REVISTA DE MÉTODOS CUANTITATIVOS PARA LA

ECONOMÍA Y LA EMPRESA (33). Páginas 29-48.

Junio de 2022. ISSN: 1886-516X. D.L: SE-2927-06.
www.upo.es/revistas/index.php/RevMetCuant/article/view/5146

Modelación de riesgo de crédito de personas

naturales. Un caso aplicado a una caja de
compensación familiar colombiana
Rodríguez Guevara, David Esteban
Instituto Tecnológico Metropolitano de Medellín (Colombia)
Correo electrónico: davidrodriguez@itm.edu.co

Rendón García, Juan Fernando

Instituto Tecnológico Metropolitano de Medellín (Colombia)
Correo electrónico: juanrendon@itm.edu.co

Trespalacios Carrasquilla, Alfredo

Instituto Tecnológico Metropolitano de Medellín (Colombia)
Correo electrónico: alfredotrespalacios@itm.edu.co

Jiménez Echeverri, Edwin Andrés

Instituto Tecnológico Metropolitano de Medellín (Colombia)
Correo electrónico: edwinjimenez@itm.edu.co

RESUMEN
Los modelos de tipo Credit Score permiten a los analistas de crédito la
cuantificación de los riesgos que implican las operaciones de crédito, la
segmentación de afiliados y la recomendación de decisiones de otorgamiento o
rechazo de un crédito para personas naturales. Estos modelos buscan entregar la
información necesaria para inferir sobre las probabilidades de impago de un
afiliado, mediante la aplicación de técnicas paramétricas o no paramétricas. En
este trabajo se busca identificar cuáles de los siguientes modelos pueden ser más
apropiados para medir el riesgo de crédito de personas naturales en una caja de
compensación familiar ubicada en Colombia: Logit, Probit, Redes Neuronales o
Linear Support-Vector Machine. Los resultados obtenidos muestran que, si bien
los Linear Support Vector Machine pueden tener mejor desempeño, los modelos
Probit-Stepwise son igualmente útiles y tienen como ventaja la posibilidad de
interpretar los parámetros calibrados.

Palabras clave: riesgo de crédito, Logit, Probit, red neuronal, support vector machine.
Clasificación JEL: G21; C35; C45.
MSC2010: 91G40; 91G70.

Artículo recibido el 17 de julio de 2020 y aceptado el 2 de agosto de 2021.

29
 Natural People Credit Risk Modeling. An applied case
in a Colombian Family Benefit Fund

ABSTRACT

Credit score models quantify the risks in credit operations, customer

segmentation, and approve or reject requests to credit customers. These models
provide the necessary information to calculate the probabilities of default of any
customer through the application of parametric or non-parametric techniques.
This work identifies which model (Logit, Probit, Neural Networks, or Linear
Support-Vector Machine (L-SVM)) may be more appropriate to measure the
credit risk of individuals in a Family Benefit Fund located in Colombia. The
results show Linear Support Vector Machine produces better performance, but
Probit - Stepwise models are equally useful and they have the advantage of being
interpreting the calibrated parameters.

Keywords: Credit Risk, Logit Model, Probit Model, Neural Network, Support Vector
Machine.
JEL classification: G21; C35; C45.
MSC2010: 91G40; 91G70

30
1. Introducción

Las entidades financieras que tienen dentro de sus objetos sociales la colocación de créditos destinados
al desarrollo de actividades de inversión o necesidades de gastos de sus clientes, que pueden ser
personas naturales o jurídicas, se exponen al riesgo de crédito que Rodríguez y Trespalacios (2015)
describen como “la pérdida monetaria generada por la posibilidad de impago en la cartera de los
clientes” (p.2). Dentro del proceso de gestión del riesgo de crédito, se requiere establecer metodologías
para la toma de decisiones en la asignación de créditos a clientes, que tengan en cuenta las características
socioeconómicas de los clientes que puedan ser determinantes de posibles eventos de impago. Los
análisis por modelación discriminatoria de clientes basada en Credit Score, han sido utilizados
ampliamente para la medición del riesgo de crédito de un solicitante de crédito. Este tipo de análisis
parte de la selección y medición de las variables socioeconómicas determinantes del riesgo de crédito
que sirven como entrada a modelos de Credit Score que tienen como salida una variable dicotómica
asociada al evento de impago.

Los modelos de Credit Score se pueden aplicar en diferentes contextos que tienen en común la
necesidad de medir la probabilidad del evento impago a partir de cierta información socioeconómica
conocida del solicitante. Rayo et al. (2010) que tiene un enfoque sobre las entidades microfinancieras,
o el de Támara et al. (2018) que tiene un enfoque en el sector salud y los impagos en un hospital, son
ejemplos de aplicación de modelos de Credit Score en diferentes contextos. Dentro del sector financiero
- cooperativo enfocado en las cajas de compensación familiar, que a través de los años han podido tener
como productos de beneficio a los trabajadores “afiliados”, el otorgamiento de créditos. Según la
legislación colombiana son entidades que administran y pagan el subsidio familiar (Ley 21, 1982).

Para los casos de aplicación de modelos probabilísticos en entidades de carácter financiero, se

realiza una revisión teórica de los conceptos y metodologías aplicables al Credit score con los trabajos
de Saavedra-García y Saavedra-García (2010), Abdou y Pointon (2011) y Rodríguez et al. (2017), que
muestran una clasificación teórica de los tipos de modelos utilizados, dentro de los que se encuentran:
1) modelos paramétricos, 2) modelos no paramétricos y 3) modelos mixtos o metodologías mezcladas.
Adicionalmente, Melo-Velandia y Becerra-Camargo (2005), Saavedra-García y Saavedra-García
(2010), Abdou y Pointon (2011), Rodríguez et al. (2017) y Támara et al. (2018) indican que los métodos
usados con mayor frecuencia por su efectividad y facilidad de realización son los modelos paramétricos;
asimismo, Moreno y Melo (2011) demuestran que los modelos paramétricos son más fáciles de leer,
pero pueden tener problemas de ajuste en el pronóstico, en comparación con los modelos no
paramétricos que muestran una mejor respuesta de ajuste, pero mayor dificultad en su interpretación.

En contraste, los modelos no paramétricos son usados y recomendados por autores como Desai
et al. (1996), Zhai y Russell (1999), Pérez y Fernández (2007), Sustersic et al. (2007), Zhou et al. (2009),
Martens et al. (2010), Soydaner y Kocadağlı (2015) y Millán-Solarte y Caicedo-Cerezo (2018), quienes
en la mayoría de los casos usan redes neuronales que procesan la información con el fin de minimizar
los errores en las discriminaciones, validándose bajo los mismos criterios que los modelos paramétricos
para medir su desempeño. Justamente, este criterio ha llevado a la pregunta de cuál puede ser la
metodología óptima para aplicar en una medición de Credit score, y es que los autores anteriores no
identifican objetivamente cuáles de estos modelos son más apropiados para utilizar, como lo explican
Melo y Granados (2011), todas las metodologías tienen pros y contras en el desarrollo y en la
comprensión de los resultados haciendo ambigua esta decisión; pero Thomas et al. (2002), Anderson
(2007), Hosmer et al. (2013), Hilbe (2015) y Trejo et al. (2017) destacan la inclusión de pruebas de
bondad de ajuste comparables bajo ciertos criterios de evaluación, con el fin de identificar el mejor
modelo. Un ejemplo de estas pruebas lo constituyen el AUC-ROC y las tablas de confusión.

Tiendo en cuenta las anteriores consideraciones, este trabajo realiza una evaluación y posterior
selección de metodologías paramétricas y no paramétricas para la estimación de la probabilidad de
impago de personas naturales en una caja de compensación familiar en Colombia con una base de datos
de 13.091 afiliados con información del 2018. Los modelos que se evalúan en este estudio son modelos
Logit, Probit, Redes Neuronales y Maquinas de Soporte Vectorial lineales (L-SVM, por su sigla en

31
inglés Linear-Support Vector Machine), usando metodologías de Salazar (2013), Ochoa et al. (2010),
Moreno (2013) y Moreno y Melo (2011). Los resultados obtenidos muestran que los modelos Logit,
Probit, Redes Neuronales y L-SVM estimados no presentan diferencias significativas en los criterios de
bondad de ajuste mostrando valores superiores a 90% en AUC-ROC y valores superiores a 80% en
Gini, lo que implica un alto desempeño, mientras que el modelo de Red Neuronal presenta desempeño
inferior en términos de ajuste con un criterio de AUC-ROC inferior al 90% y un valor GINI inferior al
80%. Si bien el modelo L-SVM tuvo el mejor desempeño, los modelos Probit, con selección de variables
mediante proceso de optimización Stepwise, son igualmente útiles y tienen como ventaja la posibilidad
de interpretar los parámetros calibrados. Teniendo en cuenta los criterios de Moreno y Melo (2011) de
flexibilidad e interpretación se hace la elección final enfocada en la necesidad de la entidad.

Para entender el procedimiento en este trabajo se hace una descripción del estado del arte tanto
en las metodologías de cálculo como en la definición de riesgo de crédito. Luego se muestra la
metodología aplicada y la especificación de cada uno de los modelos matemáticos analizados.
Posteriormente se realiza una descripción del conjunto de datos facilitados por la caja de
compensación familiar colombiana. Finalmente se presentan los resultados obtenidos, las conclusiones
y las recomendaciones para trabajos futuros.

2. Evaluación de riesgo de crédito por modelos probabilísticos

La gestión de riesgo de crédito permite a las entidades asegurar de la mejor forma su posible inversión
enfocada en los clientes reduciendo el riesgo de castigo de cartera, como lo describen Anderson (2007)
y Rodríguez et al. (2017) esta gestión requiere de la implementación de un proceso que va desde la
evaluación crediticia de los individuos, hasta la recuperación y la pérdida de la cartera; para ello, el
marco general de los procesos de riesgo de crédito involucra la vinculación, la medición, la cobranza,
la cobertura y el seguimiento. Y es justamente en el proceso de medición que la modelación del Credit
Score permite dar un valor de identificación en la mayoría de las veces porcentual a un cliente por sus
variables socioeconómicas que identifican si puede o no generar riesgo de impago (basado en respuestas
binarias) al mismo portafolio.

La implementación, los parámetros y las condiciones de los modelos de Credit Score como lo
describen Melo-Velandia y Becerra-Camargo (2005), Saavedra-García y Saavedra-García (2010),
Abdou y Pointon (2011), Rodríguez et al. (2017) están sujetos a la naturaleza de la base de datos de los
clientes o afiliados; son estos últimos los que determinan qué signo o qué camino van a tomar los
análisis de variables según se constituya la información de las entidades analizadas, e incluso, el hecho
que existan tipos de personas (personas naturales o jurídicas) en los análisis, puede afectar los resultados
esperados, pero que pueden ser justificados ampliamente con previo estudio de dichas variables. Es por
esto por lo que Basilea II y Basilea III dan libre albedrío al uso de la metodología de análisis a fin de
llegar a un resultado que favorezca tanto a la entidad como al afiliado, siempre y cuando se tengan en
cuenta las condiciones de las variables, las políticas empresariales y los objetivos del análisis de riesgo
que se desea desarrollar.

Sobre su evolución metodológica, los análisis de Credit Score se pueden distribuir en tres etapas
de tiempo. El primero comprende los inicios de los modelos de análisis discriminatorio (desde los años
30 hasta los años 60), que son modelos de riesgo post guerra aplicados a la medición de probabilidad
de bancarrota de entidades bancarias tomando en cuenta variables de rubro empresarial, como así lo
demuestran los trabajos de Fisher (1936) y Myers y Forgy (1963).

La segunda etapa se inicia con Altman (1968) que abordó mejoras en los procesos anteriores,
identificando por medio de LDA (Linear Discriminatory Analysis) un modelo lineal que entrega un
puntaje de referencia para quiebras (Z-Score) por medio de análisis parámetrico. Este fue el inicio de
los modelos de Credit Score que se convirtieron con el tiempo en modelos específicos para la medición
de riesgo de crédito para clientes. Posteriormente Orgler (1970), Apilado et al. (1974) y Altman (1980)

32
demostraron que dichos modelos lineales son eficientes en la revisión de los parámetros adicionando la
probabilidad de éxito (usando variables dicotómicas) y variables socioeconómicas a los modelos para
determinar el riesgo de impago de un afiliado de carácter natural a los análisis.

El tercer escenario se puede mencionar en los estudios que se enfocan en los procesos de
exploración de modelos paramétricos similares, como lo demuestran Rodríguez et al. (2017),
desarrollados en su mayoría por Glorfeld (1990), Lipovetsky y Conklin (2004), Roszbach (2004),
Gonçalves y Braga (2008), Olagunji & Ajiboye (2010), Constangioara (2011), Melo & Granados
(2011), Mures et al. (2011), Palacio et al. (2011), Webster (2011), Chaudhuri y Cherical (2012), Puertas
y Marti (2012), Moreno (2013), Rodríguez y Trespalacios (2015) y Trejo et al. (2017) los cuales
trabajan con modelos Logit, Probit, Tobit, Multinomiales, Logit Mixtos, Modelos Lineales
Probabilísticos (MLP), Modelos Lineales Discriminatorios (LDA), Modelos Least - Absolute - Value
(LAV), que tienen como elemento práctico ser fáciles de recrear, analizar y operar.

Así mismo, como una variante de este último escenario a su vez, los modelos no paramétricos
muestran una diferencia sustancial con los trabajos de Desai et al. (1996), Zhai & Russell (1999), Pérez
y Fernández (2007), Sustersic et al. (2007), Zhou et al. (2009), Martens et al. (2010) y Soydaner y
Kocadağlı (2015) que usan métodos de minimización de error por iteración y creación generacional a
fin de encontrar el mejor modelo aplicado. Para estos trabajos se encuentran modelos de redes neurales
de tipo genético, modelos de Fuzzy Logic, Support Vector Machines, arboles binomiales y modelos
híbridos como modelos CART o modelos de segmentación CHAID.

3. Metodología aplicada

La modelación econométrica de riesgo de crédito aplicada está basada en el desempeño histórico de

una canasta de afiliados que en términos de Anderson (2007) y Hosmer et al. (2013) se pueden realizar
con tiempo estático asumiendo que todos los usuarios de dicha base de información son clientes activos
inmediatos de una entidad por evaluar. Los enfoques elegidos para determinar un modelo apropiado
discriminatorio binomial se soportarán de modelos Logit, Probit, redes neuronales y Linear - Support
Vector Machine como se observan en trabajos de estilo comparativo de Akkoç (2012) o de Moreno y
Melo (2011) que usan criterios estadísticos de bondad de ajuste para medir qué modelo fue óptimo
comparativamente. Para esta selección, se tendrán en cuenta los criterios de bondad de ajuste adecuados
por Hosmer et al. (2013), Anderson (2007) y Moreno y Melo (2011) para el manejo y elección del
modelo óptimo.

3.1 Análisis estadístico previo

Para garantizar una calibración sin sesgo, es indispensable usar los criterios descritos por Anderson
(2007), donde se realiza una previa revisión estadística de las variables socioeconómicas presentes en
la base de datos con la que se realiza el modelo. Para ello, se requiere como insumo básico la
información de los clientes o afiliados, verificando que exista una cantidad de clientes que identifiquen
el criterio actual de calificación de crédito, ejecutado con la mayor cantidad de variables que lo
describan; esta información proviene de la institución financiera analizada. Una vez obtenida la
información, se realiza una revisión de estadística descriptiva en variables cuantitativas y cualitativas,
a fin de establecer si las series presentan datos atípicos que deban ser corregidos, o es posible identificar
el tipo de distribución que posea cada variable; adicionalmente, estos análisis son útiles para hacer
transformaciones a las series de variables cuantitativas para contemplar reducción de información o
cambios de estructura en su análisis y pasarlas a variables cualitativas. Frente a los análisis de series
cualitativas, solo se requiere identificar el porcentaje que corresponde cada categoría de la variable
analizada frente a la variable 𝑌𝑌i. Estos análisis en conjunto permiten identificar la naturaleza del signo
esperado en la modelación según la naturaleza de la base de información.

33
 Posteriormente, es necesario realizar un análisis de correlación o colinealidad de todas las
variables incluyendo a la variable 𝑌𝑌𝑖𝑖, para ello, Anderson et al. (2008) sugieren realizar análisis de
correlación de Pearson para variables cuantitativas; si las variables presentan alto nivel de correlación
se sugiere eliminar dichas variables. Respecto a las variables cuantitativas Taylor y Chappell (1980)
sugieren una variante de análisis de correlación para variables categóricas conocida como lambda (𝜆𝜆)
de Goodman- Kruskal. Una vez identificadas las variables con bajo nivel de similitud, se identifica por
medio de gráficas de análisis jerárquico y dendogramas la importancia de dichas variables según su
respuesta frente a la variable 𝑌𝑌𝑖𝑖,, una herramienta útil para verificar la idoneidad en la significancia
estadística de cada variable previa a la calibración de los modelos.

3.2 Modelo LOGIT

Los modelos Logit realizan la transformación de un modelo lineal probabilístico multivariado de tal
forma que la probabilidad de impago del afiliado esté acotada entre valores de cero y uno; esto se logra
a través de una distribución logística estándar o sigmoide. Si 𝑃𝑃i es la probabilidad de impago del afiliado
i y puede ser descrita por un modelo tipo Logit, puede ser calculada con la ecuación [1], con
𝑥𝑥1𝑖𝑖 , 𝑥𝑥2𝑖𝑖 , … , 𝑥𝑥𝑘𝑘𝑘𝑘 las variables que explican el comportamiento de pago del afiliado.

1
𝑃𝑃𝑖𝑖 (𝑌𝑌 = 1 | 𝑋𝑋𝑖𝑖𝑖𝑖 ) = −𝑧𝑧𝑖𝑖 ; 𝑧𝑧𝑖𝑖 = 𝛽𝛽0 + 𝛽𝛽1 𝑥𝑥1𝑖𝑖 + 𝛽𝛽2 𝑥𝑥2𝑖𝑖 + ⋯ + 𝛽𝛽𝑘𝑘 𝑥𝑥𝑘𝑘𝑘𝑘 [1]
1 + 𝑒𝑒𝑖𝑖

Los parámetros 𝛽𝛽1 , 𝛽𝛽2 , … , 𝛽𝛽𝑘𝑘 explican la sensibilidad de incremento o decremento del riesgo que
tiene el movimiento de cada variable explicativa sobre la probabilidad de pago. Un valor positivo de 𝛽𝛽𝑖𝑖
implica que, cuando la variable 𝑥𝑥𝑖𝑖 aumenta para el individuo 𝑖𝑖, aumenta la probabilidad de impago del
individuo 𝑖𝑖.

3.3 Modelo PROBIT

Como los modelos Logit, los modelos Probit transforman un modelo lineal probabilístico a través de
una transformación de distribución de probabilidad acumulada en una distribución normal estándar. Si
𝑃𝑃𝑖𝑖 es la probabilidad de impago del afiliado 𝑖𝑖 y puede ser descrita por un modelo tipo Probit y puede
ser calculada con la ecuación [2], con 𝑥𝑥1𝑖𝑖 , 𝑥𝑥2𝑖𝑖 , … , 𝑥𝑥𝑘𝑘𝑘𝑘 las variables que explican el comportamiento de
pago del afiliado.
𝐼𝐼𝑖𝑖 𝑍𝑍 2
1
𝑃𝑃𝑖𝑖 (𝑌𝑌 = 1 | 𝑋𝑋𝑖𝑖𝑖𝑖 ) = 𝐹𝐹(𝑥𝑥) = � 𝑒𝑒 2𝜎𝜎2
𝑑𝑑𝑑𝑑; 𝐼𝐼𝑖𝑖
�2𝜋𝜋𝜎𝜎𝐼𝐼2 −∞ [2]
= 𝛽𝛽0 + 𝛽𝛽1 𝑥𝑥1𝑖𝑖 + 𝛽𝛽2 𝑥𝑥2𝑖𝑖 + ⋯ + 𝛽𝛽𝑘𝑘 𝑥𝑥𝑘𝑘𝑘𝑘

Similar a la condición en los modelos tipo Logit, los parámetros 𝛽𝛽1 , 𝛽𝛽2 , … , 𝛽𝛽𝑘𝑘 , en el modelo
Probit, explican el aporte que tiene el movimiento de cada variable explicativa sobre la probabilidad de
impago. Un valor positivo de 𝛽𝛽𝑖𝑖 implica que, cuando la variable 𝑥𝑥𝑖𝑖 aumenta, para el individuo 𝑖𝑖,
aumenta la probabildad de impago del individuo 𝑖𝑖.

3.4 Modelo de Red Neuronal (RN)

Este modelo hace uso de una red con centroide logístico con número de capas y número de nodos
variables. En la ecuación [3] se presenta la especificación matemática para una red neuronal de una
capa que define la probabilidad de impago de un afiliado 𝑓𝑓𝑘𝑘 (𝑥𝑥), a partir de N variables exógenas 𝑥𝑥𝑖𝑖 . En
la ecuación [3], 𝛼𝛼 representa el cambio de nivel, wik son los parámetros de peso que y 𝑓𝑓0 la función de
transformación.

34
 𝑁𝑁

𝑓𝑓𝑘𝑘 (𝑥𝑥) = 𝑓𝑓0 �𝛼𝛼 + � wik 𝑥𝑥𝑖𝑖 � [3]

𝑖𝑖=1

3.5 Linear Support-vector Machine - L-SVM

Esta representación, que se muestra en la ecuación [4], se corresponde con un clasificador. Este
algoritmo entrega el hiperplano óptimo para segmentar la muestra. En la ecuación [4], 𝑤𝑤 es un vector
que contiene los pesos, 𝑥𝑥 es una matriz (que tiene tantas filas como observaciones y tantas columnas
como variables) que contiene las 𝑁𝑁 variables exógenas con todas sus observaciones y 𝑏𝑏 elvector
de intercepto. El resultado obtenido del hiperplano y del signo define la posición de la variable
dicotómica ajustada: se define +1 para identificar las personas que generan impago, -1 para identificar
las personas que no lo generan.

𝑤𝑤 𝑇𝑇 𝑥𝑥 + 𝑏𝑏 ≥ +1, 𝑠𝑠𝑠𝑠 𝑦𝑦𝑘𝑘 = +1

𝑦𝑦(𝑥𝑥) = 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠(𝑤𝑤 𝑇𝑇 𝑥𝑥 + 𝑏𝑏); � [4]
𝑤𝑤 𝑇𝑇 𝑥𝑥 + 𝑏𝑏 ≤ −1, 𝑠𝑠𝑠𝑠 𝑦𝑦𝑘𝑘 = −1

3.6 Estimación y calibración de los modelos

El proceso de estimación utiliza dos conjuntos de datos, el primero se denomina datos de entrenamiento
(Train data) y el segundo, datos de verificación (Test data), coherente con las propuestas realizadas por
Hosmer et al. (2013) y Moreno (2013). El conjunto de entrenamiento que corresponde con el 80% de
las observaciones disponibles, es seleccionado de forma aleatoria y utilizado para estimar los
parámetros del modelo; mientras que el 20% restante de la información pertenece al conjunto de
verificación, con el que se hace la validación del desempeño del modelo estimado.

Con el conjunto de entrenamiento, para los modelos Logit, Probit se selecciona el conjunto de
variables explicativas utilizando el proceso “Stepwise - backforward” que permite agregar cada variable
e internamente se analiza con criterios de información AIC y BIC (Akaike y Schwartz) cuyo resultado
es que el mejor modelo corresponde al de menor valor. En el caso de la red neuronal y el L-SVM, el
conjunto de entrenamiento es utilizado no solo para estimar los pesos del modelo sino también para
obtener el numero óptimo de nodos y número de capas, mediante un proceso de análisis iterativo que
permita así mismo encontrar el menor valor de criterio de información.

Los modelos óptimos presentan variables totalmente significativas y que no muestran

coeficientes excesivamente sensibles; si esto se presenta significa que la calibración del modelo todavía
presenta variables colineales con la variable 𝑌𝑌𝑖𝑖 . En algunos casos, las variables cualitativas, al tener
varias categorías, pueden presentar categorías con más datos que otras, afectando su significancia
individual en la prueba de Wald, pero no afectando su significancia en el modelo; para ello se somete
al análisis de criterios de información AIC - BIC con el fin de conocer el impacto de la variable en el
modelo y posteriormente ordenar las categorías evidenciando su real significancia individual.

3.7 Análisis de bondad de ajuste de los modelos estimados

Para el análisis de bondad de ajuste de los modelos Credit Score, Hosmer et al. (2013) y Anderson
(2007) sugieren el uso de la curva AUC-ROC (Area Under the Curve of Reciever Operating
Characteristic), el coeficiente de GINI y la matriz de confusión (“confusión matrix”) y determinan los
valores de aceptación críticos. Por ejemplo, en términos de desempeño de la función discriminante de
un modelo de Credit Score. Hosmer et al. (2013) establece que el valor mínimo del AUC para que el
modelo sea aceptado es del 80%. Un criterio similar para la evaluación del desempeño de los modelos
de Credit Score es el coeficiente de GINI, entendido como una métrica de variable real definida en el
intervalo [0,1], donde 0 se refiere a un modelo totalmente aleatorio en la discriminación y 1 un modelo
que discrimina la información de forma perfecta. Por otro lado, la matriz de confusión permite medir la
capacidad que tiene el modelo para clasificar verdaderos positivos y verdaderos negativos a través de

35
la sensibilidad y la especificidad respectivamente. Cuanto más se aproximen estas métricas al 100%,
mejor desempeño presenta el modelo estimado.

4. Aplicación y resultados

El siguiente apartado muestra el proceso de desarrollo de los modelos estimados desde la elección de
variables, hasta la resolución de elección del modelo óptimo para la base de clientes analizada.

4.1 Descripción de los datos

La información obtenida para este estudio corresponde a la cartera de afiliados del año 2018, compuesta
por 13.091 registros de personas naturales con clientes activos hasta ese año, de una Caja de
Compensación Familiar del departamento de Caldas en la República de Colombia. Con el ánimo de
identificar la relevancia de las variables sobre el comportamiento de cultura de pago de los afiliados, se
trabaja con las siguientes variables: el plazo de la deuda, la tasa de interés pactada, el tiempo laboral, la
edad de la persona, el score interno, el índice de rotación y el número de personas a cargo, que aparecen
en la Tabla 1. Respecto a las variables cualitativas se encuentran: producto, tipo de trabajo, tamaño de
la empresa a la que está vinculado el afiliado, nivel educativo, estado civil, score en CIFIN (entidad que
evalúa la historia crediticia de las personas en todo el sistema financiero colombiano), nivel de salario,
franja de morosidad, agencia, tipo de vivienda, tipo de contrato, calificación de provisión y estrato. La
asignación de categorías a cada una de estas variables se presenta en la Tabla 2.

Tabla 1. Estadística descriptiva información cuantitativa.

Variable min max mean std.dev coef.var

Plazo 1 96 32.84 20.7 0.63
Tasa de Interés 5.2 25.2 16.98 4.15 0.24
Tiempo Laboral 0 415.6 76.5 75.16 0.98
Información Edad 19 82 39.42 9.07 0.23
total Score Interno 0 95 65.46 17.3 0.26
Índice Rotación 0 1 0.21 0.17 0.82
Personas a Cargo 0 8 1.76 1.33 0.76
Tipo de Afiliación 0 443 69.89 74.12 1.06
Plazo 1 96 23.02 15.59 0.67
Tasa de Interés 5.8 24 17.42 3.49 0.2
Información Tiempo Laboral 0 361.3 30.99 53.2 1.71
de afiliados Edad 20 82 38.85 9.38 0.24
que
generaron Score Interno 0 90 36.21 32.44 0.89
riesgo Índice Rotación 0 1 0.34 0.28 0.81
Personas a Cargo 0 6 0.57 1.11 1.94
Tipo de Afiliación 0 387 45.77 51.6 1.12

Nota: Los siguientes son las descripciones de las variables en su orden. 1. Plazo, tiempo acordado por las partes
para amortizar el crédito (en meses). 2. Tasa de Interés, tasa acordada por la entidad (efectiva anual). Tiempo
Laboral, tiempo de trabajos consecutivos en la empresa (en meses). 4. Edad, años de vida del afiliado. 5. Score
Interno, calificación de créditos anteriores de la entidad del afiliado. 6. Índice de Rotación, es la rotación laboral
descrita por la entidad del afiliado. 7. Personas a Cargo, cantidad de personas que dependen del afiliado. 8. Tipo
de Afiliación del afiliado a la entidad. Estas son variables de real importancia para el estudio y se omiten las
estadísticas de las variables descartadas posteriormente en la figura 1b.
Fuente: Elaboración propia.

36
 Tabla 2. Estadística descriptiva información cualitativa y porcentaje de impagos por categoría.

Categoría Total Si R % No R % Categoría Total Si R % No R %

Producto Franja de Morosidad
Familiares 6955 494 7 6461 93 Al día 11782 0 0 11782 100
Educación 2422 237 10 2185 90 1_30 367 0 0 367 100
Vivienda 1450 78 5 1372 95 31_60 89 89 100 0 0
Compra cart 1386 33 2 1353 98 61_90 55 55 100 0 0
Salud 440 21 5 419 95 91_180 90 90 100 0 0
Recreación 183 8 4 175 96 181_360 122 122 100 0 0
(Otro) 255 71 28 184 72 360_mas 586 586 100 0 0
Tamaño Empresa Tipo de Vivienda
Grande 6281 349 6 5932 94 Alquiler 3866 376 10 3490 93
Mediana 3245 168 5 3077 95 Familiar 4915 346 7 4569 91
Pequeña 2783 274 10 2509 90 Propia 4269 181 4 4088 85
Micro 782 151 19 631 81 Sin_info 41 39 95 2 89
Nivel Educativo Agencia
Ninguno 21 1 5 20 95 Manizales 10689 706 7 9983 93
Primaria 756 100 13 651 87 Chinchiná 537 49 9 488 91
Secundaria 5790 497 9 5235 91 La Dorada 534 82 15 452 85
Pregrado 3230 166 5 3048 95 Riosucio 383 44 11 339 89
Tecni/tecn 2817 133 5 2666 95 Villamaría 255 13 5 242 95
Postgrado 536 8 1 527 99 Supia 198 21 11 177 89
Sin_info 39 37 95 2 5 (Other) 495 27 5 468 95
Estado Civil Tipo Contrato
Casado 3271 178 5 3093 95 Carre_adm 636 20 3 616 93
Separado 332 17 5 315 95 Obra labor 2131 400 19 1731 91
Soltero 5476 361 7 5115 93 Otros 230 49 21 181 85
Unión libre 3976 383 10 3593 90 Term fijo 5275 346 7 4929 89
Viudo 36 3 8 33 92 Term ind 4819 127 3 4692 85
Score_CIFIN Tipo de Empresa
< 400 1301 176 14 1125 86 Publica 1586 80 5 1506 95
400-699 900 121 13 779 87 Privada 10986 733 7 10253 93
> 700 2063 109 5 1954 95 Mixta 263 2 1 261 99
sin_info 8827 536 6 8291 94 sin_info 256 127 50 129 50
Calificación provisión crediticia Estrato Social
A 12145 0 0 12145 93 e0 126 14 11 112 93
B 91 87 96 4 91 e1 1691 122 7 1569 91
C 56 56 100 0 85 e2 4751 301 6 4450 85
D 91 91 100 0 89 e3 4127 182 4 3945 89
E 708 708 100% 0 85 e4 641 17 3 624 85
Categoría Salario Afiliado e5 142 3 2 139 83
< 2 SMLV 9833 865 9 8968 91 e6 106 3 3 103 81
2-4 SMLV 2552 62 2 2490 98 sin_info 1507 300 20 1207 80
> 4_SMLV 706 15 2 691 98
Nota: Los siguientes son las descripciones de las variables en su orden. 1. Producto, refiere al producto crediticio
obtenido. 2. Franja de Morosidad, muestra el tiempo que ha tenido un afiliado 𝑖𝑖 en demora de pago. 3. Tamaño
Empresa, se refiere al tamaño empresarial decreto 957/2019 en donde trabaja el afiliado 𝑖𝑖. 4. Tipo Vivienda, indica
el tipo de residencia del afiliado 𝑖𝑖. 5. Nivel Educativo, muestra el nivel educativo alcanzado por el afiliado. 6.
Agencia, sede donde se firma el contrato de préstamo del afiliado. 7. Estrato Civil, estrato civil del afiliado. 8.
Tipo de Contrato, Tipo de contrato actual del afiliado. 9. Score CIFIN, muestra el calificativo manejado por CIFIN
(Central de Información Financiera). 10. Tipo de Empresa. Tipo de sociedad según propiedad de capital. 11.
Calificación Provisión Crediticia, se refiere a la calificación crediticia dada por una entidad de riesgos. 12. Estrato,
estrato social en el que reside el afiliado.
Fuente: Elaboración propia.

37
4.2 Análisis estadístico previo (elección de variables optimas)

Para el desarrollo de este apartado, se secciona el análisis en dos estadíos, siendo el estadío 1) el
análisis de variables cuantitativas. Para este procedimiento se efectúa el análisis de correlación de
Pearson de variables descrito en la metodología y cuyos resultados se aprecian en la Figura 1.a: las
variables que presentaran valores superiores a |0.5| fueran nuevamente revisados y posteriormente
descartados verificando su relación entre sí. Las variables que no tienen amplios niveles de correlación
se presentan en la Figura 1.b.

Se debe aclarar entonces que las variables meses de mora y score interno, solo presentan
correlación nominal, no estructural, debido a que trabajan inversamente según el tiempo que tenga el
afiliado en vigencia en la entidad, lo que las hace similares y, por tanto, no se deben excluir mutuamente;
lo mismo sucede con el plazo y la tasa de interés, que parece mostrar una correlación negativa (a mayor
plazo, menor tasa de interés).

El estadío número 2) hace referencia al análisis de variables cualitativas. Para determinar la

correlación en las variables cualitativas se utiliza la lambda (𝜆𝜆) de Goodman - Kruskal, que consiste en
un método similar de correlación basándose en tablas de contingencia, usando los mismos valores de
correlación [−1,1]. Las variables que se descartan por su alta correlación entre ellas son: franja de
morosidad, calificación de provisión, calificación interna afiliado, forma de pago, estado del saldo
y agencia y zona, como se muestra en la Tabla 3.

Figura 1. Graficas de correlaciones entre variables cuantitativas.

(a) (b)
Fuente: Caja de compensación Familiar (2019).

Para finalizar el proceso de elección de variables, se vuelve a establecer una prueba de correlación
de lambda (𝜆𝜆) de Goodman – Kruskal, para las variables cuantitativas y cualitativas depuradas para
verificar una posible correlación entre los tipos de variables. A partir de este se encuentra que las
variables óptimas para los modelos son: Agencia, Clasificación salarial afiliado, Edad, Educación,
Estado civil, Estado de la empresa, Estrato, Forma de pago, Género, Índice de rotación, Personas a
Cargo, Plazo, Producto, Score CIFIN, Score Interno, Tamaño de empresa, Tiempo laboral, Tipo de
contrato, Tipo de empresa y Tipo de vivienda.

38
 Tabla 3. Correlación entre variables cualitativas.

Franja Calificación Calificación Estado Forma

Variables Zona 𝑌𝑌𝑖𝑖
Morosidad provisión interna Saldo Pago
Franja
99% 58% 93% 100%
Morosidad
Calificación
62% 58% 92% 100%
provisión
Calificación
40% 64% 72% 74%
interna
Estado
45% 74% 53% 75%
Saldo
Agencia 100%
Rango
60%
Financiado
Nota: Las celdas en blanco referencian valores inferiores a 50% de correlación. Solo se muestran las
variables que reflejaron valores superiores a 50%.
Fuente: Elaboración propia.

Por medio del dendograma de jerarquización de información, que permite visualizar el nivel de
importancia de las variables, en su orden el primer grupo de variables se compone de tipo de contrato,
tipo de vivienda, educación, score interno y estado de la empresa; el segundo grupo se compone de
estado civil, tamaño de la empresa, tiempo laboral, edad y score CIFIN; el tercer grupo incluye agencia
/ zona, estrato social, personas a cargo y género; y el cuarto grupo se compone de forma de pago, plazo,
producto, índice de rotación, categorial salarial del afiliado y tipo de empresa, esto con el fin de
identificar qué variables tienen un impacto importante en los parámetros del modelo y así descartar los
que estadísticamente no cumplan condiciones de calibración.

Figura 2. Dendograma de las variables, proceso de jerarquización de variables.

Fuente: Caja de compensación Familiar (2019).

4.3 Estimación y resultados de los modelos

De la información suministrada con 13,091 registros, con el 7.19% de estos representando afiliados en
condiciones de no pago de sus obligaciones -Default. La Tabla 4 muestra cómo esta información se
divide en proporción 70%/30% para identificar la serie de información aleatoria del “Data Train” y del
“Data Test” para calcular y probar la eficacia de los modelos.

39
 Tabla 4. Datos usados para realizar el estudio de los modelos.

Data No Default Default Total

N 12149 942 13091
Train Data 8513 649 9162
Test Data 3636 293 3929
Fuente: Caja de compensación Familiar (2019).

Respecto a los resultados de los modelos, la Tabla 5 muestra los resultados de los parámetros de las
variables evaluadas en cada tipo de modelo. Se evidencia que, en su mayoría las variables identificadas
previamente para los modelos paramétricos fueron eficientes, identificando que las variables:
educación, tipo de vivienda y zona no son significativas y se pueden descartar; sin embargo, en el caso
de los modelos No Paramétricos, todas las variables muestran efecto de manejo.

Tabla 5. Modelos Calibrados con Train Data.

Logit Probit L-SVM Neural Network

Variables Categoría
𝛽𝛽̂ P-value 𝛽𝛽̂ P-value W Hidden1 Hidden2
Intercept 5.095 0.000 2.088 0.000 -0.13 1.423 0.739
Categoría Salarial Hasta_2_smlv ----- ----- 0.222 0.027 1.343 0.253
2904.94
Afiliado Mas_4_smlv ----- ----- -0.079 0.722 -11.915 0.061
Edad -0.014 0.041 ----- ----- 57035.06 -6.144 -0.185
Posgrado ----- ----- ----- ----- 3.383 2.685
Pregrado ----- ----- ----- ----- 9.461 -1.712
Educación Primaria ----- ----- ----- ----- 6891.65 16.235 -2.024
Secundaria ----- ----- ----- ----- -6.056 -1.855
Técnico/tecnólogo ----- ----- ----- ----- -0.081 -1.832
Casado -0.247 0.145 -0.145 0.072 4.519 0.231
Soltero -0.834 0.000 -0.440 0.000 -5.591 0.314
Estado civil 4581.49
Separado -1.151 0.006 -0.698 0.001 15.747 0.106
Viudo -0.332 0.709 -0.271 0.547 8.622 -0.124
0 -0.156 0.735 -0.104 0.658 -5.138 -1.636
1 -0.810 0.000 -0.440 0.000 6.394 -0.04
2 -0.904 0.000 -0.456 0.000 -0.726 0.307
Estrato social 3 -0.981 0.000 -0.512 0.000 5246.04 5.872 0.292
4 -1.050 0.005 -0.497 0.005 -9.65 0.396
5 -1.558 0.145 -0.866 0.112 -5.847 0.453
6 -1.199 0.124 -0.605 0.138 6.427 0.41
Género Masculino 0.621 0.000 0.302 0.000 2390.03 12.415 -0.443
Índice Rotación 0.705 0.019 0.412 0.008 433.78 21.006 2.983
Personas a cargo -0.926 0.000 -0.449 0.000 1354.14 8.468 2.042
Plazo -0.060 0.000 -0.028 0.000 32441.2 -10.791 -3.67

40
 Compra cartera -0.427 0.224 -0.229 0.209 -2.831 -0.08
Educación -0.638 0.017 -0.370 0.009 -12.471 0.259
Familiares -0.868 0.000 -0.490 0.000 -6.7 0.284
Producto 4888.56
Recreación -2.212 0.003 -1.108 0.003 4.74 -0.135
Salud -1.175 0.004 -0.660 0.002 1.096 0.677
Vivienda -1.022 0.001 -0.599 0.000 5.97 0.213
Score Interno -0.055 0.000 -0.028 0.000 96137.45 -7.12 4.424
Menor_400 1.000 0.000 0.488 0.000 6.074 -0.442
Score CIFIN 400_699 1.012 0.000 0.523 0.000 2470.03 -11.394 -0.422
Mayor_700 0.707 0.000 0.340 0.000 -2.14 -0.021
Pequeña -0.498 0.011 -0.268 0.008 -0.411 0.088
Tamaño
Mediana -0.723 0.000 -0.416 0.000 3453.98 0.603 0.034
Empresarial
Grande -0.540 0.004 -0.288 0.003 -13.474 -0.179
Tasa de Interés 0.090 0.000 0.045 0.000 26341.6 -4.914 0.346
Obra labor 1.988 0.000 1.015 0.000 34.197 2.98
Carrera admón. 0.503 0.220 0.323 0.105 1.755 -0.601
Tipo Contrato 4901.13
Término fijo 0.928 0.000 0.445 0.000 1.949 -0.035
Otros 0.794 0.083 0.361 0.104 3.65 -0.19
Público -0.622 0.064 -0.295 0.099 -1.516 0.498
Tipo Empresa Privado -1.250 0.000 -0.684 0.000 4110.12 8.456 -0.008
Mixto -1.871 0.057 -0.969 0.039 18.983 0.101
Alquiler ----- ----- ----- ----- -6.028 0.375
Tipo Vivienda Familiar ----- ----- ----- ----- 4272.61 -2.257 2.671
Propia ----- ----- ----- ----- 13.453 2.562
Tiempo en Entidad 0.012 0.000 0.006 0.000 62140.57 -14.484 -0.365
Tiempo Laboral -0.023 0.000 -0.011 0.000 55861.3 -3.64 -2.751
Centro sur ----- ----- ----- ----- -12.737 -0.13
Manizales ----- ----- ----- ----- 4.197 0.331
Norte ----- ----- ----- ----- -22.269 0.449
Zona 4603.82
Occidente ----- ----- ----- ----- 15.817 0.478
Oriente ----- ----- ----- ----- 18.231 -0.136
Sur occidente ----- ----- ----- ----- -10.083 0.542
AIC 2470.2 2504.9 2387.3 2540.3
BIC 2755.1 2796.9 2101.6 2674.5
Nota: Las variables están en orden alfabético y no por tipo de variable (cuantitativa/cualitativa). Para los modelos
Logit y Probit se presenta el modelo estimado por “Stepwise Brack-forward”. Los parámetros con “-----” muestran
que la variable no tuvo significancia alguna en el modelo.
Fuente: Elaboración propia.

Respecto a los parámetros de los modelos Logit y Probit se encuentra que algunos signos parecen
ser contraintuitivos como lo fueron las variables plazo solicitado o tiempo de afiliación en la entidad,

41
pero estos signos los determina la base de información de afiliados en la entidad. Por ejemplo, el plazo
de pago de los créditos es inverso: por evidencia empírica (sustentada en la Tabla 1) los clientes de esta
entidad tienen mejores comportamientos de pago a largo plazo que a corto plazo. Así mismo, el tiempo
de afiliación en la entidad muestra dos elementos propios de este tipo de entidades: 1) Al ser una entidad
del sector cooperativo y no comercial tiene preferencias sobre los afiliados más antiguos y pueden tomar
medidas laxas al momento de crear un crédito. 2) El sector cooperativo no visiona a sus afiliados como
“clientes” mostrando políticas diferenciales sobre el proceso de la toma de decisión del comité de
crédito.

Los resultados de bondad de ajuste se presentan en la Tabla 6, teniendo los siguientes criterios.
Respecto al indicador AUC-ROC el modelo que presenta el mejor criterio es el modelo L-SVM, pero,
los modelos paramétricos no difieren mucho del valor presentado de este indicando que si bien
presentan menor eficiencia son ciertamente similares. Solamente el resultado de la red neuronal muestra
una eficiencia inferior a los demás modelos. Respectivamente el coeficiente de Gini muestra resultados
similares al AUC-ROC; el modelo con mejor explicación corresponde al L-SVM, secundado por el
modelo Probit, esto muestra que la diferencia entre ambos modelos en términos predictivos no es
sensible y discriminativa.

Los modelos paramétricos muestran una mayor estabilidad en la lectura de los indicadores de
especificidad y sensibilidad venidos de la tabla de confusión; en contraste, los modelos no paramétricos
presentan una mayor estimación sobre los valores de no riesgo (especificidad), si bien esto no representa
un problema real, sí refleja que los modelos no paramétricos requieren de una serie de información más
ecuánime para arrojar predicciones más estables. Este efecto también se puede evidenciar en la Figura
3 en la que los modelos L-SVM son mucho más eficientes, pero claramente no se diferencian de los
modelos Logit o Probit.

Tabla 6. Indicadores de desempeño de los modelos.

AUC-ROC Gini Especificidad Sensibilidad AIC BIC

Logit 91.51 83.02 87% 82% 2470.2 2755.1
Probit 91.65 83.30 85% 84% 2504.9 2796.9
L-SVM 92.02 84.04 91% 79% 2387.3 2101.6
Red Neuronal 89.17 78.34 96% 78% 2540.3 2674.5
Fuente: Caja de compensación Familiar (2019).

Figura 3. Curvas AUC-ROC de los modelos.

Fuente: Caja de compensación Familiar (2019).

42
 Respecto a la elección del modelo óptimo para la entidad, se establecen los criterios cualitativos
del estudio de Moreno y Melo (2011); se encuentra que los modelos Logit y Probit son mucho más
sencillos de leer debido a que estos se pueden transformar a lectura porcentual con el método de
marginalización de parámetros, mientras que los pesos de los modelos Red Neuronal y L-SVM, cuyos
valores solo identifican una capacidad de repetición, no tienen una interpretación definible o entendible.

Respecto al criterio de sencillez, los modelos probabilísticos son más prácticos y directos que los
modelos Red Neuronal y L-SVM, tanto en su construcción como en su aplicación: para los modelos
paramétricos estos valores son fácilmente replicables en software de uso común, en cambio los
procesos de L-SVM y Red Neuronal mantienen un proceso oculto cuya programación se vuelve
compleja en entornos sencillos. Finalmente, frente a la flexibilidad, los modelos Logit y Probit tienen
desventaja debido a que su proceso es estático y deben ser reestimados según el corto o medio plazo,
así mismo los modelos de redes neuronales poseen este mismo inconveniente y teniendo en cuenta que
cuanta más información se suministre a futuro, estos tienden a sobreestimarse generando inconsistencia
en los resultados. Ahora bien, los L-SVM son altamente flexibles al agregar nueva información, pero
sigue siendo un proceso no visible y que requiere un reentrenamiento inmediato de los datos cada vez
que se ingrese una unidad.

Con los anteriores criterios se infiere que los modelos L-SVM no son los más adecuados en
aplicarse en los estudios de créditos de la entidad así sus resultados hayan sido óptimos
estadísticamente, pues, no generaron criterios de especificidad y sensibilidad mejores que los modelos
Logit o Probit y su manejo post calibración, por tanto, los modelos más estables para esta entidad
pueden ser los modelos Logit o Probit. Estableciendo esto, se decide realizar un último análisis de
estabilidad la serie Test Data para establecer cuál de estos puede ser más estable en diferentes niveles
de series de información. En la Tabla 7 se muestra cómo los modelos Probit en una prueba de stress con
porcentajes de datos aleatorio se ve cómo maneja mayor estabilidad que los modelos Logit, sosteniendo
mejor la sensibilidad y especificidad.

Tabla 7. Análisis de estabilidad con testeo aleatorio de “Test Data” en porcentaje (%).

5% 10% 15% 20%

AUC-ROC 94.48 95.21 89.24 91.95
Logit Especificidad 90.25 89.75 87.56 87.90
Sensibilidad 86.96 86.92 77.27 82.99
AUC-ROC 94.31 94.96 89.18 92.18
Probit Especificidad 81.98 90.00 88.27 89.39
Sensibilidad 93.48 86.92 78.03 80.93
Fuente: Caja de compensación Familiar (2019).

4.4 Discusión de los resultados obtenidos.

El anterior trabajo es una aplicación ejercida en una Caja de compensación Familiar en Colombia,
dichas entidades que se enmarcan en el sector cooperativo son muy conocidas en el país, pero no tienen
un símil perfecto en otros países. Los trabajos que se pueden acercar en términos del objeto de estudio
son aquellos que desarrollan análisis de Credit score en cooperativas financieras basándose en el
tratamiento de los “afiliados” como lo son los trabajos que se utilizaron como base para crear la
metodología, tales como Salazar (2013), Ochoa et al. (2010), Moreno (2013) y Moreno y Melo (2011).

La primera consideración destacable en contraste de los trabajos revisados concierne a los

resultados de los modelos estimados en los trabajos anteriores. En el caso de Salazar (2013) se presenta
un enfoque a los modelos Logit, en el caso de Ochoa et al. (2010) se enfoca en un modelo MLP (Modelo
Lineal Probabilístico), con Moreno y Melo (2011) el mejor modelo fue Support Vector Machine y

43
posteriormente con Moreno (2013) se identifica un modelo Logit como mejor modelo aplicable. Esto
resalta el hecho de que las metodologías si bien pueden ser adecuadas bajo los contextos estadísticos de
la bondad de ajuste, los datos y las empresas son las que determinan qué metodología es mejor. En el
caso de este trabajo, estadísticamente un modelo L-SVM presenta una mejor calificación, pero el
modelo Probit se ajusta mejor con las condiciones de uso y de políticas de la entidad a la que se hizo el
proceso.

La segunda consideración respecto a los trabajos revisados indica que las variables utilizadas
presentan amplias diferencias en los trabajos base, si bien muchos de ellos establecen sus criterios en
variables socioeconómicas, estas están construidas con información única para cada entidad, indicando
que no existe un criterio único de uso de variables para los estudios. En cada caso cada empresa tiene
una base de datos única e incomparable, pero es claro que son las variables socioeconómicas las que
destacan en todos los estudios. La consideración final que se encuentra es que los signos pueden variar
en todos los estudios, y esto se da por el comportamiento de los clientes y como se refleja en las
variables, en muchos de los casos, obedecen a la intuición financiera esperada, pero en algunos como
el trabajo presentado tiene variables que contrastan con la realidad económica; esto se puede verificar
fácilmente con análisis estadístico que puede sustentarse además con criterios de la entidad previamente
consultada.

5. Conclusión

En este trabajo se ha evaluado el desempeño de cuatro tipos de modelos para la medición de

probabilidad de impagos: Logit, Probit, Redes Neuronales y L-SVM. Como caso de estudio se
consideró la información de una caja de compensación familiar en Colombia. Los resultados
presentados permiten identificar que las redes neuronales son las menos eficientes para representar el
problema planteado en la base de datos analizada; adicionalmente, aunque el modelo L-SVM obtuvo el
mejor resultado en su estimación, sus relaciones de indicadores de Especificidad y Sensibilidad no
fueron las mejores. Respecto a los modelos Logit y Probit, los resultados fueron muy similares a
los del L-SVM, pero el modelo Probit evidenció una mayor fortaleza de manejo de la información que
el modelo Logit, siendo más estable en identificación correcta de eventos y usando mejor las categorías
que el primero. Por tanto, el modelo de riesgo de crédito que mejor puede considerarse para la base de
datos analizada corresponde con el modelo Probit mejorado con procesos Stepwise para la selección de
variables a utilizar.

Para trabajos futuros, se recomienda explorar este tipo de verificaciones para diferentes muestras
de datos, de tal forma que los investigadores de riesgo de crédito puedan entregar afirmaciones
categóricas sobre con qué tipos de modelos debe continuarse desarrollando aplicaciones en este campo.
Así mismo, será conveniente explorar métodos de selección de variables explicativas que elimine el
sesgo del investigador en la especificación del modelo final.

También es necesario realizar este tipo de estudios en sectores comerciales y en otras entidades
del sector cooperativo o similares; si bien no es el objetivo central del estudio la realización de este
estudio muestra de forma empírica que los modelos probabilísticos dependen de los datos suministrados
y que son la conformación de las variables con los datos mismos los que dan la dirección de los análisis
de los parámetros, pues, algunos resultados pueden ser contraintuitivos en sus variables frente a otros
estudios y a la teoría económica, pero justamente es la naturaleza de la información de cada serie de
clientes quienes las determinan.

44
Referencias

Abdou, H. A., & Pointon, J. (2011). Credit Scoring, Statistical Techniques and Evaluation Criteria: A
Review of the Literature. Intelligent Systems in Accounting, Finance and Management, 18(2-3), 59-
88. https://doi.org/10.1002/isaf.325

Akkoç, S. (2012). An empirical comparison of conventional techniques, neural networks and the three
stage hybrid Adaptive Neuro Fuzzy Inference System (ANFIS) model for credit scoring analysis:
The case of Turkish credit card data. European Journal of Operational Research, 222(1), 168-178.
https://doi.org/10.1016/j.ejor.2012.04.009

Altman, E.I. (1980). Commercial bank lending: process, credit scoring, and costs of errors in lending.
Journal of Financial and Quantitave Analysis, XV(4), 813-832.

Altman, E. (1968). The Prediction of Corporate Bankruptcy. The Journal of Finance, XXIII(4), 589-
609. https://doi.org/https://doi.org/10.2307/2978933

Anderson, D.R., Sweeney, D.J., & Williams, T.A. (2008). Estadística para Administración y Economía
(S. Cervantez (ed.); 10th ed.).

Anderson, R. (2007). The Credit Scoring Toolkit. (Oxford University Press, Ed.; 1st ed., Vol. 1).
Oxford: Oxford University Press. Mexico DF: CENGAGE Learning.

Apilado, V.P., Warner, D.C., & Dauten, J.J. (1974). Evaluative Techniques In Consumer Finance -
Experimental Result And Policy Implications For Financial Institutions. Journal of Financial and
Quantitave Analysis, 9(2), 275-284.

Chaudhuri, K., & Cherical, M.M. (2012). Credit rationing in rural credit markets of India. Applied
Economics, 44(7), 803-812. https://doi.org/10.1080/00036846.2010.524627

Constangioara, A. (2011). Consumer Credit Scoring. Romanian Journal of Economic Forecasting, 3,

162-178.

Desai, V.S., Crook, J.N., & Overstreet, G.A. (1996). A comparison of neural networks and linear
scoring models in the credit union environment. European Journal of Operational Research, 95(1),
24-37. https://doi.org/10.1016/0377-2217(95)00246-4

Fisher, R.A. (1936). The use of multiple measurements in taxonomic problems. Annals of Eugenics,
7(2), 179-188. https://doi.org/10.1111/j.1469-1809.1936.tb02137.x

Glorfeld, L.W. (1990). A Robust Methodology for Discriminant Analysis Based on Least-absolute-
value Estimation. Managerial and Desicion Economics, 11(1), 267-277.

Gonçalves, R.M.L., & Braga, M.J. (2008). Determinantes de risco de liquidez em cooperativas de
crédito: uma abordagem a partir do modelo logit multinomial. Revista de Administração
Contemporânea, 12(4), 1019-1041. https://doi.org/10.1590/S1415-65552008000400007

Hilbe, J. M. (2015). Practical Guide to Logistic Regression. New York, HY. Taylor and Francis Group.
https://doi.org/10.1201/b18678

Hosmer, D., Lemeshow, S., & Sturdivant, R. (2013). Applied Logistic Regression. In Wiley (Ed.), Wiley
(Third). Wiley. Hoboken (New Yersey): John Wiley & Sons. https://doi.org/10.2307/1270433

45
Ley 21, 1 (1982) (testimony of Senado de la República de Colombia).
https://www.funcionpublica.gov.co/eva/gestornormativo/norma_pdf.php?i=4827

Lipovetsky, S., & Conklin, M. (2004). Decision Making By Variable Contribution in Discriminant,
Logit, and Regression Analyses. International Journal of Information Technology & Decision
Making, 3(2), 265-279. https://doi.org/10.1142/S0219622004001033

Martens, D., Van Gestel, T., De Backer, M., Haesen, R., Vanthienen, J., & Baesens, B. (2010). Credit
rating prediction using Ant Colony Optimization. Journal of the Operational Research Society,
61(4), 561-573. https://doi.org/10.1057/jors.2008.164

Melo-Velandia, L.F., & Becerra-Camargo, O.R. (2005). Medidas de riesgo, características y técnicas
de medición: una aplicación del VaR y el ES a la tasa Interbancaria de Colombia. Banco de La
Republica, 1-75.

Melo, L.F., & Granados, J.C. (2011). Regulación y valor en riesgo. Ensayos sobre Política Economica,
29(64), 110-177.

Millán-Solarte, J., & Caicedo-Cerezo, É. (2018). Modelos para otorgamiento y seguimiento en la

gestión de riesgo de crédito. Revista de Métodos Cuantitativos para la Economía y la Empresa,
1(25), 23-41. https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2370/2709

Moreno, J.F., & Melo, L.F. (2011). Pronóstico de incumplimientos de pago mediante máquinas de
vectores de soporte: una aproximación inicial a la gestión del riesgo de crédito. Boletín de Prensa
DANE, 677, 1-33.

Moreno, S. (2013). El Modelo Logit Mixto para la construcción de un Scoring de Crédito. Universidad
Nacional de Colombia.

Mures, J., García, A., & Vallejo, E. (2011). Aplicación del Análisis Discriminate y Regresión Logística
en el estudio de la morosidad en las Entidades Financieras Comparación de Resultados. Revista de
La Facultad de Ciencias Económicas y Empresariales, 1, 175-199.
http://search.proquest.com/docview/818448211?accountid=10344

Myers, J.H., & Forgy, E.W. (1963). Comparison of Discriminant and Regression analysis for credit
evaluation System. Journal of the American Statistical Association, 58(303), 799-806.

Ochoa, J.C., Galeano, W., & Agudelo, L.G. (2010). Construcción de un modelo de scoring para el
otorgamiento de crédito en una entidad financiera. Perfil de Coyuntura Económica, 16, 191-222.

Olagunji, F., & Ajiboye, A. (2010). Agricultural lending decision: a tobit regression analysis. African
Journal of Food Agriculture, Nutrition and Development, 10(5), 1-27.
https://doi.org/10.4314/ajfand.v10i5.57897

Orgler, Y.E. (1970). A Credit Scoring Model for Commercial Loans. Journal of Money, Credit and
Banking, 2(4), 435-445. https://doi.org/10.2307/1991095

Palacio, A.P., Lochmúller, C., Murillo, J.G., Pérez, M.A., & Vélez, C.A. (2011). Modelo cualitativo
para la asignación de créditos de consumo y ordinario. El caso de una cooperativa de crédito. Revista
Ingenierias Universidad de Medellín, 10(19), 89-100.

Pérez, F.O., & Fernández, H. (2007). Las redes neuronales y la evaluación del riesgo de crédito. Revista
Ingenierías, 6(10), 77-91.

46
Puertas, R., & Marti, M.L. (2012). Análisis del Credit Scoring. Revista Administración de Empresas,
53(3), 303-315.

Rayo, S., Rubio, J.L., & Blasco, D.C. (2010). A Credit Scoring Model for Institutions of Microfinance
under the Basel II Normative. Journal of Economics, Finance & Administrative Science, 15(28), 89-
124.

Rodríguez, D.E., Becerra, J.A., & Cardona, D. (2017). Modelos y metodologías de credit score para
personas naturales: una revisión literaria. Revista CEA, 3(5), 13-28.
https://doi.org/10.22430/24223182.645

Rodríguez, D., & Trespalacios, A. (2015). Medición de valor en riesgo en cartera de clientes a través
de modelos logísticos y simulación de Montecarlo. Medellín (Colombia): Universidad EAFIT.
https://repository.eafit.edu.co/handle/10784/7853.

Roszbach, K. (2004). Bank Lending Policy, Credit Scoring, and the Survival of Loans. Review of
Economics and Statistics, 86(4), 946-958. https://doi.org/10.1162/0034653043125248

Saavedra-García, M.L., & Saavedra-García, M.J. (2010). Modelos para medir el riesgo de crédito de la
banca. Cuadernos de Administración, 23(40), 295-319.
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-35922010000100013&lang=pt

Salazar, F.E. (2013). Cuantificación del riesgo de incumplimiento en créditos de libre inversión: un
ejercicio econométrico para una entidad bancaria del municipio de Popayán, Colombia. Estudios
Gerenciales, 29(129), 416-427. https://doi.org/10.1016/j.estger.2013.11.007

Soydaner, D., & Kocadağlı, O. (2015). Artificial Neural Networks with Gradient Learning Algorithm
for Credit Scoring. Journal of the School of Bussiness Administration, 44(2), 3-12.

Sustersic, M., Mramor, D., & Zupan, J. (2007). Consumer credit scoring models with limited data.
Ljubljana Meetings Paper, 1(1), 1-21. https://doi.org/10.1016/j.eswa.2008.06.016

Támara, A., Villegas, G., Leones, M., & Salazar, J. (2018). Modelación del riesgo de insolvencia en
empresas del sector salud empleando modelos logit. Revista de Métodos Cuantitativos para la
Economía y la Empresa, 1(26), 128-145.
https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2757/3039

Taylor, K.W., & Chappell, N.L. (1980). Multivariate analysis of qualitative data. Canadian Review of
Sociology/Revue Canadienne de Sociologie, 17(2), 93-108. https://doi.org/10.1111/j.1755-
618X.1980.tb00688.x

Thomas, L., Edelman, D., & Crook, J. (2002). Credit Scoring and Its Applications. Philadelphia: SIAM
(Society For Industrial and Applied Mathematics).

Trejo, J.C., Martínez, M.Á., & Venegas, F. (2017). Credit risk management at retail in Mexico: An
econometric improvement in the selection of variables and changes in their characteristics.
Contaduría y Administración, 62(2), 399-418. https://doi.org/10.1016/j.cya.2017.02.006

Webster, G. (2011). Bayesian Logistic Regression Models for Credit Scoring (Issue December).
Grahamstown, South Africa: Rhodes University.

Zhai, H., & Russell, J.S. (1999). Stochastic modelling and prediction of contractor default risk.
Construction Management and Economics, 17(1), 563-576.

47
Zhou, L., Lai, K.K., & Yen, J. (2009). Credit Scoring Models With Auc Maximization Based on
Weighted Svm. International Journal of Information Technology & Decision Making, 8(4), 677-
696. https://doi.org/10.1142/S0219622009003582

48