Resumen-Modelos de Medición Del Riesgo Profe

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 3

Modelos de medición del riesgo, cobertura y aplicación

Credit Scoring
Estudio basado en la medición del riesgo para otorgar
financiamiento a las Entidades de Desarrollo de la Pequeña y
Micro Empresa (Edpyme).

Características

 Modelo que se traduce como el procedimiento estadístico


usado para clasificar a todos los clientes, tanto nuevos como
antiguos en riesgo “bueno y malo”.

 Guía para establecer el comportamiento que se va obtener


antes y después del crédito y se basa principalmente en la
posibilidad de desarrollar Métodos Basados en Calificaciones
Internas (IRB).

Variables Calcular la prima de riesgo, la pérdida esperada, la


pérdida inesperada o capital requerido, la tasa de interés adecuada
según el riesgo del cliente, y el cálculo de la rentabilidad ajustada
al riesgo.

Opciones de crédito en la banca según el método aplicado;

1. 1 Análisis discriminante

1. 2 Modelos de Probabilidad Lineal

1. 3 Modelos Logit

1. 4 Modelos de Programación Lineal

1. 5 Redes Neuronales y Árboles de Decisión

1. 6 "Opción de crédito para instituciones de microfinanzas",


cada uno con sus variables determinadas para adquirir el
crédito, pero todas enfocadas en el riesgo de impago en la
adquisición de microcréditos.
Características de cada modelo:

1.Análisis discriminante; Permite estudiar conjuntamente el


comportamiento de un grupo de variables independientes, su
finalidad es clasificar buenos y malos pagadores a la hora de
reembolsar un crédito. Sin embargo, presenta una desventaja ya
que, no se puede establecer la capacidad de pago de los clientes.

2.Modelos de Probabilidad Lineal; Este modelo utiliza un enfoque


basado en dos variables, donde (1) es para los clientes fallidos y (0)
para los clientes aprobados, estas variables se clasifican en cuatro
grandes grupos: liquidez, rentabilidad, apalancamiento y
actividad.

3.Modelos Logit; Los modelos de regresión logística permiten


calcular la probabilidad que tiene un cliente de no ser pagador o
pagador, teniendo como ventaja la medición de probabilidad de
incumplimiento aun manteniendo la variable entre 0 y 1.

4.Modelos de Programación Lineal; Permiten programar plantillas


o sistemas de asignación de rating sin perder de vista el criterio de
optimización de clientes correctamente clasificados.

5.Redes Neuronales; Formado por procesadores simples,


denominados nodos y entrelazados entre sí, siendo como punto de
inicio las variables de solicitud de crédito y como parte final, la
respuesta o aprobación del mismo, siendo analizada esta
información por un especialista.

6.Árboles de Decisión; Modelo que no está sujeto a supuestos


estadísticos a distribuciones o formas funcionales, reflejando
distintas formas de perfilar el riesgo.

COBERTURA Se vincula con el tamaño de la entidad, siendo


orientado a corporaciones empresariales y, en gran medida,
en las empresas medianas.

Por otra parte, las entidades de microfinanzas se acercan a


aquellos sectores de menor riqueza y a aquellas empresas de
menor dimensión, donde la obtención de una línea de crédito
presenta muchos más obstáculos.

MUESTRA El estudio se aplicó a una muestra de 5.451 créditos


que contenían la información completa y se basó en el
comportamiento de pago histórico de los clientes que realizaron
solicitudes dentro del periodo 1997-2005, esta información fue
extraída del sistema integrado de gestión de la institución, el cual
está basado en recopilar información cuantitativa y cualitativa
relativa a cada cliente en la fecha de la concesión del microcrédito.
Se dividió en 2 partes, siendo el 75% de los casos totales a la
estimación del modelo estadístico y el 25% restante a la validación
del mismo, del cual, todos fueron concedidos.

También podría gustarte