existentes.

En relación con las variables alternativas, el uso de la página web y de la aplicación móvil
es menor que el encontrado en la base de tarjetas: el 57,5% utiliza home banking (con un
promedio mensual de transacciones de 16) y el 30.1% utiliza la aplicación móvil (con un
promedio mensual de transacciones de 18,32%).

Base de préstamos personales

La base posee un total de 12.020 de préstamos personales otorgados entre enero y abril
de 2018, el 8,1% (968 paquetes) cae en default en los siguientes doce meses.

Se encontraron valores faltantes en las siguientes variables: ingresoMensualOrdinario,

CantidadConsultas, scoreVeraz, pctFinanciacion y cuotaPrestamo con un porcentaje
promedio de faltantes de 3.03%. Se reemplazan dichos valores por los valores medios
encontrados en cada variable. La variable marca_pyme posee un porcentaje de valores
iguales a uno superior al resto de las bases.

El ingreso mensual promedio de la base de préstamos personales es significativamente

superior al encontrado en las otras bases; lo mismo sucede con la cantidad media de
tarjetas y con el score veraz medio. Asimismo, la edad media de la población es mayor
que la encontrada en las otras bases.

La mayor parte de la población posee una antigüedad en el banco mayor al año, una
antigüedad en el empleo mayor a los dos años y presenta una garantía para respaldar el
préstamo.

Los resultados encontrados se consideran razonables, dado que muestran que el banco
prefiere otorgar préstamos personales a clientes con mayores ingresos, con antigüedad en
el banco y en su trabajo, con un score veraz alto y con garantía que respalde los mismos.

Respecto a las variables alternativas: el 57% utiliza home banking (con un promedio
mensual de transacciones de 29) y el 35% utiliza la aplicación móvil (con un promedio
mensual de transacciones de 28%).

50
En el apartado siguiente, se va a construir un modelo de score para cada tipo de producto
y se analizará su performance. Para ello, vamos a partir de las variables iniciales que
recién comentamos y se seleccionarán aquellas que expliquen el comportamiento de la
variable objetivo.

3.2 Construcción de modelos de score

El propósito de este apartado es la construcción de modelos de score para cada producto
(tarjetas, paquetes y préstamos personales). Para ello, se seleccionarán las variables
explicativas que formarán parte del modelo no restringido (modelo que incluye las
variables alternativas); asimismo, se elegirán las variables explicativas que formarán
parte del modelo restringido (el cual excluye las variables alternativas) y se elaborarán
los indicadores de performance.

Para seleccionar los predictores que formen parte de los modelos de score vamos a utilizar
una metodología de selección iterativa. La misma consiste en descartar las variables
explicativas que no superan la prueba de significatividad individual considerando un nivel
de confianza del 95%, de forma tal que el modelo final quede explicado solamente por
las variables estadísticamente significativas. Como comentamos previamente, se
seleccionaron los datos de enero a marzo 2018 para el desarrollo de los modelos de score
y seleccionaron los datos de abril 2018 para la validación out of the sample de estos.

Para evaluar el desempeño de los modelos, se utilizarán los indicadores de performance

descriptos en el capítulo anterior. Los mismos son: la probabilidad de error de tipo 1, la
probabilidad de error de tipo 231, el KS, el Gini y el AUROC.

A continuación, presentaremos la construcción de los modelos e indicadores de

performance para cada una de las bases. Cabe aclarar que los códigos SAS y la
documentación técnica del proceso se encuentra en la parte B del anexo.

3.2.1 Modelo de tarjetas

El objetivo de este apartado es construir un modelo completo, que tenga en cuenta todas
las variables explicativas y, a la vez, construir un modelo restringido, el cual no contemple
las variables alternativas.

31
El punto de corte que se definió en todos los modelos para determinar el error de tipo 1 y el error de tipo 2 fue la cantidad de clientes
no morosos respecto al total de la muestra. En las entidades bancarias el punto de corte depende del apetito al riesgo de cada sector.

51
  Modelo de tarjetas completo

En primer lugar, se seleccionaron todas las variables que forman parte de la base (a
excepción de las variables descriptivas), incluyendo las variables alternativas y se realizó
la prueba de significatividad individual para todas ellas. A continuación, se presenta el
resultado que arrojó la primera prueba de significatividad individual.

Tabla 3.3: Test de significatividad individual – Base Tarjetas

Effect Pr > ChiSq

ingresoMensualOrdina <.0001
marca_pyme 0.3885
marca_cliente_antig_ <.0001
marca_antig_empleo_h <.0001
cantidadTarjetaCredi 0.0005
marcaPoseeAuto 0.1677
cantidadConsultas <.0001
regulares_veraz <.0001
scoreVeraz <.0001
INDICA_USA_HOME_BANK <.0001
CANT_TRANSAC_HOME_BA <.0001
INDICA_USA_MOBILE <.0001
CANTIDAD_TRANSACCION <.0001
tipo_renta 0.0161
estadoCivil 0.0096
nivelEstudios 0.0001
tipoVivienda <.0001
refCtaCorrienteYAhor <.0001
Grupo_edad 0.0178

Fuente: Salida de SAS Studio

La variable de marca_pyme, tal como anticipamos, no muestra poder de discriminación,

por lo tanto, será eliminada. Lo mismo sucede con la variable que indica si el cliente
posee automóvil.

En segundo lugar, se seleccionaron solamente las variables explicativas cuyo p-valor no

superaba el 5% y se volvió a realizar la prueba de significatividad individual para cada
una de ellas. Dado que en esta segunda oportunidad todas las variables superaron dicha
prueba, se realizó la regresión logística utilizando estos regresores.

En tercer lugar, se ejecutó la regresión logística en SAS Studio con las variables
explicativas mencionadas. A continuación, se presentan los estimadores puntuales
obtenidos para cada variable.

Tabla 3.4: Variables explicativas del modelo final de tarjetas y sus estimadores

52
 Parameter Estimate

Intercept 1.211
ingresoMensualOrdina 0.00002
marca_cliente_antig_ -0.4297
marca_antig_empleo_h -0.1572
cantidadTarjetaCredi 0.0931
cantidadConsultas -0.1715
regulares_veraz 0.2477
scoreVeraz 0.00348
INDICA_USA_HOME_BANK 0.1971
CANT_TRANSAC_HOME_BA 0.00375
INDICA_USA_MOBILE 0.3872
CANTIDAD_TRANSACCION -0.0018
tipo_renta Desde 30.000 hasta 50.000 0.2804
tipo_renta Desde 50.000 hasta 80.000 0.2529
tipo_renta Desde 80.000 0.000946
tipo_renta Hasta 30.000 0
estadoCivil D -0.2454
estadoCivil M -0.1095
estadoCivil S -0.4811
estadoCivil W 0
nivelEstudios A -0.4715
nivelEstudios B -0.7635
nivelEstudios C -0.4053
nivelEstudios D -0.2509
nivelEstudios E -0.3035
nivelEstudios F 0
tipoVivienda H -0.5646
tipoVivienda M -0.3545
tipoVivienda P -0.0335
tipoVivienda R 0
refCtaCorrienteYAhor A -0.7603
refCtaCorrienteYAhor B -0.6775
refCtaCorrienteYAhor C -0.4135
refCtaCorrienteYAhor D 0
Grupo_edad Desde 60 0.5947
Grupo_edad Entre 40 y 60 0.0705
Grupo_edad Menor a 40 0

Fuente: Salida de SAS Studio

Se observa que los estimadores puntuales de las variables indicadoras de uso de home
banking y de uso de mobile banking son mayores a cero, lo cual indica que el uso de
dichas plataformas es señal de un buen comportamiento de pago del producto de tarjetas
(recordemos que la variable objetivo toma valor uno si el cliente no entró en default en
los siguientes doce meses del otorgamiento del crédito y cero en caso contrario).

Cabe aclarar que el estimador puntual igual a cero observado en ciertos valores de las
variables cualitativas significa que dicho valor de la variable cualitativa quedó
incorporado en el intercepto (recordar que por cada variable cualitativa con k posibles
valores, se generaron k-1 variables dummy).

53
En cuarto lugar, se realizaron las pruebas de performance sobre el modelo construido. A
continuación, se presentan los resultados de las mismas junto con el CAP (cumulative
accuracy profile), el cual grafica la probabilidad acumulada de malos por rango de
score32.

 Error de tipo 1: 33,9%

 Error de tipo 2: 19,3%
 KS: 46,4%
 Gini: 61,5%
 AUROC: 80,8%

Gráfico 3.1: CAP del modelo de tarjetas no restringido

Fuente: Elaboración propia

Finalmente, se realizó una validación out of the sample a partir de los datos de abril 2018.
El proceso consistió en utilizar las variables explicativas y los estimadores puntuales del
modelo de desarrollo y aplicarlos a las solicitudes de abril 2018 con el objetivo de evaluar
la precisión del modelo en una población distinta a la utilizada para construirlo. Los
indicadores de performance out of the sample muestran resultados similares a aquellos
obtenidos para el desarrollo, lo cual le agrega robustez al modelo presentado33.

32
Los indicadores de performance fueron calculados de acuerdo a la metodología detallada en el capítulo anterior.
33
Los indicadores de performance de la validación del modelo no restringido son los siguientes: error de tipo 1: 36,8% - error de tipo
2: 21,4%, KS: 42,1%, Gini 58%, AUROC: 79%.

54
  Modelo de tarjetas restringido

Para obtener el modelo final de tarjetas sin variables alternativas (modelo restringido), se
realizó el mismo procedimiento que describimos anteriormente, pero, partiendo de todas
las variables excepto las alternativas. Luego de los sucesivos filtros, se obtuvo un set de
variables explicativas finales y se ejecutó la regresión logística. En el cuadro A.6 del
anexo se presentan los estimadores puntuales de las variables explicativas que conforman
el modelo restringido de tarjetas.

A continuación, se presentan los indicadores de performance del modelo final restringido:

 Error de tipo 1: 34,6%

 Error de tipo 2: 19,5%
 KS: 45,9%
 Gini: 60,1%
 AUROC: 80,0%

Al igual que para el modelo completo, se validó el modelo de tarjetas restringido con los
datos del mes de abril 2018 y se obtuvieron indicadores de performance similares a
aquellos obtenidos en el modelo construido34.

De esta forma, concluimos con el trabajo sobre el producto de tarjetas y pasamos a detallar
el procedimiento y los resultados obtenidos para el producto de paquetes.

3.2.2 Modelo de paquetes

En este apartado, se construirá un modelo de score para el producto paquetes partiendo

de todas las variables explicativas y un modelo restringido, el cual no contempla estas
últimas.

 Modelo de paquetes completo

Al igual que para el modelo de tarjetas, el primer paso consistió en seleccionar todas las
variables que forman parte de la base (a excepción de las variables descriptivas). A cada
variable se le realizó la prueba de significatividad individual con el objetivo de determinar

34
Los indicadores de performance de la validación del modelo restringido son los siguientes: error de tipo 1: 36,9% - error de tipo 2:
19,5%, KS: 43,7%, Gini 56,8%, AUROC: 78,4%.

55
cuáles de ellas son posibles candidatas del modelo final. A continuación, se presenta el
resultado que arrojó la primera prueba de significatividad individual.

Tabla 3.5: Test de significatividad individual – Base Paquetes

Effect Pr > ChiSq

marca_pyme <.0001
marca_cliente_antig_ <.0001
marca_antig_empleo_h 0.0387
cantidadTarjetaCredi <.0001
ingresoMensualOrdina 0.363
marcaPoseeAuto 0.002
cantidadConsultas <.0001
regulares_veraz 0.2444
scoreVeraz <.0001
INDICA_USA_HOME_BANK <.0001
CANT_TRANSAC_HOME_BA <.0001
INDICA_USA_MOBILE <.0001
CANTIDAD_TRANSACCION <.0001
estadoCivil 0.0802
tipo_renta <.0001
nivelEstudios 0.003
tipoVivienda 0.0069
refCtaCorrienteYAhor <.0001
Grupo_edad 0.0003

Fuente: Salida de SAS Studio

Se observa que tres de las variables seleccionadas no superan dicha prueba, pero, a vez,
todas las variables alternativas la superaron, por lo que son candidatas del modelo final.

Como segundo paso, se seleccionaron solamente las variables con p valor menor al 5% y
se volvieron a realizar las pruebas de significatividad individuales. Todas las variables
superaron las mismas, por lo que formarán parte del modelo final de paquetes.

Como tercer paso, se ejecutó la regresión logística para las variables seleccionadas;
obteniendo los siguientes estimadores puntuales para cada una de ellas:

Tabla 3.6: Variables explicativas del modelo final de paquetes y sus estimadores

56
 Parameter Estimate

Intercept 0.681
marca_pyme -0.4162
marca_cliente_antig_ -0.5383
marca_antig_empleo_h 0.0737
cantidadTarjetaCredi 0.0634
marcaPoseeAuto -0.1156
cantidadConsultas -0.1917
scoreVeraz 0.0035
INDICA_USA_HOME_BANK 0.2185
CANT_TRANSAC_HOME_BA 0.00505
INDICA_USA_MOBILE 0.439
CANTIDAD_TRANSACCION -0.0024
tipo_renta Entre 30.000 y 50.000 0.2382
tipo_renta Entre 50.000 y 80.000 0.282
tipo_renta Mayor a 80.000 0.5377
tipo_renta Menor a 30.000 0
nivelEstudios A -0.0282
nivelEstudios B -0.3061
nivelEstudios C 0.0311
nivelEstudios D 0.043
nivelEstudios E 0.139
nivelEstudios F 0
tipoVivienda H -0.4476
tipoVivienda M -0.3554
tipoVivienda P -0.2975
tipoVivienda R 0
refCtaCorrienteYAhor A -0.4097
refCtaCorrienteYAhor B -0.4884
refCtaCorrienteYAhor C -0.2008
refCtaCorrienteYAhor D 0
Grupo_edad Desde 60 0.2629
Grupo_edad Entre 40 y 60 -0.0196
Grupo_edad Menor a 40 0

Fuente: Salida SAS Studio

Al igual que para el modelo completo de tarjetas, se observa que las variables indicadoras
de uso de home banking y de mobile banking poseen estimadores puntuales mayores a
cero, indicando que, según el modelo, se espera un aumento de la probabilidad de pago
si los solicitantes utilizan dichas plataformas. Asimismo, se observa que el grupo de
mayores ingresos (renta superior a 80.000 ARS) posee un estimador puntual superior al
resto de grupos de renta y que el score veraz posee un estimador puntual positivo;
resultados coherentes con lo esperado para dichas variables.

En cuarto lugar, se realizaron las pruebas de performance sobre el modelo de paquetes y

el CAP; los cuales se presentan a continuación:

 Error de tipo 1: 36,3%

 Error de tipo 2: 29,2%
 KS: 34,5%
 Gini: 49,3%

57
  AUROC: 74,6%

Gráfico 3.2: CAP del modelo de paquetes no restringido

Fuente: Elaboración propia

Finalmente, se realizó la validación out of the sample con los datos de abril 2018,
observando indicadores de performance del modelo similares a los del desarrollo (el KS
y la especificidad fueron incluso superiores en la validación)35.

 Modelo de paquetes restringido

Para construir el modelo restringido, se siguió el mismo proceso descripto anteriormente:

se realizaron sucesivas pruebas de significancia sobre las variables iniciales (sin
considerar las alternativas) hasta conseguir el conjunto de variables que superaron la
prueba. Luego, se realizó la regresión logística sobre el grupo de variables seleccionado
(en el cuadro A.7 del anexo se presentan los estimadores puntuales de las variables
seleccionadas) y se calcularon los indicadores de performance, los cuales presentamos a
continuación junto con el CAP.

 Error de tipo 1: 37,3%

 Error de tipo 2: 29,8%
 KS: 32,7%
 Gini: 47,3%

35
Los indicadores de performance de la validación del modelo completo fueron los siguientes: error de tipo 1: 35,9% - error de tipo
2: 27,5%, KS: 36,6%, Gini 48,7%, AUROC: 74,4%.

58
  AUROC: 73,7%

Gráfico 3.3: CAP del modelo de paquetes restringido

Fuente: Elaboración propia

Para validar el modelo, se utilizaron los datos de abril 2018 y se obtuvieron resultados
superiores a los del desarrollo (mayores valores en KS, Gini y AUROC y menores valores
en el error de tipo 1 y en el del tipo 2)36.

3.2.3 Modelo de préstamos personales

En este apartado, se busca construir un modelo de score para el producto de préstamos

personales partiendo de todas las variables explicativas y un modelo de score que utilice
solamente las variables tradicionales.

 Modelo de préstamos personales completo

En primer lugar, se seleccionaron todas las variables explicativas de la base input y se

realizaron las pruebas de significatividad individual. Solamente diez variables superaron
dicha prueba. Luego, con las variables candidatas, se repitió la prueba y una de ellas no
la superó. Finalmente, se seleccionaron las nueve variables candidatas y todas ellas
superaron la prueba. Las variables que forman parte del modelo final son las siguientes:
marca si el cliente posee garantía, antigüedad en el empleo y como cliente del banco,

36
Los indicadores de performance de la validación out of sample para el modelo restringido de paquetes son los siguientes: error de
tipo 1 – 36,3%, error de tipo 2 – 28,7%, KS – 34,9%, Gini – 47,6% y AUROC – 73,8%.

59
cantidad de tarjetas de crédito, cantidad de consultas al sistema veraz, score de veraz,
cantidad de transacciones realizadas por home banking, marca si el cliente utiliza mobile
banking y estado civil. Como se observa, dos de las variables alternativas forman parte
del grupo reducido de variables explicativas del modelo final.

Como paso siguiente, se ejecutó la regresión logística con las variables seleccionadas y
se obtuvieron los estimadores puntuales para cada una de ellas. Los mismos se presentan
a continuación.

Tabla 3.7: Variables explicativas del modelo final de préstamos personales y sus
estimadores

Parameter Estimate

Intercept -1.1526
marca_garantia 0.9571
marca_cliente_antig_ -0.3581
marca_antig_empleo_h -0.2188
cantidadTarjetaCredi 0.1437
cantidadConsultas -0.2571
scoreVeraz 0.00423
CANT_TRANSAC_HOME_BA 0.00369
INDICA_USA_MOBILE 0.2384
estadoCivil D 0.3486
estadoCivil M 0.6413
estadoCivil S 0.2061
estadoCivil W 0

Fuente: Salida SAS Studio

Se observa que ambas variables explicativas poseen un estimador puntual mayor a cero,
indicando que a mayor uso de los sistemas de mobile y home banking, mejor
comportamiento de pago posee el cliente. Asimismo, tal como se esperaba, las variables
de garantía, score veraz y cantidad de tarjetas de crédito poseen valores mayores a cero
(indicando un mejor comportamiento de pago cuanto más elevadas sean estas variables).

Como paso siguiente, se realizaron las pruebas de performance sobre el modelo de

préstamos personales y se construyó el CAP; los mismos se presentan a continuación.

 Error de tipo 1: 7,5%

 Error de tipo 2: 8,7%
 KS: 46,3%
 Gini: 63,1%

60
  AUROC: 81,5%

Gráfico 3.4: CAP del modelo de préstamos personales no restringido

Fuente: Elaboración propia

Como paso final, se realizó la validación out of sample con los datos de abril 2018
obteniendo resultados aceptables en relación con aquellos obtenidos para el desarrollo37.

 Modelo de préstamos personales restringido

La construcción del modelo restringido se realizó con el mismo proceso iterativo

descripto anteriormente. Para construir el modelo restringido, se siguió el mismo proceso
descripto anteriormente. En el cuadro A.9 del anexo se presentan los estimadores
puntuales de las variables predictoras que conforman el modelo final. Asimismo, sobre el
modelo final, se calcularon los indicadores de performance, los cuales presentamos a
continuación.

 Error de tipo 1: 7.4%

 Error de tipo 2: 8.9%
 KS: 46.0%
 Gini: 62.6%
 AUROC: 81.3%

37
Los indicadores para la validación del modelo no restringido de préstamos personales son los siguientes: error de tipo 1 – 8,3%,
error de tipo 2 – 11,9%, KS – 44,7%, Gini - 56,9% y AUROC – 78,5%.

61
Gráfico 3.5: CAP del modelo de préstamos personales restringido

Fuente: Elaboración propia

Para finalizar la construcción del modelo restringido, se realizó la validación del modelo
con datos de abril 2018, obteniendo indicadores de performance cercanos a los del modelo
restringido38.

Aquí concluimos con el trabajo de construcción de modelos de score con datos

alternativos y con datos tradicionales para los tres tipos de producto analizados; en el
apartado siguiente, haremos la comparación de los resultados obtenidos bajo cada
modelo.

3.3 Contraste de resultados

En este apartado realizaremos una evaluación de las discrepancias encontradas en los
indicadores de performance de los modelos completos y de los modelos restringidos para
cada tipo de producto.

Comparando los resultados de los modelos finales de tarjetas y paquetes, se puede

observar una mejor performance del modelo no restringido, independientemente del
indicador utilizado. A continuación, se presenta el resumen de los resultados encontrados
para los modelos de tarjetas y paquetes.

38
Los indicadores de performance de la validación del modelo restringido son los siguientes: error de tipo 1: 8,1% - error de tipo 2:
12,7%, KS: 43,2%, Gini 58,3%, AUROC: 79,1%.

62
Tabla 3.7: Comparación de resultados para el producto Tarjetas

Indicador de performance Modelo sin variables

Modelo completo (A)
producto: Tarjetas alternativas (B)
Error de tipo 1 33,9% 34,6%
Error de tipo 2 19,3% 19,5%
KS 46,4% 45,9%
Gini 61,5% 60,1%
AUROC 80,8% 80,0%

Fuente: Elaboración propia

Tabla 3.8: Comparación de resultados para el producto Paquetes

Indicador de performance Modelo sin variables

Modelo completo (A)
producto: paquetes alternativas (B)
Error de tipo 1 36,3% 37,3%
Error de tipo 2 29,2% 29,8%
KS 34,5% 32,7%
Gini 49,3% 47,3%
AUROC 74,6% 73,7%

Fuente: Elaboración propia

La elaboración de la matriz de confusión nos permitió obtener los errores de tipo 1 y de

tipo 2 presentados en el cuadro anterior. Se observa que el modelo A, tanto para tarjetas
como para paquetes, presenta un menor error de tipo 1 respecto al modelo B. Como
detallamos en el capítulo 2, esto significa que el modelo A posee un menor porcentaje de
aceptación de solicitudes que luego resultan morosas. Asimismo, el modelo A de tarjetas
y paquetes presenta un menor error de tipo 2 que el modelo B, lo cual implica que el
modelo A presenta una menor proporción de rechazo de solicitudes que tienen un buen
comportamiento frente al pago de la deuda. Por lo tanto, con el modelo A se tendrán
menores costos por riesgo de crédito dado que se aceptarán menos solicitudes morosas y
se tendrá un menor costo de oportunidad al rechazar menos solicitudes no morosas.

Otro de los indicadores calculados fue el KS; se observa que el modelo A de tarjetas y
paquetes presenta un KS más elevado que el modelo B, lo cual significa que las
distribuciones por score de buenos pagadores y de malos pagadores del modelo A tienen
un punto máximo de alejamiento mayor a las respectivas curvas del modelo B. Por lo
tanto, bajo la medida de KS, el modelo A tiene un mayor poder de discriminación de
riesgo que el modelo B.

63
Además de los indicadores mencionados, el contraste respecto al Gini y al AUROC,
refleja el mejor resultado que posee el modelo A de tarjetas y paquetes. Esto nos indica
que el modelo A clasifica mejor las solicitudes que el modelo B.

Los contrastes realizados parecen reflejar que los modelos de tarjetas y paquetes que
incorporan datos alternativos presentan mejores resultados que los modelos restringidos
que no incluyen variables alternativas.

En relación con el modelo de préstamos personales, al contrastar los resultados de los

modelos finales, se puede observar una mejor performance del modelo no restringido para
todos los indicadores desarrollados excepto por la probabilidad de error de tipo 2. A
continuación, se presenta el resumen de los resultados encontrados para los modelos de
préstamos personales.

Tabla 3.9: Comparación de resultados para el producto Préstamos Personales

Indicador de performance
Modelo sin variables
producto: préstamos Modelo completo (A)
alternativas (B)
personales
Error de tipo 1 7,5% 7,4%
Error de tipo 2 8,7% 8,9%
KS 46,3% 46,0%
Gini 63,1% 62,6%
AUROC 81,5% 81,3%

Fuente: Elaboración propia

A partir de la matriz de confusión, obtuvimos los valores de los errores de tipo 1 y de tipo
2. Respecto al primero de ellos, podemos observar que el modelo A presenta un valor
levemente superior al valor del modelo B; esto quiere decir que el modelo B posee una
menor proporción de aceptación de solicitudes morosas. Respecto al error de tipo 2, el
modelo A presenta un menor valor en comparación al modelo B. Esto quiere decir que el
modelo A posee una menor proporción de rechazo de solicitudes no morosas.

Respecto al resto de los indicadores de performance, se puede observar que el modelo A

resulta más favorable en relación con el modelo B; por lo que el modelo A muestra una
mayor exactitud para discernir riesgo.

Por lo tanto, si bien para la mayoría de los indicadores el modelo con información
alternativa resulta preferible al modelo sin datos alternativos, los resultados en cuanto al

64
error de tipo 1 muestran resultados contrarios, indicando que el uso del modelo sin datos
alternativos traería aparejado un menor costo de crédito por el rechazo de solicitudes
morosas.

En el capítulo siguiente, se realizará una síntesis de los resultados obtenidos y se repasarán

los objetivos propuestos y el abordaje dado a los mismos en el presente trabajo.

65
Conclusiones y futuras líneas de investigación

A lo largo del presente trabajo de investigación se ha abordado el objetivo principal

planteado: analizar el impacto que posee la incorporación de datos alternativos en la
predicción del riesgo de crédito. Atendiendo a los objetivos específicos, el primero de
ellos consistió en estudiar el uso de los grandes volúmenes de información en la gestión
de riesgo bancaria; este aspecto fue abordado en el capítulo 1. En el mismo, se
describieron las principales funciones de un banco y los riesgos que enfrentan; luego, se
pasó revista de las principales regulaciones existentes sobre el riesgo de crédito y,
finalmente, se destacó la utilización de datos alternativos en la gestión del riesgo de
crédito en los últimos tiempos.

El segundo objetivo específico planteado fue sentar las bases para la construcción de un
modelo de score que ayude a evaluar la capacidad de repago de los clientes minoristas;
el cual fue trabajado en el capítulo 2. En este capítulo, se explicó en qué consiste un
modelo de score; luego, se hizo foco en el modelo de regresión logística y las fórmulas
que lo componen; finalmente, se presentaron los principales indicadores de performance
para los modelos de scoring.

El tercer y último objetivo trazado en la presente investigación fue la evaluación del

aporte generado por datos alternativos en modelos de score para distintos productos
bancarios; esto fue desarrollado en el capítulo 3. En dicho capítulo, primero realizamos
un estudio sobre las bases input de cada tipo de producto bancario; luego, construimos un
modelo de score para cada producto incorporando variables alternativas y construimos
otro modelo de score restringido (el cual no utiliza datos alternativos). Finalmente, para
cada producto, realizamos el cálculo y contraste de los indicadores de performance del
modelo completo y del modelo restringido.

La hipótesis del trabajo fue que la incorporación de datos alternativos mejora la

estimación del riesgo de crédito. En este sentido y gracias al trabajo realizado a lo largo
de la presente investigación y a los resultados encontrados en el capítulo anterior,
podemos corroborar parcialmente la hipótesis. En lo que respecta al producto de tarjetas
y paquetes, podemos concluir que la incorporación de variables alternativas en la gestión
del riesgo de crédito ayuda a mejorar la predicción del default. Esto se observa en los
mejores indicadores de performance que poseen los modelos que incluyen variables
alternativas en comparación con los modelos tradicionales para dichos productos

66
financieros. Por otro lado, en cuanto al producto de préstamos personales, el modelo con
variables alternativas indica una mejor precisión en cuanto a la discriminación general de
riesgo; pero, el modelo sin datos alternativos posee una leve diferencia a favor en cuanto
al error que se comete aceptando créditos morosos. Es por este motivo que, si bien
corroboramos la hipótesis del trabajo para los productos de tarjetas y paquetes, no
podemos corroborarla para el producto de préstamos personales.

En conclusión, hemos estudiado el impacto de utilizar datos alternativos en distintos

productos financieras y corroboramos el impacto positivo de éstos para los productos de
tarjetas y paquetes. Asimismo, estudios futuros se requieren para poder profundizar en
dos cuestiones principales. Por un lado, aunque en el presente trabajo se analizó el
impacto de utilizar información alternativa asociada al uso de home banking y de mobile
banking en la predicción del riesgo de crédito minorista, sería interesante que en futuros
trabajos se puedan analizar otras variables que fueron introducidas en el capítulo 1, como
ser la localización geográfica del individuo, las redes sociales o la información del
historial de navegación en internet, entre otras.

Por otro lado, el presente trabajo se realizó con datos de aplicaciones a créditos de los
primeros cuatro meses de abril 2018 (con observación de desempeño durante los doce
meses siguiente; en este sentido, una futura línea de investigación podría ser realizar este
mismo análisis en una ventana temporal más reciente. No obstante, hay que tener en
cuenta que, durante la crisis de salud provocada por el Coronavirus en el año 2020, el
gobierno otorgó moratorias en los vencimientos de créditos bancarios; por lo tanto, los
datos de comportamiento de pago del 2020 difícilmente puedan ser utilizados para un
análisis similar (al menos sin realizar un ajuste sobre los mismos), dado que el
comportamiento frente a las obligaciones de deuda de los individuos se ve distorsionado
al existir la opción legal de aplazar las mismas.

67
Bibliografía y Referencias bibliográficas
Abdou, H., & Pointon, J. (2011). Credit scoring, statistical techniques and evaluation criteria: a
review of the literature. Greater Manchester, Inglaterra: John Wiley & Sons, Ltd.

Altman, E., & Saunders, A. (1998). Credit risk measurement: Developments over the last 20
years. Journal of Banking & Finance, 1721-1742.

Banco Central de la República Argentina. (13 de febrero de 2013). Comunicación "A" 5398.
Obtenido de http://www.bcra.gov.ar/pdfs/comytexord/A5398.pdf

Banco Central de la República Argentina. (12 de enero de 2018). Comunicación "A" 6430.
Obtenido de http://www.bcra.gov.ar/Pdfs/comytexord/A6430.pdf

Banco Central de la República Argentina. (9 de mayo de 2019). Comunicación “A” 6693.

Obtenido de http://www.bcra.gob.ar/Pdfs/comytexord/A6693.pdf

Banco Central de la República Argentina. (1 de noviembre de 2020). Comunicación "A" 7156.

Obtenido de https://www.bcra.gob.ar/Pdfs/Texord/t-cladeu.pdf

Banco Central de la República Argentina. (abril 2020). Informe de Inclusión Financiera.

Basel Committee on Banking Supervision. (1988). International Convergence of Capital

Measurement and Capital Standards. Basel, Switzerland: Bank for International
Settlements.

Basel Committee on Banking Supervision. (2006). International Convergence of Capital

Measurement and Capital Standards. A revised Framework. Basel, Switzerland: Bank
for International Settlements.

Basel Committee on Banking Supervision. (2006). Sound credit risk assessment and valuation
for loans. Basel, Switzerland: Bank for International Settlements.

Bessis, J. (2015). Risk Management in Banking. West Sussex, Inglaterra: John Wiley & Sons, Ltd.

Brown, M. C. (1994). Using gini-style indices to evaluate the spatial patterns of health
practitioners: Theoretical considerations and an application based on Alberta data.
Social Science & Medicine, 1243-1256.

Business Wire. (18 de julio de 2016). ZestFinance Receives Funding from Baidu to Fuel
Development of Search-Based Underwriting Technology. Obtenido de
https://www.businesswire.com/news/home/20160717005040/en/ZestFinance-
Receives-Funding-Baidu-Fuel-Development-Search-Based

Crouhy, M., Galai, D., & Mark, R. (2006). The essentials of Risk Management. Estados Unidos:
McGraw-Hill.

Derby, N. (2003). Mathematical Definition of the Gini Index. Washington, Estados Unidos:
University of Washington.

68
Emerj. (3 de abril de 2020). Artificial Intelligence Applications for Lending and Loan
Management. Obtenido de https://emerj.com/ai-sector-overviews/artificial-
intelligence-applications-lending-loan-management/

Equifax. (2 de mayo de 2018). Credit Through the Ages: How Technology is Revolutionizing the
Way We Assess Consumer Financial Behavior. Obtenido de
https://insight.equifax.com/credit-ages-technology/?intcmp=search

Equifax. (s.f.). How Are Credit Scores Calculated? Obtenido de

https://www.equifax.com/personal/education/credit/score/how-is-credit-score-
calculated/

Experian Information Solutions, Inc. (2018). Alternative Data Across the Loan Life Cycle: How
FinTech and Other Lenders Use It and Why. Obtenido de
https://www.experian.com/assets/consumer-
information/reports/Experian_Aite_AltDataReport_Final_120418.pdf?elqTrackId=7714
eff9f5204e7ca8517e8966438157&elqaid=3910&elqat=2

Farris, F. A. (2010). The Gini Index and Measures of Inequality. The American Mathematical
Monthly, 851-864.

Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 861–874.

FICO. (8 de diciembre de 2015). Not All Alternative Data Is Created Equal. Obtenido de
https://www.fico.com/blogs/not-all-alternative-data-created-equal

FICO. (29 de marzo de 2018). FICO Continues to Expand Access to Credit with New FICO® Score
XD 2. Obtenido de https://www.fico.com/en/newsroom/fico-continues-expand-
access-credit-new-fico-score-xd-2

FICO. (22 de mayo de 2019). Leveraging Alternative Data to Extend Credit to More Borrowers.
Obtenido de https://www.fico.com/blogs/leveraging-alternative-data-extend-credit-
more-borrowers

Forbes. (14 de agosto de 2019). Alternative Data: The Great Equalizer To Lending Inequalities?
Obtenido de
https://www.forbes.com/sites/forbestechcouncil/2019/08/14/alternative-data-the-
great-equalizer-to-lending-inequalities/?sh=1e92db392449

Freixas, X., & Rochet, J.-C. (2008). Microeconomics of Banking. Cambridge, Estados Unidos: MIT
Press.

Gasparini, L., & Cicowiez, M. (26-27 de Abril de 2007). The socio-economic conditions in
Argentina. Buenos Aires, Argentina: Centro de Estudios Distributivos, Laborales y
Sociales. Obtenido de researchgate:
https://www.researchgate.net/profile/Leonardo_Gasparini2/publication/228458988_
THE_SOCIO-
ECONOMIC_CONDITIONS_IN_ARGENTINA/links/55dc55ae08ae9d6594945212/THE-
SOCIO-ECONOMIC-CONDITIONS-IN-ARGENTINA.pdf

69
Gourieroux, C., & Jasiak, J. (2007). The Econometrics of Individual Risk. Credit, Insurance, and
Marketing. New Jersey, Estados Unidos: Princeton University Press.

Hull, J. C. (2000). Options, futures, and other derivatives. Boston, Estados Unidos: Prentice Hall.

Hull, J. C. (2015). Risk Management and Financial Institutions. New Jersey, Estados Unidos:
John Wiley & Sons, Inc.

International Monetary Fund. (marzo 2012). What Is a Bank? Finance & Development, 38 - 39.

iProfesional. (16 de julio de 2017). Obtenido de

https://www.iprofesional.com/economia/252863-vinimos-a-ocupar-un-mercado-que-
los-bancos-dejaron-libre

Jorion, P. (2007). Value at Risk. The new benchmark for managing financial risk. Estados
Unidos: McGraw-Hill.

Lin, A. Z. (2013). Variable Reduction in SAS by Using Weight of Evidence and Information Value.
Obtenido de https://support.sas.com/resources/papers/proceedings13/095-2013.pdf

Lorenz, M. (1905). Methods of Measuring the Concentration of Wealth. American Statistical

Association, 209-219.

Mermelstein, D. (2006). Defaults en carteras hipotecarias, macroeconomía y arreglos

institucionales: más allá de los modelos de credit-scoring tradicionales. Obtenido de
https://www.researchgate.net/

Norma Internacional de Información Financiera 9. (24 de julio 2014). Instrumentos Financieros.

Road Show. (13 de febrero de 2019). Scoring crediticio: cómo avanza Equifax en el uso de “data
alternativa”. Obtenido de https://www.roadshow.com.ar/scoring-crediticio-como-
avanza-equifax-en-el-uso-de-data-alternativa/

Rosignuolo, L. (2017). Principios de Economía Monetaria. Oferta y Demanda Monetaria, Banca

Central y Política Monetaria. Revista de Investigación en Modelos Financieros, 1-38.

Unidad de Información Financiera. (2017). Resolución 30-E/2017. Ciudad de Buenos Aires,

Argentina: Ministerio de Finanzas.

Wooldridge, J. M. (2010). Introducción a la econometría. Un enfoque moderno. México, D.F.:

Cengage Learning Editores.

70
Anexos

1.1 Parte A: Material soporte referenciado en el cuerpo del trabajo

En esta sección del anexo se presentan los gráficos mencionados, pero no incluidos en los
capítulos anteriores para no hacer extensa la lectura. Se introduce material tomado del
informe de inclusión financiera del BCRA (gráficos A.1 y A.2 mencionados en el capítulo
1), se incluye el análisis de estadística descriptiva sobre las bases input (gráficos A.3 a
A.5 mencionados en el capítulo 3) y se adjuntan las variables explicativas y los
estimadores puntuales de los modelos restringidos (gráficos A.6 a A.8 mencionados en el
capítulo 3).

Gráfico A.1: Porcentaje de adultos con al menos un financiamiento

Fuente: Informe de inclusión financiera (BCRA, abril 2020, p. 31)

Gráfico A.2: Porcentaje de adultos con al menos un financiamiento por provincia

71
 Fuente: Informe de inclusión financiera (BCRA, abril 2020, p. 32)

Gráfico A.3: Estadística descriptiva de la base de tarjetas

Desde 30.000 a Desde 50.000 a

tipo_renta Hasta 30.000 Desde 80.000 Missings
50.000 80.000
201801 9,323 3,856 1261 559 0
201802 9,620 3,784 1255 540 0
201803 10,515 4,673 1691 695 0
201804 7,752 2,721 948 522 0
frecuencia media 62.3% 25.2% 8.6% 3.9% 0.0%

marca_pyme 0 1 Missings
201801 14,980 19 0
201802 15,187 12 0
201803 17,551 23 0
201804 11,931 12 0
frecuencia media 99.9% 0.1% 0.0%

marca_cliente_antig_hasta12m 0 1 Missings
201801 12,510 2,489 0
201802 12,857 2,342 0
201803 14,842 2,732 0
201804 10,004 1,939 0
frecuencia media 84.1% 15.9% 0.0%

marca_antig_empleo_hasta24m 0 1 Missings
201801 9,523 5,476 0
201802 9,240 5,959 0
201803 10,944 6,630 0
201804 7,073 4,870 0
frecuencia media 61.6% 38.4% 0.0%

72
 Estado Civil D M S W Missings
201801 235 1,231 13489 44 0
201802 193 1,167 13808 31 0
201803 263 1,400 15861 50 0
201804 146 827 10938 32 0
frecuencia media 1.4% 7.7% 90.6% 0.3% 0.0%

marcaPoseeAuto 0 1 Missings
201801 11,805 3,194 0
201802 11,980 3,219 0
201803 13,698 3,876 0
201804 9,373 2,570 0
frecuencia media 78.5% 21.5% 0.0%

marcaPoseeCajaAhorro 0 1 Missings
201801 443 14,556 0
201802 679 14,520 0
201803 1,041 16,533 0
201804 1,118 10,825 0
frecuencia media 5.5% 94.5% 0.0%

Nivel estudios A B C D E F Missings

201801 68 204 7836 2846 3857 188 0
201802 76 259 7406 3042 4218 198 0
201803 93 294 8573 3296 5096 222 0
201804 109 262 5526 2204 3668 174 0
frecuencia media 0.6% 1.7% 49.1% 19.1% 28.2% 1.3% 0.0%

TipoVivienda H M P R Missings
201801 3,116 9,075 2693 115 0
201802 3,521 9,225 2357 96 0
201803 4,371 10,141 2938 124 0
201804 3,345 6,963 1579 56 0
frecuencia media 24.0% 59.3% 16.0% 0.7% 0.0%

refCtaCorrienteYAhorro A B C D Missings
201801 382 61 7735 6821 0
201802 619 60 7973 6547 0
201803 968 73 8528 8005 0
201804 1,045 73 6060 4765 0
frecuencia media 5.0% 0.4% 50.7% 43.8% 0.0%

Grupo_edad Menor a 40 Entre 40 y 60 Desde 60 Missings

201801 11,584 3,155 260 0
201802 11,926 3,009 264 0
201803 13,597 3,646 331 0
201804 9,295 2,450 198 0
frecuencia media 77.7% 20.5% 1.8% 0.0%

regulares_veraz 0 1 Missings
201801 3,681 11,318 0
201802 4,322 10,877 0
201803 4,884 12,690 0
201804 3,859 8,084 0
frecuencia media 28.0% 72.0% 0.0%

INDICA_USA_HOME_BANKING 0 1 Missings
201801 4,370 10,629 0
201802 5,213 9,986 0
201803 5,277 12,297 0
201804 3,913 8,030 0
frecuencia media 31.4% 68.6% 0.0%

73
 INDICA_USA_MOBILE 0 1 Missings
201801 7,290 7,709 0
201802 7,706 7,493 0
201803 8,465 9,109 0
201804 5,996 5,947 0
frecuencia media 49.3% 50.7% 0.0%

no_default 0 1 Missings
201801 1,043 13,956 0
201802 1,160 14,039 0
201803 1,265 16,309 0
201804 910 11,033 0
frecuencia media 7.3% 92.7% 0.0%

ingresoMensualOrdinario cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 14,999 0 454,539,101.00 30,304.63 26,358.12 8,000.00 15,312.00 21,724.00 36,000.00 900,000.00
201802 14,952 247 452,154,644.00 30,240.41 27,520.02 8,000.00 15,000.00 21,000.00 36,000.00 900,000.00
201803 17,092 482 550,775,281.00 32,224.16 36,332.01 9,000.00 15,607.00 23,000.00 37,449.00 3,000,000.00
201804 11,276 667 354,112,052.00 31,404.05 31,367.57 9,000.00 15,000.00 20,300.00 36,000.00 1,240,000.00
promedio 14,580 349 452,895,269.50 31,043.31 30,394.43 8,500.00 15,229.75 21,506.00 36,362.25 1,510,000.00

cantidadTarjetaCredito cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 14,999 0 19,266.00 1.28 1.42 0.00 0.00 1.00 2.00 16.00
201802 15,199 0 18,414.00 1.21 1.42 0.00 0.00 1.00 2.00 16.00
201803 17,574 0 21,880.00 1.25 1.44 0.00 0.00 1.00 2.00 17.00
201804 11,943 0 13,347.00 1.12 1.38 0.00 0.00 1.00 2.00 16.00
promedio 14,929 0 18,226.75 1.21 1.41 0.00 0.00 1.00 2.00 16.25

cantidadConsultas cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 14,993 6 5,976.00 0.40 0.80 0.00 0.00 1.00 2.00 16.00
201802 15,197 2 5,713.00 0.38 0.78 0.00 0.00 1.00 2.00 16.00
201803 17,572 2 6,817.00 0.39 0.80 0.00 0.00 1.00 2.00 17.00
201804 11,943 0 4,175.00 0.35 0.74 0.00 0.00 1.00 2.00 16.00
promedio 14,926 2.5 5,670.25 0.38 0.78 0.00 0.00 1.00 2.00 16.25

scoreVeraz cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 14,997 2 9,484,822.00 632.45 163.69 15.00 532.00 663.00 36,000.00 903.00
201802 14,951 248 9,457,797.00 632.59 178.25 15.00 527.00 659.00 36,000.00 907.00
201803 17,090 484 10,871,245.00 636.12 190.72 13.00 523.25 662.00 37,449.00 904.00
201804 11,276 667 7,172,470.00 636.08 214.62 17.00 505.00 656.00 36,000.00 900.00
promedio 14,579 350.25 9,246,583.50 634.31 186.82 15.00 521.81 660.00 36,362.25 903.50

CANT_TRANSAC_HOME_BA
cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo
NKING
201801 14,999 0 569,672.00 37.98 69.47 0.00 0.00 9.00 49.00 2,269.00
201802 15,199 0 484,381.00 31.87 59.71 0.00 0.00 5.00 41.00 1,441.00
201803 17,574 0 549,036.00 31.24 62.84 0.00 0.00 3.00 38.00 2,378.00
201804 11,943 0 289,544.00 24.24 50.56 0.00 0.00 1.00 27.00 724.00
promedio 14,929 0 473,158.25 31.33 60.64 0.00 0.00 4.50 38.75 1,703.00

CANTIDAD_TRANSACCIONE
cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo
S_MOBILE
201801 14,999 0 599,914.00 40.00 70.77 0.00 0.00 3.00 56.00 948.00
201802 15,199 0 551,305.00 36.27 67.94 0.00 0.00 0.00 49.00 1,510.00
201803 17,574 0 746,023.00 42.45 75.70 0.00 0.00 3.00 58.00 1,521.00
201804 11,943 0 418,884.00 35.07 66.23 0.00 0.00 0.00 47.00 1,454.00
promedio 14,929 0 579,031.50 38.45 70.16 0.00 0.00 1.50 52.50 1,358.25

Fuente: Elaboración propia

Gráfico A.4: Estadística descriptiva de la base de paquetes

Desde 30.000 a Desde 50.000 a
tipo_renta Hasta 30.000 Desde 80.000 Missings
50.000 80.000
201801 9,372 2,296 1,080 577 0
201802 9,795 2,268 1,064 546 0
201803 11,323 2,892 1,336 766 0
201804 7,583 1,795 896 555 0
frecuencia media 70.3% 17.1% 8.1% 4.5% 0.0%

marca_pyme 0 1 Missings
201801 12,810 515 0
201802 13,068 605 0
201803 15,630 687 0
201804 10,264 565 0
frecuencia media 95.6% 4.4% 0.0%

74
 marca_cliente_antig_hasta12m 0 1 Missings
201801 3,373 9,952 0
201802 3,192 10,481 0
201803 4,009 12,308 0
201804 2,496 8,333 0
frecuencia media 24.1% 75.9% 0.0%

marca_antig_empleo_hasta24m 0 1 Missings
201801 8,986 4,339 0
201802 8,775 4,898 0
201803 10,324 5,993 0
201804 6,627 4,202 0
frecuencia media 64.1% 35.9% 0.0%

Estado Civil D M S W Missings

201801 397 1,511 11,204 213 0
201802 420 1,434 11,584 235 0
201803 476 1,662 13,907 272 0
201804 332 1,081 9,253 163 0
frecuencia media 3.0% 10.5% 84.9% 1.6% 0.0%

marcaPoseeAuto 0 1 Missings
201801 10,655 2,670 0
201802 10,866 2,807 0
201803 12,706 3,611 0
201804 8,553 2,276 0
frecuencia media 79.0% 21.0% 0.0%

marcaPoseeCajaAhorro 0 1 Missings
201801 5,193 8,132 0
201802 5,095 8,578 0
201803 6,355 9,962 0
201804 4,488 6,341 0
frecuencia media 39.0% 61.0% 0.0%

Nivel estudios A B C D E F Missings

201801 95 214 6,563 2,264 4,074 115 0
201802 96 176 6,524 2,314 4,439 124 0
201803 94 191 7,461 2,744 5,705 122 0
201804 86 129 4,990 1,713 3,819 92 0
frecuencia media 0.7% 1.3% 47.2% 16.7% 33.3% 0.8% 0.0%

TipoVivienda H M P R Missings
201801 3,802 7,134 2,260 129 0
201802 3,956 7,365 2,238 114 0
201803 5,014 8,977 2,202 124 0
201804 3,405 5,884 1,475 65 0
frecuencia media 29.9% 54.2% 15.1% 0.8% 0.0%

refCtaCorrienteYAhorro A B C D Missings
201801 4,569 624 4,983 3,149 0
201802 4,507 588 5,605 2,973 0
201803 5,629 726 6,321 3,641 0
201804 4,006 482 3,950 2,391 0
frecuencia media 34.6% 4.5% 38.5% 22.4% 0.0%

Grupo_edad Menor a 40 Entre 40 y 60 Desde 60 Missings

201801 8,528 3,669 1,128 0
201802 8,998 3,464 1,211 0
201803 10,824 4,049 1,444 0
201804 7,143 2,724 962 0
frecuencia media 65.6% 25.7% 8.8% 0.0%

regulares_veraz 0 1 Missings
201801 3,970 9,355 0
201802 4,674 8,999 0
201803 6,000 10,317 0
201804 4,247 6,582 0
frecuencia media 34.9% 65.1% 0.0%

75
 INDICA_USA_HOME_BANKING 0 1 Missings
201801 5,168 8,157 0
201802 6,267 7,406 0
201803 6,726 9,591 0
201804 4,755 6,074 0
frecuencia media 42.3% 57.7% 0.0%

INDICA_USA_MOBILE 0 1 Missings
201801 9,236 4,089 0
201802 9,665 4,008 0
201803 11,290 5,027 0
201804 7,636 3,193 0
frecuencia media 69.9% 30.1% 0.0%

no_default 0 1 Missings
201801 1,676 11,649 0
201802 1,716 11,957 0
201803 2,127 14,190 0
201804 1,457 9,372 0
frecuencia media 12.9% 87.1% 0.0%

ingresoMensualOrdinario cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 12,974 351 374,674,216.00 28,878.85 38,756.33 6,456.00 14,500.00 19,909.00 33,000.00 2,100,000.00
201802 13,147 526 375,701,870.00 28,577.00 34,118.08 6,025.00 14,000.00 18,989.00 31,000.00 900,000.00
201803 15,356 961 473,466,960.00 30,832.70 51,336.64 4,480.00 14,000.00 19,190.00 35,000.00 3,069,265.00
201804 9,704 1125 303,909,094.00 31,317.92 39,495.39 5,250.00 13,441.00 19,000.00 35,000.00 1,702,828.00
promedio 12,795 740.75 381,938,035.00 29,901.62 40,926.61 5,552.75 13,985.25 19,272.00 33,500.00 1,943,023.25

cantidadTarjetaCredito cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 13,325 0 16,431.00 1.23 1.64 0.00 0.00 1.00 2.00 17.00
201802 13,673 0 15,619.00 1.14 1.63 0.00 0.00 1.00 2.00 17.00
201803 16,317 0 18,464.00 1.13 1.66 0.00 0.00 0.00 2.00 20.00
201804 10,829 0 11,842.00 1.09 1.66 0.00 0.00 0.00 2.00 19.00
promedio 13,536 0 15,589.00 1.15 1.65 0.00 0.00 0.50 2.00 18.25

cantidadConsultas cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 13,318 7 7,891.00 0.59 1.01 0.00 0.00 0.00 1.00 12.00
201802 13,668 5 7,412.00 0.54 0.96 0.00 0.00 0.00 1.00 11.00
201803 16,312 5 8,718.00 0.53 0.95 0.00 0.00 0.00 1.00 11.00
201804 10,828 1 5,514.00 0.51 0.92 0.00 0.00 0.00 1.00 11.00
promedio 13,532 4.5 7,383.75 0.54 0.96 0.00 0.00 0.00 1.00 11.25

scoreVeraz cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 13,324 1 8,365,188.00 627.83 154.76 19.00 534.00 650.00 750.00 901.00
201802 13,672 1 8,515,411.00 622.84 157.38 23.00 523.00 647.00 747.00 902.00
201803 16,314 3 10,105,677.00 619.45 156.94 27.00 513.00 636.00 746.00 903.00
201804 10,828 1 6,713,034.00 619.97 156.46 23.00 511.00 640.00 745.00 907.00
promedio 13,535 1.5 8,424,827.50 622.52 156.38 23.00 520.25 643.25 747.00 903.25

CANT_TRANSAC_HOME_BAN
cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo
KING
201801 13,325 0 263,829.00 19.80 47.46 0.00 0.00 1.00 17.00 1,011.00
201802 13,673 0 228,614.00 16.72 52.31 0.00 0.00 0.00 12.00 3,363.00
201803 16,317 0 251,116.00 15.39 42.18 0.00 0.00 0.00 8.00 1,321.00
201804 10,829 0 129,727.00 11.98 35.56 0.00 0.00 0.00 4.00 942.00
promedio 13,536 0 218,321.50 15.97 44.38 0.00 0.00 0.25 10.25 1,659.25

CANTIDAD_TRANSACCIONES
cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo
_MOBILE
201801 13,325 0 256,825.00 19.27 51.97 0.00 0.00 0.00 11.00 956.00
201802 13,673 0 235,682.00 17.24 47.01 0.00 0.00 0.00 8.00 796.00
201803 16,317 0 318,459.00 19.52 52.42 0.00 0.00 0.00 10.00 1,144.00
201804 10,829 0 186,782.00 17.25 48.11 0.00 0.00 0.00 8.00 928.00
promedio 13,536 0 249,437.00 18.32 49.88 0.00 0.00 0.00 9.25 956.00

Fuente: Elaboración propia

Gráfico A.5: Estadística descriptiva de la base de préstamos personales

76
 Desde 30.000 a Desde 50.000 a
tipo_renta Hasta 30.000 Desde 80.000 Missings
50.000 80.000
201801 617 766 960 656 0
201802 567 795 981 631 0
201803 670 959 1,178 836 0
201804 453 612 780 559 0
frecuencia media 19.2% 26.1% 32.4% 22.3% 0.0%

marca_garantia 0 1 Missings
201801 416 2583 0
201802 435 2539 0
201803 513 3130 0
201804 366 2038 0
frecuencia media 14.4% 85.6% 0.0%

marca_pyme 0 1 Missings
201801 2,315 684 0
201802 2,331 643 0
201803 2,754 889 0
201804 1,844 560 0
frecuencia media 76.9% 23.1% 0.0%

marca_cliente_antig_hasta12m 0 1 Missings
201801 2,431 568 0
201802 2,568 406 0
201803 3,167 476 0
201804 2,081 323 0
frecuencia media 85.2% 14.8% 0.0%

marca_antig_empleo_hasta24m 0 1 Missings
201801 2,569 430 0
201802 2,523 451 0
201803 3,086 557 0
201804 1,991 413 0
frecuencia media 84.6% 15.4% 0.0%

Estado Civil D M S W Missings

201801 158 911 1,888 42 0
201802 148 858 1,920 48 0
201803 185 1043 2,357 58 0
201804 145 665 1,561 33 0
frecuencia media 5.3% 28.9% 64.3% 1.5% 0.0%

marcaPoseeAuto 0 1 Missings
201801 2,934 65 0
201802 2,893 81 0
201803 3,539 104 0
201804 2,318 86 0
frecuencia media 97.2% 2.8% 0.0%

marcaPoseeCajaAhorro 0 1 Missings
201801 1,068 1931 0
201802 1,066 1908 0
201803 1,317 2326 0
201804 856 1548 0
frecuencia media 35.8% 64.2% 0.0%

Nivel estudios A B C D E F Missings

201801 3 25 1,823 471 671 6 0
201802 3 17 1,793 473 679 9 0
201803 6 19 2,252 576 784 6 0
201804 3 15 1,470 391 517 8 0
frecuencia media 0.1% 0.6% 61.0% 15.9% 22.1% 0.2% 0.0%

TipoVivienda H M P R Missings
201801 1,967 511 499 22 0
201802 1,952 481 524 17 0
201803 2,413 558 650 22 0
201804 1,591 376 422 15 0
frecuencia media 65.9% 16.0% 17.4% 0.6% 0.0%

77
 refCtaCorrienteYAhorro A B C D Missings
201801 765 251 404 1,579 0
201802 825 207 374 1,568 0
201803 1,024 287 472 1,860 0
201804 688 166 343 1,207 0
frecuencia media 27.5% 7.6% 13.3% 51.7% 0.0%

Grupo_edad Menor a 40 Entre 40 y 60 Desde 60 Missings

201801 1,627 1156 216 0
201802 1,667 1056 251 0
201803 1,993 1382 268 0
201804 1,323 876 205 0
frecuencia media 55.0% 37.2% 7.8% 0.0%

regulares_veraz 0 1 Missings
201801 247 2752 0
201802 251 2723 0
201803 363 3280 0
201804 263 2141 0
frecuencia media 9.4% 90.6% 0.0%

INDICA_USA_HOME_BANKING 0 1 Missings
201801 1,158 1841 0
201802 1,277 1697 0
201803 1,642 2001 0
201804 1,112 1292 0
frecuencia media 43.2% 56.8% 0.0%

INDICA_USA_MOBILE 0 1 Missings
201801 1,872 1127 0
201802 1,946 1028 0
201803 2,443 1200 0
201804 1,608 796 0
frecuencia media 65.5% 34.5% 0.0%

no_default 0 1 Missings
201801 219 2780 0
201802 214 2760 0
201803 314 3329 0
201804 221 2183 0
frecuencia media 8.1% 91.9% 0.0%

ingresoMensualOrdinario cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,993 6 187,383,822.77 62,607.29 97,722.86 3,500.00 35,000.00 50,000.00 75,000.00 3,000,000.00
201802 2,962 12 187,724,492.76 63,377.61 90,393.67 10,000.00 35,000.00 50,000.00 75,000.00 1,890,000.00
201803 3,625 18 232,860,020.17 64,237.25 86,680.14 5,300.00 36,000.00 51,000.00 76,840.73 2,000,000.00
201804 2,394 10 147,263,754.66 61,513.68 65,465.11 6,600.00 35,991.00 50,000.00 77,000.00 999,999.00
promedio 2,994 11.5 188,808,022.59 62,933.96 85,065.44 6,350.00 35,497.75 50,250.00 75,960.18 1,972,499.75

cantidadTarjetaCredito cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,999 0 6,715.00 2.24 1.95 0.00 1.00 2.00 3.00 15.00
201802 2,974 0 6,292.00 2.12 1.93 0.00 1.00 2.00 3.00 19.00
201803 3,643 0 7,498.00 2.06 2.02 0.00 1.00 2.00 3.00 19.00
201804 2,404 0 4,958.00 2.06 2.07 0.00 1.00 2.00 3.00 18.00
promedio 3,005 0 6,365.75 2.12 1.99 0.00 1.00 2.00 3.00 17.75

cantidadConsultas cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,999 0 2,285.00 0.76 1.13 0.00 0.00 0.00 1.00 10.00
201802 2,973 1 2,326.00 0.78 1.12 0.00 0.00 0.00 1.00 10.00
201803 3,642 1 2,692.00 0.74 1.12 0.00 0.00 0.00 1.00 9.00
201804 2,403 1 1,802.00 0.75 1.16 0.00 0.00 0.00 1.00 17.00
promedio 3,004 0.75 2,276.25 0.76 1.13 0.00 0.00 0.00 1.00 11.50

scoreVeraz cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,999 0 1,975,353.00 658.67 158.37 38.00 563.00 693.00 788.00 897.00
201802 2,973 1 1,941,362.00 653.00 158.43 35.00 554.00 688.00 781.00 898.00
201803 3,642 1 2,375,225.00 652.18 157.28 52.00 557.00 682.00 782.00 895.00
201804 2,403 1 1,537,389.00 639.78 163.39 43.00 535.75 669.50 774.00 895.00
promedio 3,004 0.75 1,957,332.25 650.91 159.37 42.00 552.44 683.13 781.25 896.25

CANT_TRANSAC_HOME_B
cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo
ANKING
201801 2,999 0 110,222.00 36.75 66.76 0.00 0.00 5.00 47.50 758.00
201802 2,974 0 94,614.00 31.81 60.87 0.00 0.00 3.00 37.75 611.00
201803 3,643 0 95,439.00 26.20 54.94 0.00 0.00 0.00 27.50 783.00
201804 2,404 0 52,317.00 21.76 50.38 0.00 0.00 0.00 22.00 914.00
promedio 3,005 0 88,148.00 29.13 58.24 0.00 0.00 2.00 33.69 766.50

78
CANTIDAD_TRANSACCIO
cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo
NES_MOBILE
201801 2,999 0 89,654.00 29.89 67.40 0.00 0.00 0.00 32.00 1,040.00
201802 2,974 0 82,159.00 27.63 63.83 0.00 0.00 0.00 25.00 961.00
201803 3,643 0 97,364.00 26.73 62.36 0.00 0.00 0.00 19.00 618.00
201804 2,404 0 64,530.00 26.84 65.54 0.00 0.00 0.00 21.00 1,050.00
promedio 3,005 0 83,426.75 27.77 64.78 0.00 0.00 0.00 24.25 917.25

pctFinanciacion cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,583 416 155,917.00 60.36 15.17 6.00 50.00 65.00 79.00 100.00
201802 2,539 435 151,617.00 59.72 14.98 2.00 50.00 64.00 79.00 100.00
201803 3,130 513 183,884.00 58.75 15.01 4.00 50.00 62.00 77.00 100.00
201804 2,038 366 118,321.00 58.06 15.35 6.00 50.00 63.00 78.00 100.00
promedio 2,573 432.5 152,434.75 59.22 15.13 4.50 50.00 63.50 78.25 100.00

cuotaPrestamo cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,984 15 24,430,205.00 8,187.07 9,892.86 420.00 4,277.00 6,325.00 9,466.00 381,405.00
201802 2,962 12 24,014,807.00 8,107.63 7,719.55 203.00 4,268.25 6,389.00 9,357.00 148,493.00
201803 3,637 6 30,940,394.00 8,507.12 8,052.86 307.00 4,392.00 6,463.00 9,835.00 93,229.00
201804 2,395 9 21,446,655.00 8,954.76 8,191.07 371.00 4,507.50 6,662.00 10,368.50 88,077.00
promedio 2,995 10.5 25,208,015.25 8,439.14 8,464.09 325.25 4,361.19 6,459.75 9,756.63 177,801.00

montoPrestamo cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,999 0 716,503,527.00 238,914.15 201,396.09 3,600.00 102,250.00 200,000.00 300,000.00 1,500,000.00
201802 2,974 0 701,815,982.00 235,983.85 205,066.14 4,000.00 100,000.00 200,000.00 300,000.00 1,800,000.00
201803 3,643 0 875,524,312.00 240,330.58 220,226.33 5,000.00 100,000.00 199,000.00 300,000.00 1,800,000.00
201804 2,404 0 584,208,381.00 243,015.13 220,152.47 5,000.00 100,000.00 199,100.00 300,000.00 1,800,000.00
promedio 3,005 0 719,513,050.50 239,560.93 211,710.26 4,400.00 100,562.50 199,525.00 300,000.00 1,725,000.00

plazoPrestamo cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,999 0 133,767.00 44.60 12.55 3.00 36.00 48.00 48.00 72.00
201802 2,974 0 131,884.00 44.35 12.51 4.00 36.00 48.00 48.00 72.00
201803 3,643 0 157,784.00 43.31 12.66 4.00 36.00 48.00 48.00 72.00
201804 2,404 0 101,433.00 42.19 13.46 6.00 36.00 48.00 48.00 72.00
promedio 3,005 0 131,217.00 43.61 12.79 4.25 36.00 48.00 48.00 72.00

relacionCuotaIngreso cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,999 0 2,112,027.42 704.24 17,255.63 0.00 9.37 13.27 19.66 528,250.00
201802 2,974 0 5,534,556.49 1,860.98 32,953.88 0.00 9.44 13.32 19.30 1,058,450.00
201803 3,643 0 5,769,522.44 1,583.73 26,921.96 0.00 9.46 13.58 19.76 777,600.00
201804 2,404 0 3,455,046.09 1,437.21 24,202.27 0.00 9.82 14.55 20.66 712,950.00
promedio 3,005 0 4,217,788.11 1,396.54 25,333.44 0.00 9.52 13.68 19.85 769,312.50

cantidadPersonasACargo cantidad missings suma promedio desvío mínimo Q1 Q2 Q3 máximo

201801 2,999 0 339.00 0.11 0.46 0.00 0.00 0.00 0.00 5.00
201802 2,974 0 416.00 0.14 0.70 0.00 0.00 0.00 0.00 20.00
201803 3,643 0 566.00 0.16 1.54 0.00 0.00 0.00 0.00 85.00
201804 2,404 0 253.00 0.11 0.49 0.00 0.00 0.00 0.00 9.00
promedio 3,005 0 393.50 0.13 0.80 0.00 0.00 0.00 0.00 29.75

Fuente: Elaboración propia

Gráfico A.6: Variables explicativas del modelo restringido de tarjetas y sus

estimadores

79
 Parameter Estimate
Intercept 1.7304
ingresoMensualOrdina 0.000026
marca_cliente_antig_ -0.3686
marca_antig_empleo_h -0.1563
cantidadTarjetaCredi 0.1206
cantidadConsultas -0.1522
regulares_veraz 0.2577
scoreVeraz 0.00355
tipo_renta Desde 30.000 hasta 50.000 0.2441
tipo_renta Desde 50.000 hasta 80.000 0.0924
tipo_renta Desde 80.000 -0.2451
tipo_renta Hasta 30.000 0
estadoCivil D -0.3681
estadoCivil M -0.2742
estadoCivil S -0.666
estadoCivil W 0
nivelEstudios A -0.5387
nivelEstudios B -0.846
nivelEstudios C -0.4657
nivelEstudios D -0.3159
nivelEstudios E -0.3414
nivelEstudios F 0
tipoVivienda H -0.7186
tipoVivienda M -0.4987
tipoVivienda P -0.1248
tipoVivienda R 0
refCtaCorrienteYAhor A -0.9111
refCtaCorrienteYAhor B -0.8731
refCtaCorrienteYAhor C -0.4559
refCtaCorrienteYAhor D 0

Fuente: Salida Sas Studio

Gráfico A.7: Variables explicativas del modelo restringido de paquetes y sus

estimadores
Parameter Estimate
Intercept 1.1753
marca_pyme -0.4405
marca_cliente_antig_ -0.6269
marca_antig_empleo_h 0.0839
cantidadTarjetaCredi 0.074
marcaPoseeAuto -0.1189
cantidadConsultas -0.171
scoreVeraz 0.00356
tipo_renta Entre 30.000 y 50.000 0.2847
tipo_renta Entre 50.000 y 80.000 0.3214
tipo_renta Mayor a 80.000 0.5924
tipo_renta Menor a 30.000 0
nivelEstudios A -0.0943
nivelEstudios B -0.4152
nivelEstudios C -0.0239
nivelEstudios D -0.00824
nivelEstudios E 0.1019
nivelEstudios F 0
tipoVivienda H -0.5127
tipoVivienda M -0.4225
tipoVivienda P -0.3403
tipoVivienda R 0
refCtaCorrienteYAhor A -0.599
refCtaCorrienteYAhor B -0.6827
refCtaCorrienteYAhor C -0.2927
refCtaCorrienteYAhor D 0
Grupo_edad Desde 60 0.1651
Grupo_edad Entre 40 y 60 -0.0759
Grupo_edad Menor a 40 0

80
 Fuente: Salida Sas Studio

Gráfico A.8: Variables explicativas del modelo restringido de préstamos

personales y sus estimadores

Parameter Estimate
Intercept -1.6023
marca_garantia 0.9924
marca_cliente_antig_ -0.3076
cantidadTarjetaCredi 0.1708
regulares_veraz 0.3006
cantidadConsultas -0.2536
scoreVeraz 0.00435
estadoCivil D 0.4714
estadoCivil M 0.772
estadoCivil S 0.3667
estadoCivil W 0

Fuente: Salida Sas Studio

1.2 Parte B: Códigos SAS y documentación técnica

En esta sección del anexo, se presentarán los códigos SAS utilizados para generar la
regresión logística, la salida de estos y la obtención de los indicadores de performance
presentados en el capítulo 3. La sección se dividirá en tres partes, una por cada tipo de
producto.

1.2.1 Modelo de tarjetas

Se importa la tabla input de tarjetas y se ejecuta la regresión logística con todas las
variables explicativas como posibles predictoras.

Gráfico B.1: Código de SAS Studio para la primera iteración del modelo completo de
tarjetas

81
 Fuente: Elaboración propia

Gráfico B.2: Salida de SAS Studio para la primera iteración del modelo completo de
tarjetas

Fuente: Salida de SAS Studio

Como se observa en el gráfico presentado, dos de las variables explicativas presentan un

p valor mayor al 5%; por lo tanto, se realiza una segunda regresión logística sin
considerar dichas variables. A continuación, se presenta el código SAS.

Gráfico B.3: Código de SAS Studio para el modelo final de tarjetas no restringido

Fuente: Elaboración propia

Gráfico B.4: Salida de SAS Studio para el modelo final de tarjetas no restringido

82
 Fuente: Salida de SAS Studio

Se observa que todos los p valores son inferiores al 5%, por lo que este modelo no
requiere una iteración adicional.

Gráfico B.5: Matriz de confusión y cálculo del KS, Gini y AUROC del modelo final de
tarjetas no restringido

Fuente: Elaboración propia

A continuación, se presentan los cálculos realizados para la validación out of the sample
(OOS) del modelo final de tarjetas no restringido.

83
Gráfico B.6: Matriz de confusión y cálculo del KS, Gini y AUROC de la validación
OOS del modelo final de tarjetas no restringido

Fuente: Elaboración propia

A continuación, se presentarán los códigos y documentación técnica involucrados en la

generación del modelo final de tarjetas restringido (sin variables alternativas).

Gráfico B.7: Código de SAS Studio para la primera iteración del modelo de tarjetas
restringido

Fuente: Elaboración propia

Gráfico B.8: Salida de SAS Studio para la primera iteración del modelo de tarjetas
restringido

84
 Fuente: Salida de SAS Studio

Como se observa, tres de las variables poseen un p valor superior al 5%, por lo que se
realiza una segunda iteración sin las mismas.

Gráfico B.9: Código de SAS Studio para el modelo final de tarjetas restringido

Fuente: Elaboración propia

Gráfico B.10: Salida de SAS Studio para el modelo final de tarjetas restringido

Fuente: Salida de SAS Studio

Se observa que todos los p valores son inferiores al 5%, por lo que este modelo no
requiere una iteración adicional.

85
Gráfico B.11: Matriz de confusión y cálculo del KS, Gini y AUROC del modelo final
de tarjetas restringido

Fuente: Elaboración propia

A continuación, se presentan los cálculos realizados para la validación out of the sample
(OOS) del modelo final de tarjetas restringido.

Gráfico B.12: Matriz de confusión y cálculo del KS, Gini y AUROC de la validación
OOS del modelo final de tarjetas restringido

Fuente: Elaboración propia

86
 1.2.2 Modelo de paquetes
Se importa la tabla input de paquetes y se ejecuta la regresión logística con todas las
variables explicativas como posibles predictoras.

Gráfico B.13: Código de SAS Studio para la primera iteración del modelo completo de
paquetes no restringido

Fuente: Elaboración propia

Gráfico B.14: Salida de SAS Studio para la primera iteración del modelo completo de
paquetes no restringido

Fuente: Salida de SAS Studio

87
Como se observa, tres de las variables explicativas presentan un p valor mayor al 5%;
por lo tanto, se realiza una segunda regresión logística sin considerar dichas variables. A
continuación, se presenta el código SAS.

Gráfico B.15: Código de SAS Studio para el modelo final de paquetes no restringido

Fuente: Elaboración propia

Gráfico B.16: Salida de SAS Studio para el modelo final de paquetes no restringido

Fuente: Salida de SAS Studio

Todas las variables poseen un p valor inferior al 5%, por lo que no se requiere una
iteración adicional.

Gráfico B.17: Matriz de confusión y cálculo del KS, Gini y AUROC del modelo final
de paquetes no restringido

88
 Fuente: Elaboración propia

A continuación, se presentan los cálculos realizados para la validación out of the sample
(OOS) del modelo final de paquetes no restringido.

Gráfico B.18: Matriz de confusión y cálculo del KS, Gini y AUROC de la validación
OOS del modelo final de tarjetas no restringido

Fuente: Elaboración propia

A continuación, se presentarán los códigos y documentación técnica involucrados en la

generación del modelo final de paquetes restringido (sin considerar datos alternativos).

Gráfico B.19: Código de SAS Studio para la primera iteración del modelo de paquetes
restringido

89
 Fuente: Elaboración propia

Gráfico B.20: Salida de SAS Studio para la primera iteración del modelo de paquetes
restringido

Fuente: Salida de SAS Studio

Como se observa, tres de las variables explicativas presentan un p valor mayor al 5%;
por lo que se ejecuta una segunda regresión logística sin considerar dichas variables. A
continuación, se presenta el código SAS.

Gráfico B.21: Código de SAS Studio para el modelo final de paquetes restringido

Fuente: Elaboración propia

Gráfico B.22: Salida de SAS Studio para el modelo final de paquetes restringido

90
 Fuente: Salida de SAS Studio

Dado que todos los p valores son inferiores al 5%, no se requiere una iteración
adicional.

Gráfico B.23: Matriz de confusión y cálculo del KS, Gini y AUROC del modelo final
de paquetes restringido

Fuente: Elaboración propia

A continuación, se presentan los cálculos realizados para la validación out of the sample
(OOS) del modelo final de paquetes restringido.

Gráfico B.24: Matriz de confusión y cálculo del KS, Gini y AUROC de la validación
OOS del modelo final de tarjetas restringido

91
 Fuente: Elaboración propia

1.2.3 Modelo de préstamos personales

Se importa la tabla input de préstamos personales y se ejecuta la regresión logística con
todas las variables explicativas como posibles predictoras.

Gráfico B.25: Código de SAS Studio para la primera iteración del modelo completo de
préstamos personales no restringido

Fuente: Elaboración propia

Gráfico B.26: Salida de SAS Studio para la primera iteración del modelo completo de
préstamos personales no restringido

92
 Fuente: Salida de SAS Studio

Como se observa, solamente diez de las variables explicativas presentan un p valor

inferior al 5%; por lo que se ejecuta una segunda regresión logística considerando
solamente dichas variables. A continuación, se presenta el código SAS.

Gráfico B.27: Código de SAS Studio para la segunda iteración del modelo completo de
préstamos personales no restringido

Fuente: Elaboración propia

Gráfico B.28: Salida de SAS Studio para la segunda iteración del modelo completo de
préstamos personales no restringido

93
 Fuente: Salida de SAS Studio

Hay una de las variables cuyo p valor es superior al 5%, por lo que se ejecuta una
iteración adicional sin considerar la misma.

Gráfico B.29: Código de SAS Studio para el modelo final de préstamos personales no
restringido

Fuente: Elaboración propia

Gráfico B.30: Salida de SAS Studio para el modelo final de préstamos personales no
restringido

Fuente: Salida de SAS Studio

Todas las variables presentan un p valor inferior al 5%, por lo que no se requiere una
iteración adicional.

94
Gráfico B.31: Matriz de confusión y cálculo del KS, Gini y AUROC del modelo final
de préstamos personales no restringido

Fuente: Elaboración propia

A continuación, se presentan los cálculos realizados para la validación out of the sample
(OOS) del modelo final de préstamos personales no restringido.

Gráfico B.32: Matriz de confusión y cálculo del KS, Gini y AUROC del modelo final
de préstamos personales no restringido

Fuente: Elaboración propia

95
A continuación, se detallan los códigos y documentación técnica involucrados en la
generación del modelo final de préstamos personales restringido.

Gráfico B.33: Código de SAS Studio para la primera iteración del modelo de préstamos
personales restringido

Fuente: Elaboración propia

Gráfico B.34: Salida de SAS Studio para la primera iteración del modelo de préstamos
personales restringido

Fuente: Salida de SAS Studio

Como se observa, solo ocho de las variables explicativas presentan un p valor por debajo
del 5%; por lo que se ejecuta una segunda regresión logística considerando solamente
dichas variables. A continuación, se presenta el código SAS.

Gráfico B.35: Código de SAS Studio para la segunda iteración del modelo de
préstamos personales restringido

96
 Fuente: Elaboración propia

Gráfico B.36: Salida de SAS Studio para la segunda iteración del modelo de préstamos
personales restringido

Fuente: Salida de SAS Studio

Hay una de las variables cuyo p valor es superior al 5%, por lo que se ejecuta otra
iteración sin considerar la misma.

Gráfico B.37: Código de SAS Studio para el modelo final de préstamos personales
restringido

Fuente: Elaboración propia

Gráfico B.38: Salida de SAS Studio para el modelo final de préstamos personales
restringido

Fuente: Salida de SAS Studio

97
Todas las variables presentan un p valor inferior al 5%, por lo que no se requiere otra
iteración.

Gráfico B.39: Matriz de confusión y cálculo del KS, Gini y AUROC del modelo final
de préstamos personales restringido

Fuente: Elaboración propia

Finalmente, se presentan los cálculos realizados para la validación out of the sample
(OOS) del modelo final de préstamos personales restringido.

Gráfico B.40: Matriz de confusión y cálculo del KS, Gini y AUROC del modelo final
de préstamos personales restringido

Fuente: Elaboración propia

98