00b49534bba40920cb000000 PDF

DEPARTAMENTODEECONOMAFINANCIERAYCONTABILIDAD
FACULTADDECIENCIASECONMICASYEMPRESARIALES
UNIVERSIDADDEGRANADA
CURSOACADMICO2009/2010
LAGESTINDELRIESGODECRDITOENLASINSTITUCIONES
DEMICROFINANZAS
TesisDoctoralpresentadapor:
JUANLARARUBIO
Directores:
DR.D.SALVADORRAYOCANTN
DR.D.DAVIDCAMINOBLASCO
Editor: Editorial de la Universidad de Granada

Autor: Juan Lara Rubio
D.L.: GR 3472-2010
ISBN: 978-84-693-5241-0
ii
DEDICATORIA
Al profesor Dr. D. Francisco Lara Snchez, mi padre, a quin

le quiero dedicar de forma muy especial este trabajo, por su
constante e incondicional apoyo, por sus inagotables palabras de
consuelo y estmulo, por su paciente e intensa correccin del estilo
de mis borradores, pero, sobre todo, porque tengo que agradecerle
todo lo que soy.
Por todo ello, le regalo este trabajo.
iii
iv
AGRADECIMIENTOS
Reservo este espacio para expresar mi ms sincero agradecimiento a

todas aquellas personas que han contribuido de algn modo a la elaboracin
del trabajo que, a continuacin, se presenta.
Quisiera dedicar, en primer lugar, mi ms sincero agradecimiento al
Director de este trabajo de investigacin, el Dr. D. Salvador Rayo Cantn, por
la dedicacin mostrada hacia mi persona y mi trabajo desde el comienzo de su
realizacin, por su gran apoyo e insistencia, por sus valiosas e interesantes
aportaciones y consejos y por sus comentarios crticos, sin los cuales este
trabajo no hubiera sido posible. Puedo asegurar que he aprendido mucho de l,
tanto en el mbito personal como en el laboral.
Al profesor Dr. D. David Camino Blasco, co-director de la Tesis Doctoral
que hoy presento, que desde la lejana me ha mostrado una completa
confianza hacia mi persona y unos valiossimos consejos de cara a la
consecucin de este trabajo.
A mis compaeros del Departamento de Economa Financiera y
Contabilidad, en especial a nuestro Director del Departamento, el profesor Dr.
D. Jos Manuel Aguayo Moral, por su gran predisposicin mostrada en mi
camino a la consolidacin como profesor del Departamento. Tambin a mis
compaeros con los que llevo compartiendo varios aos las asignaturas de
Finanzas, a Marian, Anglica, Jos Lpez, Antonio Gil y muy especialmente a
Antonio Corts, con quien me he sentido respaldado en todo momento y con
quien he compartido las mayores experiencias docentes. No puedo olvidar al
profesor Dr. D. Jos Mara de la Torre Martnez, que a pesar de las cuantiosas
discusiones que hemos tenido, ha sido uno de los compaeros en el cual he
encontrado un mayor apoyo.
A los profesores doctores D. Jos Manuel Herreras Velasco y D. Jos
Mara Prez Snchez, por su incondicional ayuda en la resolucin de las dudas
suscitadas en los aspectos ms tcnicos del trabajo.
Al profesor Dr. D. Jos ngel Ibez Zapata por la ayuda brindada en la
consecucin de una presentacin novedosa como la que hoy presento.
Al profesor Dr. D. Francisco Javier Llorens Montes, por saber guiarme y
aconsejarme en todos los trmites burocrticos y administrativos necesarios
para la presentacin y oficializacin del trabajo.
Gracias a los gerentes de la Entidad de Desarrollo de la Pequea y
Micro Empresa PROEMPRESA y de la Caja Municipal de Ahorro y Crdito de
Tacna, por haberme proporcionado acceso a sus historiales de crdito.
A mi hermana, familia poltica y amigos, por las constantes visitas y
llamadas telefnicas con la intencin de aliviar los momentos difciles que, en
ocasiones, me han acompaado a lo largo de este tiempo.
De forma muy especial quiero expresar la mayor gratitud a mi madre, por
su incondicional apoyo, sus innumerables palabras de consuelo y cario,
esfuerzos siempre reconocidos y valorados, aunque no tantas veces
demostrado por m.
Finalmente, con todo mi amor para ti Mari, por todo lo que siempre nos
ha mantenido unidos. No hay forma alguna en la que yo pueda agradecerte el
haber estado a mi lado y cuidarme en estos momentos tan difciles. Gracias por
la confianza y cario que, en todo momento, has depositado en m.
A todos ellos, muchsimas gracias.
vi
NDICE GENERAL
vii
viii
DEDICATORIA
AGRADECIMIENTOS
NDICE
NDICE DE CUADROS
NDICE DE TABLAS
NDICE DE FIGURAS
LISTADO DE ACRNIMOS
INTRODUCCIN Y OBJETIVOS........................................................................... 37
BLOQUE 1: PLANTEAMIENTO Y MARCO TERICO......................................... 49
CAPTULO
I:
LAS
INSTITUCIONES
DE
MICROFINANZAS
EL
MICROCRDITO.................................................................................................... 51
I.1. Introduccin. .................................................................................................... 53
I.2. Origen y antecedentes de las microfinanzas.................................................... 55
I.2.1. El Grameen Bank...................................................... .......................... 58
I.2.2. BancoSol..................................................... ........................................ 65
I.2.3. Womens World Banking (WWB)......................................................... 68
I.3. Marco Jurdico de las microfinanzas................................................................
69
I.4. Las Instituciones de Microfinanzas................................................................... 75

I.4.1.Funcin econmica y social...................................................................
76
I.4.2.Clasificacin..................................................... .....................................
79
I.4.2.1. Organizaciones No Gubernamentales (ONGs). ..................... 80

I.4.2.2. Instituciones financieras graduadas......................................... 82
ix
I.4.2.3. Cooperativas de ahorro y crdito............................................. 83

I.4.3. Metodologa y operativa. ...............................................................
85
I.4.3.1. Grupos solidarios.............................................................
85
I.4.3.2. Uniones de crdito...........................................................
88
I.4.3.3. Bancos comunales...........................................................
88
I.4.3.4. Prstamos individuales.....................................................
90
I.5. El microcrdito.................................................................................................
90
I.5.1.Concepto...............................................................................................
91
I.5.2.Funcin econmica y social...........................................................
93
I.5.3.Tipologa.................................................. .............................................. 97
I.6. Situacin actual y perspectivas de las microfinanzas en Amrica Latina.
100
I.6.1.Las microfinanzas en Mxico..........................................................
102
I.6.2.Las microfinanzas en Colombia......................................................
104
I.6.3.Las microfinanzas en Chile.............................................................
107
I.6.4.Las microfinanzas en Bolivia...........................................................
109
I.6.5.Las microfinanzas en Per..............................................................
111
I.6.5.1. Las Cajas Municipales de Ahorro y Crdito (CMACs).. 111

I.6.5.2. Las Cajas Rurales de Ahorro y Crdito (CRACs)....
113
I.6.5.3. Las EDPYMEs.................................................................
114
I.6.6.Aspectos actuales comunes de las microfinanzas. ..............................
116
I.6.7.Perspectivas de futuro...................................................................
121
I.7. Consideraciones finales................................................ ................................... 123

CAPTULO
II.
ANLISIS
DEL
RIESGO
DE
CRDITO
EN
LAS
INSTITUCIONES DE MICROFINANZAS.........................................................
128
II.1. Introduccin................................................ ................................................
129
II.2. Concepto de Riesgo de Crdito..............................................................
131
II.3. Concepto de credit scoring...........................................................................
134
II.4. Anlisis del riesgo de crdito en la Banca................................................
137
II.4.1. Tcnicas paramtricas de credit scoring...........................................
140
II.4.1.1. Anlisis Discriminante.....................................................
141
II.4.1.2. Modelos de Probabilidad Lineal..
156
II.4.1.3. Modelos Logit...............................................................
163
II.4.1.4. Modelos Probit...............................................................
178
x
II.4.2. Tcnicas no paramtricas de credit scoring....................................... 185

II.4.2.1. Programacin Lineal......................................................
186
II.4.2.2. Redes Neuronales...........................................................
189
II.4.2.3. rboles de Decisiones..................................................
196
II.4.3. Modelos comparativos de credit scoring..

II.5. Anlisis del riesgo de crdito en las Instituciones de Microfinanzas
199
202
II.5.1. El modelo de Vigan....................................................................
202
II.5.2. El modelo de Sharma y Zeller.......................................................
204
II.5.3. El modelo de Zeller....................................................................
205
II.5.4. El modelo de Reinke..................................................................
206
II.5.5. El modelo de Schreiner..............................................................
207
II.5.6. El modelo de Vogelgesand..........................................................
209
II.5.7. El modelo de Diallo...................................................................
211
II.5.8. El modelo de Meier y Balke.......................................................
213
II.5.9. El modelo de Dinh y Kleimeier....................................................
214
II.5.10. El modelo de Van Gool et al........................................................
215
II.6. Limitaciones en la construccin de los modelos de credit scoring para las

microfinanzas................................................ ................................................
217
II.7. Ventajas e inconvenientes de la elaboracin de un modelo de scoring para

una Institucin de Microfinanzas....................................................................
220
II.7.1. Ventajas del credit scoring en las IMFs..
221
II.7.2. Inconvenientes del credit scoring en las IMFs.
224
II.8. Consideraciones finales. .......................................................................
226
BLOQUE II: INVESTIGACIN EMPRICA..
230
CAPTULO III. LA EVALUACIN Y CONCESIN DE MICROCRDITOS..
233
III.1. Introduccin. .................................................................................................
235
III.2. Fases de la concesin de un microcrdito.................................................
237
III.2.1. Fase 1: Investigacin de mercado y promocin del crdito..
239
III.2.2. Fase 2: Informes de crditos para clientes nuevos o recurrentes
242
III.2.3. Fase 3: Recepcin de documentos y evaluacin del expediente de

crdito. ................................................ ..............................................
III.2.4. Fase 4: Evaluacin de las garantas.................................................
245
252
xi
III.2.5. Fase 5: Aprobacin de la solicitud de crdito..
256
III.2.6. Consideracin del entorno econmico.. 260

III.3. Anlisis de la cartera crediticia.................................................................
262
III.4. Seleccin y anlisis previo de las variables explicativas.
265
III.4.1. Variables obtenidas de la investigacin de mercado y promocin del

crdito. ................................................ ............................................... 274
III.4.2. Variables obtenidas a partir de los informes de crditos para clientes
nuevos o recurrentes.....................................................................
277
III.4.3. Variables obtenidas de la recepcin de documentos y evaluacin del

expediente de crdito..................................................................
III.4.3.1.
Variables del anlisis de la actividad econmica

desarrollada por el cliente................................................
III.4.3.2.
285
285
Variables de la revisin de Centrales de Riesgos e

historiales de crdito.....................................................
292
III.4.3.3. Variables de la inspeccin econmica y financiera de la

microempresa................................................................
III.4.4. Variables obtenidas de la evaluacin de las garantas.
305
332
III.4.5. Variables obtenidas a partir de la aprobacin de la solicitud de

crdito................................................................................................
III.4.6. Variables macroeconmicas..........................................................
III.5. Consideraciones finales..........................................................................
336
350
365
CAPTULO IV. MODELO DE CREDIT SCORING PARA INSTITUCIONES DE

MICROFINANZAS
369
IV.1. Justificacin y objetivos..........................................................................
371
IV.2. Situacin econmica financiera de la Institucin de Microfinanzas..
372
IV.2.1. La EDPYME Proempresa............................................................
374
IV.2.2. La CMAC de Tacna......................................................................
380
IV.3. Definicin de incumplimiento. La variable dependiente.
385
IV.4. Aplicacin estadstica. Un modelo de regresin logstica binaria
388
IV.4.1. Estimacin e interpretacin del modelo..

IV.4.1.1.
Estimacin del modelo de credit scoring de la EDPYME

Proempresa.................................................................
389
390
xii
IV.4.1.2.
Estimacin del modelo de credit scoring de la CMAC de

Tacna............................................................................
401
IV.4.2. Valoracin de los modelos de credit scoring..
408
IV.4.3. Validacin del modelo..................................................................
430
IV.4.3.1.
Validacin del modelo de credit scoring de la EDPYME

Proempresa.....................................................................
IV.4.3.2.
430
Validacin del modelo de credit scoring de la CMAC de

Tacna..........................................................................
432
IV.5. Consideraciones finales...........................................................................
435
CAPTULO V. APLICACIONES DEL CREDIT SCORING EN EL NEGOCIO DE

LAS INSTITUCIONES DE MICROFINANZAS. 439
V.1. Introduccin................................................ ................................................
441
V.2. Tratamiento del riesgo de crdito en Basilea II 444

V.2.1. El acuerdo de 1998. Basilea I........................................................
445
V.2.2. El Nuevo Acuerdo de Capital de 2004. Basilea II
448
V.2.2.1. Pilar I: Requerimientos mnimos de capital.. 449

V.2.2.2. Pilar II: Principios bsicos de supervisin.
456
V.2.2.3. Pilar III: Disciplina de mercado
459
V.3. Normativa del Nuevo Acuerdo de Basilea II en la Repblica del Per.
459
V.3.1. Principios generales.
460
V.3.2. Reglas de aplicacin a las exposiciones minoristas.
464
V.3.3. Metodologa de Stress Testing..
468
V.4. Implementacin del modelo de negocio para la EDPYME PROEMPRESA..
470
V.4.1. Simulacin 1. ............................................................................
471
V.4.2. Clculo de la tasa de inters y rentabilidad ajustada al riesgo..
477
V.4.3. Procesos de Stress Testing................................................. ...
479
V.5. Implementacin del modelo de negocio para la CMAC TACNA.
479
V.5.1. Simulacin 2. ...............................................................................
480
V.5.2. Clculo de la tasa de inters y rentabilidad ajustada al riesgo..
480
V.5.3. Procesos de Stress Testing. 483

V.6. Consideraciones finales........................................................................
485
BLOQUE III: CONCLUSIONES.. 487
xiii
CONCLUSIONES.. 489
BIBLIOGRAFA. 503
ANEXOS. 525
Anexo 1.. 525
Anexo 2.. 557
Anexo 3.. 559
xiv
NDICE DE CUADROS
xv
xvi
Cuadro I.1. Principios de actuacin del Grameen Bank.

Cuadro I.2. Competencias de los gobiernos y sistemas polticos en microfinanzas.
Cuadro I.3. Definiciones de microcrdito en textos normativos.

Cuadro V.1. Descripcin del rating.
Cuadro V.2. Escenario macroeconmico adverso para la EDPYME Proempresa.
Cuadro V.3. Influencia sobre las variables significativas. EDPYME Proempresa.
Cuadro V.4. Escenario macroeconmico adverso para la CMAC de Tacna.
Cuadro V.5. Influencia sobre las variables significativas. CMAC de Tacna.
xvii
xviii
NDICE DE TABLAS
xix
xx
Tabla I.1. Evolucin de indicadores del Grameen Bank (cantidades en millones

de US$).
Tabla I.2. Caractersticas distintivas de las microfinanzas.
Tabla I.3. Tipologa de las Entidades de Microfinanzas.
Tabla I.4. Caractersticas del microcrdito frente al crdito convencional.
Tabla I.5. Caractersticas de prstamos en Amrica Latina y el Caribe
Tabla II.1. Comparacin de tcnicas de credit scoring (ventajas e
inconvenientes).
Tabla II.2. Determinacin del Punto de Corte ptimo.
Tabla II.3. Modelos aplicados de anlisis discriminante en la prediccin de
insolvencia empresarial.
Tabla II.4. Variables explicativas. Falbo (1991).
Tabla II.5. Resultados del modelo prediccin. Falbo (1991).
Tabla II.6. Variables explicativas. Boj et al (2009a).
Tabla II.7. Resultados del modelo prediccin. Boj et al (2009a).
Tabla II.8. Variables explicativas. Esteve (2007).
Tabla II.9. Resultados del modelo prediccin. Esteve (2007).
Tabla II.10. Variables explicativas. Lee et al (2002).
Tabla II.11. Resultados del modelo prediccin. Lee et al (2002).
Tabla II.12. Variables explicativas. Orgler (1970).
Tabla II.13. Resultados del modelo prediccin. Orgler (1970).
Tabla II.14. Variables explicativas. Plotnicki (2005).
Tabla II.15. Resultados del modelo prediccin. Plotnicki (2005).
Tabla II.16. Modelos aplicados de anlisis de regresin logstica en la prediccin
de insolvencia empresarial.
Tabla II.17. Resultados del modelo prediccin. Wiginton (1980).
Tabla II.18. Variables explicativas. Gardner y Mills (1989).
Tabla II.19. Variables explicativas. Steenackers y Goovaerts (1989).
Tabla II.20. Resultados del modelo prediccin. Steenackers y Goovaerts (1989).
Tabla II.21. Variables explicativas. Mures et al (2005).
Tabla II.22. Resultados del modelo prediccin. Mures et al (2005).
Tabla II.23. Variables explicativas. Yang et al (2009).
xxi
Tabla II.24. Resultados del modelo prediccin. Greene (1992).

Tabla II.25. Variables explicativas. Jacobson y Roszbach (2003).
Tabla II.26. Variables explicativas. Lam et al (1996).
Tabla II.27. Modelos de Credit Scoring aplicando redes neuronales.
Tabla II.28. Resumen de resultados de estudios sobre comparacin de
modelos.
Tabla II.29. Variables explicativas. Vigan (1993).
Tabla II.30. Resultados del modelo prediccin. Vigan (1993).
Tabla II.31. Variables explicativas. Sharma y Zeller (1997).
Tabla II.32. Variables explicativas. Reinke (1998).
Tabla II.33. Variables explicativas. Schreiner (1999).
Tabla II.34. Resultados del modelo prediccin. Schreiner (1999).
Tabla II.35. Variables explicativas. Vogelgesand (2003).
Tabla II.36. Variables explicativas. Diallo (2006).
Tabla II.37. Resultados del modelo prediccin. Diallo (2006).
Tabla II.38. Variables explicativas. Meier y Balke (2006).
Tabla II.39. Variables explicativas. Dinh y Kleimeier (2007).
Tabla II.40. Variables explicativas. Van Gool et al (2009).
Tabla II.41. Resultados del modelo prediccin. Van Gool et al (2009).
Tabla III.1. Documentacin necesaria por tipo de garanta.
Tabla III.2. Niveles de crdito de la CMAC Tacna.
Tabla III.3. Cartera Microcrditos EDPYME Proempresa.
Tabla III.4. Cartera Microcrditos CMAC de Tacna.
Tabla III.5. Estadsticos descriptivos del montante del crdito.
Tabla III.6. Fases del proceso de evaluacin y concesin de un microcrdito.
Tabla III.7. Variables independientes EDPYME Proempresa.
Tabla III.8. Variables independientes CMAC de Tacna.
Tabla III.9. Correlacin bivariada de la variable Ubicacin Geogrfica y la
variable explicada.
Tabla III.10. Correlacin bivariada de la variable Antigedad y la variable
explicada.
Tabla III.11. Correlacin bivariada de la variable Nmero de Crditos
Concedidos y la variable explicada.
xxii

Concedidos en el ltimo ao y la variable explicada.
Denegados y la variable explicada.
Tabla III.14. Correlacin bivariada de la variable tipo de relacin con la IMF y la
variable explicada.
Tabla III.15. Correlacin bivariada de la variable Sector Econmico y la variable
explicada
Tabla III.16. Correlacin bivariada de la variable Destino del Microcrdito y la
variable explicada.
Tabla III.17. Correlacin bivariada de la variable Clasificacin del Cliente segn
la SBS y la variable explicada.
Tabla III.18. Correlacin bivariada de la variable Clasificacin del Cliente segn
la IMF y la variable explicada.
Tabla III.19. Correlacin bivariada de la variable Cuotas Totales Pagadas y la
variable explicada.
Tabla III.20. Correlacin bivariada de la variable Cuotas Totales Morosas y la
variable explicada.
Tabla III.21. Correlacin bivariada de la variable Promedio de Morosidad y la
variable explicada.
Tabla III.22. Correlacin bivariada de la variable Morosidad Mayor y la variable
explicada.
Tabla III.23. Correlacin bivariada de la variable Gnero y la variable explicada.
Tabla III.24. Correlacin bivariada de la variable Edad y la variable explicada.
Tabla III.25. Correlacin bivariada de la variable Estado Civil y la variable
explicada.
Tabla III.26. Correlacin bivariada de la variable Situacin Laboral y la variable
explicada.
Tabla III.27. Micro-Balance y Micro-Cuenta de Prdidas y Ganancias de los
clientes de la EDPYME Proempresa.
Tabla III.28. Micro-Balance y Micro-Cuenta de Prdidas y Ganancias de los
clientes de la CMAC de Tacna.
Tabla III.29. Correlacin bivariada de las variables Ri EDPYME Proempresa y la
variable explicada.
xxiii
Tabla III.30. Correlacin bivariada de las variables Ri CMAC de Tacna y la

variable explicada.
Tabla III.31. Correlacin bivariada de las Garantas y la variable explicada.
Tabla III.32. Correlacin bivariada de la variable Tiempo de Atencin del
Analista de Crdito y la variable explicada.
Tabla III.33. Correlacin bivariada de la Moneda del Microcrdito y la variable
explicada.
Tabla III.34. Correlacin bivariada de la Cantidad Desembolsada y la variable
explicada.
Tabla III.35. Correlacin bivariada de la Cantidad Rechazada y la variable
explicada.
Tabla III.36. Correlacin bivariada de la Duracin y la variable explicada.
Tabla III.37. Correlacin bivariada del Tipo de Inters y la variable explicada.
Tabla III.38. Correlacin bivariada del Pronstico del Analista de Crdito y la
variable explicada.
Tabla III.39. Correlacin bivariada de la Comisin y la variable explicada.
Tabla III.40. Variables Macroeconmicas.
Tabla III.41. Correlacin bivariada de las Variables Macroeconmicas
empleadas para la EDPYME Proempresa y la variable explicada.
Tabla III.42. Correlacin bivariada de las Variables Macroeconmicas
empleadas para la CMAC de Tacna y la variable explicada.
Tabla IV.1. Saldo medio mensual de crditos a pymes en las IMFs.
Tabla IV.2. Saldo medio mensual de crditos a pymes en las EDPYMEs.
Periodo 2001-2005.
Tabla IV. 3. Saldo medio mensual de crditos a pymes en las CMACs. Periodo
2001-2005.
Tabla IV.4. Fase 1 de la construccin del modelo de scoring de la EDPYME
Proempresa.
Proempresa.
Tabla IV.6. Fase 3A de la construccin del modelo de scoring de la EDPYME
Proempresa.
Tabla IV.7. Fase 3B de la construccin del modelo de scoring de la EDPYME
Proempresa.
xxiv
Tabla IV.8. Fase 3C de la construccin del modelo de scoring de la EDPYME

Proempresa.
Proempresa.
Proempresa.
Proempresa.
Tabla IV.12. Variables de la ecuacin en el modelo final de credit scoring para la
EDPYME Proempresa.
Tabla IV.13. Variables independientes del modelo de credit scoring de la
EDPYME Proempresa.
Tabla IV.14. Interpretacin de los odds ratio del modelo de credit scoring de la
EDPYME Proempresa.
Tabla IV.15. Fase 2 de la construccin del modelo de scoring de la CMAC de
Tacna.
Tabla IV.16. Fase 3A de la construccin del modelo de scoring de la CMAC de
Tacna.
Tabla IV.17. Fase 3B de la construccin del modelo de scoring de la CMAC de
Tacna.
Tabla IV.18. Fase 3C de la construccin del modelo de scoring de la CMAC de
Tacna.
Tacna.
Tacna.
Tacna.
CMAC de Tacna.
Tabla IV.23. Variables independientes del modelo de credit scoring de la CMAC
de Tacna.
CMAC de Tacna.
xxv
Tabla IV.25. Resumen del procesamiento de los casos. EDPYME Proempresa.

Tabla IV.26. Resumen del procesamiento de los casos. CMAC de Tacna.
Tabla IV.27. Codificacin de la variable dependiente.
Tabla IV.28. -2LL. EDPYME Proempresa.
Tabla IV.29. -2LL. CMAC de Tacna.
Tabla IV.30. Tabla de clasificacin considerando slo la constante. EDPYME
Proempresa.
Tabla IV.31. Tabla de clasificacin considerando slo la constante. CMAC de
Tacna.
Tabla IV.32. Estadstico de Rao (1973). EDPYME Proempresa.
Tabla IV.33. Estadstico de Rao (1973). CMAC de Tacna.
Tabla IV.34. Historial de iteraciones: evolucin de -2LL. EDPYME Proempresa.
Tabla IV.35. Historial de iteraciones: evolucin de -2LL. CMAC de Tacna.
Tabla IV.36. Prueba Omnibus sobre los coeficientes del modelo. EDPYME
Proempresa.
Tabla IV.37. Prueba Omnibus sobre los coeficientes del modelo. CMAC de
Tacna.
Tabla IV.38. Medidas de bondad del ajuste. EDPYME Proempresa.
Tabla IV.39. Medidas de bondad del ajuste. CMAC de Tacna.
Tabla IV.40. Prueba de Hosmer-Lemeshow. EDPYME Proempresa.
Tabla IV.41. Prueba de Hosmer-Lemeshow. CMAC de Tacna.
Tabla IV.42. Matriz de correlaciones. EDPYME Proempresa.
Tabla IV.43. Matriz de correlaciones. CMAC de Tacna.
Tabla IV.44. Matriz de confusin. EDPYME Proempresa.
Tabla IV.45. Matriz de confusin. CMAC de Tacna.
Tabla IV.46. Sensibilidad, especificidad y punto de corte ptimo. EDPYME
Proempresa.
Tabla IV.47. Sensibilidad, especificidad y punto de corte ptimo. CMAC de
Tacna.
Tabla IV.48. rea bajo la curva COR. EDPYME Proempresa.
Tabla IV.49. rea bajo la curva COR. CMAC de Tacna.
Tabla IV.50. Porcentaje de acierto en el proceso de validacin. EDPYME
Proempresa.
xxvi
Tabla IV.51. Porcentaje de acierto en el proceso de validacin. CMAC de

Tacna.
Tabla V.1. Categoras de riesgo en Basilea I.
Tabla V.2. Ponderaciones de riesgo (Mtodo estndar).
Tabla V.3. Ponderaciones de capital. Crdito Retail (Micro Empresa y Pymes).
Tabla V.4: Probabilidad de impago para un cliente de rating B- y de rating CCC
en la EDPYME Proempresa.
Tabla V.5. Rentabilidad del cliente en Basilea I y Basilea II (antes del ajuste de
tasas) en la EDPYME Proempresa.
Tabla V.6. Rentabilidad del cliente en Basilea I y Basilea II (despus del ajuste
de tasas) en la EDPYME Proempresa.
Tabla V.7. Resultados Stress Testing para la cartera de EDPYME Proempresa.
Tabla V8: Probabilidad de impago para un cliente de rating BBB+ y de rating Ben la CMAC de Tacna.
Tabla V.9. Rentabilidad del cliente en Basilea I y Basilea II (antes del ajuste de
tasas) en la CMAC de Tacna.
Tabla V.10. Rentabilidad del cliente en Basilea I y Basilea II (despus del ajuste
de tasas) en la CMAC de Tacna.
Tabla V.11. Resultados Stress Testing para la cartera de CMAC de Tacna.
xxvii
xxviii
NDICE DE FIGURAS
xxix
xxx
Figura I.1. Funcionamiento de los bancos comunales.

Figura I.2. Microcrditos y microempresas.
Figura I.3. Porcentaje de instituciones de microcrdito autosostenibles por
regin.
Figura I.4. Crdito a microempresas procedente de instituciones de microcrdito
(en porcentaje).
Figura II.1. Tipos de riesgo.
Figura II.2. Punto de corte ptimo ante igualdad de tamao de los grupos.
Figura II.3. Punto de corte ptimo ante desigualdad de tamao de los grupos.
Figura II.4. Funcin de probabilidad no lineal.
Figura II.5. Funciones de densidad normal y logstica.
Figura II.6. Funciones de distribucin acumulada normal y logstical.
Figura II.7. Red neuronal artificial.
Figura II.8. Funcionamiento de una red neuronal artificial.
Figura II.9. Estructura de un rbol de decisin.
Figura III.1. Proceso de promocin, evaluacin y concesin de un microcrdito.
Figura III.2. Promocin de los crditos.
Figura III.3. Informes de crditos para clientes nuevos o recurrentes.
Figura III.4. Recepcin de documentos.
Figura III.5. Evaluacin del expediente de crdito.
Figura III.6. Evaluacin de garantas de crditos.
Figura III.7. Aprobacin de solicitudes de crdito.
Figura III.8. Distribucin de microcrditos segn la variable Ubicacin
Geogrfica.
Figura III.9. Comportamiento en el pago segn la variable Ubicacin Geogrfica
(1).
Figura III.10. Comportamiento en el pago segn la variable Ubicacin
Geogrfica (2).
Figura III.13. Comportamiento en el pago segn la variable Tipo de Relacin
con la IMF.
Figura III.14. Distribucin de microcrditos segn la variable Sector Econmico.
Figura III.15. Comportamiento en el pago segn la variable Sector Econmico.
Figura III.16. Distribucin de microcrditos segn la variable Destino del
Microcrdito.
xxxi
Figura III.17. Comportamiento en el pago segn la variable Destino del

microcrdito (1).
Figura III.18. Comportamiento en el pago segn la variable Destino del
microcrdito (2).
Figura III.19. Distribucin de microcrditos segn la variable Clasificacin del
Cliente segn la SBS.
Figura III.20. Comportamiento en el pago segn la variable Clasificacin del
Cliente segn la SBS (1).
Cliente segn la SBS (2).
Figura III.22. Clasificacin del cliente segn la IMF.
Figura III.23. Vnculo entre clasificaciones IMF y SBS.
Figura III.24. Distribucin de microcrditos segn la variable Clasificacin del
Cliente segn la IMF.
Cliente segn la IMF (1).
Cliente segn la IMF (2).
Figura III.27. Distribucin de microcrditos segn la variable Gnero.
Figura III.28. Comportamiento en el pago segn la variable Gnero.
Figura III.29. Distribucin de microcrditos segn la variable Estado Civil.
Figura III.30. Comportamiento en el pago segn la variable Estado Civil (1).
Figura III.32. Distribucin de microcrditos segn la variable Situacin Laboral.
Figura III.33. Comportamiento en el pago segn la variable Situacin Laboral.
Figura III.34. Distribucin de microcrditos segn la variable Garantas.
Figura III.35. Comportamiento en el pago segn la variable Garantas (1).
Figura III.37. Distribucin de microcrditos segn la variable Pronstico del
Analista de Crdito.
Figura III.38. Comportamiento en el pago segn la variable Pronstico del
Analista de Crdito (1).
Figura III.39. Comportamiento en el pago segn la variable Pronstico del
Analista de Crdito (2).
xxxii
Figura III.40. Variacin anual del Producto Interior Bruto (PIB).

Figura III.41. Evolucin de la inflacin peruana (1998 2004).
Figura III.42. Evolucin del ndice de Empleo en Per (1997 1999).
Figura III.44. Evolucin del Tipo de Cambio en Per (1997 2007).
Figura III.45. Evolucin de las Tasas de Inters en Per (1997 2005).
Figura III.46. Evolucin del ndice General Burstil (1982 2006).
Figura IV.1. Cartera en riesgo de Proempresa Vs. EDPYMEs.
Figura IV.2. Apalancamiento de Proempresa Vs. EDPYMEs.
Figura IV.3. Liquidez de Proempresa Vs. EDPYMEs.
Figura IV.4. Margen Operativo Neto de Proempresa Vs. EDPYMEs.
Figura IV.5. ROE Proempresa Vs. EDPYMEs.
Figura IV.6. Cartera en riesgo de CMAC de Tacna Vs. CMACs.
Figura IV.7. Liquidez de CMAC de Tacna Vs. CMACs.
Figura IV.8. Apalancamiento de la CMAC de Tacna Vs. CMACs.
Figura IV.9. Margen Operativo Neto de la CMAC de Tacna Vs. CMACs.
Figura IV.11. Distribucin de los microcrditos en funcin de la variable
dependiente.
Figura IV.12. Histograma de probabilidades pronosticadas. EDPYME
Proempresa.
Figura IV.13. Histograma de probabilidades pronosticadas. CMAC de Tacna.
Figura IV.14. Sensibilidad y especificidad. EDPYME Proempresa.
Figura IV.15. Sensibilidad y especificidad. CMAC de Tacna.
Figura IV.16. Curva COR. EDPYME Proempresa.
Figura IV.17. Curva COR. CMAC de Tacna.
Figura IV.18. Histograma de probabilidades pronosticadas de clientes
cumplidores. EDPYME Proempresa.
incumplidores. EDPYME Proempresa.
Figura IV.20. Histograma de probabilidades pronosticadas conjunta. EDPYME
Proempresa.
cumplidores. CMAC de Tacna.
xxxiii

incumplidores. CMAC de Tacna.
Figura IV.23. Histograma de probabilidades pronosticadas conjunta. CMAC de
Tacna.
Figura V.1. Esquema de los Pilares de Basilea II.
Figura V.2. Basilea II. Consumo de capital Pymes.
Figura V.3. Prdida esperada e inesperada segn el nivel de confianza.
Figura V.4. Elementos necesarios para el clculo de la prdida esperada e
inesperada segn el nivel de confianza.
Figura V.5. Esquema general de la metodologa para el anlisis del riesgo de
microcrdito
Figura V.6. Clculo de la tasa de inters ajustada al riesgo del cliente.
xxxiv
INTRODUCCIN Y OBJETIVOS
36
INTRODUCCIN Y OBJETIVOS
INTRODUCCIN
38
INTRODUCCIN
Las
caractersticas
peculiares
de
la
economa
el
comercio
condicionadas a la pobreza en la que se hallan millones de personas en

Amrica Latina despiertan muchas incertidumbres. Un pas en vas de
desarrollo es ms rico cuanto mayor es su potencial para movilizar los recursos
humanos, basando el progreso en el alcance de condiciones que permitan
conseguir una mejor calidad de vida, y no slo en el incremento de los ingresos
y de la riqueza. De este modo, el fundamento del problema de la lucha contra
la pobreza puede enfocarse en el acceso de los individuos hacia las
posibilidades y condiciones para realizarse como personas que toman
decisiones libre y responsablemente.
El acceso a las oportunidades productivas en los pases en vas de
desarrollo significa acceso a la agricultura, comercio a pequea escala,
tecnologa, sanidad, educacin, etc. Sin embargo, el desempeo de toda
actividad tendente al aprovechamiento de estas oportunidades obliga a las
personas a acudir a los servicios financieros de crdito para la pequea y micro
produccin. En diversas zonas de estos pases, surgen sistemas basados en
microactividades productivas e informales que garantizan la supervivencia de
gran parte de la poblacin, configurndose as un factor de prosperidad
econmica para el conjunto de la sociedad.
A finales de los aos 60 y principios de los 70, surgieron las
microfinanzas de manos de dos hombres en diferentes lugares del planeta. Por
una parte, Muhammad Yunus, meritorio Premio Nobel de la Paz en 2006 por el
logro de un sistema econmico apropiado para las clases pobres, inici la
actividad microfinanciera en Bangladesh, un pas inmerso en la precariedad en
la que viven la gran mayora de sus habitantes, creando el Grameen Bank. De
otra parte, un idealista estudiante de derecho llamado Joseph Blatchford fund
ACCION International con un nmero reducido de voluntarios. Blatchford
comenz una actividad de ayuda y respaldo a gente pobre de Venezuela,
propagndose su empeo en Brasil, Per, Colombia y Bolivia, poco despus.
Segn Alpzar y Gonzlez-Vega (2006), se definen las microfinanzas
como la oferta de una gama de servicios financieros proporcionados mediante
39
INTRODUCCIN
la aplicacin de tecnologas de crdito innovadoras y de prestacin de otros

servicios, en circunstancias en las que, con las tecnologas bancarias
tradicionales, esta prestacin no se podra hacer rentable o sostenible.
Las dificultades derivadas de la informalidad y de la pobreza en
determinados sectores de la poblacin afectan directamente a los mtodos de
gestin del negocio de las microempresas y de los riesgos asociados, los
cuales son difciles de precisar.
De este modo, el objetivo final de las microfinanzas es proporcionar
servicios financieros sostenibles a personas de bajos ingresos, aunque no
exclusivamente
personas
que
viven
en
la
extrema
precariedad.
Consideramos importante la sostenibilidad financiera dado que la existencia de

Instituciones de Microfinanzas (IMFs) sostenibles implica la posibilidad de
crecer y seguir ofertando operaciones financieras en el futuro. Tngase
tambin en cuenta que, para muchos autores, el crdito no es el instrumento
ms importante para la reduccin de la pobreza (Adams y Von Pischke (1992)),
al sostener que la falta de prstamos formales no es el problema ms
importante de estas personas.
Segn el objetivo descrito, en la actividad microfinanciera se requieren
servicios complementarios como donaciones y subsidios que acompaen a la
disponibilidad de fondos para el crdito, todo ello, junto con una gama completa
de operaciones de ahorro y crdito que formalicen una nueva forma de
entender los servicios financieros.
En la Cumbre sobre Microcrdito (Microcredit Summit) de Washington en
1997, por primera vez se reconoci la importancia del microcrdito a los
pobres como instrumento de base para la lucha contra la pobreza. En esa
cumbre se reunieron representantes de ONGs, intermediarios financieros y
empresas que operan en el sector social, grupos de base de pases
desarrollados y en desarrollo, agencias de Naciones Unidas, gobiernos
nacionales e instituciones financieras internacionales. Los participantes de la
cumbre coincidieron en el objetivo que la provisin de crdito para promover el
40
INTRODUCCIN
empleo y servicios financieros y comerciales alcanzara a cien millones de

familias entre las ms pobres en 2005, involucrando especialmente a las
mujeres de estas familias.
Segn lo indicado, el acceso a los servicios financieros de la poblacin
de escasos recursos contribuye al bienestar y a la consecucin de las
oportunidades econmicas que supone la explotacin de actividades
econmicas en determinados sectores de actividad. Por otra parte, las
microfinanzas pretenden erradicar la existencia de prestamistas ilcitos e
informales, muy presentes en estos estratos del mercado (Mansell, 1995).
El xito futuro de las microfinanzas radica, al igual que en cualquier otra
actividad financiera, en la existencia de un marco normativo que las regule, es
decir, que las microfinanzas se vean envueltas por un entorno donde existen
reglas claras de regulacin y control, as como organismos de supervisin. Sin
embargo, tal y como indican Christen y Rosenberg (2000), la presencia de un
marco jurdico apropiado y de una buena supervisin, no garantizan un
comportamiento adecuado en el que el nivel de riesgo asumido por las IMFs
posicione en ventaja al cliente respecto a los accionistas de la correspondiente
organizacin. Es decir, por numerosos que sean los controles en las reas de
adecuacin de capital, calidad de los activos, gestin de la liquidez y de la
institucin en general, una correcta supervisin debe de acompaarse de un
conjunto de polticas organizacionales, planes de negocios, controles internos y
gestin administrativa propios de un intermediario financiero eficaz.
Por otra parte, resulta fundamental llevar a cabo un correcto anlisis de
la informacin para el desarrollo y expansin en las IMFs, adquiriendo
metodologas para seleccionar un pblico adecuado y un sector econmico
deseado. Segn esto, la naturaleza y las aspiraciones econmicas de los
clientes de microcrdito no constituyen un conjunto de elementos fijos, por lo
que los cambios en su conducta deben ser analizados, dado que influyen
directamente en la estrategia de negocio de cualquier entidad financiera.
41
INTRODUCCIN
Las organizaciones de microfinanzas, con el fin de disminuir sus niveles

de riesgo han tenido que desarrollar medidas innovadoras para el sector con el
fin de poder evaluar las prdidas esperadas frente al incumplimiento de pago
por parte del cliente. La medida ms utilizada hoy en da en la banca comercial
es el scoring de crditos o credit scoring, que es un sistema de evaluacin
automtico, ms rpido, ms seguro y consistente para determinar la
concesin de crditos, que, en funcin de toda la informacin disponible, es
capaz de predecir la probabilidad de impago, asociada a una operacin
crediticia. Las aplicaciones de credit scoring son aptas para los procesos de
evaluacin, comportamiento y cobro de los crditos, analizando en un tiempo
mnimo una gran cantidad de informacin homognea. Los primeros sistemas
de scoring se desarrollaron en la dcada de los cincuenta mediante la
implementacin de scores" internos de comportamiento por parte de bancos
pioneros en Estados Unidos, los cuales eran utilizados para gestionar las
cuentas de dichos bancos en base a la propia informacin que manejaban.
Aos ms tarde, surgieron los scoring de aceptacin que clasificaban a los
solicitantes de crdito segn la propia calificacin de buenos o malos que
efectuaba una determinada institucin bancaria.
De esta manera, segn recoge Silva (2008), en la industria bancaria se
identifican los siguientes modelos de scoring:
Scoring de comportamiento, utilizados para la gestin de cuentas,

incluyendo actividades tales como aumento y disminuciones de lneas
de crdito, y sobregiros convenidos.
Los tradicionales scoring de aceptacin, mediante los cuales un banco

aplica su propia definicin de lo que para l son buenas y malas
operaciones crediticias, a fin de identificar y clasificar a los solicitantes
de crdito.
Scoring de cobranza, cuyo objeto es determinar con mayor precisin las

cuentas que pueden resultar normalmente cobrables.
Scoring de rentabilidad, utilizados para identificar los segmentos de

mercado ms rentables.
42
INTRODUCCIN
Segn un estudio desarrollado por Turner y Varghese (2006), los

historiales de crdito y los scoring son esenciales en toda Amrica Latina para
ayudar a resolver tres problemas econmicos especficos: a) Niveles de
eficiencia inferiores a estndares internacionales en el sector financiero, b) el
relativo estancamiento de los prstamos del sector privado y c) el riesgo de
crisis financieras, que a menudo derivan, en parte, de los problemas de
seleccin adversa en el sector bancario.
La realidad de la Repblica del Per, pas en el cual desarrollamos el
estudio emprico de dos modelos de credit scoring se caracteriza por la amplia
difusin y utilizacin de los servicios de informacin de riesgo de crdito para la
banca minorista, la industria de las tarjetas de crdito, el sector seguros,
empresas de factoring y, tambin las instituciones bancarias tradicionales y
emergentes.
En los ltimos aos, los analistas de crditos de las entidades de
microfinanzas han sido los que se han encargado de tomar la decisin de
concesin o denegacin de un crdito, todo ello mediante el trato cotidiano y
subjetivo que pueda tener dicho analista de crdito con el prestatario real o
potencial. Si los analistas de crdito se marcan el objetivo de incrementar el
nmero de clientes o prestatarios, sera conveniente que se ayudasen de
ciertas herramientas estadsticas objetivas de calificacin de deuda con las que
poder tomar una decisin de concesin o denegacin de un crdito.
La consecucin de un modelo de prediccin del impago de un cliente en
las IMFs no se encuentra exenta de limitaciones y dificultades. Partimos de la
idea de que los modelos de scoring en microfinanzas, dadas las caractersticas
distintivas de las IMFs y el microcrdito respecto a las entidades bancarias y
crdito convencional, se construyen de manera diferente debido a las
limitaciones existentes a raz de la disposicin de historiales de crdito
escasamente desarrollados. Tal y como afirma Schreiner (1999): la
manipulacin matemtica es la parte fcil. La parte difcil es la recoleccin de
informacin y el uso de las estimaciones del riesgo en la prctica. Es decir, la
principal complicacin a la hora de elaborar un modelo de credit scoring para
43
INTRODUCCIN
microfinanzas estriba en combinar una serie de variables de carcter subjetivo

sobre las cuales existe un gran problema a la hora de encontrar datos e
informacin. En el caso de las microfinanzas, no existen historiales crediticios
desarrollados donde poder hallar las variables sin dificultad, al contrario que en
el caso de la gran banca, donde si las hay.
El diseo de una aplicacin de scoring en microfinanzas ha de estar
basado, pues, en el seguimiento de una estrategia innovadora en este sector. A
este respecto, siguiendo a Kim (2005), planteamos el proceso de evaluacin y
concesin del microcrdito de las entidades analizadas como base de la
construccin de los modelos de credit scoring. En primer lugar, el mencionado
proceso nos determinar los factores explicativos del impago del cliente. Por
otro lado, ste nos servir de gua a la hora de plantear el procedimiento
estadstico a utilizar.
La escasez de modelos y aplicaciones de scoring en las microfinanzas
es indicativa de un campo de investigacin joven y poco explorado. Teniendo
en cuenta que los trabajos de investigacin hallados en este campo no
consiguen unos resultados demasiado satisfactorios o bien cometen errores en
los planteamientos estadsticos, entendemos que nos enfrentamos a una tarea
ardua y complicada.
Obtenido un modelo de calificacin estadstica robusto para las
microfinanzas, el siguiente paso consiste en aplicarlo en el negocio de las
IMFs. En 1988, el Comit de Basilea para la Supervisin Bancaria public el
Primer Acuerdo de Capital (Basilea I), en el que se requera a las instituciones
financieras que dispusieran de un nivel mnimo de capital equivalente al 8% de
sus activos ponderados por riesgo. Sin embargo, no fue hasta junio de 2004,
fecha de publicacin de los nuevos acuerdos tomados por el Comit de Basilea
(Basilea II), cuando se consigui una propuesta relativa al tratamiento de los
riesgos bancarios (incluido, por nuestro inters, el riesgo de crdito) con un alto
grado de consenso. Basilea II tiene como principal objetivo esbozar una
metodologa para el tratamiento del riesgo, sin olvidar las relaciones que han
de mantener las entidades financieras y los supervisores, los cuales tendrn un
44
INTRODUCCIN
papel activo sobre la gestin del riesgo realizada por dichas entidades
financieras.
En Per, el Reglamento para el Requerimiento de Patrimonio Efectivo
por Riesgo de Crdito de la Superintendencia de Banca y Seguros (SBS) de
2009 recoge todos los escenarios de implementacin de Basilea II en las
entidades sometidas a supervisin en el sistema financiero. Entre ellas se
encuentran los tipos de IMFs sobre las cuales tomamos las muestras de
nuestro anlisis emprico. La norma que subyace de este reglamento tiene
como novedad la posibilidad de disear Mtodos Basados en Calificaciones
Internas (IRB) que, tras ser homologados por el correspondiente organismo
supervisor, son aptos para determinar el requerimiento de capital, la prdida
esperada, la prdida inesperada y, finalmente, la poltica de tasas de inters;
eso s, teniendo en cuenta que el punto de partida es la probabilidad de
impago.
En virtud de la evolucin que trasciende en la actualidad en la gestin de
las entidades de microfinanzas, en lo que al tratamiento del riesgo de crdito se
refiere, en este trabajo pretendemos alcanzar los siguientes objetivos:
Contextualizar con detalle el negocio de las microfinanzas, centrndonos

fundamentalmente en los aspectos y caractersticas que definen la
funcin social, econmica y financiera del microcrdito, diferencindolo
del crdito convencional de la banca comercial.
Proceder a una revisin terica de las metodologas y modelos de credit

scoring en la banca comercial y en las microfinanzas, con objeto de
establecer diferencias entre ellos.
Analizar las limitaciones en la elaboracin y diseo de un modelo de

credit scoring para las microfinanzas.
Describir el mtodo de evaluacin y concesin del microcrdito como

prctica del mercado en el sistema financiero peruano.
Proponer un modelo de credit scoring que evale y mida el riesgo de

impago en dos entidades de microfinanzas supervisadas en el sistema
financiero de la Repblica del Per, salvando las importantes
45
INTRODUCCIN
limitaciones existentes en este empeo y basndonos en el proceso de

evaluacin y concesin del microcrdito.
Proponer un Mtodo Interno Basado en Calificaciones Internas segn el

Reglamento para el Requerimiento de Patrimonio Efectivo por Riesgo de
Crdito, normativa que regula la propuesta sobre riesgos bancarios de
los nuevos acuerdos de Basilea II.
Para lograr estos objetivos, hemos dividido la Tesis Doctoral que
presentamos en tres bloques diferenciados, que exponemos a continuacin.

En el primer bloque, mostramos un marco terico sobre el cual
pretendemos dar una visin general, en primer lugar del paradigma de las
microfinanzas y, en segundo lugar, de los modelos empleados para la gestin
del riesgo de crdito en la banca comercial y en las entidades de
microfinanzas. Este primer bloque comprende los captulos I y II del trabajo de
investigacin.
En el captulo I abordamos lo necesario para alcanzar el primero de
nuestros objetivos. Para ello, determinamos cul fue el origen de las
microfinanzas, destacamos la necesidad de un marco jurdico que las regule y
presentamos a las IMFs como entidades encargadas de llevar a cabo la
actividad microfinanciera tendente a la disminucin de la pobreza. No menos
importante es analizar el producto financiero con el que cuentan las IMFs para
desempear su cometido; hablamos del microcrdito, estableciendo las
oportunas diferencias con el crdito convencional.
En el captulo II nos marcamos como objetivo realizar un anlisis del
riesgo de crdito en las IMFs. Dicho anlisis, comienza con un estudio
comparado de las tcnicas, modelos de credit scoring y caractersticas
empleadas en stos, en la actividad financiera bancaria y las microfinanzas.
Tras este estudio comparado, pretendemos tambin identificar la metodologa
estadstica ms apropiada para el diseo de un modelo de scoring para
microfinanzas. Para finalizar este captulo, presentamos una serie de
46
INTRODUCCIN
limitaciones importantes, as como las ventajas e inconvenientes de construir

un modelo de calificacin estadstica que mida el riesgo de impago en las IMFs.
En el segundo bloque del trabajo, formado por los captulos III, IV y V,
nos centramos en los aspectos propios del estudio emprico desarrollado. A
este respecto, en el captulo III, describimos pormenorizadamente el proceso
de evaluacin y concesin del microcrdito y su repercusin de cara a
determinar las variables explicativas del riesgo de impago en las dos IMFs
analizadas, as como en el futuro desarrollo de la aplicacin estadstica
seleccionada para el diseo de los correspondientes modelos de credit scoring.
En el captulo IV, proponemos un modelo de credit scoring para dos
entidades de microfinanzas supervisadas del sistema financiero de la
Repblica del Per, utilizando el proceso de evaluacin y concesin del
microcrdito como base del diseo de los modelos. Posteriormente,
describimos una serie de medidas que permiten valorar las aplicaciones
obtenidas, as como su validacin.
Nutrindonos de la informacin y resultados obtenidos en el captulo IV,
en el captulo V, tras analizar los nuevos acuerdos tomados por el Comit de
Supervisin Bancaria de Basilea (Basilea II) en lo que a riesgo de crdito se
refiere, proponemos un Mtodo Interno Basado en Calificaciones Internas con
el que aplicar el credit scoring en el negocio de las IMFs, y as poder calcular
los requerimientos de capital, las prdidas esperadas e inesperadas, para as,
poder establecer una poltica de tasas de inters adecuada.
Finalmente, en el tercero de los bloques, establecemos una serie de
conclusiones y futuras lneas de investigacin sobre el trabajo realizado, las
cuales tratan de dar respuesta a los objetivos que planteamos en la presente
Tesis Doctoral.
47
INTRODUCCIN
48
BLOQUE 1:
PLANTEAMIENTO Y MARCO TERICO
CAPTULO I
LAS INSTITUCIONES DE MICROFINANZAS Y EL
MICROCRDITO
I.1. Introduccin.
I.2. Origen y antecedentes de las microfinanzas.
I.2.1. El Grameen Bank.
I.2.2. BancoSol.
I.2.3. Womens World Banking (WWB).
I.3. Marco Jurdico de las microfinanzas.
I.4. Las Instituciones de Microfinanzas.
I.4.1.Funcin econmica y social.
I.4.2.Clasificacin.
I.4.2.1. Organizaciones No Gubernamentales (ONGs).
I.4.2.2. Instituciones financieras graduadas.
I.4.2.3. Cooperativas de ahorro y crdito.
I.4.3. Metodologa y operativa.
I.4.3.1. Grupos solidarios
I.4.3.2. Uniones de crdito.
I.4.3.3. Bancos comunales.
I.4.3.4. Prstamos individuales.
I.5. El microcrdito
I.5.1.Concepto.
I.5.2.Funcin econmica y social.
I.5.3.Tipologa.
I.6. Situacin actual y perspectivas de las microfinanzas en Amrica Latina.
I.6.1.Las microfinanzas en Mxico.
I.6.2.Las microfinanzas en Colombia.
CAPTULO 1: LAS INSTITUCIONES DE MICROFINANZAS Y EL MICROCRDITO
I.6.3.Las microfinanzas en Chile.

I.6.4.Las microfinanzas en Bolivia.
I.6.5.Las microfinanzas en Per.
I.6.5.1. Cajas Municipales de Ahorro y Crdito (CMACs).
I.6.5.2. Cajas Rurales de Ahorro y Crdito (CRACs).
I.6.5.3. Entidades de Desarrollo de la Pequea y Micro Empresa
(EDPYMEs).
I.6.6.Aspectos comunes de las microfinanzas en el momento actual.
I.6.7.Perspectivas de futuro.
I.7. Consideraciones finales.
52
I.1.
INTRODUCCIN
Amrica Latina posee una economa un tanto singular, influenciada en
gran medida por la precariedad en la que viven millones de personas. Resolver

esta situacin de pobreza es sin lugar a dudas un reto de gran importancia,
donde las organizaciones de desarrollo pueden jugar un papel significativo, al
ser stas capaces de adentrarse en los problemas de los estratos sociales ms
desfavorecidos. Los pases ubicados en esta zona han de procurar la
bsqueda de soluciones encaminadas a mejorar las condiciones econmicas
de sus habitantes, como la formacin adecuada de las personas para afrontar
con xito la gestin de pequeos negocios que tendr un efecto beneficioso de
forma directa para los individuos en cuestin, e indirectamente para la totalidad
de la regin. Por tanto, puede decirse que el desarrollo de las microfinanzas ha
sido producto de numerosos esfuerzos y proyectos comunes entre el sector
pblico y el sector privado, puesto que el sistema poltico y de gobierno de
cada pas, por muy distintas que sean sus perspectivas ideolgicas, buscan
insistentemente procesos eficaces para combatir la pobreza.
Hace ms de 35 aos que surgieron las microfinanzas de manos de,
segn numerosos autores, Muhammad Yunus, premio Nobel de la Paz en el
ao 2006 por su lucha para lograr una economa justa para las clases pobres.
Desde entonces y hasta la actualidad, la prctica de las microfinanzas se ha
convertido en eje de la economa de los pases en vas de desarrollo. A este
respecto,
aunque
las
microfinanzas
sostienen
unos
fundamentos
caractersticas no discutidas por nadie, an no existe un consenso claro acerca

de su significado. As, Ledgerwood (1999) establece como microfinanzas la
prestacin de servicios financieros a clientes de bajos ingresos, incluyendo a
los autoempleados. Por otra parte, para Rahman (2000) las microfinanzas
constituyen un conjunto de mecanismos innovadores para la provisin de
crdito y de facilidades de ahorro destinados a aquel sector de la poblacin
tradicionalmente excluida del sector financiero formal. La exclusin de la que
hablamos, segn indica el autor, es debida principalmente a tres factores: a)
53
Los clientes no pueden ofrecer garantas aceptables; b) Presentan un alto nivel

de riesgo crediticio; y c) Las cantidades solicitadas en los crditos son
demasiado pequeas para las entidades financieras que aspiran a ser
rentables.
Al igual que cualquier actividad financiera, las microfinanzas requieren
dotarse de un marco jurdico y normativo que las regule. El objetivo primordial
de la regulacin financiera es promover una acumulacin de capital marcado
por la eficacia y la eficiencia en la asignacin de recursos. Para lograr estos
objetivos, los organismos encargados de supervisar a las instituciones
financieras dictaminan una serie de restricciones a la prctica del negocio
bancario, interesndose, entre otras, en la exposicin a riesgos, prcticas
contables, presentacin de informes y las operaciones comunes de ahorro y
crdito de las entidades financieras.
Las
entidades
de
microfinanzas
(ONGs
formalizadas
institucionalizadas), pretenden realizar una labor con nimo de lucro pero que,
a su vez, beneficie directamente a los millones de personas que viven bajo
cierta precariedad. Para ello, el microcrdito se erige como el producto
financiero sobre el cual se basa la actividad microfinanciera. Sin embargo,
hemos de precisar que las microfinanzas no se terminan con el microcrdito,
sino que comprenden todo un conjunto de servicios dirigidos a la poblacin de
ingresos bajos y a microempresarios con dificultades de acceso a los servicios
financieros tradicionales de la banca comercial.
El propsito de este primer captulo consiste en conocer el negocio de
las
microfinanzas,
centrndonos
en
los
aspectos
caractersticas
fundamentales que definen la funcin econmica y social del producto

financiero que por todos es conocido al referir el trmino microfinanzas, cual es:
el microcrdito. Para ello, hemos estructurado el presente captulo en cinco
partes. En la primera de ellas, estudiamos el origen y los antecedentes de las
microfinanzas con la intencin de justificar los factores causantes que nos
llevaron al desarrollo de un modelo econmico peculiar y paralelo al existente
en las entidades financieras bancarias. En segundo lugar, y tras la aparicin de
54
las microfinanzas, presentamos el marco terico referido al mbito jurdico y

normativo necesario para el buen funcionamiento y xito futuro de la actividad
microfinanciera. En el tercer punto, describimos las Instituciones de
Microfinanzas como organizaciones encargadas de llevar a cabo la actividad
microfinanciera, resultando interesante clasificarlas, a la vez que detallar las
metodologas que stas innovaron en la concesin de los microcrditos. En
cuarto lugar, conceptualizaremos el microcrdito como producto financiero
encargado de cumplir con los objetivos de las microfinanzas; para ello,
resaltaremos las caractersticas que definen la funcin econmica y social del
microcrdito y los clasificaremos en funcin del tipo de microempresas a los
cuales le sean concedidos. En quinto y ltimo lugar, comentaremos la situacin
en que la que se encuentran las microfinanza en la actualidad, indicando, a su
vez, sus perspectivas de cara al futuro.
I.2.
ORIGEN Y ANTECEDENTES DE LAS MICROFINANZAS

La economa mundial no distribuye la riqueza por igual en todas las
regiones del planeta, en tanto que existe un marcado contraste entre la riqueza
y la pobreza. Segn esto, la Organizacin Mundial de la Salud (OMS),
cuantificaba en el ao 1995 una cifra de 1.000 millones de personas que vivan
en situacin de seria precariedad, lo cual supone una quinta parte de la
poblacin mundial. Entre otras, Amrica Latina, frica, China, La India, etc.,
son las regiones donde la concentracin de estas personas con recursos
limitados es mayor, sin olvidar que tambin podemos encontrarlas en pases
desarrollados con mayor dotacin econmica.
La pobreza es un suceso que ha existido durante toda la historia de la
humanidad, siendo a la mujer a quien ms afecta, teniendo en cuenta que ellas
han tenido mayores dificultades que el hombre a la hora de acceder a los
servicios financieros. Por este motivo, puede decirse que a lo largo de la
historia el desempeo de la actividad econmica y por tanto la creacin de
riqueza ha sido un rol desempeado habitualmente por el hombre. Sobre esto,
55
el Fondo de Desarrollo de las Naciones Unidas para la Mujer (UNIFEM) ha

estimado que las mujeres generan aproximadamente el 10% de los ingresos
totales mundiales.
Desde hace 25 aos han surgido numerosas iniciativas con el objetivo
de activar ciertos mecanismos de financiacin para la microempresa. Dichas
iniciativas han partido, principalmente, de Organizaciones No Gubernamentales
(ONGs),
instituciones
financieras
sin
fines
de
lucro
organismos
internacionales. En este sentido, desde mediados de los aos ochenta, en la

mayora de pases de Amrica Latina, vienen funcionando numerosas ONGs
de tipo social financiadas, bsicamente, por donaciones de la comunidad
internacional y con la finalidad de atender a ciertos sectores marginados de la
poblacin que disponen de escasos recursos econmicos. Esta atencin se
realiza ofreciendo servicios financieros en regiones marcadas por la depresin
econmica, tanto en reas rurales como urbanas, motivo por el cual ciertas
entidades comenzaron a convertirse en un motor de desarrollo econmico y
microempresarial a la vez que en un sistema eficiente de generacin de
empleo.
En la dcada de los ochenta, dada la ausencia de oferta crediticia a la
pequea y micro empresa por parte de las grandes entidades bancarias, las
ONGs, por su alcance y gran cobertura geogrfica, se asentaron como una
importante fuente institucional de crdito, desarrollando su actividad sin
someterse a ninguna normativa financiera y sin encontrarse bajo la supervisin
de ningn organismo regulador o cualquier otra institucin anloga. Esta
situacin repercute directamente en el hecho de que las organizaciones de
desarrollo no pudieran captar ahorros del pblico en forma de depsitos, lo cual
imposibilita y obstaculiza su expansin a nivel territorial.
Por su parte, las ONGs encontraron dificultades a la hora de llevar a
cabo actividades de crdito, lo que condujo a la necesidad de formalizarse por
ste y por otros motivos que exponemos a continuacin:
56
Permitir a ciertos sectores de la poblacin la incorporacin al sistema

financiero donde podrn disfrutar de servicios de diversa ndole.
Asegurar un buen funcionamiento del sistema microfinanciero y as crear

vas de canalizacin de recursos hacia sectores a los que no llega la
banca corporativa.
Intento de cubrir la demanda real insatisfecha de servicios financieros

por insuficiencia de intermediarios financieros en la pequea y
microempresa, en zonas rurales y urbanas.
Proporcionar a las ONGs, una vez formalizadas, una forma jurdica

contemplada en la legislacin que pueda aportar una estabilidad y
tranquilidad jurdica al sistema.
Incrementar y completar la estructura financiera as como las

modalidades en las que se pueden instrumentar las operaciones de
crdito.
Las entidades de microfinanzas, teniendo en cuenta sus comienzos
como ONGs, nunca deben desaprovechar la experiencia que hayan podido

acumular bajo la figura de stas ltimas, conservando, para ello, todas la
metodologas de gestin de crditos utilizadas cuando las ONGs financieras
an no se encontraban formalizadas.
Segn Vereda del Abril (2002), los microcrditos y microfinanzas
surgieron cuando determinadas personas, con creencias en el ser humano y
con voluntad de ayuda fueron capaces de prestar pequeas cantidades de
dinero a los pobres que no tenan tierras, ni propiedades, ni salarios, pero
tenan la fuerza vital para salir de la miseria con dignidad, crendose su propio
trabajo. Resulta difcil concretar quienes fueron las personas que desarrollaron
esta labor por primera vez de forma continuada y generalizada, pero s que
podemos decir que en Bangladesh, en 1976, el profesor Muhammad Yunus,
jefe del programa de Economa Rural de la Universidad de Chittagong, dirigi
un proyecto de investigacin en el que se le ocurri disear un sistema y
metodologa de crdito cuyo fin era la cobertura crediticia en zonas rurales,
zonas donde no llegaban los servicios bancarios tradicionales.
57
Como ejemplos claros de entidades que dieron origen a las

microfinanzas podemos citar tanto el Grameen Bank, banco que fue creado por
Muhammad Yunus, y BancoSol, entidad originaria de las microfinanzas que
opera en Bolivia, pas donde, en la actualidad, estn ms desarrolladas las
microfinanzas.
I.2.1.
El Grameen Bank
En Bangladesh, un pas con una superficie de 144.000 km2, residen 73

millones de personas, en condiciones de gran precariedad. Aproximadamente
el 83% de su poblacin es de origen musulmn, aunque basa la forma de su
progreso bajo el concepto occidental capitalista.
Resulta que fue en Bangladesh donde se descubri un procedimiento o
sistema de banca capaz de mejorar el nivel de vida de la poblacin pobre,
sistema
que
fue
precursor
del
desarrollo
implantacin
tcnicas
microfinancieras en las regiones ms desfavorecidas del planeta.

El sistema fue desarrollado por Muhammad Yunus1, Doctor en
Economa por la Universidad de Vanderbilt (Tennessee, USA) quien al trmino
de sus estudios en 1972, regres a Bangladesh, su pas natal, para impartir
clases en la Universidad de Chittagong.
En 1983, los estudios econmicos sobre la poblacin marginada de la
regin que realiz mientras desempeaba sus funciones docentes y, aplicando
una mnima inversin de 27 dlares americanos, lo llevaron a crear el
"Grameen Bank" (en Bangal, "banco del pueblo").
Las ideas de Muhammad Yunus, en su proyecto de investigacin
trataron de alcanzar los siguientes objetivos:
Hoy da, Muhammad Yunus est considerado como el padre del Microcrdito.
58
Llevar los servicios bancarios a los sectores ms necesitados de la

poblacin. En palabras de Yunus (1993), mientras yo enseaba
elegantes teoras econmicas, la gente mora de hambre todos los das
en las calles. Porqu algunas personas trabajando doce horas al da,
los siete das de la semana, no tienen suficiente comida para llevar a sus
mesas? En esos momentos comenc a odiar la arrogancia de los
profesores de economa, que pretendan tener todas las respuestas
sobre las teoras del desarrollo, cuando realmente no sabamos nada
acerca de la pobreza que nos rodeaba .
Eliminar la existencia de prestamistas ilcitos e informales. Los

prestamistas informales se aprovechaban de la situacin extrema de
aquellas personas que trabajaban durante tantas horas al da, concedan
prstamos a elevados tipos de inters que oscilaban desde el 10%
mensual, llegando incluso al 10% semanal. De esta forma, por muchas
horas que estas personas dedicaran al trabajo, nunca podan abandonar
la situacin en la que se obtienen ingresos nicamente para subsistir.
Plantear oportunidades a los sectores ms deprimidos y estancados.

Yunus confiaba en el instinto de supervivencia del hombre y, por tanto
mantena la idea de que no haba que ensearles a sobrevivir, sino que
haba que ponerles a su alcance los recursos financieros necesarios
para que ellos mismos pongan en marcha las habilidades que ya
poseen.
Crear una orientacin de la actividad econmica hacia la mujer. La

mujer, tiempo atrs, ha tenido restringido el acceso al dinero del hogar, y
en los casos en los que se queda viuda o repudiada, se ha visto
obligada a mendigar por las calles o a realizar cualquier tipo de trabajo
situado en el lmite de lo indigno.
Proponer, a partir de una renta baja, una inyeccin de crdito que

posibilite realizar cierta inversin, y a partir de la cual obtener una mayor
renta que permita generar ahorro de, fuente de futuras nuevas
inversiones.
Tras la consecucin de muy buenos resultados, el proyecto desemboc
en la creacin del Grameen Bank, tambin conocido como el Banco de los

59
Pobres. Este banco, hoy da, est considerado como una de las instituciones
financieras dedicadas a las microfinanzas ms conocidas del mundo, todo ello,
gracias al seguimiento estricto de sus 16 Principios que recogemos en al
cuadro I.1.
Cuadro I.1. Principios de actuacin del Grameen Bank.
PRINCIPIOS DE ACTUACIN DEL GRAMEEN BANK

1. Seguiremos los cuatro principios del Grameen Bank en todo momento: Disciplina,
Unin, Valor y Trabajo.
2. Llevaremos la prosperidad a nuestras familias.
3. No viviremos en chavolas. Arreglaremos nuestros hogares y construiremos casas
nuevas lo antes posible.
4. Cultivaremos hortalizas a lo largo de todo el ao. Comeremos todo lo que se necesite,
y venderemos el resto.
5. Durante la poca de plantacin plantaremos todas las plantas que se puedan.
6. Procuraremos tener familias pequeas. Minimizaremos nuestros gastos. Cuidaremos
la salud.
7. Educaremos a nuestros hijos y aseguremos que puedan ganar lo suficiente para
pagar su educacin.
8. Tendremos siempre limpios a nuestros hijos y al medio ambiente.
9. Construiremos y usaremos letrinas con desage.
10. Beberemos agua corriente del grifo. Si eso no es posible, herviremos el agua o
usaremos potabilizadoras.
11. No aceptaremos ninguna dote en las bodas de nuestros hijos, ni daremos ninguna en
la de nuestras hijas. No se practicar el matrimonio de nios.
12. No ajusticiaremos a nadie ni permitiremos que nadie lo haga.
13. Acometeremos inversiones mayores de forma colectiva para tener ms ingresos.
14. Nos ayudaremos siempre los unos a los otros.
15. Si nos enteramos que esta disciplina se rompe en algn pueblo, correremos a
socorrerlos.
16. Introduciremos ejercicios fsicos en todos nuestros pueblos.
Fuente: Grameen Bank.
Sus logros como banco son envidiables para cualquier institucin

financiera del mundo, pues en 1995, es decir, doce aos despus de su
60
creacin, consigui contar con un billn de dlares en concepto de crditos,

facilitando todo tipo de servicios financieros a 2,9 millones de prestatarios y
manteniendo una tasa de morosidad reducida en el negocio de las IMFs,
concretamente, tasas que oscilan entre el 1% y el 4%.
El Grameen Bank basa su xito en un concepto bastante simple, que es
el de prestar a los ms pobres a las tasas vigentes en el mercado sin solicitar
para ello ningn tipo de garanta. Con una pequea inyeccin de financiacin,
personas de escasos recursos, pueden adquirir animales, comercializar sus
productos, fabricar y vender productos artesanos, etc.
Con la realizacin de esta actividad financiera, los prestatarios perciben
que tienen un trato igualitario sin recibir ningn tipo de limosna. De igual modo,
entienden que se enfrentan a un verdadero prstamo en el que, para
reembolsarlo segn las condiciones pactadas hasta su vencimiento, debern
poner un gran empeo en el desarrollo de actividades econmicas viables. Se
consigue entonces, que todos tengan acceso a servicios financieros de tipo
bancario y se evite as la exclusin de los que viven ms precariamente.
En el Grameen Bank se innovaron dos mecanismos para la concesin
de un prstamo: grupos mancomunados y prstamos personalizados. En los
grupos mancomunados, cada beneficiario de los crditos que conceda este
banco de pobres se deba de integrar en un grupo de 5 miembros, donde el
banco nicamente prestaba a uno de los miembros del grupo. Esto quiere
decir, que si ste no pagaba, el resto del grupo perda toda capacidad crediticia
que pudiese albergar. Con esta estrategia, el Grameen Bank consegua que
fueran los propios prestatarios los que evaluasen la viabilidad de los proyectos,
as como que, ellos mismos, se cuidasen de que los dems integrantes del
grupo pagasen sus deudas. De este modo, los propios clientes se convierten
en analistas y cobradores de los crditos.
El sistema de crditos de este banco tan peculiar presentaba, adems,
las siguientes caractersticas:
61

-
Inicialmente, la cuanta mxima que reciba cada integrante del grupo de

crdito ascenda a 25 dlares.
El plazo de vencimiento se estableca en 5 semanas.
La operacin llevaba implcita una parte de intereses, que se

encontraban ligeramente por encima de los intereses comerciales.
En caso de devolucin de la cuanta del prstamo al vencimiento

estipulado, el prestatario ganaba el derecho a incrementar su lmite
mximo de prstamo a 100 dlares y una ampliacin en el plazo de
devolucin a 50 semanas.
Tras una relacin de ms de 1 ao con el banco en la que no se

incurriese en ningn tipo de problema crediticio, el prestatario podra
participar en el capital social de la entidad.
El 95% de los prestatarios eran mujeres que, segn los estudios del
Profesor Yunus, presentan un ndice de morosidad muy inferior al
hombre. Por tanto, el gnero femenino es un factor de menor riesgo
crediticio.
Para acceder a los servicios financieros que ofrece el Banco Grameen,

es requisito indispensable no poseer ms de 0,2 hectreas de tierra
cultivable, lmite que se duplica para el caso de las familias. Es lgica la
incorporacin de este requisito con la idea de garantizar que los fondos
sean destinados a las personas con menos recursos.
Los posibles prestatarios han de realizar un programa de formacin con

el fin de que tengan constancia de los aspectos legales y normativos del
banco.
No se garantiza asistencia tcnica a los prestatarios para el desarrollo

de sus negocios. nicamente se prestaba asistencia de tipo aritmtico
sobre las caractersticas del prstamo.
Se estima que cada ao, el 5% de los participantes abandonan la
situacin de extrema pobreza, y que todo el que entra en la dinmica de

solicitar prstamos a esta institucin posee un 70% de posibilidades de salir de
la situacin de pobreza en un perodo mximo de 5 aos.
62
Paralelamente, se ha observado que las mujeres se convierten en una

pieza fundamental en este engranaje, debido a que stas aportan recursos
para el sostenimiento del hogar, lo cual hace que mejore su posicin dentro del
hogar familiar. Ello incide directamente en la disminucin del ndice de maltrato,
que junto a las mejoras en aspectos como el control de la fertilidad, de la
nutricin, a la vez que de la educacin de los hijos, ha provocado que el nivel
cultural se incremente y se convierta en una barrera menor para el desarrollo
econmico de la regin. En definitiva, tal y como apunta Yunus (1999), el hecho
de prestar a mujeres conduce a mejores niveles de vida.
En la actualidad, el banco ha crecido hasta cubrir ms de 80.000 aldeas
contando con casi ocho millones de prestatarios, dato que podemos comprobar
en la tabla I.1, donde mostramos la evolucin de los principales indicadores de
crecimiento de la institucin desde su creacin. En virtud del crecimiento
exponencial de la entidad, ha sido necesaria la contratacin de un gran nmero
de empleados que, en el pasado, han sido antiguos prestatarios de la
institucin, mostrando as la estrecha relacin entre el Banco Grameen y sus
clientes.
63
Tabla I.1. Evolucin de indicadores del Grameen Bank (cantidades en millones de US$).
CONCEPTO
Importe acumulado de los desembolsos realizados
Importe de los desembolsos en el ao
Nmero de hogares construidos
Nmero de grupos
Nmero de clientes
Porcentaje femenino de clientes
Nmero de aldeas cubiertas
Nmero de Sucursales
CONCEPTO
Importe acumulado de los desembolsos realizados
Importe de los desembolsos en el ao
Nmero de hogares construidos
Nmero de grupos
Nmero de clientes
Porcentaje femenino de clientes
Nmero de aldeas cubiertas
Nmero de Sucursales
1976
0,00
0,00
10
20
1
1
1977
0,01
0,01
4
70
14
2
1
1979
0,21
0,18
377
2.200
41
17
6
1981
3,37
2,06
4.818
24.128
39
433
24
1983
194,95
99,34
11.667
58.320
46
1.249
86
1985
38,33
16,50
1.581
34.324
171.622
65
3.666
226
1987
83,04
26,53
23.408
67.831
339.156
81
7.502
396
1989
179,35
55,19
67.841
132.452
662.263
89
15.073
641
1991
322,43
74,35
118.717
213.286
1.066.426
92
25.248
915
1993
1995
1997
1999
2001
2003
2005
2007
2009
725,39
266,02
258.194
372.298
1.814.916
94
33.667
1.040
1.405,94
333,17
331.201
424.993
2.065.661
94
35.533
1.055
2.062,96
371,22
402.747
465.384
2.272.503
95
37.937
1.105
2.792,00
320,39
511.583
494.044
2.357.083
95
39.706
1.149
3.347,98
287,54
545.121
504.651
2.378.601
95
40.447
1.173
3.986,46
365,96
578.532
577.886
3.123.802
95
43.681
1.195
5.025,61
608,79
627.058
877.142
5.579.399
96
59.912
1.735
6.685,51
934,94
650.839
1.168.840
7.411.229
97
80.678
2.481
8.741,86
1.150,54
679.577
1.253.160
7.970.616
97
83.458
2.562
Fuente: Grameen Bank, Statistical Updates, Diciembre 2009.
64
I.2.2.
BancoSol
BancoSol, institucin financiera que opera en Bolivia, tiene sus orgenes

en una organizacin no gubernamental denominada Accin Internacional, de
origen norteamericano, que realiza sus operaciones en Amrica Latina desde el
ao 1961. En 1984, un grupo de empresarios y hombres de negocios Bolivia se
pusieron en contacto con Accin Internacional con la idea de crear un
programa orientado al desarrollo y fortalecimiento de la microempresa. Dos
aos ms tarde, se cre una ONG bajo trmites de joint-venture formada por
Accin Internacional y por estos empresarios bolivianos tan llenos de iniciativa.
Dicha ONG fue constituida bajo el nombre de PRODEM2.
En un primer momento, la financiacin para la creacin de esta ONG
provena de organismos tales como:
Agencia de los Estados Unidos para el Desarrollo Internacional

(USAID).
Fondo Social de Emergencia Boliviano.
Sector Privado Boliviano.
Fundacin Calmeadow.
La creacin de un programa de crditos por parte de PRODEM hizo que

la regin se beneficiase de un incremento de fondos destinados a capital de
trabajo
para
actividades
productivas
comerciales
en
el
sector
microempresarial. Este hecho repercuti directamente en la creacin de

empleo y puestos de trabajo, en el incremento de la inversin y en el aumento
del nivel de ingresos de este sector.
El xito de PRODEM y su programa fue perfectamente cuantificable,
llegando a cubrir la financiacin de ms de 45.000 microempresas y
microempresarios, concediendo crditos por una cuanta global aproximada de
28 millones de dlares y con unas tasas de morosidad reducidas.
2
Fundacin para la Promocin y Desarrollo de la Microempresa.
65
En 1992, la motivacin y las intenciones emprendedoras de los

administradores de la ONG hizo que se percataran del hecho de que la sta
podra convertirse en una de las IMFs ya formalizadas a nivel mundial. Por
aquel entonces, era ya conocido el xito que tuvo Grameen Bank en este
sector, lo que provoc que se estudiase la posibilidad de reproducir su
experiencia. Pero no slo se reprodujo, sino que se lleg ms all.
En ese mismo ao (1992), se cre BancoSol, fruto de una escisin de
PRODEM y tras una labor muy productiva y de xito durante ocho largos aos.
Tal y como relata Schreiner (1999), aunque PRODEM tuvo bastante xito
comparada con la mayora de las dems organizaciones de microfinanzas, los
componentes de su consejo de administracin creyeron que su condicin de
ONG restringa la amplitud y el alcance de la organizacin. Esto se deba a que
PRODEM no era una institucin regulada y, por ello, no poda captar ahorros
de sus clientes. Los administradores pensaron, tambin, que con un cambio de
orientacin y una condicin lucrativa, incentivara y atraera a la inversin
privada.
Finalmente, se cre el Banco Solidario S.A., conocido como BancoSol,
y fue el primer banco privado comercial en Amrica Latina especializado en
servicios microfinancieros y, como cualquier otro banco en Bolivia, BancoSol se
encuentra, desde un punto de vista legislativo, bajo el marco regulador de la
Superintendencia de Bancos e Instituciones Financieras.
Segn Schreiner (1999), la sustitucin parcial de donaciones por fuerzas
de mercado fue un incentivo para que los socios de BancoSol, ocasionalmente,
pero no siempre altruistas, se comprometieran a esforzarse y generar
beneficios, con el nico fin de mejorar an ms el bienestar de las personas
ms desfavorecidas, econmicamente hablando. Desde entonces, el Banco
Solidario S.A. ha ejercido un rol muy importante en la economa boliviana.
66
Segn lo indicado, conviene mencionar que los gerentes especializados

de grandes bancos fueron reemplazando a los originarios fundadores de
PRODEM, dada la creciente complejidad de la gestin de BancoSol.
En sus comienzos, BancoSol concedi sus primeros crditos bajo la
modalidad de grupo solidario y garantas reales, metodologa acogida y que tan
buen resultado dio en Grameen Bank. Con este sistema, los clientes tenan
acceso a servicios financieros que nunca podran haber obtenido en los
sistemas financieros tradicionales, evitando as que se tuviera que recurrir a
prestamistas informales.
A pesar de haber adquirido el sistema de Grameen Bank, BancoSol
utiliz y adapt instrumentos y metodologas de crdito probados y diseados
especialmente para trabajar y relacionarse con clientes de un mercado y regin
concreta.
Consecuencia de todas estas innovaciones crediticias, un elevado
nmero de microempresarios se incorporaron al mercado de los crditos. Sin
embargo, el logro ms importante fue que esta innovacin demostr que los
sectores de bajos ingresos, una vez que acceden al mercado de crdito,
generan empleo y mejoran el nivel de vida de la regin.
En la actualidad, los objetivos de BancoSol como institucin financiera
de gran experiencia en las microfinanzas, fortalecen el crecimiento de la
economa del pas, a la vez que
promueve el desarrollo de
los
microempresarios. En este sentido, BancoSol es el claro ejemplo de que los

servicios microfinancieros son rentables, siendo la primera institucin bancaria
privada comercial a nivel mundial especialista en la microempresa. Por otra
parte, BancoSol se encuentra en una etapa de innovacin de las operaciones
de crdito, analizando riesgos, mejorando la administracin, todo ello con el
propsito de lograr incrementar la eficiencia y mejorar el nivel de servicio al
cliente. Para ello, se estn realizando proyectos de credit scoring con el fin de
analizar la morosidad, devolucin de crditos, cartera y segmentacin de
clientes. Con resultados favorables, se consigue ahorro en el tiempo dedicado
67
a la atencin al cliente por parte de los analistas de crdito, manteniendo unos

niveles de eficiencia mucho mayores a los obtenidos en el pasado.
I.2.3.
Womens World Banking (WWB)
Tras la primera Conferencia Mundial de Naciones Unidas de la Mujer,

celebrada en la ciudad de Mjico en 1975, un grupo de diez mujeres formularon
la idea de crear el Womens World Banking (WWB). Este grupo de mujeres,
procedentes de todos los continentes, hicieron realidad esta iniciativa en 1979,
fecha en la que se constituy formalmente la actual organizacin como una
institucin financiera sin fines de lucro.
Desde un primer momento, el WWB tena como objetivo establecer una
gran red internacional de valores compartidos y convertirse en proveedor de
servicios financieros que tuvieran un gran impacto real en la economa mundial.
En todas sus incursiones en el sistema financiero internacional, el WWB
mantena la misin de aumentar los activos de las mujeres de bajos ingresos,
su participacin e influencia en la economa mediante el fcil acceso a las
finanzas, la informacin simtrica y los mercados financieros. Gran
trascendencia tuvo la creacin de redes de aprendizaje, as como la
implantacin de sistemas financieros tiles para la mayora de las personas de
rentas pequeas, y ms concretamente, para las mujeres de bajos ingresos
que deseen establecer sus negocios, mejorar sus condiciones de vida,
mantener bien alimentadas sus familias, educar en las mejores posibilidades a
sus hijos y, primordialmente, obtener un cierto respeto en su hogar y en la
comunidad en general.
La red de WWB se encuentra formada por ms de 40 entidades afiliadas
y otras en formacin, distribuidas en numerosos pases de todos los
continentes. Estas organizaciones, lideradas por mujeres, suministran servicios
de crdito y ahorro a ms de medio milln de mujeres de bajos ingresos en
todo el mundo.
68
Con el objetivo de facilitar el acceso de las mujeres de bajos ingresos al

sistema financiero a escala mundial, el WWB se ha convertido en lder mundial
en microfinanzas y en la financiacin de la microempresa a travs de los
servicios directos de las afiliadas, las redes de aprendizaje y las alianzas con
los gobiernos, bancos y asociados financieros internacionales.
I.3.
MARCO JURDICO DE LAS MICROFINANZAS
Desde la liberacin de las microfinanzas en los aos 80, los Estados no

han tenido un papel claramente definido en todos los pases en vas de
desarrollo, donde las microfinanzas, segn acabamos de sealar, son de
completa aplicabilidad.
Segn el artculo de Lapenu (2000) sobre el Documento para Discusin
N 89 de la Divisin de Consumo de Alimentos y Nutricin (FCND), el progreso
de las IMFs de los pases en vas de desarrollo ha estado relacionado, en
alguna medida, con la intervencin estatal, y puede entenderse bajo tres tipos
de modelos de asociacin entre el Estado, las instituciones privadas con fines
de lucro y las ONGs:
Modelo de Integracin: En este modelo, el Estado mantiene una fuerte

presencia, estando integradas en el sector pblico todas aquellas
innovaciones de carcter microfinaciero que puedan suceder en el
sistema. La India y Vietnam son dos ejemplos de pases donde
predomina este modelo de asociacin del Estado y el sector privado.
Modelo de Complementariedad: En este caso, el Estado y el sector

privado son complementarios y no se excluyen entre s. Ambos
sectores son aptos para adoptar cualquier actitud innovadora dentro
del mbito de las microfinanzas.
69
Modelo Alternativo: Este es el caso en el que las instituciones privadas

de microfinanzas son creadas como alternativa a un deficiente papel
del Estado y los mercados financieros a la hora de llegar a los pobres y
a las reas rurales.
Las caractersticas distintivas de estos tres modelos dependen
nicamente del papel que jueguen el Estado, las ONGs y la banca comercial
privada en el sistema financiero.
En este sentido, tenemos claro que el marco jurdico de las
microfinanzas ser en cada caso diferente segn el pas y regin donde nos
encontremos. En cualquier caso, el Estado debe siempre intentar consolidar un
marco jurdico adecuado a las necesidades de las instituciones especializadas
en ofrecer servicios de ahorro y crdito a sectores de bajos ingresos, en
definitiva, tendente a permitir a las instituciones privadas desarrollarse sin
ningn tipo de limitacin y bajo el marco regulatorio instituido. Por otra parte, el
Estado ha de mantener siempre una postura fortalecedora del sistema
financiero, una vez que exista una red amplia de instituciones financieras.
El hecho de compartir las responsabilidades en un sistema financiero por
parte del Estado y el sector privado, con o sin fines de lucro, es un hecho que
realmente incentiva la eficiencia del sistema. Hemos de decir que todo marco
jurdico ha de legislar que los bancos comerciales de carcter pblico y de
carcter privado deben ser capaces de desarrollar programas de microfinanzas
y vnculos que ayuden a desarrollar y fortalecer las organizaciones locales.
En definitiva, las entidades microfinancieras y su actividad constituyen
un instrumento muy importante a la hora de desarrollar econmicamente las
reas rurales de los pases en desarrollo, siempre y cuando, las normas sean
claras y respetadas bajo un enunciado de objetivos realistas.
Por su parte, el sistema poltico de un pas en vas de desarrollo ha de
estar en disposicin de respaldar cualquier iniciativa microfinanciera, por lo que
las microfinanzas ejercen una fuerte atraccin para muchos sectores. Por este
70
y otros motivos, las microfinanzas se han convertido en un instrumento que

contribuye a disminuir la pobreza, es un factor clave para la lucha contra el
desempleo, facilitan la no opresin y el incremento del poder econmico de la
mujer, promueven el desarrollo de actividad para el mercado y complementan
la expansin del sistema financiero nacional.
En cualquier caso, toda intervencin del sistema poltico de un pas ha
de realizarse mediante la utilizacin de instrumentos que se correspondan de
forma precisa con la naturaleza de los problemas que puedan surgir y que se
tratan de resolver. Si esto no es as, el problema quedar sin resolver y el
instrumento utilizado quedar sin efecto, con el consecuente coste en el que se
pueda incurrir.
Otra caracterstica que deben poseer los sistemas polticos es lo que
Gonzlez-Vega (1998) denomina las buenas intenciones en la legislacin,
referidas a intervenciones estatales tendentes a la restriccin de la usura de
tasas de inters, a la prohibicin de entrega en garanta de ciertos activos
(equipos productivos) y la creacin de una central de riesgos. Sin embargo,
estas medidas tomadas por el Estado no sern suficientes si, en su
consecucin, no se aplican las herramientas de gestin correctas, pues una
combinacin de las buenas intenciones con la aplicacin de herramientas
incorrectas produce el efecto contrario. La intervencin inadecuada del Estado
y el uso de instrumentos improcedentes, por muy buenas que sean las
intenciones, causan, por lo general, ms dao que bien.
En este sentido, el uso de las finanzas formales y tradicionales en las
entidades de desarrollo que operan en los sectores de la poblacin ms
desfavorecidos no conduce a buen fin al erigirse stas como un instrumento
vlido para el logro de propsitos financieros muy especficos, tal y como
puede apreciarse en la tabla I.2 referente a las caractersticas generales de las
microfinanzas en relacin con las finanzas formales.
71
Tabla I.2. Caractersticas distintivas de las microfinanzas.
mbito
Propiedad y forma de
administracin
Caractersticas del cliente
Finanzas Tradicionales
Microfinanzas
Beneficio
maximizado
por
accionistas
institucionales
e
individuales
Creacin de la entidad mediante
cesin
de
una
institucin
regulada ya existente
Organizacin centralizada con
sucursales en ciudades
Los
accionistas
son
principalmente instituciones sin
fines de lucro
Creacin de la entidad por
conversin de ONG o formacin
de nueva entidad
Conjunto de pequeas unidades
descentralizadas en reas con
infraestructura dbil
Microempresarios con reducidos
ingresos y con empresas familiares
en desarrollo, muy rudimentarias y
sin documentacin de tipo formal.
Se localizan en zonas geogrficas
especficas
Multitud de grandes y medianas

empresas, as como empleados
asalariados y dispersos geogrficamente
Menos prstamos
Prstamos de gran tamao y
cuanta
Caractersticas del
producto
Metodologa Crediticia
Prstamos garantizados
Vencimiento a largo plazo
Morosidad estable
Bajos tipos de inters
Basada en garantas
Gran documentacin al respecto
Menor coeficiente de mano de
obra
El servicio de pago de los
crditos
suele
atenderse
mensual, trimestral o anualmente
Ms prstamos
Prstamos de reducido tamao o
cuanta
Prstamos no garantizados
Vencimiento a corto plazo
Morosidad voltil
Altos tipos de inters
Basadas en la reputacin
Escasa
documentacin
al
respecto
Mayor coeficiente de mano de
obra
El servicio de pago de los
crditos suele atenderse con
pagos semanales o bimensuales
Fuente: Adaptado de Progreso Econmico y Social en Amrica Latina. Informe 2001 y

Consulmax Consulting Group
Observando la tabla I.2, podemos distinguir las diferencias respecto a la

propiedad y a la forma de administracin de las finanzas tradicionales y las
microfinanzas. La estructura de propiedad de las instituciones especializadas
en el microcrdito es claramente diferente de las instituciones financieras
convencionales. Las entidades de las finanzas corporativas tienen accionistas
institucionales que poseen una mentalidad comercial y pretenden que la
entidad maximice el beneficio. Por otra parte, disponen de importantes reservas
financieras que aportan un margen de capital en situaciones de crisis. Sin
embargo, los propietarios mayoritarios de las instituciones de microfinanzas
son las ONGs, y no dan prioridad a los objetivos de tipo econmico, tales como
la maximizacin del beneficio, sino que persiguen fines principalmente sociales.
72
Hasta el momento, hemos comprendido que la regulacin y marco

normativo de la actividad microfinanciera ha de partir del Estado y del sistema
financiero de cada nacin en vas de desarrollo. Por otra parte, resulta
conveniente que la actividad microfinanciera y las entidades financieras que la
lleven a cabo sean supervisadas por algn organismo o institucin propuesta
por el Estado. En este sentido, los objetivos que han de plantearse los
gobiernos deben ir orientados a:
a) Promover cierta estabilidad macroeconmica, controlando los
niveles de inflacin, manteniendo el equilibrio fiscal y vigilando la
estabilidad monetaria.
b) Fijar un mercado financiero liberalizado, es decir, dejar que sea el
mercado quien fije las tasas de inters y que exista una libre
orientacin del crdito.
c) Crear un sistema de regulacin de la actividad de intermediacin
financiera. En este sentido, se ha de definir la participacin del
Estado (Banca Estatal) y regular la participacin y lneas de
accin de entidades como las Cajas Rurales, Cajas Municipales,
ONGs, y dems entidades de microfinanzas.
d) Implantar un marco jurdico que garantice la libre competencia.
Para ello se han de exigir requerimientos de un capital y
patrimonio mnimos y se han de restringir ciertas operaciones,
como por ejemplo, las cuentas corrientes, el comercio exterior,
lmites de crdito, etc.
e) Otorgar a los Organismos de Supervisin Autnomos e
Independientes ciertas atribuciones y competencias, tales como
atribucin legal para supervisar y reglamentar en todos los
mbitos, capacidad sancionadora, proteccin legal, etc.
Paralelamente, los objetivos y lneas de accin de los rganos de
supervisin han de tener la finalidad de:
a) Promulgar reglas de entrada a las entidades de microcrdito. Se
ha de exigir un proyecto de viabilidad que demuestre la existencia
73
de ventajas competitivas, expectativas de rentabilidad y la

posibilidad de un crecimiento autosostenido. Asimismo, han de
exigir entidades con gerentes profesionales que tengan la
formacin y capacitacin adecuada para valorar el riesgo
inherente a las IMFs. Tambin, han de reclamar sistemas de
informacin actuales y automatizados.
b) Comprobar que las entidades de microfinanzas poseen una
estructura organizativa adaptada al mbito donde se desarrollan.
Los organismos supervisores han de comprobar que las
entidades de microfinanzas, por ejemplo, ejercen actividades de
entrenamiento y capacitacin al personal, que controlan en todo
momento el riesgo de la entidad, que establecen criterios de
evaluacin
de
la
cartera
de
crditos
acordes
con
las
caractersticas del microcrdito, etc.

Segn lo que acabamos de comentar, el cuadro I.2 nos resume los
acuerdos de la Cumbre del Microcrdito del ao 2002 sobre cuales han de ser
las competencias de los gobiernos y de los sistemas polticos3.
Estado de la Campaa de la Cumbre del Microcrdito. Informe 2002. Escrito por Sam
Daley-Harris, Director de la Campaa de la Cumbre del Microcrdito.
74

Cuadro I.2. Competencias de los gobiernos y sistemas polticos en microfinanzas.
Promover
el
establecimiento,
desarrollo
crecimiento de microfinanzas
sustentables para la gente muy pobre de su pas.

Deben buscarse oportunidades para adoptar prcticas ptimas dentro del pas o en
pases vecinos, con las cuales se establezcan firmemente y se motive el crecimiento de una
amplia gama de instituciones microfinancieras sustentables para la gente muy pobre. Esto
requerir el uso de herramientas para medicin de la pobreza efectivas y de costo razonable
que sirvan para asegurar que los muy pobres no se excluyan y, en el caso de exclusin, el
uso de herramientas costo-efectivas para el enfoque en la pobreza.
Abandonar los servicios financieros minoristas o de primer piso.

Ofrecer servicios financieros minoristas para los pobres y ms pobres no es trabajo
del gobierno, sino de las ONG microfinancieras bien administradas, grupos de base para el
crdito
ahorro,
cooperativas,
IMF
reguladas
aquellos
bancos
comerciales
comprometidos a servir a clientes muy pobres. Hay muchas posibilidades para la

ineficiencia, el crdito subsidiado y el desarrollo de sistemas insostenibles cuando los
gobiernos administran los programas de prstamo. Una vez que eso ocurre, incluso los
programas buenos administrados por IMF eficientes se pueden ver amenazados.
Crear y hacer posible un ambiente que permita el desarrollo de una amplia

variedad de instituciones, que apoye las prcticas ptimas y el desempeo
slido, y que no requiera regularse a menos que el programa acepte ahorros del
pblico en general.
Crear un fondo autnomo para el microcrdito en su pas usando como punto

de referencia una institucin como la PKSF en Bangladesh.
Fuente: Cumbre del Microcrdito 2002.
I.4.
LAS INSTITUCIONES DE MICROFINANZAS

En los dos epgrafes anteriores de este captulo, analizamos el origen de
las microfinanzas y de las instituciones que actan dentro de esta disciplina, as

como se proponen una serie de competencias que los gobiernos y sistemas
polticos han de llevar a cabo para que la actividad microfinanciera cumpla sus
75
objetivos con xito. Una vez realizada esta labor, nos centramos en ciertos
aspectos de relativa importancia de estas entidades o instituciones, como
puedan ser, las funciones de tipo econmico y social que desempean, su
tipologa y las metodologas utilizadas a la hora de conceder crditos.
I.4.1.
Funcin econmica y social
Las Instituciones de Microfinanzas son entidades cuyo principal objetivo

es conseguir que personas y microempresarios de escasos recursos se
habiten en el uso y manejo del dinero, a la vez que en el acceso a los
servicios financieros que les permitan iniciar un negocio para, posteriormente,
obtener una rentabilidad peridica del mismo. Con este fin, conceden
microcrditos, que como veremos ms adelante, son prstamos que
compatibilizan caractersticas financieras y caractersticas de tipo social.
Siguiendo a Lacalle (2002), podemos establecer una serie de
caractersticas o rasgos comunes de las IMFs, en comparacin con las
instituciones financieras tradicionales, que denotan y describen con certeza
cul es su funcin econmica y social:
a) Enfoque hacia personas de escasos recursos financieros.
ste es el rasgo o caracterstica comn de todas las entidades y
programas de microfinanzas ya que el objetivo ltimo y principal de las
microfinanzas es el de reducir los niveles de pobreza de las zonas en vas de
desarrollo, mejorando y atendiendo las necesidades financieras existentes.
b) Conocimiento del mercado que atienden.
Ya hemos visto anteriormente, que los clientes de las IMFs son
personas, que a pesar de tener cierta capacidad empresarial, se encuentran en
situaciones de precariedad y en consecuencia, no pueden acceder a los
servicios financieros de la banca tradicional. En este sentido, las entidades
76
encargadas de las microfinanzas han de conocer, detalladamente, las

necesidades, preferencias y limitaciones de sus clientes. Han de saber que los
principales motivos por los cuales estos individuos solicitan un crdito son:
iniciar una microempresa para obtener una pequea fuente de ingresos,
satisfacer todas las necesidades de tipo familiar y social y responder en los
momentos de crisis ms acentuados.
Fruto de este conocimiento, las IMFs comprendern perfectamente
cules son las limitaciones de sus clientes y, es por ello, por lo que los crditos
se conceden bajo condiciones de:
-
Prstamo sin garantas reales colaterales.
Transacciones simples y sencillas debido al analfabetismo de la

poblacin.
Lugar de transaccin cercano a los hogares o donde se desarrollan los

negocios.
Procedimientos giles y flexibles de evaluacin del crdito.
c) Evaluacin del riesgo.

Con frecuencia, las entidades de microfinanzas evalan el riesgo
crediticio de conceder un prstamo a un determinado cliente. En el presente
trabajo de investigacin proponemos un modelo de calificacin crediticia
mediante la utilizacin de tcnicas estadsticas, elaborado para complementar y
reforzar las opiniones de los analistas de crdito.
Pensamos que la elaboracin y uso de un modelo de credit scoring para
las microfinanzas, al completar la opinin de los analistas de crdito, reducir
considerablemente los costes en los que pueda incurrir la organizacin.
d) Reduccin de los costes.
Tal y como acabamos de comentar, uno de los objetivos de las
entidades de microcrdito es la reduccin del coste. Hay que tener en cuenta
que la estructura administrativa de estas instituciones es de gran simplicidad. El
77
objetivo de la reduccin del coste administrativo es una cuestin que se plantea

intentando que sean proporcionales al reducido tamao de los prstamos.
e) Autosuficiencia financiera.
Esta es una caracterstica de las IMFs que hacen que la entidad sea
viable a medio y largo plazo. La autosuficiencia hay que entenderla en trminos
de futuro, tratando de captar una mayor cantidad de clientes con el paso del
tiempo.
Segn interpreta Lacalle (2002), Una institucin es financieramente
autosuficiente cuando, a travs de sus ingresos, cubre no solo los costes de
funcionamiento, sino tambin todos los costes financieros del capital. Por tanto,
una operacin de crdito es autosuficiente en trminos financieros cuando
cubre los costes de operacin, el coste de los fondos (incluyendo el de
oportunidad), las provisiones para incobrables y el coste de la inflacin. Si
adems se quiere asegurar el crecimiento futuro de la institucin, ser
necesario tambin incluir un margen que asegure dicho crecimiento. Todo ello,
en ocasiones, llevar a la imposicin de tipos de inters superiores a los del
mercado.
La fijacin de los tipos de inters del microcrdito suscita con frecuencia
un gran inters a la vez que cierta polmica. En virtud de las caractersticas de
este tipo de prstamos, los tipos de inters vienen a ser relativamente
superiores a los establecidos por las entidades financieras comerciales para el
crdito bancario, aunque ms bajos que los aplicados por los intermediarios de
las financieras informales o prestamistas usureros.
f) Escala
Nos referimos al tamao que las IMFs han de tener para llegar cada vez
a un nmero mayor de prestatarios interesados en la creacin de un pequeo
negocio. Esta caracterstica cobra especial importancia dado el elevado
78
nmero de microempresarios que no tienen acceso a los servicios financieros

que ofrecen las entidades financieras formales.
g) Importancia del ahorro
El ahorro, entendido como la captacin de recursos de los clientes,
constituye uno de los aspectos ms importantes en la formalizacin de las
IMFs, dado que es necesaria la prestacin de servicios relacionados con el
ahorro para lograr un crecimiento realmente acelerado (Berry (2003). En
numerosos estudios se ha demostrado que las entidades de microfinanzas
cumplen, antes y mejor, con sus objetivos manteniendo una relacin estrecha
entre las actividades de crdito y las actividades de ahorro, disminuyendo, as,
la fuerte dependencia a las donaciones y subsidios necesarios para la
supervivencia de la organizacin.
Sin embargo, hay que tener en cuenta las repercusiones que existen en
aquellos casos en los que las IMFs desarrollan programas de captacin de
ahorro de sus clientes, y es que en estos casos, la entidad financiera
correspondiente se ve obligada a transformar su forma societaria para
pertenecer al sector de las instituciones financieras formales, por lo que tendra
que acogerse al marco legal y normativo dictado por el sistema financiero
correspondiente.
I.4.2.
Clasificacin
Podemos destacar dos grandes grupos a la hora de establecer una

clasificacin
de
las
IMFs.
Por
una
parte,
las
Organizaciones
no
Gubernamentales (ONGs), y de otra, las instituciones financieras, pudiendo ser

stas o bien, entidades especializadas en microcrditos, o bien, los bancos
comerciales.
Las Organizaciones no Gubernamentales (ONGs), son entidades sin
fines de lucro especializadas en el microcrdito y establecidas con el nico
79
propsito de proporcionar servicios de microfinanzas. A pesar de existir

distintas formas de ONGs, dependiendo de la misin, objetivos, forma de
gestin y origen de los fondos, la caracterstica comn que identifica a todas
ellas es la gestin y utilizacin del microcrdito como herramienta para hacer
accesible el capital financiero a las personas ms pobres y con la intencin de
disminuir los ndices de pobreza de todo el mundo (Conde, 2000). De este
modo, las ONGs acaban por dedicarse, casi al completo, a las operaciones de
crdito y al servicio financiero en virtud de la demanda existente al respecto. En
los ltimos aos, algunas ONGs dedicadas a microfinanzas disponen de un
grado suficiente de eficiencia y rentabilidad como para pasar parte de sus
operaciones, o todas ellas, a una institucin financiera autorizada especializada
en microfinanzas.
Las instituciones financieras, suelen ser entidades especializadas y
orientadas al microcrdito. Estas instituciones, habitualmente, proceden de las
ONGs ya formalizadas y adoptan la forma societaria de instituciones
financieras graduadas. Por otra parte, pueden adoptar formas de cooperativas
de crdito o bien, constituirse como instituciones financieras filiales de un
banco comercial. Debemos mencionar que, aunque los bancos comerciales no
estn especializados en el microcrdito, son instituciones que estn
perfectamente capacitadas para desempear cualquier labor que incumba al
mbito de las microfinanzas.
A continuacin, realizamos un breve resumen de algunos de los tipos de
Instituciones de microfinanzas, haciendo mencin a sus caractersticas, as
como a los puntos fuertes y dbiles a la hora de desarrollar su labor
microfinanciera.
I.4.2.1.
Organizaciones No Gubernamentales (ONGs)
De la multitud de conceptos que podemos encontrar sobre ONGs, una

de las ms completas que, a nuestro entender, podemos encontrar
corresponde a Zabala (1994), el cual seala que: las ONGs son
80
organizaciones de carcter social, independientes y autnomas, jurdicamente

fundadas y que actan sin finalidad de lucro. Su accin se orienta hacia la
cooperacin al desarrollo y hacia la bsqueda de acuerdos de ayudas entre
gobiernos con el objetivo de provocar la solidaridad y promover el desarrollo en
los pueblos y sociedades del Tercer Mundo. Su accin busca la canalizacin de
recursos pblicos y privados para llevar a cabo proyectos de desarrollo
autnomos en los pases subdesarrollados. Esta accin sobre el terreno se
complementa con las actividades de sensibilizacin y educacin para el
desarrollo y con las actividades de presin poltica entre los gobiernos y los
organismos.
Caractersticas
De acuerdo con Lacalle (2002), las caractersticas comunes que
presentan las ONGs son las siguientes:
a) Son asociaciones sin fines de lucro.
b) Pueden
formalizarse
jurdicamente
como
asociaciones
como
fundaciones.
c) Su principal finalidad es la compensacin social y la promocin
econmica.
d) No estn sujetas a la gestin financiera del Estado ni a la regulacin de
las entidades financieras formales.
e) No generan ni distribuyen beneficios, pero s pueden realizar
transacciones comerciales.
f) Pueden conceder prstamos a sus beneficiarios como cualquier
particular.
g) Carecen de capital riesgo, y su capital patrimonial est formado
bsicamente
por:
donaciones
acumuladas,
pequeos
depsitos
subordinados de los socios, inversiones de organizaciones sin fines de

lucro
organismos
internacionales,
pequeas
inversiones
de
particulares con fines sociales, supervit obtenido, etc.
81
Puntos fuertes y puntos dbiles de su actividad microfinanciera

Como puntos fuertes podemos destacar:
Son las precursoras de las metodologas microfinancieras de

mayor xito en el mundo.
Son organizaciones que se encuentran muy cercanas a la

poblacin, con lo que los proyectos a realizar se adecuarn
bastante a las necesidades de la misma, y tendrn un efecto
inmediato, dada la inexistencia de intermediarios burocrticos.
Con la concesin de prstamos de reducida cuanta, se

conseguir un mayor alcance sobre la poblacin ms pobre.
Especializacin en un determinado sector de la poblacin.
Como puntos dbiles:
No son organizaciones con un objetivo destacado de crecimiento.
Programas meramente asistenciales, sin ningn otro tipo de

expectativas.
Ausencia de una estructura de propiedad claramente definida.
Limitacin a la hora de captar ahorros del pblico.
I.4.2.2.
Instituciones financieras graduadas
Son instituciones financieras formales que proceden de ONGs y que han

conseguido un determinado grado de autosuficiencia financiera. Estas
instituciones armonizan objetivos financieros con objetivos de tipo social,
aunque no dejan de tener por misin principal el acceso a los servicios
financieros de la mayor parte de la poblacin de escasos recursos.
82
Puntos fuertes:
Incremento de las posibilidades de crecimiento que lleva consigo

la transformacin de ONG hacia una institucin financiera
formalizada.
Pueden acceder a los mercados financieros y captar ahorros del

pblico.
Puntos dbiles:
Regulacin de las autoridades financieras competentes, lo que le

lleva a tener que mantener ciertos niveles de exigencia en base a
muchos factores financieros que tratan de estabilizar el sistema
financiero.
Riesgo de desaparicin del carcter social de la organizacin

dependiendo de la estructura de propiedad de la organizacin y
los valores de los socios.
I.4.2.3.
Cooperativas de ahorro y crdito
Segn explican Arzbach et al (2005), la necesidad de incrementar los

esfuerzos por mantener sanos, slidos y solventes los sistemas financieros
latinoamericanos requiere de la intervencin, no solo de la banca tradicional,
sino tambin de otros intermediarios financieros como son las cooperativas de
ahorro y crdito dedicadas a la misma actividad.
Por su parte, segn define Lacalle (2002), las cooperativas de ahorro y
crdito son instituciones financieras cuyo objeto social es servir a las
necesidades financieras de sus socios mediante el ejercicio de las actividades
propias de las entidades de crdito, siendo el nmero de socios ilimitado y
alcanzando la responsabilidad de los mismos por las deudas sociales slo al
valor de sus aportaciones.
83
Teniendo en cuenta la naturaleza de las cooperativas de crdito

distinguimos una doble vertiente respecto a sus caractersticas. De una parte,
al ser sociedades cooperativas, se rigen bajo ciertos principios y acuerdos de
cooperacin y, por otra, son entidades de depsito e instituciones financieras
que proporcionan servicios financieros de ahorro y crdito.

Como puntos fuertes destacamos:
Son entidades que no dependen de subvenciones ni subsidios

externos, sino que son financiadas por el ahorro de los socios.
Los recursos para crditos son aplicados internamente en la

cooperativa.
Relacin estrecha de la cooperativa de crdito con los clientes,

disponiendo de informacin muy precisa de los mismos.
La eleccin de los miembros de las cooperativas se realiza

mediante la consideracin de vnculos comunes, hecho que hace
que se reduzca el riesgo de crdito.
Estas entidades cooperan y se ayudan entre ellas.
Como puntos dbiles:
Hay una cierta tendencia a cerrar el grupo de propietarios, con lo

que se produce un estancamiento en el crecimiento.
Son muy tradicionales en la forma de operar y muy reservados a

la hora de captar financiacin. Ello incide, nuevamente, en la idea
de que no pretenden el crecimiento de la organizacin.
Para concluir, Lucano y Taborga (1998) establecen un cuadro

comparativo relativo a la tipologa de las IMFs en Amrica Latina, y que
recogemos en la tabla I.3. A pesar de que an numerosos microempresarios de
Amrica Latina no tienen acceso a los servicios financieros, las IMFs estn
desarrollando programas de expansin con la intencin de incrementar la
84
cobertura de dichos servicios financieros, desde organizaciones sin fines de

lucro de tamao reducido, hasta bancos comerciales en general. Sin embargo,
todas ellas difieren en aspectos concretos, en su forma de constitucin, tipo de
clientes, estrategias, servicios, formas de financiacin, etc.
I.4.3.
Metodologa y operativa
Desde una perspectiva global, las metodologas del crdito en las

microfinanzas pueden agruparse, en modelos de crdito individuales y modelos
de crdito de grupos. Las instituciones de microfinanzas pueden adoptar y
especializarse en una tcnica en concreto o en cualquiera en general. En
cualquier caso, todas las metodologas utilizadas en microfinanzas intentan
simplificar los procedimientos a seguir y resolver, en parte, el hecho de la
ausencia de garantas de los microempresarios.
En la prctica, la concesin de un crdito por las IMFs a individuos,
depende principalmente de tcnicas basadas en la reputacin, o lo que tambin
se conoce como solvencia moral. Sin embargo, la mayora de las
organizaciones de microfinanzas utilizan alguna forma de prstamos
concedidos a grupos, y que vemos a continuacin.
I.4.3.1.
Grupos solidarios
Concepto
Metodologa financiera que consiste en que un grupo de entre cinco y
ocho microempresarios, relacionados por un vnculo comn (de tipo familiar,
vecinal o de cercana), se unen con el fin de acceder a un crdito. El grupo
constituye una garanta solidaria sobre el crdito. Los crditos se disean en
base al tamao, finalidad y trminos que ms se adapten al grupo con el fin de
atender de una forma ms concentrada al conjunto de clientes.
85
Tabla I.3. Tipologa de las Entidades de Microfinanzas.
Instituciones
financieras
multipropsito
Instituciones
financieras
especializadas
Organizaciones no
gubernamentales
especializadas
Organizaciones no
gubernamentales en
general
Estrategia / Propsito
de las actividades
Nuevo mercado; imagen;

filantropa
Impacto social;
crecimiento, beneficios
Impacto social;
sostenibilidad; beneficios
Impacto social;
sostenibilidad; beneficios
Forma legal
Bancos, compaas
financieras y cooperativas
Bancos, compaas
financieras
Fundaciones; asociaciones
Fundaciones; asociaciones
Clientes
Varios; pequeas
empresas y
microempresas con
participacin en el
portafolio
Pequeas empresas y
microempresas
Microempresas
Microempresas
Servicios
Varios segmentos
focalizados del mercado;
crdito individual; ahorros
Crdito individual; crdito a

grupos; oferta limitada de
leasing, factoring, etc.;
ahorros
Crdito individual;
prstamos solidarios;
banca municipal
Crdito individual;
prstamos solidarios;
banca municipal
Fuentes de
financiacin
Ahorros; acciones; bonos;

prstamos comerciales
Ahorros; acciones;
prstamos comerciales
Prstamos comerciales y
prstamos blandos;
garantas; donaciones
Donaciones; crditos
blandos; garantas
Ejemplos
Banco solidario (Ecuador);

Financiera familiar
((Paraguay); Cop. Fucac
(Uruguay); Multicredit
Bank (Panam)
Fin. Calpia (El Salvador);

Bancosol (Bolivia) Cajas
Los Andes (Bolivia); FinSol
(Honduras); FinAmrica
(Colombia); Edficar
(Per); Banco Adem (R.
Dominicana)
WWB (Colombia); FED

(Ecuador); Acodep
(Nicaragua); ADRI (Costa
Rica)
Fundasol (Uruguay);
Fundacin Carvajal
(Colombia); Fundacin
Cesap (Venezuela)
Fuente: Adaptado de Lucano y Taborga (1998).
86
Caractersticas
De acuerdo con Berenbach y Guzmn (1993), las principales
caractersticas que distinguen a la metodologa de los grupos solidarios son las
siguientes:
a) Estn basados en una garanta mutua. Todos los miembros del grupo
respondern de forma mutua y solidaria respecto a la devolucin y
cancelacin del crdito. Esto quiere decir, que si alguno de los miembros
falla en la devolucin del prstamo, el resto de miembros deber de
hacerse cargo del reembolso del mismo.
b) Todo cliente del microcrdito deber demostrar capacidad para
emprender un negocio o algn tipo de actividad econmica.
c) Importante reduccin de costes. El coste de administracin y de la
operacin se disminuye tantas veces como miembros tenga el grupo,
pues el coste es nico para cualquier miembro del grupo.
d) Operatividad descentralizada. Cada sucursal de crdito podr tomar sus
propias decisiones sin tener, por ello, que consultar con los servicios
centrales, hecho que influye directamente en la reduccin de costes
administrativos.
e) Es una metodologa que se ajusta de la mejor forma a las necesidades
de los prestatarios teniendo en cuenta sus preferencias.
f) Los grupos solidarios estn formados principalmente por mujeres. En la
mayora de las culturas las mujeres se suelen reunir para afrontar
cualquier situacin de crisis.
87
I.4.3.2.
Uniones de crdito
Concepto
Se trata de la metodologa que, por lo general, utilizan las cooperativas
de crdito. Consiste en que un grupo de personas que se unen voluntariamente
(normalmente bajo la consideracin de un vnculo) para mejorar su acceso a
los servicios financieros.
Caractersticas
a) Con esta metodologa se proporcionan servicios de ahorro y crdito, de
forma individual, a los miembros de la cooperativa.
b) Los miembros han de mantener una cuenta de ahorro para poder optar
al crdito en cualquier momento. El ahorro se usa pues, como garanta
del crdito concedido.
c) Las operaciones microfinancieras se ejecutan sin ningn tipo de
capacitacin, asistencia tcnica o cualquier otro tipo de servicios que
apoyen a la empresa.
d) Los microcrditos concedidos estn destinados a cubrir cualquier
necesidad de los miembros de las cooperativas de crditos.
I.4.3.3.
Bancos comunales
Concepto
Metodologa creada por el Fundador de la IMF FINCA Internacional, que
ofrece servicios de crdito y ahorro y es gestionada en grupo.
88
Un banco comunal es un grupo de entre 30 y 50 personas de la misma

comunidad, normalmente mujeres, que se unen con el fin de garantizarse entre
ellas los crditos recibidos. Se forma entonces un pequeo banco local
organizado por la IMF, que tambin se encarga de prestar la formacin
adecuada a los miembros de la comunidad. Por lo general, la entidad
microfinanciera concede un nico prstamo al grupo, el cual ya lo distribuye
entre sus miembros. Posteriormente, el grupo cobra a los miembros y realiza
un pago combinado a la IMF, procedimiento que podemos observar en la figura
I.1.
Miembro 1
Banco
comunal
IMF
Miembro 2
Miembro N
Concesin del crdito

Devolucin del crdito (incluidos intereses)
Figura I.1. Funcionamiento de los bancos comunales.

Fuente: Elaboracin propia.
Caractersticas
a) Al igual que los grupos solidarios, los bancos comunales se basan en
garantas mutuas y solidarias.
b) El motivo ms usual en la concesin de un crdito es la adquisicin de
capital trabajo a corto plazo. Esto quiere decir, que el microempresario
potencial ha de tener capacidad para desarrollar una actividad
econmica con la que generar una futura fuente de ingresos.
89
c) Se busca la autosuficiencia financiera al igual que en los grupos

solidarios.
d) La metodologa se ajusta a las necesidades de los prestatarios y tiene
en cuenta sus preferencias.
e) Estn compuestos mayoritariamente por mujeres.
I.4.3.4.
Prstamos individuales
Es la metodologa ms sencilla, a la vez que la ms comn. Como su

propio nombre indica, el prstamo es solicitado por una sola persona y la
peticin se basa en las necesidades que la misma pueda tener. El prestatario
es el nico responsable frente a la institucin en el momento de la devolucin
del montante del crdito y de los intereses.
La principal ventaja de los prstamos individuales es que se pueden
adaptar a la capacidad de pago y a las caractersticas del cliente. La variedad
de plazos y cuantas depende de las caractersticas del prestatario, del
prestamista y de la situacin socio-econmica del pas o regin en cuestin.
I.5.
EL MICROCRDITO
Segn lo indicado, podemos afirmar que los microcrditos se constituyen
como un instrumento efectivo y cada vez ms utilizado en los programas para

la erradicacin de la pobreza. En este sentido, tal y como refiere Mena (2004),
la Conferencia de las Naciones Unidas para el Comercio y el Desarrollo
(UNCTAD) estima que existe actualmente en el mundo 7.000 instituciones
dedicadas a las microfinanzas (IMFs) que conceden microcrditos a 8 millones
de personas por un monto total de 7 mil millones de dlares. Sin embargo, el
90
nmero de usuarios potenciales de este tipo de servicios financieros se calcula

en alrededor de 500 millones, con una demanda total de crdito de 300 mil
millones de dlares.
Durante la Cumbre del Microcrdito celebrada en Washington en febrero
de 1997, ms de 2.900 representantes de 137 pases lanzaron una campaa
con el objetivo de alcanzar en nueve aos, con esta forma de prstamo, a las
100 millones de familias ms pobres del mundo. Una nueva cumbre se celebr
recientemente en Nueva York, donde se reunieron 3.000 delegados de 140
pases (vase al respecto www.microcreditsummit.org). En la actualidad, estos
objetivos se van consiguiendo y plantendose an, otros ms ambiciosos. Se
estima que para el ao 2015 se reducir la pobreza absoluta a la mitad, puesto
que hasta un 5% de los hogares que participan en programas de microcrdito,
mediante prstamos, pueden sacar a sus familias de la pobreza cada ao.
I.5.1.
Concepto
En palabras de Lacalle (2002), los microcrditos son un instrumento de

financiacin para el desarrollo, cuyo objetivo final es la reduccin de la pobreza
en el mundo. Ahora bien, no todas las organizaciones ni entidades que trabajen
en este campo definen el concepto de la misma manera. Alguno de los criterios
utilizados suelen ser el tamao de los prstamos, el uso de los fondos o los
sujetos del prstamo.
La definicin que se dio al microcrdito en la Cumbre del Microcrdito
celebrada en Washington en 1997, considera que los microcrditos son
programas de concesin de pequeos crditos a los ms necesitados de entre
los pobres para que stos puedan poner en marcha pequeos negocios que
generen ingresos con los que mejorar su nivel de vida y el de sus familias.
Segn Fernndez (2003), el microcrdito se define como todo crdito
concedido a un prestatario, sea persona natural o jurdica, o a un grupo de
prestatarios con garanta solidaria, destinado a financiar actividades en
91
pequea escala, de produccin, comercializacin o servicios, cuya fuente

principal de pago la constituye el producto de las ventas o ingresos generados
por dichas actividades, adecuadamente verificados por la institucin del
sistema financiero prestamista.
En la enciclopedia libre de Wikipedia4, los microcrditos se definen como
pequeos prstamos realizados a prestatarios pobres que no pueden acceder
a los prstamos que otorga un banco tradicional. Adems, se indica que los
microcrditos posibilitan, especialmente en pases en vas de desarrollo, que
muchas personas sin recursos puedan financiar proyectos laborales por su
cuenta que les generan unos ingresos. El microcrdito es la parte esencial del
campo de la microfinanciacin, dentro del que se encuentran otros servicios
tales como los microseguros, ahorros u otros.
Por su parte, Martins et al (2002) conceptualiza al microcrdito como un
pequeo crdito otorgado a gran escala por una entidad financiera a personas
fsicas o jurdicas cuya principal fuente de ingresos son las ventas de bienes y
servicios realizados en actividades empresariales de produccin.
Para concluir el apartado conceptual del microcrdito, en el cuadro I.3,
recogemos lo que Rosales (2002) refiere como una comparativa de la
normativa de algunos pases latinoamericanos a la hora de definir el
microcrdito en textos de su normativa vigente.
Como puede apreciarse, todas las definiciones recogidas de la literatura
especializada contienen una serie de elementos comunes relativos a las
caractersticas que definen la funcin econmica y social del microcrdito. En lo
que sigue, procedemos a comentar con algo de ms detenimiento dichas
caractersticas.
http://es.wikipedia.org/wiki/Wikipedia:Portada
92

Cuadro I.3. Definiciones de microcrdito en textos normativos.
Bolivia
En el Manual de Recopilacin de Normas de la Superintendencia de Bancos y Entidades

Financieras-SBEF (Ttulo V, Captulos II y III) se define como microcrdito al crdito
concedido a un prestatario, sea persona natural o jurdica, o a un grupo de prestatarios con
garanta mancomunada o solidaria, destinado a financiar actividades en pequea escala, de
produccin, comercializacin o servicios, cuya fuente principal de pago la constituye el
producto de las ventas e ingresos generados por dichas actividades, adecuadamente
acreditados. Se establece que la aprobacin de estos crditos debe estar respaldada por una
verificacin y anlisis de la situacin financiera del (los) prestatario (s) que demuestre su
capacidad de pago, considerando las posibilidades reales de honramiento de la garanta
solidaria y mancomunada asumida, ante la eventualidad de mora o falencia de uno o ms de
sus codeudores. Dicho anlisis incluir, necesariamente, la consulta a la Central de
Informacin de Riesgos de la SBEF y otras fuentes de informacin crediticia.
Colombia
La Circular Externa 050 de Octubre del 2001 de la Superintendencia Bancaria seala que
Cada entidad vigilada deber clasificar como microcrdito el conjunto de operaciones activas
de crdito otorgadas a microempresas cuyo saldo de endeudamiento con la respectiva entidad
no supera veinticinco (25) salarios mnimos legales mensuales vigentes. Por microempresa se
entiende toda unidad de explotacin econmica, realizada por persona natural o jurdica, en
actividades empresariales, agropecuarias, industriales, comerciales o de servicios, rural o
urbana, cuya planta de personal no supere diez (10) trabajadores y sus activos totales sean
inferiores a quinientos un (501) salarios mnimos legales mensuales vigentes.
Nicaragua
La Norma Prudencial sobre Evaluacin y Clasificacin de Activos emitida por la

Superintendencia de Bancos y de Otras Instituciones Financieras, establece en su artculo 8,
inciso e): Microcrditos - Son aquellos crditos otorgados a personas naturales o jurdicas
destinados para la iniciacin, mejora o continuidad de actividades empresariales de reducida
dimensin por montos pequeos y estructurados con pagos diarios, semanales, quincenales o
mensuales.
Per
En el Reglamento para la Evaluacin y Clasificacin del Deudor y la Exigencia de Provisiones

(Captulo 1, Seccin 1.2) de la Superintendencia de Banca y Seguros, se estipula que los
crditos MES son aquellos financiamientos directos e indirectos otorgados a personas
naturales o jurdicas destinados al financiamiento de actividades de produccin, comercio y
prestacin de servicios, cuyos activos, sin considerar bienes inmuebles, no deberan ser
superiores a los US$20.000 y su endeudamiento total con el sistema no debera exceder a
dicha suma. Se incluyen entre los crditos MES los otorgados a travs de tarjetas de crdito,
leasing y otras formas de financiamiento. Cuando se trate de personas naturales stas deben
tener como fuente principal de ingresos la actividad empresarial, no pudiendo ser consideradas
en esta categora las personas cuya principal fuente de ingresos sea el trabajo asalariado.
Fuente: Rosales, R. (2002).
I.5.2.
Funcin econmica y social
El objetivo fundamental por el cual nacieron los microcrditos fue el de

reducir, en la medida de lo posible, los niveles de pobreza de las zonas en vas
de desarrollo.
93
Este objetivo fundamental hemos de entenderlo desde la necesidad que

tienen las personas ms pobres de solicitar un crdito para prosperar. Los
habitantes de las regiones ms subdesarrolladas pueden solicitar un
microcrdito o un pequeo prstamo por los siguientes motivos:
Crear un pequeo negocio en caso de que el cliente no disponga de

uno propio.
Financiar actividades propias de la microempresa, es decir, la

financiacin de materias primas para la elaboracin de productos
terminados.
Realizar pequeas inversiones de activo fijo en la microempresa. Por

ejemplo, la adquisicin de un torno para la fabricacin de productos
de artesana.
Reparaciones o mejoras de la vivienda familiar.
Atender los costes procedentes de ciertas obligaciones que puedan

sucederse en el seno familiar.
Hacer frente a situaciones adversas extraordinarias como puede ser

cualquier tipo de catstrofe natural.
Los clientes de las instituciones de microcrdito son diferentes a los de

las instituciones financieras tradicionales. Normalmente, los prestatarios en
microfinanzas son microempresarios que disponen de unos ingresos bajos,
obtenidos mediante la explotacin de negocios familiares de carcter tosco y
rudimentario. Al disponer la IMF de una informacin crediticia pobre y poco
desarrollada de los prestatarios, la medicin del riesgo de impago en el
microcrdito se hace severamente ms difcil que la medicin del riesgo de
impago en las entidades bancarias.
Las caractersticas generales que presenta el microcrdito, a partir de
las cuales podemos entender sus funciones econmicas y sociales, en
comparacin
con
el
crdito
convencional
ofrecido
por
las
grandes
corporaciones bancarias (tabla I.4), son las siguientes:
94
Tabla I.4. Caractersticas del microcrdito frente al crdito convencional.

Crdito convencional
Caractersticas del
producto
Caractersticas del
cliente
Metodologas de
prstamo
Menos prstamos
Prstamos de gran tamao y cuanta
Prstamos garantizados
Vencimiento a largo plazo
Morosidad estable
Bajos tipos de inters
Microcrdito
Ms prstamos
Prstamos de reducido tamao o cuanta
Prstamos no garantizados
Vencimiento a corto plazo
Morosidad voltil
Altos tipos de inters
Diversos tipos de empresas formales y

empleados asalariados
Empresarios de bajos ingresos con empresas

familiares rudimentarias y con limitada
documentacin formal
Clientes dispersos geogrficamente
Localizados en reas geogrficas especficas
Colateral y documentacin formal
Anlisis del deudor y del flujo de caja con

inspeccin en el sitio
Pagos mensuales
Pagos semanales, bisemanales o mensuales
Fuente: Adaptado de Jansson y Wenner (1997) y Rock y Otero (1996).
a) Crditos de reducida cuanta. Como aspecto ms importante, el crdito

que ofrecen las instituciones especializadas en microcrditos, es muy
distinto a los crditos que puedan ser concedidos por cualquier entidad
bancaria. En general, tal y como su propio nombre indica, el microcrdito
sustenta unos importes efectivos de cuanta muy reducida.
b) Crditos a muy corto plazo. Los microcrditos, en su mayora, son
concedidos a un plazo inferior al ao natural. La frecuencia de las cuotas
del reembolso del prstamo suelen ser mensuales e, incluso,
semanales.
c) Plazos para el reembolso y cantidades de reembolso reducidas.
Partiendo de la base de que la cuanta del prstamo es reducida, los
desembolsos peridicos que puedan tener lugar, tambin sern
reducidos. La devolucin del capital ms los intereses suelen
periodificarse en cortos perodos de tiempo, normalmente semanales o
mensuales.
d) Prstamos no garantizados. La concesin del microcrdito se basa
principalmente en la reputacin del cliente as como del conocimiento
que tenga del mismo el analista de crdito a travs de un trato cotidiano
95
y peridico. En raras ocasiones se exigen garantas reales de pago al

cliente.
e) El tipo de actividades que se ponen en marcha con estos pequeos
crditos son las microempresas o micronegocios. Ya hemos comentado,
que los microcrditos estn dirigidos a los sectores de la poblacin con
mayores necesidades primarias no cubiertas con la finalidad de que,
esos habitantes, pongan en marcha pequeos negocios que, por una
parte, alivien la economa de la familia, y por otra, favorezca y mejore el
desarrollo, la actividad y situacin socio-econmica de la regin en la
que se encuentran.
f) Destinados a la inversin en circulante. El destino de los microcrditos
normalmente suele ser diferente al de los crditos de las grandes
entidades financieras, puesto que los primeros suelen estar vinculados a
inversiones en activos circulantes y capital de trabajo, mientras que los
segundos sueles destinarse a activos fijos o inmovilizados.
g) Riesgo elevado. El riesgo que soporta el microcrdito tiene una doble
vertiente; por una parte, al ser los microcrditos prstamos ms
fraccionados, el riesgo es menor, pero por otra, al tener una rotacin
elevada, el riesgo crecer paulatinamente. Sin embargo, el riesgo
asociado a los microcrditos es mayor, con lo que las tasas de
morosidad suelen ser ms oscilantes y presentar una mayor volatilidad.
h) Tipos de inters ms elevados. Esta es una de las principales crticas
que se le han realizado, desde sus orgenes, al microcrdito. Las
entidades de microfinanzas, con el objetivo de cubrir costes, han tenido
que fijar tipos de inters ligeramente superiores a las tasas vinculadas a
los crditos de las grandes entidades bancarias. El hecho de prestar
dinero a un microempresario supone unos costes elevados debido a
aspectos como el reducido tamao del nominal de cada prstamo, de la
gestin formalizada de los crditos, de la formacin y promocin de los
prestatarios, etc. No obstante, a pesar de fijarse unos tipos de inters
96
superiores a los de la banca comercial, stos siempre sern inferiores a

los intereses exigidos por los prestamistas particulares e ilcitos, que
pueden llegar a cobrar a sus clientes hasta tasas del 10 al 20 por ciento
diario.
i) El pblico objetivo al que se dirigen las IMFs para ofertar sus prstamos
son diferentes de los de las entidades bancarias convencionales.
Habitualmente, son empresarios de bajos ingresos con negocios
familiares escasamente desarrollados desde un punto de vista
tecnolgico y con una documentacin formal muy limitada. A este
respecto, los clientes de las IMFs son considerados prestatarios de alto
riesgo.
j) La
metodologa
de
prstamo
del
microcrdito
difiere
de
los
procedimientos que utilizan las entidades bancarias para evaluar la

conveniencia de aceptacin o rechazo de un crdito convencional. En el
anlisis de concesin de un microcrdito prevalece la reputacin o
solvencia moral y el flujo de caja sobre las garantas reales y la
documentacin formal de la empresa.
Resumiendo, las caractersticas que acabamos de sealar provocan el
escaso atractivo de la banca comercial por este tipo de crditos u operaciones,
dado que stas tienen un alto coste y una baja rentabilidad.
I.5.3.
Tipologa
La tipologa del microcrdito expuesta en esta seccin no se basa en sus

caractersticas tales como cuanta, plazos de devolucin o reembolso,
garantas, etc., sino en la funcin que el microcrdito desempea en la
microempresa receptora del mismo. Por este motivo, conviene dedicar unas
lneas a definir los tipos de microempresa pues, como veremos, la relacin con
el tipo de microcrdito es directa.
97
En los pases en vas de desarrollo, adems de los tipos de empresas

habituales en los pases desarrollados, encontramos otros tipos de unidades
econmicas denominadas microempresas, las cuales realizan su actividad en
entornos de pobreza y marginacin. Las microempresas acaban por ser una de
las escasas fuentes de empleo en los sectores ms desfavorecidos.
El concepto de microempresa es difcil de delimitar pues se albergan
realidades y situaciones muy diferentes bajo este concepto. Tras consultar la
normativa vigente en los sistemas financieros de pases en los cuales tiene
presencia el microcrdito, podra definirse la microempresa como una unidad
econmica de menos de diez trabajadores que suelen ser empleados no
asalariados y que se encuentran bajo el vnculo de una relacin familiar.
Asimismo, no suele hallarse distincin entre los estados financieros de la
microempresa y los presupuestos familiares. Por otra parte, sus activos estn
valorados en no ms de 30.000 dlares y, habitualmente, las microempresas
no estn registradas de forma legal, contando adems con un bajo nivel de
tecnologa.
Segn lo dicho, las microempresas pueden ser de diversos tipos:
a) Microempresas de supervivencia o de subsistencia.
Se trata de unidades econmicas que son resultado de la ausencia de
otras alternativas de empleo o trabajo. Desarrollan actividades de tipo
comercial o, en todo caso, actividades industriales muy sencillas. Estas
microempresas son las mayoritarias en los pases en vas de desarrollo.
Segn la USAID, a este grupo pertenecen ms del 50% de las
microempresas en Amrica Latina.
b) Microempresas consolidadas.
Se trata de pequeas unidades econmicas con un cierto potencial de
crecimiento, pero que en ningn caso alcanzan resultados que les
permita dejar de ser una microempresa. Segn la USAID, a este grupo
pertenecen el 30 40% de los micronegocios en Amrica Latina y
98
pueden estar constituidas desde un solo trabajador (autoempleo) hasta

por ms de cinco trabajadores.
c) Microempresas dinmicas.
Se trata de un grupo de micronegocios que estn a un paso de
convertirse en pequeas empresas en un determinado sector econmico
de actividad. Este grupo es bastante minoritario y el nmero de
pequeos negocios catalogados dentro de este conjunto no suele
sobrepasar del 5% del total de las microempresas.
De este modo, podemos hablar de dos tipos de microcrditos,
clasificacin que podemos observar en la figura I.2:
1. Microcrdito de subsistencia
En este caso se trata del microcrdito que es solicitado con el objetivo de
mantener una microempresa en funcionamiento de la mejor forma posible,
pero sin que haya expectativas algunas de crecimiento. Las cuantas de
prstamo que se solicitan no suelen ser muy elevadas, pues dependen del
ritmo de actividad econmica del micronegocio.
2. Microcrdito de desarrollo
Es todo microprstamo concedido con la finalidad de desarrollar una accin
o actividad dentro de la microempresa y que est orientada a su
crecimiento. Suele corresponderse con una inversin en activo fijo (equipos,
maquinarias, locales, suministros, etc.). En este caso, las cantidades y los
plazos de reembolso suelen ser mayores que en el microcrdito de
subsistencia.
99
Microcrditos de
desarrollo
Microempresas
Dinmicas
Microempresas
Consolidadas
Microcrditos
de subsistencia
Microempresas
de subsistencia
Figura I.2. Microcrditos y microempresas.

I.6.
SITUACIN ACTUAL Y PERSPECTIVAS DE LAS MICROFINANZAS EN

AMRICA LATINA
Han transcurrido aproximadamente 35 aos desde que las microfinanzas
se originaron como un mecanismo cuyo objetivo es reducir, en la medida de lo

posible, la pobreza del planeta. La cada vez mayor evolucin de la industria ha
provocado que las microfinanzas se vean obligadas a ser reguladas y
supervisadas por los organismos competentes de los sistemas financieros de
las naciones o regiones donde tiene lugar su actividad. A este respecto, la
normativa impuesta por los gobiernos abre camino a la normalizacin de
instituciones informales hacia el desempeo de labores y actividades que
favorezcan la consecucin de los objetivos marcados por las microfinanzas.
Para ello, hemos destacado al microcrdito como el principal producto que
permite el acceso a los servicios financieros a un nmero elevado de
microempresarios.
100
Tras todo este tiempo, las microfinanzas han evolucionado de tal forma
que, hoy por hoy, los procedimientos de gestin de las IMFs ya no distan
demasiado respecto a los de las entidades financieras bancarias. As, en este
epgrafe describimos la situacin actual de las microfinanzas en los pases de
Amrica Latina donde la actividad microfinanciera es ms intensa, tal y como
sealamos en la figura I.3. Por otra parte, el motivo por el cual nos centramos
en esta regin se debe a que el trabajo emprico objetivo de la presente
investigacin est desarrollado para dos IMFs de la Repblica del Per.
Amrica Latina
Asia
Europa del Este
Africa
Medio Oriente
10
20
30
40
50
60
70
80
90
Figura I.3. Porcentaje de instituciones de microcrdito autosostenibles por regin.

Fuente: The MicroBanking Bulletin, Septiembre 2000.
Por tanto, el objetivo marcado para esta seccin consiste en detallar cul
es la situacin actual de las microfinanzas para, posteriormente, destacar
algunos aspectos que depararn en el futuro a la industria del microcrdito.
Para ello, nos proponemos resumir la situacin microfinanciera actual de los
pases de Amrica Latina que tienen un elevado grado de movimiento en este
mercado. Posteriormente, mostraremos una serie de aspectos comunes del
sector y, por ltimo, recogeremos las tendencias futuras del negocio de las
microfinanzas.
101
I.6.1.
Las microfinanzas en Mxico.
A) Sistema de control y supervisin bancaria

Los intermediarios financieros que operan en Mxico estn regulados y
supervisados por la Secretara de Hacienda y Crdito Pblico (SHCP), la
Comisin Nacional Bancaria y Valores (CNBV) y el Banco de Mxico.
La SHCP es el organismo federal encargado de supervisar y regular las
entidades financieras con el fin de procurar su propia estabilidad y el correcto
funcionamiento a la vez que mantener y fomentar un equilibrado desarrollo del
sistema financiero en general.
La CNBV es un rgano independiente de la SHCP con autonoma
tcnica y facultades ejecutivas en trminos de la Ley de la Comisin Nacional
Bancaria y de Valores cuyo cometido es el de la supervisin, regulacin y
anlisis de los estados financieros de los intermediarios. Emite tambin reglas
de capitalizacin, contabilidad y de operacin de la banca, a la misma vez que
interviene a las instituciones financieras con la finalidad de mantener la
estabilidad y buen funcionamiento, e incluso, la solvencia del sistema financiero
en su conjunto.
El Banco de Mxico, segn define su Ley Orgnica, es un organismo
autnomo del gobierno federal responsable de la poltica monetaria y cambiaria
del pas, cuyo objetivo principal es el de proveer a la economa mexicana de
moneda nacional mediante la bsqueda de la estabilidad del poder adquisitivo
de la moneda del pas, el peso. Asimismo, debe promover el desarrollo del
sistema financiero y procurar un buen funcionamiento de los sistemas de pago,
actuando en ltimo momento como banco de reserva y prestamista de ltima
instancia.
B) Microfinanzas
102
Un segmento de gran importancia dentro del sistema financiero y del

sector de ahorro y crdito popular de Mxico es el constituido por las ONGs
con actividades financieras. stas estn organizadas como instituciones de
asistencia privada, siendo su mbito de actuacin las operaciones de
microfinanzas, cuyas tcnicas se estn utilizando con carcter general para la
reduccin de la pobreza y mejora de las condiciones de vida de los sectores
marginados.
Las ONG's con actividades financieras y, en general, las entidades de
microfinanzas como herramientas para la reduccin de la pobreza, se han
desarrollado con xito en los suburbios pobres de algunas ciudades de Mxico.
En Mxico, al igual que en otros pases, una de las tcnicas ms
utilizadas para la concesin y administracin de los microcrditos, es la
organizacin de grupos solidarios integrados, normalmente, por un nmero que
va de 3 a 15 usuarios a quienes, en virtud de la experiencia mostrada, se
dosifican las concesiones de prstamos de menos a ms. El crdito siempre va
asociado al ahorro y en algunos casos, ste le precede durante algn tiempo;
las tasas de inters generalmente son altas, pero cuidando que puedan ser
respaldadas ntegramente por las actividades productivas o comerciales de los
clientes prestatarios. Por otro lado, los microcrditos se van amortizando de
forma mensual, semanal o diaria, o en su caso, al trmino del ciclo productivo o
de comercializacin para el cual se destin el crdito.
En las ONG's los crditos se otorgan inicialmente con recursos
patrimoniales, los cuales deben incrementarse con los remanentes y supervit
de las operaciones de las entidades de microfinanzas, y en su caso con nuevas
aportaciones de donantes; los recursos captados se invierten masivamente en
instrumentos financieros. Con estos productos financieros se pagan los
intereses individualmente a los ahorradores, quedando un remanente para
cubrir los costes de las operaciones o bien para cualquier otra necesidad de la
entidad.
103
En la actualidad, existe una corriente que tiende hacia la incorporacin

de las entidades microfinancieras al sistema financiero formal, lo cual puede
ser factible e incluso conveniente, siempre que las que as lo hagan, cuenten
con una posicin razonablemente slida desde el punto de vista organizativo y
tcnico y as poder cumplir con los requisitos de regulacin exigidos.
Por otra parte, los organismos de supervisin y regulacin han de tener
en cuenta la naturaleza y caractersticas peculiares de este tipo de entidades y
establecer un rgimen de regulacin y supervisin ad hoc.
Las Cajas Solidarias de tipo microfinanciero creadas en 1991 y
derivadas del Programa de Solidaridad, tuvieron su origen en aportaciones de
los denominados prstamos a la palabra. La promocin y organizacin se
encuentra a cargo de la Secretara de Desarrollo Social (SEDESOL) a travs
del Fondo Nacional para Empresas Sociales (FONAES).
El desarrollo y situacin de las Cajas Solidarias, no ha sido homogneo,
puesto que todas no comparten la misma fortaleza estructural ni operativa. El
sistema de Cajas Solidarias en Mxico, segn datos del FONAES ha crecido
un 35,4% anual, al pasar de 267 organismos en el 2006 a 753 en 2009. En ese
mismo ao, los ndices de morosidad medidos sobre la cartera vencida del
sistema microfinanciero de Mxico, se sita en torno al 7%, habindose
producido un importante descenso de la morosidad, teniendo en cuenta que en
1999 ascenda al 23%.
I.6.2.
Las microfinanzas en Colombia.

Segn se desprende del informe de 2002 del Centro del Estudios
Monetarios Latinoamericanos y del Banco Mundial, relativo al sistema de
compensacin
liquidacin
de
pagos
valores
en
Colombia,
la
Superintendencia Bancaria de Colombia es un organismo de carcter tcnico

104
adscrito al Ministerio de Hacienda y Crdito Pblico que, en su calidad de

autoridad de supervisin de la actividad financiera, aseguradora y previsional,
tiene como fin el cumplimiento de los siguientes objetivos:
Asegurar la confianza del pblico en el sistema financiero, asegurador y

previsional, y cuidar que las instituciones que lo integran, mantengan
permanentemente la solidez econmica y los coeficientes de liquidez
apropiados para atender sus obligaciones;
Supervisar las actividades de las entidades sometidas a su control y

vigilancia, no slo respecto del cumplimiento de las normas y
regulaciones de tipo financiero, sino tambin en relacin con las
disposiciones de tipo cambiario;
Velar porque las actividades que desarrollan las entidades sometidas a

su control y vigilancia presten el adecuado servicio financiero,
asegurador y previsional, esto es, que las operaciones se realicen bajo
las condiciones de seguridad, transparencia y eficacia;
Evitar que las personas no autorizadas, conforme a la ley, ejerzan

actividades exclusivas de las entidades vigiladas;
Prevenir situaciones que puedan derivar en la prdida de confianza del

pblico, protegiendo el inters general y, particularmente, el de terceros
de buena fe;
Controlar de forma comprensiva y consolidada el cumplimiento de los

mecanismos de supervisin prudencial que deban operar sobre tales
bases, en particular respecto de las filiales en el exterior, de los
establecimientos de crdito;
Procurar que en el desempeo de las funciones de inspeccin y

vigilancia se d la atencin adecuada al control del cumplimiento de las
normas que dicte la junta directiva del Banco de la Repblica;
Vigilar que las entidades sometidas a su supervisin no incurran en

prcticas comerciales restrictivas del libre mercado y desarrollen su
actividad con sujecin a las reglas y prcticas de la buena fe comercial
y;
105
Adoptar polticas de inspeccin y vigilancia dirigidas a permitir que las

instituciones controladas puedan adaptar su actividad a la evolucin de
sanas prcticas y desarrollos tecnolgicos que aseguren un progreso
adecuado de dichas instituciones.
B) Microfinanzas
En la actualidad, el Gobierno Colombiano reconoce y trata de superar
las limitaciones del modelo financiero tradicional para promocionar el desarrollo

de servicios financieros y no financieros a la micro y pequea empresa. En este
marco de los servicios financieros, se vienen produciendo cambios tendentes al
fortalecimiento de la oferta financiera del sector, mediante IMFs formalizadas
con una visin comercial del producto de crdito microempresarial. En este
sentido, existen, hoy en da, una serie de programas de desarrollo y apoyo a la
micro y pequea empresa que tienen como objetivo principal mejorar los
resultados financieros y la competitividad de las micro y pequeas empresas de
Colombia.
Las instituciones de microfinanzas ms relevantes en Colombia son
Finamrica, (antigua FinaSol), WWB Colombia y el Banco Caja Social.
WWB Colombia en Cali, hasta 1989, se centraba en los prstamos a
grupos, y en la actualidad concede, principalmente, microcrditos por el
sistema individual. La afiliada de WWB ofrece prstamos con plazos de
reembolso y planes adecuados al tipo de negocio del microempresario. Utiliza
para
ello,
procedimientos
sencillos,
desembolsos
flexibles,
servicio
personalizado y garantas basadas en las caractersticas y circunstancias del

prestatario. La gran mayora de los prstamos son de una cuanta inferior al
milln y medio de pesos colombianos, lo que al cambio supone, unos 650
dlares americanos. Esta fundacin posee lneas de crdito para capital de
trabajo y activos fijos y ofrece varias modalidades de financiacin basadas en
el historial crediticio del cliente. Durante los ltimos aos, la Fundacin WWB
Colombia en Cali, ha logrado acceso a la financiacin comercial debido a la
gran eficiencia de sus operaciones, calidad de la cartera y rentabilidad. En
106
1999, obtuvo el premio a la Excelencia en Microfinanzas, otorgado por el

Banco Interamericano de Desarrollo (BID) a la institucin financiera lder de
Amrica Latina.
El Banco Caja Social es una entidad bancaria privada sin nimo de
lucro, sujeto a la regulacin financiera nacional, con una larga tradicin y
reconocimiento por su gestin encaminada a superar los problemas
estructurales causados por la pobreza. El mercado objetivo del Banco
comprende a las personas naturales de ingresos medios y bajos, las
microempresas y las pequeas y medianas empresas.
I.6.3.
Las microfinanzas en Chile.

El marco regulador y supervisor del sistema bancario chileno se organiza
en torno a dos organismos, el Banco Central de Chile y la Superintendencia de
Bancos e Instituciones Financieras (SBIF).
El Banco Central de Chile es un organismo autnomo que se rige por la
Ley Orgnica Constitucional del Banco Central de Chile, que establece su
organizacin, composicin, funciones y atribuciones. Su cometido principal es
establecer las polticas monetarias, de crdito y cambiaria del pas, con la
intencin de mantener la estabilidad monetaria y un funcionamiento adecuado
del sistema de pagos. El Banco Central dicta normas y condiciones en materia
de captacin de fondos del pblico con el objetivo de dotar al sistema de una
mayor liquidez y solvencia, as como, una mayor eficiencia en los sistemas de
pagos.
La SBIF es una institucin pblica y autnoma que tiene como misin la
de garantizar la confianza pblica en el funcionamiento de las entidades
bancarias y financieras a la vez que velar por la estabilidad del sistema. Para
llevar a cabo todos sus objetivos, dispone de poder para sancionar, imponer
107
aumentos obligatorios de capital, adems de liquidar entidades financieras con

problemas.
B) Microfinanzas
En Chile, como en otros muchos pases de Amrica Latina, tambin
surgen y posteriormente se desarrollan las microfinanzas. stas son utilizadas
como una herramienta de las polticas pblicas, lo que implica que, adems de
buscar su expansin y desarrollo, se trate de conseguir un beneficio neto
social.
Actualmente, el microcrdito est destinado a los pequeos negocios y a
personas que no pueden acceder a la financiacin bancaria. En estos casos, el
microcrdito se concede bajo una garanta solidaria de grupo. Por otro lado, los
usuarios de las microfinanzas, segn datos que se derivan de la normativa
competente, son aquellos micronegocios con un nmero de trabajadores
inferior a 10 personas y cuyas ventas anuales y mensuales sean inferiores a
53.000 y 4.400 dlares americanos, respectivamente.
Para paliar la pobreza, el gobierno chileno ofrece subvenciones a los
bancos comerciales que conceden usualmente microcrditos. El sistema
microfinanciero chileno cuenta como entidades ms representativas, el Banefe
(ex-financiera FUSA), que tiene actualmente ms de 40.000 clientes de
microcrdito y el Banco del Desarrollo (filial microempresas), dispone de ms
de 80.000 clientes de microcrdito y casi 25.000 cuentas de microahorro. En
este ltimo, las mujeres tienen una gran representatividad, constituyendo un
80% de su clientela.
Respecto a las ONGs que operan en este sector, podemos destacar las
siguientes:
Fundacin CRATE. ONG fundada en 1976 por un Obispo emrito de la

Dicesis de Talca. Ha tratado siempre de orientar y asistir a los
108
campesinos que se encontraban sin trabajo y a los que, an disponiendo

de tierras, no disponen de medios para trabajarla.
Hogar de Cristo. ONG religiosa con diversidad de funciones de tipo social,
que vive de las donaciones. En los ltimos aos viene acometiendo

tambin funciones microfinancieras.
Fundacin La Vaca. Realiza fundamentalmente obras sociales.
I.6.4.
Las microfinanzas en Bolivia
A ) Sistema de control y supervisin bancaria

La Ley de Bancos y Entidades Financieras legisla sobre las actividades
de intermediacin financiera y de servicios auxiliares, quedando toda sociedad
que realice tales actividades, comprendida dentro de su mbito de aplicacin y
bajo el control de la Superintendencia de Bancos y Entidades Financieras. En
resumen, estn bajo el mbito de la Ley, cinco grupos de entidades financieras
que son:
Entidades Bancarias.
Empresas de servicios financieros. Son sociedades que se dedican a la

prestacin de servicios financieros complementarios de las entidades
financieras.
Cooperativas de ahorro y crdito. nicamente realizan operaciones de

intermediacin financiera, ahorro y crdito entre sus socios.
Mutuales de ahorro y prstamo. Entidades privadas sin fines de lucro

destinadas principalmente a la adquisicin de una vivienda.
Otras entidades financieras no bancarias, como: fondos financieros

privados, instituciones privadas para el desarrollo social, ONGs, etc.
La misin del Banco Central de Bolivia (BCB) es la de fijar las
regulaciones encaminadas a conseguir el desarrollo de los servicios financieros
109
en toda la geografa del pas para, as, satisfacer la demanda de la poblacin

por dichos servicios.
Para cumplir con este objetivo, la Ley del Banco Central de Bolivia de 31
de octubre de 1995, establece que el BCB es la nica autoridad monetaria y
cambiaria del pas y por tanto el rgano rector del sistema de intermediacin
financiera nacional.
Aunque
el
BCB
no
tiene
normas,
ni
reglamentos
dirigidos
exclusivamente al sector microfinanciero, actualmente est trabajando en la

reglamentacin de entidades de segundo orden para facilitar la canalizacin de
recursos hacia diversas instituciones intermediarias, entre las que se
encuentran las involucradas en la actividad microfinanciera.
B) Microfinanzas
Bolivia es la mayor potencia del microcrdito de toda Amrica Latina.
Posee una poblacin dispersa, siendo la media de 6 habitantes por Km2,
inmersa en una pobreza acusada, hecho que favorece el alto grado de
consideracin del microcrdito. La gran mayora de los pases latinoamericanos
cuentan con una o dos entidades de microfinanzas con ms de 10.000 clientes
o prestatarios, y sin embargo, en Bolivia existen ms de diez entidades de
microfinanzas que superan esa cifra de clientes. Dada esta situacin, ocurre
que entidades prestamistas sin nimo de lucro y no reguladas se han
convertido en entidades con nimo de lucro reguladas.
La rentabilidad que ha proporcionado el microcrdito ha atrado la
atencin de bancos bolivianos y de muchos otros pases. La competencia que
se gener entonces hizo, que muchas entidades, mediante la publicidad,
tratasen de atraer clientes de otras entidades.
Dentro de las instituciones microfinancieras de mayor importancia en
Bolivia podemos destacar BancoSol, la cual ha sido estudiada ya en este
captulo de la Tesis Doctoral.
110
I.6.5.
Las microfinanzas en Per
Segn sostienen Trivelli et al (2001), la introduccin de una serie de

reformas a nivel financiero durante la dcada de los noventa, constituy el
punto de partida para la expansin del microcrdito en el Per en lo que
respecta al surgimiento de nuevos intermediarios financieros formales.
A continuacin, nos disponemos a describir cules son los tipos de
entidades de microcrdito que operan en la Repblica del Per, zona
geogrfica donde se ubican las dos IMFs sobre las cuales hemos realizado el
estudio emprico objeto de nuestra investigacin.
El sistema financiero peruano, en lo que a IMFs se refiere, regula y
supervisa a las Cajas Municipales de Ahorro y Crdito (CMACs), las Cajas
Rurales de Ahorro y Crdito (CRACs) y las Entidades de Desarrollo de la
Pequea y Micro Empresa (EDPYMEs).
I.6.5.1.
Cajas Municipales de Ahorro y Crdito (CMACs)
Marco Legal.
Las Cajas Municipales de Ahorro y Crdito, fueron creadas por el D.L.
23039, norma que regulaba el funcionamiento de las Cajas Municipales

ubicadas fuera de los permetros de Lima y Callao de la Repblica del Per. En
mayo de 1990 fue promulgado el Decreto Supremo (D.S). 157-90EF, el cual
adquiere jerarqua de ley por el Decreto Legislativo 770 de 1993.
Esta norma legal se dict en el marco de la Constitucin Poltica del ao
1979 con la pretensin de dar un giro descentralizador al desarrollo econmico
de Per otorgndole a los Gobierno Regionales y Locales mayores atribuciones
y responsabilidades en la tarea de impulsar el desarrollo de todas las regiones.
111
En la actualidad la ley 26702, Ley General del Sistema Financiero y del

Sistema de Seguros y Ley Orgnica de la Superintendencia de Banca y Seguro
promulgada en diciembre de 1996, establece en su quinta disposicin
complementaria que las Cajas Municipales como empresas del sistema
financiero sean regidas, adems, por las normas propias de las citadas Cajas.
Las Cajas Municipales como empresas financieras estn supervisadas
por la Superintendencia de Banca y Seguros y el Banco Central de Reserva,
sujetndose a las disposiciones sobre encaje bancario5 y otras normas
obligatorias; asimismo, de acuerdo con la ley, son miembros del Fondo de
Seguro de Depsitos.
Misin y Objetivos
Las Cajas Municipales son entidades de tipo microfinanciero sin fines de
lucro, que gozan de autonoma econmica, financiera y administrativa, con el

objetivo
estratgico
de
formalizarse
como
un
elemento
clave
de
descentralizacin financiera y democratizacin del crdito.

Desde un punto de vista social, las CMACs cubren el acceso a los
servicios microfinancieros, bien de depsito, crdito y otros servicios, a los
sectores sociales en desarrollo, a la poblacin en general, y en particular,
tienen como objetivo promover a la micro y pequea empresa a contribuir en el
desarrollo socio-econmico de la regin, todo ello ofreciendo servicios
financieros con una atencin profesional y personalizada.
A este respecto, estas entidades se introducen en ciertos sectores de la
poblacin cuya financiacin carece de garantas, y lo hacen favoreciendo y
posibilitando el crecimiento, desarrollo y bienestar social de la regin.
5
El encaje bancario podra definirse como la proporcin de los depsitos que las entidades financieras
tienen que mantener lquidos (caja o reservas en el Banco Central) para atender las retiradas de efectivo.
Es decir, vendra dado como cociente entre las reservas bancarias de caja y los depsitos a la vista (R /
Dv).
112
Bajo los aspectos econmico y financiero, el objetivo es el de maximizar

el valor econmico de la empresa a travs de un crecimiento rentable y
autosostenible6.
Desde un punto de vista estratgico, las CMACs persiguen objetivos de
liderazgo en posicionamiento e imagen con la intencin de consolidarse
regionalmente y expandirse en el mbito nacional.
Debemos hacer mencin a la dependencia de las Cajas Municipales
sobre la FEPCMAC (Federacin Peruana de Cajas Municipales de Ahorro y
Crdito), que es una institucin de derecho pblico con autonoma econmica,
financiera y administrativa. La FEPCMAC representa al Sistema de las CMACs;
ofrece servicios de asesora, consultora exclusiva, apoyo informtico y, tiene la
misin legal de auditar al sistema asegurando la transparencia y una adecuada
gestin administrativa y financiera. La relacin entre las Cajas Municipales y la
FEPCMAC debe basarse en un principio de cooperacin en la medida de que
con el trabajo adecuado se ofrezcan servicios que colectivamente sean ms
beneficiosos que si se realizan de forma individual.
I.6.5.2.
Cajas Rurales de Ahorro y Crdito (CRACs)
La Visin de las Cajas Rurales de Ahorro y Crdito coincide con la figura

de una entidad financiera lder, consolidada, que facilita el acceso a servicios
financieros competitivos, y a la vez, especializada en la atencin a micro,
pequeos y medianos empresarios y ahorristas en zonas rurales del Per.
Son entidades que tienen como uno de los principales objetivos la
intermediacin financiera, es decir, la captacin y colocacin de recursos con el
fin de apoyar las diferentes actividades econmicas que se desarrollan en una
determinada regin.
6
El crecimiento o desarrollo sostenible consiste en satisfacer las necesidades del presente sin
comprometer por ello la capacidad futura de satisfacer esas mismas necesidades.
113
Estas entidades enfocan sus funciones y objetivos hacia el sector rural y

microempresarial, ofreciendo adems apoyo al entorno familiar como ncleo
bsico de la sociedad, fomentando el ahorro y prestando servicios financieros
que ayuden a mejorar su nivel de vida. En la mayora de las ocasiones centran
sus esfuerzos en el sector agrario en donde encuentran una ventaja
comparativa por la especializacin lograda con el crdito agrcola. El sector
microempresarial se presenta como otro de los objetivos donde actuar por
parte de las Cajas de Rurales, pues mediante giles e instantneas lneas de
crdito financian a transportistas, microempresas locales, fabricantes de
maquinaria, etc. Por ltimo, otra lnea de accin comn y actual de estas
entidades la constituye los crditos vivienda, crditos a largo plazo que por sus
condiciones y caractersticas, poseen una gran demanda y, por tanto, permiten
que un mayor nmero de familias dispongan de una vivienda propia.
Las Cajas Rurales de Ahorro y Crdito, al igual que las Cajas
Municipales de Ahorro y Crdito, forman parte del sistema financiero de la
nacin y todas sus operaciones son supervisadas por la Superintendencia en
Banca y Seguros, rigindose, adems, por las normas promulgadas por este
organismo.
I.6.5.3.
Entidades de Desarrollo de la Pequea y Micro Empresa

(EDPYMEs)
Marco Legal
Tanto la Resolucin de la SBS (Superintendencia en Banca y Seguros)
n 847-94 del 23 de diciembre de 1994 como la Resolucin de la SBS n 25995 del 28 de marzo de 1995 (Reglamento), junto con el artculo 10 de la Ley
General de Instituciones Bancarias, Financieras y de Seguros (Decreto
Legislativo n 770 de 1 de abril de 1993), conforman el marco legal bajo el cual
aparecieron las EDPYMEs.
114
Misin, objetivos y lneas de accin

Las EDPYMEs son Entidades de Desarrollo para la Pequea y
Microempresa orientadas a satisfacer la permanente demanda de servicios

crediticios.
Tal y como se menciona en la Resolucin SBS N 847-94, las EDPYMEs
tienen por objeto conceder y prestar financiacin a personas naturales y
jurdicas que desarrollan actividades calificadas como de pequea y micro
empresa, utilizando para ello su propio capital y los recursos que provengan de
donaciones.
Al igual que en las grandes empresas, las pequeas y micro empresas,
tambin, se enfrentan al desafo de crear puestos de trabajo estables y
promover el desarrollo econmico de las zonas en las que se asientan. Sin
embargo, son ms y mayores los obstculos que se encuentran a la hora de
cumplir estos objetivos.
Las EDPYMEs estn autorizadas a conceder crditos directos a corto,
medio y largo plazo; otorgar avales, fianzas y otros tipos de garantas;
descontar letras de cambio y pagars. Reciben, igualmente, lneas de
financiacin procedentes de instituciones de cooperacin internacional, de
organismos multilaterales, de empresas o entidades financieras y del COFIDE
(Corporacin Financiera de Desarrollo). No obstante, las EDPYMEs, a
diferencia de las otras empresas del sistema financiero, no estn inicialmente
autorizadas a captar ahorros del pblico, sino que slo pueden hacerlo
despus de tres aos de funcionamiento y bajo el cumplimiento de ciertos
requisitos.
La esencia de estas entidades es que, bajo una imagen de seguridad,
confianza y solidez institucional, se pretende que las empresas que son
receptoras de crditos y dems servicios financieros logren lo que se conoce
como desarrollo sostenible, es decir, satisfacer las necesidades en el
115
presente sin que ello comprometa a la capacidad futura de satisfacer esas

mismas necesidades.
I.6.6.
Aspectos comunes de las microfinanzas en el momento

actual
Una vez expuesta someramente la situacin actual de los sistemas

financieros de algunos de los pases latinoamericanos, establecemos una
visin conjunta de casi todos los pases de esta regin, en base a ciertas
variables.
a) Crdito a microempresas procedente de instituciones de microcrdito.
En la actualidad, las instituciones que realizan servicios financieros a
empresarios de bajos ingresos (IMFs) se consolidan dentro de los
mercados financieros de Amrica Latina; estas instituciones atienden a
casi dos millones de pequeos empresarios y a gente pobre de toda la
regin. En la figura I.4 mostramos el porcentaje que cada pas obtiene
de microcrditos destinados a microempresas procedentes de las IMFs.
b) Requisito de capital mnimo. Los controles de capital mnimo constituyen
un medio para influir en la estructura del sistema financiero. Elevados
niveles de capital crearn un sistema que contar con un nmero
relativamente escaso de instituciones de gran tamao, puesto que
dichos requerimientos constituyen grandes barreras de ingreso para
competidores potenciales. Los altos requisitos de capital mnimo evitan
tambin que las ONGs de microfinanzas se transformen en instituciones
reguladas.
c) Actitud hacia nuevos tipos de instituciones financieras. Ante la actitud de
la mayora de los pases a crear un nuevo tipo de instituciones reguladas
para las microfinanzas, los gobiernos y superintendencias regionales no
se interesan por la posibilidad de crear nuevos tipos de instituciones
dedicadas nica y exclusivamente a las microfinanzas, dejando abierta
116
la posibilidad de que las IMFs gestionen carteras hipotecarias y de

crditos al consumo.
d) Clasificacin de los prstamos. En la tabla I.5 recogemos una breve
resea y comentario sobre los prstamos en la mayora de los pases de
Amrica Latina, teniendo en cuenta, en algunos casos, las cantidades
destinadas a provisiones que den cobertura a los posibles crditos
atrasados y no devueltos. A este respecto, las provisiones establecidas
en previsin de prdidas deben equivaler al valor del riesgo relacionado
con la cartera de prstamos. La forma de establecer estas provisiones
depende, en gran medida, de si los prstamos se clasifican como
comerciales o de consumo.
e) Garantas de pago y grupos de responsabilidad solidaria. La falta de
garantas reales es una de las caractersticas que definen a las
microfinanzas.
Esto
conlleva,
pues,
que
las
instituciones
de
microfinanzas hayan innovado otros medios con el fin de asegurar el

reembolso de los prstamos por parte de los prestatarios. La mayora de
las superintendencias consideran que las garantas de responsabilidad
solidaria se asemejan a las garantas personales (Jansson, 1998).
f) Leyes de usura y lmites a las tasas de inters. Las leyes de usura
normalmente son implementadas con el nico fin de proteger al
consumidor. De este modo, al establecer lmites superiores para las
tasas de inters, los legisladores protegen a los clientes con ms
dificultades para acceder al crdito y dems servicios financieros y para
evitar que sean coaccionados por prestamistas informales e ilegales.
g) Requisitos de documentacin para los prstamos. La solicitud de
documentacin para los prstamos est destinada a asegurar la
confiabilidad de la garanta y la estabilidad financiera del prestatario.
Para el caso de los prstamos comerciales, las instituciones financieras
solicitan documentacin para verificar la identidad del cliente, la
117
situacin financiera del negocio, sus activos y la viabilidad financiera de

las actividades a realizar.
118
Venezuela
30,00
Argentina
Brasil
Uruguay
25,00
Mxico
Panam
Promedio ponderado
20,00
Paraguay
Colombia
Rapblica Dominicana
15,00
Ecuador
Costa Rica
Guatemala
10,00
Per
Promedio simple
Chile
5,00
Honduras
El Salvador
0,00
Nicaragua
1
Bolivia
Figura I.4. Crdito a microempresas procedente de instituciones de microcrdito (en porcentaje).

Fuente: Adaptado de Portocarrero et al (2006).
119
Tabla I.5. Caractersticas de prstamos en Amrica Latina y el Caribe

Pas
Comentario
ARGENTINA
Los prstamos inferiores a US$200.000 pueden ser clasificados como

prstamos comerciales o de consumo. La decisin debe ser reportada a la
superintendencia
BARBADOS
Depende del propsito, la duracin del prstamo, y la estructura de

repago
BELICE
Depende de cada banco
BOLIVIA
Depende del propsito y de la naturaleza del usuario final
BRASIL
CHILE
Los prstamos inferiores a US$18.333 a individuos para su consumo se

consideran prstamos de consumo
COLOMBIA
Los prstamos inferiores a 300 salarios mnimos mensuales (US$51.500)

se consideran prstamos de consumo. Tarjetas de crdito siempre se
consideran crditos de consumo
COSTA RICA
REP. DOM.
ECUADOR
Los prstamos inferiores a US$37.500 se consideran prstamos de

consumo
EL SALVADOR
GUATEMALA
Los prstamos inferiores a US$7.000 se consideran prstamos de

consumo
GUYANA
No existe esta distincin
HONDURAS
Los prstamos inferiores a US$3.825 se clasifican como prstamos de

consumo
MXICO
Los prstamos a la microempresa son prstamos comerciales
NICARAGUA
Los prstamos inferiores a US$10.000 y a individuos para su consumo se

consideran prstamos de consumo
PANAM
PARAGUAY
Los prstamos inferiores al 4% de la base de capital mnimo para bancos

(US$185.000) y al 3% para otras instituciones se clasifican en una
categora especial para propsitos del establecimiento de provisiones
PER
Depende del propsito y de la naturaleza del usuario final. Tarjetas de

crdito se consideran prstamos de consumo
TRIN. Y TOB.
URUGUAY
VENEZUELA

Fuente: Jansson, T. (1998)
120
I.6.7.
Perspectivas de futuro
Es cada vez mayor el nmero de agentes de la economa interesados en

el negocio de las microfinanzas. El objetivo de lograr que el microcrdito deje
de ser una actividad de subsistencia para convertirse en un negocio rentable
est cada vez ms cerca, siendo, para ello, America Latina el escenario ms
idneo para que esto ocurra. Tal y como ha podido comprobarse, no hay otra
regin en todo el mundo que albergue un mayor nmero de entidades de
microcrdito que sean financieramente sostenibles.
Sin embargo, el objetivo de generalizar el acceso a los servicios
financieros a los microempresarios de escasos recursos depender del
respaldo que se obtenga de los gobiernos de los pases en vas de desarrollo,
precisando para ello una regulacin prudente y adecuada. En esta lnea, no
basta
solamente
con
disponer
de
un
marco
jurdico
especfico
en
microfinanzas, sobre cuyo contenido hay actualmente un gran consenso, sino

que han de darse otras circunstancias que acompaen el xito en los objetivos
planteados. As por tanto, entendemos que para que el negocio de las
microfinanzas prospere en trminos econmicos y financieros, dado el marco
jurdico que actualmente las regula, ha de gestionarse en una economa de
libre mercado, donde no existan restricciones relativas a los tipos de inters de
los prstamos, eso si, dentro de unos lmites prudentes para evitar la usura, y
en donde haya un mercado competitivo sin la presencia de entidades
financieras de propiedad estatal que monopolicen el mercado de una forma
desleal desde el punto de vista de la competencia.
Es ya un hecho que la industria de las microfinanzas ha crecido y
seguir creciendo en el futuro, induciendo a los inversores a depositar capitales
en las IMFs. En este sentido, los donantes de estas entidades ya solo se
preocupan de si estas entidades son financieramente sostenibles, mientras que
los inversores observan atentamente si el negocio es rentable para seguir
invirtiendo sobre nuevos proyectos basados en el crecimiento. Como
consecuencia de esta demanda de informacin, hemos podido comprobar que
han surgido compaas que prestan servicios de evaluacin de la gestin, en el
121
sentido amplio de la palabra, a las IMFs. Como ejemplos de ellas, podemos

citar a MicroRate en America Latina, PlaNet en Africa y M-CRIL en frica.
Marcadas por esta lnea, y en su afn de ser competitivas en el sector
donde operan, las IMFs planean desarrollar sus mtodos de gestin para
incrementar las tasas de rentabilidad. En este sentido, un aspecto muy
importante que preocupa, hoy en da, a los gestores de las entidades de
microcrdito es la mejora de la calidad de sus carteras de microcrditos, es
decir, la reduccin de las tasas de morosidad de sus clientes. Siguiendo la
evolucin favorable en las IMFs a este respecto, donde las tasas de morosidad
en la actualidad se aproximan a las de la banca comercial, est cercano el da
en que las entidades de microfinanzas, por sus caractersticas sociales que an
permanecen innatas, lleven consigo una calidad de la cartera an mejor que la
que pueda observarse en la banca comercial. Para ello, el futuro depara
modelos de gestin de riesgos idnticos a los actualmente planteados en el
negocio bancario, aunque no nos cabe duda que hay que comenzar con la
prudencia que cualquier actividad requiere.
Si bien an las limitaciones en microfinanzas son importantes, hemos
podido comprobar que stas se estn mitigando en los ltimos aos. As, con la
captacin de ahorro y la consecuente reduccin de donaciones provenientes de
organismos internacionales las microfinanzas son conducidas a la insercin
total en el sistema financiero, dada la autosostenibilidad de las IMFs.
Ya apuntaba Jasson (2001) hace 9 aos que sera una exageracin
afirmar que la industria del microcrdito est tocando a las puertas de Wall
Street. Aunque an queda camino por recorrer, las IMFs disponen de todas las
herramientas necesarias para lograr competir con la industria bancaria en los
mercados financieros locales e internacionales. El caso es que ser el tiempo y
no la capacidad quien nos marcar el lmite de esta afirmacin.
En la actualidad, a raz de la crisis propiciada por las hipotecas subprime, se ha conducido a un sistema generalizado donde la complejidad y la
falta de transparencia de los productos financieros ha llegado hasta la industria
122
del microcrdito. La grave crisis que nos afecta, iniciada en el sector financiero,
acaba por afectar a todo el mundo, provocando que hasta los gobiernos ms
contrarios a la intervencin, hayan requerido reformas importantes en sus
sistemas financieros. Bien es sabido que el negocio de las microfinanzas an
no se encuentra tan desarrollado como la industria bancaria, por lo que las
consecuencias financieras negativas que trae consigo la crisis financiera
internacional tendrn una menor repercusin en el sector microfinanciero.
Asimismo, los efectos negativos sern menores, dado que las microfinanzas
an se basan en un sistema tico, responsable y financiero basado en el
conocimiento personal del cliente, opuesto a los principios de las prcticas de
negocio de la banca comercial, los cuales han contribuido al agravamiento de
la crisis actual. Sin embargo, a pesar de todo lo dicho, es un hecho que la crisis
actual ha frenado el crecimiento de las microfinanzas, confirmando la
necesidad de tomar medidas al respecto.
Fruto de las operaciones que se llevan a cabo en el negocio de las
microfinanzas, la evaluacin y medicin de los riesgos que subyacen del
negocio se erige como una medida de actuacin primordial. A raz de los
efectos negativos de la actual crisis, las IMFs se han planteado incorporar a
sus procedimientos de gestin futuros indicadores que contemplen el riesgo
macroeconmico, el cual afecta directamente al comportamiento de pago del
cliente.
I.7.
CONSIDERACIONES FINALES
El propsito fundamental por el cual nacieron las microfinanzas ha

quedado claro que fue el de posibilitar el acceso a los servicios financieros a
las personas y microempresarios con escasos recursos, permitindoles as, la
participacin en el sistema financiero y econmico, algo que nunca haban
tenido a su alcance.
123
Tal y como hemos indicado en el captulo, existen muchos casos en los

que la regulacin convencional de las finanzas no es apropiada para las
entidades
de
microfinanzas
que
conceden
crditos
pequeos
microempresarios. En este sentido, los gobiernos de los pases donde la

actividad microfinanciera es intensa han terminado por crear marcos jurdicos y
normativas estrictas sobre el movimiento de capital, los controles directivos y la
calidad de las carteras de crditos. Sin embargo, la labor del Estado y de las
entidades que supervisan los sistemas financieros no debe de acabar ah, sino
que deben ser competentes a la hora de regular funciones de menor orden. A
este respecto, tal y como seala Jansson (1998), los reguladores no permiten
suficiente flexibilidad en lo que se refiere a los requisitos de las garantas, la
documentacin, los procedimientos legales en relacin con los prestatarios
morosos, los horarios de atencin de las sucursales o los mtodos alternativos
para ofrecer servicios financieros.
El principal objetivo que debe conseguir el microcrdito es integrarse en
los mercados financieros nacionales. Para ello, un escenario idneo es
Amrica Latina, regin que se encuentra en plena transicin financiera, donde
las entidades de microfinanzas surgieron como organizaciones sin fines de
lucro para ayudar a las personas con escasos recursos aunque, sin embargo,
estn llevando a cabo un proceso de transformacin a entidades financieras
formalizadas con procesos de gestin que incorporan objetivos de crecimiento,
eficiencia y rentabilidad. De este modo, los gestores de estas entidades
conciben que, con la consecucin de estos objetivos, se logre llegar a un
nmero mayor de clientes. Para ello, los denominados ahorros del pblico
(depsitos y cuentas a la vista) constituyen una importante fuente de
financiacin para las instituciones, al tratarse de un recurso ms econmico en
comparacin con el coste que supone un prstamo en un banco local o en
cualquier otra entidad financiera, lo cual indica que la captacin de ahorro de
los clientes permite a las entidades ser financieramente autosostenibles.
Tras la lectura del captulo, segn se ha podido comprobar, se observan
diferencias muy notables en el ejercicio de las microfinanzas atendiendo a los
distintos tipos de instituciones, las metodologas y operativas empleadas, los
124
enfoques o, incluso, la regin geogrfica donde se llevan a cabo. Por estos

motivos, entendemos que se hace necesaria la labor de contextualizacin en
funcin de las variables comentadas, a la hora de emprender cualquier tipo de
anlisis o investigacin.
Las IMFs poseen un perfil muy particular del riesgo de crdito, lo que
influye de forma directa en las autoridades supervisoras del crdito. Bajo este
punto de vista, estas instituciones cuentan con unos costes administrativos
elevados, que han de ser cubiertos con altos tipos de inters sobre el capital de
los numerosos crditos a corto plazo, sin garantas y concentrados
geogrficamente en determinadas regiones. Asimismo, el trmino microcrdito
se ha vinculado desde sus orgenes a la mujer como cliente de ste, aunque,
segn un estudio realizado por Cheston y Kuhn (2002) las entidades de
microcrdito ofrecen un porcentaje de prstamos cada vez menor a las
mujeres, a la vez que las cantidades desembolsadas son inferiores en
comparacin con los prstamos concedidos a los hombres, an perteneciendo
al mismo programa de microcrdito.
Todo lo dicho anteriormente, nos lleva a la conclusin de que, bajo un
desarrollo sostenido, los microcrditos y todo el sistema que los engloba se
convierte en un instrumento importante para la lucha contra la pobreza, todo
ello mediante la creacin de pequeos negocios, los cuales, generan los
ingresos necesarios para cumplir con su obligacin respecto de la entidad
microfinanciera, incrementar el nivel de vida de la familia y disponer de una
pequea cantidad para el ahorro.
Por otro lado, conviene destacar los inconvenientes que conlleva el
concepto de microcrdito dado que, por sus caractersticas, su riesgo inherente
se estima demasiado elevado. Consecuencia de ello, las entidades de
microcrdito presentan peores indicadores sobre la calidad de la cartera que
las entidades bancarias a causa de las altas tasas de morosidad de sus
clientes. Es posible, que la administracin competente no supervise
adecuadamente la cartera ante incumplimientos en la devolucin del crdito, al
igual que es posible que las altas tasas de morosidad incidan directamente en
125
la rentabilidad de la institucin microfinanciera. En ambos casos, las acciones

de regulacin y supervisin por parte de las administraciones hacen posible un
control ms exhaustivo del riesgo procedente de las microfinanzas.
Especialmente en estos momentos, en plena crisis financiera global, es
necesario profundizar en el estudio de la relacin entre el sistema financiero,
sus funciones y los objetivos de desarrollo. El reto es definir nuevos modelos
de sistemas financieros que permitan avanzar hacia objetivos de reduccin de
la pobreza y equidad, junto a los de crecimiento y rentabilidad.
Por ltimo, conviene destacar las diferencias contempladas entre las
caractersticas del microcrdito y las del crdito convencional, al igual que las
recogidas entre las entidades de microcrdito y los bancos comerciales.
Destacamos, igualmente, la escasa aplicabilidad que tienen las herramientas
de las finanzas formales en la prctica de las microfinanzas, por lo que
entendemos que los modelos de gestin en ambos sectores, an realizando
operaciones semejantes, deban ser diferentes. Concretamente, y en virtud de
los objetivos de esta Tesis Doctoral, nos referimos a la gestin del riesgo de
microcrdito frente a la gestin del riesgo de crdito, tarea que dejamos
propuesta para el siguiente captulo del presente trabajo de investigacin.
126
CAPTULO II
ANLISIS DEL RIESGO DE CRDITO EN LAS INSTITUCIONES
DE MICROFINANZAS.
II.1. Introduccin.
II.2. Concepto de Riesgo de Crdito.
II.3. Concepto de credit scoring.
II.4. Anlisis del riesgo de crdito en la Banca.
II.4.1. Tcnicas paramtricas de credit scoring.
II.4.1.1. Anlisis Discriminante.
II.4.1.2. Modelos de Probabilidad Lineal.
II.4.1.3. Modelos Logit.
II.4.1.4. Modelos Probit.
II.4.2. Tcnicas no paramtricas de credit scoring.
II.4.2.1. Programacin Lineal.
II.4.2.2. Redes Neuronales.
II.4.2.3. rboles de Decisiones.
II.4.3. Estudios comparativos de credit scoring.
II.5. Anlisis del riesgo de crdito en las Instituciones de Microfinanzas.
II.5.1. El modelo de Vigan.
II.5.2. El modelo de Sharma y Zeller.
II.5.3. El modelo de Zeller.
II.5.4. El modelo de Reinke.
II.5.5. El modelo de Schreiner.
II.5.6. El modelo de Vogelgesand.
II.5.7. El modelo de Diallo.
II.5.8. El modelo de Meier y Balke.
II.5.9. El modelo de Dinh y Kleimeier.
CAPTULO II: ANLISIS DEL RIESGO DE CRDITO EN LAS INSTITUCIONES DE

MICROFINANZAS
II.5.10. El modelo de Van Gool et al.

II.6. Limitaciones en la construccin de los modelos de credit scoring para las
microfinanzas.
II.7. Ventajas e inconvenientes de la elaboracin de un modelo de scoring para
una Institucin de Microfinanzas.
II.7.1. Ventajas del credit scoring en las IMFs.
II.7.2. Inconvenientes del credit scoring en las IMFs.
II.8. Consideraciones finales.
128

MICROFINANZAS
II.1. INTRODUCCIN
Desde su asentamiento como entidades financieras reguladas, las IMFs
se marcan, entre sus principales objetivos, medir y controlar los riesgos
financieros que se presentan en sus actividades.
La situacin peculiar en la que se encuentran actualmente los sistemas
financieros donde tienen presencia las microfinanzas se ha visto caracterizada
por los mrgenes financieros reducidos de las entidades de microfinanzas. Si a
ello le unimos el desarrollo tecnolgico y la globalizacin de los mercados cuyo
desenlace es la desvinculacin progresiva del cliente con la entidad,
entendemos que, al igual que en la banca comercial, el riesgo de crdito asume
un mayor protagonismo de cara a ser un factor competido en este complicado
sector, donde, siguiendo la idea propuesta por Caouette et al (1998), el prximo
gran reto de los mercados financieros es el desarrollo de nuevos mtodos y
tcnicas para valorar el riesgo de crdito. De este modo, Bessis (2002)
conceptualiza el riesgo de crdito como las prdidas asociadas al evento de
fallido del prestatario o al evento del deterioro de su calidad crediticia.
Con objeto de medir el riesgo de crdito, el credit scoring se erige como
una metodologa aceptada por el Comit de Basilea para la supervisin
bancaria y por los sistemas financieros norteamericano y europeos en la
construccin de un sistema de rating interno, en la que se clasifica a los
solicitantes de crdito segn la propia calificacin de clientes buenos o malos
efectuada por una determinada institucin financiera. Si bien los modelos de
credit scoring en la banca comercial llevan utilizndose varias dcadas, en las
entidades microfinancieras puede decirse que se encuentran en plena fase de
crecimiento respecto a su uso.
La explicacin y prediccin del riesgo de impago en microfinanzas deben
ser abordadas de manera distinta a como se viene haciendo en la banca
comercial, debido a las limitaciones tanto en sus bases de datos como en el
proceso de elaboracin de un sistema de medicin del riesgo de microcrdito.
129

MICROFINANZAS
Unos historiales de crdito poco desarrollados y escasos en informacin

impiden predecir la probabilidad que un cliente tiene de atender o no atender al
pago de la deuda mediante el uso de los sistemas tradicionales de credit
scoring desarrollados para la banca.
Por consiguiente, el objetivo que nos planteamos en este captulo
consiste en identificar la metodologa ms apropiada para la construccin de un
modelo de credit scoring para las IMFs, teniendo en cuenta las caractersticas
particulares de estas entidades, as como la informacin contenida en sus
historiales de crdito. Para ello, hemos estructurado el captulo en siete partes.
En la primera y segunda de ellas, abordamos los conceptos de riesgo de
crdito y de credit scoring, manifestando su utilidad segn nuestras
necesidades. En la tercera y la cuarta parte del captulo realizamos una
revisin bibliogrfica de las tcnicas que, a lo largo de los aos, se han venido
utilizando para la elaboracin de modelos de evaluacin y prediccin del riesgo
de crdito e insolvencia del prestatario para la banca comercial y para las
microfinanzas, respectivamente. Con esta revisin de modelos se pretende
resaltar diferencias entre la gestin del riesgo de crdito y la gestin del riesgo
de microcrdito. A continuacin, en un quinto punto, planteamos una serie de
limitaciones que surgen a la hora de elaborar una aplicacin de credit scoring y
que conducen a un planteamiento diferente en el tratamiento del riesgo de
microcrdito. En la quinta parte del captulo, enumeramos las ventajas e
inconvenientes de la construccin y uso de un modelo de scoring en las IMFs
para, en sexto y ltimo lugar, exponer una serie de consideraciones finales a
modo de conclusin del captulo.
En resumen, la importancia de este captulo radica en conocer
detalladamente la metodologa estadstica que debemos de seguir de cara a
modelizar un sistema de prediccin de insolvencia del cliente que solicita un
microcrdito en un determinado momento que, a su vez, propondremos en los
captulos tercero y cuarto del presente trabajo de investigacin.
130

MICROFINANZAS
II.2. CONCEPTO DE RIESGO DE CRDITO

En la actualidad, la actividad financiera se ha convertido en uno de los
pilares bsicos de la economa de los pases que disponen de un sistema
financiero relacionado con la actividad empresarial. As, las entidades
financieras desempean sus funciones en un entorno donde la competitividad
es cada vez mayor dada la globalizacin de los mercados latente en la
economa internacional.
En microfinanzas, la competencia bancaria se ha incrementado
sensiblemente en los ltimos aos, no solo entre las IMFs sino tambin entre
las entidades bancarias que han abierto programas de crdito en un sector que
cada vez resulta ser ms rentable.
De este modo, en un sector de actividad que est resultando ser tan
competitivo, el riesgo se considera como un factor estratgico de cara a tomar
un buen posicionamiento en el sector, teniendo en cuenta que ste abre un
campo a la investigacin bancaria incluyendo su gestin en la toma gerencial
de decisiones de las entidades financieras. Entre todos los posibles riesgos
empresariales conocidos, el riesgo que nos compete en nuestro trabajo de
investigacin es el riesgo de crdito.
Enmarcado dentro de los riesgos no diversificables o sistemticos, el
riesgo de crdito, junto con los riesgos de mercado y operacional, son aquellos
que, dependiendo de las tendencias del mercado, afectan a todos los
componentes de ste (figura II.1)
131

MICROFINANZAS
Riesgo Sistemtico
Riesgo de
Mercado
Tasa de Cambio
Tipos de Inters
Inflacin
Precios
Riesgo de
Crdito
Riesgo
Operacional
Riesgo de Impago
Riesgo de Calificacin
Riesgo de Liquidez
Riesgo Pas
Fraudes
Regulaciones
Desastres naturales
Tecnologa
Figura II.1. Tipos de riesgo.

Se entiende por riesgo de crdito el riesgo derivado de cambios en la

calificacin crediticia del emisor derivado de la probabilidad de incurrir en
prdidas derivadas del impago en tiempo o forma de las obligaciones
crediticias de uno o varios clientes. Este riesgo surge ante la posibilidad de no
acometer al reembolso de los flujos de caja comprometidos mediante un
contrato de prstamo, resultando as una prdida financiera para la
correspondiente entidad financiera.
Los componentes del riesgo de crdito son:
Riesgo de Impago. De acuerdo con Samaniego (2005), el riesgo de

impago hace referencia a la incertidumbre asociada con la capacidad
de la empresa para hacer frente a sus obligaciones financieras
futuras, tanto pagos de principal como de intereses.
Riesgo de Calificacin. Riesgo que subyace de otorgar una

calificacin crediticia por parte de una agencia de rating, que pone de
manifiesto un posible impago futuro. A este respecto, las personas
fsicas o jurdicas sobre las cuales se emita una calificacin se
132

MICROFINANZAS
encuentran afectadas por el riesgo de variacin en su calificacin, la

cual puede afectar a la credibilidad como pagador futuro.
Riesgo de Liquidez. Incertidumbre ligada a la posibilidad de convertir

en liquidez un determinado activo.
Riesgo Pas. Efectos negativos producidos como consecuencia de

que un determinado pas no cumpla con el pago de su deuda en
tiempo y forma.
A la hora de evaluar el riesgo de crdito mediante la metodologa VaR
(Value at Risk)1, los factores determinantes del mismo son: la probabilidad de
incumplimiento (default), la Exposicin y la Severidad o tasa de recuperacin.
La probabilidad de incumplimiento hace referencia a la probabilidad de
que el prestatario de un prstamo no haga frente a sus obligaciones
contractuales
de
pago.
Conviene
destacar
la
importancia
de
definir
correctamente el concepto de impago, a la vez que establecer relaciones entre

ste con la calidad crediticia del cliente, el ciclo econmico y con las
condiciones del mercado, como puedan ser los tipos de inters.
La exposicin se define como el valor de mercado de la deuda en el
momento en el que se produce el incumplimiento. Se trata de una variable que
depende directamente del tipo de prstamo, del tiempo transcurrido hasta el
vencimiento de la deuda, del tipo de inters y de la calidad crediticia o rating del
cliente.
Por ltimo, la severidad refleja el porcentaje de prdida producido por el
impago de la deuda una vez transcurrido el proceso de recuperacin de sta.
En esta lnea, los factores que afectan a esta variable son: el valor actual del
coste de la recuperacin, la proporcin del impago recuperada, la duracin del
proceso de recuperacin, tipo de inters empleado en el clculo del valor actual
y el rating del prestatario.
1
El Comit de Basilea para la Supervisin Bancaria, la Reserva Federal de los Estados Unidos
y los Reguladores de la Unin Europea aceptan la metodologa VaR como medida adecuada
de medicin del riesgo de mercado y riesgo de crdito.
133

MICROFINANZAS
II.3. CONCEPTO DE CREDIT SCORING

Desde hace algunos aos, los avances producidos en los sistemas y
mecanismos de almacenamiento de datos han constituido uno de los
principales rasgos distintivos de la sociedad de nuestros das, pues su
aprovechamiento y utilizacin de forma adecuada proporciona una informacin
til para la adopcin de decisiones por parte de los distintos usuarios.
Los credit scoring son mtodos estadsticos utilizados para clasificar a
los solicitantes de crdito, o incluso a quienes ya son clientes de la entidad
evaluadora, entre las clases de riesgo bueno y malo (Hand y Henley (1997)).
As, el credit scoring, tambin conocido como calificacin del riesgo de
insolvencia o morosidad, puede concebirse como un sistema que, mediante
predicciones, califica un crdito y mide el riesgo inherente al mismo.
Segn la Real Academia de la Lengua Espaola, medida se define,
entre otras acepciones, como proporcin o correspondencia de una cosa con
otra, siendo entonces sta una cantidad que se puede determinar. De igual
forma, el trmino calificar es definido como apreciar o determinar las
calidades o circunstancias de una persona o cosa, lo que quiere decir que se
aprecia la existencia o inexistencia en mayor o menor grado de una
determinada caracterstica de un crdito. La Real Academia de la Lengua
tambin define riesgo como contingencia y proximidad de un dao. Este
concepto est muy relacionado con el mbito empresarial, describiendo su
significado en trminos de probabilidad o posibilidad y, en este sentido,
podramos definir el riesgo como la probabilidad de encontrarnos en una
situacin adversa, y no, la propia situacin adversa esperada.
La definicin de los conceptos de riesgo de crdito y de credit scoring
debera, a nuestro juicio, abarcar los tres grandes aspectos referidos en el
prrafo anterior. Es por ello que cuando hablamos de riesgo de crdito desde
134

MICROFINANZAS
un punto de vista financiero no ha de entenderse como la prdida esperada

que puede ser ocasionada por el impago de un crdito, sino que hablamos de
la variabilidad que se pueda producir en torno a dicha prdida esperada, fruto
de la cercana a lo adverso. En consecuencia, debemos hablar de medicin
del riesgo de crdito cuando suponemos la obtencin de un valor esperado
(hallado estadsticamente mediante la esperanza matemtica), y la variabilidad
(varianza o desviacin tpica) de ese propio valor esperado.
Por tanto, el credit scoring permite evaluar a los clientes y realizar un
pronstico del comportamiento de las devoluciones peridicas as como
cuantificar el grado de riesgo implcito en cada operacin de crdito en base a
datos ya disponibles. El credit scoring predice cul ser el comportamiento,
atendiendo al riesgo, de un solicitante de crdito, justo en el momento en el que
se est llevando a cabo la solicitud, y lo hace mediante un modelo matemtico
predictivo de comportamiento de riesgo donde se obtiene una puntuacin que
mide el riesgo ponderado de las diferentes caractersticas de un prestatario, un
prestamista y un prstamo.
Dicho en otras palabras, el credit scoring consiste en clasificar a
individuos que solicitan un crdito o prstamo en clientes potencialmente
buenos o malos para la entidad prestamista en relacin a ciertos datos
cuantitativos medibles, as como informacin no numrica relativa a cualidades
recogidas bajo variables de corte cualitativo.
Ante todo, hemos de percatarnos de la importancia de las tcnicas
estadsticas. Con las tcnicas estadsticas de calificacin de crditos, en
general, se trata de lograr tener un conocimiento de distintos aspectos como
son:
a) El comportamiento financiero en torno a los productos solicitados y a la
morosidad.
b) La relacin entre el riesgo y la rentabilidad. El credit scoring aporta
informacin
sobre
el
precio
prima
por
riesgo,
volatilidad,
diversificacin, etc.
135

MICROFINANZAS
c) El coste de la operacin. La agilizacin general de procesos que se

consigue con el credit scoring permite la reduccin del coste en el
proceso de concesin de un crdito.
A nuestro entender, otra de las finalidades de este tipo de herramientas
para la toma de decisiones se centra en la posibilidad de interferir en el
comportamiento futuro de los clientes, orientado a mejorar la actividad
empresarial en general, evitar prdidas de clientes, incrementar la participacin
en el mercado de la empresa, etc.
Segn apuntan Marais et al (1984), la construccin de aplicaciones de
credit scoring conllevan la consideracin de tres elementos: una funcin de
prdida, relativa al coste de cada tipo de error cometido en la clasificacin; una
distribucin de probabilidad conjunta, que hace referencia a las categoras y
variables que definen la poblacin; y, por ltimo, la regla de clasificacin del
analista decisor.
Suele ser habitual que la funcin de prdida y la distribucin de
probabilidad conjunta no estn totalmente identificadas, por lo que ser
necesario recurrir a hiptesis y determinar previamente las variables a incluir en
el modelo final. La eleccin de variables constituye la parte difcil del proceso,
aunque entendemos que deba depender de la opinin del investigador.
Aunque quizs con menos relevancia, los modelos de calificacin
estadstica tambin son tiles en otros sectores. As, Rodrguez-Vilario (1995),
recopila los modelos ms importantes de carcter logstico indicando el sector
al que se dirige cada uno de ellos. Destaca modelos aplicados principalmente
al sector bancario y al sector seguros donde, en este ltimo, el objetivo es el de
elaborar aplicaciones capaces de predecir la posible insolvencia de las
compaas de seguros.
En resumen, la inclusin de modelos estadsticos de credit scoring en las
IMFs ha de ir orientada, por una parte, a minimizar costes de administracin
gracias a la agilizacin de procesos dentro de la entidad y, por otra, a conseguir
136

MICROFINANZAS
una concesin de crditos ms especializada capaz de reducir el ndice de

morosidad y de incrementar el margen financiero de la institucin.
II.4. ANLISIS DEL RIESGO DE CRDITO EN LA BANCA COMERCIAL

Nos remontamos a ms de 68 aos, cuando Durand (1941) public el
primer trabajo donde se empleaban mtodos estadsticos que discriminaban
entre buenos y malos prstamos. Desde entonces, cuantiosos han sido los
trabajos donde investigadores han realizado esfuerzos para desarrollar los
mejores modelos tericos y empricos de credit scoring. No podemos dejar de
mencionar los estudios clsicos de Myers y Forgy (1963), Bierman y Hauseman
(1970), Orgler (1970) y Apilado et al (1974), como precursores del uso del
credit scoring, antes de que todas las propuestas metodolgicas fueran ya
conocidas. Por otro lado, trabajos como los de Hand y Henley (1997) y Thomas
(2000) han servido de base a cuantiosos autores para realizar la revisin de la
literatura sobre credit scoring.
En la actualidad, todas las grandes corporaciones bancarias poseen
modelos de credit scoring. As lo apunta Mester (1997), en cuyo trabajo se
pone de manifiesto que esta metodologa es ampliamente utilizada en la
medicin del riesgo de crdito para prstamos personales, prstamos
hipotecarios, prstamos al consumo y, fundamentalmente, en prstamos a
empresas.
Como ya se ha visto en el epgrafe anterior, en la realizacin de un
modelo de credit scoring mediante el uso de un sistema de puntuacin
establecido en funcin de las caractersticas del cliente y de la operacin de
crdito, se podra obtener la probabilidad de que ste cumpla con sus
obligaciones de pago. En este sentido, la operacin considerada puede
resumirse mediante la siguiente expresin:
P = f ( X 1 , X 2 ,..., X n ) +
(1)
137

MICROFINANZAS
donde X i son las caractersticas del cliente y de la operacin de crdito, es la

perturbacin aleatoria, f ( X ) la funcin que determina la relacin existente
entre las variables empleadas y, por ltimo, P es la probabilidad de que el
crdito resulte impagado.
Sea cual fuere la metodologa empleada, todas acusan el problema de la
no aleatoriedad de las muestras cuando se construye un modelo de credit
scoring utilizando muestras truncadas. Una muestra truncada viene a ser, por
ejemplo, la formada por nicamente crditos concedidos. Es habitual que esto
ocurra debido a la imposibilidad de obtener datos de crditos que fueron
denegados. Por este motivo, los estimadores de los parmetros poblacionales
se muestran inconsistentes. Sin embargo, a pesar de esta y otras limitaciones
segn la tcnica que se emplee, los modelos estadsticos suelen ofrecer
buenos resultados, por lo que las tcnicas paramtricas y no paramtricas que
repasaremos a continuacin, son consideradas herramientas de gran utilidad
para una adecuada toma de decisiones sobre la concesin o rechazo de una
solicitud de crdito.
Respecto de las tcnicas empleadas en el credit scoring, la tabla II.1
resume los mtodos ms utilizados y generalmente aceptados, indicando las
ventajas e inconvenientes del uso de cada una de ellas. Como puede
comprobarse, para medir el riesgo de impago en el momento de la concesin
de un crdito existe una amplia variedad de tcnicas y metodologas para tal
cometido. Srinivasan y Kim (1987), Hand y Henley (1997), Mester (1997),
Gordy (2000) y Thomas (2000) realizan comparaciones sobre los distintos
enfoques alternativos de todas estas tcnicas, sin olvidar al juicio humano
como decisin del analista en la concesin de un crdito.
138
CAPTULO II: ANLISIS DEL RIESGO DE CRDITO EN LAS INSTITUCIONES DE MICROFINANZAS
Tabla II.1. Comparacin de tcnicas de credit scoring (ventajas e inconvenientes).
Lineales
Ventajas
Anlisis
Discriminante
Buen rendimiento para grandes muestras.

Tcnicamente conveniente en la estimacin y
mantenimiento.
Problemas estadsticos y estimadores

ineficientes.
No arroja probabilidades de impago.
Modelos de
Probabilidad
Lineal
Buen rendimiento para grandes muestras.

Sugieren probabilidades de impago.
Parmetros fcilmente interpretables.
Estimadores ineficientes.
Las probabilidades estimadas podran quedar
fuera del intervalo (0,1).
No-Lineales
Tcnicas
Paramtricas
Tcnicas no
Paramtricas
Inconvenientes
Modelos Logit
Buenas propiedades estadsticas y no son estrictos

con las hiptesis sobre los datos.
Muestran las probabilidades de impago.
Gran rendimiento respecto a la metodologa y
resultados.
Modelos Probit
Buenas propiedades estadsticas y no son estrictos

con las hiptesis sobre los datos.
Muestran las probabilidades de impago.
Dificultad de interpretacin de los parmetros.

Proceso de estimacin relativamente
complicado.
Programacin
Lineal
Apto para gran cantidad de variables.

Modelo de gran flexibilidad.
No requiere una especificacin previa del modelo.
No estima parmetros ni probabilidades de

impago.
Difcil comprensin.
Inexactitud en la prediccin.
Redes
Neuronales
Gran prediccin en muestras pequeas.

No estima directamente parmetros ni

probabilidades de impago.
Difcil comprensin.
rboles de
decisiones
El mejor rendimiento para muchos autores.

Dificultad de interpretacin de los parmetros.
No estima parmetros ni probabilidades de

impago.
Difcil comprensin.
Fuente: Adaptado de Kim (2005).
139

MICROFINANZAS
Si nos cuestionamos cul es el mejor de todos estos modelos, la

literatura indica que la conveniencia de un modelo sobre otro responde a
caractersticas particulares del caso objeto de estudio, es decir, de aspectos
como la estructura de los datos, las caractersticas y variables, el tamao de la
muestra y la sensibilidad sobre la separacin de grupos en la variable
respuesta.
A continuacin, realizamos una revisin de los trabajos ms importantes
en materia de credit scoring en la banca comercial distinguiendo, para ello, los
modelos pertenecientes tanto a tcnicas paramtricas como a tcnicas no
paramtricas. Sin embargo, el inters sobre la conveniencia de una aplicacin
sobre otras puede abordarse mediante estudios comparativos que utilizan
diferentes metodologas de credit scoring. As, en el apartado 3.3.3. de este
epgrafe recopilamos aquellas investigaciones ms relevantes que comparan
resultados de la evaluacin del riesgo de crdito, tras ser abordada mediante el
uso de diferentes tcnicas.
II.4.1.
Tcnicas Paramtricas de Credit Scoring
Las tcnicas paramtricas de credit scoring son aquellas que utilizan una
funcin de distribucin o clasificacin conocida, al igual que estiman unos
parmetros para explicar un determinado suceso, de tal modo que stos se
ajusten a las observaciones de una muestra. Estas tcnicas son muy tiles
cuando el conjunto de variables siguen una distribucin propuesta, aunque son
poco operativos ante muestras de reducido tamao al no cumplir, en este
supuesto, las hiptesis de partida.
Si recordamos la expresin (1), podemos decir que las tcnicas
paramtricas suponen conocida la funcin f ( X ) (lineal, exponencial, etc.), con
lo que el nico problema reside en la estimacin de los parmetros de los que
depende el modelo correspondiente en la intencin de ajustar mejor los datos.
Por tanto, la eleccin de la forma funcional se establece a priori. Esto quiere
140

MICROFINANZAS
decir que si se comete un error en la eleccin de la funcin, la consecuencia

inmediata es la obtencin de un modelo que no ajusta correctamente los datos.
De entre todas la tcnicas paramtricas, hemos seleccionado el Anlisis
Discriminante y los Modelos de Probabilidad Lineal dentro de las aplicaciones
lineales, y los Modelos Logit y Modelos Probit encuadrados en las aplicaciones
no lineales, pues la abundancia de modelos de credit scoring bajo estas
tcnicas, han quedado muy contrastados en la literatura existente al respecto.
En lo que sigue, explicamos metodolgicamente cada una de estas tcnicas,
destacando tambin las aplicaciones ms importantes publicadas desde sus
orgenes. Tngase en cuenta que numerosos autores, con el objeto de evaluar
el riesgo de impago de un prestatario, proponen estudios comparados de
distintas tcnicas, manifestando la que resulta ms conveniente, ad hoc, a cada
problema planteado. En el ltimo punto del presente epgrafe, realizamos una
revisin de la bibliografa relativa a dichos estudios comparados, indicando los
resultados obtenidos para cada una de las tcnicas empleadas para la misma
muestra en la construccin de modelos de credit scoring.
II.4.1.1.
Anlisis Discriminante
El anlisis discriminante consiste en una tcnica multivariante que

permite estudiar simultneamente el comportamiento de un grupo de variables
independientes con la intencin de clasificar una serie de casos en grupos
previamente definidos y excluyentes entre s (Fisher, 1936).
El anlisis discriminante tiene un objetivo doble: por una parte, trata de
obtener una combinacin lineal ptima de variables independientes que
maximicen
la
diferencia
entre
los
grupos
definidos
priori.
Estas
combinaciones lineales reciben el nombre de funciones discriminantes. Por otro

lado, pretende predecir la pertenencia de cada cliente a uno de los grupos
mutuamente excluyentes, evaluando as la fortaleza discriminante del modelo.
141

MICROFINANZAS
Para la consecucin de este objetivo doble y para la obtencin de unos

resultados insesgados de la potencia discriminadora del modelo, es
recomendable
dividir
aleatoriamente
la
muestra
del
estudio
en
dos
submuestras:
o Una muestra de anlisis, para obtener la funcin discriminante.
o Una muestra de validacin. El hit ratio2 no diferir con el calculado para
la muestra de anlisis en caso de que las funciones discriminantes
sean vlidas.
A continuacin se buscar estimar el peso de las variables dentro de la
funcin discriminante, que permita maximizar la separacin entre grupos
(variabilidad entre grupos) y minimizar las diferencias en los grupos
(variabilidad intragrupos).
La ecuacin lineal discriminante es una ecuacin similar a la regresin
mltiple que viene dada por:
D = b0 + b1X1 + b2X2 + + bnXn
(2)
siendo Xi los valores de las variables predictoras o independientes y bi los

coeficientes estimados a partir de los datos. Como ya hemos indicado, el
anlisis discriminante trata de separar lo ms posible (diferenciar) a los
promedios de cada grupo pero respecto a la dispersin de los datos. Cuanto
mayor sea la dispersin de los datos, mayor ser la conexin de los mismos,
por lo que al valorar la funcin, es necesario tener en cuenta la dispersin o
variacin de los datos, adems de la distancia entre los promedios de cada
grupo.
Indicador de la capacidad discriminante de las funciones, definido por:

Hit ratio =
a+b
T
siendo:
a: nmero de crditos que fueron correctamente pronosticados en el grupo de pagados.
b: nmero de crditos que fueron correctamente pronosticados en el grupo de impagados.
T: nmero de crditos totales.
142

MICROFINANZAS
Para asegurar la fuerza discriminante en un modelo de credit scoring se

requiere el establecimiento de unas hiptesis de partida que suponen una
limitacin para cualquier anlisis de clasificacin. Eisenbeis (1978) pone de
manifiesto los problemas surgidos en la aplicacin del anlisis discriminante en
los modelos de credit scoring, por lo que a partir de su investigacin fue
necesaria la implementacin de una serie de hipteis. stas son:
o La muestra utilizada para la elaboracin del modelo ha de ser extrada
aleatoriamente de la poblacin.
o Normalidad de las variables. Las variables independientes han de
seguir una distribucin normal multivariante.
o Igualdad
de
la
matriz
varianza-covarianzas
de
las
variables
independientes para cada uno de los grupos considerados.

o El vector de medias, las matrices de covarianzas, las probabilidades a
priori y el coste del error deben ser magnitudes conocidas.
Estimadas las funciones discriminantes, la capacidad predictiva se
evala mediante la identificacin de un punto de corte ptimo, que permite
asignar los casos a cada uno de los grupos definidos por la variable
dependiente, obtenindose de la puntuacin discriminante que corresponde a
cada caso, a partir de los valores que presenta el individuo en la combinacin
de variables explicativas que forman las funciones discriminantes. Llamamos
centroides al valor medio de los resultados discriminantes para un grupo
especfico de las variables independientes. As, dependiendo del tamao de los
grupos, el punto de corte se calcula segn se muestra en la tabla II.2, apoyado
por las figuras II.2 y II.3.
143

MICROFINANZAS
Tabla II.2. Determinacin del Punto de Corte ptimo.

Mismo tamao de los dos
grupos (Media aritmtica)
P0 =
C a + Cb
2
Diferente tamao de los dos

grupos (Media ponderada)
P0 =
(Figura 1)
n a C a + nb C b
n a + nb
(Figura 2)
Fuente: Elaboracin propia
siendo:
P0: Punto de corte ptimo
Ca: Centroide del grupo A
Cb: Centroide del grupo B
na: tamao del grupo A
nb: tamao del grupo B
Figura II.2. Punto de corte ptimo ante igualdad de tamao de los grupos.
144

MICROFINANZAS
Figura II.3. Punto de corte ptimo ante desigualdad de tamao de los grupos.
La principal ventaja de esta tcnica est en la diferenciacin de las

caractersticas que definen cada grupo, as como las interacciones que existen
entre ellas. Se trata de un modelo apropiado para clasificar buenos y malos
pagadores a la hora de reembolsar un crdito. Entre los inconvenientes que
presenta el anlisis discriminante citamos la rigidez a la hora de cumplir las
hiptesis
de
partida
(linealidad,
normalidad,
homocedasticidad
independencia) y, sobre todo, la incapacidad en el clculo de las

probabilidades de impago.
Aplicaciones de credit scoring con Anlisis Discriminante
A partir de los trabajos publicados, entre otros, de Durand (1941) y
Myers y Forgy (1963), los cuales tenan como objetivo establecer un sistema
que distinguiera y clasificara a los buenos pagadores que solicitaban un crdito
de los que no lo eran, Altman (1968) desarroll la metodologa ms utilizada
para pronosticar la insolvencia empresarial, con variables explicativas en forma
de ratios. La Z-score de Altman fue explicada por las variables ingresos
netos/ventas, ganancias retenidas/activos, EBIT/activos, valor de mercado del
patrimonio neto/valor libros de la deuda y ventas/activos. A partir de entonces,
en la tabla II.3 se recogen las aportaciones ms importantes de credit scoring
utilizando el anlisis discriminante, donde puede observarse como a partir del
modelo de Altman (1968), numerosos autores han incorporado ratios de las
145

MICROFINANZAS
estructuras econmica y financiera de grandes empresas para la prediccin de

la insolvencia empresarial.
Esta metodologa fue posteriormente adaptada a la prediccin de la
morosidad de clientes de entidades bancarias, donde, en adelante, citamos
algunos de esos trabajos que han sido relevantes en el uso del anlisis
discriminante como tcnica de credit scoring.
Es el caso de Falbo (1991) quien emplea los ratios ms utilizados en la
literatura sobre prediccin de riesgo de insolvencia empresarial en una
aplicacin de credit scoring para una entidad financiera italiana. Como puede
apreciarse en la tabla II.4, las variables utilizadas en la construccin del modelo
vienen a ser ratios sobre importantes aspectos del balance de situacin y la
cuenta de prdidas y ganancias, relativos a la estructura econmica, la
estructura financiera, la actividad econmica y los beneficios.
146
Tabla II.3. Modelos aplicados de anlisis discriminante en la prediccin de insolvencia empresarial.
Autore s
Altman
Fe cha
publicacin
1968
Tipo, n e mpre sas, f echa,

obs erva c. Y naciona lid.
Empresas manufactureras, 33
saneadas y 33 frac asadas en el
perodo 1946-1965, en USA
Varia ble
observable
Quiebra
V ariables independiente s, tipo y nm ero
P orcenta je aciertos, aos antes del fraca so y tipo de

m ue stra
Capital de trabajo/ac tivo total.
95 %, un ao, muestra inicial.
Beneficios retenidos/activo total.
83 %, dos aos, mues tra inicial.
BAIT/activo total.
96 %, un ao, muestra secundaria empresas fallidas.
Valor mercado capital/valor contable de la deuda.
79 %, un ao, muestra secundaria empresas saneadas.
Ventas/activ o total. (5)

Cash-flow/deuda total.
Beneficio neto/activ o total.
95, 5 % , dos aos, muestra inicial.
Deuda total/activo total.
95, 5 % , tres aos, muestra inic ial.
Activo circulante/activ o total.
78 %, un ao, muestra secundaria.
Activo disponible/activo total.

Capital de trabajo/ac tivo total.
Deak in
1972
Empresas industriales, 32
saneadas y 32 frac asadas en el
per odo 1964-1970 en USA
Caja/activo total.
Quiebra
Activo circulante/pasivo circulante.

Activo disponible/pas ivo circ ulante.
Caja/pasivo circulante.
Activo circulante/ventas.
Activo disponible/ventas.
Capital de trabajo/ventas.
Caja/ventas.
(14)
Beneficio antes de impuestos ms

amortizaciones/pasivo circulante.
Edmister
1972
Pequeas empres as, 42

saneadas y 42 fallidas + 282
saneadas y 282 f allidas, en el
No haber
devuelto un
c rdito a la
Adminis tracin. USA
Capital/v entas.
Capital de trabajo neto/v entas.
Pasiv o circ ulante/capital.
Existenc ias/ventas (Tend. Ascendente).
93 %, conjunto de dat os tres aos antes de la concesin del

prstamo, muestra inicial.
Activo disponible/ pasivo circulante.

(Tendencia ascendente)
(Tendencia des cendente)
147
Tabla II.3. Modelos aplicados de anlisis discriminante en la prediccin de insolvencia empresarial (continuacin).
Autores
Fecha
publicacin
Tipo, n empresas, fecha,

observac. Y nacionalid.
Variable
observable
Variables independientes, tipo y nmero

Ratio de flujo disponible.
Porcentaje aciertos, aos antes del fracaso y tipo de

muestra
Activo disponible neto/existencias.
80 %, dos aos, muestra secundaria.
70 %, tercer, cuarto y quinto aos, muestra secundaria.
Patrimonio neto Mercado/deuda total.

Blum
1974
Empresas industriales, 115

saneadas y 115 fracasadas, en
el perodo 1954-68, en USA
Patrimonio neto contable/deuda total.

Quiebra
Tasa de retorno para los accionistas.

Beneficio neto (Desviacin estndar. Tendencia
declinante. Pendiente lnea tendencia).
Activo disponible neto/existencias.
(Desviacin estndar. Tendencia declinante. Pend.
Lnea tendencia). (12)
Caja + valores del tesoro/activo.
Sinkey
1975
Prstamos/activo.
76 %, dos aos, muestra inicial.
Provisin pr. Pret./gastos operat.
75 %, un ao, muestra s/Lachen-bruch.
Prstamos/capital + reservas.
Clasificacin
Gastos operativos/ingresos operativos.
del banco
Empresas bancarias, 110
Ingresos por prstamos/ingreso total.
como
saneadas y 110 problemticas
en el perodo 1972-73, en USA problematico Ingresos valores Tesoro/ingreso total.
segn el FDIC.
Ingreso obligaciones estatales y locales/
69 %, dos aos, muestra s/Lachen-bruch.
Ingreso total.
Inters depsitos/ingreso total.
Otros gastos/ingreso total.
Altman y
Loris
1976
Intermediarios financieros, 113

saneados y 40 fracasados en el
Liquidacin
forzosa.
(10)
Beneficio neto despus de impuestos/ activo total.
Pasivo total + prstamos subord./ capital.
Activo total/capital neto ajust.

Capital final-adiciones/capital inicial.
Edad de la Empresa.
Variable compuesta. (6)
148
Autores
Fecha
publicacin
Tipo, n empresas, fecha,

observac. Y nacionalid.
Variable
observable
Variables independientes, tipo y nmero

BAIT/activo total.
Altman,
Haldeman y
Narayanan
1977
Empresas manufactureras, y
detallistas, 58 saneadas y 53
fracasadas, en el perodo 1969-75,
en USA
Quiebra
Porcentaje aciertos, aos antes del fracaso y tipo de

muestra
(Nivel de ratio. Tendencia).
BAIT/intereses deuda (log10).
Beneficios retenidos/activo total.

Activo circulante/pasivo circulante.
Capitales propios/capitales permanentes.
Activo total (log10).
Moyer
1977
Empresas industriales, 27 saneadas y

27 fracasadas, en el perodo 196575, en USA
Quiebra
Medida de descomposicin del Balance (2)
Dambolena y
Khoury
1980

65 %, tres aos, muestra inicial.
Beneficio neto/ventas.
Empresas manufactureras y
detallistas, 23 saneadas y 23
fracasadas, en el perodo 1969-75,
en USA
Quiebra
Beneficio neto/activo total.
89 %, tres aos, muestra inicial.
Activo fijo/patrimonio neto.
(nivel de ratio y desviacin tpica).
85 %, tres aos, muestra s/Lachen-bruch.
Deuda a LP/capital de trabajo neto.

Deuda total/activo total.
Existencias/capital de trabajo neto.
(Desviacin tpica). (Modelo para
cinco aos, variables similares para
un ao).
(7)
Ventas.
BAIT/valor de la produccin.
Zollinger
1982
Empresas del sector construccin,

334 saneadas y 18 fallidas, en el
perodo 1975-1977, en Francia.
Incidentes de
pago.
Autofinanciacin/ventas.
Fondo de rotacin/neces. de financ.
75 %, conjunto de datos tres o cuatro aos antes del impago de la deuda.
Activo neto/pasivo.
Fondos propios/deudas. (6)
149
Autore s
Richards on y
David son
El Hennawy
y Morris
Fe cha
publicacin
Tipo, n empre sas, fecha,

obs ervac. Y naciona lid.
Varia ble
observable
Variables independie nt es, tipo y nm ero
1983
Empresas qu e cotizaban en la
Qu iebra o
Am erican Stock Ex change, 6 86
susp ens in d e
Las mismas d el modelo de Altman 1968.
s an eadas y 1 8 fracas ad as , en el a o co tizacin en la
1 976, en USA
Bolsa.
1983
Empres as manufact ureras, de

cons trucci n y d istri bucin, 5 3
s an eadas y 5 3 fracasadas , en el
perodo 1 960-71, en el Reino Unido.
Q uiebra
Porce nt aje ac iertos, a os antes del f rac aso y tipo de

muestra
72 %, dos aos , muestra simulada a partir de la mu es tra inicial. (25

empresas fracasadas y 700 saneadas).
(5)
BAIT + amo rt izacio nes /act ivo total.
98 %, un ao, m ues tra inicial.
Deuda a LP/ capi tal neto.
98 %, un ao, m ues tra secun dari a.
Activ o circu lante/act ivo total.
91 %, dos aos , muest ra in icial.
Variable dicotmica para el s ecto r d e cons truccin.

Variable dicotmica para el s ecto r d e d istribucin.
100 %, dos ao s, mu estra s ecun-daria.

(5 )
Fuente: Martn (1985)
150

MICROFINANZAS
Tabla II.4. Variables explicativas. Falbo (1991).

VARIABLES
Deuda total / capital en libros
Porcentaje de variacin del valor aadido
Beneficio bruto / volumen de negocio
Produccin terminada / compras
Fondos propios / total activo
Beneficio neto / deuda total
Deudas comerciales / compras
Beneficio bruto / gastos financieros
1012 Liras / volumen de negocio
Gastos financieros / valor aadido
Beneficio neto / capital en libros
Beneficio neto / volumen de negocio
Amortizacin acumulada inmovilizado / inversin en capital
Valor aadido / volumen de negocio
Capital de trabajo / deuda a largo plazo
Amortizacin tcnica / inversin en capital
Amortizacin tcnica / valor aadido
Fuente: Elaboracin propia a partir de Falbo (1991).
Finalmente, considerando los 17 ratios para 51 empresas durante tres

aos, los resultados del modelo de Falbo (1991) se muestran en la tabla II.5.
Posteriormente, el proceso de validacin realizado para una muestra de 48
empresas elegidas aleatoriamente, concluy un porcentaje correcto en la
clasificacin del 72,92%.
Tabla II.5. Resultados del modelo prediccin. Falbo (1991).
Observado
Pagadores
Fallidos
Pronosticado
Pagadores
Fallidos
30
5
1
15
Porcentaje G lobal de acierto
Porcentaje
96,77%
75,00%
88,24%
Fuente: Elaboracin propia a partir de Falbo (1991).
Cabe destacar la utilizacin del anlisis discriminante en la elaboracin

de sistemas de rating internos para instrumentos de deuda (prstamos y
bonos) tendentes al clculo de la prdida inesperada en las organizaciones
bancarias aplicando la teora de formacin de carteras de Markowizt. Es el
151

MICROFINANZAS
caso de Altman y Saunders (1998), quienes a partir de la Z-Score de Altman

(1968), determinaron una variante que denominaron Z-Score, cuyo resultado
final viene expresado como sigue:
Z Score = 6,56 X 1 + 3,26 X 2 + 6,72 X 3 + 1,05 X 4 + 3,25
(3)
donde:
X1: Capital de trabajo / Activo total
X2: Reservas / Activo total
X3: BAIT / Activo total
X4: Capital en libros / Pasivo Total
A continuacin, la prdida inesperada de la cartera, calculada a partir de
las prdidas inesperadas individuales junto con el correspondiente ndice de
correlacin, viene expresado por:
N
UAL p = X i X j i j ij
(4)
i =1 j =1
Por otra parte, hemos de destacar los modelos de credit scoring

aplicando el anlisis discriminante basado en distancias3. Distinguiendo entre
variables explicativas del crdito, variables sociales del cliente, caractersticas
econmicas del cliente y aquellas variables relativas a la relacin entre
prestatario y prestamista, Boj et al (2009a) desarrollaron para una muestra de
mil crditos una aplicacin de credit scoring teniendo en cuenta las variables
explicativas sealadas en la tabla II.6.
Los mtodos de anlisis estadstico multivariante basados en distancias son adecuados

cuando tratamos con variables explicativas de tipo mixto, es decir, una mezcla de variables
cuantitativas, cualitativas y binarias. Para el detalle terico y prctico, vase Cuadras (1989,
1992), Cuadras et al (1997) y Boj et al (2009b)
152

MICROFINANZAS
Tabla II.6. Variables explicativas. Boj et al (2009a).

TIPO DE VARIABLE
DESCRIPCIN
DEL CRDITO
SOCIALES DEL CLIENTE
ECONMICAS DEL CLIENTE
RELACIN CLIENTE / BANCO
Duracin en meses (numrica)

Importe del crdito (numrica)
Destino del crdito (categrica)
Residencia actual desde (numrica)
Edad en aos (numrica)
Estado civil y sexo (categrica)
Telfono (binaria)
Trabajador extranjero (binaria)
Saldo de la cuenta corriente (categrica ordinal)
Cuenta de ahorros (categrica ordinal)
Tiene empleo (binaria)
Presenta empleo desde (categrica ordinal)
Cuota del crdito / Renta disponible (numrica)
Nmero de personas a su cargo (numrica)
Propiedades (categrica)
Rgimen de vivienda (categrica)
Situacin profesional (categrica)
Nmero de crditos activos con el banco (numrica)
Historial crediticio (categrica)
Otras personas en el crdito (categrica)
Fuente: Elaboracin propia a partir de Boj et al (2009a).
Los resultados del modelo de prediccin mediante el uso del anlisis

discriminante, medidos por los porcentajes de correcta clasificacin (PCC) se
muestran en la tabla II.7.
Tabla II.7. Resultados del modelo prediccin. Boj et al (2009a).
Observado
Pagadores
Fallidos
Pronosticado
Pagadores
Fallidos
734
266
277
723
Porcentaje Global de acierto
Porcentaje
73,40%
72,30%
72,60%
Fuente: Elaboracin propia a partir de Boj et al (2009a).
En los ltimos tiempos, se vienen realizando propuestas mixtas tericas

de anlisis discriminante con un algoritmo gentico, consiguiendo as elaborar
modelos hbridos de credit scoring combinando una tcnica paramtrica con
otra no paramtrica. Es el caso de Esteve (2007), quien desarroll una nueva
forma
de
clasificacin
donde,
tras
aplicar
conjuntamente
el
anlisis
153

MICROFINANZAS
discriminante y el algoritmo de Kohonen4 a una serie de variables explicativas

(ver tabla II.8), obtuvo las probabilidades de impago requeridas en la norma de
Basilea II para construir un modelo interno de clculo de riesgo (IRB).
Tabla II.8. Variables explicativas. Esteve (2007).

VARIABLES
Ao de nacimiento
Nmero de hijos
Personas dependientes
Tenencia de telfono
Renta del cnyuge
Renta del cliente
Valor del hogar
Hipoteca pendiente
Gas tos en hipoteca o alquiler
Gas tos en prstamos
Gas tos en compras a plazos
Gas tos en tarjetas de crdito
Fuente: Elaboracin propia a partir de Esteve (2007).
Sobre una muestra de 897 observaciones extradas de la poblacin, de

las cuales aproximadamente el 70.5% se corresponde con clientes pagadores y
el 29,5% restante con clientes fallidos, obtuvo unos resultados en la
clasificacin mostrados en la tabla II.9 para un punto de corte aproximado en la
clasificacin de 0,71. Puede observarse que con la muestra seleccionada
resultaba fcil detectar los clientes solventes, pero no as, los insolventes,
debindose, segn la autora, a la similitud de las caractersticas entre buenos y
malos clientes.
Red neuronal orientada a la clasificacin de trminos utilizando la informacin derivada del

trmino anterior y posterior. La simulacin empleada conlleva la creacin de una capa
competitiva de cierta complejidad, donde cada neurona ejerce una influencia sobre el resto de
las neuronas de su capa que va a ser funcin de la distancia entre las mismas, es decir, cada
neurona ejerce una influencia positiva sobre s misma y sobre las neuronas topolgicamente
cercanas. Esta influencia va decreciendo a medida que aumenta la distancia entre las
neuronas, hasta hacerse negativa, para tener finalmente una influencia positiva sobre las ms
alejadas. Como consecuencia de esto, en la capa se da una burbuja de actividad formada por
todas aquellas unidades que estn cercanas a la ganadora, las cuales participan del refuerzo
correspondiente al aprendizaje. Vase el texto de Kohonen et al (1999) para el detalle terico
del algoritmo.
154

MICROFINANZAS
Tabla II.9. Resultados del modelo prediccin. Esteve (2007).

Observado
Pagadores
Fallidos
Pronosticado
Pagadores
Fallidos
100%
64%
0%
36%
Total
100,00%
100,00%
81,12%
Fuente: Elaboracin propia a partir de Esteve (2007).
Por su parte, Lee et al (2002) construyeron un sistema hbrido de credit

scoring, donde los resultados obtenidos en el modelo de puntuacin mediante
anlisis discriminante, actan como nodos de entrada en una red neuronal5, en
el que el nodo de salida refleja la situacin financiera del cliente. La tabla II.10
muestra las variables empleadas en el anlisis.
Tabla II.10. Variables explicativas. Lee et al (2002).
VARIABLES
Sexo
Edad
Estado civ il
Nivel educativo
Oc upacin
Puesto de trabajo
Ingresos anuales
Estado residencial
Lmites de crdito
Fuente: Elaboracin propia a partir de Lee et al (2002).
Utilizando una muestra de 2.000 observaciones extradas de una cartera

de crditos, el porcentaje correcto en la clasificacin procedente del modelo
hbrido de anlisis discriminante y red neuronal viene reflejado en la tabla II.11,
donde puede apreciarse una mayor precisin en la clasificacin correcta de los
clientes que atienden a tiempo sus obligaciones crediticias.
Una revisin completa en materia de Redes Neuronales ser abordada ms adelante.
155

MICROFINANZAS
Tabla II.11. Resultados del modelo prediccin. Lee et al (2002).

Observado
Pagadores
Fallidos
Pronosticado
Pagadores
Fallidos
845
146
380
629
Porcentaje
85,27%
62,34%
73,70%
Fuente: Elaboracin propia a partir de Lee et al (2002).
En el ltimo apartado del presente epgrafe completamos la revisin

bibliogrfica de los modelos de credit scoring que utilizan la tcnica de anlisis
discriminante, donde presentamos los resultados de las investigaciones que
fueron abordadas comparativamente mediante el uso de tcnicas paramtricas
y no paramtricas.
II.4.1.2.
Modelos de Probabilidad Lineal
Los modelos de probabilidad lineal utilizan un enfoque de regresin por

mnimos cuadrados, donde la variable dependiente (variable dummy) toma el
valor de uno (1) si un cliente es no pagador, o el valor de cero (0) si el cliente
cumple con su obligacin de pago. La ecuacin de regresin es una funcin
lineal de las variables explicativas.
El modelo de probabilidad lineal considera el modelo clsico de
regresin lineal, pues la relacin que se establece entre las variables es lineal:
Yi = 0 + 1 x1i + 2 x 2i + L + k x ki + i
(5)
o en forma matricial:
Y = X +
(6)
y por lo tanto:
156

MICROFINANZAS
E (Y ) = X
(7)
Siendo Yi de la expresin (5) una variable aleatoria binaria que toma el

valor 0 si el deudor cumple con los pagos normalmente, y 1 si entra en mora.
Disponiendo de una muestra aleatoria de n observaciones, definimos i como
el conjunto de informacin relevante asociado con el individuo i, utilizado para
explicar Yi.
La probabilidad de ocurrencia del evento Yi condicionada al conjunto de
informacin i se expresa como:
Pi = Pr(Yi = 1 i )
(8)
Puesto que Yi, toma los valores 0 y 1, la esperanza de Yi, condicionada a
i es:
E (Yi i ) = 1Pi + 0(1 Pi ) = Pi = Pr(Yi = 1 i )
(9)
Asumiendo que i est compuesto por un vector columna Xi para k

variables explicativas e incluyendo adems la ordenada en el origen, es un
vector columna que contiene los parmetros correspondientes a las variables
explicativas que trata de modelizar segn el mtodo de probabilidad lineal de
acuerdo con la expresin (6), donde:
E ( i X i ) = 0 y E ( i ) = 0,
(10)
E ( i X i ) = Pi = i X i
(11)
y utilizando (9),
157

MICROFINANZAS
Aunque estamos estimando una probabilidad, que debe tomar valores
entre cero y uno, el valor estimado a partir del modelo Y = X no garantiza que
se verifique dicha restriccin, pudiendo dar valores negativos o superiores a
uno, hecho que conduce a considerar el modelo de probabilidad lineal
truncado, que restringe los valores estimados al intervalo cerouno:
si X < 0
0
= X si 0 X 1
1
si X > 1
(12)
Sin embargo, esta solucin no es satisfactoria, ya que una pequea

variacin del valor de las variables independientes produce en los extremos un
salto muy grande, y esa discontinuidad provoca que la estimacin del modelo
sea inestable.
El modelo de probabilidad lineal presenta como principal ventaja que la
estimacin y la interpretacin es bastante simple, aunque dos desventajas que
han hecho que estos modelos hayan cado en desuso. La primera de ella, tal y
como hemos mencionado con anterioridad, hace referencia a que el valor
estimado a partir del modelo Y = X no garantiza que la probabilidad se

encuentre en el [0,1], con lo que el modelo podra estimar probabilidades
negativas o mayores que uno. Siendo as, el modelo carecera de significado
econmico. Un segundo problema reside en que el error del modelo estimado
no es homocedstico, lo que conduce a una ineficiencia en las estimaciones de
los parmetros .
La resolucin de estos inconvenientes pasa por el uso de modelos
economtricos estimados por mxima verosimilitud, pues tienen en cuenta la
naturaleza discreta de la variable explicada. Se trata de los modelos de
respuesta o de eleccin binaria (modelos logit y probit), los cuales limitan el
clculo de la probabilidad de impago al intervalo [0,1].
158

MICROFINANZAS
Aplicaciones de credit scoring con Modelos de Probabilidad

Lineal
Orgler (1970) fue el precursor de esta tcnica usando el anlisis de
regresin en un modelo para prstamos comerciales. Para ello, utiliz un
extenso nmero de ratios financieros relevantes y otras variables extradas de
informes financieros, agrupndolas, esencialmente, en variables de liquidez,
rentabilidad, apalancamiento y actividad.
Al tratarse de un modelo de regresin, la hiptesis de partida que
concierne a la multicolinealidad no se cumpla para todas las variables. Tras
eliminar aquellas variables que no respetaban dicha hiptesis de partida, las
variables significativas del modelo final de credit scoring, para 300
observaciones, fueron las que mostramos en la tabla II.12.
Tabla II.12. Variables explicativas. Orgler (1970).
VARIABLES
DESCRICIN
Crdito asegurado / Crdito sin garanta
Variable dummy: (0) para crditos garantizados y (1) para

crditos sin garanta.
Crdito vencido / Crdito vigente
Variable dummy: (0) para crditos vencidos y (1) para

crditos vigentes.
Empresa auditada
Variable dummy: (0) para crditos a empresas no auditadas

y (1) para crditos a empresas auditadas.
Beneficio neto > < 0
Variable dummy: (0) para crditos a empresas con prdidas

y (1) para crditos a empresas con beneficios.
Ratio Capital de trabajo / Activo Corriente
Variable continua.
Critica
Variable dummy: (0) para crditos a empresas a los cuales

les recharazon algn crdito anteriormente y (1) para
empresas sin crditos rechazados con anterioridad.
Fuente: Elaboracin propia a partir de Orgler (1970).
Para la clasificacin, Orgler (1970) determin dos puntos de corte,

habilitando as tres regiones de pronstico de los crditos objeto de estudio.
159

MICROFINANZAS
Por una parte, los crditos pronosticados como malos; por otra parte, los
crditos pronosticados como buenos y, por ltimo, los crditos pronosticados
como marginales, que hacen referencia a aquellos crditos cuyo pronstico
no es decisivo y que requieren de una mayor atencin por parte de la persona
encargada de evaluar el crdito. En este sentido, los resultados del modelo en
funcin del porcentaje correcto en la clasificacin pueden observarse en la
tabla II.13.
Tabla II.13. Resultados del modelo prediccin. Orgler (1970).
Estimacin
Observado
Total
Malos
Buenos
Malos
80,00%
20,40%
Pronosticado
Marginales
16,00%
54,70%
Buenos
4,00%
24,90%
100,00%
100,00%
Total
35,30%
45,00%
17,70%
100,00%
Malos
Buenos
Malos
75,00%
17,50%
Pronosticado
Marginales
22,50%
47,50%
Buenos
2,50%
35,00%
100,00%
100,00%
Total
36,70%
39,20%
24,10%
100,00%
Validacin
Observado
Total
Fuente: Elaboracin propia a partir de Orgler (1970).
Un ao ms tarde, Orgler (1971) recurri a esta misma tcnica para

construir un modelo de credit scoring para prstamos al consumo, destacando
el alto poder predictivo de las variables sobre el comportamiento del cliente,
clasificadas fundamentalmente en cuatro grandes grupos: liquidez, rentabilidad,
apalancamiento y actividad.
Por su parte, Plotnicki (2005) elabor un modelo de probabilidad lineal
para predecir el incumplimiento en pequeas y medianas empresas en
Argentina. Las variables explicativas empleadas fueron descritas como
variables dummy tal y como puede apreciarse en la tabla II.14.
160

MICROFINANZAS
Tabla II.14. Variables explicativas. Plotnicki (2005)6.

VARIABLES
DESCRICIN
Inhabilitac in en la cuenta corriente
Variable dummy: (1) Inhabilitacin por rec hazo de ms de

cinco cheques (c ausal s in fondos) y sin posibilidad de
resc atarlos y (0) Sin inhabilitacin, o con menos de cinco
cheques rechazados por sin fondos o res catados
Ingres o financieras/bancos categora C y/o

Variable dummy: (1) Si se verifica movimiento de banc os y
salida bancos categora A ltimos 18
(0) Mantiene igual categora de bancos
meses
Variable dummy: (1) Si aument/disminuy en un 20% los
Aumento / Disminucin en la deuda
compromisos financieros y (0) Si aument/dis minuy en
bancaria, ltimos 18 meses
menos de un 20% los c ompromis os financieros
Demandas judic iales
Variable dummy: (1) Juic io/s como demandado y (0) Sin

juicios
Pago de la ART
Variable dummy: (1) Res cisin por falta de pago y (0)

Afiliac in vigente
Inhibicin por embargos de AFIP
Variable dummy: (1) Con embargos vigentes. y (0) Sin

embargos vigentes o ya levantados
Fuente: Elaboracin propia a partir de Plotnicki (2005).
Con posterioridad, el autor consider tres puntos de corte para delimitar

cuatro zonas de clasificacin cuyo criterio de inclusin y los resultados
obtenidos en el modelo se muestran en la tabla II.15.
Tabla II.15. Resultados del modelo prediccin. Plotnicki (2005).
Zona de Clasificacin
Zona de aceptacin
Zona de aceptacin
condicionada
Zona revisin previo
rechazo
Zona rechazo
Criterio (Puntuacin
Resultado
expr esado en %)
< 20%
20% - 30%
30% - 40%
> 40%
60,00%
Empresas no default
15,00%
Empresas default
34,50%
Empresas no default
35,00%
Empresas default
3,60%
10,00%
1,80%
40,00%
Empresas no default
Empresas default
Empresas no default
Empresas default
Fuente: Elaboracin propia a partir de Plotnicki (2005).
An habiendo cado en desuso los modelos de regresin y de

probabilidad lineal, Avery et al (2004) elaboraron una aplicacin de credit
6
ART: Aseguradora de Riesgos de Trabajo

AFIP: Administracin Federal de Ingresos Pblicos
161

MICROFINANZAS
scoring usando la regresin lineal sobre la que argumentaron una serie de

premisas a tener en cuenta en la construccin e interpretacin de resultados de
cualquier modelo de scoring.
La investigacin tena por objeto determinar explicativamente los
factores que incidan en el hecho de que un cliente dejara de pagar un
prstamo. Llegaron a la conclusin de que la probabilidad de que un cliente
incurriera en morosidad dependa de las condiciones econmicas actuales, y
no tanto de la calidad crediticia que un cliente presentaba en su historial de
crdito. Por otro lado, comprobaron que la informacin de dicho historial
crediticio sobreestimaba la probabilidad de incumplimiento en aquellas zonas
en las que existe recesin econmica y, por el contrario, subestimaba esta
probabilidad en aquellas regiones cuyas condiciones econmicas eran
excepcionalmente fuertes. Este argumento fue respaldado al comprobar que la
probabilidad de impago considerando caractersticas econmicas actuales era
menor que la probabilidad calculada con informacin del cliente recogida en
momentos en los que ste atravesaba problemas aislados en el tiempo en la
devolucin del crdito. Junto con estos resultados, Avery et al (2004) sugieren
que las crisis econmicas temporales o personales, como pueda ser un cese
en la percepcin de ingresos del cliente, son factores importantes que influyen
en el comportamiento de pago, incluso despus de evaluar la capacidad de
pago a travs de un modelo de credit scoring construido a partir de un historial
de crdito.
Cabe destacar la evolucin que han tenido los modelos de credit scoring
en lo que al tipo de variables incluidas en el mismo se refiere. Como puede
apreciarse, los modelos de regresin y de probabilidad lineal se incluyen dentro
de los modelos de eleccin cualitativa. Esto quiere decir, que la construccin de
variables categricas (polinmicas y dicotmicas o dummy) hace posible la
consideracin de caractersticas socioeconmicas y personales del prestatario.
Sin embargo, tal y como hemos sealado con anterioridad, la calificacin
estadstica aplicando anlisis de regresin y modelos de probabilidad lineal
dej de utilizarse en el momento que surgieron las tcnicas paramtricas no
lineales como son el anlisis de regresin logstica y el anlisis probit.
162

MICROFINANZAS
II.4.1.3.
Modelos Logit
El modelo logit o de regresin logstica viene a ser la aplicacin

estadstica ms usada que arroja probabilidades de ocurrencia (por ejemplo, la
probabilidad de ser impagado) previamente establecidos, debido a la mayor
facilidad de clculo y a la mejor interpretacin y valoracin del modelo en su
conjunto. Segn esta metodologa, la clasificacin del cliente que solicita un
crdito se realiza en base al comportamiento de las variables independientes
de cada individuo. Se trata de un modelo de eleccin binaria en el que la
variable dependiente puede tomar los valores 0 1, aplicando la funcin de
distribucin logstica obtenida a partir de la probabilidad a posteriori aplicada al
anlisis discriminante mediante el teorema de Bayes:
( X ) = Pi = P(Y = 1 X ) = F ( Z i ) =
e X
1
=
X
1+ e
1 + e X
(13)
Segn lo indicado, el modelo de regresin logstica o logit puede

formularse en trminos de probabilidad, a travs de la funcin logstica, como:
Pi
e 0 + 1x1i + 2 x2i +L+ k xki

=
+ x + x +L+ k xki
1 + e 0 1 1i 2 2i
1
1+ e
( 0 + 1 x1i + 2 x2 i +L+ k xki )
i =1, 2Kn
(14)
expresin que estima la probabilidad de que se produzca el evento o de que,

en nuestro caso, un individuo resulte fallido (opcin 1), dados unos
determinados valores de las variables explicativas.
Para facilitar la interpretacin del modelo, se pretende buscar una
expresin que venga dada como una funcin lineal de las variables
explicativas. Para ello, la inversa de la funcin logstica, que es el logit o
logaritmo de la odds o ventaja de que un suceso ocurra, se interpreta como la
163

MICROFINANZAS
preferencia de elegir la alternativa uno de la variable respuesta, frente a la

alternativa cero:
P
logit (Pi ) = ln i = 0 + 1 x1i + 2 x2i + L + k xki , , i = 1 , 2 K n
1 Pi
(15)
Otra formulacin del modelo de regresin logstica es la que estima la

ventaja o preferencia (odds) de un individuo por la categora uno frente a la
cero de la variable dependiente, definindose como el cociente entre la
probabilidad de que ocurra un acontecimiento y la probabilidad de que no
ocurra, que es su complementaria:
Pi
= e 0 + 1 x1i +L+ k x ki = e 0 e 1 x1i K e k x ki = e 0 (e 1 ) x1i K (e k ) x ki
1 Pi
i =1, 2K n
(16)
La expresin (13) del modelo facilita la interpretacin de los coeficientes

de regresin logstica, asemejndose a los parmetros de un modelo de
regresin lineal. De esta forma, se interpretan los parmetros del modelo como
el efecto lineal de cambio de una unidad en una variable independiente en el
logaritmo de la razn de probabilidades de un suceso, es decir, cada
coeficiente refleja el cambio en el logit correspondiente a un cambio unitario en
la variable independiente considerada.
El cambio en el logit se interpreta mediante la introduccin de una
medida de asociacin, denominada odds ratio o cociente de ventajas, que se
define como la razn de la odds o ventaja de la probabilidad de que ocurra un
suceso para un determinado valor de la variable respecto a la odds para otro
valor de la misma, indicativo de cunto ms probable (o improbable) es que
ocurra el suceso que se analiza entre los individuos que presentan cada
categora de la variable independiente (xj). As:
164

MICROFINANZAS
x1 , x0
( x1 )
odds( x1 ) 1 ( x1 )
( x x )
=
=
=e j 1 0
( x0 )
odds( x0 )
1 ( x0 )
(17)
La odds ratio resulta ser el parmetro de inters en regresin logstica

por su facilidad de interpretacin, aunque, debido a que su estimacin tiene
una distribucin asimtrica, las inferencias realizadas se basan en la
( )
= , la cual sigue una distribucin normal.

distribucin muestral de ln
j
Seguidamente, para evaluar el modelo de regresin logstica se requiere

de la comprobacin de dos aspectos. El primero de ellos consiste en
comprobar si las variables explicativas incluidas en el modelo estn
estadsticamente relacionadas con la variable respuesta. Para ello, el modelo
realiza una comparacin entre los valores observados y los valores estimados
tomando como base el logaritmo de la funcin de verosimilitud, donde se
obtiene, entonces, el estadstico D, que se denomina deviance (o desvianza).
Posteriormente, se compara el valor del estadstico D para los modelos con y
sin cada variable incluida en la ecuacin, obtenindose el estadstico G
cambio en la deviance debido a la inclusin de una variable explicativa en el
modelo, que tambin se denomina 2 (Chi-cuadrado) del modelo, ya que, bajo
la hiptesis nula de que el coeficiente de la variable explicativa cuya
significacin se trata de evaluar, j, es cero, sigue una distribucin 2 con un
grado de libertad, que resulta de la diferencia de grados correspondientes a los
dos modelos. Esto es:
Verosimilitud sin la variable

G = 2 ln
Verosimilitud con la variable
(18)
Otra prueba similar a la anterior es el test de Wald, definido como el

cuadrado del cociente entre el estimador de mxima verosimilitud del
parmetro, j , y una estimacin de su desviacin tpica, obtenida a partir de la
165

MICROFINANZAS
matriz de varianzascovarianzas, para contrastar la hiptesis nula H 0 : j = 0 ,

frente a la alternativa: H 1 : j 0 :
j
Wj =
~ 2
S ( j )
(19)
con uno (q1) grados de libertad, para variables categricas con q

modalidades.
Para comprobar la validez del modelo en su conjunto, se analiza la
significacin global de todos los coeficientes del modelo mediante contrastes
de hiptesis, y la bondad de ajuste del mismo, a travs de una serie de
coeficientes y estadsticos, que permiten analizar la adecuacin y eficacia del
modelo para la prediccin de la variable dependiente. As, para el estudio de la
bondad del ajuste del modelo, el objetivo es analizar las desviaciones entre los
valores observados de la variable dependiente y los estimados a partir del
modelo. Para la consecucin de dicho objetivo, se procede al estudio de, en
primer lugar, las pruebas estadsticas de contraste de hiptesis derivadas de la
comparacin entre los valores observados y estimados, como son los
estadsticos Deviance y 2 de Pearson, y la prueba de Hosmer y Lemeshow.
En segundo lugar, se mide la capacidad o eficacia predictiva del modelo,
obtenida de la tabla de clasificacin. La tabla de clasificacin resulta del cruce
de los valores observados de la variable dependiente con una variable
dicotmica cuyos valores se derivan de las probabilidades que han sido
predichas en la estimacin del modelo. A partir de esta tabla se determinan los
ndices que permiten cuantificar el grado de prediccin del modelo. stos son la
sensibilidad y especificidad. Se entiende por sensibilidad como la probabilidad
de clasificar correctamente a un cliente que atiende el pago de sus deudas. Por
el contrario, la especificidad es la probabilidad de clasificar correctamente a un
cliente con un atraso que supone un coste para la organizacin. En otras
palabras, se puede definir la especificidad como la capacidad para detectar a
los impagados. En tercer y ltimo lugar, se procede a la realizacin de pruebas
166

MICROFINANZAS
con un significado anlogo al coeficiente de determinacin mltiple (R2) del

modelo de regresin lineal, que se deducen de la analoga entre el logaritmo de
( )
la verosimilitud del modelo nulo 2 ln L 0 y la suma de cuadrados total de la

regresin lineal, y del logaritmo de la verosimilitud del modelo estimado
()
2 ln L con la suma de cuadrados residual, destacando el R2 de Cox y Snell

y el de Nagelkerke.
Aplicaciones de credit scoring con Modelos Logit
Del mismo modo que el anlisis discriminante, la regresin logstica
surgi como una tcnica cuyo objetivo era, fundamentalmente, la prediccin de
la insolvencia empresarial, aunque, poco tiempo despus, fue orientada hacia
el objetivo de la prediccin del riesgo de impago de un cliente en la banca
comercial. En esta lnea, Rodrguez-Vilario (1995) recoge las aplicaciones
ms relevantes que ha utilizado el anlisis de regresin logstica como mtodo
de calificacin estadstica hasta la fecha de su publicacin, y que mostramos
en la tabla II.16.
A continuacin, exponemos algunos modelos de inters aplicados a la
banca comercial mediante el uso de la tcnica del anlisis de regresin
logstica, donde Wiginton (1980) fue uno de los primeros autores en publicar un
modelo de credit scoring con el uso de esta metodologa. Este autor realiz un
estudio comparado entre el anlisis discriminante y modelo logit en el que
concluy que este ltimo ofreca un porcentaje correcto de clasificacin mejor
que el anlisis discriminante. Con una muestra de 1.908 solicitudes individuales
de crdito, compuesta por un nmero no demasiado elevado de variables
explicativas, las cuales fueron demogrficas (nmero de personas a su cargo,
propiedad o alquiler de la vivienda, uso del vehculo y nmero de salidas por
vacaciones en el ltimo ao) y econmicas (tipo de empresa en la que trabaja,
cargo en la empresa y antigedad en el empleo), obtuvo resultados dispares
aplicando el anlisis discriminante y la regresin logstica, tal y como puede
observarse en la tabla II.17. Los resultados advierten que, a pesar de no ser un
porcentaje muy elevado en la clasificacin correcta de los prestatarios, el
167

MICROFINANZAS
anlisis
de
regresin
logstica
mejoraba
sustancialmente
al
anlisis
discriminante. Esto se debe al tratamiento diferente que cada una de las dos
metodologas aplica a los datos que, por su parte, resultaron ser escasos en
nmero y en informacin.
168
Tabla II.16. Modelos aplicados de anlisis de regresin logstica en la prediccin de insolvencia empresarial.
MODELOS LOGSTICOS PARA VARIOS SECTORES
Autor
Ao de
publicacin
Sector
Tamao de
la muestra
N Aos
N de
Ratios
1974
Todos
126
15
Muestra de Modelo para

validacin
cada ao
Exactitud
Ratio principal
ESTADOS
UNIDOS:
Chesser
Si
No
75%
BAIT /Activo total
Olhson
1980
Industrial
2.163
No
Si
96%
Pasivo Exigible / Activo

total
Collins y
Green
1982
Todos
323
Si
94%
Zavgren
1983
Industrial
90
No
Si
82%
Test acido
Hamer
1983
Manufacturero
88
Si
Conclusiones dispares
Gentry
1985
Todos
66
Si
Si
83%
Dividendos / Flujos Caja
Casey y
Bartczak
1985
Todos
290
No
Si
88%
Lo
1986
Todos
76
No
Si
B Neto/Activo Total
Koh
1992
Todos
330
No
99.9 %
B Neto/Activo Total
1986
Todos
78
Si
Si
97%
Recursos generales /
Pasivo Exigible
1987
Todos
146
46
Si
No
82%
Variable no financiera
1990
Industrial
86
16
Si
Si
86%
BAIT / Ventas
1992
Todos
1.109
Si
93%
1990
Industrial
101
10
50
Si
Si
98%
GRAN
BRETAA:
Peel, Peel y
Pope
Keasy y
Watson
Keasey y
Mcguinness
BELGICA:
Goghe, Joos
y Vos
ESPAA:
Gabs Trigo
169
Tabla II.16. Modelos aplicados de anlisis de regresin logstica en la prediccin de insolvencia empresarial (continuacin).
MODELOS LOGSTICOS PARA SECTORES CONCRETOS

Ao de
publicacin
Sector
Martin
1977
Banca
5700
25
Si
Barniv y
Hershbarger
1990
Seguros
56
20
Barniv
1990
Seguros
211
Laffarga
Briones
1986
Banca
48
Pina
1988
Banca
Rodrguez
Acebes
1990
Seguros
Autor
Tamao de
N Aos
la muestra
N de
Ratios
Muestra de Modelo para

validacin
cada ao
Exactitud
Ratio principal
No
92%
Prstamos Comerciales /
Prstamos Totales
Si
Si
91%
B Neto / Primas Totales
Si
Si
96%
Medida de Descomposicin del Pasivo
15
No
Si
93%
BAT/Activo Total
45
Si
Si
92%
Activo Circulante / Pasivo

Exigible
50
No
Si
94%
Disponible / Pasivo a Corto
ESTADOS
UNIDOS
ESPAA
Fuente: Adaptado de Rodrguez-Vilario (1995).
170

MICROFINANZAS
Tabla II.17. Resultados del modelo prediccin. Wiginton (1980).

Submuestra 1: 954 observaciones
ANLISIS DISCRIMINANTE:
Pronosticado
Observado
Pagadores
Fallidos
Pagadores
555
0
Fallidos
399
0
100,00%
0,00%
REGRESIN LOGSTICA:
Pronosticado
Observado
Pagadores
Fallidos
Pagadores
333
222
Fallidos
142
257
58,18%
Porcentaje
Porcentaje
60,00%
64,41%
61,84%
Submuestra 2: 954 observaciones

Pronosticado
Observado
Pagadores
Fallidos
Pagadores
555
0
Fallidos
399
0
100,00%
0,00%
REGRESIN LOGSTICA:
Pronosticado
Observado
Pagadores
Fallidos
Pagadores
307
248
Fallidos
119
280
58,18%
Porcentaje
Porcentaje
55,32%
70,18%
61,53%
Fuente: Elaboracin propia a partir de Wiginton (1980).
Por otro lado, el modelo de Campbell y Dietrich (1983), explicativo de los

determinantes del impago en prstamos hipotecarios, ha sido relevante en la
gua de sucesivos modelos de calificacin crediticia para el sector bancario, al
describir una tcnica ms flexible en el uso de variables categricas capaces
de recoger caractersticas cualitativas del prestatario.
Por su parte, Gardner y Mills (1989) utilizaron la regresin logstica para
examinar el efecto simultneo de las variables explicativas seleccionadas (tabla
II.18), sobre la probabilidad de incurrir en una situacin de morosidad de una
cartera de crditos, asignando un valor de uno de la variable dependiente a
aquellos crditos que no fueron correctamente atendidos a su pago, y de cero a
aquellos que fueron reembolsados en su correspondiente vencimiento. En los
tres modelos diseados, obtuvieron un porcentaje correcto de clasificacin del
63% en el mejor de los casos y del 45% en el modelo que ajustaba peor la
regresin logstica.
171

MICROFINANZAS
Tabla II.18. Variables explicativas. Gardner y Mills (1989).

VARIABLES
Ratio montante / valor del prstamo
Ratio pago inicial / ingresos
Duracin del prstamo
Tiempo del prstamo en morosidad
Destino del prstamo
Tasa de inters
Edad de la compaa
Localizacin geogrfica de la compaa
Situacin laboral del prestamista
Edad del prestamista
Nmero de trabajadores
Nmero de crditos vigentes
Fecha de la morosidad
Cambios en el estado civil
Motivos de la morosidad
Existencia de morosidad anterior
Deterioro de las condiciones de la zona de la compaa
Fuente: Elaboracin propia a partir de Gardner y Mills (1989).
A partir de entonces, la incorporacin de variables cualitativas en los

modelos de credit scoring comenz a tener una mayor trascendencia. As,
Steenackers y Goovaerts (1989) disearon un modelo de calificacin
estadstica para los prstamos personales de una entidad financiera belga. Tal
y como se aprecia en la tabla II.19, la tendencia de las variables explicativas,
en lo que a su naturaleza se refiere, sugiere una mayor consideracin de
caractersticas socioeconmicas de los prestatarios.
Tabla II.19. Variables explicativas. Steenackers y Goovaerts (1989).

VARIABLES
Estado civil
Nacionalidad
Sexo
Nmero de hijos
Edad (*)
Tenencia de telfono (*)
Tiempo en el domicilio actual (*)
Regin geogrfica (*)
Profesin (*)
Sector privado / Sector pblico (*)
Tiempo en el trabajo actual (*)

Ingresos mensuales (*)
Gastos mensuales
Propiedad de la vivienda (*)
Experiencia como prestatario
Crditos concedidos con anterioridad (*)
Duracin del prstamo (*)
Cantidad del prstamo
Destino del prstamo
(*) Variables incluidas en el modelo final
Fuente: Elaboracin propia a partir de Steenackers y Goovaerts (1989).
172

MICROFINANZAS
Para una muestra formada por 995 crditos pagados, 1.257 crditos
fallidos y 693 crditos rechazados por la entidad bancaria, los resultados del
modelo de credit scoring, en lo que a clasificacin correcta se refiere, quedan
recogidos en la tabla II.20, para un punto de corte en la clasificacin de 0,5.
Tabla II.20. Resultados del modelo prediccin. Steenackers y Goovaerts (1989).
ESTIMACIN:
Observado
Pagadores
Fallidos
Pronosticado
Pagadores
Fallidos
70,00%
30,00%
20,90%
79,10%

VALIDACIN:
Observado
Pagadores
Fallidos
Pronosticado
Pagadores
Fallidos
62,60%
37,40%
23,40%
76,60%
Total
100,00%
100,00%
74,55%
Total
100,00%
100,00%
69,60%
Fuente: Elaboracin propia a partir de Steenackers y Goovaerts (1989).
Lawrence y Arshadi (1995) emplearon el anlisis de regresin logstica

multivariante para explicar algunos problemas relativos a la cartera de crditos
de una entidad bancaria. En este sentido, realizaron un estudio destinado a
identificar qu opcin resultaba ms favorable para aquellos clientes que
haban incurrido en una situacin de morosidad, evaluando tres opciones. La
primera de ellas, ejecutar la hipoteca; en segundo lugar, renegociar el prstamo
y, por ltimo, alargar el vencimiento del prstamo.
Las variables explicativas de cada suceso, comunes a cada uno de ellos,
fueron agrupadas en tres grandes bloques. El primero de ellos, hace referencia
a las variables financieras del cliente y de las caractersticas del prstamo, en
el que son consideradas tanto variables cuantitativas (fundamentalmente en
forma de ratios) como una variable dummy referida a la propiedad o no del
negocio. El segundo bloque de variables son las referidas a las decisiones de
la entidad financiera, donde se tuvieron en cuenta aspectos como el ROA de la
entidad, el crecimiento de sus activos, los salarios de sus empleados y la
173

MICROFINANZAS
variacin del ratio fondos propios / activo. Por ltimo, el tercer bloque de
variables hace referencia a los factores econmicos de la regin donde el
cliente desarrolla su actividad productiva. Las tres variables consideradas en
esta agrupacin fueron la variacin de la poblacin, la variacin de los ingresos
efectivos y la variacin de las ventas al por menor de la regin o zona
considerada.
El primer modelo logit construido presenta la opcin de renegociar el
prstamo hipotecario frente a ejecutar la hipoteca segn las bases legales. La
siguiente expresin muestra las variables significativas del fenmeno explicado
junto con el signo del estimador correspondiente:
Probabilidad de eleccin
(Ejecucin hipoteca = 0,
Renegociacin = 1)
Duracin del prstamo (+), Salarios del personal del

banco (+), Crecimiento de los activos del banco (-),
Saldo de prstamos pendientes de pago (+)
Similar al anterior, el segundo modelo confronta la ejecucin hipotecaria

y la ampliacin del vencimiento del prstamo como las opciones de gestin de
cada crdito, y cuyo resultado final viene dado como sigue:
(Ejecucin hipoteca = 0,
Ampliacin = 1)
Coste de la resolucin (-), Dummy: Propietario del

negocio (+), Salarios del personal del banco (-),
Crecimiento de los activos del banco (+), Ratio
Prstamo / Activo (-), Ratio Activo corriente / Pasivo
corriente (+)
Finalmente, ante las opciones de renegociar el prstamo hipotecario,

frente a ampliar su vencimiento, el resultado fue:
(Renegociacin = 0,
Ampliacin = 1)
Salarios del personal del banco (-), Crecimiento de

los activos del banco (+), Ratio Prstamo / Activo (-),
Ratio Activo corriente / Pasivo corriente (+)
Como conclusiones generalizadas de su estudio, Lawrence y Arshadi

(1995) sugieren que, tras evaluar la posibilidad de elegir entre la ejecucin de
174

MICROFINANZAS
la hipoteca y la renegociacin, aquellos crditos con vencimientos a ms largo

plazo son ms propensos a una renegociacin de los trminos del contrato de
prstamo, indicando los beneficios de tal accin para ambas partes
contratantes (prestamista y prestatario).
Una valoracin comparativa entre el anlisis de regresin logstica y el
anlisis discriminante es la que nos muestran Mures et al (2005), donde, tras
realizar un muestreo aleatorio por conglomerados7 en un banco, una caja de
ahorros y una cooperativa de crdito de Castilla y Len, estudiaron la potencia
discriminadora de ambas tcnicas. La tabla II.21 nos muestra las variables
empleadas y compartidas para la elaboracin de los dos modelos de credit
scoring.
Los excelentes resultados de ambos modelos estimados (tabla II.22),
denotan que stos tienen la misma capacidad predictiva, consiguiendo una
tasa de aciertos global del 97,1%. En nuestra opinin, puede resultar ms
certera la utilizacin del modelo de regresin logstica, puesto que ste arroja
unos valores de sensibilidad y especificidad ms prximos entre s. As,
mientras que el anlisis discriminante consigue clasificar correctamente a la
totalidad de los clientes pagadores, frente al 98,1% por parte del modelo de
regresin logstica, este ltimo consigue un porcentaje de clasificacin correcta
de clientes morosos mayor que la funcin discriminante.
De la red de oficinas de las tres entidades financieras analizadas, tomaron una muestra total
de nueve conglomerados correspondientes a tres sucursales por cada tipo de entidad, y dentro
de cada oficina seleccionaron una muestra aleatoria de clientes que tenan formalizada una
operacin de prstamo. La muestra del estudio elegida al azar estaba compuesta por un total
de 70 clientes, de los cuales 18 eran morosos, y 52 devolvieron el crdito segn las
condiciones pactadas en el contrato.
175

MICROFINANZAS
Tabla II.21. Variables explicativas. Mures et al (2005).
Fuente: Mures et al (2005).
Tabla II.22. Resultados del modelo prediccin. Mures et al (2005).

Observado
Pronosticado
Pagadores
Fallidos
Pagadores
52
0
Fallidos
2
16
100,00%
88,89%
REGRESIN LOGSTICA:
Observado
Pronosticado
Pagadores
Fallidos
Pagadores
51
1
Fallidos
1
17
97,14%
Porcentaje
Porcentaje
98,08%
94,44%
97,14%
Fuente: Elaboracin propia a partir de Mures et al (2005).
Cabe destacar la importancia de la inclusin del ciclo econmico en la

elaboracin de un modelo de credit scoring. En esta lnea, Belloti y Crook
(2007) construyeron una aplicacin de scoring utilizando, para ello, la regresin
logstica, en la que trataron de analizar el impacto que tena la inclusin de una
serie de variables que recogieran las caractersticas del estado del ciclo de la
economa.
Inicialmente,
elaboraron
el
modelo
sin
las
variables
176

MICROFINANZAS
macroeconmicas, contando tan solo con variables del prestatario y de la

operacin de prstamo, casi todas ellas dummy, las cuales se encontraban ya
contrastadas en la literatura al uso. Seguidamente, sobre este mismo
planteamiento, procedieron a la incorporacin de variables relacionadas con el
ciclo econmico, tales como: tipos de inters, ndice general burstil, producto
interior bruto, tasa de desempleo, precio de la vivienda, ndice de precios y un
ratio de riqueza que incluye valores de renta fija. La investigacin concluye que
la incorporacin de estas variables mejora la capacidad predictiva del modelo,
siendo los tipos de inters la variable que mayor impacto refleja en el anlisis.
Por ltimo, Yang et al (2009) desarrollaron una aplicacin de credit
scoring mediante anlisis de regresin logstica para prstamos comerciales en
la Repblica de China. De los historiales de crdito tan irregulares, lograron
contar con 8 variables explicativas, de las cuales 1 no result ser significativa
(tabla II.23). Tras superar con xito todos los test sobre la bondad del ajuste,
salvo la prueba de Hosmer-Lemeshow, la cual no era significativa, obtuvieron
un porcentaje correcto en la clasificacin de un 94,7%.
Tabla II.23. Variables explicativas. Yang et al (2009).
VARIABLES
Edad del cliente
Total Activos
Ratio Cuota / Cantidad del prstamo
Ratio Cuota menor / Cantidad del prstamo
Duracin del prstamo
Nmero de cuotas
Ratio Cuotas impagadas / Cuotas totales
Fuente: Elaboracin propia a partir de Yang et al (2009).
Tal y como hemos mencionado con anterioridad, completaremos la

revisin de la bibliografa de los modelos de credit scoring que utilizan modelos
de regresin logstica en el ltimo apartado de este epgrafe, donde pondremos
de manifiesto aquellas investigaciones que comparan diversas metodologas en
la explicacin y prediccin del riesgo de impago de los clientes de prstamos.
177

MICROFINANZAS
II.4.1.4.
Modelos Probit
Al igual que los modelos logit, los modelos probit presentan una variable
dependiente categrica o limitada, donde la estimacin de los parmetros
tambin se realiza por el mtodo de mxima verosimilitud.
Los modelos de probabilidad no lineal evitan las estrictas limitaciones
que conllevan los modelos de probabilidad lineal, mediante la reproduccin del
comportamiento de una funcin de probabilidad. En este sentido, P Yi = 1 X
se especifica de tal forma que no supere los lmites de 0 y 1, y con efectos no

lineales de las variables explicativas (figura II.4)
Figura II.4. Funcin de probabilidad no lineal.
La principal diferencia de los modelos probit respecto a los logit se

encuentra en su funcin de densidad y en la funcin de distribucin acumulada.
Mientras que los Modelos Logit utilizan la funcin de distribucin logstica, los
Probit hacen lo propio con la funcin de distribucin normal. As, si una variable
es normal, con E [ ]= 0 y var[ ]= 1 , su funcin de densidad es:
( ) =
1
2
2
2
(20)
178

MICROFINANZAS
mientras que su funcin de distribucin acumulada:
( ) =
1
2
t2
2
dt
(21)
Para diferenciar los modelos probit de los logit, las figuras II.5 y II.6 nos
muestran las funciones de densidad y las funciones de distribucin acumulada
respectivamente.
Figura II.5. Funciones de densidad normal y logstica.
179

MICROFINANZAS
Figura II.6. Funciones de distribucin acumulada normal y logstical.
Segn lo indicado, el modelo probit puede formularse en trminos de

probabilidad, a travs de la funcin normal, como:
P[y =1 x]=
x'
x'
(t )dt =
t2
1 2
e dt = (x' )
2
(22)
En el modelo probit se supone que la varianza es unitaria y en el modelo

2
logit que la varianza es igual a 3 3,29 . Las varianzas de las dos
distribuciones no pueden estimarse, como consecuencia de que la variable

latente es inobservable. Para estimar los modelos es necesario imponer algn
supuesto arbitrario sobre las varianzas de la distribucin. Los valores
seleccionados proporcionan frmulas sencillas y no pueden contrastarse con la
informacin muestral.
Dado que la distribucin normal y la logstica acumulada estn muy
prximas entre s, excepto en los extremos, es poco probable obtener
resultados muy diferentes si se aplican las expresiones (13) (21). Es decir, el
mtodo logit o probit, a menos que las muestras sean grandes, desde una
perspectiva terica ofrecern resultados similares en trminos de probabilidad
180

MICROFINANZAS
de impago. La diferencia entre los modelos probit y logit, tal y como indica la
figura 5, se encuentra en que el logit tiene colas ligeramente ms planas.
Se hace extensible para los modelos probit lo explicado en los modelos
logit en lo que a evaluacin del modelo de regresin, validez de ste y bondad
del ajuste se refiere.
Por otra parte, indicar que, a pesar de compartir las mismas ventajas
respecto a evitar los inconvenientes de los modelos de probabilidad lineal, los
modelos probit tienen el inconveniente sobre los modelos logit de que el
proceso de estimacin es relativamente complicado.
Aplicaciones de credit scoring con Modelos Probit
Ya avanzamos que, dentro de los enfoques economtricos en la
elaboracin de aplicaciones de credit scoring, los modelos de probabilidad
lineal cayeron en desuso por sus desventajas tcnicas. As los modelos probit
comenzaron a abrirse camino por encima del anlisis discriminante ya que
proveen para cada deudor de una probabilidad de impago. Antes de comenzar
la revisin de modelos de scoring, no podemos dejar de mencionar que los
modelos probit han sido tambin desarrollados en campos alternativos dentro
del negocio bancario y que no necesariamente tienen una relacin directa con
el clculo de la probabilidad de impago de un cliente. As, Cheung (1996) y
Nickell et al (1998) utilizan modelos probit bivariados para estimar la calificacin
probable y futura de ttulos pblicos.
De los trabajos pioneros de credit scoring mediante el uso del probit, nos
resulta relevante el estudio de Boyes et al (1989), quienes evaluaron tanto la
probabilidad de impago del deudor, como el beneficio esperado para el banco
de cada operacin de prstamo a sus clientes. Para su propsito, disponan de
una muestra de 4.632 crditos, de los cuales el 80,1% fueron finalmente
concedidos, mientras que el 19,9% restante corresponde a crditos que fueron
denegados tras la evaluacin de la solicitud del crdito. Respecto a los
concedidos, el 52,2% (41.8% de la muestra) fueron clasificados a priori como
181

MICROFINANZAS
buenos por parte de la institucin, no siendo as para el 47,8% (38,3% de la

muestra) restante. Las variables empleadas en la construccin del modelo
fueron agrupadas en caractersticas personales del cliente (edad, estado civil,
cantidad de personas a cargo, tiempo de permanencia en el domicilio actual y
en el empleo actual, nivel educativo, etc.), variables econmicas y variables
financieras construidas bajo la forma de ratios, por una parte y, por otra,
mediante variables dicotmicas o dummy, de las cuales llegaron a ser
significativas la edad, nmero de empleados, nivel educativo, propiedad de
vivienda, ratio gastos / ingresos, domicilio de la compaa y algunas variables
del historial de crdito.
En la lnea del anterior estudio, ms completo result ser el de Greene
(1992) en lo que al uso de variables explicativas y resultados se refiere.
Siguiendo una metodologa similar de agrupacin de variables a la empleada
por Boyes et al (1989), Greene (1992) consider un mayor nmero de
caractersticas demogrficas y socioeconmicas del cliente, as como variables
del prestamista y variables demogrficas y macroeconmicas de la regin en la
que la entidad financiera desarrolla su actividad. En total, dispuso de 69
variables para la construccin del modelo. La ecuacin del modelo final
incorporaba 21 variables significativas, y representativas de prcticamente
todas las agrupaciones de caractersticas segn su naturaleza, cuyos
resultados en la prediccin segn el porcentaje correcto de clasificacin para
tres puntos de corte se manifiestan en la tabla II.24.
Tabla II.24. Resultados del modelo prediccin. Greene (1992).
Observado
Pronosticado
Pagadores
Fallidos
Punto Corte 0,09487
0,12
0,15
0,09487
0,12
Pagadores
5.225
6.464
7.675
4.278
3.039
Fallidos
214
329
494
782
667
Total
5.439
6.793
8.169
5.060
3.706
Porcentaje
0,15
1.828
502
2.330
0,09487
0,12
0,15
54,98% 68,02% 80,76%
78,51% 66,97% 50,40%
57,21% 67,92% 77,88%
Fuente: Elaboracin propia a partir de Greene (1992).
Las conclusiones del estudio de Greene (1992) relativizan los resultados

del modelo, realizando propuestas de mejora sobre su rendimiento. As, el
182

MICROFINANZAS
autor sugiere que, contando con una base de datos ms completa, los
resultados mejoran y es posible cuantificar el incumplimiento en lugar de
calcular simplemente la probabilidad de ocurrencia.
En la lnea de las conclusiones de Greene (1992), Tsaih et al (2004)
desarrollaron un mtodo basado en la tecnologa para descargar la informacin
contenida en el sistema de informacin de una entidad financiera que concede
prstamos a pymes y, posteriormente, transformarla en variables adecuadas
para disear una aplicacin de credit scoring con anlisis probit.
Una importante aplicacin de modelos probit es la de Falkenstein et al
(2000) al presentar el modelo empleado por Moodys para predecir el default
de empresas que no cotizan en bolsa, y que se denomina Risk CalcTM. En el
trabajo desarrollado explican cmo seleccionan y transforman las variables
explicativas, cmo se estima un score para las empresas y cmo validan la
calibracin y poder discriminatorio del modelo. Del mismo modo, describen la
transformacin de los scores en una medida de probabilidad de impago, a la
que
denominan
Frecuencia
Esperada
de
Defaults,
su
posterior
transformacin en la calificacin del riesgo de la entidad.

Es comn abordar la decisin sobre la concesin o rechazo de un
crdito mediante la realizacin de ms de una regresin. En este sentido,
Jacobsony y Roszbach (2003) realizaron un estudio donde, desarrollando dos
regresiones no lineales mediante anlisis probit, consiguieron una herramienta
de decisin sobre la concesin o rechazo de un crdito y de, si ste fuera
concedido, clculo de la probabilidad de que el crdito fuera reembolsado. De
esta forma, una primera regresin mediante probit determinaba la probabilidad
de obtener un prstamo y, una segunda, la probabilidad de que ste no fuera
fallido. En una muestra de 13.338 crditos de una entidad bancaria Sueca,
disponan de informacin sobre las variables que mostramos en la tabla II.25.
183

MICROFINANZAS
Tabla II.25. Variables explicativas. Jacobson y Roszbach (2003).

VARIABLES
Edad
Hombre - Mujer
Divorciado - No divorciado
Propietario de vivienda
Residencia en gran ciudad
Nmero de solicitudes de informacin a la entidad financiera
Registro fiscal del negocio
Ingresos anuales declarados al fisco
Gastos anuales declarados al fisco
Tenencia de ingresos del capital
Ratio Prstamos garantizados / Ingresos
Tenencia de prstamos garantizados
Cantidad concedida del prstamo
Cliente con aval - Cliente sin aval
Porcentaje de crdito sobre el lmite que est siendo utilizado
Fuente: Elaboracin propia a partir de Jacobson y Roszbach (2003).
A continuacin, la probabilidad de que un crdito fuera concedido,

calculada en la primera regresin, pas a convertirse en variable explicativa en
la segunda regresin que, recordemos, determinaba la probabilidad de que un
crdito fuera o no reembolsado. Finalmente, los resultados obtenidos fueron
utilizados para medir el riesgo de crdito usando la metodologa VaR (value-artrisk).
Diseada una estrategia financiera, los modelos probit pueden ser
utilizados para explicar diversos aspectos sobre el riesgo de impago, segn las
variables explicativas empleadas. A este respecto, Bonfim (2009) desarroll
diez modelos probit que le permitieron extraer una serie de conclusiones
relativas a la probabilidad de impago de los clientes de una entidad financiera
de Portugal disponiendo, para ello, de informacin de ms de 30.000
empresas.
Las
variables
explicativas
empleadas
fueron
extradas,
fundamentalmente, de los estados financieros de las empresas pertenecientes

al historial crediticio de la entidad. As, variables como el crecimiento de las
ventas, el ROA, el ratio de solvencia, el coeficiente de inversin, el ratio de
liquidez fueron comunes en el empleo de todos los modelos probit
desarrollados. Sin embargo, la diferencia entre stos se encuentra en la
inclusin alternada de variables tales como la antigedad de la empresa, la
productividad del capital, activos tangibles, el volumen de negocio, las
184

MICROFINANZAS
garantas del prstamo, el sector econmico de actividad y el tamao de la

compaa. A continuacin, el estudio fue desarrollado contemplando una serie
de variables econmicas y financieras (crecimiento de las ventas, ROA, ratio de
solvencia, coeficiente de inversin y ratio de liquidez) en trminos dinmicos,
es decir, con informacin de hasta cuatro aos antes desde la solicitud del
prstamo. Finalmente, el autor incluy el ciclo econmico mediante variables
macroeconmicas como factores explicativos del riesgo de impago del cliente.
Los
resultados
de
los
modelos
construidos
sugieren
que
las
probabilidades de impago vienen explicadas por variables especficas de la

estructura financiera, rentabilidad y liquidez de la compaa, as como por sus
ventas y por su poltica de inversiones. Por otro lado, la situacin econmica y
financiera dinmica de la empresa, sobre todo en un corto plazo, parece ser
importante para explicar por qu algunas empresas no atienden sus
compromisos de pago. Por ltimo, los resultados obtenidos por Bonfim (2009)
permiten concluir que, teniendo en cuenta el efecto del ciclo econmico
mediante variables macroeconmicas dinmicas, los resultados de los modelos
mejoran considerablemente y, aunque la probabilidad de impago dependa
directamente de caractersticas econmicas y financieras especficas de cada
compaa,
existen
relaciones
importantes
entre
las
condiciones
macroeconmicas y la probabilidad de no atender correctamente al pago de las

deudas.
II.4.2.
Tcnicas No Paramtricas de Credit Scoring
Las tcnicas no paramtricas, tambin conocidas como mtodos de

distribucin libre, no se encuentran ligadas a ninguna forma funcional ni
distribucin concreta. Tienen la utilidad de presentar muy pocas restricciones,
adems de ser funcionales con muestras pequeas. Los principales
185

MICROFINANZAS
inconvenientes responden, sobre todo, a la difcil comprensin de los modelos

y a la ausencia de parmetros y probabilidades en la estimacin8.
Las tcnicas no paramtricas no tienen como primer objetivo la
bsqueda de los parmetros de una funcin conocida, sino que tratan de
obtener formas funcionales que aproximen la funcin objetivo. A partir de ah,
una vez conocida la forma funcional, se procede a la estimacin de los
parmetros de los que depende la funcin objetivo obtenida.
Entre las tcnicas no paramtricas ms representativas, elegimos la
programacin lineal, las redes neuronales y los rboles de decisin como ms
representativas para la elaboracin de aplicaciones y modelos de credit
scoring.
II.4.2.1.
Programacin Lineal
Es un mtodo encuadrado dentro de las tcnicas no paramtricas de

credit scoring. En general, este tipo de modelos son ms vlidos cuando se
desconoce la forma que probablemente tiene la relacin funcional entre las
variables. Los modelos de programacin lineal permiten programar plantillas o
sistemas de asignacin de rating sin perder de vista el criterio de optimizacin
de clientes correctamente clasificados.
Un inconveniente de esta tcnica consiste en que, segn la formulacin
planteada, se admite la posibilidad de concesin parcial de crditos. En la
prctica, esta situacin es poco probable, siendo habitual que el crdito sea
totalmente concedido o, por el contrario, rechazado.
Un modelo de programacin lineal con variables discretas trata de:
Para ms informacin, vase el trabajo de Yatchew (1998) donde realiza un estudio en el

que se destacan las ventajas e inconvenientes del uso de las tcnicas no paramtricas de
credit scoring.
186

MICROFINANZAS
n
Max( z ) i C i
i =1
sujeto a:
n
C
i =1
i {1, 2, , n}: C i Yi C = 0
(23)
C i 0; Yi {0,1}
donde:
Yi : Variable binaria definida de la siguiente forma:
1 si se concede la solicitud i
Yi =
0 en caso contrario
El inconveniente que presenta el modelo de programacin lineal con
variables discretas es que los resultados no pueden ser interpretados de la
forma estndar (ya que la funcin objetivo no es continua).
Una aplicacin conocida basada en la metodologa de programacin
lineal es conocida como Data Envelopment Analysis (DEA), desarrollada por
Charnes et al (1978) y cuyo objetivo consiste en asignar una puntuacin de
eficiencia financiera de cada cliente respecto al resto de individuos que forman
parte de una muestra. En este sentido, cada puntuacin se ordena de forma
ascendente tomando como criterio jerrquico la prdida esperada que sufrira
la entidad financiera con cada uno de sus clientes mediante el establecimiento
de un punto de corte. Los clientes cuyas puntuaciones sean inferiores o iguales
al punto de corte, sern clasificados como clientes fallidos, mientras que el
resto se consideran como clientes pagadores.
Aplicaciones de credit scoring con Programacin Lineal
Hasta 1980, los mtodos disponibles eran bsicamente estadsticos.
Freed y Glover (1981a, 1981b) demostraron que el encontrar la funcin lineal
que mejor discrimina entre grupos, dadas unas variables explicativas poda ser
187

MICROFINANZAS
considerado como un problema de programacin lineal. A partir de entonces,

diversos autores desarrollaron esta tcnica, innovando alternativas en la
prediccin de impago de crditos. ste es el caso de Bagjier y Hill (1982), Choo
y Wedley (1985), Glover et al (1988) y Lam et al (1993).
Mencin especial merece el trabajo de Lam et al (1996) en el que crean
un nuevo modelo de programacin lineal con variantes sobre los modelos ya
contrastados en esta disciplina. A partir de las formulaciones sobre
programacin matemtica ya existentes, incorporan las desviaciones de los
objetos (crditos) correctamente clasificados, mejorando a aquellos modelos
que no las tienen en cuenta. En una segunda parte de la investigacin, los
autores proponen dos metodologas para determinar el punto de corte ptimo
en la clasificacin, el cual es hallado por un procedimiento de bsqueda simple.
La muestra empleada en el anlisis consta de 300 observaciones dividida
aleatoriamente en dos submuestras de 150 elementos, la primera de ellas para
estimar el modelo y, la segunda para proceder a validarlo. Las variables
explicativas empleadas en el anlisis se muestran en la tabla II.26.
Tabla II.26. Variables explicativas. Lam et al (1996).
VARIABLE
X1
X2
X3
X4
X5
X6
X7
X8
DESCRIPCIN
Edad del solicitante
Propiedad de vivienda (1 = Si, 0 = No)
Ingresos anuales del solicitante (en miles de dlares)
Tiempo (aos) en el actual empleo
Estado civil (1 = Casado, 0 = Otro)
Ingresos anuales del cnyuge (en miles de dlares)
Posesin de cuenta abierta en el banco (1 = Si, 0 = No)
Referencias del cliente (1 = Si, 0 = No)
Fuente: Elaboracin propia a partir de Lam et al (1996).
Siguiendo la metodologa descrita, Lam et al (1996) obtuvieron un

porcentaje correcto elevado en la clasificacin, alcanzando un 99,33% de
acierto para la muestra de estimacin y corroborado por un 93,33% en la
muestra de validacin, demostrando, adems, que superaba ampliamente el
porcentaje correcto en la clasificacin obtenido con anlisis discriminante.
188

MICROFINANZAS
Ya hemos comentado que el DEA puede ser utilizado para resolver

problemas de clasificacin de los clientes de las entidades financieras.
Mediante el uso de esta tcnica de programacin matemtica, Emel et al
(2003) desarrollaron un modelo de credit scoring empleando, para ello, datos
actuales de 82 empresas industriales compilados en el historial de crdito de
un banco de Turqua. Como variables explicativas, los autores utilizaron 46
ratios financieros de las empresas, agrupndolos segn su naturaleza. As, se
consideraron ratios relativos a prstamos bancarios, activo fijo, rentabilidad,
apalancamiento, estructura financiera, liquidez, ventas y coste de las ventas. El
resultado del DEA fue posteriormente comparado con la clasificacin subjetiva
realizada a partir de las opiniones de expertos. En base a los resultados, el
DEA no mejoraba la opinin ofrecida por los expertos respecto a cada crdito,
hecho que parece lgico teniendo en cuenta que el DEA no considera
informacin a priori y que la muestra empleada contiene un reducido nmero
de observaciones.
II.4.2.2.
Redes Neuronales
La inteligencia artificial implica que las mquinas y la tecnologa realizan

tareas que, generalmente, han sido desarrolladas por seres humanos. An ms
prcticos, Nebendah (1988) y Delgado (1998) aportan conceptos de
inteligencia artificial considerndola como un campo de estudio enfocado a la
explicacin y emulacin de la conducta inteligente en funcin de procesos
computacionales basados en la experiencia y en el continuo conocimiento del
entorno.
Las redes neuronales, manifestacin directa de una inteligencia artificial,
pueden utilizarse como una metodologa catalogada dentro de las tcnicas no
paramtricas de credit scoring. Las redes neuronales artificiales tratan de imitar
al sistema nervioso, de modo que construyen sistemas con cierto grado de
inteligencia. Tal y como se muestra en la figura II.7, la red est formada por una
serie de procesadores simples, denominados nodos, que se encuentran
interconectados entre s. Como nodos de entrada consideramos las
189

MICROFINANZAS
caractersticas o variables de la operacin de crdito (Xi), siendo el nodo de

salida, la variable respuesta definida como la clasificacin del cliente, pagador
o moroso. La finalidad de cada nodo consiste en dar respuesta a una
determinada seal de entrada. El proceso de credit scoring mediante el uso de
esta tcnica resulta ser complicado, dado que el proceso interno de aprendizaje
funciona como una caja negra (capa oculta), donde la comprensin de lo que
ah ocurre requiere la prctica de conocimientos especializados.
CAPA
INPUT
CAPA
OCULTA
CAPA
OUTPUT
Yi (0,1)
Variables (X1, X2, ... , Xk)
Figura II.7. Red neuronal artificial.
Cada uno de los nodos de una red neuronal realiza la funcin de

procesador con la finalidad de otorgar una respuesta a toda seal de entrada
recibida. Al igual que en el campo neurolgico, cada nodo se retroalimenta de
un estmulo percibido por los nodos que les rodean, transformando toda esa
informacin recibida mediante clculos internos en un nico valor de salida,
siendo ste enviado al resto de nodos. Segn se aprecia en la figura II.8, en los
nodos de entrada, se identifican los pesos (wi) que ayudan a cuantificar el
efecto que producen unos elementos sobre otros. De este modo, la seal de
entrada total a cada una de las N neuronas de la capa intermedia se calcula
sumando los vectores de entrada ponderados por sus pesos correspondientes;
esto es:
190

MICROFINANZAS
Y j = xi wij
(24)
j =1
donde xi representa el valor de la variable j, wij las ponderaciones asociadas a

la conexin entre la neurona de entrada i y la intermedia j, e Yj, la seal
respuesta total de entrada a la neurona j. Con posterioridad, a dicha entrada se
le aplica una determinada funcin previamente definida, denominada funcin
de activacin, proceso que nos permite obtener el valor de salida de cada nodo
intermedio, F(z)j. Finalmente, dicho valor de salida es conducido a la neurona
de salida identificada en la capa output mediante la correspondiente conexin
ponderada.
Figura II.8. Funcionamiento de una red neuronal artificial.
Del mismo modo que en el cerebro biolgico, la red neuronal artificial

almacena el conocimiento aprendido en los pesos, de tal manera que,
siguiendo una serie de patrones, stos se van modificando hasta que se
obtiene una regla general que permite la realizacin de una tarea determinada,
en nuestro caso, el pronstico de la morosidad bancaria. Una vez terminado el
proceso de autoaprendizaje, la red se encuentra en disposicin de realizar un
pronstico con tan solo introducir las variables de entrada (incluso estando
incompletas o presentando ruido) y proporcionando una salida.
191

MICROFINANZAS
El comienzo de la utilizacin de redes neuronales, algoritmos basados

en inteligencia artificial susceptible de entrenamiento, dio un fuerte impulso al
credit scoring. Por su capacidad de entrenarse a s mismas a partir de datos
pasados o histricos, las redes neuronales pueden establecer una relacin
entre las distintas caractersticas de un prestatario y la probabilidad de
incumplimiento del crdito que se le otorg. Adems, las redes neuronales
pueden intensificar la precisin de dicho pronstico a un nivel ms avanzado
que las tcnicas paramtricas de credit scoring, ya que son capaces de percibir
esas interdependencias que no se pueden controlar con otros mtodos o
medios.
Los variantes ms frecuentes de aplicaciones de redes neuronales9, son:
Mixture of experts (MOE)
Radial basis function (RBF)
Multi-layer perceptron (MLP)
Learning vector quantization (LVQ)
Fuzzy adaptive resonance (FAR)
La principal ventaja de las redes neuronales es la capacidad que stas

tienen de generalizacin, es decir, aprendizaje a partir de observaciones reales.
Por otra parte, esta tcnica es bastante tolerante a los errores, debido a que el
conocimiento ha sido distribuido entre los pesos de las conexiones. Otra
ventaja significativa reside en el comportamiento aceptable que muestra la
tcnica en la elaboracin de un credit scoring cuando no se dispone de una
fiable base de datos, puesto que existe la posibilidad de completar los datos
mediante el aprendizaje de la red.
Como principal desventaja, hay que sealar la gran dificultad en la
comprensin de la aplicacin. El denominado efecto black box (caja negra)
hace que, tras la introduccin de las variables input, se desconozca la
9
Para un mayor detalle, consltese West (2000)
192

MICROFINANZAS
naturaleza de las relaciones entre las variables independientes y dependientes.

Por otra parte, requieren de la definicin de muchos parmetros a priori antes
de poder aplicar la metodologa. Y, por ltimo, un aspecto muy importante para
nosotros, las redes neuronales no estiman las probabilidades de impago de
forma directa.
Aplicaciones de credit scoring con Redes Neuronales

Davis et al (1992), publicaron un trabajo de comparacin entre diferentes
alternativas de clasificacin de clientes solicitantes de crditos, en el que
destacaban un poder predictivo mayor de las redes neuronales sobre otras
tcnicas paramtricas de credit scoring. Con posterioridad, Ripley (1994) y
Rosenberg y Gleit (1994) describieron algunas de las aplicaciones de las redes
neuronales empleadas en las decisiones gerenciales sobre el crdito y sobre la
deteccin del fraude. Desde entonces, gracias al progreso derivado de las
nuevas tecnologas, se han diseado sistemas avanzados para el objetivo de la
clasificacin de buenos y malos clientes potenciales.
Dada la complejidad del mtodo de aplicacin de las redes neuronales,
nos proponemos sintetizar los estudios de mayor relevancia de la literatura
especializada sobre est tcnica en un cuadro resumen explicativo de las
variables empleadas, el tipo de red neuronal utilizada, as como los resultados
obtenidos. Bajo esta consideracin, en la tabla II.27 se identifican algunos
modelos de credit scoring aplicando redes neuronales relevantes para la
obtencin de una serie de conclusiones finales del presente captulo,
fundamentalmente, en relacin a las variables independientes empleadas por
cada autor, as como en los resultados de la investigacin. Tngase en cuenta
que en dichos resultados se hace referencia a los conceptos de sensibilidad,
especificidad y porcentaje global de acierto. Se entiende por sensibilidad la
probabilidad de clasificar correctamente a un cliente que atiende el pago de sus
deudas. Por el contrario, la especificidad es la probabilidad de clasificar
correctamente a un cliente fallido.
193
Tabla II.27. Modelos de Credit Scoring aplicando redes neuronales.

Autores
WEST
WEST
HSIEH
Fecha
Nmero de observaciones
publicacin
(2000)
(2000)
(2005)
1000 (Entidad financiera

Alemana)

Australiana)

Alemana)
Australiana)
Variables independientes
24 variables del historial de crdito, balance, destino del

crdito, relativas al prstamo e informacin personal del
cliente
6 variables continuas y 8 categricas (no referidas por

contrato de confidencialidad entre el autor y la institucin
financiera)
Pertenencia de telfono - Pertenencia de cuenta

corriente - Aos de empleo - Estado civil - Sexo - Saldo
de la cuenta de ahorro - Historial de crdito Propiedades - Destino del crdito - Aos en el actual
domicilio - Situacin laboral - Rgimen de vivienda Cantidad del prstamo - Nmero de crditos anteriores Garantas - Nmero de personas a cargo del prestatario Duracin del prstamo - Trabajador extranjero - Edad del
prestatario
Tipo de Red Neuronal
Resultados de la investigacin
MOE
Sens.: 85,72% Espec.: 52,25% Global: 75,66%
RBF
MLP
LVQ
FAR
MOE
RBF
MLP
LVQ
FAR
Clustering
+
MLP
Resultados para ambas entidades en base a 10

agrupaciones
Analisis Regresin Logstica
MLP
LVQ
FAR
Importe de las ventas

Ratio: Benef. despues impuesto / Capital empleado
ROE
Ratio: (Deuda C/P + Deuda L/P) / Activo total
Ratio: Pasivo corriente / Activo total
YU ET AL
(2008)
60 Empresas (30 pagadoras y 30 Ratio: Activo corriente / Pasivo corriente

fallidas)
Ratio: (Activo corriente - Pasivo corriente) / Activo total
Tiempo transcurrido entre la fecha de impago y la fecha
de vencimiento del crdito
Tiempo de funcionamiento de la empresa
Dummy : 1 Empresa auditada 3 aos antes, 0 Otro
Dummy : 1 Auditor de reconocido prestigio, 0 Otro
194
Tabla II.27. Modelos de Credit Scoring aplicando redes neuronales (continuacin).

Autores
YU ET AL
YU ET AL
YU ET AL
Fecha
Nmero de observaciones
publicacin
(2009)
(2009)
(2009)
Variables independientes
Ao de nacimiento - Nmero de hijos - Nmero de otras

personas a su cargo - Telfono en el domicilio - Ingresos
del solicitante - Situacin laboral del solicitante 1.225 Crditos (902 pagados y
Ingrsos del cnyuge - Estado civil - Valor de la vivienda
323 fallidos) - Entidad financiera
- Prstamo hipotecario - Desembolsos pendientes de la
Inglesa
hipoteca o alquiler - Desembolsos pendientes de
prstamos - Desembolsos pendientes en compras varias
- Desembolsos pendientes en tarjetas de crdito.
Tipo de Red Neuronal

Regresin Lineal
Regresin Logstica
RBF
MLP
LVQ
FAR
Regresin Lineal
Regresin Logstica
RBF
653 Crditos (357 concedidos y Por razones de confidencialidad, tanto los atributos
empleados en el modelos, as como sus valores, fueron
296 rechazados) - Entidad
sustituidos por smbolos.
financiera Japonesa
Tiene chequera (categrica) - Duracin del prstamo

(numrica) - Historial de crdito (categrica) - destino del
crdito (categrica) - Cantidad desembolsada (numrica)
- Posee cuenta de ahorro (categrica) - Tiempo en el
actual empleo (categrica) - % de instalaciones sobre la
renta disponible (numrica) - Estado civil y sexo
1.000 Crditos (700 concedidos
(categrica) - Garantas (categrica) - Tiempo en la
y 300 rechazados) - Entidad
actual vivienda (numrica) - Propiedades (categrica) financiera Alemana
Edad (numrica) - Otras instalaciones (categrica) Vivienda (categrica) - Nmero de crditos concedidos
con anterioridad (numrica) - Situacin laboral
(categrica) - Nmero de personas a su cargo
(numrica) - Pertenencia de telfono (categrica) Trabajador extranjero (categrica)
Resultados de la investigacin
MLP
LVQ
FAR
Regresin Lineal
Regresin Logstica
RBF
MLP
LVQ
FAR
195

MICROFINANZAS
En la literatura especializada de credit scoring, resulta comn

encontrarse con investigaciones en las que se utilizan las redes neuronales
como tcnica a la hora de plantear una determinada aplicacin. Sin embargo,
con objeto de resaltar su poder predictivo, las redes neuronales suelen ser
comparadas con otras tcnicas, tanto paramtricas como no paramtricas. A
este respecto, completamos la revisin de la bibliografa referida a este
apartado unas lneas ms adelante en el epgrafe relativo a la comparativa de
modelos de credit scoring construidos mediante el uso de diferentes tcnicas.
II.4.2.3.
rboles de Decisiones
Los rboles de decisin se constituyen como una tcnica no paramtrica

de clasificacin binaria que permite separar las observaciones de una muestra
asignndolas a grupos previamente establecidos.
La principal ventaja de esta metodologa es que no est sujeta a
supuestos estadsticos referentes a distribuciones o formas funcionales.
Aunque conllevan una comprensin interna difcil sobre su funcionamiento,
presentan relaciones visuales entre las variables, los grupos de la variable
respuesta y el riesgo, por lo que constituye un mtodo muy til en el credit
scoring.
La construccin de rboles se puede entender como un tipo de seleccin
de variables (similar al utilizado en regresin), donde la obtencin de resultados
viene dada por la ejecucin de un proceso interno automtico. Lo ms habitual
es utilizar esta tcnica como mtodo de clasificacin, aunque es posible
construir rboles de regresin en los que cada nodo final es un valor predicho.
La diferencia entre ambos estriba en el tipo de variable dependiente que se
utiliza; mientras que en el rbol de clasificacin es una variable cualitativa en el
de regresin es cuantitativa.
196

MICROFINANZAS
Los algoritmos ms comunes para construir los rboles de decisin son

el CART (Classification and regression trees), ID3, C4.5 y C5, persiguindose
en cada uno de ellos la separacin ptima en la muestra, de tal modo que los
grupos de la variable respuesta ofrezcan distintos perfiles de riesgo. En
cualquiera de los casos se generan n nodos terminales y una escala de
probabilidades con n valores posibles que conducen al resultado final y a la
probabilidad empleada para validar el modelo y calcular la prdida esperada
Por ejemplo, el modelo CART tiene como objetivo dividir sucesivamente
la muestra original en submuestras mediante el uso de reglas univariantes con
objeto de identificar la variable independiente que diferencie mejor la divisin. A
continuacin, el algoritmo se centra en cada una de las variables explicativas
analizando puntos de corte, con la intencin de elegir aquella variable que
aporte una mayor homogeneidad a los nuevos subgrupos. El proceso finaliza
cuando resulte imposible realizar una nueva divisin que mejore la
homogeneidad existente, segn se comprueba en la figura II.9. En esta figura
tambin puede verse que el modelo reproduce un rbol compuesto por una
serie de nodos y ramas que representan, respectivamente, los grupos y las
divisiones que se van generando de la muestra original. Cada uno de los nodos
terminales representa el grupo con el menor coste esperado del error o, dicho
de otra forma, aquel con menor riesgo.
Y
0
X
0
Figura II.9. Estructura de un rbol de decisin.
197

MICROFINANZAS
Las ventajas tcnicas con las que cuenta esta metodologa son la
simplicidad, potencia y estabilidad. Hablamos de simplicidad como factor
relevante por la gran comprensin y entendimiento sobre el funcionamiento y
prediccin del modelo. De potencia, como medida de la capacidad de
discriminacin correcta entre clientes pagadores y clientes fallidos. Y
estabilidad, como propiedad que el modelo tiene para conservar la capacidad
de discriminacin, a la vez que detecta cambios en la calidad de la cartera.
Para medir la capacidad de discriminacin, suele emplearse la prueba
de bondad de ajuste de Kolmogorov-Smirnov para dos muestras, la curva ROC
(Receive Operative Curve) y el coeficiente de Gini.
Aplicaciones de credit scoring con Arboles de Decisin
El
modelo
RPA
(Recursive
Partioning
Algorithm),
presentado
originalmente por Friedman (1977), puede ser considerado como un

procedimiento no paramtrico de clasificacin Bayesiana para el anlisis
financiero que, basado en patrones de reconocimiento, tiene los atributos tanto
del enfoque de clasificacin univariado clsico como el de los procedimientos
multivariados.
Junto con Friedman (1977), precursor de esta tcnica de credit scoring,
las aportaciones de Breiman et al (1984), Marais et al (1984) y Frydman et al
(1985) fueron determinantes para el desarrollo de otros trabajos bajo la
utilizacin de esta metodologa. Entre ellos, Makowski (1985), Coffman (1986) y
Carter y Catlett (1987) aplicaron modelos de rboles de decisin para la
clasificacin de clientes en trminos de credit scoring. Boyle et al (1992)
realizaron un estudio comparado de esta metodologa frente al anlisis
discriminante, enfrentando as una tcnica no paramtrica frente a otra
paramtrica.
198

MICROFINANZAS
II.4.3.
Modelos comparativos de Credit Scoring
Tras haber planteado las tcnicas que, histricamente, han tenido una
mayor relevancia en la construccin de modelos y aplicaciones de credit
scoring, as como los ejemplos ms representativos de cada uno de ellas, nos
planteamos ahora realizar una comparacin de los resultados obtenidos
mediante la aplicacin de diferentes metodologas revisadas para la
clasificacin de clientes solicitantes de un crdito. Para ello, en el cuadro 28
hemos recopilado los estudios que, tras considerar un historial de crdito
idntico o similar para todas las metodologas empleadas, comparan el
porcentaje correcto de clasificacin de clientes para modelos de credit scoring
construidos tras emplear tanto tcnicas paramtricas, como no paramtricas.
Si nos preguntamos cul de todas las tcnicas analizadas es la ms
conveniente, no podemos decantarnos por alguna sobre el resto. As lo
apuntan Hand y Henley (1997) al afirmar que, en general, no existe un mtodo
mejor que otro. Lo que no cabe duda es que un resultado ptimo de todo
modelo de credit scoring se obtiene con un anlisis pormenorizado de los
recursos con los que se cuenta. La eleccin de una tcnica de scoring correcta
se convierte en un aspecto fundamental en el desarrollo de esta investigacin,
dependiendo de aspectos esenciales como la estructura de la base de datos, el
tipo de variables empleadas y del conocimiento de los valores aadidos que
suponen el empleo de cada uno de los mtodos de calificacin.
As, en la tabla II.28 puede apreciarse como no existe una tcnica
especfica que resuelva el problema de la clasificacin de clientes de una forma
ms satisfactoria que otras. Es ms, en numerosas ocasiones son los modelos
paramtricos los que pronostican con mayor grado de acierto el pago e impago
del prestatario, lo cual indica que no siempre los modelos ms sofisticados
predicen mejor.
199
Tabla II.28. Resumen de resultados de estudios sobre comparacin de modelos.
PORCENTAJE CORRECTO DE CLASIFICACIN

Anlisis
Discriminante o
Regresin Lineal
Modelo Logit
Modelo Probit
Programacin
Lineal
Redes Neuronales
Arboles de
Decisiones
Srinivasan y Kim
(1987)
87,50%
89,30%
86,10%
93,20%
Boyle et al (1992)
77,50%
74,70%
75,00%
Henley (1995)
73,40%
43,30%
43,80%
Desai et al (1996)
81,12%
81,70%
80,75%
80,46
Arminger et al
(1997)
67,59%
65,25%
66,42%
Desai et al (1997)
66,50%
67,30%
66,40%
67,30%
Yobas et al (2000)
68,40%
62,00%
62,30%
Lee et al (2002)
71,40%
73,50%
73,70% (77,00%)
Malhotra y Malhotra
(2003)
69,30%
72,00%
Baesen (2003)b
88,30%
87,40%
88,30%
88,30%
90,40%
AUTOR/ES
200
Tabla II.28. Resumen de resultados de estudios sobre comparacin de modelos (continuacin).
PORCENTAJE CORRECTO DE CLASIFICACIN

Anlisis
Discriminante o
Regresin Lineal
Modelo Logit
Modelo Probit
Programacin
Lineal
Redes Neuronales
Arboles de
Decisiones
Huang et al (2006)
86,19%
87,93%
68,42%
85,81%c 87,06%d
Hu y Ansell (2007)
84,31% (88,70%)e
85,12% (87,72%)e
88,21% (89,51%)e
88,29% (88,69%)e
Abdou (2009)
85,42%
82,81%
89,58%
Abdou y Pointon
(2009)
79,40%
82,09%
87,64%
Chuang y Lin (2009)
76,00%
76,50%
79,50% (86,00%)
Zhou et al (2010)
72,07%
77,22%
77,27%
75,30%
AUTOR/ES
77,50%
70,35%
Modelo hbrido de red neuronal y anlisis discriminante

Se ha escogido el modelo de mayor porcentaje correcto de clasificacin
c
CART
c
C4.5
e
Resultados incorporando variables del entorno econmico
f
Red neuronal hbrida
b
201

MICROFINANZAS
II.5. ANLISIS DEL RIESGO DE CRDITO EN LAS INSTITUCIONES DE

MICROFINANZAS
Desde el origen de la actividad microfinanciera, esta disciplina ha
evolucionando en la implementacin de modelos y aplicaciones de credit
scoring, incluso salvando las limitaciones que ello conlleva.
Hasta la fecha, han sido escasos los modelos de credit scoring
desarrollados en el mbito de las microfinanzas y, teniendo en cuenta el
elevado nmero de ellos elaborados para la banca, llegamos a la conclusin de
que se trata de una parcela de la investigacin muy poco desarrollada.
En el presente epgrafe, nos marcamos como objetivo recopilar los
modelos de credit scoring que han sido desarrollados para las instituciones de
microfinanzas y orientados a pequeos negocios, los cuales tratan de basar la
decisin de concesin o rechazo de la solicitud de un microcrdito en un
sistema objetivo de calificacin.
II.5.1.
El modelo de Vigan
La primera aplicacin de credit scoring conocida en microfinanzas

corresponde a Vigan (1993), quien elabor un modelo de calificacin
estadstica para una entidad de microfinanzas de Burkina Faso, cuya misin es
la de facilitar el acceso a los recursos financieros a clientes que viven y
trabajan en una zona rural.
En su intencin, Vigan (1993) elabor un modelo basado en un anlisis
discriminante multivariante con objeto de concluir en una interpretacin terica
relativa a los determinantes del riesgo de crdito en las microfinanzas. Para
ello, se hizo de una base de datos de 100 observaciones obtenida tras el
diseo de un cuestionario tendente a compilar informacin obtenida de clientes
y de analistas de crdito. Las variables explicativas empleadas en el modelo y
202

MICROFINANZAS
que mostramos en la tabla II.29, fueron posteriormente agrupadas en 13

factores, los cuales fueron empleados para la construccin del modelo final de
scoring.
Tabla II.29. Variables explicativas. Vigan (1993).
VARIABLES EXPLICATIVAS
Sexo (dummy)
Edad
Estado civil (dummy)
Proximidad a la entidad (dummy)
Agricultura (dummy)
Cra de ganado (dummy)
Comercio (dummy)
Jubilado (dummy)
Nivel tecnolgico (categrica)
Flexibilidad estructural (dummy)
Dependencia del tiempo (dummy)
Fuente de ingresos (dummy)
Ingresos monetarios (dummy)
Acceso al mercado (dummy)
Tomador de precios (dummy)
Ingreso mnimo peridico / Cuanta del prstamo
Ingresos anuales / Deuda anual vencida
Total activo
Tipo de tierra (categrica)
Telfono (dummy)
Prstamos refinanciados
Prstamos actualmente vencidos
Total deuda
Total deuda / Total activos
Destino del prstamo: Agricultura (dummy)
Destino del prstamo: Cra de ganado (dummy)
Destino del prstamo: Comercio (dummy)
Destino del prstamo: Agricultura (dummy)
Destino del prstamo: Todo lo anterior (dummy)
Otros prstamos bancarios (dummy)
Prstamos con otros bancos / Cantidad del proyecto
Porcentaje de autofinanciacin
Asociado al organismo GV (dummy)
Proyectos del sector pblico (dummy)

Donaciones exteriores al proyecto (dummy)
Lugar de la primera reunin (dummy)
Donaciones (dummy)
Intervienen donantes en la primera reunin (dummy)
Iniciativa en la solicitud (dummy)
Lugar de la negociacin (dummy)
Lugar del desembolso (dummy)
Lugar del reembolso (dummy)
Responsabilidad en el desembolso (dummy)
Cuanta del prstamo
Cuanta concedida / Cuanta solicitada
Forma del desembolso del prstamo (dummy)
Reembolso monetario (dummy)
Reembolso mediante salario o pensin (dummy)
Reembolso directo mediante las ventas (dummy)
Duracin del prstamo en meses
Periodicidad de las cuotas
Das de retraso del desembolso
Criterio de determinacin de la cuanta (dummy)
Tipo de inters del prstamo
Tipo de inters compuesto del prstamo
Hipotecario (dummy)
Declaracin jurada de bienes (dummy)
Garantas de mercado (dummy)
Garantas personales (dummy)
Impagos pasados
Prstamos actuales en la entidad
Cuentas de ahorro en la entidad (dummy)
Calidad de la informacin (dummy)
Fuente de la informacin (dummy)
Empresa de reciente creacin (dummy)
Fuente: Elaboracin propia a partir de Vigan (1993).
Finalmente, observamos en la tabla II.30 los resultados del modelo de

scoring para una entidad de microfinanzas que, segn se ha podido comprobar,
se han limitado a establecer un sistema de clasificacin del cliente entre
pagadores y fallidos sin aportar informacin sobre la probabilidad de impago.
.
203

MICROFINANZAS
Tabla II.30. Resultados del modelo prediccin. Vigan (1993).

Observado
Pronosticado
Pagadores
Fallidos
Pagadores
32
19
Fallidos
4
45
Porcentaje
62,75%
91,84%
77,00%
Fuente: Elaboracin propia a partir de Vigan (1993).
II.5.2.
El modelo de Sharma y Zeller
Sharma y Zeller (1997) utilizaron una variante de los modelos

paramtricos no lineales denominada Tobit10, para elaborar un modelo de credit
scoring de carcter explicativo en una entidad de microfinanzas de Bangladesh.
Dicho modelo fue construido sobre una cartera de 868 microcrditos solidarios
y mancomunados, en los que la constitucin de grupos de clientes constituye la
principal caracterstica de la base de datos utilizada para la elaboracin del
modelo. Segn se muestra en la tabla II.31, 18 fueron las variables explicativas
empleadas, de las cuales 5 resultaron ser estadsticamente vlidas con un 5%
significacin.
Aunque no se refieren resultados sobre la prediccin de nuevos crditos,
el modelo result ser interesante al identificar algunos factores que influan en
el impago de programas de microcrditos a grupos de personas.
Las conclusiones finales del trabajo hacen referencia a que la prctica
bancaria puede dar sus frutos en el mbito de las microfinanzas, abogando por
una relacin a largo plazo rentable entre las IMFs y aquellas personas que
tienen difcil acceso a los recursos financieros Los autores tambin sugieren
10
El modelo Tobit se define como un modelo de variable latente en el que:
y = 0 + x + u , u x Normal (0, 2 )
y = max(0, y )
(25)
donde, la variable latente y* satisface las suposiciones del modelo lineal clsico al poseer una
distribucin homocedstica normal con una media condicional lineal.
204

MICROFINANZAS
que el proceso de formacin de grupos solidarios y mancomunados incrementa

el xito en el reembolso y devolucin del crdito recibido.
Tabla II.31. Variables explicativas. Sharma y Zeller (1997).
VARIABLES
Valor del prstamo en la moneda de Bangladesh
Tamao del grupo solidario o mancomunado
Calidad y tamao de los terrenos de los clientes
Porcentaje de crdito concedido sobre el solicitado
Caractersticas culturales relativas entre los miembros del grupo
Nmero de incidencias personales de los miembros del grupo (*)
Proporcin de miembros del grupo que se dedican a la explotacin agrcola
Proporcin de nios de todos los hogares del grupo
Proporcin de mujeres de todos los hogares del grupo
Variable dummy en la que 1, si el grupo lo ha formado la entidad 0, si ha sido
formado particularmente
Duracin del prstamo solidario o mancomunado
Distancia desde el lugar de explotacin hasta nueve centros de servicios varios
Nmero de grupos existentes en el lugar de la explotacin (*)
Variable dummy en la que 1, si el lugar de explotacin se encuentra dentro del
programa "food-for-work" 0, en caso contrario (*)
Proporcin de tierra cultivada en regado (*)
Nmero de personas participantes en el grupo por cada 1.000 habitantes (*)
Dummy sucursal A
Dummy sucursal B
(*) Variables significativas al 5%
Fuente: Elaboracin propia a partir de Sharma y Zeller (1997).
II.5.3.
El modelo de Zeller
Muy similar al anterior fue el trabajo de Zeller (1998) en el que, aplicando

la misma metodologa estadstica (Tobit) elabor un modelo explicativo de
credit scoring para una entidad de microfinanzas de Madagascar, con un
historial de crdito compuesto por informacin relativa a 168 lneas de
microcrdito concedidas a grupos solidarios o mancomunados.
205

MICROFINANZAS
Cada programa o lnea de microcrditos contena informacin que fue

tomada en consideracin bajo 19 variables relativas a las caractersticas de la
comunidad o regin en la que se desarrollaba la actividad productiva,
caractersticas del programa o lnea de microcrditos en grupo y caractersticas
del grupo, en s, al cual se le conceda la lnea de crdito. Finalmente, 7 fueron
las variables que resultaron ser significativas a un nivel del 5%.
El alto grado de parecido de este trabajo con el anterior converge en la
obtencin de unas conclusiones similares entre las dos investigaciones.
Por otro lado, resulta interesante mencionar que Schreiner (2003) alega
que los modelos planteados por Sharma and Zeller (1997), Reinke (1998) y
Zeller (1998) no son estadsticamente vlidos, al igual que indica que los
modelos de Sharma y Zeller (1997) y de Zeller (1998) no son viables al estar
construidos sobre grupos mancomunados, argumentando que el scoring no
tiene validez para prstamos en grupo.
II.5.4.
El modelo de Reinke
Reinke (1998) por su parte dise un modelo de scoring para una

entidad de microfinanzas de Sudfrica, en su intencin de identificar los
factores ms relevantes en el impago de los clientes de la institucin. Para ello,
dispuso de un historial de crdito extrado en la organizacin, compuesto de
informacin acerca de 1.641 clientes, de los cuales 459 correspondan a una
sucursal de una pequea localidad rural y 1.182 lo eran de una sucursal de la
capital del pas (Johannesburgo). Las ocho variables explicativas del fenmeno
de impago, y que finalmente formaron parte del modelo final, son mostradas en
la tabla II.32. En dicho cuadro puede apreciarse como las variables explicativas
consideradas para el modelo son variables dummy que reflejan la pertenencia,
o no, de una determinada cualidad.
206

MICROFINANZAS
Tabla II.32. Variables explicativas. Reinke (1998).

VARIABLE
DESCRIPCIN
Sexo
Dummy : 1 = Hombre; 0 = Mujer
Nivel educativo
ndice interno estandarizado sobre el nivel educativo del

cliente. (0 EDU 1)
Clasificacin del cliente
Dummy : 1 = Calificado con problemas potenciales; 0 =

Calificado sin problemas potenciales
Duracin
Dummy : 1 = Prstamo inciado antes del 01/01/1994; 0 =

Prstamo inciado despus del 01/01/1994
Propiedad de negocio
Dummy : 1 = Cliente es propietario de un negocio; 0 =

Cliente no es propietario de un negocio
Spaza
Dummy : 1 = Cliente no trabaja con la cadena de

hipermecados SPAZA; 0 = Lo contrario
Edad
Dummy : 1 = Cliente naci antes de 01/01/1965; 0 = Cliente

naci despus de 01/01/1965
Zona
Dummy : 1 = Sucursal de Johannesburgo; 0 = Sucursal de

localidad extrarradio
Fuente: Elaboracin propia a partir de Reinke (1998).
Respecto al resto de la investigacin, conviene mencionar que el autor

no refiere resultado alguno de la misma, a la vez que tampoco realiza ninguna
valoracin del modelo con medidas de bondad del ajuste. Sin embargo,
teniendo en cuenta que se trata de un modelo explicativo sin intencin, al
parecer, de contribuir al pronstico de nuevos clientes, aporta una
interpretacin detallada de los factores que incorporan una probabilidad de
impago sobre el crdito concedido, todo ello, en funcin de los signos de los
estimadores obtenidos en el modelo final.
II.5.5.
El modelo de Schreiner
El modelo de Schreiner (1999), quizs constituya la aplicacin ms llana

y sencilla en cuanto a su entendimiento, de los modelos de credit scoring
planteados para entidades de microfinanzas, motivo por el cual dicho modelo
se constituye como una referencia de todas las aplicaciones de calificacin
estadstica para los clientes de microcrdito.
207

MICROFINANZAS
Este modelo fue elaborado para Bancosol, una IMF de Bolivia, cuya
sucursal de La Paz se erige como la agencia microfinanciera con mayor
nmero de clientes a nivel mundial, y en la que se contaba con un historial de
crdito con informacin de 39.956 prstamos.
En el diseo del modelo de scoring para la entidad boliviana, el autor
dispona de informacin que configur como las trece variables explicativas que
podemos apreciar en la tabla II.33. A pesar de no ser un nmero demasiado
elevado de variables, stas fueron definidas como politmicas o categricas,
hecho que supuso que la base de datos albergara una mayor informacin.
Tabla II.33. Variables explicativas. Schreiner (1999).
Variable Independiente
Crditos previos
Meses desde el primer crdito
Duracin del atraso mximo en el

crdito previo
Nmero de atrasos en el crdito

previo
Gnero
Sector
Monto desembolsado
Categora
Descripcin
0
1
2
3
4
5
6
7
8
9
0
1
2
3
4
0
1
2
3
4
5
6
7
8
9
10
11
12
13
0
1
2
3
4
5
0
1
0
1
2
0
1
2
3
4
5
6
7
8
9 ms
0-6
7-19
20-53
54-147
148 ms
0
1
2
3
4
5
6
7
8
9
10-14
15-23
24-30
31 ms
0-1
2
3
4
56
7 ms
Hombre
Mujer
Manufactura
Comercio
Cambio de sector
Numrica
Variable Independiente
Garanta
Sucursal
Experiencia del oficial de crdito

(en meses)
Oficial de crdito
Ao de desembolso
Mes del desembolso
Categora
Descripcin
0
1
2
3
4
0
1
2
3
4
5
6
7
8
0
1
2
3
4
0
1
2
,,,
38
39
0
1
2
3
4
5
0
1
2
3
4
5
6
7
8
9
10
11
Otro
Personal
Ninguna
Mltiple
Cambio de garanta
Otras
Sucursal 1
Sucursal 2
Sucursal 3
Sucursal 4
Sucursal 5
Sucursal 6
Sucursal 7
Cambio de sucursal
0-6
7-19
20-53
54-147
148 ms
Otros
Oficial 1
Oficial 2
Oficial 38
Cambio de oficial
1988-1991
1992
1993
1994
1995
1996
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Fuente: Elaboracin propia a partir de Schreiner (1999).
Tal y como observamos en la tabla II.34, los resultados de la

investigacin resultaron ser ms que aceptables, aunque, a nuestro entender,
208

MICROFINANZAS
se trata de un modelo no demasiado vlido al considerar las trece variables

explicativas, siendo algunas de ellas no significativas segn la aplicacin logit
desarrollada. Por otra parte, se trata de un modelo con unos resultados
irregulares en cuanto al porcentaje correcto de clasificacin, dada la gran
diferencia entre los valores de la sensibilidad y especificidad, hecho que se
manifiesta en la escasa distancia respecto a la clasificacin de los grupos
definidos en la variable dependiente.
Tabla II.34. Resultados del modelo prediccin. Schreiner (1999)11.
Observado
PC = 0,00
PC = 0,05
PC = 0,10
PC = 0,15
PC = 0,20
PC = 0,25
PC = 0,30
PC = 1,0
Sensibilidad
Especificidad
0,00%
100,00%
55,82%
70,76%
80,80%
36,69%
93,09%
18,95%
96,76%
10,73%
98,43%
5,70%
98,45%
2,96%
100,00%
0,00%
8,65%
57,12%
76,99%
86,68%
89,32%
90,41%
90,24%
91,35%
PCC
Fuente: Elaboracin propia a partir de Schreiner (1999).
II.5.6.
El modelo de Vogelgesand
El siguiente modelo de scoring para microfinanzas que analizamos

corresponde a Vogelgesand (2003), quien desarrolla una aplicacin que tiene
como objetivo predecir el riesgo de impago en la entidad de microfinanzas
boliviana de Caja Los Andes.
Respecto a la tcnica empleada, el autor presenta un modelo de utilidad
aleatoria (regresin logstica multinomial) apoyado por la estimacin con
modelos probit bivariados. El historial de crdito utilizado para su construccin
fue construido a travs de documentos gerenciales de la entidad y de
anotaciones realizadas por los oficiales de crdito tras la ejecucin de visitas
programadas a los negocios y hogares de los prestatarios potenciales. En
consecuencia, la base de datos disponible para la elaboracin del modelo de
credit scoring contena informacin perteneciente a aproximadamente 76.000
clientes de la institucin correspondiente al perodo de tiempo que transcurre
11
PC: Punto de corte.

PCC: Porcentaje correcto en la clasificacin.
209

MICROFINANZAS
entre mayo de 1992 y junio de 2000 donde, finalmente, el investigador dispuso

de 8.002 crditos completos en informacin. A este respecto, las variables
explicativas contenidas en la base de datos, tal y como puede apreciarse en la
tabla II.35, fueron agrupadas en variables personales del cliente, variables del
negocio, variables del prstamo y variables del entorno.
Tabla II.35. Variables explicativas. Vogelgesand (2003).
Tipo de variable
Variables Personales
Variables del Negocio
Variables del Prstamo
Variables del Entorno
Variable
Estado civil
Gnero
Crditos impagados en otras entidades financieras
Logaritmo de la edad del cliente
Logaritmo de los ingresos que no proceden del negocio
Logaritmo de los ingresos que proceden del negocio
Promedio de atrasos anteriores
Atraso mximo anterior
Logaritmo de los activos
Ratio pasivos sobre los activos
Dummy: si el cliente posee prstamos en otras entidades
Logaritmo de la antigedad del negocio
Dummy: sector comercial frente a sector produccin
Dummy: sector servicios frente a sector produccin
Tamao del prstamo: logaritmo de la cantidad aprobada
Diferencia entre la cantidad aprobada y la solicitada
Dummy: crdito preferencial
Tasa de inters
Importe de la comisin cargada al prstamo
Dummy: Penalizaciones por retrasos en crditos anteriores
Dummy: reembolsos semanales
Dummy: reembolsos quincenales
Dummy: reembolsos irregulares
Duracin del prstamo en das
Nmero de reembolsos programados
Logaritmo del valor de las garantas
Dummy: existencia de avalista
Dummy: prstamo desembolsado en Cochabamba
Dummy: prstamo desembolsado en Sucre
Dummy: prstamo desembolsado en Trinidad
Dummy: prstamo desembolsado en Tarija
Proporcin de clientes con prstamos en otras entidades
Renta per cpita de la cartera de IMFs
Tolerancia de uno o dos das de atraso
Nmero de registros de crditos "malos"
Ratio de crecimiento trimestral (fuente INE)
Dummy: ao 199x
Fuente: Elaboracin propia a partir de Vogelgesand (2003).
El estudio propuesto fue elaborado con una variable dependiente doble,

en la que, en primer lugar, consideraba como crditos malos los que tuvieron
un atraso de un da y, en segundo lugar, un estudio similar en el que el lmite
de tiempo para considerar a un cliente como moroso se fijaba en diez das. Por
otro lado, tambin se analiz la conveniencia de aceptar o rechazar un
prstamo tomando como variable dependiente aquella que confronta
210

MICROFINANZAS
prstamos concedidos frente a prstamos rechazados. Segn el procedimiento

planteado, los resultados sugieren un poder de prediccin relativamente bajo.
Por ejemplo, utilizando como punto de corte 0,4, el valor de la sensibilidad
ascenda a un 71,89%, mientras que el valor de la especificidad se situaba en
torno a un 53,85%, siendo el porcentaje correcto en la clasificacin global de un
63,54%. A pesar de simular estos resultados para distintos puntos de corte, el
porcentaje correcto de clasificacin con valores cercanos de la sensibilidad y
especificidad de este modelo de scoring, no consiguieron mejorar este
porcentaje.
II.5.7.
El modelo de Diallo
Por su parte, Diallo (2006) utiliz la regresin logstica para construir un

modelo de credit scoring para una entidad de microfinanzas de Mali y
compararlo con un anlisis discriminante respecto a los resultados obtenidos.
En su objetivo, trata tambin de explicar los factores que afectan al impago del
prstamo, definido como atraso de ms de 30 das, sobre una muestra de 269
crditos obtenidos del historial crediticio de la institucin Nysigiso. Para ello,
dispuso de una amplia informacin relativa a esos crditos, la cual fue
contemplada bajo la consideracin de las 27 variables explicativas que se
muestran en la tabla II.36. Puede observarse como, ante la escasez de
variables cuantitativas, la base de datos ha sido elaborada, fundamentalmente,
con variables que describen la pertenencia o no de alguna determinada
cualidad o, dicho de otro modo, con variables cualitativas.
En virtud de la informacin contenida en la tabla II.37, el modelo de
regresin logstica mejora la capacidad predictiva del anlisis discriminante,
acercando, si cabe an, los valores de la sensibilidad y especificidad.
211

MICROFINANZAS
Tabla II.36. Variables explicativas. Diallo (2006).

Variable
Edad
Profesin
Nivel educativo
Gnero
Estado civil
Nmero de hijos
Ingresos anuales estimados
Vnculo con los empleados
Montante solicitado
Montante concedido
Destino del crdito
Importe de los gastos financieros
Valor estimado de las garantas reales
Tipo de garantas
Tiempo (en das) transcurrido entre la solicitud y la concesin del crdito (*)
Capacidad de pago
Nmero de crditos concedidos tras la incorporacin a la IMF (*)
Nmero de crditos anteriores impagados
Frecuencia de las cuotas peridicas
Montante atrasado del prstamo
Motivos del atraso
Duracin del prstamo (en das)
Experiencia del oficial de crdito (en aos)
Ratio: gastos financieros / montante del prstamo (*)
Tasa de inters (*)
Ratio: cantidad solicitada / cantidad aceptada (*)
Ratio: capacidad mensual de reembolso / cantidad mensual para el reembolso
(*) Variables incluidas en el modelo
Fuente: Elaboracin propia a partir de Diallo (2006).
Tabla II.37. Resultados del modelo prediccin. Diallo (2006).

Observado
Pronosticado
Pagadores
Fallidos
Pagadores
154
24
Fallidos
44
47
REGRESIN LOGSTICA:
Pronosticado
Observado
Pagadores
Fallidos
Pagadores
152
26
Fallidos
41
50
Porcentaje
86,52%
51,65%
74,72%
Porcentaje
85,39%
54,95%
75,09%
Fuente: Elaboracin propia a partir de Diallo (2006).
212

MICROFINANZAS
II.5.8.
El modelo de Meier y Balke
Meier y Balke (2006) desarrollan una investigacin explicativa de los

factores de impago en una cartera de microcrditos de una IMF de Azerbaiyn.
En dicha aplicacin, los autores plantean desarrollar un modelo de regresin
logstica, definiendo la variable dependiente, es decir, el concepto de impago
segn el nmero de das de retraso que supongan un coste extra para la
entidad, simulando la misma aplicacin para 0, 1, 2, 4 y 9 das de retraso como
condicin para definir la variable explicada.
El historial de crdito disponible en la IMF de la investigacin estaba
compuesto por 10.053 observaciones, cuyas variables explicativas del
fenmeno de la morosidad de clientes, en la lnea de las variables utilizadas en
microfinanzas, pueden ser observadas en la tabla II.38.
Tabla II.38. Variables explicativas. Meier y Balke (2006).
Variable
1.- Estado civil
18.- Nmero de empleados del negocio (*)
2.- Gnero
19.- Nmero de crditos concedidos anteriormente
3.- Edad (*)
20.- Nmero de cuotas anteriores en mora
4.- Nmero de miembros en la unidad familiar
21.- Mora mayor (en das)
5.- Montante del crdito (*)
22.- Antigedad del negocio (*)
6.- Sector de actividad (*)
23.- Saldo activo corriente
7.- Importe ventas mensuales (*)
24.- Saldo tesorera
8.- Activos totales
25.- Saldo crditos
9.- Ingresos familiares totales (*)
26.- Saldo existencias
10.- Gastos familiares totales (*)
27.- Saldo activo fijo
11.- Ratio de endeudamiento (*)
28.- Saldo pasivo a corto plazo
12.- Beneficio bruto
29.- Saldo pasivo a largo plazo
13.- Beneficio neto
30.- Fondos propios
14.- Rotacin de activos
31.- Flujo neto de caja
15.- Deuda a corto plazo
32.- Otros ingresos
16.- Liquidez
33.- Capacidad de pago (*)
17.- Nmero de puntos de venta
34.- Garantas (si / no)
(*) Variables incluidas en el modelo cuya variable dependiente se define con retraso que supone un coste a
la organizacin de 2 das.
Fuente: Elaboracin propia a partir de Meier y Balke (2006).
Hubiera sido interesante presentar resultados de este trabajo en lo que a

porcentaje correcto de prediccin se refiere pero, lamentablemente, los autores
se centraron en elaborar un modelo de credit scoring con la finalidad de
213

MICROFINANZAS
explicar (y no de predecir) el riesgo de impago de una entidad de microfinanzas

de Azerbaiyn.
II.5.9.
El modelo de Dinh y Kleimeier
La aplicacin de credit scoring de Dinh y Kleimeier (2007) est

desarrollada para la banca minorista de Vietnam, en la que los autores
contaron con una cartera completa de prstamos, concretamente 56.037, sobre
los que desarrollaron un modelo de regresin logstica binaria. Aunque la
cartera contiene crditos hipotecarios, no siendo objeto de nuestro estudio para
las microfinanzas, el nmero de stos es relativamente reducido en relacin a
los crditos a pymes.
El objetivo del trabajo consiste en estimar la probabilidad de insolvencia
para una cartera minorista de crditos para, con posterioridad, construir un
sistema de ratings interno y un modelo IRB bsico de evaluacin del riesgo de
crdito bajo los acuerdos de la nueva normativa de Basilea II.
Sobre el modelo de credit scoring desarrollado, la tabla II.39 nos muestra
las variables empleadas en el diseo, donde destacamos la caracterizacin
categrica de todas ellas. Respecto a las variables incluidas en el modelo final
de scoring, conviene mencionar que los autores consideraron aquellas que
eran coherentes segn el signo del estimador, teniendo en cuenta que slo
nueve de ellas tenan un nivel de significacin por debajo del 5%.
214

MICROFINANZAS
Tabla II.39. Variables explicativas. Dinh y Kleimeier (2007).
Variables categoricas
Ingresos mensuales
Nivel educativo (*)
Situacin laboral
Tipo de empleo
Tiempo de contrato laboral (aos)
Edad (aos)
Gnero (*)
Regin geogrfica (*)
Tiempo en el actual domicilio (*)
Estado residencial (*)
Estado civil (*)
(*) Variables incluidas en el modelo
Nmero de dependientes (*)

Telfono en el domicilio (*)
Telfono mvil
Destino del crdito (*)
Tipo de garanta (*)
Valor estimado de la garanta (*)
Duracin del prstamo (meses) (*)
Tiempo como cliente de la institucin (*)
Nmero de crditos anteriores (*)
Cuenta corriente (*)
Cuenta de ahorro (*)
Fuente: Elaboracin propia a partir de Dinh y Kleimeier (2007).
Realizada la matizacin anterior, los resultados del modelo de credit

scoring resultaron ser muy alentadores, en los que el valor de la sensibilidad
ascenda al 98,38%, y los de la especificidad a un 78,63%, siendo el porcentaje
correcto en la clasificacin global de un 97,02%.
II.5.10. El modelo de Van Gool et al

El ltimo trabajo que presentamos sobre evaluacin del riesgo de
impago en el mbito de las microfinanzas corresponde a Van Gool et al (2009).
Para la cartera compuesta por 6.722 microcrditos vencidos de una entidad de
microfinanzas
de
Bosnia-Herzegovina,
los
autores
desarrollaron
dos
experimentos empleando, para ello, la regresin logstica binaria. De los 6.722

prstamos de la cartera, 4.705 (el 70%) fueron utilizados para la estimacin del
modelo de credit scoring, mientras que el resto, 2.017 (el 30%), tenan por
objeto validarlo. La nica diferencia entre las dos aplicaciones radica en el
tratamiento de las variables explicativas empleadas que mostramos en la tabla
II.40. El modelo nmero 1 define las variables explicativas, todas ellas, como
categricas, mientras que el modelo nmero 2 las define como continuas.
215

MICROFINANZAS
Tabla II.40. Variables explicativas. Van Gool et al (2009).

Agrupacin
Variable
Edad
Experiencia laboral
Beneficio neto del negocio
Variables del
Capital del negocio
prestatario
Negocio registrado
Ganancias netas del hogar
Capital del hogar
Otras deudas
Destino del crdito
Montante del crdito
Duracin (en meses)
Variables del prstamo
Calificacin del cliente segn la entidad
Mes de concesin del crdito
Ao de concesin del crdito
Variables del
Sucursal
prestamista
Analista u oficial de crdito
Fuente: Elaboracin propia a partir de Van Gool et al (2009).
Teniendo en cuenta que la variable dependiente fue definida como una

variable dummy que toma valor uno (1) para aquellos clientes que se retrasan
dos o ms das en el pago en alguna de sus cuotas, y cero (0) para crditos
que son pagados o que no sufren un retraso mayor a esos dos das, los
resultados obtenidos en los dos modelos elaborados se muestran en la tabla
II.41.
Tabla II.41. Resultados del modelo prediccin. Van Gool et al (2009).
Fuente: Van Gool et al (2009).
216

MICROFINANZAS
II.6. LIMITACIONES EN LA CONSTRUCCIN DE LOS MODELOS DE CREDIT

SCORING PARA LAS MICROFINANZAS
Las diferencias en los modelos de gestin del riesgo entre la banca

comercial y las IMFs hacen posible la identificacin de algunas limitaciones en
la elaboracin de modelos de credit scoring para el negocio microbancario.
Aunque ello no es inconveniente para que una situacin contraria no pueda
sucederse. As, cuando Mester (1997) establece una serie de limitaciones del
credit scoring, sugiere que un modelo que no mantenga una proporcin similar
de crditos que aporten elevados rendimientos, a crditos cuya contribucin al
margen de intermediacin financiera no sea tan elevada, no se encuentra
correctamente elaborado a causa de no recoger una amplia informacin de las
caractersticas que puedan suponer un aumento del riesgo de impago. Sin
embargo, entendemos que esta limitacin identificada para la banca comercial,
no lo es tanto para las IMFs, dado que segn la funcin econmica y social que
define al microcrdito y a las entidades que los conceden, stas vienen
concediendo crditos sin atender estrictamente al objetivo de la maximizacin
del resultado. Como consecuencia, la cartera de crditos de una IMFs se
compone de crditos de diversa ndole, en el sentido que el exceso de riesgo
de uno de ellos puede verse compensado por la elevada rentabilidad que
pueda aportar otro y, por tanto, encontramos en ella factores de riesgo ms
distinguidos.
Por otra parte, la cuestin fundamental que actualmente se plantea en
los trabajos de investigacin sobre credit scoring es si los modelos estadsticos
de riesgo de crdito son aplicables o no a las instituciones de microfinanzas.
Segn Schreiner (2000), Aunque la calificacin es menos poderosa en los
pases pobres que en los pases ricos, y a pesar de que la calificacin en las
microfinanzas no reemplazar el conocimiento personal del carcter por los
analistas de crdito y por los grupos de crdito, la calificacin puede mejorar
las estimaciones del riesgo y as disminuir los costos. Por tanto, la calificacin
complementa pero no sustituye- las tecnologas usadas actualmente en las
microfinanzas.
217

MICROFINANZAS
La construccin de un modelo de credit scoring para las instituciones de

microfinanzas implica una serie de limitaciones y desventajas que incrementan
la dificultad para llegar a unos resultados razonables. A continuacin
exponemos algunas de esas limitaciones que, bien otros autores han revelado
en el intento de consecucin de un modelo de scoring para las microfinanzas, o
que bien nosotros mismos hemos podido detectar en la elaboracin del
presente trabajo. Las limitaciones que presentamos quedan agrupadas,
fundamentalmente, en limitaciones halladas en los historiales de crdito;
limitaciones referidas a la figura del analista de crdito y, por ltimo, las
limitaciones propias del sistema de informacin.
a) El historial de crdito
El negocio de las IMFs se ha caracterizado por tener historiales de
crditos irregulares, incompletos y con un nmero escaso de observaciones
sobre el prstamo. Si lo que pretendemos es analizar el comportamiento de
pago de un cliente de microcrdito, se requiere una base de datos amplia que
recoja prstamos que han resultado impagados en algunas de sus cuotas entre
su concesin y su fecha de vencimiento.
Segn lo indicado, y teniendo en cuenta las caractersticas peculiares de
los historiales de crdito de las IMFs diferentes a las del negocio bancario, nos
encontramos una informacin econmica y financiera insuficiente para
identificar los factores de riesgo de la realidad empresarial del cliente de
microcrdito. En consecuencia, para cubrir la insuficiencia informativa
anteriormente comentada, los historiales de crdito de las IMFs han de
completarse con caractersticas y variables menos significativas y de corte
cualitativo.
Por otra parte, el problema de tener historiales de crditos irregulares e
incompletos afecta directamente al nmero de observaciones finales con la que
construir el modelo de credit scoring. Ello implica que, en caso de no disponer
con un historial de crdito amplio en lo que a nmero de observaciones se
218

MICROFINANZAS
refiere, la base de datos final podra quedarse con un nmero de casos poco
representativo de la poblacin, lo que nos conducira a un modelo de credit
scoring imperfecto.
Adems, las IMFs normalmente no cuentan con informacin en sus
bases de datos sobre clientes a los que se deneg el crdito debido a que no
pasaron en su momento la evaluacin estndar del analista. Por tanto, slo se
podr contar con la informacin de aquellas solicitudes de crditos
consideradas en la fase de aprobacin en su momento.
b) La figura del analista de crdito
A diferencia de las entidades financieras, la elaboracin de un modelo de
calificacin estadstica para las microfinanzas requiere la intervencin de un
analista de crdito en la recopilacin y captacin de informacin para el historial
de crdito. El analista recoge informacin de tipo personal y cualitativo sobre el
cliente, informacin que pueda acumular factores de riesgo de cara a la
devolucin del crdito concedido. Por otra parte, el analista es el responsable
de una inspeccin econmica y financiera del negocio y del hogar del cliente,
as como de su correcta valoracin.
Por consiguiente, el inconveniente que se presenta hace referencia a
que este proceso puede estar muy condicionado por la opinin subjetiva del
analista.
c) El sistema de informacin
La informacin recogida por el analista u oficial de crdito ha de ser
integrada correctamente en el sistema de informacin de gestin de la entidad
de microfinanzas, labor que requiere un programador u operario destinado a tal
funcin. La probabilidad de cometer errores en esta actuacin, o la no
introduccin de datos en un tiempo razonable, constituye un motivo para que el
modelo diseado pueda carecer de significado.
219

MICROFINANZAS
Para concluir, hemos de decir que con el paso de los aos desde las
primeras aplicaciones de credit scoring para microfinanzas, y gracias al
desarrollo tecnolgico, los historiales de crdito de las IMFs se estn
regularizando y adoptando formas mucho ms completas en informacin. Por
este motivo, podemos afirmar que las limitaciones anteriormente comentadas
se estn mitigando conforme el tiempo transcurre.
II.7. VENTAJAS E INCONVENIENTES DE LA ELABORACIN DE UN MODELO

DE SCORING PARA UNA INSTITUCIN DE MICROFINANZAS
A pesar de las limitaciones existentes en la elaboracin de modelos de

credit scoring para IMFs, una vez superadas stas mediante la formulacin de
una estrategia metodolgica adecuada, podemos identificar una serie de
ventajas e inconvenientes en la construccin de un sistema que mida el riesgo
de impago de un cliente potencial de la institucin.
Las IMFs han basado la decisin de concesin o rechazo de una
solicitud de un microcrdito en el uso de un scoring subjetivo del analista de
crdito. Sin embargo, la utilizacin de sistemas estadsticos de calificacin
crediticia frente a dicho anlisis subjetivo supone la presencia de una lista de
ventajas, al igual que una serie de inconvenientes.
En lo que sigue, nos hemos basado en el trabajo de Schreiner (2004)
para recopilar las ventajas e inconvenientes que conlleva la elaboracin de un
modelo de credit scoring en el paradigma de las microfinanzas. En esta lnea,
hemos profundizado en aquello que ha tenido o ha podido tener alguna
repercusin en la elaboracin de los modelos de credit scoring para dos
entidades de microfinanzas expuesta en el captulo 4 del presente trabajo de
investigacin.
220

MICROFINANZAS
III.7.1. Ventajas del credit scoring en las IMFs

El xito de la calificacin estadstica puede depender de diversos
factores que afectan a la entidad de microfinanzas que desee implantar este
tipo de modelos. Las posibilidades de xito de la calificacin del riesgo de
crdito se encuentran resumidas en una serie de ventajas que pasamos a
comentar de forma resumida.
Informacin de la clasificacin en trminos de probabilidad

Uno de los objetivos principales del presente trabajo de investigacin
consiste en disear un sistema de gestin del riesgo de microcrdito acorde a
la norma de Basilea II. En este sentido, la elaboracin de un sistema de rating
interno requiere que la prediccin sobre un cliente de una IMF respecto a si es
pagador o moroso del crdito concedido se encuentre expresada en trminos
de probabilidad. Por este motivo, la eleccin de la tcnica empleada en la
construccin de un modelo de credit scoring tiene una importancia relevante si
se pretende alcanzar el mencionado objetivo.
La eleccin de una tcnica que aporte probabilidad de impago supone
una ventaja sobre la utilizacin de un scoring basado en la decisin subjetiva
del analista de crdito que, a priori, constituye una de las limitaciones
comentadas en el epgrafe anterior.
Objetividad y consistencia en la toma de decisiones

Los modelos de credit scoring que emplean tcnicas paramtricas y no
paramtricas proporcionan resultados objetivos en sus pronsticos. De este
modo, dos observaciones diferentes de una muestra que presenten idnticas
caractersticas o variables de entrada, son pronosticadas con el mismo
resultado final. Sin embargo, la utilizacin de sistemas subjetivos de scoring,
hace probable que estas observaciones con las mismas caractersticas resulten
221

MICROFINANZAS
ser pronosticadas en grupos de decisin diferentes, debido, fundamentalmente,

a factores diversos relativos a la subjetividad del analista de crdito.
Por otro lado, el uso de un modelo de credit scoring asume que el
analista es conocedor de todos los factores que influyen en el riesgo de impago
del prestatario, pues el modelo es construido a partir de la informacin
contenida en el historial crediticio, ofreciendo resultados que tienen en cuenta
esta premisa. Por el contrario, la decisin puntual de un analista de crdito
sobre la concesin o rechazo de un prstamo sin modelo de credit scoring
alguno, no rene tanta informacin sobre los factores de riesgo de un
determinado cliente.
Quiere decirse pues, que una ventaja importante del uso de modelos de
credit scoring es que ste puede albergar un amplio nmero de factores de
forma simultnea.
Validacin de los modelos

Una vez elaborado el modelo de credit scoring, se procede a su
validacin mediante simulaciones de distintos escenarios. En consecuencia, se
obtienen unos resultados que son comparables con la realidad observada del
crdito, es decir, se comprueba si el pronstico sobre ste coincide o no con lo
observado. Por su parte, descartamos toda prueba sobre la capacidad de
pronstico del scoring subjetivo habitualmente llevado a cabo por las IMFs.
Ventajas colaterales
Como acabamos de comentar, las limitaciones de los historiales de
crdito de las IMFs se reflejaban en la escasez e irregularidad informativa
sobre las caractersticas de sus clientes. En consecuencia, la administracin de
riesgos de una organizacin de microfinanzas resulta ser ineficiente y poco
evolucionada.
222

MICROFINANZAS
No obstante, el desarrollo de una aplicacin de credit scoring implica una

metodologa ordenada de procesos, entre los que se encuentra el
mantenimiento correcto del historial de crdito. Por otra parte, un historial
crediticio correctamente estructurado permitira a la entidad conocer los
productos financieros ms convenientes segn las necesidades de cada cliente
o grupos de clientes.
Dado que cada pronstico tiene asociado un nivel de riesgo especfico,
el credit scoring permite hacer los cruces necesarios entre variables para
identificar segmentos de clientes claramente definidos y aptos para ser
diferenciados. Sin embargo, un analista de crdito tiene muchas dificultades
para realizar un anlisis de variables cruzadas, algo que le condiciona bastante
para emitir un juicio sobre la concesin de un crdito.
Quiere decirse pues, que un modelo de credit scoring en las IMFs
implica una serie de ventajas colaterales al objetivo principal de predecir el
riesgo de impago de un cliente, ventajas resumidas en la eficiencia y eficacia
de la administracin y gestin de la entidad con un reflejo directo en la cuenta
de resultados de la entidad.
Reduccin de costes administrativos

Segn Mester (1997), la elaboracin de sistemas y aplicaciones de credit
scoring reduce el tiempo necesario para la aprobacin de una solicitud de
crdito, siendo ste el primer efecto positivo en lo que a reduccin del coste
administrativo se refiere.
Por otra parte, los resultados del credit scoring ponen de manifiesto las
probabilidades de incurrir en atraso en el pago de aquellos prestatarios que
incluso han atendido con xito su obligacin de pago. As, los analistas de
crdito podrn destinar un mayor esfuerzo sobre los clientes que tengan
mayores probabilidades de incurrir en una situacin de morosidad, descartando
a aquellos que el scoring revele una probabilidad mnima de impago.
223

MICROFINANZAS
Por ltimo, ante los crditos que han incurrido en mora, los analistas
pueden ayudarse de los resultados del scoring para establecer prioridades a la
hora de cobrar los crditos atrasados.
A la vista de lo expuesto, la reduccin del tiempo necesario para la
aprobacin de un crdito, la disminucin del tiempo y trabajo invertido en el
cobro de los crditos fallidos y, quizs, la reduccin del nmero de analistas de
la entidad, todo ello por la implementacin de un credit scoring, tiene una
manifestacin directa en una reduccin de los costes administrativos de la IMF.
III.7.2. Inconvenientes del credit scoring en las IMFs

Al igual que ventajas, el credit scoring aplicado a las microfinanzas tiene
una serie de inconvenientes. Hemos de considerar la necesidad de respetar
estos inconvenientes pues el credit scoring es una herramienta importante en la
que su mal uso puede resultar perjudicial para la entidad. En este sentido,
estamos de acuerdo con Greene (1992) cuando argumenta que los modelos de
scoring son complejos de manejar y que los usuarios del mismo podran
manipularlos segn su conveniencia. En nuestra opinin los modelos de credit
scoring aplicados a las IMFs no tienen que suponer un desplazamiento de las
funciones que realiza el analista de crdito, sino que ms bien debe constituirse
en una herramienta complementaria que le permita resumir un conjunto de
informacin que es cada vez ms compleja de analizar. Dicho esto, los
inconvenientes en la aplicacin de un modelo de evaluacin del riesgo de
impago en las IMFs son:
Requerimiento de informacin sobre un amplio nmero de crditos

La construccin de un modelo de credit scoring requiere una base de
datos con un nmero considerable de crditos cancelados y que resultaron ser
224

MICROFINANZAS
fallidos12. El inconveniente reside en que, fruto de las limitaciones de los

historiales crediticios de las IMFs, pocas entidades han conseguido reunir una
cifra aceptable de crditos con estas caractersticas, pues no han sido
suficientemente grandes durante cierto tiempo o no han elaborado un archivo o
historial de informacin crediticia adecuado.
Requerimiento de una informacin amplia por cada crdito

En los modelos de scoring para las entidades bancarias las predicciones
realizadas sobre la devolucin de los prstamos de sus clientes se aproximan a
la realidad dado que cuentan con un amplio historial crediticio a partir del cual
elaborar el modelo. Por el contrario, en las organizaciones de microfinanzas,
dada la ausencia y desorganizacin de esta informacin histrica de los
crditos, la evaluacin del riesgo de impago puede dictar unos resultados no
concluyentes, invalidando, por tanto, toda toma de decisiones.
Por otra parte, la persona encargada del mantenimiento y gestin del
historial de crdito ha de identificar y desechar la informacin que no sea
relevante en la deteccin del riesgo de impago. En las IMFs, a pesar de contar
con algn tipo de sistema gerencial, su informacin suele ser poco relevante
respecto al objetivo marcado, situacin que provoca el deterioro y caducidad de
la informacin del historial crediticio. Este hecho conecta con el siguiente
inconveniente al que aludimos.
Necesidad de actualizaciones constantes

Los modelos de credit scoring se disean para identificar un patrn de
comportamiento en lo que a deteccin del riesgo de morosidad se refiere para
un intervalo de tiempo determinado. Dicho en otras palabras, los modelos de
credit scoring asumen que el comportamiento futuro ser como el pasado. ste
resulta ser un inconveniente importante, pues si no se realizan frecuentes
12 Schreiner (2003) apunta a que aproximadamente 1.000 crditos que cumplan este requisito
basta para obtener unos resultados aceptables.
225

MICROFINANZAS
actualizaciones del proceso de estimacin del modelo, el resultado del proceso

desembocara en errores en la calificacin.
Por otra parte, justificamos la necesidad de realizar actualizaciones
constantes sobre los modelos estimados en aquellas aplicaciones construidas
con variables macroeconmicas, dado que stas sufren cambios bruscos
segn las fases del ciclo econmico.
Se basa en probabilidades y no en certezas.

Como ya se ha mencionado con anterioridad, los modelos de credit
scoring tienen la ventaja de que los resultados obtenidos pueden venir
expresados en trminos de probabilidad acorde con lo establecido por la
normativa de Basilea II. Sin embargo, por este motivo tambin nos enfrentamos
a un inconveniente puesto que, al no existir la certeza absoluta, aparecen los
denominados errores de la tabla de clasificacin. Bien es cierto, que las
decisiones de los analistas de crdito o scoring subjetivo no se libran de este
problema y, aunque el credit scoring se base en probabilidades y no en
certezas, posee la cualidad de cuantificar objetivamente las prdidas, no siendo
as por parte del analista de crdito.
Por otro lado, hemos de mencionar que es habitual por parte de la
gerencia de las IMFs admitir antes los errores del analista que los de una
aplicacin de credit scoring.
II.8. CONSIDERACIONES FINALES

La revisin bibliogrfica realizada nos ha servido para captar el mtodo
de investigacin seguido por los autores consolidados en el campo de las
finanzas en lo que a riesgo de crdito se refiere. A su vez, nos ha resultado de
inters al extraer una serie de conclusiones a tener en cuenta en la elaboracin
226

MICROFINANZAS
del modelo de credit scoring para IMFs desarrollado en el captulo cuarto del
presente trabajo de investigacin.
Con la evolucin transcendida de los modelos de prediccin de quiebra
empresarial hacia los modelos de prediccin del riesgo de insolvencia de un
cliente de una institucin financiera, la metodologa empleada se ha visto
obligada a progresar a la hora de llegar a una consecucin eficiente de los
objetivos planteados por estas instituciones.
En primer lugar, los modelos de credit scoring construidos para carteras
corporativas de crditos utilizan variables explicativas que son relativamente
similares para todos los pases y regiones, centrndose, fundamentalmente, en
informacin extrada de los estados financieros de las grandes compaas
(Allen et al, 2004). Por este motivo, cuando la evaluacin del riesgo de crdito
an resultaba ser un campo inexplorado, las tcnicas empleadas en el anlisis
tenan un carcter ms rgido en cuanto a su funcionamiento. Ya con el paso
de los aos, respecto a las variables explicativas del fenmeno de impago por
parte de un prestatario, ha sido creciente la presencia de caractersticas
socioeconmicas (caractersticas personales del cliente, de su entorno familiar
y de su hogar) en detrimento de ratios econmicos y financieros, hecho que
nos resulta lgico al tener en cuenta que los sujetos evaluados empezaban a
ser las personas fsicas, con tanta o ms frecuencia que las grandes
compaas. Por otra parte, la evolucin del credit scoring vino a completarse
con la incorporacin de caractersticas que albergaban informacin relativa al
estado del ciclo de la economa bajo la forma de variables explicativas
macroeconmicas donde, segn nos indica la bibliografa revisada, se
mejoraban los resultados del problema de la clasificacin de los prestatarios
que solicitan un crdito.
En segundo lugar, concluimos que no existe un mtodo ptimo para
todas las carteras de crditos, sino que conviene estudiar el entorno basndose
en la experiencia reciente de la institucin analizada. A este respecto, puede
elegirse entre tcnicas paramtricas y tcnicas no paramtricas de credit
scoring, en las que cada metodologa tiene sus ventajas y sus inconvenientes,
227

MICROFINANZAS
las cuales se relacionan directamente con las hiptesis requeridas en cada

modelo. En cualquier caso, un estudio previo de la seleccin del modelo ayuda
en la toma de decisiones.
La revisin de la literatura especializada muestra que, en la construccin
de modelos de credit scoring, predominan los enfoques economtricos. El
motivo de este predominio se encuentra fundamentalmente en que, por lo
general, las metodologas estadsticas muestran resultados similares, y por
tanto, tienden a emplearse aquellas cuyo funcionamiento e interpretacin son
ms sencillos, en contraposicin con los enfoques ms sofisticados y de difcil
interpretacin, como puedan ser las redes neuronales.
Respecto al negocio de las microfinanzas, el escaso inters despertado
y la insuficiente normativa capaz de regularlas en sus orgenes, ha provocado
que su desarrollo sea mucho ms lento que el del negocio bancario. Este
hecho tuvo un efecto inmediato en sus modelos de gestin que, junto con la
prctica en pases en vas de desarrollo, ha derivado en una escasa literatura
respecto a modelos de gestin del riesgo de crdito. De esta forma, segn
hemos podido constatar, nos encontramos ante un campo de investigacin
poco explorado.
De acuerdo con lo que acabamos de sealar, los modelos de credit
scoring en microfinanzas se han visto marcados por importantes limitaciones,
casi todas ellas derivadas de los historiales de crditos irregulares y con
escasa informacin econmica y financiera relevante para el estudio del riesgo
de impago de un cliente de microcrdito. Por este motivo, la eleccin de la
tcnica empleada en los scoring en las microfinanzas resulta ser una tarea de
importante y complicada para el investigador donde, segn se desprende de la
literatura relacionada, el modelo de regresin logstica resulta ser el mtodo
ms apropiado, a nuestro entender, por tres motivos fundamentales:
a)
Mejor tratamiento de las variables cualitativas consideradas como

categricas o politmicas.
228

MICROFINANZAS
b)
Se trata de una metodologa que clasifica a los clientes aportando

probabilidades de pertenencia a cada uno de los grupos definidos
en la variable dependiente y,
c)
Al formar parte de las tcnicas paramtricas de credit scoring, la

comprensin del proceso y de los resultados es mucho mayor que
si se tratarse de cualquier otra tcnica no paramtrica.
Sin embargo, las limitaciones del diseo de aplicaciones de credit

scoring para las microfinanzas han derivado en problemas de modelizacin en
los que, para obtener unos resultados aceptables, en determinados casos
algunos autores han tenido que aceptar en el modelo final variables
estadsticamente no significativas.
Respecto a las variables explicativas, las investigaciones publicadas
coinciden en una alta proporcin de variables utilizadas para la construccin de
modelos de scoring, donde las variables socioeconmicas del prestatario, as
como las variables del crdito de la operacin de prstamo, son las ms
empleadas para tal finalidad. No obstante, consideramos interesante la
posibilidad de incluir variables macroeconmicas al igual que en modelos
diseados para la banca comercial, dado que los clientes de las IMFs son
igualmente susceptibles de afectacin por el estado del ciclo econmico
vigente durante el periodo de tiempo en el que el microcrdito se encuentre
vigente.
As las cosas, se viene sosteniendo que los modelos de credit scoring en
microfinanzas an no se encuentran en disposicin de sustituir la decisin de
un analista de crdito, sino de complementarla (Schreiner, 2000). En nuestra
opinin, consideramos que tras el paso de los aos, y gracias al avance de las
nuevas tecnologas, los historiales de crdito en las IMFs han ido ganando
riqueza informativa que, junto con preparacin, un continuo seguimiento del
sistema y una confianza en que el mtodo puede funcionar, los modelos de
scoring en el paradigma de las microfinanzas se encuentran en disposicin de
tomar decisiones en la misma medida que lo hacen para la banca comercial en
los pases desarrollados.
229

MICROFINANZAS
230
BLOQUE 2:
INVESTIGACIN EMPRICA
CAPTULO III
LA EVALUACIN Y CONCESIN DE MICROCRDITOS
III.1. Introduccin.
III.2. Fases de la concesin de un microcrdito.
III.2.1. Fase 1: Investigacin de mercado y promocin del crdito.
III.2.2. Fase 2: Informes de crditos para clientes nuevos o recurrentes.
III.2.3. Fase 3: Recepcin de documentos y evaluacin del expediente de
crdito.
III.2.4. Fase 4: Evaluacin de las garantas.
III.2.5. Fase 5: Aprobacin de la solicitud de crdito.
III.2.6. Consideracin del entorno econmico.
III.3. Anlisis de la cartera crediticia.
III.4. Seleccin y anlisis previo de las variables explicativas.
III.4.1. Variables obtenidas de la investigacin de mercado y promocin
del crdito.
III.4.2. Variables obtenidas a partir de los informes de crditos para
clientes nuevos o recurrentes.
III.4.3. Variables obtenidas de la recepcin de documentos y evaluacin
del expediente de crdito.
III.4.3.1.
Variables
del
anlisis
de
la
actividad
econmica
desarrollada por el cliente.

III.4.3.2.
Variables de la revisin de Centrales de Riesgos e

historiales de crdito.
III.4.3.3.
Variables de la inspeccin econmica y financiera de la

microempresa.
III.4.4. Variables obtenidas de la evaluacin de las garantas.
CAPTULO III: LA EVALUACIN Y CONCESIN DE MICROCRDITOS
III.4.5. Variables obtenidas a partir de la aprobacin de la solicitud de

crdito.
III.4.6. Variables macroeconmicas.
III.5. Consideraciones finales.
234
III.1. INTRODUCCIN
En la lnea de las consideraciones finales extradas en el captulo
anterior, la explicacin y prediccin del riesgo de impago en microfinanzas
deben ser abordadas de una manera distinta a como se viene haciendo en la
banca comercial debido a las limitaciones de las bases de datos y al proceso
de elaboracin de un sistema de medicin del riesgo de microcrdito. Unos
historiales de crdito poco desarrollados y faltos de informacin impiden
predecir la probabilidad que un cliente tiene de no atender al pago de la deuda
mediante el uso de los sistemas tradicionales de credit scoring desarrollados
para la banca.
La actividad de las IMFs se basa en ofrecer servicios de ahorro y crdito
a aquellos sectores de la poblacin con mayores problemas de acceso a los
recursos financieros. Para ello, ofrecen crditos pequeos, normalmente a
corto plazo y, habitualmente, sin garantas que los respalden. Por estos y otros
motivos, es por lo que, en la actualidad, existe una ausencia importante de
mecanismos cuantitativos capaces de medir el riesgo de la actividad crediticia
de las IMFs, en comparacin con el resto del sistema financiero.
La revisin a la literatura especializada de credit scoring en la banca
comercial nos indica que los modelos de prediccin de impago del cliente se
encuentran completamente desarrollados para su propsito. Sin embargo,
puede decirse lo mismo para el caso de los modelos de scoring en
microfinanzas?. La respuesta a esta pregunta es evidente, ya que los modelos
de scoring en microfinanzas acaban de comenzar a desarrollarse e
implantarse.
En el captulo primero concluimos que la aplicacin de las herramientas
de gestin de las finanzas formales a las microfinanzas desembocaba, con
frecuencia, en una mala praxis. En esta lnea, para el diseo de aplicaciones de
credit scoring en las IMFs no deben aplicarse los modelos empleados para la
banca, puesto que sus componentes y mtodos son distintos. De este modo,
235
entendemos, que para la construccin de un sistema que evale y determine la

probabilidad de impago de los clientes de las IMFs hemos de dotarnos de una
metodologa especfica relacionada con el riesgo que existe por parte del
prestario de no atender correctamente al pago de su deuda, a partir de la cual
determinemos las variables explicativas del fenmeno que pretendemos
evaluar y predecir.
El objetivo del presente captulo consiste en, a partir del procedimiento
de evaluacin y concesin del microcrdito en las dos IMFs sobre las que
desarrollaremos el estudio emprico, preparar la informacin necesaria para
construir un modelo de credit scoring en microfinanzas, basado en tres puntos
fundamentales.
En primer lugar, desarrollamos el proceso de evaluacin y concesin del
microcrdito en una entidad de microfinanzas. Segn ha podido comprobarse
en la revisin de la literatura, el nmero de aplicaciones de scoring diseadas
para las microfinanzas es an escaso. El hecho de encontrarnos ante un
campo de estudio poco desarrollado, junto con las limitaciones halladas en el
propsito de la investigacin, hace necesario que nos dotemos de una
metodologa de anlisis. En este sentido, el proceso de evaluacin y concesin
del microcrdito nos permite determinar las variables explicativas del riesgo de
impago, dado que es en las fases de dicho proceso donde identificamos las
situaciones que conducen a que un cliente no atienda al reembolso de sus
deudas. Por otra parte, el proceso de evaluacin y concesin del microcrdito
tambin nos marcar la secuencia de introduccin de variables en la
elaboracin del modelo de credit scoring y cuyos resultados presentamos en el
captulo 4.
En segundo lugar, planteamos el proceso seguido en la seleccin de la
muestra que utilizaremos para la elaboracin de los modelos de medicin del
riesgo de impago. Segn las caractersticas de las IMFs, disearemos la base
de datos a partir de la informacin contenida en los historiales de crditos tras
eliminar algunos registros debido a las limitaciones planteadas en el captulo
anterior. Finalmente, las muestras sern divididas aleatoriamente con objeto de
236
reservar un conjunto de crditos para validar los modelos de credit scoring

construidos para dos IMFs.
En tercer y ltimo lugar, presentamos las variables explicativas
seleccionadas para la construccin de los modelos de scoring para las dos
IMFs, segn se vayan identificando en el proceso definido en el punto anterior.
A este respecto, pudimos comprobar que existen diferencias notables entre las
variables o caractersticas utilizadas en las aplicaciones de scoring de la banca
comercial y de las organizaciones de microfinanzas. De ah la importancia de la
profunda revisin de la literatura realizada en el captulo segundo de la Tesis
Doctoral.
III.2. FASES DE LA CONCESIN DE UN MICROCRDITO

Una vez definido el objetivo de este captulo, nos proponemos definir el
procedimiento de evaluacin y concesin de un microcrdito implementado por
de las entidades de microfinanzas en la Repblica de Per.
La construccin del modelo de credit scoring requiere un anlisis previo
de las fases que tiene el proceso de promocin, evaluacin y concesin de un
microcrdito en la IMF, con una doble funcin:
a) En primer lugar, el proceso de evaluacin del microcrdito nos indicar
cules son las variables explicativas consideradas para la construccin
de la aplicacin de credit scoring
b) En segundo lugar, nos servir de gua para la realizacin del modelo
estadstico, en lo referente a la inclusin de las variables independientes
segn vayan interviniendo en las fases especficas de la concesin del
microcrdito1.
Este aspecto ser tratado en el Captulo IV.
237
Del tratamiento de la informacin de los historiales de crditos de las

entidades supervisadas por la SBS, se desprenden normas que afectan
directamente a la metodologa de concesin del crdito para estas entidades.
En este sentido, Alvarado (2001) describe el mtodo de otorgamiento de un
crdito para una CMAC y para una EDPYME, los cuales, en lneas generales,
coinciden en gran medida al mtodo que, en adelante, proponemos como
mtodo de evaluacin y concesin de un microcrdito. Por este motivo,
asumimos que, a grandes rasgos, se trata de una metodologa que responde a
la prctica del mercado en el sistema financiero de la Repblica del Per.
En la figura III.1 se recogen las fases susceptibles de anlisis desde el
momento en que el crdito es promocionado hasta que ste es concedido y
desembolsado, considerando adems el seguimiento del analista de los
crditos con problemas de reembolso.
A continuacin, describimos detalladamente el proceso de concesin de
un microcrdito de una IMF del sistema financiero de la Repblica de Per que,
segn acabamos de indicar, entendemos que resulta vlido para las dos
entidades analizadas en nuestro trabajo de investigacin. Para ello, nos
basamos en nuestra propia experiencia de la visita a las entidades objeto del
estudio, a la vez que en los manuales de procedimiento operativos y
administrativos de la CMAC de Tacna, cuyos impresos relativos a las
solicitudes de crditos quedan recogidos en el anexo 1 de la Tesis Doctoral.
238
ZONA
GEOGRFICA
INVESTIGACIN DE
MERCADO
PROMOCIN
DEL CRDITO
EVALUACIN DEL
EXPEDIENTE DE CRDITO
RECEPCIN DE
DOCUMENTOS
1.- ANLISIS DE LA
ACTIVIDAD ECONMICA
2.- REVISIN EN CENTRALES
DE RIESGOS E HISTORIAL DE
CRDITO DEL CLIENTE
3.- INSPECCIN ECONMICOFINANICERA EN EL HOGAR
EVALUACIN
DE LAS
GARANTAS
INFORMES DE
CRDITOS
PARA
CLIENTES
NUEVOS O
RECURRENTES
COMIT DE CRDITO
DE LA IMF
(Aprobacin de las
solicitudes de crdito)
DESEMBOLSO
SEGUIMIENTO
DEL ANALISTA
REFINANCIACIN
DE CRDITOS
ENTORNO MACROECONMICO
Figura III.1. Proceso de promocin, evaluacin y concesin de un microcrdito.
III.2.1. Fase 1: Investigacin de mercado y promocin del crdito

La investigacin de mercado y promocin del crdito comienza con el
estudio que la IMF correspondiente debe realizar sobre la ubicacin geogrfica
de dnde se va a proceder a la promocin y desarrollo de la actividad
microfinanciera. En este contexto, toda agencia, oficina o sucursal de la entidad
239
se apertura en funcin de las necesidades financieras previstas para posibles

clientes que residan o trabajen en la zona. No cabe duda que el estudio de las
personas que, por el motivo que sea, frecuentan la zona constituye el punto de
partida por el cual la entidad debe comenzar. La preparacin de la
investigacin de mercado depende de los resultados del comentado estudio.
Tras el proceso de investigacin de mercado, la entidad disea una serie
de productos financieros destinados a la cobertura de las necesidades
financieras generadas en las personas que ms difcil acceso tienen a los
servicios bancarios.
Una vez concluido lo anterior, la entidad se marca como objetivo
determinar el procedimiento para dar a conocer a personas fsicas y jurdicas
los productos y servicios financieros brindados por la IMF, con el propsito de
ofertar crditos que satisfagan todas las posibles necesidades del cliente.
Desde este instante, resaltamos la figura del analista u oficial de crdito
como persona responsable de identificar las necesidades financieras de
posibles prestatarios con la intencin de ser captados y/o fidelizados, todo ello
teniendo en cuenta que estn capacitados para promocionar todos los
productos financieros que ofrece la entidad correspondiente. Junto al analista
de crdito est el analista de marketing que posee un conocimiento
especializado en relacin con el diseo de la investigacin de mercado y
posterior mtodo de promocin de productos y servicios financieros.
En la figura III.2, se muestran las etapas ordenadas del proceso de
promocin de los crditos, bajo la supervisin y accin de los analistas de
crdito y marketing en un escenario donde interactan con el cliente.
240
F1.- PROMOCIN DE LOS CRDITOS

Anal. de Marketing/
Adm./Apoderado
Medio Publicitario
(rea de Crdito)
Of. Especial
Analista de Crditos
CLIENTE
Inicio
FINAL
Figura III.2. Promocin de los crditos.

ETAPA 1: El analista de marketing elabora un Plan Operativo mediante

el anlisis de los informes de riesgos del departamento correspondiente,
e identifica oportunidades para colocaciones de productos de la IMF.
ETAPA 2: Se procede al diseo de las caractersticas de la campaa de

promocin y publicidad, coordinando con los departamentos implicados
las actividades a realizar, a la vez que se edita el material necesario.
ETAPA 3: Mediante medios de comunicacin, se informa a los clientes

potenciales de los productos que ofrece la IMF.
ETAPA 4: Promotores y analista de crdito hacen entrega de folletos

publicitarios buscando clientes, que concuerden con el crdito
promocionado.
241
ETAPA 5: El cliente se dirige a las oficinas de la IMF y se orienta con el

auxiliar de informes, o bien, se rene con analista de crdito con quin
plantea sus necesidades y posibilidades.
ETAPA 6: El analista de crdito expone opciones e informa de los

requisitos, priorizando el crdito en promocin.
ETAPA 7: Como ltima etapa de esta fase, el cliente evala sus

posibilidades y garantas que, en caso de necesidad, se incluirn en la
formalizacin del crdito.
III.2.2. Fase 2: Informes de crditos para clientes nuevos o

recurrentes
En un segundo estadio del proceso, la entidad se marca como objetivo
implementar un procedimiento para informar y orientar al cliente sobre los
productos y servicios de crditos que ofrece la IMF. Como consecuencia del
desconocimiento que manifiestan numerosos clientes sobre el acceso al crdito
y mercado financiero, la entidad de microfinanzas realiza labores de asesora
financiera para el cliente y, en ocasiones, desempea funciones de asesora de
inversiones y gestin de activos y pasivos. Todo esto, unido al conocimiento de
los productos ofertados, hace que los analistas de crdito ofrezcan, en cada
caso, el producto financiero ms conveniente. Es en esta fase, donde se
comprueba si el prestatario es ya cliente de la institucin.
Siendo ms concretos, las etapas que comprenden esta segunda fase
de la metodologa de solicitud y concesin de un microcrdito pueden verse
representadas en la figura III.3.
242
F2.- INFORMES DE CRDITOS PARA CLIENTES NUEVOS O RECURRENTES

Cliente Potencial
Analista de Crditos/
Promotor
Analista de Crditos/ Promotor/ Aux. de Informes
Inicio
2
1
3
NO
SI
OK
10
Fin
Fin
Figura III.3. Informes de crditos para clientes nuevos o recurrentes.

El promotor de crdito es la figura encargada de respaldar tcnicamente

las decisiones del analista de marketing, requiriendo que se trate de una
persona bien capacitada y actualizada en todo tipo de crdito. De este modo,
las etapas que acontecen bajo la supervisin y accin del promotor de crdito y
analista de crdito, interactuando con el cliente, pueden ser descritas de la
siguiente forma:
ETAPA 1: El cliente potencial se dirige al mdulo de atencin de

analistas o informes (ir a etapa 3).
243
ETAPA 2: Como alternativa a la Fase 1, puede darse que el analista de

crdito visite personalmente al cliente (ir a etapa 3).
ETAPA 3: El analista de crdito, promotor o auxiliar de informes solicita

informacin relativa a si el cliente ha obtenido algn crdito con
anterioridad (si la respuesta es afirmativa, el proceso continuara por la
etapa 4; si por el contrario es negativa, lo hara por la etapa 7).
ETAPA 4: Sabiendo que el solicitante de crdito es ya cliente de la

institucin, se procede a identificar al analista de crdito responsable del
cliente.
ETAPA 5: A continuacin se ponen en contacto el cliente y el analista de

crdito responsable.
ETAPA 6: Por ltimo, y para dar fin al proceso del segundo estadio, se
informa al analista sobre su cliente.
ETAPA 7: En aquellos casos en los que el cliente no forma parte de la

institucin se atiende particularmente la consulta y se le informa de las
caractersticas de los productos y servicios requeridos.
ETAPA 8: A continuacin, el analista de crdito detalla al cliente la

documentacin y requisitos necesarios para realizar el trmite mediante
la entrega de folletos publicitarios y su tarjeta de identificacin.
ETAPA 9: El analista de crdito se marca como objetivo el seguimiento

personalizado del posible prestatario.
ETAPA 10: Por ltimo, el cliente se retira, llevndose consigo toda la

informacin necesaria sobre el producto y los requisitos para llevar a
cabo la operacin.
244
III.2.3. Fase 3: Recepcin de documentos y evaluacin del

expediente de crdito
La fase 3 contempla un doble proceso, desarrollndose uno a
continuacin del otro. En primera instancia, la IMF se marca como objetivo
determinar el procedimiento para la recepcin de documentacin e informacin
acerca de los requisitos para obtener un crdito. A tenor del procedimiento
descrito en la figura III.4, las etapas contenidas en este primer proceso de la
fase 3 son las siguientes:
ETAPA 1: El procedimiento comienza cuando el cliente se dirige a la

entidad con los requisitos previos solicitados por el promotor o por el
analista de crdito.
ETAPA 2: Ya en la entidad, el auxiliar de informes solicita la

identificacin del cliente, siempre que ya lo sea en la IMF.
ETAPA 3: El auxiliar de informes tambin pregunta al cliente si fij cita

previa con el analista de crdito.
ETAPA 4: En caso de haber fijado cita previa lo remite directamente con

el analista de crdito (en este caso se contina por la etapa 8).
ETAPA 5: En caso contrario, verifica en el SIAFC (Sistema Integrado de

Administracin Financiera y Contable) el estado del cliente, a la vez que
realiza una consulta en las centrales de riesgos de si el expediente es
conforme.
ETAPA 6: De no existir impedimento alguno, el auxiliar de informes

asigna el expediente al analista de crdito y conforma una cita para su
atencin inmediata (en este caso se contina por la etapa 8).
245
Figura III.4. Recepcin de documentos.

246
ETAPA 7: Si hubiese impedimento, se informa al cliente y se le

condiciona el proceso hasta que se subsane todo problema presente en
el expediente.
ETAPA 8: El analista de crdito atiende en la fecha prevista en la cita

previa al cliente en los mdulos de atencin.
ETAPA 9: De manera inmediata, verifica los datos del cliente en las

centrales de riesgos, asegurndose de que no exista ninguna incidencia.
ETAPA 10: Si no existe incidencia alguna, el analista de crdito procede

a verificar la documentacin del cliente (se prosigue por la etapa 12).
ETAPA 11: De existir incidencia en las centrales de riesgos, se procede

a denegar el crdito al cliente.
ETAPA 12: El analista de crdito verifica la informacin del crdito a

solicitar y de la conformidad del mismo. Si la informacin es conforme,
se contina por la etapa 15. De no serlo, se procede por la etapa 13.
ETAPA 13: Se indica al cliente cual o cuales son los documentos que
faltan en la presentacin.
ETAPA 14: Se acuerda una nueva cita para completar el conjunto de

documentos y se condiciona el seguimiento al regreso futuro del cliente.
ETAPA 15: Tras previa consulta al cliente sobre su disponibilidad, se fija

una fecha en la que el analista ir a visitar el domicilio familiar o fiscal del
cliente o de su microempresa, respectivamente, para comenzar con el
proceso de evaluacin econmica y financiera del cliente (vase
segundo proceso de la fase 3).
247
ETAPA 16: El analista de crdito proceder a evaluar las garantas

(vase fase 4).
En segunda instancia, el analista de crdito se marca como objetivo
determinar el procedimiento para la evaluacin de los expedientes de crditos a

fin de presentarlos para su aprobacin o rechazo. En el proceso de evaluacin,
el analista de crdito desarrolla una actividad ardua y compleja causada por las
caractersticas de los clientes de microcrdito y por la escasez informativa
sobre los estados financieros de sus negocios, en comparacin con los clientes
del crdito convencional. Quizs, esta sea la labor ms importante de cara a
construir un modelo de credit scoring, por lo que estimamos oportuno describir
minuciosamente toda esta actividad. Siguiendo el planteamiento descrito en la
figura III.5, las fases de este procedimiento pueden ser representadas de la
siguiente forma:
ETAPA 1: El analista de crdito comienza por evaluar el expediente

crediticio y, para ello, realiza las siguientes operaciones:
Revisin general de la documentacin bsica segn Reglamento.
Revisin de Garanta de acuerdo al monto solicitado.
Revisin en Central de Riesgos (Endeudamiento Financiero).
Anlisis de la actividad econmica que desarrolla el solicitante.
ETAPA 2: Verificar el tipo de evaluacin. En este momento es

importante diferenciar si la evaluacin corresponde a una unidad
empresarial o por el contrario a una unidad familiar. En caso de
realizarse una evaluacin sobre el primero de los tipos de unidades, el
proceso contina en la etapa 3 y, por el contrario, si fuese realizado
sobre una unidad familiar, el proceso seguira por la etapa nmero 4.
248
Figura III.5. Evaluacin del expediente de crdito.

249
ETAPA 3: El analista de crdito procede a visitar la empresa y realiza la

recopilacin de informacin necesaria para evaluar econmica y
financieramente la entidad. Para ello, se ha de tener en cuenta los
siguientes aspectos:
Elementos que componen el capital de trabajo.
El mercado al que pertenece el sector.
Rotacin del capital de trabajo.
Evaluacin del capital de trabajo.
Anlisis del pasivo y del patrimonio.
Anlisis de los ingresos por ventas.
Anlisis de los gastos de produccin y/o costes de reposicin de

las mercaderas.
Mrgenes de utilidad de las operaciones.
Determinacin de la cifra de los principales indicadores

financieros, tales como:
Liquidez.
Solvencia.
Rentabilidad.
Endeudamiento y/o apalancamiento financiero.
ETAPA 4: Cuando la unidad a evaluar es de tipo familiar, el oficial de

crdito visita el domicilio del cliente y solicita que recabe informacin
relativa a los siguientes aspectos:
Gasto familiar en la capacidad de pago del negocio.
Nivel de acumulacin patrimonial de la familia.
Total de gastos y nivel de ingresos que los solventen.
Otros aspectos econmicos de inters.
ETAPA 5: Tras las fases anteriores segn proceda, el analista evala si

es necesaria la constitucin de un aval para el microcrdito en base al
historial de crdito del cliente, marcado principalmente por la informacin
contenida en el SIAFC y en las centrales de riesgos normalizadas. En
caso de que el analista considere oportuno la formalizacin de un aval,
250
el proceso contina en la etapa 6 y, de lo contrario, seguiremos en la

etapa 10.
ETAPA 6: Se verifica la documentacin del aval.
ETAPA 7: Se verifica el domicilio del aval.
ETAPA 8: Se procede a ingresar los datos del aval en la Declaracin

Jurada del Fiador (vase impreso MPOA-CL04-01 del anexo 1),
documento que debe contener informacin sobre:
Garantas del aval.
Situacin en el sistema financiero.
ETAPA 9: Se procede a la firma de la Declaracin Jurada del Fiador.
ETAPA 10: En caso de no ser necesario el aval se procede a completar

la Declaracin Jurada de Bienes del cliente, documento que podemos
encontrar bajo la denominacin de MPOA-CL04-01 en el anexo 1 del
presente trabajo de investigacin.
ETAPA 11: El analista solicita al cliente la firma de la Declaracin

Jurada de Bienes.
ETAPA 12: Se procede a rellenar la solicitud de crdito correspondiente,

cual puede ser hipotecario, personal, prstamo con garantas plazo fijo
y/o depsitos por la Compensacin de Tiempo de Servicios (CTS) o
pymes. En cualquier caso, conviene no olvidar que nuestro estudio se
encuentra orientado sobre estos ltimos, es decir, prstamos destinados
a la financiacin de una microempresa.
ETAPA 13: El analista u oficial de crdito eleva el expediente del crdito

al nivel correspondiente para su aprobacin, a falta de la evaluacin de
las garantas en caso de que procedan. Concretamente, para los
251
microcrditos objeto de nuestro estudio, es decir, los crditos MES y

PYMEs, el expediente de crdito ha de contener la siguiente informacin
y en el siguiente orden:
Datos del Propietario de la Garanta Compartida (anexo 1: MPOACL04-05).
Solicitud de Prstamo (anexo 1: MPOA-CL04-22).

Historial de Crditos (anexo 1: MPOA-CL04-03).
Crdito Plus2 (de ser el caso) (anexo 1: MPOA-CL04-14).
Resumen Socio-Econmico y Financiero (anexo 1: MPOA-CL0415).
Hoja de Trabajo de Estados Financieros (anexo 1: MPOA-CL0416).
Informacin Empresarial (crditos nuevos) (anexo 1: MPOA-CL0417).
Ratios (anexo 1: MPOA-CL04-02).
Formato de Acumulacin Patrimonial (anexo 1: MPOA-CL04-01,

D. Jurada de Bienes).
Declaracin Jurada (anexo 1: MPOA-CL04-18).
III.2.4. Fase 4: Evaluacin de las garantas

Previo a la remisin de la informacin y expediente de crdito a los
Comits de Crditos correspondientes en la IMF, el analista de crdito, en
colaboracin con el jefe de asesora legal de la institucin determinan el
procedimiento para la evaluacin de las garantas que los clientes exponen
para adquirir un crdito.
En captulos anteriores, hemos indicado que en la prctica de las
microfinanzas la concesin de un microcrdito suele realizarse sin el aporte de
garantas reales tasadas o valoradas en grandes importes. En su defecto, los
clientes de microcrdito aportan promesas referidas a la posesin de bienes de
El crdito plus hace referencia a la ampliacin de un crdito ya vigente.
252
calibre menor respecto a su valoracin o incluso la reputacin o garanta

(solvencia) moral de buen pagador, las cuales vamos a definir como garantas
de nivel inferior, consistentes en declaraciones juradas de bienes posedas por
el prestatario.
Segn lo dicho, las garantas en un crdito nuevo estn ntimamente
relacionadas con el nivel de riesgo que posee el cliente. De acuerdo con lo
mencionado, a un cliente con un mayor riesgo, evaluado por la informacin en
las Centrales de Riesgo, as como su comportamiento de pago en el pasado
reflejado en el historial de crdito de la institucin, darn lugar a una peticin de
puesta en garanta de mayor nivel que los clientes que han reflejado un mejor
comportamiento de pago en el pasado.
Tal y como ha podido comprobarse en la seccin anterior (epgrafe
III.2.3.), el proceso de evaluacin de las garantas ha podido ser considerado
como una etapa del proceso en el que el analista de crdito realizaba la
evaluacin del cliente. Sin embargo, hemos decidido darle una participacin
separada dada la complejidad que el proceso entraa. De este modo, en
consonancia con los procesos anteriores, la descripcin detallada de cada una
de las etapas intervinientes en este cuarto proceso queda reflejada en las
siguientes lneas, de acuerdo al cronograma descrito en la figura III.6.
ETAPA 1: Continuando con la fase anterior, el cliente entrega al analista

de crdito los documentos de garantas presentadas para la obtencin
del crdito.
ETAPA 2: Nuevamente, el analista revisa y verifica la posicin del

cliente en la IMF y en las Centrales de Riesgo, con el objetivo de
detectar anomalas que creen algn impedimento a la evaluacin de las
garantas. En caso de no existir impedimento alguno, el proceso
contina por la etapa 3; de lo contrario por la etapa 4.
253
F4.-EVALUACIN DE GARANTAS DE CRDITOS

Cliente
Analista de Crdito
Jefe de Asesora
Legal
Inicio
2
SI
NO
OK
3
NO
F
i
n
7
SI
5
6
NO
OK
SI
OK
F
i
n
10
11
12
Fin
Figura III.6. Evaluacin de garantas de crditos.

ETAPA 3: El analista de crdito revisa la documentacin de la garanta

solicitada para la aprobacin del crdito. El contenido de la
documentacin depender del tipo de garanta, cuya informacin
requerida puede consultarse en la tabla III.1.
254
ETAPA 4: El analista de crdito devuelve los documentos al cliente y se

da por finalizado el procedimiento.
ETAPA 5: Clasificar la(s) garanta(s) por niveles, verificar la existencia

del bien y su estado de conservacin, y proceder a evaluarlos.
ETAPA 6: A continuacin, el analista informar al cliente sobre la

cantidad mxima de cobertura que la garanta expuesta supone
solicitndole su visto bueno.
ETAPA 7: El cliente manifiesta su acuerdo o rechazo sobre el montante

de crdito que la IMF otorgara. Si el cliente est de acuerdo con la
opinin del oficial de crdito, el proceso contina por la etapa 8. De
rechazar la propuesta del analista, el siguiente paso es la etapa 9.
ETAPA 8: La aceptacin del cliente se formaliza mediante la firma de los

impresos correspondientes y la posterior entrega al analista de crdito.
El proceso contina con la etapa 10.
ETAPA 9: El analista de crdito devuelve los documentos al cliente y se

da por finalizado el procedimiento.
ETAPA 10: El analista de crdito completa la evaluacin del expediente

de crdito (fase inmediatamente anterior) adjuntando la documentacin
de las garantas; documento que presentamos en el anexo 1 (MPOACL04-22) del trabajo de investigacin. Seguidamente, entrega dicho
expediente al jefe de asesora legal o, en su defecto, al asistente legal.
ETAPA 11: El jefe de asesora legal recibe el expediente de crdito y

comprueba que ste cuente con la debida documentacin para la
constitucin de la garanta.
255
ETAPA 12: Eleva el expediente de crdito al nivel correspondiente para

su aprobacin.
Tabla III.1. Documentacin necesaria por tipo de garanta.
TIPO DE GARANTA
DOCUMENTACIN NECESARIA
CRDITO CON GARANTA

HIPOTECARIA
CRDITO CON GARANTA

VEHICULAR
CRDITO CON GARANTA

PRENDA INDUSTRIAL
CRDITO CON GARANTA

PRENDARIA (ARTEFACTOS,
MUEBLES, OTROS)
Fotografa del inmueble.

Autovalo.
Nota: Tanto la foto del inmueble como el autovalo son
aceptados para crditos de hasta $10.000,00. Mayor a
ese monto es necesario una tasacin de un perito de la
SBS donde se incluyen fotos del inmueble a hipotecar.
Ficha Registral Certificada (si se trata de un inmueble
inscrito en Registros Pblicos).
Copia literal registral (si se trata de un inmueble inscrito
en Registro de la propiedad inmueble).
Foto del vehculo.

Tarjeta de propiedad legalizada.
Certificado de Gravamen vehicular.
Nota: Si crdito mayor a $2.000,00 se pedir seguro a
todo riesgo a favor de la IMF, si fuera necesario por el
cliente.
Tasacin Comercial.
Factura.
Proforma de Pliza de seguro (tiene que estar asegurada
la garanta 2 meses ms del tiempo de crdito).
Facturas (opcional).
Declaracin Jurada de Bienes (opcional).
Fuente: Elaboracin propia a partir del manual de procedimiento operacional y administrativo

de la CMAC de Tacna.
III.2.5. Fase 5: Aprobacin de la solicitud de crdito

Llegado a este nivel, la labor del analista de crdito ha de ser compartida
con la gerencia de la entidad, donde los integrantes de sta determinarn el
procedimiento para la aprobacin o rechazo de los expedientes de crdito
presentados por los analistas de crdito.
256
En una fase en la que el cliente tiene ya poca participacin, el analista

de crdito se rene con la gerencia mancomunada para aprobar o rechazar el
crdito en funcin de si la cantidad solicitada por el prestatario entra dentro del
rango especificado para cada nivel de crdito. Los niveles de crdito se
constituyen en funcin de la cantidad solicitada por el cliente y, lo que es ms
importante, por el montante lmite de aprobacin asignado al comit que
preside y decide en cada nivel. La tabla III.2 describe la estructura de los
niveles de crdito vigentes en la CMAC de Tacna, donde se aprecia que la
cantidad lmite de aprobacin en un crdito determina que la solicitud de un
cliente pase por un filtro u otro. Cuanto mayor sea el lmite de aprobacin, de
mayor importancia ser el nivel asociado, algo que queda reflejado en las
personas intervinientes en la decisin final. Respecto a la EDPYME
Proempresa, comprobamos que el procedimiento era similar, slo con algunas
divergencias respecto a las cantidades de crdito asignadas en cada rango.
Tabla III.2. Niveles de crdito de la CMAC Tacna.
NIVEL
I
II
III
IV
V
VI
LMITE MONTANTE
PERSONAS QUE
APROBADO3
INTERVIENEN
Hasta S/ 12.000,00
Coordinador de Crditos y Analista de
Hasta $ 3.500,00
Crdito
Desde S/ 12.001 hasta S/ 30.000
Adm. de Agencia o Apoderado o Jefe
Desde $ 3.501 hasta $ 10.000
de Crditos y Analista de Crdito
Desde S/ 30.001 hasta S/ 50.000

Desde $ 10.001 hasta $ 15.000
Administrador de Agencia o
Apoderado (o miembro de Gerencia)
y Analista de Crdito
Desde S/ 50.001 hasta S/ 130.000
Gerente de Crditos (o miembro de
Desde $ 15.001 hasta $ 40.000
Gerencia) y Analista de Crdito
Desde S/ 130.000 hasta S/ 300.000

Desde $ 40.001 hasta $ 100.000
Desde S/ 300.001 hasta S/ 800.000
Desde $ 100.001 hasta $.250.000
2 Gerentes y Analista de Crdito
3 Gerentes y Analista de Crdito

3
Nuevos Soles ( S/.) y Dlares Americanos ($.)
257
En la Resolucin SBS N 808-2003 se indica que un crdito a las

microempresa es aquel que debe cumplir con el requisito de que no exceda de
US $30.000 o su equivalente en moneda nacional. Por tanto, a tenor de lo
indicado, los crditos objeto de estudio en el presente trabajo, no
sobrepasaran a priori el nivel IV de crditos para el caso de la cartera de la
CMAC de Tacna.
En relacin con lo expuesto, la figura III.7 nos describe el procedimiento
de la aprobacin del crdito en funcin de los niveles de crdito considerados.
As, las etapas del estadio en el que nos encontramos pueden ser explicadas
en las siguientes lneas.
ETAPA 1: De acuerdo con la evaluacin previa, el analista de crdito

presenta y sustenta el expediente ante el Comit de Crditos
correspondiente segn el montante del crdito. La presentacin
realizada comienza con la presentacin del nombre del solicitante,
actividad empresarial realizada, plan de inversin, cantidad, plazo y
cuota del crdito propuesto, principales ratios financieros y cualquier otra
informacin necesaria para su exposicin. Concluida sta, se proceder
a resolver las cuestiones planteadas y a revisar la conformidad de la
informacin contenida en el expediente de crdito.
ETAPAS 2, 5, 8, 11, 14 y 17: En base a la tabla III.2 sobre los niveles de

crdito de la IMF, el Comit de Crditos correspondiente ser el
encargado de aprobar o rechazar los crditos segn el montante del
producto solicitado, y de acuerdo con los lmites de cantidades de
aprobacin asignado a dicho Comit. Si el montante solicitado se
encuentra en los lmites del rango de aprobacin, se contina con las
etapas 3, 6, 9, 12, 15 y 18 respectivamente segn los niveles de crdito.
En caso contrario, de superar los lmites establecidos por cada nivel de
crdito, se procede con las etapas 4, 7, 10, 13 y 16 bajo el mismo
criterio.
258
Figura III.7. Aprobacin de solicitudes de crdito.

259
ETAPAS 3, 6, 9, 12, 15 y 18: En estas etapas, el Comit de Crditos

correspondiente decide sobre la aprobacin o rechazo del crdito. Si el
rgano decisor resuelve rechazar la solicitud de crdito, el proceso
contina en la etapa 19. Si por el contrario la decisin es favorable, el
paso siguiente correspondera a la etapa 20.
ETAPAS 4, 7, 10, 13 y 16: En los casos en los que el expediente se

exceda de los lmites del montante de aprobacin para cada nivel, el
cliente no podr ser evaluado al no sustentarse el expediente en el nivel
correspondiente, con lo que se dara fin al procedimiento.
ETAPA 19: El analista de crdito ser el encargado de informar al

cliente de la no aprobacin de su solicitud de crdito, indicando los
motivos que han llevado a tal decisin. Se da por finalizado el
procedimiento previa devolucin de los documentos presentados.
ETAPA 20: El analista de crdito informa al cliente sobre la aprobacin

de su solicitud de crdito.
ETAPA 21: El analista solicita al cliente que se dirija a la IMF en una

fecha prevista con la intencin de realizar el desembolso.
ETAPA 22: El cliente retira o desembolsa el crdito aprobado en la IMF,

de acuerdo con lo pactado.
III.2.6. Consideracin del entorno econmico

Por ltimo, para la determinacin de las variables explicativas en la
elaboracin de un modelo de credit scoring, hemos de tener en cuenta la
influencia del ciclo econmico mediante la consideracin de variables
260
macroeconmicas que en este trabajo hemos medido por su tasa de variacin

anualizada.
An siendo un pas en vas de desarrollo, la Repblica del Per
mantiene una economa global como un sistema integrado en el contexto
econmico internacional. Por tanto, la actividad econmica del pas se ve
influenciada, de alguna manera, por los ciclos econmicos a nivel mundial.
Segn Mester (1997), la ausencia de las variables macroeconmicas ha
supuesto una fuerte limitacin a los modelos de credit scoring tradicionales, en
trminos de adaptacin de stos a la realidad econmica. Tambin lo
consideraron Dimitras et al (1996) al afirmar que la entidad financiera se
encontraba inmersa en un entorno a la hora de evaluar el riesgo de insolvencia
de una firma y que los cambios en el entorno as como el comportamiento de
las variables macroeconmicas nacionales e internacionales se afianzaban
como factores claves que afectaban de forma directa al comportamiento de
pago de la empresa.
En este sentido, asumiendo que un modelo de credit scoring que cuente
con variables propias del cliente y del crdito funcionase y explicase con un alto
grado de acierto, entendemos que la variable dependiente ha de ser influida
tambin por una serie de factores referentes a los movimientos cclicos de la
economa. De este modo, comprobamos que determinados crditos se
relacionan con el concepto de default motivados por una tendencia econmica
recesiva. Sugerimos pues, que se hace necesaria la incorporacin de un tercer
bloque de variables relativas a variables macroeconmicas que supondrn un
avance sobre la especificacin de los modelos tradicionales de evaluacin del
riesgo de crdito, mejorando la eficiencia predictiva mediante la adecuacin
dinmica a una realidad econmica que se hace ms acusada en pases que
an se encuentran en vas de desarrollo.
261
III.3. ANLISIS DE LA CARTERA CREDITICIA

En relacin al siguiente epgrafe, en el que determinaremos las variables
explicativas a emplear en el diseo de los modelos de credit scoring segn las
fases de evaluacin y concesin del microcrdito, el objetivo de esta seccin
consiste en introducir los datos empleados para la construccin de los dos
modelos de credit scoring desarrollados para la EDPYME Proempresa y la
CMAC de Tacna, as como algunas premisas seguidas para el diseo de
dichos modelos.
Cabe destacar que la obtencin de los datos de los historiales de crdito
fue conseguida mediante una visita personalizada a la sede de cada una de las
IMFs incluidas en nuestro estudio emprico. La base de datos de la cartera de
microcrditos
de
la
EDPYME
Proempresa
contiene
informacin
del
comportamiento de pago histrico de los clientes que solicitaron crditos dentro

del periodo 1997-2005, mientras que el historial de crdito obtenido en la
CMAC de Tacna, contiene prstamos concedidos en el periodo comprendido
entre 1995-2005. Quiere decirse pues, que, para las dos IMFs, dispusimos de
informacin contenida en el sistema integrado e informatizado de gestin de
crditos, no tomando en consideracin la informacin sobre crditos archivada
en papel en los sistemas de almacenamiento fsico de las entidades.
En la seleccin de la muestra utilizada para la elaboracin del modelo de
credit scoring se ha seguido el siguiente procedimiento:
-
Los datos de la muestra constituyen una fuente de informacin que son

el resultado del proceso que sigue la entidad en la concesin de
microcrditos (vase epgrafe III.2.). En esta lnea, Kim (2005) construye
un modelo de riesgo de crdito cuya aplicacin estadstica depende del
proceso de concesin de un crdito agrario.
262
La muestra final seleccionada respeta el hecho de que el nmero de

casos en los que el crdito resulta impagado se aproxime al nmero de
casos que pagan, evitando as el problema de la diferencia de tamaos
de grupos que, con habitualidad, provoca una estimacin sesgada al no
definirse correctamente los factores de clasificacin hacia los grupos
previamente definidos (Mures et al, 2005).
Se pretende que la muestra aporte la mayor informacin posible del

cliente, bien sea en trminos cuantitativos como cualitativos.
Los casos admitidos han de contener toda la informacin de las

variables explicativas. Eliminamos aquellos casos en los que no se
aporta informacin en una determinada variable que sea analizada y
seleccionada para la construccin del modelo.
Los datos considerados estarn referenciados al mismo periodo de

tiempo, tanto para los casos de impago como para los casos en los que
se atienda el pago.
El historial de crdito fue extrado del sistema integrado de gestin de
cada institucin, donde se guarda informacin relativa a cada cliente, con

caractersticas de tipo cuantitativo y cualitativo del mismo en la fecha de
concesin del microcrdito. Posteriormente, dicha informacin fue descargada
a una base de datos en Excel. En la base de datos disponamos de informacin
que no necesariamente constituan variables explicativas, pero que era
necesaria para la definicin de estas variables. Una vez seleccionada la
muestra, eliminamos aquellos crditos que no tenan completa toda la
informacin relevante para la seleccin definitiva de las variables explicativas
del modelo. Finalmente, tras un proceso de eliminacin de missing value
construimos una base de datos con una muestra de 5.451 microcrditos que
corresponden al periodo de tiempo comprendido entre los aos 1997 y 2005,
en el caso de la EDPYME, y una segunda base de datos con una muestra de
16.157 microcrditos concedidos en el periodo correspondiente a los aos
1995 2005, para la CMAC.
Segn se indica en las tablas III.3 y III.4, ambas muestras fueron
divididas aleatoriamente en dos submuestras con la intencin de realizar una
263
validacin a posteriori sobre el modelo de regresin logstica estimado,

destinando el 75% de los casos totales a la estimacin del modelo estadstico y
el 25% restante a la validacin del mismo.
Tabla III.3. Cartera Microcrditos EDPYME Proempresa.
EDPYME
Periodo Estudio
1997 / 2005
Observaciones (N)
Pagos
Impagos
TOTAL
2.673
2.778
5.451
Muestra Estimacin (75%)
Pagos
Impagos
TOTAL
2.016
2.072
4.088
Muestra Validacin (25%)
Pagos
Impagos
TOTAL
657
706
1.363
Tabla III.4. Cartera Microcrditos CMAC de Tacna.
CMAC
Periodo Estudio
1995 / 2005
Observaciones (N)
Pagos
Impagos
TOTAL
7.979
8.178
16.157
Muestra Estimacin (75%)
Pagos
Impagos
TOTAL
5.980
6.138
12.118
Muestra Validacin (25%)
Pagos
Impagos
TOTAL
1.999
2.040
4.039
La totalidad de los casos que componen las dos muestras son

microcrditos concedidos y no rechazados por la entidad. De este modo, el
modelo a disear tiene como fuente de datos los correspondientes a
prestatarios que fueron aceptados segn los procesos habituales del manual
de procedimientos de gestin del microcrdito de la EDPYME Proempresa, por
un lado y de la CMAC de Tacna, por otro.
264
Los crditos considerados en las dos muestras corresponden a

microempresas y pymes. Son crditos concedidos a personas fsicas o
jurdicas para la financiacin de actividades de produccin, comercio o
prestacin de servicios y cuyos montantes se encuentran dentro de los lmites
legales establecidos por la normativa SBS para microempresas y PYMES en el
periodo de estudio. En este sentido, en la tabla III.5 podemos observar el rango
de los montantes de los microcrditos que componen nuestras carteras, as
como los estadsticos descriptivos de la media y desviacin tpica respecto a
esta variable, teniendo en cuenta que la moneda considerada en nuestro
estudio emprico ha sido el dlar americano.
Tabla III.5. Estadsticos descriptivos del montante del crdito.
IMF
Mnimo
Mximo
Media
EDPYME Proempresa
60,00
3.910,00
688,20
Desv.
Tpica
632,93
CMAC de Tacna
70,00
7.340,00
1.027,50
1.125,12
Cuando se trate de prstamos otorgados a personas fsicas, stas

debern tener como principal fuente de ingresos la realizacin de actividades
empresariales. Por este motivo y, segn las definiciones aportadas en el
captulo primero del concepto de microcrdito, nicamente es objeto de nuestro
estudio la cartera de crditos concedidos a microempresas (MES), excluyendo
la cartera de crditos al consumo y la cartera de crditos hipotecarios.
III.4. SELECCIN Y ANLISIS PREVIO DE LAS VARIABLES EXPLICATIVAS

Este epgrafe tiene por objeto seleccionar las variables explicativas a
emplear, con la intencin de que el modelo economtrico a desarrollar
explique, lo mejor posible, la capacidad que tiene un cliente de microcrdito de
atender la obligacin de pago contrada con el prestamista, en este caso, la
IMF.
265
Tngase en cuenta que la metodologa empleada utiliza el conocimiento

y significado de las variables de crditos antiguos en el momento de la solicitud
y el desembolso, a la vez que el comportamiento adoptado por el cliente en la
disciplina de pago planteada en el momento de la contratacin. Con la
informacin pasada de los crditos y de su comportamiento, se pretende inferir
y valorar el riesgo existente de que nuevos clientes potenciales incurran en
retrasos en el pago y que tengan un coste notable para la organizacin.
Las variables independientes (explicativas), exgenas en el modelo
econmico, se derivan de un historial de crdito de la organizacin, con
definiciones basadas en la teora o la experiencia de los analistas de crditos y
teniendo en cuenta la normativa vigente de la SBS de la Repblica del Per.
Dichas variables se comportarn como predictores de la variable que queremos
explicar, definida como la probabilidad que un crdito tiene de entrar en una
situacin de morosidad.
Como observacin comn a todas las variables independientes,
requerimos informacin correspondiente a stas, referida al momento en que
se solicit el crdito puesto que, de este modo, se consigue informacin que
manifieste la fortaleza con la que el deudor cuenta para hacer frente al pago o
reembolso de la cantidad prestada. La importancia de la ubicacin temporal del
crdito es considerable, teniendo en cuenta que las caractersticas explicativas
de si el crdito va a ser reembolsado o no, pueden variar a lo largo del tiempo
segn las condiciones en que se encuentre el prestatario.
Atendiendo a la formulacin de los modelos tradicionales de evaluacin
del riesgo de crdito, es necesario que la base de datos disponga de
informacin sobre caractersticas del prestatario y sobre la operacin de
prstamo. De hecho, estas caractersticas son fciles de conseguir, puesto que
los analistas de crdito las suelen registrar en sus encuentros personales con
los clientes. Del historial de crdito, herramienta til y necesaria para la
construccin del modelo, derivarn variables tanto de corte cualitativo como de
tipo cuantitativo. Asimismo, no debemos olvidar que el poder predictivo de las
variables explicativas o independientes en un modelo tradicional para la
266
medicin del riesgo de crdito se debe a caractersticas econmicas

individuales que cada prestatario rene en el momento de la solicitud del
prstamo, pero enmarcado en un entorno macroeconmico concreto, por lo
que, en definitiva, contaremos con tres bloques o agrupaciones de variables
claramente diferenciadas como punto de partida, teniendo en cuenta tambin
las variables macroeconmicas.
Los analistas de crdito desempean un papel importante en esta labor,
pues deben lograr cuantificar todos aquellos conocimientos subjetivos que
poseen sobre cada prestatario, lo cual no supone que pierdan libertad a la hora
de seguir con su cometido mediante su experiencia e intuicin. Sin embargo,
de regreso a la entidad, tienen que registrar todas aquellas valoraciones de tipo
subjetivo que hayan realizado con el fin de configurar un ptimo formato
cuantitativo para la futura elaboracin de un sistema de calificacin y
evaluacin del riesgo de crdito.
Son numerosos los sistemas financieros que estn adaptando y
evolucionando las metodologas de evaluacin del riesgo de crdito con xito.
Por ejemplo, cabe destacar que en Espaa, en mayo del 2001, la
Confederacin Espaola de Cajas de Ahorros (CECA), lleg a un acuerdo con
la consultora de Aplicaciones de Inteligencia Artificial (AIS) para colaborar en el
desarrollo de su Proyecto Sectorial de Control Global del Riesgo, en una
iniciativa que tiene por objeto dotar a las entidades que conforman la CECA de
una gama de sistemas innovadores en trminos de control del riesgo. Bajo este
acuerdo, se comenzaron a construir sistemas de scoring adaptativos sobre los
tradicionales que incorporan variables macroeconmicas como la tasa de
desempleo o el PIB que, indudablemente, influyen en la vida del crdito. En los
ltimos aos, la entidad de AIS ha ido proporcionando consultora a otras
muchas entidades financieras y bancarias de Amrica Latina.
Siguiendo a Kim (2005), quien desarrolla un modelo de riesgo de crdito
cuyas variables explicativas son extradas del proceso de concesin de un
crdito agrario, marcamos nuestro objetivo en la identificacin de las variables
a emplear en nuestros modelos de credit scoring para microfinanzas segn
267
vayan emergiendo en cada una de las fases del proceso de concesin de un

microcrdito en una IMF de la Repblica de Per. Si recordamos y sintetizamos
los procesos descritos en el epgrafe III.2, la tabla III.6 nos resume las fases
que describen la evaluacin y concesin de un microcrdito desde que se
promociona hasta que se desembolsa.
Tabla III.6. Fases del proceso de evaluacin y concesin de un microcrdito.
FASE
FASE 1.
FASE 2.
FASE 3.
FASE 3.A.
FASE 3.B.
FASE 3.C.
FASE 4.
FASE 5.
FASE 6.
DESCRIPCIN
Investigacin de mercado y promocin del crdito
Informes de crditos para clientes nuevos o recurrentes
Recepcin de documentos y evaluacin del expediente de crdito
Anlisis de la actividad econmica desarrollada por el cliente
Revisin de Centrales de Riesgos e historiales de crdito
Inspeccin econmica - financiera de la microempresa
Evaluacin de las garantas
Aprobacin de la solicitud de crdito
El ciclo econmico
En las tablas III.7 y III.8 recopilamos las variables explicativas finalmente

empleadas para la construccin del modelo de credit scoring de la EDPYME
Proempresa y el de la CMAC de Tacna respectivamente. Como puede
apreciarse, las variables descritas proceden de la correspondiente fase del
proceso de evaluacin y concesin del microcrdito, segn vayan influyendo
sobre la variable dependiente respecto a la incorporacin o reduccin de la
probabilidad de impago. En esta lnea, una contribucin importante del trabajo
se encuentra en la definicin de los signos esperados (positivo o negativo) de
los estimadores para cada variable explicativa, condicionado al proceso de
En lo que sigue, procedemos a la realizacin de un estudio detallado de
cada una de las variables intervinientes en los modelos de credit scoring,
describiendo el modo de obtencin o clculo en caso de que se requiera,
planteando un anlisis exploratorio y mostrando los resultados del anlisis
univariante a travs de la estimacin de la correlacin bivariada de cada
268
variable con la dependiente. La variable dependiente queda definida como una

variable dicotmica en la que el valor cero (0) se corresponde con clientes que
pagan todas las cuotas del microcrdito, y uno (1) justo lo contrario.
269
Tabla III.7. Variables independientes EDPYME Proempresa.

FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
VARIABLE
FASE 1
ZONA
FASE 3 A
FASE 3 B
FASE 3 C
SIGNO
ESPERADO DEL
ESTIMADOR ()
Lugar geogrfico de la agencia o sucursal. Variable dicotmica (0) Zona centro (1) Extrarradio
Tiempo del prestatario como cliente de la entidad. Variable numrica
CRED_CONC
Crditos concedidos con anterioridad. Variable numrica
CRED_CONC2
Crditos concedidos en el ltimo ao. Variable numrica
CRED_DENEG
Crditos denegados con anterioridad. Variable numrica
ANTIGUO
FASE 2
CONCEPTO
SECTOR
Sector de actividad de la microempresa. Variable categrica (0) Comercio (1) Agricultura (2) Produccin (3) Servicio
+/-
Destino del microcrdito. Variable dicotmica (0) Capital de trabajo (1) Activo Fijo
CLAS_ENT
Clasificacin del cliente segn la IMF. Variable dicotmica (0) Cliente normal (1) Cliente con algn tipo de problema
CUOT_TOT
Nmero total de cuotas pagadas en historial de crdito. Variable numrica
CUOT_MORA
Nmero de cuotas incurridas en morosidad. Variable numrica
MEDIA_MORA
Promedio (das) de la morosidad del cliente. Variable numrica
MORA_MAYOR
Nmero de das de la mayor mora del cliente. Variable numrica
SEXO
Gnero del prestatario. Variable dicotmica. (0) Hombre, (1) Mujer
EDAD
Edad en el momento de la solicitud del crdito. Variable numrica
E_CIVIL
Estado Civil. Variable dicotmica. (0) Soltero, (1) Unidad Familiar
SIT_LAB
Situacin laboral del cliente. Variable dicotmica (0) Propietario (1) Dependiente
R1
Rotacin Activos = Ingresos Ventas / Total Activo
R2
Productividad = Utilidad Bruta / Costes Operativos
R3
Liquidez = Capacidad Pago / Total Activo
R4
Rotacin Liquidez = Capacidad Pago / Ingresos Ventas x 360
R5
Dependencia o Endeudamiento = Total Pasivo / (Total Pasivo + Total Patrimonio)
DEST_CRED
270
Tabla III.7. Variables independientes EDPYME Proempresa (continuacin).

FASE DEL PROCESO DE
EVALUACIN DEL
MICROCRDITO
FASE 3 C
FASE 4
VARIABLE
Apalancamiento = Total Pasivo / Total Patrimonio
R7
ROA = Utilidad Neta / Total Activo
R8
ROE = Utilidad Neta / Total Patrimonio
GARANT
Tipo de garanta aportada por el cliente. Variable dicotmica (0) Crdito Confianza (1) Garanta real (aval, prenda,
hipoteca, etc.)
MONEDA
Tipo de moneda en la que se concede el crdito. Variable dicotmica (0) Nuevos Soles (1) US $
Importe del microcrdito. Variable numrica
Cantidad rechazada por la institucin. Variable numrica
DURACION
Nmero de cuotas mensuales del microcrdito solicitado. Variable numrica
INT_MENS
Tasa de inters mensual del microcrdito. Variable numrica
Pronstico del analista sobre la situacin del crdito a su vencimiento. Variable dicotmica (0) Vigentes (1) Con
problemas estimados
PIB
Tasa de variacin anualizada del Producto Interior Bruto durante la vigencia del crdito. Variable numrica
IPC
Tasa de variacin anualizada del ndice de Precios al Consumidor durante la vigencia del crdito. Variable
numrica
IE
Tasa de variacin anualizada del ndice de Empleo durante la vigencia del crdito. Variable numrica
TC
Tasa de variacin anualizada de la Tasa de Cambio durante la vigencia del crdito. Variable numrica
TI
Tasa de variacin anualizada de la Tasa de Inters durante la vigencia del crdito. Variable numrica
Tasa de variacin anualizada del ndice General Burstil durante la vigencia del crdito. Variable numrica
AGUA
Tasa de variacin anualizada de la tarifa municipal de Agua durante la vigencia del crdito. Variable numrica
LUZ
Tasa de variacin anualizada de la tarifa municipal de la Luz durante la vigencia del crdito. Variable numrica
Tasa de variacin anualizada de la tarifa del Telfono durante la vigencia del crdito. Variable numrica
MONTO_RECH
VTOCRED_SBS
FASE 6
SIGNO
ESPERADO DEL
ESTIMADOR ()
R6
MONTO
FASE 5
CONCEPTO
IGB
TFNO
271
Tabla III.8. Variables independientes CMAC de Tacna.

FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
VARIABLE
FASE 1
FASE 3 A
FASE 3 B
CRED_CONC
Crditos concedidos con anterioridad. Variable numrica
CRED_CONC2
Crditos concedidos en el ltimo ao. Variable numrica
REL_IMF
Tipo de relacin con la Institucin de Microfinanzas. Variable dicotmica (0) Ninguna (1) Trabajador de la entidad
SECTOR
Sector de actividad de la microempresa. Variable categrica (0) Comercio (1) Agricultura (2) Produccin (3) Servicio
+/-
Destino del microcrdito. Variable dicotmica (0) Capital de trabajo (1) Activo Fijo
CLAS_SBS
Clasificacin del cliente segn la SBS. Variable dicotmica (0) Cliente normal (1) Cliente con algn tipo de problema
CUOT_TOT
Nmero total de cuotas pagadas en historial de crdito. Variable numrica
Nmero de cuotas incurridas en morosidad. Variable numrica
Nmero de das de la mayor mora del cliente. Variable numrica
SEXO
Gnero del prestatario. Variable dicotmica. (0) Hombre, (1) Mujer
EDAD
Edad en el momento de la solicitud del crdito. Variable numrica
E_CIVIL
Estado Civil. Variable dicotmica. (0) Soltero, (1) Unidad Familiar
SIT_LAB
Situacin laboral del cliente. Variable dicotmica (0) Propietario (1) Dependiente
R1
Rotacin Activos = Ingresos Ventas / Total Activo
R2
Productividad = Utilidad Bruta / Costes Operativos
R3
Liquidez = Disponible / Total Activo
R4
Rotacin Liquidez = Disponible / Ingresos Ventas x 360
R5
Liquidez para el Crdito = Disponible / Monto propuesto
R6
Solvencia c/p = Activo Circulante / Exigible c/p
DEST_CRED
CUOT_MORA
MORA_MAYOR
FASE 3 C
SIGNO
ESPERADO DEL
ESTIMADOR ()
Tiempo del prestatario como cliente de la entidad. Variable numrica
ANTIGUO
FASE 2
CONCEPTO
272
Tabla III.8. Variables independientes CMAC de Tacna (continuacin).

FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASE 3 C
FASE 4
VARIABLE
ROA = Utilidad Neta / Total Activo
R8
Plazo Medio Cobro = Clientes / Ingresos Ventas x 360
R9
Plazo Medio Aprovisionamiento = Existencias / Compras mercaderas x 360
Tipo de garanta aportada por el cliente. Variable dicotmica (0) Declaracin jurada (1) Garanta real (aval, prenda,
hipoteca, etc.)
Tiempo de atencin dedicada al cliente en trminos de asesora de inversiones expresado en das. Variable Numrica
Tipo de moneda en la que se concede el crdito. Variable dicotmica (0) Nuevos Soles (1) US $
Importe del microcrdito. Variable numrica
Cantidad rechazada por la institucin. Variable numrica
DURACION
Nmero de cuotas mensuales del microcrdito solicitado. Variable numrica
INT_MENS
Tasa de inters mensual del microcrdito. Variable numrica
COMISION
Comisin de gestin de crdito. Variable numrica
Pronstico del analista sobre la situacin del crdito a su vencimiento. Variable dicotmica (0) Vigentes (1) Con
problemas estimados
PIB
Tasa de variacin anualizada del Producto Interior Bruto durante la vigencia del crdito. Variable numrica
IPC
Tasa de variacin anualizada del ndice de Precios al Consumidor durante la vigencia del crdito. Variable numrica
TC
Tasa de variacin anualizada de la Tasa de Cambio durante la vigencia del crdito. Variable numrica
TI
Tasa de variacin anualizada de la Tasa de Inters durante la vigencia del crdito. Variable numrica
Tasa de variacin anualizada del ndice General Burstil durante la vigencia del crdito. Variable numrica
AGUA
Tasa de variacin anualizada de la tarifa municipal de Agua durante la vigencia del crdito. Variable numrica
LUZ
Tasa de variacin anualizada de la tarifa municipal de la Luz durante la vigencia del crdito. Variable numrica
Tasa de variacin anualizada de la tarifa del Telfono durante la vigencia del crdito. Variable numrica
GARANT
MONEDA
MONTO
MONTO_RECH
VTOCRED_SBS
FASE 6
SIGNO ESPERADO
DEL ESTIMADOR
()
R7
T_ATENCION
FASE 5
CONCEPTO
IGB
TFNO
273
III.4.1. Variables obtenidas de la investigacin de mercado y

promocin del crdito
La nica variable resultante de la primera fase del proceso de evaluacin
y concesin de un microcrdito en las IMFs de la Repblica de Per
corresponde a la zona o ubicacin geogrfica seleccionada por la entidad para
abrir una oficina o agencia.
Ubicacin Geogrfica
Esta variable se encarga de localizar la sucursal o agencia en la cual se
ha efectuado la solicitud del microcrdito. No cabe duda de que todas las
sucursales no son iguales, pues responden a caractersticas socioeconmicas
diferentes en funcin de la ubicacin de la misma. Teniendo esto en cuenta, se
pretende que el modelo estadstico identifique aquellas sucursales cuyos
microcrditos concedidos computen un mayor riesgo, en funcin de, segn
apunta Schreiner (1999), las caractersticas del vecindario, la competencia local
y la coyuntura econmica; y es que el efecto de las sucursales es importante
debido a que la eficiencia de cada sucursal puede ser afectada a travs de las
polticas de la organizacin.
La presente caracterstica, slo ha podido ser considerada para la
EDPYME Proempresa, no pudiendo ser factible su incorporacin en la CMAC
de Tacna. El motivo de esta no inclusin se debe a una de las limitaciones
importantes de los modelos de credit scoring en las instituciones de
microfinanzas descritas en el captulo tercero, relativa a la falta de informacin
en el historial de crdito que hizo que perdiramos toda la pesquisa de datos
referentes a la ubicacin o zona geogrfica.
A este respecto, la figura III.8 nos revela cmo se encuentra distribuida
nuestra cartera de Proempresa en funcin de las agencias repartidas por la
ciudad de Lima. Para cada sucursal, analizamos las proporciones de
microcrditos pagados e impagados tal y como qued definida la variable
274
respuesta (figura III.9), pudiendo comprobar que cinco de las nueve agencias
de la entidad reunan cierta cantidad de microcrditos impagados. No nos
result extrao este hecho, dado que estas cinco oficinas se encuentran
ubicadas en los distritos ms deprimidos de Lima.
EDPYME PROEMPRESA
578
11%
663
645
SantaBeatriz
12%
NuevoSanJuan
12%
SanJuandeMiraflores
253
5%
1287
LosOlivos
23%
Comas
90
2%
AteVitarte
139
3%
741
1055
14%
18%
AREQUIPA
ANDAHUAYLAS
AYACUCHO
Figura III.8. Distribucin de microcrditos segn la variable Ubicacin Geogrfica.

EDPYME PROEMPRESA
PAGO(0)
m
as
At
eV
ita
rte
AR
EQ
UI
AN
PA
DA
HU
AY
LA
AY
S
AC
UC
HO
IMPAGO(1)
Co
Sa
nt
a
Be
Nu
at
riz
ev
Sa
oS
n
Ju
an
an
Ju
d
an
eM
ira
flo
re
s
Lo
sO
liv
os
100,00%
17,27%
90,00% 51,16%
39,52%
53,74%
33,33%
80,00%
49,13%
35,57%
70,00%
53,46%
53,71%
60,00%
50,00%
64,43%
82,73%
50,87%
46,26%
40,00% 48,84%
66,67%
30,00%
60,48%
46,54%
46,29%
20,00%
10,00%
0,00%
Figura III.9. Comportamiento en el pago segn la variable Ubicacin Geogrfica (1).

275
Inicialmente diseamos una variable categrica con k-1 categoras en

funcin de cada agencia de la organizacin. Con posterioridad, en la intencin
de recoger mejor un posible factor de riesgo y, a la vez, simplificar el anlisis,
consideramos oportuno definir una variable dicotmica con valores cero (0) a
sucursales cntricas en la poblacin donde opera la institucin, y uno (1) a
agencias del extrarradio del ncleo poblacional. Las agencias de los distritos de
Santa Beatriz, Nuevo San Juan y San Juan de Miraflores fueron enmarcadas
como sucursales cntricas, mientras que el resto lo fueron en el grupo de las
sucursales del extrarradio, finalizando el anlisis exploratorio mediante el
estudio de la solvencia o insolvencia en funcin de esta variable rediseada,
segn se muestra en la figura III.10. A la vista de estos resultados, s que se
observa una notable diferencia en el comportamiento de pago entre las
distintas zonas geogrficas argumentado por el nivel econmico, social y
educativo tan dispar existente entre ellas.
EDPYME PROEMPRESA
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
53,06%
44,16%
PAGO(0)
IMPAGO(1)
46,94%
Centro
55,84%
Extrarradio
Figura III.10. Comportamiento en el pago segn la variable Ubicacin Geogrfica (2).

La correlacin bivariada de la variable Ubicacin Geogrfica con la

variable explicada (tabla III.9) corrobora todo lo expuesto con anterioridad,
encontrando una correlacin significativa con un nivel de confianza del 99%.
Para un nuevo cliente, atendiendo a la regin geogrfica en la que se
encuentre, es ms probable que viviendo o desempeando su actividad
econmica en el ncleo urbano, disponga de unos recursos ms solventes a la
276
hora de hacer frente al pago de la deuda que los solicitantes en agencias

situadas en zonas rurales o ms deprimidas de la nacin. Es por tanto, por lo
que destacamos el signo negativo, como esperado, en el indicador.
Tabla III.9. Correlacin bivariada de la variable Ubicacin Geogrfica y la variable
explicada.
EDPYME PROEMPRESA
Correlaciones
Y
ZONA
Correlacin de Pearson
Sig. (bilateral)
N
Sig. (bilateral)
N
5451
,089**
,000
5451
ZONA
,089**
,000
5451
1
5451
**. La correlacin es significativa al nivel 0,01

(bil t l)
III.4.2. Variables obtenidas a partir de los informes de crditos

para clientes nuevos o recurrentes.
La segunda fase del proceso de evaluacin y concesin de un
microcrdito revela cinco nuevas variables que puedan afectar a la probabilidad
de impago de un cliente de una IMF. As, consideramos la antigedad del
prestatario como cliente de la institucin, los crditos concedidos con
anterioridad, los crditos concedidos en el ao que precede a la solicitud del
crdito, el nmero de crditos denegados anteriormente al cliente y, por ltimo,
la relacin existente entre el cliente y la entidad de microfinanzas, como
variables descritas en esta segunda fase.
Antigedad
Junto con una aplicacin estadstica de credit scoring para una
organizacin de microfinanzas en Bolivia, Schreiner (2004) present un modelo
277
alternativo que meda el riesgo de desercin4 de un cliente en la misma entidad

en la que evalu el riesgo de microcrdito. Puede darse el caso en el que una
entidad de microfinanzas que compita en el mercado microfinanciero de una
regin trate de captar clientes de otras instituciones mediante la propuesta de
ofertas competitivas de crditos. Por otra parte, el descontento del cliente en
las condiciones de las operaciones de crdito supone tambin un motivo por el
cual los clientes desertan de una organizacin a otra. Asimismo, puede
asumirse que una relacin duradera con la IMF implica que sta se hace
conocedora de todos los riesgos inherentes al cliente en base al contacto
directo que mantiene con l en todas sus operaciones. Queda constancia de
esta afirmacin en crditos concedidos en pases desarrollados [Crook et al
(1992)].
An con todo lo comentado anteriormente, en nuestra experiencia con
las dos IMFs analizadas, extraemos la conclusin de que la antigedad
constituye una imagen del comportamiento de pago del cliente, en el sentido de
que si un prestatario tiene una antigedad mayor como cliente de la institucin,
se debe a que a ste se le conceden crditos a medida que va reembolsando
los anteriores sin demasiados problemas que supongan un atraso costoso.
A este respecto, diseamos una variable numrica que representa el
nmero de aos que el prestatario lleva como cliente de la institucin para cada
solicitud de crdito. Partiendo de cierta informacin de partida que pudimos
captar del historial de crdito original descargado de las instituciones, tales
como la fecha de ingreso de cada cliente en la entidad y la fecha de solicitud
del crdito, pudimos calcular para cada crdito el tiempo transcurrido desde
que el prestatario ingres por primera vez en la entidad hasta que la solicitud
del prstamo se hizo efectiva. Bajo esta consideracin, los clculos registrados
para el diseo de la presente variable en nuestra base de datos final fueron:
El autor define desercin como aquella situacin en la que un prestatario no solicita otro crdito en la
entidad una vez haya pagado el prstamo anterior.
278
Fecha de
solicitud del
crdito
Fecha de
ingreso en
la entidad
Seguidamente, para transformar este dato en unidades medidas en

aos, se realiz el siguiente clculo:
X /
365
ANTIGEDAD
DEL CLIENTE
Tras efectuar un anlisis de correlacin entre la variable explicada y la

antigedad (tabla III.10), trasciende cierta relacin de ambas para las dos
organizaciones analizadas. An as, hemos de ser cautos y esperar al
comportamiento colineal con el resto de variables independientes en los
modelos de regresin logstica finales. Quiere decirse, pues, que un cliente con
mayor antigedad viene a ser una persona que ha respondido correctamente al
pago de crditos anteriores y al que le han seguido depositando la confianza,
manifestado en la concesin de nuevos crditos. Por tanto, entendemos que el
signo del estimador ha de ser negativo, o lo que es lo mismo, cuanto mayor sea
la antigedad del cliente, menor debiera ser su probabilidad de impago.
Tabla III.10. Correlacin bivariada de la variable Antigedad y la variable explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Y
Sig. (bilateral)
N
ANTIGUO Correlacin de Pearson
Sig. (bilateral)
N
Correlaciones
Y
ANTIGUO
,035**
,009
5451
5451
,035**
1
,009
5451
5451
1
**. La correlacin es significativa al nivel 0,01 (bilateral).
Sig. (bilateral)
N
ANTIGUO Correlacin de Pearson
Sig. (bilateral)
N
ANTIGUO
,073**
,000
16157
16157
,073**
1
,000
16157
16157
1
279
Nmero de Crditos Concedidos con anterioridad

Definimos una variable numrica indicativa del nmero de crditos que la
IMF ha concedido al prestatario que formula una nueva solicitud, tratndose de
la segunda variable que procede de los historiales de crdito y centrales de
riesgos competentes. En nuestro caso, en base al sistema de registro de
informacin por parte de las entidades, resulta fcil conocer el nmero de
crditos que le han sido concedidos a cada cliente. Si nos preguntamos cmo
afecta esta variable al riesgo de impago, debiramos pensar que un cliente al
cual se le ha venido concediendo prstamos de forma habitual, se ha debido a
que ste ha sido un buen pagador en el pasado (Dinh y Kleimeier, 2007). Por
otra parte, entendemos que un gran nmero de microcrditos ya concedidos,
es un hecho indicativo de la experiencia del cliente como prestatario, algo que
influye positivamente en la terica intencin de pago (Schreiner, 1999). Queda
constancia de la influencia comentada en la EDPYME Proempresa segn se
aprecia en la tabla III.11, no siendo as para la CMAC de Tacna. En el modelo
final de credit scoring, entendemos que el signo esperado del estimador de
esta variable deba ser negativo, pues un mayor nmero de microcrditos
concedidos en el pasado debe reducir la probabilidad de impago para cualquier
cliente.
Tabla III.11. Correlacin bivariada de la variable Nmero de Crditos Concedidos y la
variable explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Y
Sig. (bilateral)
N
CRED_CON Correlacin de Pearson
Sig. (bilateral)
N
Correlaciones
CRED_CON
,034*
,011
5451
5451
,034*
1
,011
5451
5451
1
Correlacin de Pearso
Sig. (bilateral)
N
CRED_CON Correlacin de Pearso
Sig. (bilateral)
N
CRED_CON
-,007
,400
16157
16157
-,007
1
,400
16157
16157
1
*. La correlacin es significante al nivel 0,05 (bilateral).
280
Nmero de Crditos Concedidos en el ltimo ao

En microfinanzas, un cliente se beneficia de sucesivos accesos al
sistema financiero siempre que cumpla correctamente con sus obligaciones de
pago, motivo por el que una aprobacin favorable de un microcrdito es influida
por el nmero de crditos pasados. La complejidad econmica y los ciclos
econmicos pueden llegar a inducir a situaciones extremas capaces de
provocar alteraciones y cambios en la conducta del cliente a la hora de ejecutar
los reembolsos de su deuda. Por ello, consideramos oportuno contar con la
misma informacin de la caracterstica anterior, aunque restringida al periodo
de un ao desde el momento de la solicitud del microcrdito, con la intencin
de contar con una mayor precisin en la informacin del cliente que lo solicita.
Puede apreciarse como una correccin en esta variable manifiesta una mayor
correlacin con el pago o impago del prstamo (tabla III.12) y, donde antes
contbamos con una relacin univariante en una sola entidad en la que
tratamos de medir el riesgo de microcrdito, ahora presentamos una
correlacin bivariada estadsticamente significativa al 99% de confianza para
dos entidades analizadas en nuestro trabajo de investigacin. Tambin, por
idnticos motivos, se espera un signo negativo del estimador de esta variable
en el modelo final de credit scoring.
Tabla III.12. Correlacin bivariada de la variable Nmero de Crditos Concedidos en el
ltimo ao y la variable explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Y
Sig. (bilateral)
N
CRED_CON2 Correlacin de Pearso
Sig. (bilateral)
N
Correlaciones
Y
CRED_CON2
-,186**
,000
5451
5451
-,186**
1
,000
5451
5451
1
Sig. (bilateral)
N
CRED_CON2 Correlacin de Pearso
Sig. (bilateral)
N
CRED_CON2
-,074**
,000
16157
16157
-,074**
1
,000
16157
16157
1
281
Nmero de Crditos Denegados

Superadas o mitigadas las limitaciones de los modelos de credit scoring
en el paradigma de las microfinanzas5, la informacin procedente de los
historiales de crdito y las centrales de riesgos se presenta con una mayor
riqueza cuantitativa y cualitativa.
Con el transcurro del tiempo, en la concesin de microcrditos las IMFs
van acumulando la informacin sobre el comportamiento en el pago de clientes,
quedando constancia de ello en los registros correspondientes. Es el caso del
nmero de crditos que le han sido denegados a un prestatario debido al
incumplimiento de uno o varios requisitos impuestos por la entidad a la hora de
concederle un determinado prstamo. Lo que s que est claro es que la
organizacin de microfinanzas impone estos requisitos con la finalidad de
aminorar el riesgo de impago, hecho que nos conduce a expresar que un
nmero elevado de crditos denegados hasta la fecha de nueva evaluacin ha
supuesto que el cliente ha estado expuesto a uno o varios motivos tendentes al
aumento del riesgo crediticio.
Aunque slo disponemos de esta informacin en la EDPYME
Proempresa, seleccionamos una variable numrica que recoja el nmero de
crditos denegados al cliente solicitante de un nuevo microcrdito hasta el
momento de la solicitud, entendiendo que se trata de una caracterstica que
aporta informacin al modelo de credit scoring, teniendo en cuenta todo lo
comentado.
En caso de resultar significativa, esta variable debiera ir acompaada de
un estimador de signo positivo para ser aceptada en nuestro modelo, pues
cuanto mayor sea sta, indicar que nos encontramos ante un solicitante cuyo
pasado ha estado ms influenciado por el riesgo de impago. En cualquier caso,
an no sabemos si el nmero de crditos denegados con anterioridad tendr
influencia sobre la probabilidad de impago del prestatario. Por el momento,
5
Vase epgrafe 2.6.
282
podemos comenzar por el anlisis estadstico de la correlacin bivariada de

Pearson, cuyo resultado se expone en la tabla III.12 y que, a priori, es
indicativo de la inexistencia de relacin individual entre la presente variable y el
fenmeno que se trata de explicar.
Tabla III.12. Correlacin bivariada de la variable Nmero de Crditos Denegados y la
variable explicada.
EDPYME PROEMPRESA
Correlaciones
Sig. (bilateral)
N
CRED_DENEG Correlacin de Pearso
Sig. (bilateral)
N
5451
-,010
,448
5451
CRED_
DENEG
-,010
,448
5451
1
5451
Tipo de Relacin con la IMF

Se trata de una variable dicotmica que describe el tipo de relacin
existente entre el cliente y la entidad de microfinanzas, disponible nicamente
para la CMAC de Tacna. Si no existe ninguna relacin laboral entre ambos, el
valor de esta variable ser de cero (0), mientras que si se halla algn tipo de
relacin de trabajo, bien se trate del director, gerente o algn tipo de personal
de la institucin, el que se dirige a solicitar el crdito, tomar el valor de uno (1).
La figura III.13 nos sugiere un comportamiento discriminatorio de esta variable
respecto al cumplimiento e incumplimiento del pago de la deuda, aunque la
segmentacin tan desigual entre las categoras de la variable6 hace que
desestimemos todo el poder de separacin de la presente variable. Esta
afirmacin queda corroborada en el anlisis univariante que nos demuestra que
no hay dependencia alguna entre la variable dependiente y el tipo de relacin
del cliente con la organizacin de microfinanzas (tabla III.14)
Conviene mencionar que, a este respecto, los crditos con categora cero fueron 16.121 y con categora
1, solamente 36.
283
CMAC TACNA
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
49,40%
44,44%
PAGO(0)
IMPAGO(1)
50,60%
Ninguna
55,56%
Trabajador
Figura III.13. Comportamiento en el pago segn la variable Tipo de Relacin con la

IMF.
Tabla III.14. Correlacin bivariada de la variable tipo de relacin con la IMF y la

variable explicada.
CMAC TACNA
Correlaciones
Y
Sig. (bilateral)
N
REL_IMF Correlacin de Pearson
Sig. (bilateral)
N
16157
,005
,553
16157
REL_IMF
,005
,553
16157
1
16157
Aunque no suceda en nuestra muestra, parece lgico pensar que los

trabajadores de la entidad deban ser mejores pagadores que los que no tienen
relacin alguna con la entidad, al destinar un mayor esfuerzo en el
cumplimiento de sus obligaciones de pago y, por lo tanto, el signo del
correspondiente estimador se espera que sea positivo. En cualquier caso, por
todo lo expuesto para esta variable, no parece una variable explicativa en el
modelo final de credit scoring.
284
III.4.3. Variables obtenidas de la recepcin de documentos y

evaluacin del expediente de crdito
La tercera fase del proceso de evaluacin y concesin del microcrdito
recordemos, haca referencia a la recepcin de documentos y evaluacin del
expediente de crdito. A su vez, esta fase puede subdividirse en 3 subprocesos
relativos al anlisis de la actividad econmica desarrollada por el cliente, la
revisin de las Centrales de Riesgos e historiales de crdito y a la inspeccin
econmica y financiera de la microempresa del cliente solicitante del
microcrdito. En esta lnea y, siguiendo esta clasificacin, procedemos a la
identificacin de las variables intervinientes en cada estadio de esta tercera
fase.
III.4.3.1. Variables del anlisis de la actividad econmica desarrollada

por el cliente
El primer estadio de la tercera fase del proceso de evaluacin y
concesin del microcrdito consiste en el anlisis de la actividad econmica
desarrollada por el cliente. A este respecto, el analista de crdito solicita
informacin al prestatario relativa al sector econmico de la actividad de la
microempresa, as como el destino que se le pretende aplicar al microcrdito.
De esta forma, procedemos al estudio de las variables que resultan de esta
operacin.
Sector Econmico de la actividad

El sector econmico de actividad, conexo con cada microcrdito de las
carteras de microcrditos, constituye la siguiente variable explicativa a tener en
cuenta en la elaboracin del modelo de credit scoring construido para cada una
de las organizaciones de microfinanzas consideradas. Entendemos que el
nmero de sectores de actividad no deba ser muy numeroso, a la vez que
285
mantenga un cierto compromiso entre una diversidad aceptable y una riqueza

de contenidos junto con la necesidad de contar con informacin suficiente para
realizar las estimaciones de los parmetros con un nivel razonable de
precisin. Por tanto, esta caracterstica ser tratada como una variable
categrica con cuatro posibilidades relativas al sector econmico al que
pertenezca la actividad desarrollada por la microempresa del prestatario
solicitante del crdito. stos son:
a) Comercio. Englobado dentro del sector terciario, consiste en un
intercambio de bienes o de servicios realizado a travs de un mercader
o comerciante.
b) Agricultura. Esta actividad tiene su fundamento en la explotacin de los
recursos que la tierra origina, favorecida por la accin del hombre:
alimentos vegetales (cereales, frutas, hortalizas, pastos cultivados y
forrajes), fibras utilizadas por la industria textil, cultivos energticos, etc.
c) Produccin. Es aquel sector econmico que agrupa al conjunto de
actividades ligadas a la transformacin del medio natural (agricultura,
pesca, minera y actividad forestal).
d) Servicios.
Este
sector
comprende
todas
aquellas
actividades
econmicas que no producen bienes materiales de forma directa, sino

trabajos que se ofrecen para satisfacer las necesidades de la poblacin
(hostelera, turismo, comunicaciones, etc.)
En la figura III.14, presentamos la distribucin de las carteras de
microcrditos para la EDPYME y para la CMAC. Se observa que los clientes de
ambas instituciones pertenecen mayoritariamente al sector comercial, a la vez
que en el sector agrcola se asume una escasa representacin de crditos en
la CMAC de Tacna. De esta forma, concluimos que la caracterstica analizada
depender principalmente de la visin y misin de la organizacin
microfinanciera que concede el prstamo.
286
EDPYME PROEMPRESA
CMAC TACNA
466
9%
674
Comercio
12%
3812
499
Comercio
9%
Agricultura
11518
72%
Agricultura
Produccin
Servicio
Produccin
2165
Servicio
13%
70%
46
0%
2428
15%
Figura III.14. Distribucin de microcrditos segn la variable Sector Econmico.

No adoptamos un criterio fijo a la hora de establecer el sector de

actividad que pueda implicar un mayor riesgo. Schreiner (1999) consider la
caracterstica sector econmico en su modelo de scoring mediante una variable
dicotmica con las alternativas de comercio y manufactura. Fue as donde
alcanz la conclusin de que los crditos destinados a una actividad comercial
presentaban un menor riesgo que los prstamos aplicados a una actividad
manufacturera. Por su parte, Van Gool et al (2009), de los cinco sectores de
actividad barajados (agricultura, hogar, industria, comercio y servicios),
sorprendentemente obtuvieron que el hogar constitua el sector o propsito del
crdito ms arriesgado. Siendo as, es sta la nica variable a la que hemos
admitido cambiante el signo esperado del estimador, dejando abierta toda
posibilidad relativa a que cualquier sector sea ms arriesgado que otro ad hoc
a cada cartera crediticia considerada. Lo comentado manifestado en la figura
III.15 donde, en la muestra crediticia de la EDPYME Proempresa, observamos
que las mayores tasas de impago se corresponden con el sector agrario, justo
al contrario que en la CMAC de Tacna, donde los mejores porcentajes de pago
tienen lugar en este sector. A este respecto, no se aprecia que alguno de ellos
suponga, en trminos descriptivos, un sector que lleva ligado un mayor riesgo
de insolvencia sobre el cliente que solicita el crdito. Tambin, la tabla III.15
nos seala la correlacin de Pearson formulada para esta caracterstica
respecto a la variable respuesta del modelo. Tras esto, apreciamos correlacin
entre el sector econmico al que pertenezca la actividad del micronegocio
287
solicitante del prstamo y la probabilidad de que dicho prstamo sea impagado

en la EDPYME, no siendo as para la CMAC. En cualquier caso, habr que
esperar al resultado emprico final de las dos entidades para decidir si se trata
de una variable que influya en el riesgo de microcrdito.
EDPYME PROEMPRESA
CMAC TACNA
100,00%
100,00%
90,00%
51,47%
80,00%
80,00%
39,32%
70,00%
90,00%
46,78%
45,69%
60,00%
PAGO(0)
50,00%
53,22%
48,53%
40,00%
60,68%
30,00%
IMPAGO(1)
54,31%
52,17%
47,39%
49,22%
PAGO(0)
60,00%
IMPAGO(1)
50,00%
40,00%
30,00%
20,00%
49,78%
70,00%
50,22%
47,83%
Comercio
Agricultura
52,61%
50,78%
20,00%
10,00%
10,00%
0,00%
Comercio
Agricultura
Produccin
Servicio
0,00%
Produccin
Servicio
Figura III.15. Comportamiento en el pago segn la variable Sector Econmico.

Tabla III.15. Correlacin bivariada de la variable Sector Econmico y la variable

explicada
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Correlaciones
Y
SECTOR
Sig. (bilateral)
N
Sig. (bilateral)
N
SECTOR
,051**
,000
5451
5451
,051**
1
,000
5451
5451
1
Sig. (bilateral)
N
SECTOR Correlacin de Pearson
Sig. (bilateral)
N
16157
,010
,191
16157
SECTOR
,010
,191
16157
1
16157
Destino del Microcrdito

Cuando en el captulo primero conceptualizbamos el microcrdito,
dejbamos constancia de la finalidad y caractersticas que definan su funcin
econmica y social. Asimismo, prestbamos especial atencin, segn su
tipologa, a que el microcrdito se destinaba al inicio, o en su defecto, al
mantenimiento de una actividad econmica realizada bajo el ejercicio de una
288
pequea o micro empresa. En ambos casos, un microcrdito puede destinarse

tanto a la adquisicin de un activo fijo, como a la inversin en capital de
trabajo7.
En la literatura sobre credit scoring, viene utilizndose como variable
independiente la caracterstica propsito o destino del crdito atendiendo,
fundamentalmente, al sector al que se refiere la actividad econmica
desarrollada [Vigan (1993), Nickell et al (2002), Van Gool et al (2009), entre
otros]. En nuestro caso, habiendo derivado esta caracterstica a la variable
sector econmico, definiremos el destino del microcrdito como una variable
categrica en la que, inicialmente, contbamos con tres posibilidades o
alternativas. La primera de ellas, la aplicacin del microcrdito en la inversin
de capital de trabajo. En segundo lugar, el prstamo puede destinarse a la
adquisicin de activos fijos que, en base al concepto de microcrdito, no sean
de elevados importes. En ltima instancia, puede darse el caso que el
microcrdito sea destinado a sendos cometidos, es decir, adquisicin de activo
fijo e inversin en capital de trabajo. En otro sentido, Bandyopadhyay (2008) da
respuesta a esta variable introduciendo una amplia gama de posibilidades en
las que puede invertirse el prstamo concedido (tractores, otros vehculos
agrarios, investigacin y desarrollo, capital de trabajo, regado, granja, cultivos,
etc.)
La figura III.16 nos muestra como vienen distribuidas las carteras de
microcrditos segn su destino. Destacamos la notoriedad de la utilizacin de
los recursos en inversiones de capital circulante. Ello es debido a que la
mayora de los micronegocios fueron constituidos haca ya algn tiempo y lo
que tratan es de subsistir en un mercado local competitivo. Tal y como apunta
la figura III.17, la calidad de la cartera empeora cuando la adquisicin de
7
El capital de trabajo es el excedente del activo circulante sobre el pasivo circulante, o el
importe del activo circulante que ha sido suministrado por los acreedores a largo plazo y por los
accionistas. El capital de trabajo es el recurso econmico destinado al funcionamiento inicial y
permanente del negocio, que cubre el desfase natural entre el flujo de ingresos y gastos; entre
los activos circulantes y los pasivos circulantes.
289
activos se convierte en el destino principal del microcrdito. Parece lgico

pensar que los prstamos destinados a la adquisicin de activos fijos requieren,
en general, cuantas y plazos ms elevados y, por tanto, son ms susceptibles
de impago.
EDPYME PROEMPRESA
CMAC TACNA
158
3%
CapitaldeTrabajo
11064
68%
540
4294
27%
CapitaldeTrabajo
10%
ActivoFijo
ActivoFijo
4753
Ambos
Ambos
87%
799
5%
Figura III.16. Distribucin de microcrditos segn la variable Destino del Microcrdito.

EDPYME PROEMPRESA
100,00%
22,22%
90,00%
80,00%
CMAC TACNA
52,93%
100,00%
90,00%
23,42%
80,00%
60,00%
30,00%
44,81%
44,18%
77,78%
76,58%
PAGO(0)
60,00%
PAGO(0)
50,00%
40,00%
51,54%
70,00%
70,00%
IMPAGO(1)
50,00%
IMPAGO(1)
40,00%
30,00%
47,07%
48,46%
55,19%
55,82%
20,00%
20,00%
10,00%
10,00%
0,00%
Capitalde
Trabajo
0,00%
CapitaldeTrabajo
ActivoFijo
Ambos
ActivoFijo
Ambos
Figura III.17. Comportamiento en el pago segn la variable Destino del microcrdito

(1).
Segn lo indicado, y con la intencin de simplificar el estudio estadstico,

decidimos agrupar las categoras con el objetivo de construir una variable
dicotmica donde el anlisis exploratorio referido al comportamiento no se viera
sustancialmente alterado (figura III.18). Para ello, razonamos que los
microcrditos dirigidos al desempeo de las dos funciones consideradas
(categora de ambos) fueran redefinidos en la aplicacin final de inversin en
activo fijo. Por consiguiente, definimos como variable explicativa una variable
dummy que adopta el valor de cero (0) para aquellos crditos destinados a la
290
inversin en capital de trabajo y, por contra, uno (1) para prstamos destinados
a la adquisicin de activo fijo. Segn la clasificacin, entendemos que un
crdito otorgado para la inversin en capital de trabajo, ha de contribuir a la
reduccin del riesgo de impago, por lo que proponemos un signo negativo en el
estimador al entender que un crdito destinado a la adquisicin de un activo fijo
implica un mayor riesgo que un crdito destinado a capital de trabajo, debido a
que el proceso de recuperacin del activo fijo a travs de la amortizacin
tcnica es ms largo en el tiempo.
EDPYME PROEMPRESA
100,00%
90,00%
80,00%
100,00%
90,00%
22,49%
52,93%
70,00%
60,00%
50,00%
40,00%
30,00%
CMAC TACNA
PAGO(0)
77,51%
IMPAGO(1)
47,07%
20,00%
10,00%
0,00%
CapitaldeTrabajo
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
51,54%
44,71%
PAGO(0)
IMPAGO(1)
48,46%
55,29%
0,00%
ActivoFijo
CapitaldeTrabajo
ActivoFijo
Figura III.18. Comportamiento en el pago segn la variable Destino del microcrdito

(2).
Por ltimo, en lo que se refiere a la presente variable, nos resta conocer

la correlacin bivariada con respecto a la variable explicada del estudio. As, la
tabla III.16 nos confirma lo que intuimos en el anlisis exploratorio al corroborar
la existencia de correlacin entre la variable dependiente e independiente.
291
Tabla III.16. Correlacin bivariada de la variable Destino del Microcrdito y la variable

explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Correlaciones
Y
DEST_CRED
1
,203**
Sig. (bilateral)
,000
N
5451
5451
DEST_CRED Correlacin de Pearso
,203**
1
Sig. (bilateral)
,000
N Elaboracin Propia
5451
5451
Fuente:
Y
Sig. (bilateral)
N
DEST_CRED Correlacin de Pearso
Sig. (bilateral)
N
DEST_CRED
,063**
,000
16157
16157
,063**
1
,000
16157
16157
1
III.4.3.2. Variables de la revisin de Centrales de Riesgos e historiales

de crdito
El segundo estadio de la fase 3 del proceso de evaluacin y concesin
de un microcrdito hace referencia a la revisin que el analista de crdito
realiza sobre el cliente en las Centrales de Riesgos y en los historiales de
crditos. Tras la revisin comentada, el analista determina la clasificacin del
cliente segn el comportamiento del cliente en lo que a reembolsos pasados se
refiere, a la vez que visualiza el historial de morosidad de ste. Por tanto,
procedemos a la explicacin de las variables surgidas en este estadio del
proceso.
Clasificacin del Cliente segn la SBS

El registro de un historial de crdito que rena la mayor informacin
posible que afecte al comportamiento de pago de una deuda por parte del
cliente ha de contener informacin sobre la situacin del cliente en el momento
de la concesin de un nuevo crdito.
Por escasa que sea la participacin de un individuo o pequea sociedad
en un sistema financiero, sta queda registrada mediante la asignacin de un
292
cdigo, letra o nmero escalar con una significacin basada en la conducta que
el sujeto ha tenido en la operacin considerada y, que segn se desprende del
Nuevo Acuerdo de Basilea, constituye una base para la asignacin de Ratings
a cada cliente de forma individual en el marco de la banca minorista. Bajo esta
apreciacin, el sistema de ratings ha de estar enfocado a la clasificacin del
cliente y a la operacin, conjuntamente.
Hemos podido obtener informacin relativa a esta variable nicamente
para la CMAC de Tacna, considerndose la misma informacin para la
EDPYME Proempresa en una variable similar que comentaremos en el
siguiente punto.
En lo que a la normativa de la SBS se refiere, en la resolucin N 8082003 se dice que un deudor ha de ser clasificado de acuerdo a las siguientes
categoras:
CATEGORA NORMAL (0)
Son aquellos deudores que vienen cumpliendo con el pago de sus cuotas
de acuerdo a lo convenido o con un atraso de hasta ocho (8)
das
calendario.
CATEGORA CON PROBLEMAS POTENCIALES (1)
Son aquellos deudores que registran atraso en el pago de sus cuotas de

nueve (9) a treinta (30) das calendario.
CATEGORA DEFICIENTE (2)

treinta y uno (31) a sesenta (60) das calendario.
CATEGORA DUDOSO (3)

sesenta y uno (61) a ciento veinte (120) das calendario.
CATEGORA PRDIDA (4)
Son aquellos deudores que muestran atraso en el pago de sus cuotas de

ms de ciento veinte (120) das calendario.
Normalmente, las instituciones de microfinanzas no tienen demasiada
conexin de sus historiales de crdito con las Centrales de Riesgos. Este
293
hecho depende del estado de evolucin y consolidacin de la organizacin

dentro del sistema financiero. Las CMACs, aun siendo entidades de
microfinanzas, mantienen un estado de evolucin y afianzamiento financiero
superior a las EDPYMEs, por lo que poseen una informacin ms slida en las
Centrales de Riesgos de la SBS.
La figura III.19 establece la distribucin muestral atendiendo a la
clasificacin que acabamos de realizar. Cabe destacar, que para aquellos
clientes de los que no se disponga informacin en los historiales de crdito o
Centrales de Riesgos, es decir, que sean nuevos o iniciados en la actividad
crediticia, lo ms prudente ha sido en calificarlos bajo la asignacin de la
categora Normal. Teniendo en cuenta que el nmero de estos prestatarios
nuevos no era demasiado elevado, decidimos ubicarlos en esa categora
confiando en el criterio del analista de crdito tras la evaluacin e inspeccin
econmica y financiera del correspondiente negocio. Como puede apreciarse
en la figura III.20 el porcentaje de impagados se va incrementando conforme
los clientes se van situando en categoras ms arriesgadas bajo el punto de
vista de la clasificacin segn la Superintendencia.
CMAC TACNA
Normal
Conproblemaspotenciales
Deficiente
12014
Dudoso
74%
Prdida
1078
7%
893
1489
9%
683
6%
4%
Figura III.19. Distribucin de microcrditos segn la variable Clasificacin del Cliente

segn la SBS.
294
CMAC TACNA
100,00%
80,00%
54,25%
44,06% 42,22% 44,22% 34,05%
60,00%
40,00%
20,00%
45,75%
55,94% 57,78% 55,78% 65,95%
IMPAGO(1)
ida
P
rd
os
o
Du
d
te
es
ien
De
fic
ial
Co
pr
o
bl
em
as
p
ot
en
c
m
al
0,00%
No
r
PAGO(0)
Figura III.20. Comportamiento en el pago segn la variable Clasificacin del Cliente

segn la SBS (1).
Siguiendo con el mismo criterio aplicado en las variables precedentes en

lo que a simplificacin de categoras se refiere, agrupamos las categoras
convirtiendo la variable definitiva en una variable dicotmica que adopta el valor
cero (0) para clientes normales y sin incidencias sobre el riesgo en el sistema
financiero, y de uno (1) para clientes que han tenido algn tipo de problema
susceptible de riesgo, y cuyo resultado fue el observado en la figura III.21.
La discriminacin entre pagadores y no pagadores atendiendo a esta
variable, tiene su reflejo estadstico en el anlisis univariante entre la variable
explicativa y la variable explicada efectuado mediante la prueba de correlacin
de Pearson (tabla III.17).
295
CMAC TACNA
100,00%
80,00%
54,25%
40,09%
60,00%
PAGO(0)
40,00%
45,75%
59,91%
IMPAGO(1)
20,00%
0,00%
Normal
Conproblemas

segn la SBS (2).
Tabla III.17. Correlacin bivariada de la variable Clasificacin del Cliente segn la SBS
y la variable explicada.
CMAC TACNA
Correlaciones
Y
Sig. (bilateral)
N
CLAS_SBS Correlacin de Pearson
Sig. (bilateral)
N
CLAS_SBS
,124**
,000
16157
16157
,124**
1
,000
16157
16157
1
Para finalizar, debemos indicar que aquellos clientes clasificados con

valor de uno (1) en esta variable presuponemos que incorporan una mayor
probabilidad de impago a la ecuacin final del modelo pretendido por esta
investigacin y, de ah, el signo esperado negativo del estimador.
296
Clasificacin del Cliente segn la IMF

Con similares caractersticas que la anterior variable, la clasificacin del
cliente segn la entidad viene a ser un sustituto de la informacin que en la
EDPYME Proempresa no ha podido ser tomada con garantas. Ante la
ausencia de una informacin completa sobre una clasificacin del cliente segn
parmetros de la SBS, el sistema integrado de informacin de la entidad de
microfinanzas realiza paralelamente una asignacin propia de valores sobre el
comportamiento del prestatario, en la cual, la clasificacin otorgada a cada
usuario est realizada en funcin de dos aspectos fundamentales:
a) Sobre un pronstico basado en la experiencia del prestatario
como cliente de la institucin en el cumplimiento de crditos
anteriores.
b) Mediante vnculos con la clasificacin otorgada por la SBS.
De este modo, le entidad realiza la asignacin de estos valores a partir
de una escala de letras que nos informa jerrquicamente de menor a mayor
riesgo de incumplimiento de sus obligaciones (figura III.22).
Figura III.22. Clasificacin del cliente segn la IMF.

Segn lo indicado, la entidad de microfinanzas establece unos vnculos

relacionales entre su propia clasificacin y la de la SBS. Los vnculos
sealados vienen detallados en la figura III.23, donde observamos que las
categoras A y B se corresponden fundamentalmente con los clientes
denominados normales en la SBS; la categora C hace referencia a los
297
clientes con problemas potenciales en la Superintendencia; el cliente bajo la

calificacin de D, muestra un comportamiento similar a los Deficientes del
organismo que normaliza y supervisa el sistema financiero; la categora E de la
IMF se vincula a los Dudosos de la SBS; y, por ltimo, la F de la organizacin
de microfinanzas puede asemejarse a los deudores sealados en Prdida de
la segunda clasificacin. Sin embargo, hemos de indicar que la EDPYME
Proempresa contempla la posibilidad de clientes nuevos en su calificacin
para aquellos deudores que solicitan por primera vez un crdito.
CLASIFICACIN IMF
A
B
C
D
E
F
CLASIFICACIN SBS
NUEVO
NORMAL
CON PROBLEMAS
POTENCIALES
DEFICIENTE
DUDOSO
PRDIDA
Figura III.23. Vnculo entre clasificaciones IMF y SBS.

Acorde con lo planteado por la variable anterior, al igual que por las
indicaciones de la EDPYME Proempresa, decidimos catalogar los clientes
nuevos dentro de la categora A, hasta que fueran identificando su categora
de pertenencia tras el comportamiento de pago en el primero de sus crditos. A
este respecto, puede verse en las figuras III.24 y III.25 la influencia de estos
crditos nuevos en la evolucin del comportamiento de pago en la cartera
segmentada a tenor de la presente variable, donde se percibe que una gran
cantidad de crditos nuevos fueron errneamente clasificados en su correcta
categora al no disponerse de informacin crediticia en los historiales de
crdito. Dicho en otras palabras, una vez vencido el primer microcrdito de un
298
prestatario que se acerca por primera vez a la entidad, ste ser reubicado en
la categora que le corresponde segn haya procedido al desembolso del
primer prstamo concedido. Este problema pudo ser minuciosamente
disminuido
recatalogando
las
categoras
de
la
variable
politmica,
transformndola en una variable dicotmica o dummy que adoptara el valor de

cero (0) definido como clientes solicitantes sin problemas reconocidos, y valor
de uno (1) para clientes solicitantes con algn tipo de problema pasado en el
reembolso de la deuda (figura III.26). En la recodificacin, los prstamos
pertenecientes a clientes de las categoras A y B se trasladaron al valor cero,
mientras que el resto fueron considerados como crditos de potenciales
prestatarios a los que se le reconocieron alguna incidencia pasada en el pago
de la deuda. Lo observado en esta ltima figura, se corrobora una vez
analizada la correlacin entre la variable dependiente y la variable
independiente (tabla III.18), donde se percibe una correspondencia entre stas
en relacin al fenmeno explicado.
EDPYME PROEMPRESA
740
1202
14%
22%
393
7%
A
93
2%
34
1%
2989
54%
D
E
F
Figura III.24. Distribucin de microcrditos segn la variable Clasificacin del Cliente

segn la IMF.
299
EDPYME PROEMPRESA
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
37,43%
42,49%
92,60%
57,51%
0,00%
0,00%
100,00%
100,00%
3,31%
96,69%
62,57%
PAGO(0)
IMPAGO(1)
7,40%
A

segn la IMF (1).
EDPYME PROEMPRESA
100,00%
80,00%
23,02%
56,86%
60,00%
76,98%
40,00%
20,00%
PAGO(0)
IMPAGO(1)
43,14%
0,00%
Sinproblemas
reconocidos
Conalgntipode
problema

segn la IMF (2).
300
Tabla III.18. Correlacin bivariada de la variable Clasificacin del Cliente segn la IMF
y la variable explicada.
EDPYME PROEMPRESA
Correlaciones
Y
Sig. (bilateral)
N
CLAS_ENT Correlacin de Pearso
Sig. (bilateral)
N
CLAS_ENT
,285**
,000
5451
5451
,285**
1
,000
5451
5451
1
Diseada la variable, se espera que aquellos prestatarios catalogados

como clientes sin problemas reconocidos (0) disminuyan la probabilidad final de
impago en el modelo estadstico objeto de la investigacin. Parece procedente,
en consecuencia, que el signo deseado para el estimador correspondiente sea
negativo.
Cuotas Totales Pagadas

Variable indicativa del nmero de cuotas totales a las que cada cliente
se ha tenido que enfrentar para su reembolso desde que es cliente de la
institucin y que, adems, ha resuelto satisfactoriamente. Esta informacin
tambin es captable en los historiales de crdito de la entidad o en las
Centrales de Riesgos de los organismos que rigen el sistema financiero.
Respecto a la contribucin al riesgo de impago, conviene mencionar que un
cliente con mayor nmero de cuotas, supone que le han sido concedidos, por
trmino medio, un mayor nmero de crditos, lo que refleja tambin una mayor
experiencia como prestatario. Es por tanto, por lo que esperamos un signo
negativo del estimador correspondiente en la aplicacin de credit scoring.
Es posible que esta caracterstica y la referente al nmero de crditos
concedidos en el pasado nos reporte una informacin similar y, aunque la
correlacin univariante respecto a la variable dependiente sea altamente
301
significativa (tabla III.19), tengamos que aguardar al diseo de la aplicacin

final de scoring para determinar si se presenta el fenmeno de la
multicolinealidad entre variables. Si as fuera, procederamos a suprimir la
informacin duplicada en el estudio planteado.
Tabla III.19. Correlacin bivariada de la variable Cuotas Totales Pagadas y la variable
explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Y
Sig. (bilateral)
N
CUOT_TOT Correlacin de Pearson
Sig. (bilateral)
N
Correlaciones
Y
CUOT_TOT
,091**
,000
5451
5451
,091**
1
,000
5451
5451
1
Sig. (bilateral)
N
CUOT_TOT Correlacin de Pearson
Sig. (bilateral)
N
CUOT_TOT
,220**
,000
16157
16157
,220**
1
,000
16157
16157
1
Cuotas totales morosas

Los modelos tradicionales propuestos para medir el riesgo de crdito
asumen que el comportamiento pasado de la persona fsica o jurdica que
solicita un crdito, marcar el patrn de actuacin en el comportamiento futuro.
En consecuencia, es de suponer que las variables encargadas de recopilar la
conducta de la morosidad sern predictoras de retrasos futuros en el pago. As,
la siguiente variable recoge el nmero de cuotas atrasadas al pago o
reembolso del cliente. Esta informacin se obtiene nuevamente de los
historiales de crdito y Centrales de Riesgo. No cabe duda que un cliente que
presente un historial de morosidad con un gran nmero de cuotas fallidas
indicar que ste viene teniendo problemas a la hora de hacer frente a sus
obligaciones de pago, con lo que este tipo de cliente tendr mayor riesgo que
otro que presente un nmero menor de impagos en su historial de morosidad.
No estamos de acuerdo con el planteamiento de Schreiner (1999) sobre esta
variable, al manifestar que un cliente con un nmero pasado de retrasos en el
pago superior a cuatro, disminuye la probabilidad de impago. Parece
302
procedente, en consecuencia, esperar un signo positivo en el estimador propio

de esta variable, asumiendo que un incremento de sta incorpora probabilidad
de incumplimiento. No obstante, previa consideracin de la variable en el
modelo final, no parece que tenga demasiada relevancia en la EDPYME
Proempresa tras analizar la correlacin de Pearson respecto a la variable
respuesta (tabla III.20), aunque s parece tener influencia en la CMAC de
Tacna. Solo hacer mencin expresa al hecho de que al tener la EDPYME un
historial crediticio menos sofisticado que la CMAC, se produce una insuficiencia
informativa para algunas caractersticas sobre la morosidad.
Tabla III.20. Correlacin bivariada de la variable Cuotas Totales Morosas y la variable
explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Correlaciones
Y
Sig. (bilateral)
N
CUOT_MORACorrelacin de Pearso
Sig. (bilateral)
N
CUOT_MORA
-,013
,326
5451
5451
-,013
1
,326
5451
5451
1
Sig. (bilateral)
N
CUOT_MORA Correlacin de Pearso
Sig. (bilateral)
N
CUOT_MORA
,220**
,000
16157
16157
,220**
1
,000
16157
16157
1
Promedio de la Morosidad
Resulta interesante la importancia que Schreiner (1999) otorga al
historial de morosidad cuando propone como variables explicativas en su
modelo la duracin (en das) del atraso mximo en el crdito previo y el nmero
de cuotas impagadas con anterioridad. Siguiendo al citado autor, en la
organizacin de microfinanzas Proempresa, contbamos con informacin en su
historial crediticio relativa al nmero de das promedio de la morosidad de cada
cliente de la institucin. Parece procedente contar con esta informacin pues
consideramos que podra responder al comportamiento habitual de cada cliente
respecto a su morosidad. Siguiendo planteamientos similares al anlisis de
variables anteriores, ha de esperarse un signo positivo en el correspondiente
303
estimador al entender que una mayor cifra en el promedio de la duracin de la

morosidad, responde a un cliente con mayores dificultades a la hora de
devolver las cuotas del crdito. En efecto, la relacin de esta variable con el
fenmeno explicado (impago en las cuotas) se manifest significativa tras el
anlisis previo univariante realizado (tabla III.21), si bien, hemos de ser cautos
en el anlisis al disponer de varias caractersticas explicativas que reportan
informacin similar sobre el historial de morosidad del cliente.
Tabla III.21. Correlacin bivariada de la variable Promedio de Morosidad y la variable
explicada.
EDPYME PROEMPRESA
Correlaciones
Y
Sig. (bilateral)
N
MEDIA_MORACorrelacin de Pearso
Sig. (bilateral)
N
MEDIA_MORA
,077**
,000
5451
5451
,077**
1
,000
5451
5451
1
Morosidad Mayor
En nuestro afn de reunir la mayor informacin posible relativa al
historial de crdito y morosidad, concluimos con una variable representativa del
nmero de das que un cliente se ha encontrado en situacin de morosidad. En
este sentido, seguimos registrando las variables no cualitativas como variables
numricas con el propsito de que nos pueden aportar una mayor y mejor
interpretacin del modelo.
Por consiguiente, cabe esperar que aquel solicitante de un microcrdito
que presente un historial de crdito con un elevado nmero de das en la
situacin de morosidad de duracin mayor, tenga ms probabilidad de impago
futuro, provocando dudas en la institucin respecto a la devolucin del
prstamo. Siendo as, tambin esperamos un estimador positivo para esta
304
variable. En relacin con lo expuesto, comprobamos que la comentada variable

presenta relaciones con la variable dependiente tal y como nos seala la tabla
III.22.
Tabla III.22. Correlacin bivariada de la variable Morosidad Mayor y la variable
explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Sig. (bilateral)
N
MORA_MAYOR Correlacin de Pearson
Sig. (bilateral)
N
Correlaciones
Y
5451
,073**
,000
5451
MORA_
MAYOR
,073**
,000
5451
1
5451
Sig. (bilateral)
N
MORA_MAYOR Correlacin de Pearson
Sig. (bilateral)
N
16157
,371**
,000
16157
MORA_
MAYOR
,371**
,000
16157
1
16157
III.4.3.3. Variables de la inspeccin econmica y financiera de la

microempresa
Para concluir la exposicin de las variables consideradas en la tercera
fase del proceso de evaluacin y concesin de un microcrdito, abordamos el
estadio de la inspeccin econmica y financiera de la microempresa, as como
las variables que surgen de ste.
La fase termina cuando el analista de crdito se dirige a la microempresa
(en numerosos casos, la microempresa tiene su sede en el hogar del cliente)
para realizar una inspeccin visual sobre la situacin econmica y financiera
del cliente y de su pequeo negocio. En una primera instancia, el analista de
crdito termina de formalizar los datos personales relativos al cliente,
recabando informacin sobre el gnero, edad, estado civil y situacin laboral de
ste. En segunda instancia, el analista de crdito procede a valorar tanto los
bienes y derechos, como las obligaciones del hogar o microempresa encargada
de la realizacin de la actividad econmica determinada. Por consiguiente, de
la mencionada valoracin, el analista de crdito se encuentra en disposicin de
305
registrar informacin til para la construccin de algunos ratios econmicos y

financieros contrastados por la literatura especializada sobre credit scoring. De
acuerdo con esto, en lo que sigue, procedemos a la explicacin de las variables
influyentes en esta fase del proceso.
Gnero
Johnson y Kidder (1999) argumentan que es poco usual que el diseo y
elaboracin de productos financieros por parte de las entidades financieras
tengan en cuenta el gnero del pblico objetivo al que pueda ir dirigido.
Asimismo, Vonderlack y Schreiner (2002) asienten que, a pesar de que existe
una creencia en la que las microfinanzas ayudan a las mujeres, en sus inicios,
pocas IMFs han desarrollado aplicaciones concretas para satisfacer las
distintas demandas de las mujeres de escasos recursos por servicios de
ahorro.
Esto no quiere decir que sta sea una variable francamente relevante
para nuestro estudio, pues en la prctica del negocio microfinanciero y en la
evaluacin del comportamiento de pago de los clientes, existe una serie de
principios generalmente aceptados:
Las mujeres al igual que los hombres, buscan un crdito en las

mejores condiciones segn plazos y tipos de inters.
Las mujeres principalmente realizan las tareas del hogar. Disponen

de una menor autonoma econmica y limitado acceso a la
educacin. En palabras de Yunus (1999), ninguna mujer si se
encuentra con dinero extra en el bolsillo se va sola al bar a celebrarlo
con unas amigas y a emborracharse. En cambio, los hombres a
menudo lo hacen.
Las mujeres tratan de incrementar las posibilidades de supervivencia

realizando pequeas actividades econmicas relacionadas con las
tareas del hogar.
306
Las mujeres tienen una mayor responsabilidad familiar, hecho que se

traslada al comportamiento de pago de cualquier crdito.
Ms de la mitad de clientes de las microfinanzas son mujeres.
Teniendo en cuenta estos aspectos, as como la experiencia en las

microfinanzas, se acepta la idea de que las mujeres puedan aportar un factor
de riesgo menor que los hombres. Las mujeres suelen mantener una mayor
proporcin de crditos en una entidad de microfinanzas pues la literatura
especializada dice que el gnero femenino atiende mucho mejor al pago de la
deuda. De ah, la importancia de esta variable para estimar el riesgo de crdito
de una institucin de microfinanzas.
En nuestro estudio, la distribucin de los casos en funcin del gnero del
prestatario se observa en la figura III.27.
EDPYME PROEMPRESA
2280
42%
CMAC TACNA
7549
3171
58%
Masculino
8608
Femenino
53%
47%
Masculino
Femenino
Figura III.27. Distribucin de microcrditos segn la variable Gnero.

Por su parte, la figura III.28 muestra el comportamiento de pago o

impago, segn fue definida la variable independiente o explicada atendiendo al
gnero del prestatario.
A la vista de esta ltima figura, no podemos corroborar la teora de que
las mujeres son mejores pagadoras que los hombres, pues a pesar de no
existir demasiada diferencia entre ambos gneros, los datos indican que en
ambas entidades, el gnero femenino deja de atender al pago unos puntos
307
porcentuales ms que el masculino, justo al contrario de lo que refiere la

literatura.
EDPYME PROEMPRESA
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
CMAC TACNA
48,68%
49,29%
PAGO(0)
IMPAGO(1)
51,32%
50,71%
Masculino
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
51,69%
PAGO(0)
IMPAGO(1)
48,31%
Masculino
Femenino
47,36%
52,64%
Femenino
Figura III.28. Comportamiento en el pago segn la variable Gnero.

En el modelo que pretendemos construir, esta informacin se traduce en

una variable cualitativa dicotmica (dummy) que toma valor uno (1) para
aquellos casos en los que el crdito haya sido solicitado por una persona fsica
de sexo femenino y valor cero (0) cuando es solicitado por persona fsica de
sexo masculino.
El anlisis univariante de la presente variable con la explicada queda
basado en una correlacin bivariada tal y como se muestra en la tabla III.23.
Tabla III.23. Correlacin bivariada de la variable Gnero y la variable explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Y
SEXO
Sig. (bilateral)
N
Sig. (bilateral)
N
Correlaciones
Y
5451
-,006
,659
5451
SEXO
-,006
,659
5451
1
5451
SEXO
Sig. (bilateral)
N
Sig. (bilateral)
N
16157
,043**
,000
16157
SEXO
,043**
,000
16157
1
16157

(bil t l)
308
A la vista de estos resultados, resaltamos la existencia de una

correlacin inicial entre la variable dependiente y la caracterstica Gnero para
la IMF de Tacna, no siendo as para la entidad Proempresa. En cualquiera de
los casos, hemos de ser cautelosos a la hora de desechar variables que, a
priori, no muestren una fuerte correlacin con la dependiente, pues en
combinacin con otras en un modelo global, pueden llegar a aportar
informacin a dicho modelo.
Siguiendo con la cautela, prestaremos especial atencin a los signos de
los estimadores de cada variable considerada en el modelo final, de tal modo
que reflejen con fidelidad la situacin sobre la aportacin o no al riesgo de
impago del cliente definido en la variable explicada. En este sentido,
atendiendo a lo manifestado por la literatura especializa, el signo esperado del
estimador en un futuro modelo estadstico ha de ser negativo.
Edad
Definimos esta variable como el nmero de aos que el prestatario tiene
en el momento de presentar la solicitud del crdito. Se trata de una variable
muy contrastada por la literatura en modelos de credit scoring en entidades
bancarias donde, habitualmente, se emplea como una variable continua. Green
(1993) define la variable Edad como los aos completos ms las doceavas
partes de ao cumplidas por el prestatario. La idea del autor fue la de ajustar la
exactitud en el dato. En esta lnea, nuestra variable est diseada
numricamente con dos decimales indicativos del nmero de meses a aadir al
ltimo ao completo cumplido.
La tabla III.24 nos muestra la correlacin de sta con la variable
dependiente. Nuevamente, observamos que la variable tiene cierta correlacin
en la cartera crediticia de la CMAC de Tacna, no siendo as para la de
Proempresa.
309
Tabla III.24. Correlacin bivariada de la variable Edad y la variable explicada.

EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Y
EDAD
Sig. (bilateral)
N
Sig. (bilateral)
N
Correlaciones
Y
5451
,022
,112
5451
EDAD
,022
,112
5451
1
5451
EDAD
Sig. (bilateral)
N
Sig. (bilateral)
N
16157
,076**
,000
16157
EDAD
,076**
,000
16157
1
16157

(bil t l)
Sobre esta caracterstica, se espera un signo positivo del estimador,

pues entendemos que un cliente de menor edad posee mas capacidad en su
actividad empresarial y laboral futura que un cliente de avanzada edad y, por
tanto, tambin creemos que queda reflejado en el pago de sus deudas con la
entidad de microfinanzas.
Estado Civil
En captulos anteriores hemos dejado constancia de la importancia de
las microfinanzas en el desarrollo de programas de financiacin a
microempresas familiares, clientes ms numerosos de las operaciones de
microcrdito de las IMFs, con el objetivo de incrementar los niveles de
productividad y competitividad de la economa familiar. Por otra parte,
Schreiner (2009), para la entrada de datos en la consecucin de un ndice de
calificacin de pobreza, toma referencias e informacin sobre el estado actual
de los bienes pertenecientes al hogar del sujeto calificado. Esta conexin entre
la actividad empresarial y la unidad familiar, supone la existencia de una
relacin directa entre el riesgo de impago y el estado civil del cliente del
microcrdito.
El estado civil del prestatario, al igual que las dos variables anteriores
(gnero y edad), tambin constituye una caracterstica o variable compartida
310
por las dos entidades objeto de nuestro estudio, de la cual obtuvimos

informacin cuando adquirimos los historiales de crdito. Para ambas
instituciones, los clientes se clasificarn en cinco categoras, segn su estado
civil en el momento de la solicitud del microcrdito. stas son:
Soltero
Casado
Viudo
Conviviente
Divorciado
La figura III.29 establece la distribucin muestral atendiendo a la variable
estado civil. En ella resaltamos que los clientes vienen agrupndose en su

mayora en dos conjuntos, solteros y casados. Seguidamente, la figura III.30
recoge la proporcin de crditos pagados frente a impagados a vencimiento del
microcrdito discriminados por el estado civil.
EDPYME PROEMPRESA
CMAC TACNA
120122 21
1% 1% 0%
82
2%
1146
21%
117
2%
1565
Soltero
29%
Casado
Soltero
Casado
Viudo
7196
Conviviente
45%
Divorciado
Viudo
8698
53%
Conviviente
Divorciado
2541
46%
Figura III.29. Distribucin de microcrditos segn la variable Estado Civil.

Boyes, Hoofman y Low (1989) analizaron la inclusin de variables sociodemogrficas en los modelos de credit scoring. Estos autores introdujeron esta
caracterstica mediante una variable dicotmica con un significado de casado
frente a soltero. Siguiendo esta clasificacin y con la objeto de simplificar el
estudio, hemos transformado la variable que previamente podra ser politmica
en otra dicotmica con valor de cero (0) para aquellos clientes que no fueran
311
responsables de una unidad familiar (solteros), y valor uno (1) para aquellos
clientes que estuvieran o hubieran estado al frente de una unidad familiar. En
este ltimo conjunto, agrupamos a todos aquellos prestatarios que en el
momento de la solicitud del microcrdito presentasen un estado civil de casado,
viudo, conviviente y divorciado. Los resultados de esta transformacin pueden
ser contemplados en la figura III.31, donde para el caso de la EDPYME no se
advierten diferencias significativas entre el pago o impago por el hecho de
pertenecer a cualquiera de los dos grupos, pero, sin embargo, en la CMAC si
puede verse que los clientes responsables de una unidad familiar son
ligeramente mejores pagadores que los que no tienen esa situacin.
EDPYME PROEMPRESA
49,57%
53,33%
47,54%
Co
PAGO(0)
IMPAGO(1)
rc
iad
o
lte
ro
76,19%
So
rc
iad
o
te
51,43%
Di
ivi
nv
Co
IMPAGO(1)
vo
en
do
Vi
u
Ca
sa
do
So
lte
ro
PAGO(0)
54,88%
te
47,91%
52,46%
vo
50,43%
46,67%
Di
52,38%
50,43%
en
50,73%
23,81%
48,57%
ivi
52,09%
do
49,57%
nv
47,62%
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
Vi
u
49,27%
45,12%
Ca
sa
do
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
CMAC TACNA

EDPYME PROEMPRESA
CMAC TACNA
100,00%
100,00%
90,00%
90,00%
80,00%
70,00%
49,27%
48,94%
48,57%
50,33%
70,00%
60,00%
PAGO(0)
50,00%
IMPAGO(1)
40,00%
30,00%
80,00%
50,73%
51,06%
60,00%
PAGO(0)
50,00%
IMPAGO(1)
40,00%
30,00%
51,43%
49,67%
20,00%
20,00%
10,00%
10,00%
0,00%
0,00%
Soltero
UnidadFamiliar
Soltero
UnidadFamiliar

312
El anlisis univariante para esta variable (tabla III.25) indica que para
Proempresa no existe relacin significativa de esta variable con la explicada,
mientras que para la CMAC de Tacna se observa cierta relacin estadstica
entre ambas.
Tabla III.25. Correlacin bivariada de la variable Estado Civil y la variable explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Y
E_CIVIL
Sig. (bilateral)
N
Sig. (bilateral)
N
Correlaciones
Y
5451
,003
,831
5451
E_CIVIL
,003
,831
5451
1
5451
E_CIVIL
Sig. (bilateral)
N
Sig. (bilateral)
N
16157
-,017*
,026
16157
E_CIVIL
-,017*
,026
16157
1
16157
Por tanto, se espera que la aportacin al riesgo de los clientes con

estado civil de soltero sea mayor que los clientes pertenecientes al grupo de los
que asumen la responsabilidad de una unidad familiar, pues la carga familiar y
del hogar de estos ltimos hace que, por lo general, se traslade a un mejor
comportamiento de pago de las deudas. Es por tanto, por lo que el signo
esperado del estimador estadstico sea positivo (es decir, cuando el cliente es
soltero).
Situacin Laboral
El microcrdito tiene como objetivo financiar la creacin o mantenimiento
de una actividad econmica por parte de una microempresa. Un prstamo de
estas caractersticas es solicitado por un potencial cliente que, bien posee o
est a cargo de una microempresa, o bien pueda iniciar una actividad
econmica. As lo contempla Vigan (1993) al introducir en su modelo de
scoring la consideracin de empresa de reciente creacin en una de sus
variables. En el primero de los casos, el destino de ese crdito ser para el
mantenimiento o expansin de la actividad ya existente, mientras que en el
313
segundo caso, el microcrdito se destina a financiar la adquisicin de activos

fijos e inventariables de pequea cuanta o valor y a dotarse de un capital
circulante necesario para emprender la actividad econmica.
Por tanto, hay que establecer una variable dicotmica con un valor cero
(0) para aquellos clientes que trabajan por cuenta propia o, dicho de otra forma,
que son propietarios de una pequea microempresa, y valor uno (1) para
aquellos prestatarios que, a pesar de trabajar por cuenta ajena, su principal
renta de trabajo proviene de otra empresa y se les plantea la posibilidad de
comenzar una nueva actividad econmica con un micronegocio propio.
La situacin laboral del prestatario, an dependiendo de la existencia de
datos en los historiales de crditos, es una variable a tener en cuenta en los
modelos de scoring, segn se aprecia en la literatura especializada. Dinh y
Kleimeier (2007) la consideran en su modelo de scoring para una entidad
financiera minorista del Vietnam, aunque tuvieron que descartarla para el
estudio final estadstico al disponer de poca informacin muestral. Esta si fue
incluida por Van Gool et al (2009), que distinguan entre aquellos propietarios
de microempresas registradas frente a los que no tenan registro empresarial,
bien por no haber legalizado el negocio, o bien por trabajar por cuenta ajena.
En nuestra experiencia, disponemos de informacin escasa aunque
relevante sobre clientes que, an trabajando por cuenta ajena, desean
comenzar con una actividad productiva (figura III.32). De estas escasas pero,
representativas submuestras, su anlisis exploratorio nos indica que en el
sector de clientes que trabajan por cuenta ajena existe una mayor
concentracin de impagados, hecho que se acenta con mayor fuerza en la
cartera crediticia de la EDPYME Proempresa (figura III.33).
314
EDPYME PROEMPRESA
5410
99%
CMAC TACNA
15960
99%
Independiente
Independiente
Dependiente
Dependiente
41
1%
197
1%
Figura III.32. Distribucin de microcrditos segn la variable Situacin Laboral.

EDPYME PROEMPRESA
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
CMAC TACNA
100,00%
29,27%
90,00%
49,19%
80,00%
PAGO(0)
70,73%
50,81%
IMPAGO(1)
49,45%
43,65%
70,00%
PAGO(0)
60,00%
IMPAGO(1)
50,00%
40,00%
30,00%
50,55%
56,35%
20,00%
10,00%
Independiente
Dependiente
0,00%
Independiente
Dependiente
Figura III.33. Comportamiento en el pago segn la variable Situacin Laboral.

Respecto a la correlacin bivariada (tabla III.26), detectamos una

relacin estadsticamente significativa entre las variables dependiente e
independiente para la EDPYME con un nivel de confianza del 95 por ciento, a
pesar del escaso tamao de la submuestra que corresponde al grupo de los
clientes que no poseen negocio propio en el momento de la solicitud de
microcrdito. No ocurre as para la CMAC, donde a pesar de registrar un mayor
porcentaje de impagos en el grupo referido, el pequeo tamao de ste sugiere
que no sea suficiente para establecer una correlacin con la variable respuesta.
315
Tabla III.26. Correlacin bivariada de la variable Situacin Laboral y la variable

explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Correlaciones
Y
SIT_LAB
Sig. (bilateral)
N
Sig. (bilateral)
N
5451
,034*
,011
5451
SIT_LAB
,034*
,011
5451
1
5451
Sig. (bilateral)
N
SIT_LAB Correlacin de Pearson
Sig. (bilateral)
N
16157
-,013
,106
16157
SIT_LAB
-,013
,106
16157
1
16157
Respecto a la identificacin del grupo que aporta un mayor riesgo a la

probabilidad de que un microcrdito sea impagado, coincidimos en los
resultados alcanzados por Van Gool et al (2009), donde, a pesar de no ser
significativa esta variable, obtuvieron un signo del estimador acorde con la idea
indicada, la cual establece que los clientes que lleven a cabo la actividad
econmica ya consolidada mediante la gestin de un micronegocio tienen una
menor probabilidad de incurrir en impago que los clientes que obtienen un
microcrdito para la creacin de una microempresa por una nueva idea
surgida. A esto hemos de aadir que los prestatarios que trabajan por cuenta
ajena y plantean un nuevo negocio acarrean una incertidumbre mayor sobre el
funcionamiento futuro de la actividad que pretenden realizar y, a la vez, una
menor experiencia como prestatario. Por tanto, puede concluirse que un signo
negativo del estimador debe ser relevante para la inclusin de esta variable en
el modelo final, siempre y cuando sta resulte ser significativa.
Ratios Econmico-Financieros
En todas las aplicaciones de modelos de credit scoring, las variables
utilizadas para el anlisis han sido cambiantes segn el tipo de cartera
analizada. Tras sugerir diferencias entre los modelos de scoring para grandes
316
corporaciones y de carteras retail (individuos y Pymes)8, no cabe duda de que

la informacin en los historiales de crditos ha de ser recogida y tratada de
forma diferente. A ello hemos de unirle todas las limitaciones comentadas en la
elaboracin de modelos de medicin del riesgo de crdito para IMFs, donde
dejamos claro que el principal problema o limitacin la encontrbamos en la
consecucin de una base de datos idnea a partir de un historial de crdito
limitado.
Las aplicaciones de modelos de scoring en carteras de crditos
concedidos a grandes empresas han tenido y tienen un uso comn de variables
formuladas bajo ratios econmicos y financieros extrados de los estados
contables. El resto de variables se han elaborado a partir de informacin
cualitativa acerca de la direccin, el sector econmico, proyecciones de flujos
de fondos, etc.
Desde la Z-Score de Altman (1968), la prediccin de insolvencia
financiera y la prediccin de impago de crditos y otras deudas, incluyendo
ratios construidos a partir de los estados financieros en las variables
explicativas, han tenido un gran inters a nivel terico y prctico en el mbito
financiero. As, muy prximo en el tiempo a la publicacin del modelo de
Altman, Orgler (1970) en su modelo de credit scoring para prstamos
comerciales utiliza un extenso nmero de ratios financieros agrupados en
cuatro grandes bloques: ratios sobre liquidez, rentabilidad, apalancamiento y
actividad. Desde este instante, la prctica totalidad de aplicaciones de scoring
para las grandes corporaciones consideran la utilizacin de ratios financieros
en la explicacin del fenmeno de impago de las deudas.
Con el propsito de agregar la mayor informacin econmica y
financiera, y siguiendo con la filosofa de los modelos de credit scoring para
entidades financieras en lo que a variables se refiere, nos planteamos
incorporar al estudio un aceptable y relevante nmero de ratios, con la
intencin de abarcar la mayor cantidad posible de informacin econmica y
Vase Captulo II.
317
financiera del prestatario de un microcrdito. A pesar de todo, la limitacin de

escasez de informacin financiera se hizo palpable en nuestras dos carteras.
Para la construccin de ratios recopilamos la informacin disponible de los
clientes, y la adaptamos a los modelos tradicionales de balance y cuenta de
prdidas y ganancias. El resultado de esta accin es el que presentamos en la
tabla III.27 para la cartera de crditos de la EDPYME Proempresa y la tabla
III.28 para la cartera de la CMAC de Tacna. Puede observarse que, a pesar de
contar con una escasa informacin de balance y de cuenta de prdidas y
ganancias, obtuvimos ratios de liquidez, rentabilidad, patrimonio e, incluso, de
apalancamiento.
Tabla III.27. Micro-Balance y Micro-Cuenta de Prdidas y Ganancias de los clientes de
la EDPYME Proempresa9.
MICRO BALANCE
PATRIMONIO
ACTIVO
PASIVO
MICRO CUENTA DE PRDIDAS Y GANANCIAS
GASTOS
INGRESOS
Coste de la mercadera
Ingresos por Ventas
UTILIDAD BRUTA (+)
UTILIDAD BRUTA (-)
Coste operativo10
UTILIDAD NETA (+)
UTILIDAD NETA (-)
El ratio de liquidez se confecciona al disponer de informacin sobre la

capacidad de pago. Segn la normativa de la SBS de Per11, Para evaluar el
otorgamiento de crditos MES, de consumo e hipotecario para vivienda, se
analizar la capacidad de pago en base a los ingresos del solicitante, su
9
Las partidas presentadas son de las que disponemos informacin en nuestro original historial de crdito.
La partida de Coste Operativo recoge las cargas fijas, gastos generales y costes administrativos.
11
Resolucin SBS N 808 - 2003
10
318
patrimonio neto, importe de sus diversas obligaciones, y el monto de las cuotas

asumidas para con la empresa; as como las clasificaciones asignadas por las
otras empresas del sistema financiero. La capacidad de pago fue tomada
como un dato que ingresa el analista de crdito. Esta cifra certifica la cantidad
de liquidez que tiene el cliente para hacer frente al pago del crdito en
concreto. Hace referencia al montante efectivo disponible y destinado a la
cancelacin de deudas. Salgado (2006) nos indica que el proceso de clculo de
la capacidad de pago por parte del analista ha de tener en cuenta los
siguientes aspectos:
Utilizar registros (si los tiene), solo si son fiables.
Estructurar balance.
Determinar estructura de costos y gastos (fijos y variables).
Carga financiera (tiene o ha tenido crditos).
Si tiene, debera haber pagado ms del 25% de los crditos.
Si ha tenido, cmo los pago? (de preferencia pedir estado de

cuenta).
No olvidarse de la incidencia del ciclo econmico del negocio.
Investigar a fondo el probable destino del crdito.
Fijar plazo y frecuencia de pago adecuado.
Tener en cuenta, que en la mayora de los casos se evalan

negocios o empresas en marcha (con un tiempo mnimo de
funcionamiento) que ya cuentan con capital de trabajo.
No omitir la mencin de los riesgos en el comentario escrito de la

evaluacin.
Escalonar el montante del prstamo (en otras tecnologas crediticias

la cantidad del siguiente crdito es variable y siempre en base a la
capacidad de pago del cliente).
Precisar gastos familiares.
Otros gastos.
Por otro lado, la informacin econmica y financiera disponible en el

historial crediticio de la CMAC de Tacna (tabla III.28) nos obliga a tener que
319
disear una estrategia diferente en la formulacin de ratios a utilizar como

variables.
Tabla III.28. Micro-Balance y Micro-Cuenta de Prdidas y Ganancias de los clientes de
la CMAC de Tacna.
MICRO BALANCE
ACTIVO
PASIVO
1. ACTIVO CIRCULANTE
1.a. Disponible (Tesorera)
MONTO APROBADO
+
1.b. Cuentas por cobrar (Clientes)

1.c. Inventario (Existencias)
PROVEEDORES
2. ACTIVO FIJO
ACTIVO TOTAL
MICRO CUENTA DE PRDIDAS Y GANANCIAS
GASTOS
INGRESOS
Coste de la mercadera
Ingresos por Ventas
UTILIDAD BRUTA (+)
UTILIDAD BRUTA (-)
Gastos del Negocio12

UTILIDAD NETA (+)
UTILIDAD NETA (-)
Como puede apreciarse, los micro estados financieros registrados en el

historial de crdito de la CMAC ofrecen la posibilidad de explicar la
predisposicin al pago atendiendo a la fortaleza de la estructura econmica del
cliente. Quiere decirse, pues, que el desarrollo de ratios a contemplar como
variables explicativas irn enfocados al anlisis de aquellos bienes y derechos
econmicos con los que el cliente puede hacer frente a las deudas contradas.
Por su parte, ante la ausencia de datos sobre la estructura financiera
(patrimonio neto y pasivo) del prestatario, hemos considerado oportuno tomar
12
La partida de Gastos del Negocio recoge las cargas fijas, gastos generales y costes administrativos.
320
la deuda referida por el prstamo solicitado13 con el objetivo de construir ratios

que contengan informacin financiera donde, an conociendo que el cliente
pueda haber contrado otras obligaciones crediticias, permita completar y
aadir informacin sobre el riesgo de impago. Tambin en la estructura
financiera disponemos de informacin sobre las obligaciones de pago que cada
cliente mantiene con sus proveedores, cifra que podremos tener en cuenta en
alguno de los ratios.
A la vista de lo expuesto, hemos de sealar que, fruto de las limitaciones
en la preparacin de un estudio de credit scoring para IMFs y, sobre todo, en
materia de escasez de informacin econmica y financiera en los historiales de
crditos, resulta imposible tomar los mismos ratios para las dos entidades
analizadas, quedando adems el nmero de stos reducido a la hora de
albergar la mayor informacin econmica de los prestatarios de la entidad. En
cualquiera de las entidades, acorde con la literatura relativa a modelos de credit
scoring, hemos pretendido recoger ratios de patrimonio, productividad, liquidez,
solvencia y rentabilidad. Con este objetivo, hemos consultado manuales de
anlisis de estados financieros y otros documentos de los principales ratios
[Banegas et al (2005); Sanz (2002); Wild et al (2007)].
Ratios econmico-financieros de la EDPYME Proempresa
Por consiguiente, se calcularon una serie de ratios que representaran la
realidad econmica y financiera de los clientes de la institucin Proempresa,
captada por los oficiales o analistas de crdito en las visitas realizadas al hogar
o micronegocios del prestatario. As, con la informacin disponible en el
historial de crdito de esta IMF, construimos los siguientes ratios:
R1. ROTACIN DE ACTIVOS:
INGRESOS POR VENTAS

TOTAL ACTIVO
El presente ratio, indica el nmero de veces que los ingresos

superan las ventas del cliente. Es una variable numrica en la que
13
Cotler, P. y Rodrguez-Oreggia, E. Op. cit. pg. 158
321
cuanto mayor sea el valor de la misma, menor ha de ser la

probabilidad de impago. As, el signo esperado del parmetro
estimado en el modelo de credit scoring ser aceptado siempre y
cuando ste sea negativo.
R2. PRODUCTIVIDAD:
UTILIDAD BRUTA
COSTES OPERATIVOS
Segundo ratio numrico sobre la realidad econmico-financiera del

negocio del cliente que solicita un microcrdito. El ratio es el cociente
entre la utilidad o resultado bruto y los costes operativos de la
microempresa. Al igual que el anterior, se espera un signo negativo
del estimador en el modelo de credit scoring, ya que cuanto mayor
sea el mismo, ms saneada estar la cuenta de resultados y mejor
respuesta tendr a las obligaciones de pago futuras.
R3. LIQUIDEZ:
CAPACIDAD DE PAGO
TOTAL ACTIVO
Ratio que mide la liquidez general del micronegocio en el momento

de la evaluacin gerencial sobre la conveniencia o no de aceptar la
peticin del crdito. En la construccin de este ratio, lo ideal habra
sido tomar el disponible de la microempresa como masa
patrimonial, pero en su defecto, segn acabamos de definir el
concepto de capacidad de pago del cliente, podemos tomar el ratio
como una previsin de la liquidez que el cliente dispone para atender
a la obligacin de pago contrada. Por otra parte, al tratarse de un
ratio de solvencia inmediata, se puede decir que cuanto mayor sea
ste, la probabilidad de impago del cliente debe reducirse. El signo
del estimador que debemos esperar es negativo.
R4. ROTACIN DE LIQUIDEZ:
CAPACIDAD DE PAGO
360
INGRESOS POR VENTAS
322
Teniendo en cuenta todo lo indicado en lo que a capacidad de pago

se refiere, definimos un ratio indicativo del nmero de das que el
negocio del cliente tarda en recuperar su tesorera. En este caso,
cuanto mayor sea el valor de la variable, ms riesgo incorpora
traducido en probabilidad de no atender a las obligaciones de pago.
Es por lo que el signo esperado del estimador, en el modelo, se
espera sea positivo.
R5. DEPENDENCIA FINANCIERA:
PASIVO
PASIVO + PATRIMONIO
Ratio que mide el peso de los recursos ajenos de la microempresa

en su estructura financiera. Indica el porcentaje de deuda sobre el
total pasivo ms patrimonio, definindose por cociente entre el
pasivo exigible y la totalidad de recursos de la estructura financiera.
Respecto a la interpretacin del indicador, no cabe duda que el
hecho de endeudarse puede ser beneficioso, por lo menos, hasta
cierto nivel. Sin embargo, si dicho nivel se sobrepasa, el riesgo de
insolvencia produce una inestabilidad financiera o incluso la quiebra
empresarial. Las microfinanzas son ms sensibles a este tipo de
riesgo y, por tanto, entendemos que un alto nivel de dependencia
financiera repercute en un incremento de impago del crdito nuevo a
solicitar. En consecuencia, se espera un signo positivo del estimador
de esta variable.
R6. ENDEUDAMIENTO:
PASIVO
PATRIMONIO
Ratio financiero que mide la relacin existente entre el importe de las

deudas de una empresa con relacin a los fondos propios. Hay que
tener en cuenta que este ratio nos indica lo apalancada que est la
empresa. En este sentido, complementando al ratio anterior, es de
esperar que un elevado ratio de endeudamiento suponga un
323
incremento en la probabilidad de impago, lo que supondra un

estimador negativo en el modelo final de credit scoring.
R7. ROA:
UTILIDAD NETA
TOTAL ACTIVO
La rentabilidad econmica o del activo tambin se denomina ROA

Return on assets- y como denominacin ms usual ROI Return on
investments-. Bsicamente, el objetivo del ratio consiste en calcular
la rentabilidad del activo, independientemente de cmo est
financiado el mismo, o dicho de otra forma, sin tener en cuenta la
estructura del pasivo. Asumimos que la utilidad neta que
consideramos est definida como los ingresos por ventas menos el
coste de la mercadera y menos los costes operacionales, teniendo
en cuenta tambin que estos ltimos no incluyen el gasto financiero
Una mayor rentabilidad de los activos destinados a la actividad
productiva debe contribuir a reducir la probabilidad de impago. Se
espera, por tanto, un signo esperado negativo del estimador en el
modelo.
R8. ROE:
UTILIDAD NETA
PATRIMONIO
Por ltimo, la rentabilidad financiera, de los fondos propios o ROE

Return on equity- se define como el cociente entre el beneficio
despus de impuestos y la cifra de los fondos propios. Este indicador
trata de medir la rentabilidad que obtienen los propietarios de la
empresa, es decir, la rentabilidad del capital que han invertido
directamente (capital social) y de las reservas. Aunque la utilidad
neta no contempla el efecto del impuesto, al encontrarnos ante
negocios informales donde el propietario habitualmente suele ser
una nica persona fsica, tomamos como concepto aproximado de la
rentabilidad de los fondos propios un ratio que considera un
beneficio empresarial antes de impuestos. Un negocio cuya
324
rentabilidad financiera sea elevada, contribuye a favorecer la

condicin en el pago de las deudas con terceros, hecho que debe
manifestarse en un estimador negativo de esta variable en el
modelo.
Concluida la explicacin de cada uno de los ratios que consideramos
como variables independientes de nuestra aplicacin de credit scoring para la
primera de las instituciones analizadas (EDPYME Proempresa), la tabla III.29
muestra un anlisis univariante de cada ratio con la que ser la variable
respuesta del modelo. Puede comprobarse que cinco de los ocho ratios
planteados son significativamente vlidos a la prueba de correlacin de
Pearson. En cualquier caso, tendremos que esperar al comportamiento
estadstico
de
las
variables
valoradas
conjuntamente
donde
puede
manifestarse el fenmeno de la multicolinealidad. El anlisis de correlacin

bivariada realizado es indicativo del comportamiento explicativo de las variables
independientes, aunque no concluyentes an sobre su consideracin final
dentro del modelo definitivo de regresin logstica binaria.
325
Tabla III.29. Correlacin bivariada de las variables Ri EDPYME Proempresa y la

variable explicada.
Correlaciones
Y
R1
Sig. (bilateral)
N
Sig. (bilateral)
N
Correlaciones
5451
-,048**
,000
5451
R1
-,048**
,000
5451
1
Sig. (bilateral)
N
Sig. (bilateral)
N
R2
5451

(bil t l)
Correlaciones
Y
R3
Sig. (bilateral)
N
Sig. (bilateral)
N
5451
-,017
,214
5451
R5
Sig. (bilateral)
N
Sig. (bilateral)
N
R3
-,017
,214
5451
1
Sig. (bilateral)
N
Sig. (bilateral)
N
R4
5451
R7
Sig. (bilateral)
N
Sig. (bilateral)
N
5451
,005
,736
5451
R2
,005
,736
5451
1
5451
5451
-,013
,350
5451
R4
-,013
,350
5451
1
5451
Correlaciones
Y
5451
,072**
,000
5451
R5
,072**
,000
5451
1
R6
5451

(bil t l)
Correlaciones
Y
Correlaciones
Correlaciones
Y
5451
-,052**
,000
5451

(bil t l)
Sig. (bilateral)
N
Sig. (bilateral)
N
5451
,071**
,000
5451
R6
,071**
,000
5451
1
5451

(bil t l)
Correlaciones
R7
-,052**
,000
5451
1
R8
5451
Sig. (bilateral)
N
Sig. (bilateral)
N
5451
-,043**
,002
5451
R8
-,043**
,002
5451
1
5451

(bil t l)
Ratios econmico-financieros de la CMAC Tacna

A continuacin, definimos los ratios seleccionados para la CMAC de
Tacna, expresando cul ha de ser el signo esperado del estimador en el
modelo de credit scoring, indicando el resultado de la correlacin bivariada de
cada uno de ellos con la variable dependiente.
326
R1. ROTACIN DE ACTIVOS:
INGRESOS POR VENTAS

TOTAL ACTIVO
Este primer ratio elaborado para la CMAC, coincide con el

comentado para la EDPYME. Su signo esperado en el modelo debe
ser negativo.
R2. PRODUCTIVIDAD:
UTILIDAD BRUTA
GASTOS DEL NEGOCIO
Al igual que la variable anterior, presentamos para la CMAC un

indicador ya definido en la EDPYME, con la nica diferencia
marcada en la conceptualizacin del denominador de la expresin.
Atendiendo al concepto de costes operativos, con el mismo
significado, en la CMAC de Tacna lo denominamos Gastos del
Negocio.
R3. LIQUIDEZ:
DISPONIBLE
TOTAL ACTIVO
Ratio patrimonial de liquidez general de la microempresa del cliente

en el momento de la solicitud del microcrdito. Al igual que su
homlogo de la EDPYME, se considera un ratio de solvencia
inmediata, donde se puede decir, tambin, que cuanto mayor sea
ste, la probabilidad de impago del cliente debe reducirse. Por tanto,
vuelve a esperarse un signo negativo en el estimador.
R4. ROTACIN DE LIQUIDEZ:
DISPONIBLE
360
INGRESOS POR VENTAS
Este ratio es similar al utilizado en la EDPYME, con la diferencia que

sustituimos la capacidad de pago por el Disponible. El signo
esperado del estimador en el modelo de credit scoring debe ser
negativo.
327
R5. LIQUIDEZ PARA EL CRDITO:
DISPONIBLE
MONTO PROPUESTO
El ratio determina la liquidez tericamente reservada para el pago

del crdito solicitado. Esta caracterstica puede ser muy adecuada
para el estudio, dado que centra la atencin estrictamente sobre el
crdito solicitado. Esta variable, por el mismo motivo que los tres
primero ratios, se espera que tenga un signo negativo en el
estimador del modelo.
R6. SOLVENCIA A C/P:
ACTIVO CIRCULANTE
EXIGIBLE A C/P
Este ratio establece la capacidad de solvencia que la microempresa

tiene para hacer frente a los pagos a corto plazo. Segn la literatura
especializada, el valor ptimo de este ratio se encuentra entre los
valores 1 y 2, siendo un valor inferior a 1 indicativo de inestabilidad
financiera. En la construccin del ratio, definimos el exigible a c/p
como la suma del montante solicitado y de la partida de
proveedores, captando, as, toda la informacin disponible de las
obligaciones con terceros a corto plazo. De nuevo indicamos que
cuanto mayor sea el valor de este ratio, menor contribucin al riesgo
presentar el potencial cliente y, por ello, el signo esperado del
estimador ha de ser negativo.
R7. ROA:
UTILIDAD NETA
TOTAL ACTIVO
Por nuestra parte, ratificamos lo comentado en este ratio para la

EDPYME, construyndose el ratio de la misma manera.
R8. PLAZO MEDIO DE COBRO:
CLIENTES
360
INGRESOS POR VENTAS
328
Indicador que mide los das en promedio que la microempresa est

tardando en cobrar a sus clientes. Tngase en cuenta que un
periodo de cobro muy elevado supone un volumen de recursos
inmovilizados que son necesarios de financiar. Un valor elevado de
este ratio indica que no se est cobrando a tiempo al cliente, lo que
puede llevar a un grave problema de inestabilidad financiera
conforme vayan venciendo las deudas a corto plazo. Segn lo
indicado, consideramos un signo esperado positivo del estimador de
este ratio.
R9. PLAZO MEDIO DE APROVISIONAMIENTO:
EXISTENCIAS
360
COMPRA MERCADERAS
Indicador que mide el tiempo que por trmino medio permanecen las
mercaderas en el almacn en espera de ser consumidas, es decir,
los das que por trmino medio la empresa est tardando en
aprovisionarse de nuevo. Para homogeneizar los datos con respecto
al resto de variables de la muestra y dado que, por lo general, el
plazo medido en das era bastante elevado para los crditos,
decidimos expresar el plazo medio de aprovisionamiento en meses.
Un periodo elevado supone que la empresa tiene que soportar unos
elevados costes de almacn y gestin de stock, puesto que no
transforma las existencias en ventas con cierta agilidad. Por este
motivo, entendemos que el signo esperado del estimador deba ser
positivo.
Considerando las limitaciones en lo que a escasez de informacin
econmico-financiera se refiere, ha sido posible construir nueve ratios para la
Caja Municipal de Tacna. Seguidamente, la tabla III.30 nos nuestra las
correlaciones bivariadas de cada ratio respecto a la variable dependiente de la
aplicacin del modelo de credit scoring. Como puede apreciarse, son siete los
ratios que, segn el anlisis univariante, tienen relacin con la variable
329
dependiente. Es posible que entre ellos aparezca el efecto de multicolinealidad,

aunque el tratamiento que le daremos en la elaboracin del modelo de credit
scoring, debe provocar la salida de variables explicativas correlacionadas.
330
Tabla III.30. Correlacin bivariada de las variables Ri CMAC de Tacna y la variable

explicada.
Correlaciones
Y
Sig. (bilateral)
N
Sig. (bilateral)
N
R1
Correlaciones
1
16157
,000
,973
16157
R1
,000
,973
16157
1
Sig. (bilateral)
N
Sig. (bilateral)
N
R2
16157
16157
,045**
,000
16157
R2
,045**
,000
16157
1
16157

(bil t l)
Correlaciones
Y
R3
Correlaciones
Y
Sig. (bilateral)
N
Sig. (bilateral)
N
16157
,049**
,000
16157
R3
,049**
,000
16157
1
Sig. (bilateral)
N
Sig. (bilateral)
N
R4
16157

(bil t l)
R5
16157
-,017*
,035
16157
R5
-,017*
,035
16157
1
Sig. (bilateral)
N
Sig. (bilateral)
N
R6
16157
R7
16157
-,084**
,000
16157
R6
-,084**
,000
16157
1
16157
Correlaciones
Sig. (bilateral)
N
Sig. (bilateral)
N
16157

(bil t l)
Correlaciones
Y
16157
,059**
,000
16157
R4
,059**
,000
16157
1
Correlaciones
Y
Sig. (bilateral)
N
Sig. (bilateral)
N

(bil t l)
Correlaciones
Y
16157
,042**
,000
16157
R7
,042**
,000
16157
1
Sig. (bilateral)
N
Sig. (bilateral)
N
R8
16157
16157
-,051**
,000
16157
R8
-,051**
,000
16157
1
16157

(bil t l)

(bil
l)
Correlaciones
Y
R9
Sig. (bilateral)
N
Sig. (bilateral)
N
16157
-,002
,847
16157
R9
-,002
,847
16157
1
16157
331
III.4.4. Variables obtenidas de la evaluacin de las garantas

La cuarta fase del proceso de evaluacin y concesin del microcrdito,
consiste en la valoracin de las garantas. En dicha fase, el analista de crdito,
tras la evaluacin econmica y financiera de la microempresa, realiza una
estimacin sobre las garantas que el prestatario ha de aportar en funcin de
un anlisis subjetivo del comportamiento de pago futuro. En este caso, una
nica variable ser susceptible de explicacin y tratamiento para su inclusin
en los modelos de credit scoring planteados en este captulo.
Garantas
Las garantas se constituyen como los medios encargados de respaldar
o asegurar el reembolso de un crdito otorgado, teniendo en cuenta que se
trata de un elemento colateral, no siendo la base sobre la cual se fundamenta
el crdito.
Habitualmente, el valor y el precio de la garanta debe de fijarse en
funcin de los costes de intermediacin, la morosidad, el costo de las
recuperaciones, el coste del capital invertido y dems costes de administracin
(Llisterri y Levitsky, 1996).
En las carteras de microcrditos analizadas, disponemos de informacin
de estos elementos colaterales clasificados segn su naturaleza. En este
sentido, podemos distinguir entre:
Garantas morales o personales. Aquellas en las que no se adjuntan al

contrato de prstamo bienes fsicos especficamente determinados. En
la cartera de microcrditos de la EDPYME Proempresa, este tipo de
garantas vienen denominadas como Crdito Confianza, mientras
que en la CMAC de Tacna, fueron conceptualizadas bajo una
Declaracin Jurada de bienes. En ambos conceptos, el fundamento
garante se relaciona ntimamente con la solvencia moral o reputacin
del cliente para devolver el crdito.
332
Garantas reales. Donde el prestamista o tercera persona compromete

en la operacin de prstamo un determinado activo (incluida tesorera)
para garantizar el cumplimiento de la obligacin contrada. Entre una
gran variedad de garantas reales, las solicitadas por las IMFs de
nuestro estudio son:
o Aval o colateral. Persona natural o jurdica que, por medio de
la firma que se consigna en un documento de crdito,
responde por el pago en el caso que no lo haga la persona
comprometida para ello.
o Prenda global y flotante. Es un contrato celebrado entre el
titular del bien puesto en prenda (deudor o tercero) y el
acreedor. Se caracteriza por crear a favor del acreedor un
derecho real, que goza de los atributos reconocidos por el
correspondiente Cdigo Civil.
o Prenda Vehicular. Variante del anterior donde el objeto
puesto en prenda es un vehculo.
o Hipotecaria. Garanta que no implica desposesin del bien
que se afecta, siendo ste un bien inmueble.
La figura III.34 cataloga las muestras crediticias en funcin de las
garantas del crdito. Por otro lado, en la figura III.35 puede verse cmo se
comportan respecto al pago o impago las dos carteras de prstamos segn la
variable garantas. Como puede apreciarse, el mayor porcentaje de impagos se
corresponde con crditos a los cuales se afectan garantas reales, justo lo
contrario a lo que pueda suceder en carteras corporativas de crditos en la
banca. De acuerdo con Schreiner (1999), y con la intencin de recoger un
posible factor de riesgo simplificando el anlisis, consideramos oportuno definir
una variable dicotmica con valores de cero (0) para una garanta personal
(crdito confianza o declaracin jurada de bienes) y de uno (1), para garantas
reales (aval, prenda, hipotecaria, etc) (figura III.36)
333
EDPYME PROEMPRESA
CMAC TACNA
Crditoconfianza
16%
21
244
PrendaVehicular
3%
51%
DeclaracinJurada
AvaloColateral
2%
Prendaria
186
2718
4%
276
5%
Aval
0%
4%
647
799
Hipotecaria
865
26%
Hipotecaria
58%
PrendaGlobaly
Flotante
1417
Vehicular
9358
5077
31%
Combinacin
Anteriores
Figura III.34. Distribucin de microcrditos segn la variable Garantas.

EDPYME PROEMPRESA
IMPAGO(1)
58,50%
44,28%
43,85%
CMAC TACNA
PAGO(0)
37,63%
47,62%
IMPAGO(1)
43,61%
41,94%
62,81%
41,50%
55,72%
56,15%
62,37%
52,38%
58,06%
Aval
Prenda
Vehicular
52,44%
49,61%
45,29%
47,56%
50,39%
54,71%
Prendaria
Vehicular
56,39%
37,19%
Crdito Hipotecaria
confianza
PAGO(0)
Prenda Combinacin
Globaly Anteriores
Flotante
Declaracin
Jurada
Avalo
Colateral
Hipotecaria

EDPYME PROEMPRESA
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
58,50%
43,47%
PAGO(0)
IMPAGO(1)
41,50%
CrditoConfianza
56,53%
GarantaReal
CMAC TACNA
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
43,23%
62,81%
PAGO(0)
IMPAGO(1)
56,77%
37,19%
DeclaracinJurada
GarantaReal

Histricamente, las garantas han constituido un elemento necesario en

toda operacin de prstamo realizada en una institucin financiera. De igual
modo, los modelos y aplicaciones de credit scoring han requerido el uso de una
334
variable que recoja la informacin de los bienes o derechos que el prestatario

pone en garanta para que se haga efectiva la concesin del crdito. Ejemplos
como los de Lawrence y Arshadi (1995), Berger et al (2002), Bandyopadhyay
(2008), Abdou (2009), etc., muestran como aquellos prstamos que fueran
garantizados contribuan a una menor probabilidad de situarse en impago.
En las microfinanzas, la consideracin de las garantas en el
microcrdito es distinta a la de las grandes corporaciones bancarias. En las
IMFs la reputacin o solvencia moral del cliente viene a ser la principal garanta
solicitada y aportada. As, las IMFs vienen solicitando una declaracin jurada
de bienes a aquellos prestatarios que no suelen tener problemas en el
cumplimiento de sus obligaciones de pago. Por el contrario, la entidad
microfinanciera solicita garantas reales a aquellos clientes que, en el pasado,
han incumplido de forma habitual en el pago de sus cuotas.
Siguiendo con lo anterior, tal y como argumentan Dinh y Kleimeier
(2007), el requerimiento de garantas por parte de las IMFs constituye una clara
seal de riesgo. Ya lo tuvo en cuenta Vigan (1993) incluyendo una dummy
con las alternativas de garantas personales o morales basadas en promesas
de cumplimiento en el pago. Por su parte, Schreiner (1999) fundamenta todo lo
comentado, considerando que el no aportar garantas en la operacin de
prstamo es un hecho que sucede en aquellos clientes cuyo nivel de riesgo es
ms bajo.
De lo expuesto parece deducirse que la variable garanta aportada por el
prestatario que solicita el microcrdito ha de tener un parmetro de signo
esperado negativo en el modelo. As, la valoracin univariante de la relacin de
esta caracterstica con la variable explicada del modelo, segn se muestra la
tabla III.31, recoge una fuerte correlacin entre variables.
335
Tabla III.31. Correlacin bivariada de las Garantas y la variable explicada.

EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Y
GARANT
Sig. (bilateral)
N
Sig. (bilateral)
N
Correlaciones
Y
GARANT
-,150**
,000
5451
5451
-,150**
1
,000
5451
5451
1
GARANT
Sig. (bilateral)
N
Sig. (bilateral)
N
GARANT
-,182**
,000
16157
16157
-,182**
1
,000
16157
16157
1
III.4.5. Variables obtenidas a partir de la aprobacin de la solicitud

de crdito
En la quinta y ltima fase del proceso de evaluacin y concesin del
microcrdito y, antes de proceder a la incorporacin de los efectos del ciclo
econmico, se procede a incorporar las variables relativas a la operacin de
crdito. Habiendo cumplido el cliente con todos los requisitos exigidos para la
aprobacin de prstamo, es la gerencia de la correspondiente IMF quien
determina las caractersticas del microcrdito en funcin de los resultados
obtenidos en las fases anteriores. De este modo, las variables implicadas en
esta fase son: la moneda, el monto aprobado, el monto rechazado, la duracin,
el tipo de inters y la comisin por gestin. Adicionalmente, vamos a considerar
dos variables relacionadas con la figura del analista de crdito. Por una parte,
tendremos en cuenta el tiempo de atencin que el cliente ha tenido por parte
del analista de crdito, y por otra parte, entendemos importante considerar el
pronstico que ste, en funcin de su opinin subjetiva, asigna al cliente
referente a su capacidad de pago.
336
Tiempo de Atencin del Analista de Crdito

El analista de crdito, como gestor del proceso de evaluacin del riesgo
de crdito, es encargado de realizar funciones de asesora en materia de
inversiones. El analista de crdito, como asesor cliente que solicita un
microcrdito le indica la conveniencia de llevar a cabo o no el proyecto de
inversin. Asimismo, el oficial de crdito se compromete a ofrecerle
asesoramiento tcnico especializado y estratgico con objeto de que la entidad
microfinanzas se asegure el reembolso de la cantidad prestada.
En el historial de crdito de la CMAC de Tacna, disponemos una
informacin relativa al nmero de das que han transcurrido desde que un
potencial cliente manifiesta la intencin de solicitar un crdito (primera toma de
contacto del cliente con la institucin), hasta el momento en que se aprueba la
solicitud. Este espacio de tiempo registra la duracin del proceso asesor que el
oficial de crdito ofrece al cliente en actividades comentadas con anterioridad.
En nuestra opinin, un periodo de tiempo prolongado de asesora debe
contribuir a asegurar unos flujos de tesorera que permitan el reembolso de las
cuotas del prstamo. Una cifra elevada de esta variable debe contribuir a la
disminucin del riesgo de impago y es, por tanto, por lo que el estimador de
esta variable en el modelo final de credit scoring ha de ser negativo. Asimismo,
la prueba de chi-cuadrado de Pearson nos indica que existe una relacin
univariante entre esta caracterstica y la variable respuesta (tabla III.32)
337
Tabla III.32. Correlacin bivariada de la variable Tiempo de Atencin del Analista de

Crdito y la variable explicada.
CMAC TACNA
Correlaciones
Y
T_ATENCION
Sig. (bilateral)
N
Sig. (bilateral)
N
T_ATENCION
-,025**
,002
16157
16157
-,025**
1
,002
16157
16157
1
Moneda del Microcrdito

La moneda de curso legal en el Per es el Nuevo Sol, pero la legislacin
del sistema financiero permite contraer obligaciones en moneda extranjera,
usndose frecuentemente el dlar americano en actividades comerciales y
operaciones de prstamo, como medio de pago (Delfiner et al, 2009).
Relativo al anlisis del riesgo de crdito para las IMFs, a la hora de
evaluar la capacidad que los deudores tienen en el cumplimiento de sus
obligaciones crediticias, las organizaciones microfinancieras vienen destinando
esfuerzo y recursos en el anlisis de la moneda en la que el crdito es
solicitado, y una vez concedido, en el seguimiento que tiene su poder
adquisitivo ligado a una posible devaluacin de la moneda. Si el deudor
mantiene obligaciones en moneda extranjera, se deber incorporar en la
evaluacin del riesgo crediticio las variaciones en el tipo de cambio que
pudieran afectar el flujo de efectivo del deudor.
Es posible que el efecto comentado se vea muy relacionado con las
implicaciones derivadas del ciclo econmico, las cuales sern tratadas en las
variables independientes de tipo macroeconmico. Sin embargo, hemos de ser
cautos y esperar al diseo de la aplicacin de credit scoring para evaluar su
comportamiento a este respecto.
338
As pues, para incorporar la informacin de la divisa en la que se solicita

y concede un microcrdito, consideramos una variable dummy con valor de
cero (0) para crditos concedidos en moneda local (nuevo sol) o de uno (1)
para los que lo fueran en moneda extranjera (dlar americano).
Un microcrdito propuesto en moneda local no sufrir el riesgo
cambiario, mientras que un prstamo en moneda extranjera si queda afectado
por el tipo de cambio. Por tanto, estimamos conveniente esperar un signo
negativo en el estimador correspondiente a esta variable, una vez comprobada
su correlacin con la variable dependiente (tabla III.33).
Tabla III.33. Correlacin bivariada de la Moneda del Microcrdito y la variable
explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Y
Sig. (bilateral)
N
MONEDA Correlacin de Pearson
Sig. (bilateral)
N
Correlaciones
Y
MONEDA
,047**
,001
5451
5451
,047**
1
,001
5451
5451
1
Sig. (bilateral)
N
MONEDA Correlacin de Pearson
Sig. (bilateral)
N
MONEDA
-,038**
,000
16157
16157
-,038**
1
,000
16157
16157
1
Cantidad Desembolsada
Esta variable hace referencia al montante aprobado y, posteriormente,
desembolsado por la institucin tras valorar y resolver la evaluacin de la
solicitud de crdito.
Inicialmente, el historial de crdito original extrado de los sistemas de
gestin de las IMFs, contbamos con la informacin de la cantidad que haba
sido desembolsada en la moneda de solicitud y concesin del crdito. Con
objeto de homogeneizar la informacin, convertimos a moneda nica,
339
concretamente el dlar americano, todos los crditos de la base de datos. Para

ello, procedimos a la consulta de las cotizaciones del tipo de cambio medio
mensual14 de todos los subperiodos mensuales comprendidos en el horizonte
temporal de cada cartera de microcrditos y as poder establecer la conversin
a dlares americanos para aquellos prstamos que estuvieran concedidos en la
moneda local. Finalmente, hallamos la variable definitiva cifrndola en miles de
unidades monetarias con objeto de que sta mantuviera una cifra numrica
equilibrada con el resto de variables.
La solicitud de una elevada cantidad dentro de los lmites impuestos en
la definicin de microcrdito, ha sido aceptada si, y solo si, el cliente ha
demostrado mantener un comportamiento de buen pagador de crditos
anteriores. Adems, deducimos que un crdito de una cuanta o monto
elevado, por regla general, se destina a la adquisicin de activos fijos de mayor
importe, los cuales suelen asignarse a actividades econmicas ms seguras en
los distintos sectores econmicos. Por tanto, pensamos que un crdito de
mayor cuanta, tras haber sido evaluado por el analista de crdito y la gerencia
de la organizacin, ha de ser menos arriesgado que otro crdito cuyo montante
sea inferior y, de ah que esperemos un signo negativo en el estimador del
modelo final de credit scoring.
Por su parte, Scheriner (1999), en su aplicacin de modelo de scoring
para una organizacin de microfinanzas boliviana, consider esta variable
como una caracterstica que no aportaba casi informacin al fenmeno del
impago desde un punto de vista estadstico, razonando que la IMF no dispona
de un gran margen en la afectacin de los atrasos mediante el intento de ajuste
a la baja o al alza de las crditos desembolsados. Vigan (1993), sealaba que
un prstamo de menor cuanta contribua a un incremento en el riesgo de
impago frente a un crdito de mayor montante. Van Gool et al (2009)
categorizan la variable mediante la creacin de estratos en funcin de la
cantidad aprobada. Asimismo, los autores concluyen que las categoras
referidas a los prstamos de menor importe son algo menos arriesgadas que
14
Datos obtenidos de la SBS y AF y del INE de la Repblica del Per.
340
las de mayor montante. Por nuestra parte, en consonancia con las

conclusiones de Vigan (2003), estamos en desacuerdo con la posicin que el
resto de autores mencionados plantean, debido a la estructura y visin de la
entidad objeto de nuestro estudio, diferente por completo a una IMF de BosniaHerzegovina estudiada por Van Gool et al (2009). Los modelos de credit
scoring diseados en pases industrializados sugieren que prstamos de una
menor cuanta y duracin contribuyen a la reduccin del riesgo de impago
respecto a los que se conceden con un mayor importe y un mayor horizonte
temporal [Greene (1992) y Lo Iacomo y Giambona (2009)], razn que nos lleva
a la conclusin de que existen diferencias notables entre las IMFs y las grandes
corporaciones bancarias, en lo que al montante sugerido se refiere. Segn lo
indicado, se espera un signo negativo en el estimador del modelo.
Para concluir, la correlacin bivariada de la presente variable
independiente con la variable binaria dependiente (tabla III.34) nos indica que,
a priori, existe relacin entre ambas para las dos IMFs analizadas.
Tabla III.34. Correlacin bivariada de la Cantidad Desembolsada y la variable
explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Correlaciones
Y
MONTO
Sig. (bilateral)
N
Sig. (bilateral)
N
MONTO
,070**
,000
5451
5451
,070**
1
,000
5451
5451
1
MONTO
Sig. (bilateral)
N
Sig. (bilateral)
N
MONTO
-,043**
,000
16157
16157
-,043**
1
,000
16157
16157
1
Cantidad rechazada
En el momento de la toma de decisin sobre la cantidad a conceder
finalmente a un cliente solicitante de un crdito, y tras su evaluacin definitiva
mediante su fortaleza financiera, la IMF dictamina cul es la cantidad o
montante que le va a ser concedida finalmente. En este sentido, puede darse el
341
caso que la cantidad propuesta no coincida con la cantidad solicitada

inicialmente por el prestatario. Es entonces cuando aparece la importancia de
la actual variable.
En el historial de crdito original pudimos obtener la informacin
anteriormente sealada, hecho que nos permiti construir la actual variable por
diferencia entre el montante solicitado y el montante aprobado. En consonancia
con la variable anterior, optamos por considerar la variable en miles de
unidades monetarias, siendo el dlar americano la divisa que propusimos como
moneda de prstamo.
No es muy comn encontrar autores y trabajos que hayan requerido esta
caracterstica a la hora de explicar el riesgo de crdito en banca o en
microfinanzas en un modelo de credit scoring. Vigan (2003) utiliz un cociente
de la cantidad concedida entre la cantidad solicitada), aunque desde nuestro
punto de vista, entendemos que pueda ser reveladora del riesgo percibido por
el analista de crdito y la gerencia de la organizacin en el proceso de
evaluacin personal del riesgo de microcrdito. Por tanto, precisamos de una
variable numrica cuyo significado implica que, cuanto mayor sea el valor de
sta, mayor ser el riesgo del cliente percibido por la entidad. En consecuencia,
entendemos que el signo del estimador adherido a la variable deba de ser
positivo.
Solo resta conocer si la variable presenta algn tipo de correlacin
univariante con el fenmeno de pago o impago que se trata de explicar. Segn
la tabla III.35, no se presupone que exista relacin alguna para ninguna de las
dos instituciones.
342
Tabla III.35. Correlacin bivariada de la Cantidad Rechazada y la variable explicada.

EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Sig. (bilateral)
N
MONTO_RECH Correlacin de Pearson
Sig. (bilateral)
N
Correlaciones
Y
5451
,017
,221
5451
MONTO_
RECH
,017
,221
5451
1
5451
Sig. (bilateral)
N
MONTO_RECH Correlacin de Pearson
Sig. (bilateral)
N
16157
-,011
,149
16157
MONTO_
RECH
-,011
,149
16157
1
16157
Duracin
La duracin del crdito se mide a travs del nmero de cuotas
mensuales del prstamo vigente para cada cliente. Se considera, pues, como
una variable numrica indicativa del nmero de reembolsos que el prestatario
ha de realizar hasta que la deuda quede totalmente extinta.
Siguiendo a Yang et al (2009), el hecho de que un prstamo de mayor
duracin incorpore una mayor probabilidad de impago, viene a convertirse en
una hiptesis de general aceptacin en las aplicaciones de credit scoring
tendentes a la medicin del riesgo de crdito, pues se produce una mayor
incertidumbre y, por tanto, una correlacin positiva con el fenmeno de impago.
Esto queda corroborado por Lawrence y Arshadi (1995), cuando destacan la
duracin del prstamo como factor ms relevante en su intento de explicar un
modelo parcial de credit scoring explicativo de si un crdito ser liquidado sin
problemas o, por el contrario, ser objeto de renegociacin. A idnticas
conclusiones llegan Lieli y White (forthcoming) en una aplicacin de credit
scoring para una entidad financiera alemana.
De acuerdo con lo comentado, el signo del estimador esperado para
esta variable en el modelo final de regresin logstica ha de ser positivo,
indicativo de que cuanto mayor sea la duracin del prstamo, mayor debe ser
la incorporacin de riesgo de impago en trminos de probabilidad.
343
Para finalizar, la tabla III.36 muestra la existencia de correlacin a priori

de la duracin del prstamo con la insolvencia crediticia del cliente. As, se
pone de manifiesto la relacin existente entre la variable dependiente e
independiente, en trminos de anlisis univariante, para las dos carteras de
microcrditos objeto del anlisis.
Tabla III.36. Correlacin bivariada de la Duracin y la variable explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Correlaciones
EDPYME PROEMPRESA
Y
Sig. (bilateral)
N
DURACION Correlacin de Pearson
Sig. (bilateral)
N
DURACION
,126**
,000
5451
5451
,126**
1
,000
5451
5451
1
CMAC TACNA
Y
Sig. (bilateral)
N
DURACION Correlacin de Pearson
Sig. (bilateral)
N
DURACION
,160**
,000
16157
16157
,160**
1
,000
16157
16157
1
Tasa de Inters
La tasa de inters hace referencia al precio que la IMF fija al cliente en la
operacin de prstamo. Es conocido que, desde sus orgenes, la actividad
microfinanciera se ha caracterizado por el uso de elevados tipos de inters en
sus operaciones, debido a las caractersticas peculiares del microcrdito.
En la literatura sobre modelos de riesgo de crdito y credit scoring, el
tipo de inters suele ser una variable muy requerida para la construccin de
diversas aplicaciones, pero no suele resultar una caracterstica significativa a
tener en cuenta en los modelos finales. En nuestra opinin, el hecho de que un
cliente
tenga
grandes
probabilidades
de
incumplimiento
no
conlleva
necesariamente unos elevados tipos de inters sobre sus crditos, dndose

incluso el caso de prestatarios con altos credit scores paguen bajas tasas de
inters (Allen et al, 2004). De lo expuesto parece deducirse que las IMFs fijan
el precio del microcrdito (tipo de inters) sin tener en cuenta el riesgo de
impago del prestatario. En principio, podemos corroborar lo antedicho teniendo
344
en cuenta la escasa relacin estadstica univariante entre esta variable

independiente con la variable respuesta (tabla III.37), donde podemos apreciar
la escasa significacin manifestada mediante la correlacin de Pearson.
Respecto a Proempresa, an existiendo correlacin bivariariada significativa,
puede rechazarse toda relacin causal entre variables al no mantener una
concordancia lgica con el signo relacional esperado.
Tabla III.37. Correlacin bivariada del Tipo de Inters y la variable explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Correlaciones
Y
INT_MENS
Sig. (bilateral)
N
Sig. (bilateral)
N
INT_MENS
-,111**
,000
5451
5451
-,111**
1
,000
5451
5451
1
Sig. (bilateral)
N
INT_MENS Correlacin de Pearson
Sig. (bilateral)
N
INT_MENS
-,003
,696
16157
16157
-,003
1
,696
16157
16157
1
En cualquier caso, entendemos que cuanto mayor sea la tasa de inters

de la operacin, mayores sern las dificultades que el cliente tenga a la hora de
reembolsar el crdito haciendo efectivas sus cuotas. Por este motivo,
aceptaremos todo estimador positivo relacionado con esta variable, en tanto en
cuanto no produzca colinealidad alguna con otras variables dependientes como
pueda ser el caso de la variable macroeconmica que recoge la informacin de
los tipos de inters de la economa. As ocurre en la aplicacin de credit scoring
de Bandyopadhyay (2008), en la que emplea la tasa de inters en una cartera
de prstamos agrcolas en la India como una variable explicativa del fenmeno
de impago.
Pronstico del Analista de Crdito

La labor y funcin del analista de crdito es determinante en el proceso
de solicitud y concesin de un microcrdito. Las microfinanzas se han
caracterizado por la ausencia de modelos estadsticos en lo que a medicin del
345
riesgo de crdito se refiere, descargando toda la responsabilidad en el criterio

de alguna forma subjetivo del analista de crdito sobre la concesin o rechazo
del microcrdito. Schreiner (2000) concluye que los modelos estadsticos an
no son suficientes para la actividad microfinanciera, aunque argumenta que
stos pueden complementar (no sustituir) la decisin final del oficial de crdito.
En nuestro parecer, creemos que, justo al contrario de Schreiner, la respuesta
de una aplicacin de scoring en las microfinanzas ya puede autosostenerse y
que puede hacerse depender, entre otros factores, de la decisin subjetiva de
la persona designada por la IMF para el estudio de toda solicitud de un
prstamo.
El analista u oficial de crdito emite un juicio de valor en funcin a unas
normas calificadoras de la SBS sobre los clientes y crdito en la situacin
actual. Se trata de un valor nico sobre el mximo riesgo al que puede llegar el
crdito desde su concesin hasta su vencimiento. Segn la SBS, los valores
pueden venir dados en los siguientes trminos:
Crditos vigentes. Se otorga esta calificacin cuando se estima que:

o Los deudores de los crditos estn clasificados como Normal
o con Problemas Potenciales, como consecuencia de la
evaluacin por capacidad de pago;
o El crdito original no vaya a sufrir cambios en las
condiciones contractuales, que obedecen a dificultades en la
capacidad de pago por ms de una vez;
o El deudor haya pagado por lo menos el veinte por ciento
(20%) del capital de la deuda refinanciada o reestructurada.
o El deudor demuestre capacidad de pago con respecto al
nuevo cronograma del crdito mediante el pago puntual de
las cuotas durante los dos (2) ltimos trimestres. Para este
efecto se considerar como pago puntual el cumplimiento de
la obligacin en la fecha establecida en el contrato.
Crditos vencidos. Crditos de clientes clasificados en las categoras

dudoso o prdida.
346
Crditos refinanciados. Crditos que por problemas en el pago hacen

que los deudores sean reclasificados por la empresa o por esta
Superintendencia.
Crditos judiciales. Crditos que por impago se encuentran en

cobranza judicial.
Crditos castigados. Crditos que por impago se renegocian, donde el

deudor trata de que le sea condonada parte de la deuda o aplicada
una reduccin sustancial de intereses.
Como puede apreciarse, esta clasificacin est muy relacionada con la
clasificacin que se le da al cliente segn la SBS, pero que, al fin y al cabo,

depende del juicio de valor aportado por el analista para cada crdito llevado al
estudio tras su solicitud.
Atendiendo a la clasificacin de la SBS, la figura III.37 muestra cmo
fueron pronosticados los crditos por los analistas de crdito en las dos
carteras de microcrditos. Se observa una sustancial diferencia entre ambas
entidades de microfinanzas.
EDPYME PROEMPRESA
4646
86%
CMAC TACNA
Vigentes
14430
28
1%
90%
Vencidos
678
12%
18
0%
81
1%
Vigentes
1533
9%
Refinanciados
Vencidos
138
1%
Judiciales
56
Judiciales
0%
Castigados
Castigados
Figura III.37. Distribucin de microcrditos segn la variable Pronstico del Analista de

Crdito.
La figura III.38, donde se relaciona el comportamiento de pago en

funcin de la presente variable independiente, muestra cierta separacin entre
microcrditos pagados e impagados.
347
EDPYME PROEMPRESA
IMPAGO(1)
IMPAGO(1)
PAGO(0)
0,00%
1,33%
57,06%
Vigentes
100,00%
Judiciales
12,50%
90,58%
87,50%
Judiciales
Castigados
100,00%
62,17%
47,48%
Refinanciados
9,42%
37,83%
52,52%
53,57%
Vencidos
PAGO(0)
0,00%
46,43%
98,67%
42,94%
CMAC TACNA
Castigados
Vigentes
Vencidos
Figura III.38. Comportamiento en el pago segn la variable Pronstico del Analista de

Crdito (1).
Con objeto de simplificar el tratamiento estadstico de las variables

explicativas, se procedi a la agrupacin de categoras de la variable politmica
anteriormente presentada. As, construimos una variable dummy con valor cero
(0) para aquellos crditos pronosticados por el oficial de crdito sin problemas
de impago, y de uno (1) para los crditos cuyo pronstico considerara algn
tipo de dificultad en el reembolso de la deuda (figura III.39).
EDPYME PROEMPRESA
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
CMAC TACNA
2,73%
PAGO(0)
57,06%
IMPAGO(1)
97,27%
42,94%
Vigentes
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
34,74%
52,52%
PAGO(0)
IMPAGO(1)
65,26%
47,48%
Vigentes
Conptoblemas
estimados
Conproblemas
estimados
Figura III.39. Comportamiento en el pago segn la variable Pronstico del Analista de

Crdito (2).
Finalmente, lo expuesto con anterioridad en trminos de correlacin

entre variables dependiente e independiente queda corroborado con el anlisis
univariante mediante el coeficiente de correlacin de Pearson, el cual nos
indica una fuerte explicacin del fenmeno de impago a travs del pronstico
348
subjetivo del oficial de crdito (tabla III.38). No cabe duda que, tal y como se
encuentra definida la variable continente del pronstico del oficial de crdito,
esperamos un signo negativo en el estimador, pues ante un pronstico
favorable, ha de reducirse la probabilidad de impago.
Tabla III.38. Correlacin bivariada del Pronstico del Analista de Crdito y la variable
explicada.
EDPYME PROEMPRESA
CMAC TACNA
Correlaciones
Sig. (bilateral)
N
VTOCRED_SBS Correlacin de Pearson
Sig. (bilateral)
N
Correlaciones
VTOCRED_
SBS
Y
1
-,386**
,000
5451
5451
-,386**
1
,000
5451
5451
Sig. (bilateral)
N
VTOCRED_SBS Correlacin de Pearson
Sig. (bilateral)
N
VTOCRED_
SBS
1
-,110**
,000
16157
16157
-,110**
1
,000
16157
16157
Y
Comisin del prestamista

Se trata de una variable no muy utilizada en las aplicaciones de credit
scoring en la literatura especializada sobre la medida del riesgo de crdito,
aunque entendemos que puede contribuir en la explicacin y pronstico en el
impago de un cliente de microcrdito.
La comisin por servicio se corresponde con la cantidad que la IMF
cobra al cliente en concepto de apertura de la cuenta del cliente o de gastos de
administracin en que se incurre por la tramitacin y control de la cuenta. Se
suele cobrar por adelantado, minorando el importe en el desembolso, en caso
de ser ste nico, o bien sobre la cuanta de cada desembolso en caso de ser
sta la modalidad. Opinamos que una elevada comisin se aplica a un cliente
cuya tramitacin de la solicitud del crdito ha sido complicada por los
cuantiosos anlisis que la entidad hace en materia de riesgo. Esperamos,
entonces, un signo positivo del estimador de la variable.
349
Esta variable fue solo considerada en la CMAC de Tacna, para la cual la

tabla III.39 nos indica el grado de relacin que sta tiene con la dicotmica
explicada.
Tabla III.39. Correlacin bivariada de la Comisin y la variable explicada.
CMAC TACNA
Correlaciones
Y
COMISION
,103**
,000
16157
16157
,103**
1
,000
16157
16157
Sig. (bilateral)
N
COMISION Correlacin de Pearson
Sig. (bilateral)
N
III.4.6. Variables macroeconmicas

Los modelos de credit scoring son estimados en el seno de cierto
entorno donde puede considerarse el ciclo econmico, por lo que resulta
conveniente incluir variables representativas de factores externos o cambios de
dicho entorno. En esta lnea, entendemos que cambios significativos en el
entorno macroeconmico pueden afectar a la validez de los modelos, al peso
explicativo de ciertas variables, a la inclusin o rechazo de otras y, en general,
a la capacidad predictiva de la insolvencia futura de los clientes de
microcrdito. Es, por tanto, por lo que planteamos la introduccin del ciclo
econmico mediante algunas variables explicativas del modelo de medicin del
riesgo de microcrdito.
Bellotti y Crook (2007) explican el riesgo de impago para una cartera de
crditos
de
una
entidad
financiera
del
Reino
Unido
basndose,
fundamentalmente, en variables macroeconmicas. Incluyeron informacin

sobre los tipos de inters, el producto interior bruto, la tasa de desempleo, el
ndice de precios al consumo, un ndice burstil, el precio de la vivienda y un
350
indicador de renta fija en una aplicacin de credit scoring, obteniendo

resultados favorables en su propsito.
Teniendo en cuenta el corto plazo que, por trmino medio, tienen los
microcrditos, estimamos conveniente realizar una asignacin puntual al
momento de la concesin del crdito, de la tasa de variacin de cada una de
las caractersticas macroeconmicas consideradas, segn la duracin del
crdito.
De
acuerdo
con
lo
referido,
el
clculo
de
cada
variable
macroeconmica considerada responde a la siguiente expresin:
VM i , j =
VM i + j VM i
VM i
siendo:
VM i , j : Tasa de variacin de la variable macroeconmica considerada

VM: Variable macroeconmica considerada
i: Momento de la concesin del crdito
j: Duracin del crdito
Con posterioridad, con objeto de hacer comparables los resultados,
optamos por anualizar todas las tasas de variacin obtenidas.
De acuerdo con la resea bibliogrfica anteriormente referida, la tabla
III.40, recoge las variables utilizadas para reflejar los movimientos del ciclo
econmico. Tal y como puede apreciarse, no pudimos utilizar la variacin
anualizada en el ndice de empleo para la CMAC de Tacna al no disponer de
informacin de esta variable en ese periodo. Esto supuso que no contsemos
con los datos origen sobre esta caracterstica al no estar publicados en las
fuentes de informacin utilizadas (Instituto Nacional de Estadstica (INE) del
Per y la SBS).
351
Tabla III.40. Variables Macroeconmicas.

VARIABLE
DESCRIPCIN
PIB
Tasa de variacin anualiz ada del Producto Interior Bruto

durante la vigencia del crdito.
IPC
Tasa de variacin anualiz ada del ndice de Precios al

Consumidor durante la vigencia del crdito.
IE
Tasa de variacin anualiz ada del ndice de empleo durante la

vigencia del crdito.
TC
Tasa de variacin anualiz ada de la Tasa de Cambio durante

la vigencia del crdito.
TI
Tasa de variacin anualiz ada de los Tipos de Inters durante

IGB
EDPYME
CMAC
Tasa de variacin anualiz ada del ndice General Burstil

AGUA
Tasa de variacin anualiz ada de la tarifa municipal de Agua

LUZ
Tasa de variacin anualiz ada de la tarifa municipal de la Luz

TFNO
Tasa de variacin anualiz ada de la tarifa del Telfono durante

A continuacin, ofrecemos una breve descripcin de las caractersticas

macroeconmicas utilizadas en el modelo de credit scoring para las dos
organizaciones de microfinanzas en la Repblica del Per.
Producto Interior Bruto (PIB)

Se conoce como "Producto Interior Bruto" a la suma de todos los bienes
y servicios finales que produce un pas o una economa producidos por
empresas nacionales y extranjeras dentro del territorio nacional que se
registran en un periodo determinado (generalmente un ao).
Segn se aprecia en la figura III.40, el PIB responde cclicamente al
comportamiento general de la economa. Las tasas de crecimiento interanuales
del PIB indican que Per viene consolidndose como una nacin que crece con
moderacin, siendo un pas en va de desarrollo. La estructura y valor del PIB
peruano no se ha visto demasiado alterado en aos anteriores a 1995, hasta
que en 1997 las tasas de crecimiento comenzaron a descender, debido en gran
medida a los deficitarios nmeros en el sector pesquero, arrastrado por los
352
efectos del fenmeno El Nio y, colateralmente, por la crisis asitica. Con

posterioridad, la variacin del PIB peruano se estabiliz, donde el crecimiento
era atenuado aunque positivo. En 2005, Per registraba las mejores tasas de
variacin del PIB de los ltimos ocho aos, alcanzando en ese mismo ao la
mejor tasa de crecimiento de toda su historia, cifrada en el 6,8%. ste no fue
sino el comienzo de una poca de bonanza de la economa peruana, en lnea
con la tendencia de los mercados internacionales. Los principales factores de
este crecimiento fueron la demanda interna y la inversin privada que, a su vez,
propulsaron la economa del Per a datos histricos en los aos 2006 y 2007.
En adelante, desde 2008 la tasa de variacin del PIB comenz a descender,
reflejo de la crisis internacional actual.
Figura III.40. Variacin anual del Producto Interior Bruto (PIB).

Fuente: Banco Central de Reserva del Per, Instituto Nacional de Estadstica e Informtica del
Per y clculos de LatinFocus.
En lo que a la introduccin de la variable macroeconmica en un modelo

de credit scoring se refiere, no cabe duda que un incremento en la tasa de
variacin del PIB y, consecuentemente, un mejor estado de la economa en
general debe reflejarse en unos mejores porcentajes de pago en las
obligaciones crediticias, motivo por el cual esperamos un estimador negativo
para esta variable.
353
ndice de Precios al Consumo (IPC)

Se trata de un ndice en el que se confrontan los precios de un conjunto
de productos (cesta) determinados a partir de una encuesta sobre los
presupuestos familiares realizada de forma continuada. El principal objetivo de
este ndice es el de medir la evolucin de los bienes y servicios ms
representativos y requeridos como gasto de consumo en los hogares de una
determinada regin. El uso ms importante que se le da a este ndice es el de
constituirse como indicador de inflacin, definido como tasa de variacin del
IPC. Un proceso inflacionario acusado provoca que las familias pierdan poder
adquisitivo, e incluso, un incremento del desempleo. Una forma de combatirlo
consiste en establecer tipos de inters ms altos.
La figura III.41 muestra la evolucin de la inflacin peruana para un
horizonte temporal donde estn la mayor parte de los crditos de nuestras
muestras. Se observa una primera parte del periodo caracterizada por una
notable inflacin medida en trminos anuales proveniente de la herencia de
altas tasas hiperinflacionarias de finales de los ochenta y principios de los
noventa. El empobrecimiento de la poblacin, la anterior crisis financiera y las
gestiones del gobierno en la dcada fueron las causantes de esta situacin. A
partir de entonces, mediante un programa de estabilizacin se consigui llegar
a cotas bajas de inflacin, situndose la cifra anual en un 3,5% en diciembre de
2004, de acuerdo con el lmite de inflacin previsto por el Banco Central de la
Reserva del Per. Fueron aproximadamente seis aos en los que la variacin
de los precios se mantuvieron estabilizados no superando la cifra del 4,5%. En
los dos aos siguientes (2005 y 2006) la inflacin se redujo a niveles an ms
bajos, no superando la media anual el 1,5% en ninguno de los casos, debido a
la bajada de precios de numerosos bienes componentes de la cesta de la
compra.
354
Figura III.41. Evolucin de la inflacin peruana (1998 2004).

Fuente: Ayala (2005)
Teniendo en cuenta las consecuencias negativas de una elevada

inflacin, es lgico pensar que una subida de la misma repercuta
negativamente sobre el reembolso de toda deuda contrada con terceros, con
lo que cabe esperar un signo positivo del estimador de esta variable explicativa
en el modelo de scoring para microfinanzas.
ndice de Empleo
Se define como la razn entre la poblacin ocupada y la poblacin
econmicamente activa. El INEI de la Repblica del Per aporte los datos
necesarios para el clculo de la tasa de variacin anualizada del ndice de
empleo introducida en el modelo de credit scoring para la EDPYME
Proempresa. Al no disponer de informacin sobre este ndice hasta el ao 1997
tuvimos que desechar esta variable para la CMAC de Tacna.
Las figuras III.42 y III.43 registran la evolucin del ndice de empleo
peruano. En ambas figuras se ha tomado el ndice mensual de empleo para
empresas de diez y ms trabajadores por ser el ndice publicado ms acorde
con el grupo de empresas objetivo de nuestro estudio. Aadir que en la primera
355
figura se toma como base la fecha de octubre de 1997 y, sin embargo, en la

segunda es la fecha de mayo de 2004 el punto de referencia del ndice.

Fuente: GRADE. Grupo de analistas para el desarrollo.

Fuente: MTPE DNEFP. Encuesta Nacional de Variacin Mensual del Empleo.
La crisis de los aos noventa afect con ms dureza a las empresas

pequeas, lo cual tuvo su reflejo en la cada de los niveles de empleo a partir
del segundo semestre de 1998. Desde entonces, una situacin financiera frgil
y un sistema financiero inestable provocaron unas posibilidades menores de
financiacin traducido en los niveles ms bajos de empleo para los tres aos
356
siguientes. En el ao 2002, se comenz a incrementar el nivel de actividad

econmica,
lo
que
indujo
al
crecimiento
progresivo
del
empleo,
incrementndose de forma sostenida ao tras ao, esencialmente en los

sectores extractivos, servicios e industria.
Desde un punto de vista tcnico, a la hora de incluir la tasa de variacin
del ndice de empleo de la economa peruana como variable explicativa, se
espera que el signo del estimador correspondiente refleje un valor negativo. Tal
suposicin se basa en la creencia de que una variacin al alza en el ndice de
empleo contribuye a la disminucin de la probabilidad de impago.
Tasa de Cambio
Representa la valoracin de una divisa o moneda extranjera en unidades
de la moneda nacional. Es habitual distinguir entre tipo de cambio real y
nominal. El real hace referencia a la relacin de intercambio de bienes y
servicios de un pas por los de otro, mientras que, objeto de nuestra
investigacin, el tipo de cambio nominal establece la relacin de intercambio de
la moneda de una nacin por la moneda de otra. Este ltimo es el que con
mayor asiduidad se viene utilizando.
Como en casi todos los pases del continente sudamericano, la
coexistencia de la moneda nacional (nuevo sol) con el dlar americano es un
hecho. En el Per, la regulacin existente desde principios de los aos noventa
admite la realizacin de transacciones econmicas de todo tipo en moneda
extranjera con una mayor facilidad. La tasa de cambio nominal es una variable
que normalmente hace referencia a la cotizacin del dlar americano respecto
al nuevo sol, es decir, cuntos nuevos soles son necesarios para adquirir un
dlar norteamericano. Entendido as, un tipo de cambio evolucionado a la baja
manifiesta una apreciacin del nuevo sol frente al dlar.
La figura III.44 muestra la evolucin del tipo de cambio en la mayor parte
del horizonte temporal que comprende los crditos de las carteras analizadas.
357
Segn lo sucedido en los ltimos aos de la dcada de los noventa, una

evolucin al alza en las tasas de cambio causada por un desfavorable entorno
econmico internacional supuso una fuerte depreciacin de la moneda nacional
frente al dlar americano. Por el contrario, a partir del ao 2003, las bajadas en
el tipo de cambio contribuyeron a tasas de decrecimiento explicadas en gran
medida por un entorno externo favorable. Las condiciones financieras
internacionales positivas y los buenos escenarios de intercambio favorecieron
una liquidez abundante ligada a una baja aversin al riesgo por parte de los
inversores extranjeros. Todo esto contribuy a una abundancia de dlares en la
economa peruana lo cual, en un contexto de tipo de cambio flexible, implicaba
un debilitamiento del dlar frente a un fortalecimiento del nuevo sol.
Figura III.44. Evolucin del Tipo de Cambio en Per (1997 2007).

Fuente: Banco Central de la Reserva del Per. Nota informativa N 024-2007-BCRP.
Unas tasas mayores de variacin en el tipo de cambio suponen que para

la adquisicin de un dlar americano se requiera un mayor nmero de nuevos
soles y, segn lo comentado, suponen tambin una depreciacin de la moneda
nacional frente al dlar americano. Siendo as, entendemos que una evolucin
al alza en la tasa de variacin del tipo de cambio contribuir a un incremento de
la probabilidad de impago del cliente, aceptando de este modo un estimador
con signo positivo relativo a la presenta variable.
358
Tasa de Inters
Las tasas de inters son utilizadas para medir la rentabilidad de los
ahorros o el coste de los crditos.
Los Bancos Centrales han optado por la subida de tipos de inters en las
pocas en las que la economa crece con fuerza, mientras que en periodos de
recesin econmica se ha preferido una reduccin en los tipos con la intencin
de reactivar la economa. Puesto que el horizonte de gestin para los
consumidores adquirentes de bienes duraderos y de las empresas en sus
gastos de inversin es el medio y largo plazo, aumentos en las tasas de inters
disminuirn el consumo y la inversin. En consecuencia, algunos proyectos
dejan de ser rentables y los medios para financiarse conllevan unos costes ms
elevados. Finalmente, el impacto en el consumo y la inversin se transmite al
producto (Chumpitaz, 2006).
Centrados en la evolucin de las tasas de inters en la Repblica del
Per en el espacio de tiempo en el que transcurren los microcrditos de
nuestras dos carteras, la figura III.45 muestra los valores de la tasa de inters
interbancaria en trminos reales y nominales en moneda nacional. En ella,
puede apreciarse la estabilizacin de valores en los ltimos aos del horizonte
de gestin en importes cercanos al 3% de tasas nominales, tras proceder de
valores elevados de finales de la dcada de los noventa.
359
20,00%
15,00%
19,00%
14,90%
12,90%
12,70%
10,80% 11,10%
10,00%
8,60%
8,60%
6,40%
5,00%
3,80%
0,00%
3,40%
2,70% 3,00%
3,10%3,20%
1,10%
1,20%
-1,00%
Tasa Inters Real

Tasa Inters Nominal
1997 1998 1999 2000 2001 2002 2003 2004 2005

-5,00%
Figura III.45. Evolucin de las Tasas de Inters en Per (1997 2005).

Fuente: Elaboracin propia a partir de Banco Central de la Reserva del Per.
En nuestro caso, el inters se centra en la consideracin de la tasa de

variacin en los tipos de inters en la duracin de cada crdito con objeto de
recoger el efecto que puede derivar en el impago del microcrdito. Bajo este
aspecto, una subida de esta tasa de variacin reflejar concesiones de
prstamos ligados a intereses mayores, hecho que puede complicar el
reembolso del crdito en los plazos estipulados. Segn lo indicado, cabe
esperar un signo positivo en el estimador de esta variable.
ndice General Burstil

Se ha tomado variable el ndice general burstil de la bolsa de valores
de Lima, ya que es un indicador que mide el comportamiento del mercado
burstil del pas. El ndice toma su valor a partir de una cartera formada por las
acciones ms representativas en la negociacin burstil, elegidas en funcin de
la frecuencia de negociacin, cantidad de la misma y del nmero de
operaciones. ste incluye los sectores econmicos agrario, industrial, minero,
bancario, terciario, etc.
Entendemos que un ndice burstil representativo refleja con fidelidad el
estado de la economa de una nacin. Por estos motivos, estimamos oportuno
360
tener en cuenta la tasa de variacin del ndice general burstil de la Bolsa de

Valores de Lima como variable explicativa del modelo de credit scoring.
Si consideramos el periodo de tiempo de 1995 a 2005 (figura
III.46), fechas en que se conceden los crditos de ambas carteras, podemos
analizar algunos hechos ocurridos, en el comportamiento de estas carteras de
crditos. En 1995, recin creada la actual plataforma de negociacin
electrnica ELEX15, la Bolsa parta de valores elevados procedentes de la
insercin de la economa peruana en el libre mercado. Con la eliminacin del
dficit fiscal, la reduccin de la tasa inflacionaria y la reinsercin del pas en el
sistema financiero internacional, se consolidaron los valores del ndice burstil
en cifras que no sufran pronunciadas oscilaciones. A finales de la dcada de
los noventa, la acentuada crisis financiera (Asia, Brasil y Rusia) y la crisis de
polticas internas de la nacin frenaron el crecimiento nacional. A partir de
entonces, entrados ya en el nuevo siglo, el tratado de libre comercio con los
Estados Unidos y las medidas adoptadas por cambios estructurales en el
mercado supusieron un fuerte crecimiento del ndice de valores, llegando a ser
la Bolsa de Valores de Lima la ms rentable del mundo en el ao 2006.
15
Sistema tecnolgico que sustitua a la negociacin a viva voz.
361
Figura III.46. Evolucin del ndice General Burstil (1982 2006)16.

Fuente: Informe Burstil Abril 2006. Bolsa de Valores de Lima.
Por tanto, un cambio al alza en la variacin del ndice general burstil,

supone una mejora del estado de la economa, siendo ste, un factor que
contribuye a reducir la probabilidad de impago. As, el signo esperado del
estimador de esta variable ser negativo.
Tarifa Municipal del Agua, Electricidad Y Telfono

La inclusin de variables macroeconmicas en una aplicacin de credit
scoring se ve afectada por las caractersticas peculiares de las microempresas
que desarrollan su actividad en el propio domicilio. Por tanto, consideramos
oportuno emplear la tasa de variacin de la tarifa municipal del agua, de la
electricidad y del telfono como variables independientes en las aplicaciones
de credit scoring construidas para las dos entidades de microfinanzas de
nuestra investigacin.
16
El grfico se encuentra representado en escala logartmica.
362
Tngase en cuenta que, en microfinanzas, los clientes que tratan de

acceder a los recursos financieros desempean la actividad productiva en el
seno de la unidad familiar o, dicho de otro modo, en su domicilio. Segn lo
indicado, la justificacin de la utilizacin de estas caractersticas se basa en un
hecho fundamental, y es que, el agua, la electricidad y el telfono son tres
suministros de servicios muy ligados a la actividad productiva en la
microempresa. El agua y la electricidad son usualmente necesarias para la
produccin,
mientras
que
el
telfono
se
hace
obligatorio
para
la
comercializacin y venta del producto final obtenido.

No cabe duda que una subida en la tarifa municipal de cualquiera de
estos tres servicios afecta negativamente en la capacidad de pago del cliente y,
por tanto, contribuye a incrementar la probabilidad de impago. Por
consiguiente, se espera un signo positivo para el estimador de estas tres
variables planteadas.
Para finalizar, las tablas III.41 y III.42 nos muestran las correlaciones
bivariadas (Pearson) de las variables macroeconmicas definidas para la
EDPYME Proempresa y para la CMAC de Tacna, respectivamente, con la
variable dependiente considerada para el modelo. En ellos podemos apreciar la
relacin, a priori, existente entre el efecto del ciclo econmico y el fenmeno
que tratamos de explicar
Tal y como hemos reflejado, tenemos una lista de variables que tratan
de explicar el suceso planteado en la investigacin ms amplia que la
considerada en estudios anteriores del mbito microfinanciero
363
Tabla III.41. Correlacin bivariada de las Variables Macroeconmicas empleadas para

la EDPYME Proempresa y la variable explicada.
Correlaciones
Y
PIB
Correlaciones
Y
Sig. (bilateral)
N
Sig. (bilateral)
N
5451
,072**
,000
5451
PIB
,072**
,000
5451
1
Sig. (bilateral)
N
Sig. (bilateral)
N
IPC
5451

(bil t l)
IE
5451
,034*
,011
5451
IE
,034*
,011
5451
1
Sig. (bilateral)
N
Sig. (bilateral)
N
TC
5451
TI
5451
-,234**
,000
5451
TI
-,234**
,000
5451
1
Sig. (bilateral)
N
Sig. (bilateral)
N
IGB
5451
Correlaciones
AGUA
5451
,352**
,000
5451
TC
,352**
,000
5451
1
5451
5451
-,075**
,000
5451
IGB
-,075**
,000
5451
1
5451
Correlaciones
Y
Sig. (bilateral)
N
Sig. (bilateral)
N

(bil t l)

(bil
l)
Correlaciones
Sig. (bilateral)
N
Sig. (bilateral)
N
5451

(bil t l)
Correlaciones
Y
5451
-,111**
,000
5451
IPC
-,111**
,000
5451
1
Correlaciones
Y
Sig. (bilateral)
N
Sig. (bilateral)
N

(bil t l)
Correlaciones
Y
5451
-,089**
,000
5451
AGUA
-,089**
,000
5451
1
Sig. (bilateral)
N
Sig. (bilateral)
N
LUZ
5451

(bil t l)
5451
-,210**
,000
5451
LUZ
-,210**
,000
5451
1
5451

(bil t l)
Correlaciones
Y
TFNO
Sig. (bilateral)
N
Sig. (bilateral)
N
5451
-,397**
,000
5451
TFNO
-,397**
,000
5451
1
5451

(bil
l)
364
Tabla III.42. Correlacin bivariada de las Variables Macroeconmicas empleadas para

la CMAC de Tacna y la variable explicada.
Correlaciones
Y
PIB
Sig. (bilateral)
N
Sig. (bilateral)
N
Correlaciones
Y
16157
-,032**
,000
16157
PIB
-,032**
,000
16157
1
IPC
16157

(bil t l)
Sig. (bilateral)
N
Sig. (bilateral)
N
TC
Sig. (bilateral)
N
Sig. (bilateral)
N
16157
-,036**
,000
16157
TC
-,036**
,000
16157
1
Sig. (bilateral)
N
Sig. (bilateral)
N
TI
16157
IGB
16157
16157
,049**
,000
16157
TI
,049**
,000
16157
1
16157

(bil t l)
Correlaciones
Sig. (bilateral)
N
Sig. (bilateral)
N
16157
,062**
,000
16157
IPC
,062**
,000
16157
1
Correlaciones

(bil t l)

(bil t l)
Correlaciones
Y
Correlaciones
Y
16157
,003
,678
16157
IGB
,003
,678
16157
1
AGUA
16157
Sig. (bilateral)
N
Sig. (bilateral)
N
16157
-,161**
,000
16157
AGUA
-,161**
,000
16157
1
16157

(bil t l)
Correlaciones
Y
LUZ
Sig. (bilateral)
N
Sig. (bilateral)
N
Correlaciones
Y
16157
,032**
,000
16157
LUZ
,032**
,000
16157
1
16157

(bil t l)
TFNO
Sig. (bilateral)
N
Sig. (bilateral)
N
16157
-,166**
,000
16157
TFNO
-,166**
,000
16157
1
16157

(bil t l)
III.5. CONSIDERACIONES FINALES

Una revisin bibliogrfica de la literatura sobre credit scoring para
instituciones de microfinanzas nos ha permitido comprobar que no existen
muchos trabajos sobre el tema. Aproximadamente, hay una decena de
publicaciones donde se han diseado modelos de scoring para medir el riesgo
365
de crdito de estas entidades de microfinanzas, lo que supone que nos

encontramos en un punto en el que an queda mucho margen de investigacin
en esta lnea.
La aportacin ms importante ha sido, a nuestro entender, definir las
fases del proceso de concesin de un microcrdito en el seno de la institucin
de microfinanzas, a partir del cual hemos establecido las variables explicativas
a tener en cuenta en el diseo de los modelos de credit scoring. A pesar de que
cada modelo ha de construirse ad hoc a cada entidad evaluada, lo hacen sobre
la base de un procedimiento que hemos podido comprobar que es genrico
para las IMFs supervisadas por la SBS. Es por tanto por lo que dicho
procedimiento puede erigirse como la prctica del mercado en el sistema
financiero del Per.
Condicionada al proceso de concesin del microcrdito, la seleccin de
variables finales en este estudio se ha realizado considerando aquella
informacin susceptible de incrementar o reducir la probabilidad de impago del
cliente. Las variables explicativas de partida han sido agrupadas en tres
grandes bloques: variables del cliente (cuantitativas y cualitativas), variables de
la operacin de prstamo y, por ltimo, variables macroeconmicas.
La
consideracin
de
variables
que
incorporan
la
realidad
macroeconmica es, a nuestro entender, un aspecto importante en esta

investigacin ya que la base de datos inicial de la cartera no las contemplaba, y
su incorporacin mejor de forma significativa los resultados de los dos
modelos planteados.
Si bien las muestras objeto de investigacin son de un tamao grande
en cuanto al nmero de crditos que la integran, tambin hemos comprobado
las limitaciones de informacin en numerosos crditos, lo que ha reducido
considerablemente los tamaos muestrales definitivos para la estimacin de los
modelos y para su posterior validacin.
366
Por tanto, en el captulo siguiente desarrollaremos la metodologa

utilizada para el diseo del modelo de credit scoring. Asimismo, expondremos
los resultados obtenidos en cuanto al porcentaje correcto de clasificacin, las
medidas de bondad del ajuste y la validacin de los modelos obtenidos.
367
368
CAPTULO IV
MODELO DE CREDIT SCORING PARA INSTITUCIONES DE
MICROFINANZAS
IV.1. Justificacin y objetivos.

IV.2. Situacin econmica financiera de la Institucin de Microfinanzas.
IV.2.1. La EDPYME Proempresa.
IV.2.2. La CMAC de Tacna.
IV.3. Definicin de incumplimiento. La variable dependiente.
IV.4. Aplicacin estadstica. Un modelo de regresin logstica binaria.
IV.4.1. Estimacin e interpretacin del modelo.
IV.4.1.1.
Estimacin del modelo de credit scoring de la EDPYME

Proempresa.
IV.4.1.2.
Estimacin del modelo de credit scoring de la CMAC de

Tacna.
IV.4.2. Valoracin de los modelos de credit scoring.

IV.4.3. Validacin del modelo.
IV.4.3.1.
Validacin del modelo de credit scoring de la EDPYME

Proempresa.
IV.4.3.2.
Validacin del modelo de credit scoring de la CMAC de

Tacna.
IV.5. Consideraciones finales.
CAPTULO IV: MODELO DE CREDIT SCORING PARA INSTITUCIONES DE MICROFINANZAS
370
IV.1. JUSTIFICACIN Y OBJETIVOS

Al igual que en la banca comercial, en microfinanzas preguntas tales
como: conviene este cliente?, cul es el lmite de crdito que debo aceptarle
a su solicitud?, qu tasa de inters debo cobrarle?, como puedo reducir el
riesgo de impago?, etc., son cuestiones que deben valorarse de forma
adecuada.
Planteamos un mtodo que pueda resolver el problema de una correcta
clasificacin de clientes fallidos y no fallidos. Para ello, diseamos una
metodologa que analizar el riesgo de crdito en la concesin de
microcrditos.
Por otra parte, un modelo de credit scoring para en una cartera de
microcrditos que permita determinar la probabilidad de impago del cliente,
har posible la utilizacin de los mtodos de clculo de riesgo derivados de la
normativa de Basilea II. En concreto, hablamos de la metodologa de
calificaciones internas propuesta por Basilea II, la cual recomienda a las
instituciones financieras que desarrollen un modelo interno para el clculo de
riesgo y, por tanto, determine sus necesidades de capital y dotacin de
provisiones, y que desarrollaremos en el captulo 5.
En consonancia con lo que acabamos de mencionar, el objetivo de este
captulo es, precisamente, ofrecer una metodologa apropiada para la
evaluacin y medicin del riesgo de impago en las IMFs y cuyos resultados
sean vlidos para la propuesta de una aplicacin de negocio para estas
entidades, en virtud de los modelos propuestos por la normativa bancaria de
Basilea II. Para ello, hemos divido el captulo en tres puntos relacionados.
En el primer punto metodolgico, damos a conocer la realidad de la
situacin econmica y financiera de las dos entidades que sern objeto del
estudio emprico realizado en este trabajo de investigacin. La realizacin de
esta labor nos ayudar en la determinacin de los procesos y componentes de
la aplicacin de credit scoring diseada para cada institucin analizada, a la
371
vez que nos clarifica, en cierta medida, sus procesos disponibles para la
evaluacin y concesin de un microcrdito.
En el punto segundo, ad hoc a cada IMF analizada, definimos el
fenmeno que se trata de explicar con la investigacin emprica, es decir, la
variable dependiente del modelo de credit scoring. Dicha variable la hemos
definido como la probabilidad de que un cliente incurra en una situacin de
incumplimiento en el reembolso de su deuda en funcin del nmero de das de
retraso en el pago que suponga un coste para la organizacin de
microfinanzas. Conviene aclarar que la definicin del incumplimiento no resulta
ser la misma para todas las IMFs, con lo que nos reiteramos en la necesidad
del estudio de la realidad econmica y financiera de cada una de las entidades
consideradas.
En el tercer y ltimo punto, desarrollamos la aplicacin estadstica
seleccionada para disear el modelo de credit scoring, segn el objetivo
planteado en este captulo. Para ello, comenzaremos por la estimacin de los
modelos de cada una de las entidades. A continuacin, realizaremos una
valoracin estadstica de los resultados obtenidos en la estimacin para, por
ltimo, concluir con la validacin estadstica que nos permita analizar los
resultados obtenidos.
Finalmente, recogemos una serie de consideraciones finales planteadas
para resumir las conclusiones de este captulo, relacionndolas con el objetivo
marcado para el quinto y ltimo captulo de la Tesis Doctoral.
IV.2. SITUACIN
ECONMICA Y FINANCIERA DE LA
INSTITUCIN
DE
MICROFINANZAS
Nos encontramos en un rea poco estudiada en la investigacin de
microfinanzas, como es el de la evaluacin del riesgo de crdito en las IMFs, ya
372
que es reducido el nmero de modelos de credit scoring desarrollados para

entidades que otorgan microcrditos.
Dependiendo de la regin o nacin en la que las IMFs desempeen su
funcin e incluso, dentro del mismo pas, tambin del tipo de IMF considerada,
cabe sealar que no todas las entidades son iguales en su proceder del riesgo
de crdito. Es, por tanto, por lo que entendemos que requisito previo al diseo
de un modelo que mida el riesgo de impago, es indispensable conocer la
realidad econmica y financiera de la IMF que se pretende analizar.
Por tanto, en el este epgrafe establecemos como objetivo conocer la
situacin econmica y financiera de las entidades de microfinanzas durante el
periodo de tiempo en el cual disponemos de informacin de las carteras de
microcrditos.
Previo al comienzo del estudio individualizado para cada una de las
entidades consideradas, conviene posicionar los tres tipos de empresas del
sistema financiero peruano que conceden microcrditos. De este modo, segn
se aprecia en la tabla IV.1, las CMACs son las IMFs que contaban con un
mayor nmero de crditos concedidos a pymes durante los aos de 2001 a
20051. Por su parte, las EDPYMEs an erigindose como entidades ms
jvenes en cuanto a su creacin y regulacin por la SBS, han ido escalando en
el ranking de la colocacin de crditos a pymes, superando, incluso, a las
CRACs.
Las carteras de prstamos de nuestro estudio contienen crditos concedidos a pymes

durante los aos comprendidos entre 1997 y 2005, para el caso de la EDPYME y durante el
perodo que comprende los aos 1995 a 2005, en el caso de la CMAC. Sin embargo,
nicamente hemos podido disponer de datos en la SBS desde el ao 2001.
373
Tabla IV.1. Saldo medio mensual de crditos a pymes en las IMFs.
Empresas
Saldo Medio
mensual
TOTAL CMAC
TOTAL CRAC
TOTAL EDPYMES
TOTAL
750.688
151.779
201.648
1.104.116
18%
TOTAL CMAC
14%
TOTAL CRAC
TOTAL EDPYMES
68%
Fuente: Elaboracin propia a partir de informacin obtenida en SBS
IV.2.1. La EDPYME Proempresa

Proempresa, como Entidad de Desarrollo de la Pequea y Micro
Empresa regulada en el sistema financiero peruano, inici sus actividades en el
mes de enero de 1998. Como a todas las EDPYMES, no le estaba permitida la
captacin de depsitos, financiando sus operaciones mediante fuentes de
recursos nacionales e internacionales. Su constitucin fue llevada a cabo por
el Instituto para el Desarrollo del Sector Informal (IDESI), una de las
organizaciones no gubernamentales ms grande y antigua del pas en la
dcada de los noventa.
Durante el periodo de tiempo que abarca nuestro estudio, Proempresa
ha ejercido con un total de nueve sucursales; seis de ellas en la capital (Lima),
y tres situadas en provincias del sur de Per, gestionando una cartera de
crditos equivalente a 9 millones de dlares americanos con un montante
promedio de 978 dlares. Cabe destacar que la actividad principal de la entidad
ha estado enfocada, fundamentalmente, al microcrdito individual. El hecho de
374
ejercer su funcin financiera mayoritariamente en la capital provoca que

encuentre una fuerte competencia con las Cajas Municipales e, incluso, con los
bancos que se encuentran descendiendo de nicho de mercado en el negocio
de las microfinanzas, los cuales gozan de ventajas competitivas por las
economas de escala que supone la captacin de depsitos.
Si analizamos el posicionamiento de Proempresa dentro del contexto de
actividad global de las EDPYMEs (tabla IV.2) atendiendo a la distribucin del
saldo medio mensual de crditos concedidos a pymes, puede observarse como
la entidad mantiene una buena posicin estratgica respecto del resto de
empresas del mismo sector y naturaleza, por lo que entendemos que se trata
de una cartera de microcrditos representativa en este tipo de IMFs.
Tabla IV.2. Saldo medio mensual de crditos a pymes en las EDPYMEs. Periodo
2001-2005.
Empresas
EDPYME Edyficar
EDPYME Confianza
EDPYME Proempresa
EDPYME Crear Arequipa
EDPYME Crear Tacna
EDPYME Raz
EDPYME Nueva Visin
EDPYME Crear Trujillo
EDPYME Pro Negocios
EDPYME Credivisin
EDPYME Crear Cusco
EDPYME Alternativa
EDPYME Solidaridad
EDPYME Efectiva
TOTAL EDPYMES
Saldo Medio
mensual
88.803
20.646
20.568
18.197
13.007
11.350
5.726
5.154
4.912
4.555
4.293
3.106
3.036
1.109
201.648
Aunque Proempresa presenta una correcta calidad en su cartera en

comparacin con el promedio de la industria de las EDPYMEs (figura IV.1), los
riesgos a los que la entidad est expuesta son relativamente importantes. Es el
caso del riesgo de crdito ante una posible devaluacin de la moneda nacional,
debido a que, mayoritariamente, los ingresos de los clientes de la institucin se
375
producen en dicha moneda, y que los crditos son concedidos preferentemente

en dlares americanos. Por otro lado, un sistema de recuperacin deficiente
(ausencia de un cobro estricto desde el primer da de morosidad) y un dbil
seguimiento posterior del crdito explican, en parte, la baja calidad crediticia de
la cartera. Sin embargo, tal y como puede apreciarse en la figura IV.1, a partir
del ao 2004 se produce una disminucin del porcentaje de la cartera en riesgo
de Proempresa, debido, fundamentalmente, a la reduccin del nmero de
crditos que se encuentran en situacin judicial de cobro. En este sentido, los
ingresos percibidos por este concepto contribuyen a la mejora de la rentabilidad
del perodo de la entidad. Adems, tambin contribuye a este hecho la
constitucin de comits de crdito ms participativos y con nfasis en la
capacidad y voluntad de pago del cliente, los cuales se apoyan en manuales y
procedimientos de crditos que incluyen una mejora de controles internos junto
con una mayor responsabilidad y planificacin a nivel de agencia.
14,00%
45.000
40.000
12,00%
35.000
10,00%
30.000
25.000
8,00%
20.000
6,00%
15.000
4,00%
10.000
2,00%
5.000
0
0,00%
Dic-01
Dic-02
Dic-03
Dic-04
Dic-05
Cartera Bruta Proempresa
Cartera Bruta Media EDPYMEs
Cartera en riesgo Proempresa
Cartera en riesgo EDPYMEs
Figura IV.1. Cartera en riesgo de Proempresa Vs. EDPYMEs.2

Fuente: Elaboracin propia a partir de informacin obtenida en SBS.
Por su parte, la figura IV.2 muestra la evolucin del ratio de

apalancamiento (cociente entre el pasivo exigible total y el capital social ms
2
Cartera Bruta: Importe de la totalidad de los crditos de la IMF. Incluye, por tanto, los
crditos a Pymes, personales, hipotecarios, etc.
Cartera en riesgo: Porcentaje de la cartera bruta indicativo de los crditos que no han sido
reembolsados en la fecha de vencimiento.
376
las reservas), comparando este indicador en Proempresa y en el sector

EDPYMEs. Dicho indicador resulta ser sustancialmente ms elevado en
Proempresa debido, principalmente, al incremento de los pasivos. De lo
expuesto parece deducirse que el endeudamiento de Proempresa es mayor
respecto al resto de las EDPYMEs. Analizando las fuentes de financiacin de la
entidad, ha podido comprobarse que lo anteriormente comentado se debe a la
diversificacin de los orgenes de fondos, fundamentalmente de tipo extranjero
(un 70% aproximadamente). Por este ltimo motivo, la entidad no se ha visto
necesitada de obtener recursos en moneda nacional con bancos locales,
aunque, esto lo que supone es un riesgo crediticio potencial ante una eventual
devaluacin de la moneda.
6,00
5,00
4,00
3,00
2,00
1,00
0,00
1
Proempresa
EDPYMEs
Figura IV.2. Apalancamiento de Proempresa Vs. EDPYMEs.

Proempresa es una institucin rentable que ha logrado incrementar su

apalancamiento muy por encima de la media del sector, gozando, adems, de
un nivel de liquidez (figura IV.3) suficiente. Sin embargo, tal y como se
comprueba en la figura IV.4, hasta el ao 2004 ha mantenido cifras reducidas
en sus mrgenes operativos netos asociados al sensible deterioro de su cartera
de crditos, acusando as una reducida eficiencia operativa.
377
30,00%
25,00%
20,00%
15,00%
10,00%
5,00%
0,00%
Dic-01
Dic-02
Dic-03
Proempresa
Dic-04
Dic-05
EDPYMEs
Figura IV.3. Liquidez de Proempresa Vs. EDPYMEs.

3.000
2.500
2.000
1.500
1.000
500
0
Dic-01
Dic-02
Margen Operativo Neto Proempresa
Dic-03
Dic-04
Dic-05
Margen Operativo Neto EDPYMEs
Figura IV.4. Margen Operativo Neto de Proempresa Vs. EDPYMEs.

En relacin con lo anterior, si analizamos el indicador de la rentabilidad

financiera (ROE), comparativamente con el promedio del sistema EDPYME
(figura IV.5), para el periodo considerado, comprobamos que Proempresa se
encuentra por encima del promedio en rentabilidad. Aunque debemos apuntar
que el ROE de Proempresa presenta cambios importantes en los ltimos
378
periodos debido a fuertes ajustes contables tenidos en cuenta al contemplar

partidas de ingresos y gastos que, con anterioridad, no se consideraban.
18,00%
16,00%
14,00%
12,00%
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
Dic-00
Dic-01
Dic-02
Proempresa
Dic-03
Dic-04
Dic-05
EDPYMEs

A continuacin, y a modo de resumen, presentamos las fortalezas y

debilidades reconocidas por la agencia de rating MicroRate en un informe de
valoracin crediticia del ao 2004 para la EDPYME Proempresa:
Fortalezas
Adecuado nivel de cualificacin de la gerencia de la institucin.

Origen de recursos amplio y diversificado.
Desde 2003, buen sistema informtico con mejoras en indicadores de
control interno.
Claras estrategias gerenciales y coherentes con la visin de la

institucin.
Manuales de procedimientos en la gestin del crdito.

Debilidades
Deterioro de la cartera de crditos.

Margen operativo neto reducido y constante.
379
Alta rotacin y baja productividad del personal de la empresa.

Nicho
de
mercado
muy
competitivo
con
indicios
de
sobreendeudamiento.
Accionariado concentrado en una ONG.
IV.2.2. La CMAC de Tacna

La Caja Municipal de Ahorro y Crdito de Tacna fue constituida y
aprobada su formalizacin en la Resolucin SBS N 505 92, iniciando sus
actividades ofreciendo crditos pignoraticios (predarios). Desde entonces, la
entidad se encuentra regulada por el Banco Central de la Reserva del Per y
supervisada por la SBS. Dos aos ms tarde, en 1994, comenz a ofrecer al
pblico productos de ahorro en moneda nacional para convertirse en una
entidad autosostenible y as poder emprender la concesin de crditos a la
micro y pequea empresa. Tambin conceda crditos personales y ofreca
servicios de ahorro y crdito en moneda extranjera a la pequea empresa.
Adems, conviene destacar que la principal fuente de financiacin de la entidad
est constituida por depsitos y obligaciones, mantenindose una preferencia
por las cuentas a plazo.
Tal y como se observa en la tabla IV.3, no puede decirse que la CMAC
de Tacna sea una empresa lder dentro de su sector en materia de
colocaciones de crditos. Sin embargo, podemos constatar que se trata de una
entidad en la que la actividad financiera es constante y variada, hecho que nos
insta a analizarla desde el punto de vista del riesgo de crdito en el presente
trabajo de investigacin.
380
Tabla IV. 3. Saldo medio mensual de crditos a pymes en las CMACs. Periodo 20012005.
Empresas
CMAC Arequipa
CMAC Piura
CMAC Trujillo
CMAC Sullana
CMAC Cusco
CMAC Huancayo
CMAC Ica
CMAC Tacna
CMAC Paita
CMAC Del Santa
CMAC Maynas
CMAC Chincha
CMAC Pisco
TOTAL CMACs
Saldo Medio
mensual
162.947
142.382
96.178
71.825
65.891
51.589
38.918
33.272
27.699
22.172
21.513
7.406
6.963
748.509
En el desarrollo de las actividades financieras de ahorro y crdito, la

CMAC de Tacna se enfrenta a una multitud de riesgos tanto externos, como
puedan ser el riesgo pas, macroeconmico y cambiario, as como riesgos
internos propios de la entidad, como son el riesgo de crdito, de liquidez y
operacional.
En lo que a la calidad de los activos se refiere, la figura IV.6 identifica el
indicador relativo a la cartera en riesgo de la entidad en comparacin con el
promedio de la industria de las CMACs. Como puede apreciarse, el indicador
se sita por debajo del promedio obtenido por el sector Cajas, mantenindose
constante la diferencia entre ambas. Adems, observamos un pequeo
crecimiento de la morosidad en el ao 2004 debido, bsicamente, al exceso de
endeudamiento de los clientes de microcrdito. A finales de ese mismo ao, la
gerencia de la organizacin propuso una serie de medidas con la intencin de
controlar este deterioro de la cartera para que, as, los ndices de rentabilidad
no se vieran negativamente afectados. En este sentido, en un intento de
controlar la morosidad, la CMAC de Tacna fund el rea de recuperaciones el
cual trabaja en ntima sintona con el rea legal, donde cuenta con gestores de
381
cobro encargados de apoyar las labores y decisiones de los analistas de

crdito.
120.000
9,00%
8,00%
100.000
7,00%
80.000
6,00%
5,00%
60.000
4,00%
40.000
3,00%
2,00%
20.000
1,00%
0,00%
Dic-01
Dic-02
Dic-03
Dic-04
Dic-05
Cartera Bruta CMAC de Tacna
Cartera Bruta Media CMACs
Cartera en riesgo CMAC de Tacna
Cartera en riesgo CMACs
Figura IV.6. Cartera en riesgo de CMAC de Tacna Vs. CMACs.

Durante el periodo analizado, los indicadores de liquidez (figura IV.7) de

la institucin se han mantenido estables y acordes con los indicadores medios
de la industria de las CMACs. Conviene mencionar que los ratios de liquidez en
moneda nacional y moneda extranjera se encuentran por encima de los niveles
mnimos establecidos por la SBS, los cuales son del 8% para la moneda
nacional y del 20% para la moneda extranjera.
Liquidez Moneda Extranjera
Liquidez Moneda Nacional

35,00%
60,00%
30,00%
50,00%
25,00%
40,00%
20,00%
30,00%
15,00%
20,00%
10,00%
10,00%
5,00%
0,00%
0,00%
Dic-01
Dic-02
Dic-03
CMAC de Tacna
Dic-04
Dic-05
CMACs
Dic-01
Dic-02
Dic-03
CMAC de Tacna
Dic-04
Dic-05
CMACs
Figura IV.7. Liquidez de CMAC de Tacna Vs. CMACs.

382
Por su parte, en la figura IV.8 podemos observar la evolucin del

apalancamiento de la CMAC de Tacna y del promedio del conjunto de Cajas
Municipales. A este respecto, comentar que los incrementos del patrimonio
neto producidos en la entidad bajo un acuerdo gerencial asumido en el ao
2001 permiti una reduccin del ratio de endeudamiento. Desde ese mismo
ao, la CMAC de Tacna cuenta con un crdito subordinado de COFIDE con
vencimiento a 10 aos. Junto con la ventaja que conlleva la inclusin de este
prstamo en el patrimonio neto, la institucin mantiene un compromiso de
reinvertir el 75% de los beneficios, hecho que conduce a un fortalecimiento de
su solvencia patrimonial. En comparacin con el sector microfinanciero de las
CMACs, la Caja Municipal de Tacna ha mantenido unos niveles de
endeudamiento acorde con el valor promedio de estas ltimas.
10,00
9,00
8,00
7,00
6,00
5,00
4,00
3,00
2,00
1,00
0,00
Dic-00
Dic-01
Dic-02
Dic-03
CMAC de Tacna
Dic-04
Dic-05
CMACs
Figura IV.8. Apalancamiento de la CMAC de Tacna Vs. CMACs.

Con la informacin comentada y tras realizar un breve repaso a la

evolucin de los mrgenes operativos (figura IV.9) de la entidad en
comparacin con la industria de las CMACs, la figura IV.10 muestra cmo ha
evolucionado el indicador de rentabilidad (ROE) durante el periodo de tiempo
considerado.
383
25.000
20.000
15.000
10.000
5.000
0
Dic-01
Dic-02
Dic-03
Margen Operativo Neto CMAC de Tacna
Dic-04
Dic-05
Margen Operativo Neto CMACs
Figura IV.9. Margen Operativo Neto de la CMAC de Tacna Vs. CMACs.

35,00%
30,00%
25,00%
20,00%
15,00%
10,00%
5,00%
0,00%
Dic-00
Dic-01
Dic-02
Dic-03
CMAC de Tacna
Dic-04
Dic-05
CMACs

A modo de resumen, presentamos las fortalezas y debilidades

reconocidas por la agencia de rating Equilibrium Clasificadora de Riesgo S.A.
en un informe de valoracin crediticia del ao 2005 para la CMAC de Tacna:
Fortalezas
Adecuados ratios de liquidez y niveles de morosidad.

384
Gerencia profesional de la organizacin con experiencia.

Fortalecimiento patrimonial.
Expansin de sucursales.
Diversificacin hacia nuevos productos apropiados en el sector.
Debilidades
Servicios financieros limitados en comparacin con el sistema

financiero en general.
Concentracin relativa de los titulares de los depsitos.

Competencia por parte de la banca comercial.
Exceso de endeudamiento de los clientes.
IV.3. DEFINICIN DE INCUMPLIMIENTO. LA VARIABLE DEPENDIENTE

En
todo
modelo
de
calificacin
estadstica
planteado
bajo
el
cumplimiento de una serie de hiptesis, la variable dependiente recoge

caractersticas e informacin real que dependen de la valoracin de una serie
de fenmenos o sucesos descritos en otras variables, en este caso,
independientes. Puesto que se trata de una variable cuyo valor se determina
dentro de un modelo econmico a la hora de predecir, hablaremos de ella
como variable endgena.
La variable dependiente en el modelo estadstico propuesto es nica y
dictoma o dummy con un valor de uno (1) para los crditos que sufran un
retraso en el pago y suponga un coste para la organizacin y cero (0) para los
crditos sin retrasos en el pago con un coste aadido para la entidad.
Es necesario aclarar qu se entiende por retraso en el pago que
conlleve un coste para la organizacin, ya que cada entidad de microfinanzas
analizada ha de definir dicha variable dependiente. Este concepto, debe ir
argumentado en funcin de una serie de aspectos que no entren en conflicto
385
entre s, sino que, por el contrario, se vean complementadas. As, en una

correcta definicin de lo que puede ser un retraso del prestatario en el pago de
la/s cuota/s de un microcrdito, han de verificarse los siguientes puntos:
El retraso percibido ha de ser real y no estimado, segn fechas

concretas marcadas en la contratacin del crdito, en funcin del
mtodo estipulado para su amortizacin por las partes contratantes.
El atraso ha de producirse en, al menos, una cuota de amortizacin del

microcrdito.
Todo retraso considerado ha de suponer un incremento en el coste para

la entidad ms que proporcional al habitual en caso de no producirse
esta contingencia. Usualmente, estos incrementos suelen traducirse en
costes administrativos, por el esfuerzo extra en trminos monetarios que
supone realizar un seguimiento y control del pago de un crdito cuyo
reembolso mantiene un retraso.
En un modelo de calificacin riesgo de morosidad para los crditos de
una organizacin de microfinanzas en Bolivia, Schreiner (1999) define atraso

costoso como un atraso de 15 das o ms, sin argumentar los motivos en los
que se basa para pronunciar tal afirmacin.
Para la EDPYME Proempresa, el concepto de retraso en el pago que
supone un coste aadido para la organizacin es aquel con un mnimo 30 das
desde el vencimiento de, al menos, una cuota de amortizacin del microcrdito
concedido a un determinado cliente. El plazo sealado respeta las premisas de
retraso que conlleva coste para la organizacin. Al mismo tiempo, tomamos
esta referencia temporal por indicacin de la propia entidad y queda totalmente
corroborado por los informes emitidos por la Agencia de Rating para
Microfinanzas MicroRate, que considera como cartera en riesgo la compuesta
por crditos atrasados en ms de 30 das junto con los crditos refinanciados,
es decir, los crditos sobre los cuales se ha pactado una nueva tasa de inters
y un nuevo vencimiento.
Por lo que respecta a la CMAC de Tacna, Se considera el tiempo que
delimita el atraso costoso del que no lo es en base a la propia experiencia en la
386
institucin analizada. De acuerdo con las indicaciones de la entidad y con lo

establecido por Schreiner (1999), consideramos los impagos con retraso que
supone un coste para la organizacin a todos aquellos que superan los 15 das
respecto a la fecha de reembolso de, al menos, una de las cuotas del
prstamo.
Segn se aprecia en la figura IV.11, la muestra total de la EDPYME
determinada en el captulo anterior alberga un 50,96% de microcrditos (en
total 2.778) afectados por lo que hemos definido como retraso que supone un
coste para la entidad. El resto, un 49,04 % (2.673 microcrditos), fueron
atendidos al reembolso con no ms de 30 das de demora y no suponiendo un
incremento relevante en el coste administrativo de la entidad. Por su parte, con
porcentajes similares de pago e impago, la cartera crediticia de la CMAC
obtenida como muestra contena un 50,62% de crditos impagados con un
retraso de mnimo 15 das, es decir, 8.178, siendo el resto reembolsado en
tiempo y forma acordado por las partes contratantes.
EDPYME PROEMPRESA
CMAC TACNA
IMPAGADOS
IMPAGADOS
PAGADOS
PAGADOS
2.673
2.778
7.979
8.178
49%
51%
49%
51%
Figura IV.11. Distribucin de los microcrditos en funcin de la variable dependiente.

Conviene aclarar que la evaluacin realizada a travs de un modelo de

credit scoring viene referida al hecho de que el prestatario resuelva o no las
obligaciones pendientes con la entidad de crdito y no la concesin o rechazo
del crdito. De este modo, tal y como refieren la mayor parte de las
investigaciones revisadas, entendemos que es objeto de nuestro estudio la
valoracin de la probabilidad de impago, sobre crditos concedidos. Ello no
387
quiere decir que si el scoring arrojase una probabilidad de impago elevada,

necesariamente haya que rechazar el crdito.
IV.4. APLICACIN
ESTADSTICA.
UN
MODELO DE REGRESIN LOGSTICA
BINARIA
En el captulo segundo, realizamos una revisin de la bibliografa de los

modelos de credit scoring diseados tanto para la banca comercial como para
las IMFs. En dicho captulo pudimos comprobar que la metodologa ms
utilizada en la construccin de aplicaciones de scoring en microfinanzas se
basa en modelos estadsticos no lineales, dadas las caractersticas que
presentaban frente a los modelos y tcnicas lineales.
La regresin logstica es, probablemente, el mtodo estadstico ms
utilizado en las Ciencias Sociales. Las principales razones de este argumento
son:
Permite introducir como variables predictoras (independientes) de la

variable respuesta una combinacin de variables categricas y
cuantitativas.
Se considera una metodologa flexible en el cumplimiento de las

hiptesis iniciales de los modelos lineales.
Aporta una metodologa muy flexible a la hora de cumplir con las

hiptesis rgidas establecidas por los modelos lineales.
A partir de los coeficientes de regresin logstica de las variables

independientes en el modelo, se pueden obtener directamente los OR
(Odds Ratio) de cada una de ellas, que corresponde al riesgo de tener el
resultado o efecto evaluado para un determinado valor respecto al valor
disminuido en una unidad. Y, dado que la variable independiente es
cualitativa, la regresin logstica slo admite categricas dicotmicas, de
manera que la OR es el riesgo de los sujetos con un valor frente al
riesgo de los sujetos con el otro valor para esa variable.
388
Permite determinar la probabilidad de que ocurra el evento en cuestin

como funcin de ciertas variables, que se presumen relevantes o
influyentes sobre dicho evento.
Dado que la metodologa empleada en el estudio emprico es el anlisis
de regresin logstica, en adelante, vamos a desarrollar dicha tcnica para

cada una de las carteras de microcrditos analizadas en el presente trabajo de
investigacin.
IV.4.1. Estimacin e interpretacin del modelo

La regresin logstica, en el desarrollo de los dos modelos de credit
scoring para IMFs, permite calcular la probabilidad de que ocurra el impago del
cliente de microcrdito como funcin de ciertas variables explicativas. De esta
forma, si las k variables explicativas (independientes) se designan por x1, x2,
, xk. El modelo de regresin logstica puede formularse como:
p
= 0 + 1 x1 + 2 x 2 + ..... + k x k
log
1 p
(26)
donde p es la probabilidad de ocurrencia del evento de inters, en nuestro

caso, impago o default, y donde 1, 2, , k son los parmetros del modelo.
Dado el valor de las variables independientes, la probabilidad sealada puede
ser calculada directamente de la siguiente forma:
p=
eZ
1
=
,
Z
1+ e
1 + e Z
(27)
siendo:
Z = 0 + 1 x1 + 2 x 2 + ..... + k x k
(28)
389
Como puede apreciarse, se trata de encontrar una expresin del modelo

como una funcin lineal de las variables explicativas, hecho que facilita la
interpretacin, aplicando la inversa de la funcin logstica, es decir, el logit o
logaritmo de la odds o ventaja de que un suceso ocurra, interpretado ste como
la preferencia de elegir la alternativa uno de la variable respuesta frente a la
alternativa cero.
Una vez formulado el modelo de regresin logstica, el siguiente paso
consiste en estimar sus parmetros, con objeto de determinar la probabilidad
de que se produzca el suceso de impago. Dado que la variable dependiente es
dicotmica, los errores no se distribuyen segn una distribucin normal, por lo
que no es posible aplicar el mtodo de mnimos cuadrados siendo, por tanto, el
mtodo de mxima verosimilitud el utilizado en estos casos. A este respecto, la
mxima verosimilitud permite estimar el valor de los parmetros que maximizan
la probabilidad de obtener el conjunto de observaciones (funcin de
verosimilitud).
El siguiente paso consiste en la estimacin de un modelo de regresin
logstica para cada una de las carteras de microcrditos disponibles, en primer
lugar, la EDPYME Proempresa y, en segundo lugar, la CMAC de Tacna.
Puesto que en ambas entidades hemos seguido el principio jerrquico de
introduccin de variables basado en el proceso de evaluacin y concesin del
microcrdito descrito en el captulo anterior, mostraremos los pasos seguidos
en la construccin de los modelos de credit scoring en funcin de las fases de
dicho proceso.
IV.4.1.1. Estimacin del modelo de credit scoring de la EDPYME

Proempresa
Tal y como hemos indicado, la construccin de la aplicacin de credit
scoring para la EDPYME Proempresa ha sido realizada en funcin de su
proceso de evaluacin y concesin del microcrdito. A este respecto, no se
pueden utilizar los procedimientos automticos del software SPSS vs. 15 (hacia
390
delante forward- o hacia atrs backward-), ya que stos no incorporan la

norma jerrquica. Por tanto, debimos recurrir al procedimiento Introduccir, el
cual nos permite conducir el anlisis en funcin de los resultados que va
obteniendo. En esta lnea, puede consultarse el diseo del modelo de credit
scoring en los archivos relativos a las salidas o resultados del sofware SPSS
adjuntados en el anexo 2 (informatizado) de la Tesis Doctoral.
Segn lo comentado, el proceso que vamos a desarrollar indica los
pasos seguidos en la construccin del modelo de scoring para la EDPYME
Proempresa, asumiendo una serie de premisas:
Premisa 1: Nos establecemos como objetivo mostrar, para cada una de
las fases del proceso de evaluacin y concesin del microcrdito, las
variables que intervienen en cada una de ellas, la situacin relativa a la
permanencia o exclusin en el modelo, as como, en caso de exclusin,
el motivo por el cual ha sido desechada la variable.
Premisa 2: Los motivos de exclusin de variables en el proceso de
construccin del credit scoring son: a) que la variable resulte ser
estadsticamente no significativa y, b) que el signo obtenido en el
estimador no concuerde con el esperado.
Premisa 3: Toda variable ser aceptada siempre y cuando sta sea
estadsticamente significativa en funcin del valor de su parmetro y su
nivel de significacin, a la vez que el signo obtenido en el estimador
concuerde con las hiptesis planteadas sobre el signo esperado para
cada variable.
Premisa 4: En cada una de las fases del proceso, se ha procedido a
introducir las variables individualmente, con la intencin de detectar la
correlacin con alguna variable ya aceptada en alguna fase precedente.
391
Premisa 5: Para corroborar los resultados parciales segn lo establecido

en la premisa 4, hemos introducido de forma global y conjunta las
variables intervinientes en cada una de las fases.
La tabla IV.4 nos muestra los resultados obtenidos en la aplicacin logit
diseada para la variable que interviene en la fase 1. Al resultar
estadsticamente significativa y al concordar el signo esperado con el obtenido,
la variable zona permanece en el diseo del modelo a la espera de ser
introducidas las variables que intervienen en la fase 2.
Proempresa.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
FASE 1
ZONA
ACEPTADA
En la tabla IV.5 se muestra el resultado de introducir individualmente las

variables que se interponen en la fase 2 del proceso de evaluacin y concesin
del microcrdito. En dicho cuadro se observa como las variables relativas a los
crditos concedidos y rechazados con anterioridad a la solicitud del nuevo
crdito quedan excluidas del modelo al presentar unos signos de los
estimadores incoherentes respecto a los esperados inicialmente.
Proempresa.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
FASES ANTERIORES
ZONA
ACEPTADA
ANTIGUO
ACEPTADA
CRED_CONC
EXCLUIDA
Signo estimador
CRED_CONC2
ACEPTADA
CRED_DENEG
EXCLUIDA
Signo estimador
FASE 2
392
En la siguiente fase de la construccin del modelo de scoring expuesto

en la tabla IV.6, se aprecia la influencia de las dos nuevas variables
introducidas tras el anlisis de la actividad econmica desarrollada por el
potencial cliente. Cabe destacar que el descarte de la variable que recoge
informacin sobre el sector econmico de actividad del negocio del cliente se
debe a que dos de las cuatro categoras consideradas, resultaron ser
estadsticamente no significativas. Igualmente, pudimos comprobar que el
sector econmico de actividad estaba correlacionado con la zona geogrfica,
hecho que parece bastante lgico al estar relacionados los sectores de
actividad de produccin y servicios con las sucursales de las zonas cntricas,
mientras que la agricultura y comercio se ubicaban preferentemente en el
extrarradio y zonas rurales.
Tabla IV.6. Fase 3A de la construccin del modelo de scoring de la EDPYME
Proempresa.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 3A
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
ZONA
ACEPTADA
ANTIGUO
ACEPTADA
CRED_CONC2
ACEPTADA
SECTOR
EXCLUIDA
No significativa
DEST_CRED
ACEPTADA
La tabla IV.7 registra los resultados de introducir las variables resultantes

de la revisin de las Centrales de Riesgos e historiales de crditos. Conviene
mencionar que ninguna de las variables intervinientes en esta fase resultaron
ser vlidas para nuestro anlisis, por lo que fueron desechadas por los motivos
sealados en el cuadro 4.
393
Tabla IV.7. Fase 3B de la construccin del modelo de scoring de la EDPYME

Proempresa.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 3B
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
ZONA
ACEPTADA
ANTIGUO
ACEPTADA
CRED_CONC2
ACEPTADA
DEST_CRED
ACEPTADA
CLAS_ENT
EXCLUIDA
Signo estimador
CUOT_TOT
EXCLUIDA
Signo estimador
CUOT_MORA
EXCLUIDA
Signo estimador
MEDIA_MORA
EXCLUIDA
No significativa
MORA_MAYOR
EXCLUIDA
No significativa
Las variables que subyacen de la inspeccin econmica y financiera de

la microempresa del cliente solicitante de microcrdito se muestran en la tabla
IV.8, as como la influencia que tienen en el diseo del modelo de credit scoring
para la EDPYME Proempresa. Respecto a las variables personales recogidas
en el oportuno impreso por parte del analista de crdito, nicamente la
referente a la situacin laboral del cliente, resulta ser significativa y vlida
segn el signo obtenido en el correspondiente estimador. En relacin a los
ratios derivados de la informacin recogida en la inspeccin econmica y
financiera de la microempresa u hogar del cliente, destacar que, dada la
escasa informacin relativa a esta partida, un nmero escaso de ratios
(nicamente dos) resultaron ser significativos en el modelo de scoring de la
entidad, lo que nos hace pensar en la manifestacin del fenmeno de la
multicolinealidad en la informacin aportada por las variables construidas en
forma de ratio. Finalmente, un ratio de liquidez y otro de endeudamiento
resultaron significativos para un nivel de confianza del 95%. Cabe destacar que
la variable Antiguo mantena ya, en fases anteriores, valores del parmetro
correspondiente cercanos a 0. El hecho de introducir las variables relativas a
esta nueva fase del proceso de evaluacin y concesin del microcrdito, ha
provocado que la variable que refiere la antigedad del prestatario como cliente
de la institucin, tornase el signo del estimador a valores positivos, motivo por
el cual fue desechada del anlisis.
394
Tabla IV.8. Fase 3C de la construccin del modelo de scoring de la EDPYME

Proempresa.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 3C
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
ZONA
ACEPTADA
ANTIGUO
EXCLUIDA
Signo estimador
CRED_CONC2
ACEPTADA
DEST_CRED
ACEPTADA
SEXO
EXCLUIDA
No significativa
EDAD
EXCLUIDA
No significativa
E_CIVIL
EXCLUIDA
No significativa
SIT_LAB
ACEPTADA
R1
EXCLUIDA
Signo estimador
R2
EXCLUIDA
No significativa
R3
ACEPTADA
R4
ACEPTADA
R5
ACEPTADA
R6
EXCLUIDA
No significativa
R7
EXCLUIDA
No significativa
R8
EXCLUIDA
No significativa
La introduccin de la variable que recoge la informacin de las garantas

aportadas por el cliente (tabla IV.9) mejor sustancialmente el porcentaje
correcto en la clasificacin de clientes al resultar significativa esta variable.
Proempresa.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 4
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
ZONA
ACEPTADA
CRED_CONC2
ACEPTADA
DEST_CRED
ACEPTADA
SIT_LAB
ACEPTADA
R3
ACEPTADA
R4
ACEPTADA
R5
ACEPTADA
GARANT
ACEPTADA
395
De las variables observadas en la tabla IV.10, correspondientes a las

caractersticas de la operacin de prstamo, nicamente resulto ser vlida para
el modelo, aquella que recoge el pronstico realizado por el analista de crdito
sobre la situacin del crdito a su vencimiento. En este sentido, segn la cifra
del estimador, destacamos la importancia que esta variable tiene al contribuir
en la mejora de los crditos calificados correctamente. Entendemos que esta
variable puede resumir la informacin contenida en otras variables, sobre todo,
aquellas que son extradas de la revisin de las Centrales de Riesgos e
historiales de crdito. Respecto al resto de variables de esta fase, presumimos
que no fueron significativas dada la fuerte multicolinealidad con variables ya
aceptadas en fases precedentes de la elaboracin del modelo de credit scoring.
Proempresa.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 5
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
ZONA
ACEPTADA
CRED_CONC2
ACEPTADA
DEST_CRED
ACEPTADA
SIT_LAB
ACEPTADA
R3
ACEPTADA
R4
ACEPTADA
R5
ACEPTADA
GARANT
ACEPTADA
MONEDA
EXCLUIDA
No significativa
MONTO
EXCLUIDA
Signo estimador
MONTO_RECH
EXCLUIDA
No significativa
DURACION
EXCLUIDA
Signo estimador
INT_MENS
EXCLUIDA
No significativa
VTOCRED_SBS
ACEPTADA
Por ltimo, la consideracin de las variables que describen el ciclo

econmico se recogen en la tabla IV.11. Se observa que slo la tasa de
variacin del tipo de cambio viene a ser la nica variable macroeconmica
significativa. Como comentario general, decir que la informacin aportada por
396
distintas variables del entorno econmico puede solaparse al seguir,

habitualmente, la misma tendencia (de crecimiento o decrecimiento) en funcin
del estado de la economa en el que nos encontremos. En consecuencia, la
correlacin entre estas caractersticas suele ser elevada, por lo que el nmero
de variables tomadas como explicativas, suele ser reducido.
Proempresa.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 6
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
ZONA
ACEPTADA
CRED_CONC2
ACEPTADA
DEST_CRED
ACEPTADA
SIT_LAB
ACEPTADA
R3
ACEPTADA
R4
EXCLUIDA
No significativa
R5
ACEPTADA
GARANT
ACEPTADA
VTOCRED_SBS
ACEPTADA
PIB
EXCLUIDA
No significativa
IPC
EXCLUIDA
No significativa
IE
EXCLUIDA
Signo estimador
TC
ACEPTADA
TI
EXCLUIDA
No significativa
IGB
EXCLUIDA
No significativa
AGUA
EXCLUIDA
No significativa
LUZ
EXCLUIDA
Signo estimador
TFNO
EXCLUIDA
No significativa
Finalmente, el tratamiento de la base de datos de la cartera de

microcrditos de la EDPYME Proempresa, mediante el mdulo de Regresin
Logstica Binaria del software SPSS vs. 15, ofrece el resultado mostrado en la
tabla IV.12, del cual se deriva la ecuacin de puntuacin Z (expresin 28) y la
probabilidad de impago P (expresin 27), para cada uno de los acreditados de
dicha cartera.
397

EDPYME Proempresa.
Variables en la ecuacin
Paso
a
1
ZONA(1)
SIT_LAB(1)
R3
R5
CRED_CON2
DEST_CRED(1)
GARANT(1)
VTOCRED_SBS(1)
TC
Constante
B
-,498
-1,693
-3,062
1,274
-,070
-1,088
-1,064
-4,356
,241
8,703
E.T.
,081
,563
,552
,275
,017
,136
,083
,233
,010
,639
Wald
37,967
9,032
30,782
21,399
16,244
64,501
166,253
348,203
532,525
185,375
gl
1
1
1
1
1
1
1
1
1
1
Sig.
,000
,003
,000
,000
,000
,000
,000
,000
,000
,000
Exp(B)
,608
,184
,047
3,576
,932
,337
,345
,013
1,273
6022,226
I.C. 95,0% para EXP(B)

Inferior
Superior
,519
,712
,061
,555
,016
,138
2,084
6,136
,901
,965
,258
,439
,294
,406
,008
,020
1,247
1,299
a. Variable(s) introducida(s) en el paso 1: ZONA, SIT_LAB, R3, R5, CRED_CON2, DEST_CRED, GARANT, VTOCRED_SBS, TC.
Fuente: SPSS. Elaboracin propia.
Z = 8,703 0,498 ZONA 1,693 SIT_LAB 3,062 R3 + 1,274 R5 0,070

CRED_CON2 1,088 DEST_CRED 1,064 GARANT 4,356
(29)
VTOCRED_SBS + 0,241 TC
donde:
P (Probabilidad de incumplimiento) =
1
1 + e (Z)
(30)
Las variables que intervienen en el modelo final de credit scoring las

resumimos en la tabla IV.13. Puede apreciarse que el modelo final queda
definido con variables que intervienen en prcticamente todas las fases del
proceso de evaluacin y concesin del microcrdito, destacando una mayor
presencia de stas en la fase relativa a la inspeccin econmico-financiera de
la microempresa. A la vista de los coeficientes del modelo, se observa que
siete de las variables influyen negativamente en la probabilidad de que el
cliente sea moroso, mientras que solamente dos de ellas contribuyen a
incrementarla.
En relacin con la significacin estadstica y signo de los coeficientes,
todas presentan signo coherente de influencia en la variable explicativa y pvalue inferiores al nivel crtico fijado en 0,05. Por tanto, todas las variables
398
independientes del modelo influyen en el comportamiento de pago del cliente

del microcrdito.
Tabla IV.13. Variables independientes del modelo de credit scoring de la EDPYME
Proempresa.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
VARIABLE
FASE 1
ZONA
FASE 2
CRED_CONC2
FASE 3 A
DEST_CRED
SIT_LAB
FASE 3 C
R3
R5
FASE 4
GARANT
FASE 5
VTOCRED_SBS
FASE 6
TC
Destacar, tambin, que la variacin anualizada del tipo de cambio

correspondiente al grupo de las variables macroeconmicas, forma parte del
modelo final de scoring para la EDPYME Proempresa, es decir, que el ciclo
econmico influye en la valoracin del riesgo de impago de un cliente de
microcrdito.
En un modelo de regresin lineal, el valor del coeficiente de regresin
asociado a cada variable independiente representa la cantidad de cambio en el
valor de la variable dependiente pronosticada por cada unidad de variacin en
la variable independiente. En un modelo de regresin logstica, dada la
naturaleza de la funcin de distribucin, no ocurre as. Sin embargo, dividiendo
la probabilidad de uno de los sucesos (incumplimiento) por su probabilidad
complementaria (pago), se obtiene la ventaja (odds) del suceso Y = 1 frente al
suceso Y = 0. Dicho de otra forma, la odds se define como el cociente entre la
probabilidad de impago y la probabilidad de pago. Si nos fijamos en la tabla
IV.14, observamos que en los resultados de la regresin logstica se obtiene,
junto al valor del coeficiente de regresin o parmetro (), el valor de EXP().
399
Dicho valor hace referencia a la odds ratio de cada variable que, para la
EDPYME Proempresa interpretamos en la tabla IV.14. Para el caso de las
variables independientes politmicas, la odds ratio representa el factor de
cambio en la odds o ventaja de que ocurra el suceso cuando el sujeto
pertenece a la categora representada por la correspondiente variable ficticia,
frente al hecho de que el individuo pertenezca a la categora de referencia, que
suele ser la primera modalidad de la variable categrica original. Por otro lado,
cuando se trata de una variable explicativa continua, la odds ratio se interpreta
como la variacin en la odds de que ocurra el evento ante un cambio unitario
en la variable, aunque en muchas variables independientes de tipo continuo
que se incluyen en los modelos de regresin logstica, es ms relevante
empricamente considerar la influencia de un cambio de c unidades en la
variable, siendo la odds ratio asociada:
( )
= exp c j
x +c , x
j
j
(31)
EDPYME Proempresa.
VARIABLE
exp(Beta)
Interpretacin
ZONA
0,608
Solicitar el crdito en una oficina de una zona cntrica (frente a una oficina del extrarradio) disminuye la
probabilidad relativa de impago frente al pago en un 39,2%
SIT_LAB
0,184
Ser propietario de una microempresa (frente a no serlo) disminuye la probabilidad relativa de impago
frente al pago en un 81,6%
R3
0,047
Cada 1% adicional de ratio de liquidez disminuye la probabilidad relativa de impago frente al pago en un
9,53%
R5
3,576
Por cada 1% adicional del ratio de endeudamiento la probabilidad relativa de impago frente al pago
aumenta en un 27,76%
CRED_CON2
0,932
Cada crdito concedido en el ao anterior disminuye la probabilidad relativa de impago frente al pago en
un 6,8%
DEST_CRED
0,337
Destinar el crdito a capital de trabajo (frente a destinarlo a la adquisicin de un activo fijo), disminuye la
GARANT
0,345
Aportar una declaracin jurada de bienes como garanta del prstamo (frente a aportar garantas reales),
disminuye la probabilidad relativa de impago frente al pago en un 65,5%
VTOCRED_SBS
0,013
El que el analista pronostique el crdito como vigente a su vencimiento (frente a pronosticar problemas en
su reembolso), disminuye la probabilidad relativa de impago frente al pago en un 98,7%
TC
1,273
Incrementar un 1% la tasa de variacin anualizada de la tasa de cambio, aumenta la probabilidad relativa

de impago frente al pago en un 0,38%
400
IV.4.1.2. Estimacin del modelo de credit scoring de la CMAC de

Tacna
Anlogamente al diseo de la aplicacin de credit scoring para la
EDPYME Proempresa, mantenemos las mismas premisas enunciadas en la
construccin del modelo de scoring para la CMAC de Tacna. De igual modo, tal
y como se indic con anterioridad, asumimos que las fases del proceso de
evaluacin y concesin del microcrdito tambin coinciden. Por tanto,
basndonos en la informacin sobre las variables de la Caja Municipal
descritas en la tabla III.8 procedemos a describir, paso a paso, la construccin
del modelo de credit scoring para esta entidad de microfinanzas. Bajo esta
consideracin, pueden consultarse los pasos seguidos en el diseo de la
aplicacin de credit scoring en el anexo 2 (informatizado) del presente trabajo
de investigacin.
Si analizamos la tabla IV.15, se observa que partimos de la fase 2 del
proceso de evaluacin y concesin del microcrdito al no disponer de
informacin suficiente relativa a la zona geogrfica de la agencia o sucursal
que concede el microcrdito. Por otro lado, respecto a las variables que surgen
en la segunda fase del proceso, comprobamos que la caracterstica que recoge
informacin sobre la antigedad del prestatario como cliente de la IMF, a pesar
de obtener un resultado significativo de su parmetro, decidimos desecharla del
modelo de scoring al no coincidir su signo con el esperado en las hiptesis
planteadas inicialmente. Por su parte, tambin fueron descartadas las variables
relativas a los crditos concedidos con anterioridad y aquella que indica la
relacin que mantiene el cliente con la entidad de microfinanzas. Sin embargo,
la variable explicativa crditos concedidos en el ltimo ao si result ser
significativa con un nivel de confianza del 95%.
401
Tabla IV.15. Fase 2 de la construccin del modelo de scoring de la CMAC de Tacna.

FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASE 2
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
ANTIGUO
ACEPTADA
Signo estimador
CRED_CONC
EXCLUIDA
No significativa
CRED_CONC2
ACEPTADA
REL_IMF
EXCLUIDA
No significativa
Manteniendo la variable significativa de la fase anterior, incorporamos

las dos siguientes predictoras pertenecientes a la fase 3A del proceso de
evaluacin y concesin del microcrdito en la CMAC de Tacna. La tabla IV.16
indica que la variable indicativa del sector econmico de actividad de la
microempresa del solicitante del prstamo no result ser significativa, por lo
que optamos por suprimirla del proceso de construccin del modelo de scoring.
Tabla IV.16. Fase 3A de la construccin del modelo de scoring de la CMAC de Tacna.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
VARIABLE
SITUACIN
FASES ANTERIORES
CRED_CONC2
ACEPTADA
SECTOR
EXCLUIDA
No significativa
DEST_CRED
ACEPTADA
FASE 3A
MOTIVO DE
EXCLUSIN
El siguiente cuadro (IV.17), indica que, tras introducir las variables

influyentes en el anlisis de las Centrales de Riesgos e historiales de crdito,
solamente la variable dicotmica indicativa de la clasificacin del cliente segn
la SBS, a pesar de ser estadsticamente significativa, fue descartada para
formar parte del modelo, dada la incoherencia del signo obtenido del estimador.
Pensamos que este hecho puede deberse al tratamiento que le dimos a la
variable en su definicin, al considerar los clientes nuevos dentro de la
categora de clientes normales.
Tabla IV.17. Fase 3B de la construccin del modelo de scoring de la CMAC de Tacna.
402
FASE DEL PROCESO

DE EVALUACIN DEL
MICROCRDITO
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
FASES ANTERIORES
CRED_CONC2
ACEPTADA
CLAS_SBS
EXCLUIDA
Signo estimador
CUOT_TOT
ACEPTADA
CUOT_MORA
ACEPTADA
MORA_MAYOR
ACEPTADA
FASE 3B
En el momento en que el analista de crdito inicia la inspeccin

econmica
financiera
de
la
microempresa
del
cliente,
toma
los
correspondientes datos personales de ste, entre los cuales el gnero, edad,

estado civil y situacin laboral, informacin disponible en nuestra base de
datos. De todas ellas, la edad del cliente se erige como nica variable
significativa y aceptada para continuar en el anlisis. A continuacin,
procedimos a introducir los ratios derivados de la informacin econmica y
financiera captada por el analista de crdito, de los cuales, tal y como se indica
en la tabla IV.18, solamente dos de ellos respetaban las premisas de
aceptacin de variables.
Segn se observa en la tabla IV.19, la introduccin de las garantas
necesarias para la formalizacin del contrato de prstamo supuso una mejora
en el poder de prediccin del modelo, en el que se pudo comprobar que la
consideracin de la
variable incrementaba el porcentaje correcto de
clasificacin de crditos.
En la siguiente fase se identifican las variables propias de la operacin
de prstamo (tabla IV.20). De todas ellas, resultaron significativas aquellas que
refieren el tiempo de atencin del analista de crdito a la solicitud de prstamo,
la cantidad desembolsada, la duracin y la comisin cobrada por la entidad.
403
Tabla IV.18. Fase 3C de la construccin del modelo de scoring de la CMAC de Tacna.

FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 3C
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
CRED_CONC2
ACEPTADA
CUOT_TOT
ACEPTADA
CUOT_MORA
ACEPTADA
MORA_MAYOR
ACEPTADA
SEXO
EXCLUIDA
No significativa
EDAD
ACEPTADA
E_CIVIL
EXCLUIDA
No significativa
SIT_LAB
EXCLUIDA
No significativa
R1
EXCLUIDA
No significativa
R2
EXCLUIDA
Signo estimador
R3
EXCLUIDA
Signo estimador
R4
ACEPTADA
R5
ACEPTADA
R6
EXCLUIDA
No significativa
R7
EXCLUIDA
No significativa
R8
EXCLUIDA
Signo estimador
R9
EXCLUIDA
No significativa

FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 4
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
CRED_CONC2
ACEPTADA
CUOT_TOT
ACEPTADA
CUOT_MORA
ACEPTADA
MORA_MAYOR
ACEPTADA
EDAD
ACEPTADA
R4
ACEPTADA
R5
ACEPTADA
GARANT
ACEPTADA
404

FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 5
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
CRED_CONC2
ACEPTADA
CUOT_TOT
ACEPTADA
CUOT_MORA
ACEPTADA
MORA_MAYOR
ACEPTADA
EDAD
ACEPTADA
R4
ACEPTADA
R5
EXCLUIDA
No significativa
GARANT
ACEPTADA
T_ATENCION
ACEPTADA
MONEDA
EXCLUIDA
No significativa
MONTO
ACEPTADA
MONTO_RECH
EXCLUIDA
No significativa
DURACION
ACEPTADA
INT_MENS
EXCLUIDA
No significativa
COMISION
ACEPTADA
VTOCRED_SBS
EXCLUIDA
Signo estimador
Por ltimo, la tabla IV.21 muestra el resultado de la incorporacin de las

variables macroeconmicas diseadas para la CMAC de Tacna. Puede
apreciarse que la introduccin de la informacin relativa al ciclo econmico
obtiene, como mejor resultado, la exclusin del nico ratio que permaneca en
el diseo del modelo, as como la variable relativa a la cantidad desembolsada
en el prstamo. Sin embargo, pudimos contar entonces con tres variables
macroeconmicas significativas, como son las tasas de variacin anualizada de
los tipos de inters, el ndice general burstil y la tarifa municipal de la luz.
Diseado este planteamiento sobre el proceso de construccin del

modelo de credit scoring para la CMAC de Tacna, el resultado final de la
aplicacin es mostrada en la tabla IV.22, del que, nuevamente, se deriva la
ecuacin de puntuacin Z de la expresin (27) y la probabilidad de impago P,
obtenida mediante la aplicacin de la expresin (28) para cada uno de los
microcrditos que conforman la cartera.
405

FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
FASES ANTERIORES
FASE 6
VARIABLE
SITUACIN
MOTIVO DE
EXCLUSIN
CRED_CONC2
ACEPTADA
CUOT_TOT
ACEPTADA
CUOT_MORA
ACEPTADA
MORA_MAYOR
ACEPTADA
EDAD
ACEPTADA
R4
EXCLUIDA
No significativa
GARANT
ACEPTADA
T_ATENCION
ACEPTADA
MONTO
EXCLUIDA
No significativa
DURACION
ACEPTADA
COMISION
ACEPTADA
PIB
EXCLUIDA
No significativa
IPC
EXCLUIDA
No significativa
TC
EXCLUIDA
No significativa
TI
ACEPTADA
IGB
ACEPTADA
AGUA
EXCLUIDA
Signo estimador
LUZ
ACEPTADA
TFNO
EXCLUIDA
Signo estimador

CMAC de Tacna.
Variables en la ecuacin
Paso
a
1
EDAD
CRED_CON2
CUOT_TOT
CUOT_MORA
T_ATENCION
DURACION
GARANT(1)
MORA_MAYOR
COMISION
TI
IGB
LUZ
Constante
B
,012
-,150
-,017
,153
-,208
,080
-,377
,927
,017
,990
-,489
,800
-2,141
E.T.
,002
,025
,001
,009
,065
,008
,054
,024
,007
,169
,073
,260
,130
Wald
27,913
35,271
145,791
295,299
10,099
97,419
48,855
1458,404
5,894
34,265
44,901
9,488
269,864
gl
1
1
1
1
1
1
1
1
1
1
1
1
1
Sig.
,000
,000
,000
,000
,001
,000
,000
,000
,015
,000
,000
,002
,000
Exp(B)
1,012
,861
,983
1,166
,813
1,083
,686
2,528
1,018
2,692
,613
2,225
,117
I.C. 95,0% para EXP(B)

Inferior
Superior
1,008
1,017
,819
,904
,981
,986
1,146
1,186
,715
,924
1,066
1,101
,617
,762
2,410
2,651
1,003
1,032
1,932
3,751
,531
,707
1,338
3,700
a. Variable(s) introducida(s) en el paso 1: EDAD, CRED_CON2, CUOT_TOT, CUOT_MORA, T_ATENCION, DURACION,

GARANT, MORA_MAYOR, COMISION, TI, IGB, LUZ.
406
Z = -2,141 + 0,012 EDAD 0,150 CRED_CON2 - 0,017
(32)
CUOT_TOT + 0,153 CUOT_MORA - 0,208 T_ATENCION +

0,080 DURACION - 0,377 GARANT + 0,927 MORA_MAYOR +
0,017 COMISION + 0,990 TI 0,489 IGB + 0,800 LUZ
donde:
P (Probabilidad de incumplimiento) =
1
1 + e (Z)
(33)
En base al criterio aplicado, hemos desarrollado el mtodo en seis

pasos, al final de los cuales el modelo contiene doce variables que contribuyen
a mejorar el estadstico de chi-cuadrado (2). Como puede apreciarse en la
tabla IV.23, las doce variables se encuentran distribuidas en casi todas las
fases del proceso de evaluacin y concesin del microcrdito. Sea como fuere,
los factores explicativos del riesgo de impago de un cliente de microcrdito
para la CMAC de Tacna concuerdan con los analizados en la revisin de la
literatura correspondiente, destacando una gran importancia tanto de las
variables extradas de la revisin de las Centrales de Riesgos e historiales de
crdito,
como
de
las
variables
macroeconmicas
resultantes
de
la
consideracin de los factores que describen el estado de la economa en el

pas.
En relacin con la significacin estadstica y signo de los coeficientes,
todas presentan signo coherente de influencia en la variable explicativa y pvalue inferiores al nivel crtico fijado en 0,05. Por tanto, todas las variables
independientes del modelo influyen en el comportamiento de pago del cliente
del microcrdito.
407
Tabla IV.23. Variables independientes del modelo de credit scoring de la CMAC de

Tacna.
FASE DEL PROCESO
DE EVALUACIN DEL
MICROCRDITO
VARIABLE
FASE 2
CRED_CONC2
CUOT_TOT
FASE 3 B
CUOT_MORA
MORA_MAYOR
FASE 3 C
EDAD
FASE 4
GARANT
T_ATENCION
FASE 5
DURACION
COMISION
TI
FASE 6
IGB
AGUA
Al igual que hemos hecho para el modelo de credit scoring de la

EDPYME Proempresa, la tabla IV.24 determina la interpretacin de los odds
ratio correspondientes al modelo de credit scoring diseado para la CMAC de
Tacna.
IV.4.2. Valoracin de los modelos de credit scoring.

Tras el diseo de las aplicaciones de credit scoring mediante el anlisis
de regresin logstica, el siguiente paso es la evaluacin de los modelos, con
objeto de comprobar si las variables que se incluyen en el modelo estn
significativamente relacionadas con la variable dependiente, as como valorar la
bondad del ajuste realizado y evaluar la capacidad global del modelo para
predecir adecuadamente el comportamiento de la variable dependiente, es
decir, el incumplimiento del cliente a la hora de reembolsar el prstamo.
408
Tabla IV.24. Interpretacin de los odds ratio del modelo de credit scoring de la CMAC
de Tacna.
VARIABLES
exp(Beta)
Interpretacin
EDAD
1,012
El incremento de un ao de edad en el cliente aumenta la probabilidad relativa de impago frente al

pago en un 1,2%
CRED_CON2
0,861
Cada crdito concedido en el ao anterior disminuye la probabilidad relativa de impago frente al pago
en un 13,9%
CUOT_TOT
0,983
Cada cuota reembolsada adicional disminuye la probabilidad relativa de impago frente al pago en un
1,7%
CUOT_MORA
1,165
Por cada cuota en mora adicional la probabilidad relativa de impago frente al pago aumenta en un
16,5%
T_ATENCION
0,812
Por cada da extra de atencin a la solicitud de prstamo, la probabilidad relativa de impago frente al
pago se reduce en un 18,8%
DURACION
1,083
Aumentar 1 mes la duracin del prstamo supone un incremento en la probabilidad relativa de impago
frente al pago de un 8,3%
GARANT
0,686
Aportar una declaracin jurada de bienes como garanta del prstamo (frente a aportar garantas
reales), disminuye la probabilidad relativa de impago frente al pago en un 31,4%
MORA_MAYOR
2,527
El incremento de un da de morosidad mayor en crditos pasados aumenta la probabilidad relativa de

impago frente al pago en un 152,7%
COMISION
1,017
Por cada dlar extra de comisin cobrada, la probabilidad relativa de impago frente al pago se
incrementa en un 1,7%
TI
2,691
El incremento de un 1% en la tasa de variacin anualizada de los tipos de inters de la economa

supone un incremento de un 1,69% de la probabilidad relativa de impago frente al pago.
IGB
0,613
Incrementar un 1% la tasa de variacin anualizada del ndice General Burstil, disminuye la

LUZ
2,226
Por cada 1% adicional de tasa de variacin anualizada de la tarifa municipal de la luz, la probabilidad
relativa de impago frente al pago se ver incrementada en un 1,22%
Realizaremos una valoracin global, indicando los resultados obtenidos

en cada estadio de este epgrafe para cada una de las dos entidades
analizadas.
En primer lugar, mostramos dos cuadros resumen con el nmero de
microcrditos (N) contemplados, diferenciando los que han sido seleccionados
para el anlisis de los que han sido excluidos por tener algn valor omitido en
alguna de las variables independientes (tablas IV.25 y IV.26 para la EDPYME
Proempresa y la CMAC de Tacna, respectivamente).
409
Tabla IV.25. Resumen del procesamiento de los casos. EDPYME Proempresa.

Resumen del procesamiento de los casos
Casos no ponderados
Casos seleccionados
N
4088
0
4088
0
4088
Incluidos en el anlisis
Casos perdidos
Total
Casos no seleccionados
Total
Porcentaje
100,0
,0
100,0
,0
100,0
a. Si est activada la ponderacin, consulte la tabla de clasificacin para

ver el nmero total de casos.
Tabla IV.26. Resumen del procesamiento de los casos. CMAC de Tacna.

Resumen del procesamiento de los casos
Casos no ponderados
Casos seleccionados
Incluidos en el anlisis
Casos perdidos
Total
Casos no seleccionados
Total
N
12118
0
12118
0
12118
Porcentaje
100,0
,0
100,0
,0
100,0
a. Si est activada la ponderacin, consulte la tabla de clasificacin para

ver el nmero total de casos.
A continuacin, en la construccin de ambos modelos, la tabla IV.27

muestra la codificacin aplicada a la variable dependiente. Conviene recordar
que para ambas aplicaciones hemos considerado el valor 1 para aquellos
crditos que resultaron fallidos y 0 para aquellos crditos que fueron atendidos
al pago, segn las condiciones pactadas en el contrato de prstamo. Es
importante que el valor 1 identifique la categora de la variable dependiente que
refiera el hecho evaluado (impago), dado que esto permite interpretar mejor los
parmetros o coeficientes ligados a las variables independientes.
Tabla IV.27. Codificacin de la variable dependiente.
Codificacin de la variable dependiente
Valor original
,00
1,00
Valor interno
0
1
410
El software SPSS comienza la estimacin con un bloque inicial en el que

se calcula la verosimilitud de un modelo considerando nicamente la constante
(0). Al ser la verosimilitud un nmero demasiado pequeo, suele ofrecerse
menos dos veces el logaritmo neperiano de la verosimilitud (-2LL), tambin
conocido como desviacin (tablas IV.28 y IV.29).
Tabla IV.28. -2LL. EDPYME Proempresa.
Historial de iteracionesa,b,c
Iteracin
Paso
1
0
2
-2 log de la
verosimilitud
5666,404
5666,404
Coeficientes
Constant
,027
,027
a. En el modelo se incluye una constante.

b. -2 log de la verosimilitud inicial: 5666,404
c. La estimacin ha finalizado en el nmero de
iteracin 2 porque las estimaciones de los
parmetros han cambiado en menos de ,001.
Tabla IV.29. -2LL. CMAC de Tacna.

Historial de iteracionesa,b,c
Iteracin
Paso
1
0
2
-2 log de la
verosimilitud
16797,055
16797,055
Coeficientes
Constant
,026
,026

b. -2 log de la verosimilitud inicial: 16797,055
c. La estimacin ha finalizado en el nmero de
El estadstico -2LL permite medir hasta qu punto un modelo se ajusta

correctamente a los datos. Cuanto ms pequeo sea el valor, mejor ser el
ajuste. Sin embargo, resultar ms importante conseguir una mayor reduccin
de este valor conforme se vayan incorporando las variables.
411
La informacin mostrada en las tablas IV.30 y IV.31 guarda un gran

parecido con la tabla empleada para valorar la prueba diagnstica3, y permite
evaluar el ajuste del modelo con un solo parmetro en la ecuacin (constante).
Por ejemplo, para el diseo del modelo de scoring de la EDPYME, se ha
clasificado correctamente a un 49,3% de los crditos, teniendo en cuenta que
ningn crdito fallido ha sido clasificado correctamente.
Tabla IV.30. Tabla de clasificacin considerando slo la constante. EDPYME
Proempresa.
Tabla de clasificacina,b
Pronosticado
Y
Paso 0
Observado
Y
,00
1,00
,00
2016
2072
1,00
0
0
Porcentaje global
Porcentaje
correcto
100,0
,0
49,3

b. El valor de corte es ,580
Tabla IV.31. Tabla de clasificacin considerando slo la constante. CMAC de Tacna.

Tabla de clasificacina,b
Pronosticado
Y
Paso 0
Observado
Y
,00
,00
1,00
0
0
Porcentaje global
1,00
5980
6138
Porcentaje
correcto
,0
100,0
50,7

b. El valor de corte es ,420
Al disear el proceso de construccin de los modelos de credit scoring

utilizando el mtodo introducir en SPSS, resulta de poco inters el estadstico
de Wald, que se tiene en cuenta para el mtodo de seleccin de variables
hacia delante. Sin embargo, para la contribucin individual de cada variable al
ajuste del modelo, pueden utilizarse estadsticos alternativos. As, para la
3
La veremos ms adelante como Matriz de Confusin.
412
EDPYME y para la CMAC, respectivamente, las tablas IV.32 y IV.33 tenemos el

estadstico de puntuacin de Rao (1973). Este estadstico mide la contribucin
individual de cada variable a la mejora del ajuste global del modelo. El nivel de
significacin crtico de 0,05 indica qu variables contribuyen estadsticamente
al ajuste. Como puede comprobarse en ambos modelos, la mayora de las
variables consideradas para explicar el fenmeno de incumplimiento de pago
del cliente contribuyen significativamente a la construccin del modelo con un
ajuste aceptable.
Tabla IV.32. Estadstico de Rao (1973). EDPYME Proempresa.
Variables que no estn en la ecuacin
Paso
0
Variables
ZONA(1)
SIT_LAB(1)
R3
R5
CRED_CON2
DEST_CRED(1)
GARANT(1)
VTOCRED_SBS(1)
TC
Estadsticos globales
Puntuacin
30,960
12,888
1,320
22,878
126,420
158,574
94,665
591,458
514,331
1455,000
gl
1
1
1
1
1
1
1
1
1
9
Sig.
,000
,000
,251
,000
,000
,000
,000
,000
,000
,000
Tabla IV.33. Estadstico de Rao (1973). CMAC de Tacna.

Variables que no estn en la ecuacin
Paso
0
Variables
EDAD
CRED_CON2
CUOT_TOT
CUOT_MORA
T_ATENCION
DURACION
GARANT(1)
MORA_MAYOR
COMISION
TI
IGB
LUZ
Estadsticos globales
Puntuacin
72,170
111,054
,391
520,172
6,209
289,155
372,425
1945,702
141,092
28,499
1,670
14,595
3061,097
gl
1
1
1
1
1
1
1
1
1
1
1
1
12
Sig.
,000
,000
,532
,000
,013
,000
,000
,000
,000
,000
,196
,000
,000
413
El estudio del valor de la 2 constituye un factor indicativo de la bondad

del ajuste a un nivel global del modelo segn la introduccin de las variables
sobre el proceso inicial. Una vez estimado el modelo a partir de los datos
observados, el siguiente paso es valorar su significatividad global. En este
sentido, las tablas IV.34 y IV.35, muestran el proceso de iteracin realizado
ahora para la constante y para las variables explicativas incluidas en cada uno
de los modelos diseados. Si recordamos los valores de -2LL teniendo en
cuenta nicamente la constante (tablas IV.28 y IV.29), se observa una
reduccin de -2LL respecto al paso anterior. A este respecto, el valor de la 2
mostrado en las tablas IV.36 y IV.37 se calcula como la diferencia entre el valor
de -2LL para el modelo slo con la constante y el valor de -2LL para el modelo
formulado con todas las variables:
2 = (-2LL MODELO 0) (-2LL MODELO 1)
(34)
As, cuanto mayor sea la reduccin de -2LL o, dicho de otra forma,

cuanto mayor sea el valor de la 2, mayor es el incremento significativo del
ajuste del modelo en comparacin con el ajuste obtenido en el modelo que slo
incluye la constante.
414
Tabla IV.34. Historial de iteraciones: evolucin de -2LL. EDPYME Proempresa.

Historial de iteracionesa,b,c,d
Coeficientes
Iteracin
Paso
1
1
2
3
4
5
6
7
-2 log de la
verosimilitud
4036,042
3869,103
3850,043
3823,672
3817,451
3817,438
3817,438
Constant
4,660
6,999
8,031
8,440
8,676
8,703
8,703
ZONA(1)
-,310
-,430
-,463
-,483
-,497
-,498
-,498
SIT_LAB(1)
-,925
-1,421
-1,595
-1,635
-1,684
-1,693
-1,693
R3
-,006
-,015
-,045
-1,706
-3,007
-3,062
-3,062
R5
,881
1,347
1,506
1,375
1,274
1,274
1,274
CRED_CON2
-,045
-,065
-,071
-,070
-,070
-,070
-,070
DEST_
CRED(1)
-,598
-,940
-1,065
-1,079
-1,087
-1,088
-1,088
GARANT(1)
-,705
-,972
-1,047
-1,053
-1,062
-1,064
-1,064
VTOCRED_
SBS(1)
-2,288
-3,458
-4,097
-4,291
-4,345
-4,356
-4,356
TC
16,542
22,240
23,761
23,902
24,097
24,140
24,140
a. Mtodo: Introducir
b. En el modelo se incluye una constante.
c. -2 log de la verosimilitud inicial: 5666,404
d. La estimacin ha finalizado en el nmero de iteracin 7 porque las estimaciones de los parmetros han cambiado en menos de ,001.
415
Tabla IV.35. Historial de iteraciones: evolucin de -2LL. CMAC de Tacna.

Historial de iteracionesa,b,c,d
Coeficientes
Iteracin
Paso
1
1
2
3
4
5
6
7
-2 log de la
verosimilitud
13153,205
11869,538
11042,058
10756,659
10728,463
10728,165
10728,165
Constant
-1,311
-1,730
-1,946
-2,085
-2,136
-2,141
-2,141
EDAD
,011
,012
,012
,012
,012
,012
,012
CRED_CON2
-,093
-,134
-,148
-,150
-,150
-,150
-,150
CUOT_TOT
-,012
-,017
-,017
-,017
-,017
-,017
-,017
CUOT_MORA
,090
,146
,157
,154
,153
,153
,153
T_ATENCION
-,008
-,041
-,136
-,191
-,206
-,208
-,208
DURACION
,072
,086
,083
,081
,080
,080
,080
GARANT(1)
-,416
-,426
-,397
-,382
-,378
-,377
-,377
MORA_
MAYOR
,126
,287
,549
,805
,915
,927
,927
COMISION
,019
,021
,019
,018
,017
,017
,017
TI
,915
1,068
1,027
1,003
,992
,990
,990
IGB
-,395
-,516
-,512
-,495
-,490
-,489
-,489
LUZ
,593
,815
,846
,807
,800
,800
,800
a. Mtodo: Introducir
b. En el modelo se incluye una constante.
c. -2 log de la verosimilitud inicial: 16797,055
d. La estimacin ha finalizado en el nmero de iteracin 7 porque las estimaciones de los parmetros han cambiado en menos de ,001.
416
Tabla IV.36. Prueba Omnibus sobre los coeficientes del modelo. EDPYME
Proempresa.
Pruebas omnibus sobre los coeficientes del modelo
Paso 1
Paso
Bloque
Modelo
Chi-cuadrado
1848,966
1848,966
1848,966
gl
9
9
9
Sig.
,000
,000
,000
Tabla IV.37. Prueba Omnibus sobre los coeficientes del modelo. CMAC de Tacna.
Pruebas omnibus sobre los coeficientes del modelo
Paso 1
Paso
Bloque
Modelo
Chi-cuadrado
6068,890
6068,890
6068,890
gl
12
12
12
Sig.
,000
,000
,000
La Prueba mnibus sobre los coeficientes del modelo evala la hiptesis

nula de que los coeficientes () de todos los trminos, excepto la constante,
que se incluyen en el modelo sean cero. Tal y como puede verse en las tablas
IV.36 y IV.37, SPSS muestra el valor de la 2 con tres salidas informativas. La
primera de ellas (Paso), corresponde al cambio de -2LL entre pasos sucesivos
en la construccin del modelo, contrastando la H0 de que los coeficientes de las
variables aadidas en el ltimo paso son cero. En segundo lugar (Bloque),
define el cambio de -2LL entre bloques de entrada sucesivos en el diseo del
modelo. Finalmente, la ltima salida (Modelo), viene a ser la diferencia entre el
valor de -2LL para el modelo que considera nicamente la constante y el valor
de -2LL para el modelo que tiene en cuenta todas las variables explicativas, y
que hemos definido con anterioridad. Como puede apreciarse, los tres valores
coinciden, debindose esto a la utilizacin del mtodo introducir empleado, el
cual considera las variables insertadas en un nico bloque.
Respecto a la bondad del ajuste, adems del estadstico 2 del modelo,
el software calcula coeficientes similares al R2 calculado en regresin lineal,
concretamente el R2 de Cox y Snell y el R2 de Nagelkerke, cuyos valores
417
respectivos (tablas IV.38 y IV.39), son indicativos de un ajuste aceptable en

regresin logstica.
Tabla IV.38. Medidas de bondad del ajuste. EDPYME Proempresa.
Resumen de los modelos
Paso
1
-2 log de la
R cuadrado
verosimilitud
de Cox y Snell
3817,438a
,364
R cuadrado
de
Nagelkerke
,485
a. La estimacin ha finalizado en el nmero de

Tabla IV.39. Medidas de bondad del ajuste. CMAC de Tacna.

Resumen de los modelos
Paso
1
-2 log de la
R cuadrado
verosimilitud
de Cox y Snell
10728,165a
,394
R cuadrado
de
Nagelkerke
,525
a. La estimacin ha finalizado en el nmero de

Otro estadstico utilizado para valorar la bondad de ajuste del modelo es

la prueba de Hosmer y Lemeshow, para lo cual se agrupan las observaciones,
para cada uno de los dos grupos definidos por la variable dependiente, segn
una tabla de contingencia, conforme se indica en las tablas IV.40 y IV.41. La
bondad del ajuste determina el grado de parecido (ajuste) que existe entre los
valores observados y los pronosticados por el modelo. Si bien, la prueba de
Hosmer-Lemeshow no ofrece un resultado satisfactorio, dado que su nivel de
significacin es bajo, hay que tener en cuenta que este estadstico solamente
ofrece pistas sobre la calidad del ajuste del modelo y que est tambin muy
condicionado por el tamao de la muestra.
418
Tabla IV.40. Prueba de Hosmer-Lemeshow. EDPYME Proempresa.

Prueba de Hosmer y Lemeshow
Paso
1
Chi-cuadrado
99,069
gl
8
Sig.
,000
Tabla de contingencias para la prueba de Hosmer y Lemeshow
Paso
1
1
2
3
4
5
6
7
8
9
10
Y = ,00
Observado Esperado
364
377,545
357
344,397
311
315,129
272
280,427
257
242,332
229
199,638
170
143,840
32
79,121
7
27,461
17
6,111
Y = 1,00
Observado Esperado
45
31,455
52
64,603
98
93,871
137
128,573
152
166,668
180
209,362
239
265,160
377
329,879
402
381,539
390
400,889
Total
409
409
409
409
409
409
409
409
409
407
Tabla IV.41. Prueba de Hosmer-Lemeshow. CMAC de Tacna.

Prueba de Hosmer y Lemeshow
Paso
1
Chi-cuadrado
14659,872
gl
8
Sig.
,000
Tabla de contingencias para la prueba de Hosmer y Lemeshow
Paso
1
1
2
3
4
5
6
7
8
9
10
Y = ,00
Observado Esperado
1210
1097,065
1203
1003,411
1178
938,566
1122
868,373
893
779,553
271
628,112
49
433,072
1
200,201
0
31,424
53
,223
Y = 1,00
Observado Esperado
2
114,935
9
208,589
34
273,434
90
343,627
319
432,447
941
583,888
1163
778,928
1211
1011,799
1212
1180,576
1157
1209,777
Total
1212
1212
1212
1212
1212
1212
1212
1212
1212
1210
Por otra parte, puede apreciarse en la matriz de correlaciones mostrada

en las tablas IV.42 para la EDPYME Proempresa y IV.43 para la CMAC de
Tacna, cmo la correlacin de las variables explicativas que forman parte de
los modelos finales en ambas entidades es reducida, lo cual permite comprobar
que no existe relacin entre estas variables en cuanto a informacin se refiere.
419
Tabla IV.42. Matriz de correlaciones. EDPYME Proempresa.

Matriz de correlaciones
Paso
1
Constant
ZONA(1)
SIT_LAB(1)
R3
R5
CRED_CON2
DEST_CRED(1)
GARANT(1)
VTOCRED_SBS(1)
TC
Constant
1,000
-,076
-,886
-,151
-,039
-,041
-,204
-,125
-,397
,181
ZONA(1)
-,076
1,000
-,032
,072
,032
-,059
,026
-,037
,085
-,059
SIT_LAB(1)
-,886
-,032
1,000
,039
,009
,000
,003
-,003
,017
-,041
R3
-,151
,072
,039
1,000
,151
-,005
,024
,043
,080
-,075
R5
-,039
,032
,009
,151
1,000
-,246
-,019
-,093
,015
,067
CRED_CON2
-,041
-,059
,000
-,005
-,246
1,000
-,122
-,063
-,077
-,051
DEST_
CRED(1)
-,204
,026
,003
,024
-,019
-,122
1,000
,107
,038
-,021
GARANT(1)
-,125
-,037
-,003
,043
-,093
-,063
,107
1,000
,134
-,164
VTOCRED_
SBS(1)
-,397
,085
,017
,080
,015
-,077
,038
,134
1,000
-,174
TC
,181
-,059
-,041
-,075
,067
-,051
-,021
-,164
-,174
1,000
420
Tabla IV.43. Matriz de correlaciones. CMAC de Tacna.

Matriz de correlaciones
Paso
1
Constant
Constant
1,000
EDAD
-,710
CRED_CON2
-,193
CUOT_TOT
,195
CUOT_MORA
-,065
T_ATENCION
-,053
DURACION
-,619
GARANT(1)
-,128
MORA_MAYOR
-,097
COMISION
-,129
TI
-,242
IGB
,180
LUZ
-,063
EDAD
-,710
1,000
,100
-,206
,018
-,014
,006
-,063
-,016
,045
,034
,040
-,016
CRED_CON2
-,193
,100
1,000
-,365
-,065
,041
,059
-,041
,006
,094
-,016
,032
-,018
CUOT_TOT CUOT_MORA T_ATENCION

,195
-,065
-,053
-,206
,018
-,014
-,365
-,065
,041
1,000
-,643
,029
-,643
1,000
-,003
,029
-,003
1,000
-,188
,097
,046
-,027
,092
-,049
,052
-,071
,025
-,028
-,072
,044
-,054
,072
,111
,046
-,092
-,048
,001
,039
-,106
DURACION GARANT(1)
-,619
-,128
,006
-,063
,059
-,041
-,188
-,027
,097
,092
,046
-,049
1,000
,048
,048
1,000
-,039
,023
-,062
,173
,351
-,030
-,247
-,122
,056
,054
MORA_
MAYOR
-,097
-,016
,006
,052
-,071
,025
-,039
,023
1,000
-,010
-,015
,020
-,017
COMISION
-,129
,045
,094
-,028
-,072
,044
-,062
,173
-,010
1,000
-,248
-,565
,063
TI
-,242
,034
-,016
-,054
,072
,111
,351
-,030
-,015
-,248
1,000
,067
-,210
IGB
,180
,040
,032
,046
-,092
-,048
-,247
-,122
,020
-,565
,067
1,000
-,144
LUZ
-,063
-,016
-,018
,001
,039
-,106
,056
,054
-,017
,063
-,210
-,144
1,000
421
La forma ms utilizada de evaluar la ecuacin de regresin y el modelo

final obtenido consiste en cotejar los valores observados y pronosticados o
estimados por el modelo de una forma similar a cmo lo realizan las pruebas
de diagnstico. A este respecto, para valorar la capacidad o eficacia predictiva
del modelo, SPSS muestra la tabla de clasificacin o matriz de confusin cuyos
resultados pueden observarse, para los dos modelos de credit scoring, en las
tablas IV.44 y IV.45. En dichos cuadros, se recogen los valores observados
para la variable dependiente, distinguiendo entre clientes morosos (1) y no
morosos (0), y los valores pronosticados segn el modelo estimado. As las
cosas, el porcentaje correcto de clasificacin obtenido para el modelo de credit
scoring de la EDPYME Proempresa fue del 78,3%, mientras que, para la
CMAC de Tacna, se obtiene un porcentaje del 93,3% en los crditos
correctamente clasificados o, dicho de otro modo, en la precisin con la que el
modelo consigue discriminar los casos entre ambos grupos (clientes que pagan
y clientes incumplidores). La representacin grfica de la informacin contenida
en las matrices de confusin las observamos en las figuras IV.12 y IV.13,
correspondientes a los grficos de grupos observados y probabilidades
pronosticadas para la EDPYME y la CMAC, respectivamente.
Tabla IV.44. Matriz de confusin. EDPYME Proempresa.
Tabla de clasificacina
Pronosticado
Y
Paso 1
Observado
Y
,00
1,00
,00
1798
671
1,00
218
1401
Porcentaje global
Porcentaje
correcto
89,2
67,6
78,3
a. El valor de corte es ,580
422
Figura IV.12. Histograma de probabilidades pronosticadas. EDPYME Proempresa.

Tabla IV.45. Matriz de confusin. CMAC de Tacna.

Tabla de clasificacina
Pronosticado
Y
Paso 1
Observado
Y
,00
1,00
,00
5656
491
1,00
324
5647
Porcentaje global
Porcentaje
correcto
94,6
92,0
93,3
a. El valor de corte es ,420
423
Figura IV.13. Histograma de probabilidades pronosticadas. CMAC de Tacna.

Adicionalmente, el procedimiento de la curva COR aporta un mtodo

vlido para evaluar la realizacin de esquemas de clasificacin en los que la
variable dependiente se formula como dicotmica para clasificar a los sujetos
de una muestra, siendo aplicable este mtodo para valorar el grado de acierto
obtenido en los modelos de scoring construidos.
La denominacin de curva COR (o curva ROC) tiene su origen en la
estimacin de errores de clasificacin en la transmisin y recepcin de seales.
Con posterioridad, utilizando la clasificacin como herramienta en los estudios
epidemiolgicos,
fueron
introducidos
dos
conceptos
adicionales
que
actualmente se emplean en la medicin del poder predictivo de un credit

scoring. Se trata de la sensibilidad y la especificidad, conceptos implantados
para medir la exactitud de una prueba de diagnstico cuando se utiliza una
variable dependiente dicotmica. La sensibilidad se define como la probabilidad
de clasificar correctamente a un individuo cuyo estado real sea el definido
como positivo respecto a la condicin que estudia la prueba (conocida como
424
proporcin de verdaderos positivos). En nuestro caso, la sensibilidad es la

probabilidad de clasificar correctamente a los clientes que atienden el pago de
sus deudas. Por el contrario, la especificidad es la probabilidad de clasificar
correctamente a un individuo cuyo estado real respecto a la condicin
estudiada por la prueba es negativa (conocida como la diferencia entre uno y la
proporcin de falsos positivos). En definitiva, en nuestro caso la especificidad
es la probabilidad de clasificar correctamente a un cliente con un retraso en el
pago que supone un coste para la organizacin.
La tabla IV.46 y la figura IV.14 muestran los valores de la sensibilidad y
especificidad para la EDPYME Proempresa. Anlogamente, la tabla IV.47 y la
figura IV.15 muestran lo mismo para la CMAC de Tacna. Advirtase que el
punto de corte (cutoff) ptimo que separa mejor los crditos solventes de los
incumplidores se estima tras el clculo de los valores de sensibilidad y
especificidad, ya que constituye la frontera donde la probabilidad de acierto es
mayor. En este sentido, hemos determinado un punto de corte ptimo situado
en 0,58 para la EDPYME y en 0,42 para la CMAC.
Tabla IV.46. Sensibilidad, especificidad y punto de corte ptimo. EDPYME
Proempresa.
PUNTO DE
CORTE
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
0,55
0,58
0,60
0,65
0,70
0,75
0,80
0,85
0,90
0,95
1,00
SENSIBILIDAD ESPECIFICIDAD
0,0
3,2
12,7
25,3
37,9
48,0
56,2
63,1
70,2
76,7
82,4
86,7
89,2
90,5
93,3
96,3
97,8
98,8
98,8
98,8
99,1
100,0
100,0
98,6
98,1
97,1
94,9
92,3
88,6
84,7
81,1
77,1
73,2
69,7
67,6
66,2
62,5
58,5
54,2
48,3
43,3
36,2
24,3
0,0
TOTAL
50,7
51,6
56,0
61,7
66,8
70,5
72,6
74,1
75,7
76,9
77,7
78,1
78,3
78,2
77,7
77,2
75,7
73,2
70,7
67,1
61,2
49,3
425
100,0
90,0
80,0
70,0
60,0
Sensibilidad
50,0
Especificidad
40,0
TOTAL
30,0
20,0
10,0
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0,0
Figura IV.14. Sensibilidad y especificidad. EDPYME Proempresa.

Tabla IV.47. Sensibilidad, especificidad y punto de corte ptimo. CMAC de Tacna.

PUNTO DE
CORTE
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,42
0,45
0,50
0,55
0,60
0,65
0,70
0,75
0,80
0,85
0,90
0,95
1,00
SENSIBILIDAD ESPECIFICIDAD
0,0
2,8
9,3
22,6
40,4
58,9
74,9
86,6
93,0
94,6
93,2
97,8
98,3
98,7
98,8
99,0
99,1
99,1
99,1
99,1
99,1
100,0
100,0
100,0
100,0
100,0
99,8
99,4
98,4
96,5
93,5
92,0
89,7
84,2
77,5
71,7
67,2
62,6
57,2
51,8
47,3
41,3
35,0
0,0
TOTAL
50,7
52,0
55,2
61,8
70,5
79,4
86,8
91,6
93,2
93,3
92,9
90,9
87,7
85,0
82,8
80,5
77,9
75,2
72,9
69,8
66,7
49,3
426
100,0
90,0
80,0
70,0
60,0
50,0
40,0
30,0
20,0
10,0
0,0
Sensibilidad
Especificidad
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
TOTAL
Figura IV.15. Sensibilidad y especificidad. CMAC de Tacna.

Tal y como sealan las figuras IV.16 y IV.17, los valores de la

sensibilidad y especificidad se constituyen como las coordenadas de la curva
COR. Hemos de tener en cuenta que el valor de sta oscila entre 0,5 y 1, de
forma que 1 indica discriminacin perfecta y 0,5 indica que la clasificacin que
se obtiene no es mejor que la obtenida clasificando casos al azar. Segn puede
observarse en las figuras mencionadas, al aproximarse la curva COR del
modelo a la esquina superior izquierda del grfico, se confirma que los modelos
disponen de una correcta capacidad de discriminacin entre los dos grupos de
clientes. Las tablas IV.48 y IV.49 recogen la significatividad de esta prueba,
donde se observa que el rea bajo la curva COR en el modelo de scoring de la
EDPYME alcanza el valor del 85,9%, mientras que para el modelo de scoring
de la CMAC el valor asciende al 97,5%. De acuerdo con la significacin de la
prueba, en ambos casos se rechaza la hiptesis nula de que el valor del rea
verdadera toma el valor de 0,5.
427
Curva COR
1,0
Sensibilidad
0,8
0,6
0,4
0,2
0,0
00
02
04
06
08
10
Figura IV.16. Curva COR. EDPYME Proempresa.

Figura IV.17. Curva COR. CMAC de Tacna.

428
Tabla IV.48. rea bajo la curva COR. EDPYME Proempresa.

rea bajo la curva
Variables resultado de contraste: Probabilidad pronosticada
rea
,859
Error tp.
,006
Sig. asinttica
,000
Intervalo de confianza
asinttico al 95%
Lmite
Lmite inferior
superior
,847
,870
a. Bajo el supuesto no paramtrico

b. Hiptesis nula: rea verdadera = 0,5
Tabla IV.49. rea bajo la curva COR. CMAC de Tacna.

rea bajo la curva
Variables resultado de contraste: Probabilidad pronosticada
rea
,975
Error tp.
,002
Sig. asinttica
,000
Intervalo de confianza
asinttico al 95%
Lmite
Lmite inferior
superior
,972
,978
La variable (o variables) de resultado de contraste: Probabilidad

pronosticada tiene al menos un empate entre el grupo de estado real
positivo y el grupo de estado real negativo. Los estadsticos pueden
estar sesgados .
a. Bajo el supuesto no paramtrico
b. Hiptesis nula: rea verdadera = 0,5
Por ltimo, y para concluir la valoracin de los modelos, mencionar que

la presencia de valores atpicos en cada una de las variables explicativas para
los dos modelos estimados no es significativa. Lo expuesto puede comprobarse
a travs de la variabilidad en las DFBETAS para cada una de las variables
explicativas que es muy reducida, segn se recogen en el anexo 3, donde se
mide el impacto que tiene en los distintos parmetros de los modelos de
regresin logstica el hecho de que una observacin se elimine de la muestra.
429
IV.4.3. Validacin del modelo

IV.4.3.1. Validacin del modelo de credit scoring de la EDPYME
Proempresa
Si se aplica la frmula de la probabilidad de incurrir en incumplimiento
del modelo estimado (frmulas 4 y 5) a la muestra reservada para la validacin,
el porcentaje global de acierto es del 77,70%, como se refleja en la tabla IV.50.
Tabla IV.50. Porcentaje de acierto en el proceso de validacin. EDPYME Proempresa.
PRONOSTICADO
PORCENTAJE
OBSERVADO
Pago (0)
Impago (1)
Pago (0)
586
71
89,19%
Impago (1)
233
473
67,00%
Porcentaje global de
77,70%
acierto
El histograma de probabilidades pronosticadas para los datos de la

muestra, objeto de validacin, puede apreciarse en las figuras IV.18, IV.19 y
IV.20. Cada figura recoge en el eje de abscisas la probabilidad de impago
pronosticada por el modelo y en eje de ordenadas el nmero que tiene el
crdito dentro de la cartera. Conviene precisar que el punto de corte sigue
siendo 0,58, ya que ste discrimina entre los clientes pagadores, con
probabilidad pronosticada por debajo de 0,58, de los clientes incumplidores,
con probabilidad pronosticada por encima de 0,58. En la figura IV.18, que
corresponde a la probabilidad pronosticada de los clientes pagadores (0), se
observa como existe una acumulacin de casos con probabilidades por debajo
de 0,58 y un menor nmero de casos de clientes pagadores a los que se ha
pronosticado por el modelo como incumplidores (es decir, aquellos con
probabilidad pronosticada superior a 0,58).
430
Nmero de
casos en la
muestra
Probabilidad
Figura IV.18. Histograma de probabilidades pronosticadas de clientes cumplidores.

EDPYME Proempresa.
La figura IV.19 es la que corresponde a la probabilidad pronosticada de

los clientes incumplidores (1). En dicha figura, se observa como existe una
acumulacin de casos con probabilidades por encima de 0,58 y un menor
nmero de casos de clientes incumplidores a los que se les ha pronosticado
como solventes (aquellos con probabilidad pronosticada inferior a 0,58).
Nmero de
casos en la
muestra
Probabilidad
Figura IV.19. Histograma de probabilidades pronosticadas de clientes incumplidores.

EDPYME Proempresa.
431
Finalmente, la figura IV.20 representa el histograma de probabilidades

pronosticadas conjunta de la muestra de validacin, tanto de los clientes
cumplidores (0) como de los clientes incumplidores (1). La figura permite
comprobar el porcentaje aceptable de acierto conseguido en el proceso de
validacin.
Nmero de
casos en la
muestra
Probabilidad
Figura IV.20. Histograma de probabilidades pronosticadas conjunta. EDPYME

Proempresa.
IV.4.3.2. Validacin del modelo de credit scoring de la CMAC de

Tacna
Anlogamente al modelo de scoring de la EDPYME, al aplicar la frmula
de incurrir en mora del modelo estimado de credit scoring para la CMAC de
Tacna (frmulas 7 y 8) a la muestra de validacin reservada para tal efecto,
puede comprobarse que el porcentaje correcto de clasificacin se aproxima al
obtenido en la estimacin del modelo (tabla IV.51), alcanzando el valor del
92,82% de los crditos.
432
Tabla IV.51. Porcentaje de acierto en el proceso de validacin. CMAC de Tacna.

PRONOSTICADO
PORCENTAJE
OBSERVADO
Pago (0)
Impago (1)
Pago (0)
1.881
118
94,10%
Impago (1)
172
1.868
91,57%
Porcentaje global de
acierto
92,82%
El histograma de probabilidades pronosticadas para los datos de la

muestra, objeto de validacin, puede apreciarse en las figuras IV.21, IV.22 y
IV.23, teniendo en cuenta que el punto de corte sigue siendo de 0,42.
La figura IV.21 muestra la probabilidad pronosticada de los clientes
pagadores (0). En dicha figura se observa como existe una acumulacin de
casos con probabilidades por debajo de 0,42 y un menor nmero de casos de
clientes pagadores a los que se ha pronosticado por el modelo como
incumplidores (es decir, aquellos con probabilidad pronosticada superior a
0,42).
La figura IV.22 representa la probabilidad pronosticada de los clientes
incumplidores (1). En dicha figura, se observa como existe una acumulacin de
casos con probabilidades por encima de 0,42 y un menor nmero de casos de
clientes incumplidores a los que se les ha pronosticado como solventes
(aquellos con probabilidad pronosticada inferior a 0,42).
433
Nmero de
casos en la
muestra
Probabilidad
Figura IV.21. Histograma de probabilidades pronosticadas de clientes cumplidores.

CMAC de Tacna.
Nmero de
casos en la
muestra
Probabilidad
Figura IV.22. Histograma de probabilidades pronosticadas de clientes incumplidores.

CMAC de Tacna.
Por ltimo, la figura IV.23 representa el histograma de probabilidades

pronosticadas conjunta de la muestra de validacin, tanto de los clientes
434
cumplidores (0) como de los clientes incumplidores (1). La figura permite

comprobar el porcentaje aceptable de acierto conseguido en el proceso de
validacin.
Nmero de
casos en la
muestra
2000
1500
1000
500
0
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
Probabilidad
Figura IV.23. Histograma de probabilidades pronosticadas conjunta. CMAC de Tacna.

IV.5. CONSIDERACIONES FINALES
En el captulo que concluimos, el objetivo principal es disear un modelo

de credit scoring para la cartera de microcrditos para una Entidad de
Desarrollo de la Pequea y Micro Empresa y de una Caja Municipal de Ahorro
y Crdito, entidades que operan en el sistema financiero de la Repblica del
Per, y supervisadas por la Superintendencia de Banca y Seguros.
La escasez de datos econmico-financieros en los historiales de crdito
ha tenido que ser completada con informacin de tipo cualitativo, lo que ha
435
permitido poder aplicar tcnicas estadsticas ms flexibles para la incorporacin

de las variables explicativas. En concreto, la tcnica elegida ha sido la
regresin logstica binaria, que constituye una herramienta estadstica
adecuada para el tratamiento de las variables independientes, tanto
cuantitativas como cualitativas. Por otro lado, la regresin logstica tiene como
principal ventaja el clculo de la probabilidad de incumplimiento del cliente que
solicita un crdito, aspecto importante si la entidad de microfinanzas evoluciona
de los modelos estndar a modelos basados en calificaciones internas para el
clculo del requerimiento de capital, los cuales presentaremos en el siguiente
captulo de la Tesis Doctoral.
La estimacin de los modelos de credit scoring se ha realizado por el
mtodo de introduccin, por pasos, aplicando la tcnica paramtrica de
regresin logstica, innovando la seleccin de las variables explicativas en base
a las fases y estadios obtenidos en el proceso de evaluacin y concesin de un
microcrdito (vanse epgrafes 3.2. y 3.4.). De esta forma, la investigacin
realizada disea un modelo de calificacin estadstica capaz de predecir
correctamente un 78,3% de los crditos de la cartera de la EDPYME, y un
93.3% de los crditos de la cartera de la CMAC, corroborado por un porcentaje
similar en sendos procesos de validacin de los modelos. A este respecto, las
medidas de valoracin del modelo, globalmente considerado, indican un ajuste
aceptable en regresin logstica.
Entendemos pues, que el modelo de credit scoring obtenido no va a
suponer una limitacin de las funciones que realiza el analista de crdito, sino
que ms bien debe constituirse en una herramienta complementaria que le
permita resumir un conjunto de informacin que es cada vez ms compleja de
analizar.
Como ya adelantbamos en un prrafo anterior, la gran ventaja que nos
reporta el uso del anlisis de regresin logstica es la probabilidad de que
ocurra el suceso estudiado (impago) para cada crdito de las dos carteras
analizadas.
436
Tal y como veremos en el captulo siguiente, los resultados obtenidos en

los modelos de credit scoring pueden tener sus aplicaciones en el negocio de
las entidades de microfinanzas. As, en funcin de lo que dicta la nueva
normativa bancaria del Nuevo Acuerdo de Capital de Basilea II, disponiendo de
la probabilidad de impago de un cliente de microcrdito, se puede optar por el
diseo de mtodos avanzados para el clculo del capital requerido derivado del
riesgo de crdito de una cartera, permitindonos tambin la discriminacin de
tasas de inters entre clientes en funcin del riesgo soportado por cada uno de
ellos.
437
438
CAPTULO V
APLICACIONES DEL CREDIT SCORING EN EL NEGOCIO DE
LAS INSTITUCIONES DE MICROFINANZAS
V.1. Introduccin
V.2. Tratamiento del riesgo de crdito en Basilea II.
V.2.1. El acuerdo de 1998. Basilea I.
V.2.2. El Nuevo Acuerdo de Capital de 2004. Basilea II.
V.2.2.1. Pilar I: Requerimientos mnimos de capital.
V.2.2.2. Pilar II: Principios bsicos de supervisin.
V.2.2.3. Pilar III: Disciplina de mercado.
V.3. Normativa del Nuevo Acuerdo de Basilea II en la Repblica del Per.
V.3.1. Principios generales.
V.3.2. Reglas de aplicacin a las exposiciones minoristas.
V.3.3. Metodologa de Stress Testing.
V.4. Implementacin del modelo de negocio para la EDPYME PROEMPRESA.
V.4.1. Variables del modelo.
V.4.2. Clculo de la tasa de inters y rentabilidad ajustada al riesgo.
V.4.3. Aplicacin de Stress Testing.
V.5. Implementacin del modelo de negocio para la CMAC TACNA.
V.5.1. Variables del modelo.
V.5.2. Clculo de la tasa de inters y rentabilidad ajustada al riesgo.
V.5.3. Aplicacin de Stress Testing.
V.6. Consideraciones finales.
CAPTULO V: APLICACIONES DEL CREDIT SCORING EN EL NEGOCIO DE LAS

INSTITUCIONES DE MICROFINANZAS
440

V.1. INTRODUCCIN
En 1988, el Comit de Basilea para la Supervisin Bancaria public el
Primer Acuerdo de Capital (Basilea I), en el que se requera a las instituciones
financieras que dispusieran de un nivel mnimo de capital equivalente al 8% de
sus activos ponderados por riesgo. En 1996, dicho Comit introdujo
recomendaciones para que el requerimiento patrimonial contemplara tambin
riesgos de mercado. Posteriormente, se comenz a preparar una modificacin
del Primer Acuerdo con la intencin de hacerlo ms sensible al riesgo. De esta
manera, en 1999 se public un primer documento de consulta que se centraba
en la presentacin de un nuevo marco conceptual ms acorde con las tcnicas
actuales de medicin y gestin de riesgos.
En 2001 se public el segundo documento de consulta, denominado
Nuevo Acuerdo de Capital, conocido como Basilea II. Tras un tercer
documento (BCBS, 2003), finalmente se lleg a un acuerdo en junio de 2004,
que consta de tres pilares fundamentales y se recomienda sean implementados
por medio de las entidades reguladoras de los distintos pases (BCBS, 2004) y
cuyo esquema ilustra la figura V.1.
Pilar I:
Pilar II:
Pilar III:
Requerimientos
Mnimos de Capital
Principios Bsicos
de Supervisin
Disciplina de
Mercado
Riesgo de
Crdito
Mtodo
Estndar
Enfoque
Bsico
Riesgo de
Mercado
Mtodo
Basado en
Calificaciones
Internas (IRB)
Enfoque
Avanzado
Riesgo
Operacional
Transparencia
Informativa
Mtodo
Estndar
Mtodo
Bsico
Modelos
Internos
Mtodo
Estndar
Medicin
Interna
Figura V.1. Esquema de los Pilares de Basilea II.
441

El primer pilar, que se refiere a los requerimientos mnimos de capital y

que contiene la base original de Basilea I, recomienda considerar no slo
riesgos de crdito y mercado sino tambin el riesgo operacional. El segundo
pilar tiene que ver con principios de supervisin preventiva y la incorporacin
de nuevos parmetros de medicin a priori como puede ser la probabilidad de
incumplimiento en la medicin del riesgo de crdito, an para operaciones que
no han cado en mora, en lugar de prcticas a posteriori, tales como la
constitucin de provisiones en base a los das de mora, una vez que el crdito
ha cado en incumplimiento. El tercer pilar hace referencia a la disciplina de
mercado y la transparencia de la informacin, no slo a nivel de instituciones
particulares sino, tambin, a nivel de sistemas financieros. Todas estas
caractersticas convierten a Basilea II en un conjunto completo de herramientas
para la supervisin y toma de decisiones de las entidades financieras, que tiene
en cuenta no slo el riesgo de crdito, sino tambin el riesgo operacional y el
de mercado.
Por consiguiente, las entidades financieras y de microfinanzas (IMFs)
supervisadas tendrn que adoptar procesos internos que sean capaces de
medir el riesgo de crdito. Las entidades financieras que sirven a la industria
microfinanciera tendrn que actuar bajo los parmetros de Basilea II, lo que les
obliga a disponer de soluciones que permitan establecer modelos de medicin
(scorings y ratings) con objeto de discriminar a los clientes segn su perfil de
riesgo, sistemas de seguimiento del riesgo vivo y modelos de evaluacin de la
exposicin y la severidad en el riesgo de crdito. Basilea II tambin obliga a las
entidades financieras no solo a adaptar sus sistemas de clculo del consumo
de capital, sino tambin a modificar los sistemas de reporting (informes
financieros) y de anlisis de la informacin. La informacin es la clave de
Basilea II por la necesidad de tener que gestionar grandes bases de datos,
capaces de ofrecer la informacin exacta para cuantificar los riesgos de cada
operacin, lo que supone un verdadero reto para los bancos y, especialmente,
para las entidades de microfinanzas.
442

En la prctica bancaria, Basilea II recomienda la utilizacin de sistemas

de rating internos ya que, al basarse en la experiencia propia de la
organizacin, reflejan con mayor claridad la exposicin al riesgo de una cartera
de crditos. A pesar de todo, ello no deja de suponer un problema para la
banca comercial, puesto que un sistema de rating interno necesita un nmero
aceptable de crditos fallidos para la identificacin de una distribucin de
probabilidad admisible. Sin embargo, histricamente en microfinanzas se ha
contado con un mayor nmero de impagados respecto a la banca, lo que
motiva la utilizacin de sistemas de rating internos en las IMFs.
En Per, el Reglamento para el Requerimiento de Patrimonio Efectivo
por Riesgo de Crdito de la Superintendencia de Banca y Seguros (SBS) de
2009 constituye un notable avance de cara a la implementacin de Basilea II
entre las entidades sometidas a supervisin, entre ellas las Entidades de
Desarrollo de la Pequea y Micro Empresa (EDPYMEs) y las Cajas
Municipales de Ahorro y Crdito (CMACs). Si bien la norma establece un
modelo estndar para la gestin del riesgo de crdito, tambin ofrece la
posibilidad de que las IMFs puedan implementar modelos internos. Es decir, la
nueva normativa derivada de este reglamento aporta, como principal novedad,
la posibilidad de desarrollar Mtodos Basados en Calificaciones Internas (IRB)
que debern estar homologados por la Superintendencia de Banca y Seguros,
siendo necesario utilizar, por tanto, mtodos estadsticos ms precisos para la
estimacin de la probabilidad de insolvencia y de la severidad. Ambas
estimaciones son fundamentales para calcular el requerimiento de capital, la
prdida esperada y la prdida inesperada, aspectos claves para establecer la
poltica de tasas de inters. En este nuevo contexto, se requiere contar no slo
con nuevos sistemas y metodologas estadsticas y economtricas, sino
tambin, con profesionales de formacin adecuada para desarrollar e implantar
en la institucin financiera los modelos adecuados de estimacin de la
insolvencia y la severidad. En definitiva, Basilea II constituye un nuevo reto
para las entidades de microfinanzas y para los profesionales de las mismas.
Consideramos que el elemento clave para analizar el proceso de
calificacin de riesgos mediante modelos internos (IRB), segn la normativa de
443

Basilea II, es que la IMF disponga de un modelo de credit scoring que le

permita medir la probabilidad de impago del correspondiente crdito (captulo
cuarto). Para analizar este proceso, que posibilitar el paso del mtodo
estndar a los mtodos IRB, el trabajo que se presenta, en lo que sigue, se ha
estructurado en cuatro partes. En la primera parte, se plantea un breve marco
terico en el que nos ceimos al tratamiento que Basilea II propone para la
medicin del riesgo de crdito. En la segunda parte del captulo se exponen los
aspectos ms relevantes de la normativa del Nuevo Acuerdo de Basilea II
regulado por la SBS, organismo supervisor del sistema financiero del Per, por
ser ste en el que operan las dos IMFs analizadas en el presente trabajo de
investigacin. En la tercera y cuarta parte del captulo aplicamos el modelo de
credit scoring obtenido en el captulo anterior a las decisiones de negocio y en
la poltica de pricing mediante un modelo IRB avanzado en el marco de Basilea
II, destacando el riesgo de crdito como factor competitivo en la toma de
decisiones de las IMFs. Finalmente, escribimos una serie de consideraciones
finales derivadas de la investigacin de este quinto captulo.
V.2. TRATAMIENTO DEL RIESGO DE CRDITO EN BASILEA II

Una definicin del riesgo de crdito, recordemos, nos conduce a
considerar dos tipos de riesgo a los que ya hemos aludido con anterioridad1, es
decir:
Riesgo de crdito. Riesgo de cambios en la calidad crediticia del emisor.
Riesgo de impago. Riesgo de que un prestatario no reembolse en

tiempo y forma el crdito que le fue concedido (principal del prstamo
ms los intereses).
La complejidad y dinamismo de los mercados financieros, orientados a la
globalizacin y al desarrollo tecnolgico, hace que la actividad supervisora

cobre una gran importancia de cara a aportar cierta estabilidad a los mercados.
1
Vase seccin II.2.
444

Una de las caractersticas principales de los sectores financieros es su alto

grado de regulacin. A este respecto, el objetivo de la regulacin bancaria es
asegurar un buen funcionamiento del sistema financiero, a la vez que la
bsqueda de herramientas que reduzcan los efectos negativos de las crisis
bancarias. Tanto en los pases desarrollados como en vas de desarrollo, las
diferentes regulaciones bancarias se han preocupado por la solvencia de las
entidades financieras desarrollando, para ello, un importante nmero de
normas que traten de sostener este objetivo. Segn mantienen De Miguel et al
(2003), si bien parece evidente que la mejor manera de evitar situaciones de
insolvencia es a travs de una buena gestin, en situaciones de crisis
econmica los bancos suelen sufrir importantes prdidas a la vez que padecen
problemas de solvencia. En caso de producirse esta situacin, las entidades
financieras dispondrn de recursos propios con los que hacer frente a las
prdidas inesperadas evitando, as, que sean asumidas por los clientes de
depsito.
El acuerdo denominado Convergencia internacional de medicin de
capital y estndares de capital, tambin llamado Acuerdo del Comit de Basilea
de 1988, represent uno de los mayores avances en cuanto a la definicin de
los requerimientos mnimos de capital que deben cumplir los bancos
internacionales para hacer frente a situaciones inesperadas de prdidas por
diferentes riesgos, principalmente el riesgo de crdito. En la actualidad, se
encuentra vigente la normativa relativa, al que se denomina comnmente
Basilea II.
V.2.1.
El acuerdo de 1988. Basilea I
El motivo fundamental por el cual se constituy el Acuerdo de Basilea en

1988, fue la creciente preocupacin de que los capitales de los principales
bancos mundiales fuera demasiado bajo, debido a la fuerte competencia
existente en los sistemas financieros. A este respecto, el Acuerdo de 1988
tena como objetivo establecer sistemas de evaluacin y mediciones del riesgo
de crdito, dado que la gestin de ste y de la baja calificacin crediticia de las
445

entidades incrementaba la probabilidad quiebras bancarias y crisis financieras

internacionales. En resumidas cuentas, el Acuerdo de Basilea I tena una doble
funcin; en primer lugar, establecer la igualdad competitiva en los mercados
financieros y, en segundo lugar, alcanzar un sistema bancario internacional
estable asegurando un adecuado nivel de capital.
Para el clculo de los requerimientos de capital en Basilea I, se propusieron
una serie de pasos a seguir:
a) Identificar, dentro de un listado de valores considerados como elementos
de capital, aquella operacin financiera susceptible de medicin en lo
que a operacin en riesgo se refiere.
b) Se emplea un enfoque de cartera para medir el riesgo de crdito,
clasificando los activos en cinco categoras mostradas en la tabla V.1.,
indicando la ponderacin de la exposicin segn el tipo de deudor.
Conviene mencionar que existe tambin una escala para las
operaciones fuera de balance.
c) La medicin y clculo de los requerimientos de capital se basa en el
modelo Risk Asset Ratio (RAR), segn el cual el capital tiene que ser al
menos el 8% de los activos ponderados por riesgo, tal y como seala la
siguiente expresin:
RAR =
F .P.
N
i =1
8%
(34)
Ai
donde:
F.P.: Fondos Propios.
i: Coeficientes de ponderacin de riesgo que pueden tomar valores de 0 a
100.
Ai: Valor del activo sometido al coeficiente.
446

Tabla V.1. Categoras de riesgo en Basilea I.
PESOS
VALORES
0%
Emitidos por Estados o Bancos Centrales de los pases de la

OCDE.
10%
Emitidos por Administraciones Pblicas distintas al Estado. En el

caso de la Unin Europea, activos emitidos por entidades
crediticias especializadas en el descuento de papel pblico.
20%
Operaciones interbancarias o bien con pases no pertenecientes a

la OCDE con duraciones menores al ao.
50%
Prstamos con garantas hipotecarias de viviendas.
100%
El resto de las operaciones.
Fuente: Samaniego (2005)
Conviene destacar que en Basilea I las categoras de riesgo resultaban

ser demasiado amplias lo cual provocaba una difcil separacin entre los
distintos niveles de riesgo. De este modo, los requerimientos de capital y los
niveles de riesgo asumido no mantenan una relacin lgica. Por otra parte, el
hecho de establecer un peso idntico dentro de una misma categora dificulta la
diferenciacin entre los distintos activos que pueden pertenecer a dicha
categora. Adems, Basilea I asume que las ponderaciones son constantes a lo
largo del tiempo no resultando veraz en el momento en que se producen
cambios en la calidad crediticia.
Por estos y otros motivos, el Comit de Supervisin Bancaria emprendi
una labor de legislacin y reforma de la normativa bancaria publicando en 2004
el Acuerdo definitivo internacional sobre regulacin y supervisin bancaria
denominado Nuevo Acuerdo de Capital, aprobado en 2004 por el Comit de
Basilea, y conocido como Basilea II, con un esquema de trabajo ms sensible
al concepto de riesgo.
447

V.2.2.
El Nuevo Acuerdo de Capital de 2004. Basilea II
El principal objetivo del Nuevo Acuerdo de capital (en adelante Basilea

II) es que los requerimientos de capital sean ms sensibles al riesgo, sobre
todo, al riesgo de crdito. Para ello, Basilea II hace un mayor nfasis en los
modelos internos de medicin del riesgo de crdito creado, a ser posible por
cada entidad financiera, a la revisin del correspondiente supervisor y a la
disciplina de mercado, al entender que la disposicin de un sistema en el cual
el requerimiento de capital se corresponde con el riesgo asumido conduce a
una ventaja competitiva por el hecho de reducir costes y contribuir a un sistema
financiero ms eficaz y seguro.
Segn sealan De Miguel et al (2003), uno de los principios bsicos de
Basilea II es hacer converger al capital regulatorio y al capital econmico. En
este sentido, el capital econmico depende, en primera instancia, de factores
relacionados con el negocio del cliente de un prstamo, tales como los tipos de
operaciones de activo, sector, etc. y, en segundo lugar, del nivel de tolerancia
ante el riesgo de quiebra por parte de los accionistas y directivos del negocio.
No obstante, el capital regulatorio es aquel que establece el regulador del
sistema financiero con la intencin de minimizar el riesgo de quiebra y de los
factores que incrementan el riesgo sistemtico o de mercado.
Sin embargo, tal y como admiten Soley y Rahnema (2004), la principal
novedad en Basilea II es la aplicacin de rating internos por parte de las
entidades crediticias, siendo la primera vez que se deja a la iniciativa de cada
entidad de crdito la valoracin crediticia de cada uno de sus clientes,
condicionado nicamente a la supervisin y aprobacin de los fundamentos y
criterios adoptados, por parte de la correspondiente entidad supervisora.
En Basilea II, el marco de recursos propios se basa en el funcionamiento
conjunto de tres pilares bsicos: El pilar 1, denominado requerimientos
mnimos de capital, en el que se determina el coeficiente de solvencia o capital
mnimo regulador. El pilar 2, conocido como revisin supervisora, en el que se
comprueba que los criterios seguidos en el pilar 1 se llevan a cabo
448

correctamente. Y por ltimo, el pilar 3 o disciplina de mercado, basado en la

transparencia informativa entre todos los componentes del sistema financiero.
V.2.2.1.
Pilar I: Requerimientos mnimos de capital
Basilea II establece una metodologa con mltiples opciones para medir

el riesgo de crdito. En esta lnea, existen dos enfoques diferentes para el
clculo de los requerimientos mnimos de capital o de recursos propios:
Enfoque estndar similar al considerado por Basilea I, aunque con

algunas modificaciones al establecer nuevas categoras de riesgo.
Enfoque basado en ratings internos en el que se define el Mtodo

Interno o IRB (Internal Rating Based), considerando dentro de ste dos
niveles:
1. Mtodo Basado en Calificaciones Internas IRB (Internal Rating
Based approach) bsico: La entidad dispone de modelos de
calificacin para la estimacin de la Probabilidad de Impago (PD),
en base a lo cual el regulador aplicar estndares para la
obtencin de la Severidad (LGD) y Exposicin (EAD).
2. Mtodo Basado en Calificaciones Internas IRB avanzado: La
entidad dispone de Modelos de calificacin para la estimacin de
la probabilidad de Impago (PD), Severidad (LGD) y Exposicin
(EAD).
En Basilea II el capital regulatorio contina en el 8% de los activos
ponderados por riesgo. Sin embargo, los riesgos considerados son ahora de
tres tipos: el riesgo de crdito, el riesgo de mercado y el riesgo operacional, de
tal forma que:
Capital Regulatorio
8%
Activos ponderados por riesgo de crdito, de mercado y operacional
Respecto al mtodo estndar de medicin de riesgo de crdito,

advertimos la novedad de la utilizacin de calificaciones externas como medida
449

del riesgo de crdito para establecer las ponderaciones. De este modo, el

proceso consiste en asignar una ponderacin de riesgos a cada uno de los
activos y operaciones fuera de balance con la intencin de generar un total de
activos ponderados por riesgo. No obstante, las ponderaciones individuales
dependen del tipo de prestatario (crditos Soberanos, bancos o empresas). En
Basilea II las ponderaciones de riesgo se reajustan teniendo en cuenta la
calificacin crediticia aportada por una entidad externa de evaluacin del
crdito, como pueda ser una agencia de rating que cumpla unos estndares
estrictos. En base a lo comentado, las tablas V.2. y V.3. y la figura V.2. nos
resumen los contenidos de las ponderaciones de riesgo y una comparativa
entre Basilea I y Basilea II respecto a los requerimientos de capital.
Tabla V.2. Ponderaciones de riesgo (Mtodo estndar).
CALIFICACIONES CREDITICIAS
SECTORES
Crditos Soberanos
Crditos a Gobiernos
regionales y
Autoridades Locales
AAA a AA-
A+ a A
BBB+ a BBB-
BB+ a B-
Menor a B-
No calificado
0%
20%
50%
100%
150%
100%
Mismo tratamiento que las entidades de crdito (bancos), aunque los Estados tienen la
discrecionalidad de asimilar el riesgo de los Gobiernos Regionales, Autoridades Locales y empresas
pblicas al riesgo Soberano.
Crditos a bancos1
20%
50%
100%
100%
150%
100%
Crditos a bancos2
20%
50%
50%
100%
150%
50%
Crditos a bancos2 a
corto plazo
20%
20%
20%
50%
150%
20%
AAA a AA-
A+ a A
BBB+ a BBB-
Menor a BB-
No calificado
20%
50%
100%
150%
100%
Crditos a empresas
1
2
La ponderacin se basa en la calificacin asignada al pas en la que est establecida la entidad ms un escalafn.
La ponderacin se basa en la calificacin de un organismo externo de evaluacin de crditos.
Fuente: BCBS (2003).
450

Tabla V.3. Ponderaciones de capital. Crdito Retail (Micro Empresa y Pymes).
Fuente: Elaboracin propia a partir de SBS.
Basilea II. Consumo de Capital

Pymes
125,00%
100,00%
75,00%
50,00%
25,00%
0,00%
AA AA
+
A
AA
AA
-
A+
A-
BB BB BB BB
B+
B
B+
BB
BB
-
B+
B-
CC
C
RATING
PONDERACION BASILEA I
PONDERACION BASILEA II-ESTANDAR
PONDERACION BASILEA II-IRB
Figura V.2. Basilea II. Consumo de capital Pymes.
Con el tratamiento que ofrece Basilea II en el mtodo estndar, se

permiten unas mayores posibilidades de mitigacin del riesgo de crdito que en
451

Basilea I, aunque debemos destacar que esta propuesta ha sido susceptible de

crticas. Por ejemplo, Altman y Saunders (2001) consideran insuficiente la
sensibilidad al riesgo en las ponderaciones propuestas en el modelo estndar,
sobre todo en las calificadas como BB- o en los escalafones inferiores a sta.
Por otra parte, critican la elevada ponderacin asignada a las dos primeras
categoras, an siendo el porcentaje de prdidas histricas del 0%. Asimismo,
se ha censurado que las empresas no calificadas (sin rating) tengan asignadas
una ponderacin del 100%, mientras que las que si estn calificadas en
categoras inferiores a BB- tengan una ponderacin del 150%, lo cual supone
que los prestatarios que se prevea a ser encuadrados en esta ltima categora,
prefieran no estar calificados con la intencin de acceder al crdito a un menor
coste.
Por otra parte, el mtodo IRB o mtodo interno se basa en estimaciones
propias de la entidad financiera (homologadas por el supervisor). Con el
mtodo IRB, las entidades financieras utilizan sus estimaciones internas de la
calidad crediticia de sus clientes para calcular el riesgo total de sus carteras de
crditos. El proceso consiste en estimar la calidad crediticia de sus prestatarios
a partir de la cual se estima el importe de las prdidas potenciales futuras,
importe que resulta ser la base de los requerimientos mnimos de capital. En
esta lnea, se distingue entre el mtodo IRB bsico y el IRB avanzado, los
cuales proporcionan una sensibilidad mayor al riesgo que el mtodo estndar.
Los mtodos de ratings internos (IRB) son la principal novedad de
Basilea II en cuanto a medicin del riesgo de crdito. En este sentido, la
clasificacin de las exposiciones a los riesgos depende directamente de las
estimaciones internas de stos realizadas por la propia entidad financiera. De
este modo, al disponer el banco de un sistema de gestin de riesgos dotado de
un mtodo que permite calcular las probabilidades de impago para clasificar los
prstamos en categoras, y testado durante al menos tres aos, podr calcular
las ponderaciones que determinen los requerimientos de capital.
Para el clculo del capital regulatorio se requiere la estimacin de la
severidad, conocida como Loss Given Default (LGD), la cual hace regencia a la
452

prdida en caso de impago. Asimismo, se establece un recargo por

concentracin llamado granularidad, el cual se aplica a todas las carteras
excepto a las de carcter minorista.
El primer componente del riesgo de crdito bajo el criterio IRB
corresponde a la prdida esperada (EL), que se obtiene a travs de la siguiente
expresin:
EL = PD x LGD x EAD = PD x LGD x (1-TR)
(35)
Donde:
PD (Probability of Default): Probabilidad de impago.
LGD (Loss Given Default): Prdida en caso de impago.
EAD (exposure at default): Exposicin en el momento del impago.
TR: Tasa de recuperacin.
Los elementos que debe contener un modelo IRB son:
Un modelo de ratings internos, es decir, una clasificacin de la deuda

segn su exposicin al riesgo de crdito.
Los denominados componentes del riesgo. Se establecen necesarios

para el modelo bsico la PD y la EAD, y para el modelo avanzado la PD,
EAD, LGD y el vencimiento o Maturity (M).
Una funcin de ponderacin de riesgo que emplee los componentes de

riesgo para el clculo de sus ponderaciones.
Demostrar que el modelo IRB puede ser implementado correctamente.
Acreditar la revisin del supervisor sobre el cumplimiento de los

requerimientos mnimos del modelo implantado.
En lo que al modelo IRB bsico se refiere, se permite a la entidad
financiera el uso de una estimacin de la probabilidad de impago (PD)

diseada por sta, para un horizonte temporal de un ao, as como la
exposicin al impago (EAD). Por su parte, la PD promedio se utiliza para el
clculo de la ponderacin de cada rating interno, en las que el clculo de las
453

PD puede basarse o en la experiencia histrica, o en un modelo de credit

scoring. Por otro lado, la exposicin al impago (EAD) para operaciones de
balance se corresponde con el valor nominal de la exposicin, es decir, el valor
contable de los prstamos. En otro caso, la EAD para operaciones fuera de
balance se calcula aplicando el mtodo que se utilizaba en Basilea I mediante
equivalencias de partidas de fuera de balance hacia partidas de balance.
Finalmente, para el clculo de la severidad (LGD), Basilea II propone un
tratamiento especfico atendiendo a cada situacin concreta. As, para los
crditos a empresas, gobiernos y entidades financieras que no se encuentren
garantizados, se asignar un valor del 45%; en caso de tratarse de
obligaciones subordinadas corporativas, el porcentaje toma el valor del 75%; y
un 40% si est completamente asegurado por cuentas a cobrar a clientes.
Mediante el enfoque IRB avanzado, Basilea II incentiva a las entidades
financieras a desarrollar modelos de gestin del riesgo de crdito, si cabe an,
ms completos. La principal diferencia con el mtodo IRB bsico estriba en que
ahora todas las variables pueden ser calculadas por la propia entidad
financiera, cumpliendo con los requisitos impuestos por la normativa de Basilea
II, por lo que se le permite al banco estimar el parmetro que vena impuesto
por la normativa en el enfoque anterior; hablamos de la LGD.
El segundo componente del riesgo de crdito en los modelos IRB hace
referencia a la diferencia entre las prdidas reales y las esperadas, que es lo
que se conoce como prdida inesperada (UL). Este concepto mide la volatilidad
o variabilidad de las prdidas reales. Dicho esto, la prdida inesperada puede
ser calculada a partir de la siguiente expresin:
UL = (TI) x P x (1-TR) x C = (TI) x P x EAD x C
(36)
siendo:
(TI): Desviacin tpica de la tasa de incumpliendo.
P: Cuanta del prstamo.
C: Parmetro a estimar que ser ms elevado cuanto mayor sea el nivel de
confianza asumido.
454

La figura V.3 nos muestra la magnitud de la prdida contemplando tanto

la esperada como la inesperada.
Prdida
inesperada
demasiado
costosa para la
organizacin
EL
UL
EL+UL
Figura V.3. Prdida esperada e inesperada segn el nivel de confianza.
Como puede apreciarse en la mencionada figura, la posibilidad de

prdida est asociada a la distribucin de prdidas. De este modo, la primera
franja considerada hace referencia a la prdida esperada y, a partir de ah, las
prdidas inesperadas para la organizacin en funcin del nivel de confianza
asumido.
Por otra parte, la calificacin o rating representa la evaluacin de la
solvencia de un determinado prestatario, realizada por una agencia
especializada. Utilizaremos el rating como medida del riesgo de crdito del
deudor, o riesgo de que no pueda hacer frente a los pagos peridicos de
inters o devolucin del capital. De este modo, en el cuadro V.1 describimos la
definicin de cada una de las escalas empleadas para conceptualizar el rating
de deuda a largo plazo.
Obtenida la valoracin del riesgo, definimos una medida de rentabilidad
ajustada RORAC (en Ingls Risk Adjusted Return On Capital) obtenida a
455

partir del beneficio contable despus de impuestos, minorndolo en el importe

de la prdida esperada y dividido, todo ello, entre el capital necesario para
absorber las prdidas inesperadas.
V.2.2.2.
Pilar II: Principios bsicos de supervisin
El Pilar II de Basilea II, denominado Principios Bsicos de Supervisin,

establece una gua para el seguimiento que los bancos y supervisores deben
adoptar en la evaluacin de los requerimientos del Acuerdo, incluyendo los
niveles de capital, el tratamiento de las garantas colaterales, las variables
utilizadas para la realizacin de modelos y la evaluacin de los mtodos
avanzados para riesgo de crdito y operacional, entre otros aspectos.
A este respecto, el Pilar II considera los riesgos que estn especificados
en el Pilar I pero que no son cubiertos en su totalidad por ste, otros aspectos
no cubiertos en el Pilar I, factores que son externos a las instituciones y la
evaluacin del cumplimiento de los requerimientos para los mtodos ms
avanzados de riesgo de crdito, operacional y de mercado.
En definitiva, el Pilar II tiene por cometido asegurar que los organismos
supervisores velen por el correcto funcionamiento de los mecanismos
empleados en el Pilar I. As por ejemplo, si los requerimientos de capital
estimados en el Pilar I no responden a los riesgos asumidos, el organismo
supervisor correspondiente puede exigir una correccin del requerimiento
mnimo de capital de tal forma que ste refleje el riesgo realmente soportado
por la correspondiente entidad financiera.
456

Cuadro V.1. Descripcin del rating.

AAA: La deuda calificada con AAA posee el grado ms alto de rating asignado por
Standard & Poors. La capacidad de pago de intereses y reintegro del principal es
extremadamente fuerte.
AA: La deuda calificada con AA posee una capacidad muy fuerte de pago de intereses y
reintegro del principal, difiriendo slo en grado menor de las emisiones con rating superior.
A: La deuda con rating A posee una gran capacidad de pago de intereses y reintegro del
principal, aunque es algo ms susceptible a los efectos de los cambios circunstanciales y
condiciones econmicas adversas que la deuda de las categoras superiores.
BBB: La deuda con rating BBB se considera dotada de capacidad adecuada de pago de
intereses y reintegro del principal. A pesar de que normalmente presenta unos parmetros
de proteccin adecuados, condiciones econmicas o cambios circunstanciales adversos,
pueden debilitar su capacidad de pago de intereses y reintegro del principal en comparacin
con la deuda situada en categoras superiores.
La deuda con rating BB, B, CCC, CC y C se considera provista de caractersticas
predominantemente especulativas en lo que se refiere a la capacidad de pago de intereses
y reintegro del principal. BB indica el menor grado de especulacin y C el mayor. Aunque
dicha deuda tenga normalmente algunas caractersticas de calidad y proteccin, stas se
ven contrarrestadas por incertidumbres de importancia o vulnerabilidad considerable ante
condiciones adversas.
BB: La deuda con rating BB posee menos posibilidades de incumplimiento a corto plazo
que otras emisiones especulativas. Sin embargo, debe hacer frente a incertidumbres
significativas o a condiciones comerciales, financieras o econmicas adversas que podran
conllevar una capacidad insuficiente de pago puntual de intereses y principal. La categora
de calificacin BB se utiliza tambin para deuda subordinada a una deuda prioritaria a la
cual se le ha asignado un rating BBB expreso o implcito.
B: La deuda calificada con B posee un mayor riesgo de incumplimiento, pero tiene
actualmente una capacidad de pago de intereses y reintegro del principal. Condiciones
comerciales, financieras o econmicas adversas probablemente perjudicaran la capacidad
o voluntad de pago de intereses y reintegro del principal. La categora de calificacin B se
utiliza tambin para deuda subordinada a una deuda senior a la que se le ha asignado un
rating BB o BB-expreso o implcito.
CCC: La deuda calificada como CCC tiene ya una posibilidad detectable de
incumplimiento, y depende de condiciones comerciales, financieras y econmicas
favorables para satisfacer de forma puntual el pago de intereses y reintegro del principal. En
caso de condiciones comerciales, financieras o econmicas adversas no es probable que
tenga capacidad de pago de intereses y reintegro del principal. La categora de rating CCC
se aplica tambin a deudas subordinadas a una deuda senior a la que se le ha asignado
un rating B o B-expreso o implcito.
CC: El rating CC se suele aplicar generalmente a deuda subordinada a una deuda senior
a la que se le ha asignado un rating CCC de forma expresa o implcita.
C: El rating C se aplica normalmente a deuda subordinada a una deuda senior a la que
se le ha asignado un rating de deuda CCC- de forma expresa o implcita. El rating C
puede utilizarse para cubrir aquellas situaciones en las que se ha solicitado quiebra,
mantenindose los servicios de pago de deuda.
457

Cuadro V.1. Descripcin del rating (continuacin).

D: El rating de deuda D se halla en situacin de impago. La categora de rating D se
utiliza cuando el pago de intereses o reintegro del principal no se ha realizado puntualmente
e incluso si el periodo de gracia correspondiente no ha expirado, a menos que S&P crea
que dichos pagos se satisfarn dentro de dicho periodo de gracia. El rating D se aplica
tambin en caso de declaracin de quiebra, si peligran los pagos del servicio de deuda.
Mas (+) o menos (-): Los ratings comprendidos entre las categoras AA y CCC podrn
modificarse mediante la adicin de un signo positivo o negativo que indica su posicin
relativa dentro de las principales categoras de calificacin.
r: El smbolo r se asigna para destacar derivados, hbridos y otras operaciones que S&P
considera que pueden experimentar alta volatilidad o grandes variaciones en la cuanta de
los reembolsos esperados debido a riesgos distintos al riesgo de crdito. Ejemplos de estas
operaciones son: ttulos cuyo reembolso de principal o inters est indiciado a una renta
variable, divisas o materias primas; algunos swaps y opciones; algunos ttulos hipotecarios.
N.R.: Sin rating.
Las obligaciones de deuda fuera de los Estados Unidos y sus territorios se califican con los
mismos criterios que las emisiones nacionales. Las calificaciones miden la solvencia del
deudor, sin tener en cuenta los riesgos de cambio, de moneda e incertidumbres afines.
Fuente: Faus y Rahnema (2002)
El Comit de Basilea define cuatro principios fundamentales para llevar a

cabo la actividad del Pilar II. stos son:
Principio 1: Las entidades financieras deben disponer de un mtodo que

mida la suficiencia de su capital total en relacin a su riesgo, junto con
un proceso que mantenga sus recursos propios en niveles adecuados.
Principio 2: Los organismos supervisores han de evaluar los procesos

internos acerca de la suficiencia de capital de las entidades financieras,
y asegurar la aplicacin de los coeficientes de capital de supervisin.
Principio 3: Los supervisores deben certificar que las entidades

financieras lleven a cabo sus actividades con un capital por encima a los
requerimientos mnimos de capital regulador.
Principio 4: Los organismos de supervisin intervendrn cuando as lo

estimen oportuno con la intencin de evitar que el capital descienda por
debajo del capital mnimo requerido ajustado al riesgo soportado,
exigiendo, para ello, una correccin del valor del capital.
458

V.2.2.3.
Pilar III: Disciplina de mercado
El Pilar III tiene por objetivo complementar al Pilar I y Pilar II de Basilea

II. Con el cumplimiento de este Pilar se espera mantener una adecuada
estabilidad financiera y de mercado, contar con una mejor disciplina de
mercado y establecer un marco informativo basado en la transparencia.
Tambin pretende que haya un nivel apropiado de agregacin de informacin
con los objetivos de proteger la confidencialidad y la competitividad de los
bancos.
Para ello, Basilea II insta a las entidades financieras a informar
peridicamente de su estructura de recursos propios, la suficiencia de stos y
de la exposicin al riesgo. Del mismo modo, hace especial hincapi a la
consideracin de los factores macroeconmicos como motivos de cambio del
perfil de riesgo de las entidades, en tanto en cuanto las entidades han de
informar de su tratamiento en los sistemas de gestin.
V.3. NORMATIVA DEL NUEVO ACUERDO DE BASILEA II EN LA REPBLICA

DEL PER
Para el anlisis del requerimiento de capital de la operacin crediticia en

Per, la Resolucin de la Superintendencia de Banca y Seguros (SBS) nmero
14.354 de 30 de Octubre de 2009 sobre el Reglamento para el Requerimiento
de Patrimonio Efectivo por Riesgo de Crdito recoge la normativa de
adaptacin para la implementacin de Basilea II en las entidades bancarias y
de microfinanzas que son supervisadas. La norma establece, en la lnea del
Documento de Basilea II de 2004 sobre el requerimiento de capital mnimo para
cubrir el riesgo de crdito, que el clculo del capital requerido derivado del
riesgo de crdito de la cartera pueda hacerse mediante tres mtodos que van
de menor a mayor grado de sofisticacin:
459

Mtodo Estndar.
Mtodo Basado en Calificaciones Internas IRB bsico.
Mtodo Basado en Calificaciones Internas IRB avanzado.

En nuestro trabajo de investigacin, nos centramos en el captulo III de
la normativa, relativo a los Mtodos Basados en Calificaciones Internas (IRB).

El subcaptulo IV del mencionado captulo trata las reglas de aplicacin a las
exposiciones minoristas en el que encontramos la documentacin necesaria
para la elaboracin de un modelo basado en calificaciones internas IRB bsico,
con el que poder determinar la tasa de inters que es necesario aplicar a la
operacin de crdito (pricing), fijando, para ello, un objetivo de Rentabilidad
Ajustada al Riesgo de Capital (RORAC) del cliente o de la operacin. En el
mtodo IRB, las exposiciones sujetas a riesgo de crdito deben asignarse a
alguna de las siguientes categoras:
Pequeas empresas
Microempresas
Crditos hipotecarios para vivienda
Consumo no revolvente
Consumo revolvente
V.3.1.
Principios generales
Segn se cita en el Reglamento, en la utilizacin de los Mtodos

Basados en Calificaciones Internas se han de tener en cuenta las definiciones
que a continuacin se sealan:
a) Calificacin de riesgo interna del deudor: Calificacin de riesgo asignada
por las empresas a sus deudores segmentada en grados que comparten el
mismo rango de probabilidades de incumplimiento.
460

b) Calificacin de riesgo por operacin: Calificacin de riesgo asignada por las

empresas a las operaciones segmentadas en grados que comparten el
mismo rango de prdidas esperadas.
c) Categoras de recuperacin: Categoras de riesgo asignadas a las
operaciones que comparten el mismo rango de prdidas dado el
incumplimiento.
d) Conjunto de exposiciones minoristas (pool): Grupo de exposiciones
minoristas que comparten similar perfil de riesgo de deudores, tipo de
producto y garantas asociadas.
e) Exposiciones minoristas: Incluye los crditos hipotecarios para vivienda, las
exposiciones con microempresas, con pequeas empresas y de consumo.
f) Exposicin ante el incumplimiento (exposure at default, EAD): Es la mejor
estimacin de la exposicin cuando ocurra el evento de incumplimiento.
Esta definicin concierne tanto a las posiciones directas como a las
contingentes.
g) Probabilidad de incumplimiento (probability of default, PD): Probabilidad de
ocurrencia del evento de incumplimiento.
h) Prdida dado el incumplimiento (loss given default, LGD): Estimacin del
porcentaje de la exposicin ante el incumplimiento que no ser recuperado
producido el evento de incumplimiento. Es la prdida econmica tomando
en consideracin todos los factores relevantes, incluyendo efectos de
descuentos importantes y costos directos e indirectos sustanciales
relacionados con el cobro de la exposicin.
i) Prdida esperada (expected loss, EL): Prdida que se encuentra asociada a
la marcha regular del negocio, resulta de multiplicar la PD por la LGD y por
la EAD.
j) Prdida no esperada (unexpected loss, UL): Es la mxima prdida que
soportara la entidad financiera dado un nivel de confianza estadstico
asociado, descontada la prdida esperada.
k) Perodo de entrega: Perodo pactado en el contrato en que se debe recibir
el pago del principal y/o los intereses.
l) Provisiones admisibles: La suma de todas las provisiones constituidas que
se atribuyen a las exposiciones a las que se aplica el mtodo basado en
461

calificaciones internas. No incluye las provisiones especficas establecidas

para cubrir exposiciones accionariales y de titulizacin.
m) Sistema de calificacin: Incluye todos los mtodos, procesos, controles y
sistemas de recopilacin de datos y de tecnologas informticas que
permitan la evaluacin del riesgo de crdito, la asignacin de calificaciones
de riesgo internas y la cuantificacin de las estimaciones de incumplimiento
y de prdida.
Por otra parte, para deudores o clientes con exposiciones minoristas, el
estado de incumplimiento se calcula por operacin de crdito. Segn la
norma, una operacin se considerar en estado de incumplimiento cuando
presente al menos una de las siguientes caractersticas:
Un atraso mayor a los 90 das. En el caso de que un deudor no minorista

mantenga varias obligaciones con la entidad, se le considerar en
incumplimiento cuando las obligaciones con atraso superior a 90 das
representen ms de S/. 100 (cien nuevos soles) o ms del 1% de la
deuda total del deudor en la entidad, el que resulte mayor. Si el importe
atrasado, an siendo menor al 1% de la deuda total supera tres (3)
Unidades Impositivas Tributarias (UIT), el deudor entrar en estado de
incumplimiento.
Los parmetros que determinen la materialidad (porcentaje y/o montos)
de las obligaciones en incumplimiento antes mencionados, podrn variar
si la empresa demuestra estadsticamente, a satisfaccin de la
Superintendencia, que la materialidad propuesta refleja mejor el estado
de incumplimiento.
En el caso de instrumentos de deuda, se considera incumplimiento
desde el primer da de atraso despus del perodo de entrega
(settlement o delivery).
Pase a una situacin de reestructurado.
Que en los ltimos 5 aos el deudor o la operacin haya registrado ms

de
una
refinanciacin,
salvo
que
la
empresa
demuestre
estadsticamente, a satisfaccin de la Superintendencia, que posee otras
462

variables o mecanismos que predigan mejor la entrada en estado de

incumplimiento.
La empresa considera que el deudor es incapaz de reembolsar sus

obligaciones en la forma pactada sea parcial o totalmente.
Si bien nosotros hemos definido en los modelos de credit scoring
diseados la variable dependiente siguiendo los criterios planteados en la

bibliografa especializada y en agencias de rating privadas de Amrica Latina,
corresponde a la SBS, como organismo supervisor, la homologacin y
aceptacin de los diseos propuestos.
El requerimiento de capital por riesgo de crdito se establece como la
suma de los requerimientos de capital para cada categora de exposicin,
calculado segn las frmulas establecidas en la seccin V.3.2 del presente
captulo.
Para determinar los activos y contingentes ponderados por riesgo de
crdito (APR), se multiplicar el requerimiento patrimonial calculado segn lo
indicado en el prrafo anterior por la inversa del lmite global que establece la
Ley General en el artculo 199 y en la Vigsimo Cuarta Disposicin Transitoria.
Adicionalmente, los APR debern ser multiplicados por un factor, cuyo
valor corresponder al indicado en la siguiente tabla:
Perodo
Factor de ajuste
Julio de 2010 - Junio de 2011
0,96
Julio de 2011 Junio de 2012
0,98
Julio de 2012 En adelante
1,00
463

V.3.2.
Reglas de aplicacin a las exposiciones minoristas
Es en los modelos de calificacin interna donde se necesita el input de la

probabilidad de impago que se obtiene del modelo de credit scoring. Segn el
Crdito, para la estimacin de la PD, las empresas podrn emplear las
siguientes tcnicas: a) experiencia histrica de incumplimiento, b) modelos
estadsticos de prediccin de incumplimiento y c) la asociacin con datos
externos. En nuestro caso, optamos por la opcin b), dado que en el captulo IV
obtuvimos un modelo estadstico de prediccin de incumplimiento en el cual
determinamos la probabilidad de default para todos los crditos de la cartera
disponible de cada entidad analizada.
El sistema de calificacin admisible en los mtodos IRB aplicable a
exposiciones minoristas deber estar orientado tanto al riesgo del prestatario
como al riesgo de la operacin. Las empresas deben demostrar que el sistema
de calificacin permite:
a) Una separacin en grupos de exposiciones suficientemente homogneos.
b) Una diferenciacin significativa del riesgo entre estos grupos de
exposiciones.
c) Una estimacin precisa de las caractersticas de la prdida para cada pool.
Las empresas debern estimar la probabilidad de incumplimiento, la
prdida dado el incumplimiento y la exposicin ante el incumplimiento para
cada conjunto de exposiciones. Para ello, las empresas debern considerar,
como mnimo, los siguientes factores de riesgo en la asignacin de
exposiciones a un conjunto determinado:
a) Caractersticas de riesgo del prestatario: Tipo de prestatario, caractersticas
socio-demogrficas como edad u ocupacin, comportamiento de pago en el
sistema, entre otros.
b) Caractersticas del riesgo de la operacin: Tipos de producto, garantas,
prelacin, entre otros.
464

c) Morosidad: Se deber separar, como mnimo, las exposiciones en

incumplimiento de aquellas que no lo estn.
Por otra parte, tal y como dicta la normativa, las empresas que utilicen
los mtodos IRB debern emplear los resultados del modelo para la aprobacin
de crditos, la gestin del riesgo de crdito y para la estimacin interna de
suficiencia patrimonial. No sern aceptables los modelos internos cuyo diseo y
aplicacin tiene como nico propsito el clculo del requerimiento de
patrimonio efectivo por riesgo de crdito.
Segn lo dicho, para determinar el requerimiento de capital en una
operacin de crdito, Basilea II considera un cuartil del 99,9% con objeto de
que en el computo del capital se contemplen el 99,9% de las situaciones del
estado de la economa que tengan influencia en un posible impago del cliente y
que el peor resultado, en situacin de catstrofe o crisis en la misma, se
produzca con una probabilidad del 0,1%, tal y como se muestra en la figura
V.4.
465
CAPTULO V: APLICACIONES DEL CREDIT SCORING EN EL NEGOCIO DE LAS INSTITUCIONES DE MICROFINANZAS
Tasa de Incumplimiento
PD (x)
Estados
de Catstrofe
Econmica
UL
EL+UL
Funcin de
Transformacin
EL
(0,999)= VaR(99,9%)=N-1(0,001)
99,9%
Estados
de Catstrofe
Econmica
0,1%
Estados
de Recesin
Econmica
Estados
de Crecimiento
Econmico
Estados de la
Economa (Xt)
Factores Sistemticos
Figura V.4. Elementos necesarios para el clculo de la prdida esperada e inesperada segn el nivel de confianza.
466

La frmula para calcular el requerimiento de capital exigido a las

entidades de crdito en los modelos internos segn el modelo propuesto por el
Comit de Supervisin Bancaria de Basilea para la cartera minorista es la
siguiente:
G (PD ) + (PD ) G (0.999 )

PD LGD
K = LGD N
1 (PD )
(37)
G (PD ) + (PD ) G (0.999)

100%
PD LGD
APR =
LGD N
1 (PD )
10%
(38)
APR = K10EAD
(39)
EL = PDLGDEAD
(40)
1 e 35PD
1 e 35PD
+ 0.16 1
(PD ) = 0.03
35
1 e 35
1
e
(41)
donde:
K: Requerimiento de capital.
PD: Probabilidad de incumplimiento que se obtiene del credit scoring.
(PD): Coeficiente de correlacin.
LGD: Severidad o porcentaje de prdida en el momento del incumplimiento.
EAD: Exposicin en el momento del incumplimiento.
APR: Activo ponderado por riesgo.
EL: Prdida esperada.
G (0,999): Inversa de la Funcin Distribucin Normal Estndar Acumulada=3,090.
G (PD): Inversa de la Funcin Distribucin Normal Estndar Acumulada en PD
467

V.3.3.
Metodologa de Stress Testing
El propsito de la presente seccin es plantear una metodologa para

identificar el grado de exposicin de las dos IMFs objeto de estudio, vinculado a
movimientos de las variables macroeconmicas. La deteccin de los riesgos a
los que se enfrentan las organizaciones de microfinanzas en el sistema
financiero resulta crucial para poder anticipar los efectos de una medida
econmica especfica, un cambio en el entorno macroeconmico o de
regulacin.
En trminos de supervisin bancaria, tal y como apuntan Marasca et al
(2003), uno de los principios bsicos enunciados en el Acuerdo de Basilea II es
que las entidades financieras deben contar con un proceso para evaluar la
suficiencia de capital en funcin del perfil de riesgos de la institucin. En este
sentido, resulta determinante conocer la estructura de riesgos del sistema
financiero peruano, a los efectos de evaluar la variabilidad de los
requerimientos de capital de las entidades financieras.
Para ello, la herramienta Stress Testing permite evaluar la vulnerabilidad
o el grado de exposicin de las instituciones financieras, ante un cambio brusco
en las variables macroeconmicas relevantes. A este respecto, el Stress
Testing es un instrumento de gestin de riesgos utilizado para cuantificar el
impacto potencial en el sistema bancario de un evento especfico o de una
combinacin de variables macroeconmicas.
Segn lo indicado, los puntos fuertes de un proceso de Stress Testing
son los siguientes:
Evaluar el impacto que tiene en el sistema financiero un evento ms

extremo que el VaR.
Calcular el nivel de tolerancia a los riesgos o la combinacin de variables

macroeconmicas que producira grandes prdidas patrimoniales.
468

Determinar los requerimientos de capital y su variacin ante la

ocurrencia de un suceso econmico adverso.
Segn recoge el artculo 70 del Resolucin de la Superintendencia de
Banca y Seguros (SBS) nmero 14.354 de 30 de Octubre de 2009 sobre el

Crdito, las entidades financieras que empleen los mtodos basados en
calificaciones internas debern contar con pruebas de estrs (Stress Testing)
para utilizarlas en la evaluacin de la suficiencia de patrimonio efectivo. En
dichas pruebas se identificarn los posibles acontecimientos o cambios futuros
en las condiciones econmicas que pudieran afectar desfavorablemente a las
exposiciones crediticias de la empresa y se evaluar su capacidad para
afrontar dichos cambios. Deber prestarse especial atencin a los siguientes
supuestos:
Una
desaceleracin
de
la
actividad
econmica
general
en
determinados sectores econmicos.
Fenmenos naturales recurrentes.
Una modificacin significativa en los precios de mercado y/o tasas de

inters.
Deterioro en las condiciones de liquidez.
Incremento en el riesgo cambiario crediticio.

Asimismo, la empresa deber llevar a cabo pruebas de estrs relativas
al riesgo de crdito para evaluar el efecto de determinadas condiciones sobre

su requerimiento de patrimonio efectivo por dicho riesgo. Las empresas
valorarn posibles transiciones de sus grados de calificacin en los escenarios
utilizados para las pruebas de estrs. Las carteras sometidas a pruebas de
estrs debern concentrar la mayor parte de las exposiciones de la entidad.
La entidad financiera deber incluir las siguientes fuentes de
informacin:
469

Datos internos que permitan estimar la migracin de sus posiciones

hacia otros grados de calificacin.
Informacin sobre el efecto que tendra para los resultados de su modelo

un deterioro de las condiciones crediticias.
La frecuencia de las pruebas de estrs deber ser por lo menos
semestral, a menos que la coyuntura econmica merezca realizar dichas

pruebas en un plazo menor o cuando la Superintendencia lo requiera.
Las pruebas de estrs debern recoger al menos tres niveles de
intensidad de las variables sujetas al estrs. Para cada nivel de intensidad de
las pruebas de estrs, las empresas debern establecer los planes de
contingencia que debern incluir, por lo menos, ajustes en los criterios de
aceptacin de riesgo.
V.4. IMPLEMENTACIN
DEL MODELO DE NEGOCIO PARA LA
EDPYME
PROEMPRESA
En base a los principios descritos sobre los nuevos Acuerdos de Basilea

II en este captulo, y en virtud a los resultados obtenidos a lo largo de los
captulos precedentes en el trabajo de investigacin, a modo de resumen, la
figura V.5 nos muestra el esquema general de la metodologa que hemos
seguido en la implementacin del modelo de negocio para la EDPYME
Proempresa, como aplicacin del modelo de credit scoring.
470

Proceso de
concesin de un
microcrdito
Aplicacin
estadstica:
Modelo Logit
Variables
del cliente
Historial de
crdito
Variables de
la operacin
de crdito
Variables
del ciclo
econmico
Clasificacin
Probabilidad
de Default
(PD)
Limitaciones
historial
crediticio
Prdida
esperada
individual
Prdida
esperada
cartera
PROVISIN
Prdida
inesperada
individual
Prdida
inesperada
cartera
CAPITAL
Tipo de
inters de la
operacin
Rentabilidad
ajustada al
riesgo
LGD
Exposicin
ajustada
Figura V.5. Esquema general de la metodologa para el anlisis del riesgo de

microcrdito
V.4.1.
Simulacin 1
Para analizar el efecto que tiene un modelo de credit scoring en el marco

de la norma de Basilea II para una entidad de microfinanzas vamos a
desarrollar un caso prctico en el que la EDPYME Proempresa concede dos
microcrditos, uno de ellos a un cliente que en el mtodo estndar tiene rating
B- y otro crdito a un cliente que es de rating CCC. En primer lugar,
calcularemos sus respectivas probabilidades de incumplimiento, segn el
modelo scoring que hemos obtenido para la cartera de microcrditos de la
EDPYME Proempresa (aplicaremos las frmulas (29) y (30) a los datos
particulares de cada cliente). Los datos del caso son los siguientes:
471

Cliente 1: Rating B- (Moderada probabilidad de incumplimiento que se

puede ver afectada si cambia el escenario econmico financiero a una
situacin ms adversa).
Cliente 2: Rating CCC
(Existen factores que pueden aumentar
significativamente el riesgo de incumplimiento de los trminos pactados,

an en el escenario econmico corriente al momento de la evaluacin).
Crdito Microempresa = 1.010$; Plazo = 1 ao; Provisin =1%.

Precio crdito (tasa de inters igual en ambos en clientes) = 20,00%
anual.
Tasa LIBOR a un ao = Coste Fondos Ajenos= 5%.

Costes operativos = 10% y Tasa impositiva= 35%.
Objetivo de RORAC = 35%.
Tasa rentabilidad un Activo Libre de Riesgo (TLR) = 3% (Bono
Gobierno).
Aplicacin de la Tabla IRB Ponderaciones Riesgo Minorista (Otros).

Si sustituimos en la expresin del modelo de regresin logstica,
formulas (29) y (30), los datos de los dos clientes que solicitan un microcrdito,
obtenemos las correspondientes probabilidades de impago, segn la tabla V.4.
Tabla V.4: Probabilidad de impago para un cliente de rating B- y de rating CCC en la
EDPYME Proempresa.
472

V.4.2.
Clculo de la tasa de inters y rentabilidad ajustada al

riesgo
En segundo lugar, determinaremos la rentabilidad ajustada a riesgo

(RORAC) de ambos clientes considerados en la simulacin 1 bajo los principios
de la normativa Basilea I y en la de Basilea II en el modelo IRB avanzado. En
tercer lugar, ajustaremos las tasas de inters que la EDPYME debera aplicar a
cada cliente para que la rentabilidad ajustada a riesgo de ambos sea igual al
35%, que es el objetivo mnimo establecido por la institucin para este tipo de
operaciones.
En las tablas V.5 y V.6, se calcula la rentabilidad que obtiene la entidad
de microfinanzas con cada uno de los clientes en el marco de la normativa de
Basilea I y segn la norma de Basilea II. Adems, se calcula la tasa de inters
que debera negociarse con cada cliente para conseguir el objetivo de
rentabilidad ajustada a riesgo (RORAC), en base al proceso mostrado en la
figura V.6.
TIPO DE
INTERES DEL
CRDITO
COSTE DE LOS
FONDOS
PRIMA POR
RIESGO
COSTES DE
CONTRATACIN Y
DE SEGUIMIENTO
EL+UL
CARGO POR
PRDIDAS
ESPERADAS
CARGO POR
CAPITAL EN
RIESGO
EL
UL
Credit
Scoring
TASA DE
IMPAGO
PD
1 TASA DE
RECUPERACIN
CAPITAL EN
RIESGO
LGD
COSTE DE
CAPITAL
ROE (CAPM)
Figura V.6. Clculo de la tasa de inters ajustada al riesgo del cliente.

473

Se comprueba como en el marco de la norma sobre requerimientos de

capital de Basilea I ambos clientes aportan rentabilidades muy parecidas a la
EDPYME (cliente de rating B- un 44,29% y el de rating CCC un 46,01%). Sin
embargo, la aplicacin de la norma Basilea II mediante el mtodo IRB permite
discriminar en trminos de rentabilidad (cliente de rating B- un 22,40% y el
CCC un -34,32%). Esto se debe fundamentalmente a que la probabilidad de
impago es distinta en ambos clientes y por tanto, tambin es distinta la
ponderacin por riesgo, el activo ponderado por riesgo (RWA) y el importe de
capital propio que Proempresa tiene que destinar a cubrir el riesgo de cada
cliente.
Si el objetivo de la entidad es conseguir una Rentabilidad Ajustada a
Riesgo de Capital con clientes de microcrdito del 35%, deber fijar una tasa
de inters del 21,09% al microcrdito concedido al cliente de rating B- (por
tanto, se le aumenta en un 1,09% la tasa inicial del 20%). Adems, debe aplicar
una tasa de inters del 28,85% al microcrdito concedido al cliente de rating
CCC (aumentando en un 8,85% la tasa inicial del 20%).
474

Tabla V.5. Rentabilidad del cliente en Basilea I y Basilea II (antes del ajuste de tasas)
en la EDPYME Proempresa.
475

Tabla V.6. Rentabilidad del cliente en Basilea I y Basilea II (despus del ajuste de
tasas) en la EDPYME Proempresa.
476

V.4.3.
Procesos de Stress Testing
En esta seccin planteamos los resultados del anlisis de un proceso de

estrs que mida la variacin del requerimiento de capital en la cartera minorista
de la EDPYME Proempresa. El proceso comienza a partir de los resultados
obtenidos en el modelo de credit scoring construido en el captulo IV segn las
frmulas (29) y (30), en el que calculamos la PD asociada a cada uno de los
crditos que componen nuestra cartera.
Segn la metodologa planteada en el presente captulo, hemos podido
determinar la prdida esperada, la prdida inesperada y los requerimientos de
capital asociados al riesgo de cada cliente mediante un modelo IRB avanzado
segn los principios del nuevo Acuerdo de Basilea II. A partir de entonces,
podemos determinar el importe de las mencionadas variables para la cartera de
crditos de una IMF.
Mediante un proceso de Stress Testing, tratamos de calcular la variacin
del requerimiento de capital de la cartera de la EDPYME ante un escenario
macroeconmico adverso. Para ello, realizamos una simulacin planteando las
posibles repercusiones que dicho escenario tiene sobre las variables
significativas del modelo de credit scoring, para, posteriormente, volver a
calcular las PD teniendo en cuenta los cambios estimados en las variables
afectadas. Con las nuevas PD asociadas a cada crdito, calculamos
nuevamente las prdidas esperadas, las prdidas inesperadas y los
requerimientos de capital resultantes de este nuevo escenario simulado.
En
el
cuadro
V.2
mostramos
una
simulacin
de
escenario
macroeconmico adverso al que podra enfrentarse la EDPYME Proempresa.

Las variables significativas que podran ser afectadas, as como el impacto que
el escenario de crisis simulado podra tener sobre ellas, constituyen la
informacin presentada en el cuadro V.3.
477

Cuadro V.2. Escenario macroeconmico adverso para la EDPYME Proempresa.
Escenario macroeconmico:
La actividad econmica, medida como variacin anual del PIB, cae un

3% sobre la estimacin prevista.
La tasa de inters sube y se sita en el 4% anual
La tasa de inflacin sube un 3%
Las exportaciones descienden un 2% sobre las estimaciones previstas
El tipo de cambio se incrementa, alcanzando la cifra de 3,644 Nuevos
Soles por Dlar Americano.
Cuadro V.3. Influencia sobre las variables significativas. EDPYME Proempresa.
Influencia sobre las variables de los crditos de la cartera minorista:
La tasa variacin de la tasa de cambio (TC) se incrementa en un

2,62%.
El ratio de liquidez (R3) desciende un 2%.
A partir de esta informacin, la tabla V.7 nos muestra la variacin en

unidades monetarias y en porcentaje de la prdida esperada de la cartera, as
como del requerimiento de capital de sta, ante la simulacin de un escenario
macroeconmico adverso.
Tabla V.7. Resultados Stress Testing para la cartera de EDPYME Proempresa.
CARTERA MINORISTA
ESCENARIO
PD
PD Ponderada
PERDIDA ESPERADA (PE)
REQ. DE CAPITAL (K)
PE + K
ACTUAL (I)
50,82%
51,16%
902.430
253.151
1.155.582
STRESS TESTING (II)
61,62%
61,89%
1.091.797
237.749
1.329.546
DIFERENCIAS (II)- (I)
10,81%
10,73%
189.367
-15.402
173.965
TASA VARIACIN
21,27%
20,98%
20,98%
-6,08%
15,05%
478

V.5. IMPLEMENTACIN
DEL MODELO DE NEGOCIO PARA LA
CMAC
DE
TACNA
V.5.1.
Simulacin 2
Al igual que para el caso prctico diseado para la EDPME

Proempresa, para analizar el efecto que tiene un modelo de credit scoring en el
marco de la norma de Basilea II para la cartera de microcrditos de la CMAC
de Tacna, vamos a desarrollar un caso prctico en el que la CMAC concede
dos microcrditos, uno de ellos a un cliente que en el mtodo estndar tiene
rating BBB+ y otro crdito a un cliente que es de rating B-. En primer lugar,
calcularemos sus respectivas probabilidades de incumplimiento, segn el
modelo scoring que hemos obtenido para la cartera de microcrditos de la
CMAC de Tacna (aplicaremos las frmulas (32) y (33) a los datos particulares
de cada cliente). Los datos del caso son los siguientes:
Cliente 1: Rating BBB+ (Moderada probabilidad de incumplimiento).

Cliente 2: Rating B- (Moderada probabilidad de incumplimiento que se
puede ver afectada si cambia el escenario econmico financiero a una
situacin ms adversa).
Crdito Microempresa = 1.010$; Plazo = 1 ao; Provisin = 1% (Riesgo

Normal).
Precio crdito (tasa de inters igual en ambos en clientes) = 20,00%

anual.
Tasa LIBOR un ao = Coste Fondos Ajenos= 5%.

Costes operativos = 10%.
Tasa impositiva = 35%.
Rentabilidad ajusta a riesgo objetivo de la entidad con clientes (RORAC)
= 35%.
Remuneracin de la un Activo Libre de Riesgo (TLR)= 3% (Bono

Gobierno).
Aplicacin de la Tabla IRB Ponderaciones Riesgo Minorista (Otros).
479

Si sustituimos en la expresin del modelo de regresin logstica,

formulas (32) y (33), los datos particulares de los dos clientes que solicitan un
microcrdito, obtenemos las correspondientes probabilidades de impago,
segn la tabla V.8.
Tabla V8: Probabilidad de impago para un cliente de rating BBB+ y de rating B- en la
CMAC de Tacna.
V.5.2.
Clculo de la tasa de inters y rentabilidad ajustada al

riesgo
A continuacin, determinamos la rentabilidad ajustada a riesgo (RORAC)

de ambos clientes considerados en la simulacin 2 bajo los principios de la
normativa Basilea I y en la de Basilea II en el modelo IRB avanzado.
Finalmente, ajustamos las tasas de inters que la CMAC debera aplicar a cada
cliente para que la rentabilidad ajustada a riesgo de ambos sea igual al 35%,
que es el objetivo mnimo establecido por la institucin para este tipo de
operaciones.
Para ello, en las tablas V.9 y V.10 se calcula la rentabilidad que obtiene
la CMAC con cada uno de los clientes en el marco de la normativa de Basilea I
480

y segn la norma de Basilea II. Adems, se determina la tasa de inters que

debera negociarse con cada cliente para conseguir el objetivo de rentabilidad
ajustada a riesgo (RORAC).
Se comprueba como en el marco de la norma sobre requerimientos de
capital de Basilea I ambos clientes aportan rentabilidades muy parecidas a la
CMAC (cliente de rating BBB+ un 44,29% y el de rating B- un 46,01%). Sin
embargo, la aplicacin de la norma Basilea II mediante el mtodo IRB ya si
discrimina en trminos de rentabilidad (cliente de rating BBB+ un 145,68% y el
B- un 20,71%). Esto se debe fundamentalmente a que la probabilidad de
impago es distinta en ambos clientes y por tanto, tambin es distinta la
ponderacin por riesgo, el activo ponderado por riesgo (RWA) y el importe de
capital propio que la CMAC tiene que destinar a cubrir el riesgo de cada cliente.
Si el objetivo de la entidad es conseguir una rentabilidad ajustada a
riesgo (RORAC) con clientes de microcrdito del 35%, la CMAC deber:
Fijar una tasa de inters del 16,29% al microcrdito concedido al cliente

de rating BBB+ (por tanto se le reduce en un 3,71% la tasa inicial del
20%).
Fijar una tasa de inters del 21,35% al microcrdito concedido al cliente

de rating B- (por tanto se le aumenta en un 1,35% la tasa inicial del
20%).
481

Tabla V.9. Rentabilidad del cliente en Basilea I y Basilea II (antes del ajuste de tasas)
en la CMAC de Tacna.
482

Tabla V.10. Rentabilidad del cliente en Basilea I y Basilea II (despus del ajuste de
tasas) en la CMAC de Tacna.
V.5.3.
Procesos de Stress Testing
Al igual que para la entidad anterior, planteamos ahora los resultados

obtenidos en el anlisis de un proceso de estrs con objeto de medir la
483

variacin estimada del requerimiento de capital en la cartera minorista de la

CMAC de Tacna. En base a la expresin del modelo de scoring para esta
entidad, que viene determinada por las frmulas (32) y (33), se calcula la PD
asociada a cada uno de los crditos de la cartera.
A continuacin, calculamos la prdida esperada, la prdida inesperada y
los requerimientos de capital asociados al riesgo de cada cliente mediante un
modelo IRB avanzado segn los principios del nuevo Acuerdo de Basilea II. A
partir de entonces, podemos determinar el importe de las mencionadas
variables para la cartera de crditos de una IMF.
Mediante un proceso de Stress Testing, establecemos la variacin del
requerimiento de capital de la cartera de la EDPYME ante un escenario
macroeconmico adverso en el que, tal y como se observa en el cuadro V.4,
mostramos una simulacin de escenario macroeconmico adverso al que
podra enfrentarse la CMAC de Tacna. Posteriormente, en el cuadro V.5
presentamos las variables significativas afectadas en el modelo de scoring, as
como el impacto sobre las mismas debido a los cambios macroeconmicos.
Cuadro V.4. Escenario macroeconmico adverso para la CMAC de Tacna.
Escenario macroeconmico:
La actividad econmica, medida como variacin anual del PIB, cae un

3% sobre la estimacin prevista.
La tasa de inters sube y se sita en el 4% anual
La tasa de inflacin sube un 3%
Las exportaciones descienden un 2% sobre las estimaciones previstas
El tipo de cambio se incrementa, alcanzando la cifra de 3,644 Nuevos
Soles por Dlar Americano.
484

Cuadro V.5. Influencia sobre las variables significativas. CMAC de Tacna.
Influencia sobre las variables de las empresas de la cartera minorista:
La tasa variacin de la TI sube un 5%

La tasa de variacin del IGB se reduce un 3%
La CUOT_MORA sube un 4%
La tasa de variacin de la factura del recibo de la LUZ sube un 3%
A partir de esta informacin, con las nuevas PD asociadas a cada

crdito, calculamos nuevamente las prdidas esperadas, las prdidas
inesperadas y los requerimientos de capital resultantes de este nuevo
escenario simulado, que mostramos en la tabla V.11, junto con la tasa de
variacin de cada uno de ellos.
Tabla V.11. Resultados Stress Testing para la cartera de CMAC de Tacna.
CARTERA MINORISTA
ESCENARIO
PD
PD Ponderada
PERDIDA ESPERADA (PE)
REQ. DE CAPITAL (K)
PE + K
ACTUAL (I)
50,82%
51,16%
902.430
253.151
1.155.582
STRESS TESTING (II)
61,62%
61,89%
1.091.797
237.749
1.329.546
DIFERENCIAS (II)- (I)
10,81%
10,73%
189.367
-15.402
173.965
TASA VARIACIN
21,27%
20,98%
20,98%
-6,08%
15,05%
V.6. CONSIDERACIONES FINALES

Basilea II ha supuesto un importante avance respecto a Basilea I en la
medicin y evaluacin del riesgo de crdito. En el modelo IRB bsico la entidad
solo estima probabilidades de impago (PD), siendo el supervisor el que
proporciona los valores del resto de las variables. En la metodologa avanzada,
es la entidad financiera la que estime cada una de las variables.
Hemos comprobado como la integracin de Basilea II en la gestin del
riesgo de crdito en las IMFs supervisadas, mediante mtodos IRB frente a los
mtodos estndar, permite discriminacin de tasas de inters entre clientes,
485

derivado esto de sus diferentes probabilidades de impago o distinto rating, lo

que refuerza la necesidad de tener que disear modelos de credit scoring para
sus carteras de microcrditos.
Por otra parte, podemos analizar tambin las repercusiones de un
escenario macroeconmico adverso en las prdidas esperadas, prdidas
inesperadas y en los requerimientos de capital de una cartera de microcrditos.
Para concluir, hay que tener en cuenta que todo este proceso de
aplicacin de las normas internacionales sobre requerimientos de capital en
IMFs sujetas a supervisin puede convertirse en un factor de riesgo para la
viabilidad y solvencia futura de las mismas por dos motivos. Esto se debe a que
aquellas entidades de microfinanzas con modelos estndar de gestin del
riesgo de crdito tengan que destinar mayor cantidad de capital que las
entidades bancarias que gestionen la cartera a travs de un modelo IRB, lo que
supone una rentabilidad ajustada riesgo ms reducida para las IMFs y por
tanto, tengan que elevar la tasa de inters de los microcrditos. Este hecho
evidentemente penalizara aun ms al microempresario e ira en contra de la
misin y objetivos de las entidades de microfinanzas. El segundo aspecto a
considerar es que podemos asistir en el medio plazo a un trasvase de clientes
con rating elevado de las entidades de microfinanzas a las entidades bancarias
(que cuenten con unidades de microcrdito), ya que en estas ltimas el
requerimiento de capital es menor y tambin la tasa de inters que se aplica a
las operaciones. Pero la situacin opuesta tambin puede darse, es decir, que
clientes de bajo rating abandonen la gran banca y se incorporen a la cartera de
la IMFs que es menos costosa en tasas de inters porque mantiene sistemas
estndar menos exigentes en requerimientos de capital.
486
BLOQUE 3:
CONCLUSIONES
CONCLUSIONES
CONCLUSIONES
490
CONCLUSIONES
Dedicamos este apartado a presentar las principales conclusiones

obtenidas en el presente trabajo, relativas al marco terico planteado y a la
investigacin emprica. Para ello, seguiremos el mismo orden en el que fueron
planteados los objetivos de la Tesis Doctoral, indicando una serie de
reflexiones que, a nuestro juicio, se derivan de cada uno de ellos.
OBJETIVO 1: Contextualizar con detalle el negocio de las microfinanzas,

centrndonos fundamentalmente en los aspectos y caractersticas que definen
la funcin social, econmica y financiera del microcrdito, diferencindolo del
crdito convencional de la banca comercial.
Puede plantearse un objetivo social para las microfinanzas, que

consiste en facilitar el acceso a los servicios financieros de ahorro y
crdito a las personas ms desfavorecidas, es decir, a las personas
de escasos recursos. An as, las microfinanzas tambin son vlidas
para aquellas personas que, incluso no viviendo en condiciones de
pobreza extrema, desean prosperar y seguir mejorando sus
condiciones de vida.
Las microfinanzas tienen un doble origen que consideramos

coetneo. De una parte, Muhammad Yunus, Premio Nobel de la Paz
en 2006, hace aproximadamente unos 38 aos, fundando un banco
para suministrar recursos financieros a las clases sociales ms
necesitadas en Bangladesh. De otra, algunas ONGs ya comenzaban
a
desempear
actividades
microfinancieras
en
el
continente
Sudamericano.
Destacamos la importancia de un marco jurdico y normativo para las

microfinanzas en los sistemas financieros, y entendemos que deba
ser diferente segn las caractersticas sociales, econmicas y
financieras del pas o regin en cuestin. As, los Estados o
Gobiernos han de velar por la consolidacin de un marco jurdico
491
CONCLUSIONES
adecuado a las necesidades de las IMFs encargadas de ofrecer

servicios de ahorro y crdito a clientes de bajos ingresos,
fortaleciendo, en su empeo, el sistema financiero de la nacin. Para
ello, los Gobiernos han de intervenir debidamente mediante el uso de
instrumentos adecuados para la actividad microfinanciera, dado que
las herramientas de las finanzas tradicionales tienen una escasa
aplicabilidad en la prctica de las microfinanzas.
Las
entidades
encargadas
de
llevar
cabo
la
actividad
microfinanciera son las IMFs. Dichas entidades, surgieron como

Organizaciones no Gubernamentales, actuando como instituciones
financieras sin fines de lucro. A partir de entonces, stas fueron
evolucionando y, en muchos casos, obligadas a transformar su forma
societaria hacia entidades financieras formalizadas para continuar
con la actividad financiera desempeada. En la actualidad,
clasificamos las IMFs en dos grandes grupos. El primero de ellos,
comprende las ONGs an no formalizadas como entidades de crdito
y, el segundo, las instituciones financieras que pueden ser o bien,
entidades especializadas en microcrditos, o bien, los bancos
comerciales con supervisin bancaria.
Observamos diferencias muy notables en el ejercicio de las

microfinanzas atendiendo a los distintos tipos de instituciones, las
metodologas y operativas empleadas, los enfoques o, incluso, la
regin geogrfica donde se llevan a cabo. Por estos motivos,
entendemos que se hace necesaria la labor de contextualizacin en
funcin de las variables comentadas, a la hora de emprender
cualquier tipo de anlisis o investigacin.
Conviene
resaltar
las
diferencias
contempladas
entre
las
caractersticas del microcrdito y las del crdito bancario. Teniendo

en cuenta que ambos plantean diferentes metodologas de concesin
de prstamo al ir enfocadas a distintos tipos de clientes, el
492
CONCLUSIONES
microcrdito
se
destina
la
creacin
financiacin
de
microempresas, mientras que el crdito bancario se concede a las

empresas.
La crisis financiera, el nuevo orden econmico internacional y el

proceso
de
globalizacin
estn
motivando
que
los
bancos
comerciales irrumpan en el sector de la pequea y micro empresa,

mbito natural de la industria microfinanciera peruana. Sin embargo,
las dificultades de acceso a la poblacin objetivo del sector provoca
que no puedan competir con las IMFs en la oferta de microcrditos.
Por otra parte, las conclusiones ms destacadas del Simposio
Internacional Microfinanzas y Construccin de Paz de 2009
celebrado en Cali (Colombia), nos sugieren que la crisis financiera
global afectar al crecimiento de las microfinanzas en los pases en
desarrollo y obligar a las entidades del sector a dotarse de mejores
medios tcnicos y humanos para brindar servicios con mayores
niveles de especializacin.
OBJETIVO 2: Proceder a una revisin terica de las metodologas y modelos

de credit scoring en la banca comercial y en las microfinanzas, con objeto de
establecer diferencias entre ellos.
En la lnea de las conclusiones de Allen et al (2004), los modelos de

credit scoring diseados para carteras bancarias de crditos, han
venido utilizando metodologas y variables explicativas similares en
los pases desarrollados, fundamentalmente, ratios obtenidos a partir
de los estados financieros. No obstante, puesto que la evaluacin de
personas fsicas supera a la de las grandes compaas, los modelos
de scoring estn considerando un mayor nmero de variables
socioeconmicas y macroeconmicas en detrimento de los ratios.
493
CONCLUSIONES
Tras una revisin de la bibliografa de los modelos de credit scoring,

concluimos que no existe una metodologa ptima para todas las
carteras de crditos, sino que la misma ha de ser seleccionada
segn la experiencia reciente de cada entidad financiera analizada,
donde un estudio previo de la seleccin del modelo adecuado ayude
en la toma de decisiones. En este sentido, puede optarse por
tcnicas paramtricas y tcnicas no paramtricas para el diseo de la
aplicacin de credit scoring.
La revisin de la literatura especializada nos indica que, a pesar del

incremento del uso de las tcnicas no paramtricas, an predominan
los enfoques paramtricos, dado que las metodologas estadsticas
muestran resultados similares. Por tanto, siguen emplendose
aquellas tcnicas cuyo funcionamiento e interpretacin son ms
sencillos en comparacin con los enfoques ms sofisticados.
Una revisin bibliogrfica de la literatura sobre credit scoring para

IMFs nos ha permitido comprobar que no existen muchos trabajos
sobre el tema. Aproximadamente hay una decena de publicaciones
donde se han diseado modelos de scoring para medir el riesgo de
crdito de estas entidades, lo que supone que nos encontramos en
un momento en el que an queda mucho margen de investigacin en
esta lnea. A este respecto, son los modelos de Regresin Logstica
los ms utilizados en este sector.
Consideramos la Regresin Logstica Binaria como la tcnica a

emplear en la construccin de los modelos de credit scoring para las
dos carteras de microcrditos objeto de la investigacin. Los
principales motivos que justifican esta decisin son:
Mejor tratamiento de las variables cualitativas consideradas

como categricas o politmicas.
494
CONCLUSIONES
Se trata de una metodologa que clasifica a los clientes segn

probabilidades de pertenencia a cada uno de los grupos
definidos en la variable dependiente y,
Al formar parte de las tcnicas paramtricas de credit scoring,

la comprensin del proceso y de los resultados es mucho
mayor que en las tcnicas no paramtricas.
OBJETIVO 3: Analizar las limitaciones en la elaboracin y diseo de un modelo

de credit scoring para las microfinanzas.
El diseo de modelos de credit scoring para las IMFs implica una

serie de limitaciones importantes y desventajas que incrementan la
dificultad para llegar a unos resultados lgicos y razonables. En
nuestro caso, hemos podido constatar las mencionadas por la
literatura especializada, adems de algunas otras.
La principal y ms importante limitacin con la que nos hemos

encontrado est en los historiales de crdito de las IMFs analizadas.
La gestin de riesgos en el negocio de las IMFs se ha caracterizado
por disponer de historiales de crditos irregulares, incompletos y con
un nmero escaso de observaciones de microcrditos. Por esta
razn, si bien las dos muestras objeto de la investigacin eran
inicialmente de un tamao grande en cuanto al nmero de crditos
que
las
integran,
esta
restriccin
nos
oblig
reducir
considerablemente el tamao muestral definitivo para la estimacin

del modelo y para su posterior validacin. En cualquier caso,
pensamos que las muestras resultantes contienen un nmero de
crditos adecuado para continuar siendo representativas de la
poblacin.
Una segunda limitacin recae sobre la figura del analista de crdito.

Al contrario de lo que normalmente ocurre en la banca comercial, la
495
CONCLUSIONES
figura del analista de crdito desempea un papel fundamental a la

hora de captar y recoger la informacin para los historiales de
crdito. En este sentido, el analista se encarga de recabar la
informacin personal y cualitativa del cliente, as como de realizar la
inspeccin econmica y financiera en la microempresa o en el hogar
del cliente. El problema surge por el hecho de que el proceso
descrito tiene grandes probabilidades de estar condicionado por la
opinin subjetiva del analista de crdito.
La tercera y ltima limitacin en la construccin de los modelos de

scoring para microfinanzas hace referencia a los sistemas de
informacin gerencial de las IMFs. A pesar de que el desarrollo
tecnolgico ha llegado con cierto retraso en las IMFs, la informacin
obtenida por el analista de crdito debe ser registrada correctamente
en el sistema de informacin de la entidad. Esto supone la
dedicacin completa de un trabajador o programador al desempeo
de esta funcin. Sin embargo, la probabilidad de cometer errores en
esta tarea, o la no introduccin de informacin en el sistema en un
tiempo razonable, constituye un motivo por el cual el modelo de
scoring diseado carezca de significado.
OBJETIVO 4: Describir el mtodo de evaluacin y concesin del microcrdito

como prctica del mercado en el sistema financiero peruano.
Un aspecto importante ha sido definir las fases del proceso de

concesin de un microcrdito en el seno de la institucin de
microfinanzas, con la intencin de dotarnos de una metodologa para
el diseo de los modelos de credit scoring. Planteando el proceso de
evaluacin y concesin del microcrdito como base del anlisis
hemos logrado:
En primer lugar, identificar a partir de la informacin contenida

en los historiales de crdito, cules son las variables
496
CONCLUSIONES
explicativas a emplear en la construccin de las aplicaciones

de credit scoring.
En segundo lugar, nos ha servido de gua y mtodo para la

realizacin del modelo estadstico, en lo referente a la
inclusin de las variables independientes segn han ido
interviniendo en las fases especficas de la concesin del
microcrdito.
En virtud del trabajo desarrollado por Alvarado (2001), en el que se

describe el mtodo de concesin del crdito y manuales de
procedimientos para el colectivo de las entidades de microfinanzas
peruanas, concretamente para las CMACs y EDPYMEs, hemos
planteado un procedimiento de evaluacin y concesin del
microcrdito segn los manuales de procedimientos recabados en
las IMFs objeto de nuestro anlisis. En este sentido, hemos podido
comprobar que los procesos descritos por Alvarado (2001) y los
recabados, guardan un alto grado de similitud. Por tanto, estamos en
disposicin de afirmar que el proceso de evaluacin y concesin del
microcrdito que describimos en este trabajo pueda tratarse de la
prctica del mercado en el sistema financiero de la Repblica del
Per.
OBJETIVO 5: Proponer un modelo de credit scoring que evale y mida el

riesgo de impago en dos entidades de microfinanzas supervisadas en el
sistema financiero de la Repblica del Per, salvando las importantes
limitaciones existentes en este empeo y basndonos en el proceso de
En el trabajo que presentamos, hemos diseado un modelo de credit

scoring para la cartera de microcrditos de la EDPYME Proempresa,
y otro para la cartera de microcrditos de la CMAC de Tacna. Ambas
497
CONCLUSIONES
son entidades de microfinanzas supervisadas en el sistema

financiero de la Republica del Per.
A pesar de que el tamao muestral de las carteras de microcrditos

analizadas se ha visto reducido por las limitaciones en los historiales
de crditos, los crditos considerados en las dos muestras
corresponden a microempresas y pymes. Son crditos concedidos a
personas fsicas o jurdicas para la financiacin de actividades de
produccin, comercio o prestacin de servicios y cuyos montantes se
encuentran dentro de los lmites legales establecidos por la
normativa SBS para microempresas y pymes en el periodo de
estudio.
Destacamos la importancia de definir correctamente la variable

dependiente de los modelos de credit scoring como una variable
dicotmica en la que la presencia del valor cero (0) es indicativa de
que el cliente ha reembolsado adecuadamente las cuotas del
microcrdito, y uno (1) cuando el cliente deja de atender, al menos,
alguna de las cuotas, suponiendo ello un coste aadido para la
organizacin. Conviene mencionar que la definicin de impago se ha
realizado en virtud de los criterios establecidos por las entidades de
rating que operan en Latinoamrica, en funcin de la literatura
especializada y segn las sugerencias de la gerencia de las IMFs.
Condicionada al proceso de evaluacin y concesin del microcrdito,

la seleccin de variables explicativas se ha realizado teniendo en
cuenta la informacin susceptible de incrementar o reducir la
probabilidad de impago del cliente. De este modo, las variables
independientes consideradas pueden ser clasificadas en tres
grandes bloques: variables del cliente (cualitativas y cuantitativas),
variables del crdito o de la operacin de prstamo y, por ltimo,
variables macroeconmicas.
498
CONCLUSIONES
La
consideracin
de
variables
que
incorporan
la
realidad
macroeconmica es, a nuestro entender, un aspecto importante en

esta investigacin ya que la base de datos inicial de la cartera no las
contemplaba, y su incorporacin mejor de forma significativa los
resultados del modelo.
Los resultados obtenidos del modelo de credit scoring de la EDPYME

Proempresa nos arroja un porcentaje correcto en la clasificacin de
crditos del 78,3%. Por otra parte, en el modelo de credit scoring de
la CMAC de Tacna hemos logrado clasificar correctamente el 93,3%
de los crditos empleados para construir el modelo. Con la aplicacin
diseada para la CMAC de Tacna, alcanzamos un elevado
porcentaje correcto de clasificacin.
Las variables explicativas consideradas en el modelo credit scoring

elaborado para la EDPYME Proempresa han sido nueve, y doce las
contempladas para la CMAC de Tacna. Se ha podido comprobar que
todas ellas se encuentran distribuidas en casi todas las fases del
proceso de evaluacin y concesin del microcrdito. Sea como fuere,
los factores explicativos del riesgo de impago de un cliente de
microcrdito concuerdan con los analizados en la revisin de la
literatura correspondiente, destacando una gran importancia tanto de
las variables extradas de la revisin de las Centrales de Riesgos e
historiales de crdito, como de las variables macroeconmicas
resultantes de la consideracin de los factores que describen el
estado de la economa en la Repblica del Per.
Respecto a la valoracin de los modelos de credit scoring obtenidos

concluimos que las pruebas que determinan la correcta bondad del
ajuste y los correspondientes estimadores propios de la tcnica
estadstica empleada, son indicativos de que los modelos refieren
globalmente un ajuste aceptable en Regresin Logstica.
499
CONCLUSIONES
Lo concluido respecto a los modelos de scoring diseados queda

corroborado por porcentajes correctos de clasificacin similares en
sendos procesos de validacin de los modelos. En este sentido, la
validacin del modelo de credit scoring para la EDPYME Proempresa
refiere un 77,70% en la clasificacin correcta de microcrditos,
mientras que la misma operacin para el modelo de credit scoring en
la CMAC de Tacna arroja un resultado del 92,82% en el porcentaje
correcto de clasificacin.
OBJETIVO 6: Proponer un Mtodo Interno Basado en Calificaciones Internas

segn el Reglamento para el Requerimiento de Patrimonio Efectivo por Riesgo
de Crdito, normativa que regula la propuesta sobre riesgos bancarios de los
nuevos acuerdos de Basilea II.
El nuevo acuerdo del Comit de Basilea (Basilea II) supone un

avance respecto a Basilea I en lo que a medicin y control del riesgo
de crdito se refiere. En relacin con esta investigacin, el principal
valor aadido se encuentra en el reconocimiento de los modelos
internos de evaluacin del riesgo de crdito para cada institucin
financiera.
El mtodo estndar propuesto por Basilea II supone una revisin

sobre el modelo desarrollado por Basilea I. Sin embargo, como
principal novedad se propone la utilizacin del rating de las agencias
de calificacin como variable en la aplicacin de la nueva normativa.
En el modelo IRB bsico la entidad solo estima probabilidades de
impago (PD), siendo el supervisor el que proporciona los valores del
resto de las variables (LGD y EAD). En la metodologa IRB
avanzada, es la entidad financiera la que estime cada una de las
variables.
500
CONCLUSIONES
En el clculo de la PD es conveniente tener en cuenta los ciclos

econmicos, tal y como presentamos en el trabajo, demostrando que
las probabilidades de impago son sensibles a los cambios
econmicos, en especial, a los considerados en los escenarios
macroeconmicos adversos. Existen periodos crticos como las
etapas de desaceleracin y recesin en los que la calidad de las
carteras de microcrditos se deteriora notablemente.
La estimacin de las tasas de recuperacin como variables

probabilsticas permite un clculo ms preciso de las prdidas
esperadas e inesperadas. A este respecto, podemos decir que existe
una amplia discusin sobre las tasas de descuento apropiadas para
actualizar los importes de las recuperaciones.
Hemos comprobado como la integracin de Basilea II en la gestin

del riesgo de crdito en las IMFs supervisadas, mediante mtodos
IRB frente a los mtodos estndar, permite discriminacin de tasas
de
inters
entre
clientes,
derivado
esto
de
sus
diferentes
probabilidades de impago o distinto rating, lo que refuerza la

necesidad de tener que disear modelos de credit scoring para sus
carteras de microcrditos.
En virtud de los resultados, reflexiones y conclusiones obtenidas en este
trabajo de investigacin, concluimos que la calificacin estadstica puede
erigirse como una herramienta capaz de decidir sobre la conveniencia o no de
conceder un microcrdito, y ms an consiguiendo unos resultados
satisfactorios en el planteamiento de un modelo de gestin del riesgo de crdito
en las Instituciones de Microfinanzas bajo los acuerdos de Basilea II. Sin
embargo, no hemos de desechar, en ningn caso, el conocimiento personal del
cliente por los analistas de crdito, que suplementan al conjunto de
herramientas estadsticas disponibles, pues ambos no son sustitutivos sino
todo lo contrario, complementarios.
501
CONCLUSIONES
502
BIBLIOGRAFA
BIBLIOGRAFA
504
BIBLIOGRAFA
ABDOU, H. A. (2009) An evaluating of alternative scoring models in private

banking Journal of Risk Finance. Vol. 10. N 1. pp. 38-53.
ABDOU, H. A. Y POINTON, J. (2009) Credit scoring and decision making in
Egyptian public sector banks Journal of Managerial Finance. Vol. 5.
N 4. pp. 301-406.
ALLEN, L.; DELONG, G. Y SAUNDERS, A. (2004), "Issues in the credit risk
modeling of retail markets". Journal of Banking and Finance. N. 28.
pp. 727-752.
ALTMAN, E. I. (1968), "Financial Ratios, Discriminant Analysis and the
Prediction of Corporate Bankruptcy". Journal of Finance. Vol. 23, N.
4. pp. 589-609.
ALTMAN, E. I. Y SAUNDERS, A. (1998) Credit risk measurement:
Development over the last 20 years. Journal of Banking and
Finance. N. 21. pp. 1721-1742.
ALTMAN, E. I. Y SAUNDERS, A (2001). An Analysis and Critique of the BIS
Proposal on Capital Adequacy and Ratings. Journal of Banking and
Finance, N 25. pp. 25-46.
ALVARADO, G. (2001), "Programas de microcrdito rural para pequeos
negocios en Piura: Eficiencia y empoderamiento". Proyecto breve
abierto de CIES. Consorcio de Investigacin Econmica y Social.
APILADO, V.; WARNER, D. Y DAUTEN, J. (1974) Evaluative Techniques in
Consumer Finance-Experimental Results and Policy Implications for
Financial Institutions Journal of Financial and Quantitative Analysis.
pp. 275-283.
ARMINGER, G.; ENACHE, D. Y BONNE, T. (1997) Analyzing Credit Risk
Data: A Comparison of Logistic Discrimination, Classification Tree
505
BIBLIOGRAFA
Analysis, and Feedforward Networks Computational Statistics, Vol.

12, No. 2, pp. 293-310.
ARZBACH M., DURN A., BAZ B. (2005) Regulacin y Supervisin de
Cooperativas de Ahorro y Crdito en Amrica latina y el
Caribe.Confederacin Alemana de Cooperativas (DGRV). Nov.
2005. Sao Pablo, Brasil. Pags. 89. Disponible en: www.dgrv.org.
AVERY, R. B.; CALEM, P. S. Y CANNER, G. B. (2004) Consumer credit
scoring: Do situational circumstances matter?. Journal of Banking
and Finance. N. 28. pp. 835-856.
AYALA, R. (2005) Informe sobre la Evolucin de la Inflacin en los Pases
Miembros de la Comunidad Andina (CAN) durante 2004. FLAR
Estudios Econmicos. Disponible en:
https://www.flar.net/documentos/348_DocEvolucionInflacion2004-Ayala.pdf
BAESEN, B.; VAN GESTEL, T.; VIAENE, S.; STEPANOVA, M.; SUYKENS, J.
Y
VANTHIENEN,
J.
(2003)
Benchmarking
state-of-the-art
classification algorithms for credit scoring. Journal of Operational

Research Society. N. 54. pp. 627-635.
BAJGIER, S.M. Y HILL, A.V. (1982) An experimental comparison of statistical
and linear programming approaches to the discriminate problem".
Decision Sciences. N 13, pp. 604-618.
BANDYOPADHYAY, A. (2008) Credit Risk Models for Managing Bank's
Agricultural Loan Portfolio. The Icfai University Journal of Financial
Risk Management, Vol. 5, No. 4, pp. 86-102.
BANCO CENTRAL DE LA RESERVA DEL PER (2007). Nota Informativa N
024-2007-BCRP.
506
BIBLIOGRAFA
BANEGAS
OCHOVO,
R.;
SNCHEZ-MAYORAL
GARCA-CALVO,
F.;
NEVADO PEA, D. (2005) Anlisis por ratios de los estados

contables financieros : (Anlisis externo) Ed. Civitas Ediciones,S.L.
Madrid (Espaa). 416 pginas.
BCBS (2003). Basel Committee on Banking Supervision. The New Basel
Capital Accord. Consultative Document (April).
BCBS (2004). Basel Committee on Banking Supervision. International
Convergence of Capital Measurement and Capital Standards: A
Revised Framework (June).
BCBS (2005). Basel Committee on Banking Supervision. An Explanatory Note
on the Basel II IRB Risk Weight Function.
BELLOTTI, T. Y CROOK, J. (2007) Credit scoring with macroeconomic
variables using survival analysis". Journal of the Operational
Research Society. Vol. 60, N 12, pp. 1699-1707.
BERENBACH, S. Y GUZMN, D. (1993): La experiencia con los grupos
solidarios en el mundo. Monografa. Accin Internacional, Cambridge,
Massachusetts.
BERGER, A.N.; FRAME, W.S. Y MILLER, N.H. (2002) Credit Scoring and the
Availability, Price, and Risk of Small Business Credit FRB of Atlanta
Working Paper No. 2002-6, FEDS Working Paper No. 2002-26.
BERRY, A. (2003) Respuestas de poltica a los problemas de pobreza y
desigualdad en el mundo en desarrollo. Revista de la Cepal. N 79:
pp. 101-115.
BESSIS, J. (2002) Risk Management in Banking. John Wiley & Sons; 2 edition.
Chichester.
507
BIBLIOGRAFA
BIERMAN, H. Y HAUSEMAN, W. (1970) The Credit Granting decisin.

Management Science. N 16. pp. 519-532.
BOJ, E.; CLARAMUNT, M. M. Y FORTIANA, J. (2009a) Criterios de seleccin
de modelo en credit scoring. Aplicacin del anlisis discriminante
basado en distancias. Publicaciones del Instituto de Actuarios
Espaoles.
BOJ, E.; CLARAMUNT, M. M.; GRAN, A. Y FORTIANA, J. (2009b) Projection
error term in Gowers interpolation. Jorunal of Statistical Planning
and Inference. N 139. pp. 1867-1878.
BONFIM, D. (2009) Credit risk drivers: Evaluating the contribution of firm level
information and of macroeconomic dynamics. Journal of Banking
and Finance. N. 33. pp. 281-299.
BOYES, W. J.; HOFFMAN, D. L. Y LOW, S. A. (1989) A econometric analysis
of the bank credit scoring problem. Journal of Econometrics. N. 40.
pp. 3-14.
BOYLE, M.; CROOK, J. N.; HAMILTON, R. Y THOMAS, L. C. (1992) Methods
for credit scoring applied to slow payers. En THOMAS, L. C.;
CROOK, J. N. Y EDELMAN, D. B. (eds.): Credit Scoring and Credit
Control. pp. 75-90. Oxford. Clarendon.
BREIMAN, L.; FRIEDMAN, J. H.; OLSHEN, R. A. Y STONE, C. J. (1984)
Classification and Regression Trees. Belmont: Wadsworth.
CAOUETTE, J. B., ALTMAN, E. I., NARAYANAN, P (1998) Managing Credit
Risk. John Wiley & Sons; 2 edition. New York.
CARTER, C. Y CARLETT, J. (1987) Assessing credit card applications using
machine learning. IEEE Expert. Fall. pp. 71-79.
508
BIBLIOGRAFA
CHARNES, A.; COOPER, W.W. Y RHODES, E. (1997) Measuring the

efficiency of decision making units. European Journal of Operational
Research, Vol. 2, N 6, pp. 429-444.
CHEUNG, S. (1996) Provincial credit ratings in Canada: An ordered probit
analysis. Working Paper. Bank of Canada.
CHESTON, S. Y KUHN, L. (2002) Empoderamiento de la mujer a travs de las
microfinanzas. Documento para la Cumbre de Microcrdito, Nueva
York.
CHOO, E.U. Y WEDLEY, W.C. (1985) Optimal criterion weights in repetitive
multicriteria decision making". Journal of the Operational Research
Society. N 36, pp. 983-992.
CHUANG, C-L. Y LIN, R-H. (2009) Constructing a reassigning credit scoring
model. Expert Systems with Applications. Vol. 36. pp. 1686-1694.
CHUMPITAZ C.A. (2006) El Pass-through de Tasas de Inters en el Per: El
Enfoque de Datos de Panel Dinmico. XXIV Encuentro de
Economistas BCRP.
COFFMAN, J. Y. (1986) The proper role of tree analysis in forecasting the risk
behaviour of borrowers. MDS Reports 3,4,7. Management Decision
Systems, Atlanta.
CONDE, C. (2000) ONG e instituciones microfinancieras en Mxico.
Documentos de Discusin sobre el Tercer Sector. N 2: pp. 1-35.
COTLER, P. Y RODRGUEZ-OREGGIA, E. (2008) Rentabilidad y tamao de
prstamo de las microfinanzas en Mxico. Un estudio de caso.
Economa Mexicana. Nueva poca, vol. XVII, N 2. pp. 149-169.
509
BIBLIOGRAFA
CROOK, J. N.; HAMILTON, R. Y THOMAS, L. C. (1992) A comparison of

discriminations under alternative definitions of credit default. En L. C.
THOMAS, J.N. CROOK Y D. B. EDELMAN (Eds.), Credit Scoring and
Credit Control (pp. 217 245). Oxford: Oxford University Press.
CUADRAS, C. M. (1989) Distance analysis in discrimination and classification
using both continuous and categorical variables. En: DODGE (Ed.),
Statistical Data Analysis and Inference, pp. 459-473. Elsevier Science
Publishers B. V. Amsterdam.
CUADRAS, C. M. (1992) Some examples of distance based discrimination.
Biometrical Letters, N 29, pp. 3-20.
CUADRAS, C. M.; FORTIANA, J. Y OLIVA, F. (1997) The proximity of a
individual to a population with applications in discriminant analysis.
Journal of Classification, N 14, pp. 117-136.
DAVIS, R. H.; EDELMAN, D. B. Y GAMMERMAN, A. J. (1992) Machinelearning
algorithms
for
credit-card
applications
Journal
of
Management Mathematics. Vol. 4. N 1. pp. 43-51.

DE MIGUEL, J. C.; MIRANDA, F.; PALLAS, J. Y PERAZA, C. (2003) La
medicin del riesgo de crdito y el nuevo Acuerdo de Capital del
Comit de Basilea XI Jornadas de ASEPUMA (Asociacin Espaola
de Profesores Universitarios de Matemticas para la Economa y
Empresa). Oviedo.
DELFINER, M.; GMEZ, A. Y PERN, S. (2009) Las polticas pblicas
orientadas a las microfinanzas en Sudamrica. Documentos
Tcnicos del Banco Central de la Repblica Argentina. Disponible en:
http://www.bcra.gov.ar/pdfs/invest/Pol%C3%ADticas_publicas_MF.pdf
DELGADO, A. (1998) Inteligencia artificial y mini robots. Ecoe Ediciones.
Santa F de Bogot.
510
BIBLIOGRAFA
DESAI, V. S.; CROOK, J. N. Y OVERSTREET, G. A. (1996) Credit scoring

models in the credit union environment using neural network and
genetic algorithms European Journal of Operational Research. N
95. pp. 24-37.
DESAI, V. S.; CONVAY, D. G.; CROOK, J. N. Y OVERSTREET, G. A. (1997)
Credit scoring models in the credit union environment using neural
network and genetic algorithms IMA Journal of Mathematics Applied
in Business and Industry. N 8. pp. 323-346.
DIALLO, B. (2006) Un modele de 'credit scoring' pour une institution de
microfinance Africaine: le cas de Nyesigiso au Mali. Mimeo. Doc. 47.
DIMITRAS, A., ZANAKIS, S. AND ZOPOUNINIS, C. (1996) A survey of
business failures with an emphasis on prediction methods and
industrial applications European Journal of Operational Research.
No. 90. pp. 487-513.
DINH, T. Y KLEIMEIER, S. (2007) A credit scoring model for Vietnam's retail
banking market. International Review of Financial Analysis. N 16(5).
pp. 471-495.
EISENBEIS, R. A.. (1978) Problems in applying discriminant anlisis in credit
scoring models. Journal of Banking and Finance. N 2. pp. 205-219.
ESTEVE, E. M. (2007) Un modelo de credit scoring basado en el conocimiento
de la aplicacin de Basilea II y su papel innovador en el sector
bancario. En: Decisiones basadas en el conocimiento y en el papel
social de la empresa: XX Congreso anual de AEDEM, Vol. 2, 2007
(Comunicaciones), pp. 52
511
BIBLIOGRAFA
FALBO, P. (1991) Credit-Scoring by enlarged discriminant models. OMEGA

The International Journal of Management Science. Vol. 19, N 4. pp.
275-289.
FALKENSTEIN, E. G.; BORAL, A. Y CARTY, L. V. (2000) RiskCalcTM for
Private Companies: Moody's Default Model. Moody's Special
Comment.
FERNNDEZ, F. (2003): De qu manera interactan las IMFs y el Estado
para conseguir cambios en el Marco Regulatorio?. Experiencia en
Ecuador. Proyecto SALTO de Fortalecimiento de las Microfinanzas y
Reformas Macro Econmicas. Presentado en VI Foro Interamericano
de la Microempresa.
FISHER, R. A. (1936) The use of multiple measurements in taxonomic
problems. Annals of Eugenics, Vol. 7, N 2. pp. 179-188.
FREED, N. y GLOVER, F. (1981a) A linear programming approach to the
discriminant problem. Decision Sciences, N12, pp. 68-74.
FREED, N. y GLOVER, F. (1981b) Simple but powerful goal programming
formulations for the discriminant problem.
European Journal
Operational Research, N7, pp. 44-60.

FRIEDMAN
J.
H.
(1977)
recursive
partitioning
decision
rule
for
nonparametric classification. IEEE Transaction on Computer. pp.

404-509.
GARDNER, M. J., MILLS, D. L. (1989) "Evaluating the likelihood of default on
delinquent loans", Financial Management, Vol. 18 pp.55-63
GLOVER, F.; KEENE, S. Y DUEA, B. (1988) A new class of models for the
discriminant problem". Decision Sciences. N 19, pp. 269-280.
512
BIBLIOGRAFA
GONZALEZ-VEGA, C. (1998) El papel del Estado en la promocin de servicios

financieros rurales.
Economics and Sociology. Occasional Paper
No. 2529.
GREENE W. H. (1992). "A statistical model for credit scoring," Working Papers
92-29. New York University. Leonard N. Stern School of Business.
Department of Economics.
HAND, D. J. Y HENLEY, W. E. (1997) Statistical Classification Methods in
Costumer Credit Scoring: A review. Journal of the Royal Statistical
Association. Series A. Vol. 160. Part 3. pp. 523-541.
HENLEY, W. E. (1995) Statistical aspects of credit scoring PhD thesis, Open
University.
HSIEH, N-C. (2005) Hybrid mining approach in the design of credit scoring
models Expert System with Applications. N 28, pp. 655-665
HUANG, J-J.; TZENG, G-H Y ONG, C-S. (2006) Two-stage genetic
programming (2SGP) for the credit scoring model. Applied
Mathematics and Computation. N 174. pp. 1039-1053.
HU, Y-C. Y ANSELL, J. (2007) Measuring retail company performance using
credit
scoring
techniques.
European
Journal
of
Operational
Research. N 183. pp. 1595-1606.

JACOBSON, T. Y ROSZBACH, K. (2003) Bank lending policy, credit scoring
and value-at-risk. Journal of Banking and Finance. N. 27. pp. 615633.
JANSSON, T. (1998). La regulacin financiera y su importancia para la
microfinanza en Amrica Latina y el Caribe. Publicaciones del Banco
Interamericano de Desarrollo (BID).
513
BIBLIOGRAFA
JANSSON, T. (2001) Microcrdito y microfinanzas: De la aldea a Wall Street?

Cap. 8 de la publicacin anual del Banco Interamericano de
Desarrollo. 2001.
JANSSON, T. Y WENNER, M. (1997). Financial regulation and its significance
for microfinance in Latin America and the Caribbean. Washington,
DC: Inter-American Development Bank Microenterprise Unit. Working
Paper.
JOHNSON, S. Y KIDDER, T. (1999) Globalization and gender dilemmas for
microfinance organizations, Small Enterprise Development, Vol. 10,
No. 3, pp. 4-15.
KIM, J. (2005) A Credit Risk Model for Agricultural Loan Portfolios under the
New Basel Capital Accord. Dissertation submitted to the Office of
Graduate Studies of Texas A&M University.
LAM, K. F.; CHOO E.U. Y WEDLEY, W.C. (1993) Linear goal programming in
estimation
of
classification
probability.
European
Journal
of
Operational Research. N 67. pp. 101-110.

LAM, K. F.; CHOO E.U. Y MOY, J.W. (1996) Minimizing deviations from the
group mean: A new linear programming approach for the two-group
classification problem. European Journal of Operational Research.
N 88. pp. 358-367.
LAPENU, C. (2000) El rol del Estado en la promocin de las instituciones de
microfinanciamiento. EN: IFPRI, Documento para discusin No. 89.
de la divisin de consumo de alimentos y nutricin. (FCND) Junio de
2000.
Tomado
del
sitio
en
internet
del
grupo
Cherlov:
www.grupochorlavi.org.
514
BIBLIOGRAFA
LAWRENCE, E. C. Y ARSHADI, N. (1995) A multinomial logit analysis of

problem loan resolution choices in banking. Journal of Money, Credit
and Banking. Vol. 27, N 1. pp. 202-216.
LEDGERWOOD, J. (1999). Manual de Microfinanzas. Publicaciones del Banco
Mundial
LEE, T. S.; CHIU, C. C. Y CHEN, I. F. (2002) Credit scoring using the hybrid
neural discriminant technique. Expert Systems with Applications. Vol.
23. pp. 245-254.
LIELI, R. Y WHITE, H. (forthcoming). Construction of empirical credit scoring
models based on maximization principles. Journal of Econometrics.
36 pp
LLISTERRI, J.J. Y LEVITSKY, J. (1996) Sistemas de Garantas de Crdito:
Experiencias Internacionales y Lecciones para Amrica Latina y el
Caribe. Documentos de la Mesa Redonda organizada por el Banco
Interamericano de Desarrollo. Washington, D.C.
LO IACOMO, V. Y GAMBONA, F. (2009). The probability of default: a survival
scoring model The 57th Session of the International Statistical
Institute. Statistics: Our Past, Present & Future. Durban, South Africa.
LONGENECKER, J.G.; MOORE, C.W. Y PETTY J.W. (1998) Credit Scoring
and the Small Business: A Review and the Need for Research.
Disponible
en:
https://www.researchgate.net/publication/2431384_Credit_Scoring_a
nd_the_Small_Business_A_Review_and_the_Need_for_Research
LUCANO, F. Y TABORGA, M. (1998). Tipologa de instituciones financieras
para la microempresa en Amrica Latina y el Caribe. Washington,
DC: Banco Interamericano de Desarrollo; Working Paper.
515
BIBLIOGRAFA
MAKOWSKI, P. (1985) Credit scoring branches out: decision tree - recent

technology. Credit World. N 75. pp. 30-37.
MALHOTRA, R. Y MALHOTRA, D. K. (2003) Evaluating consumer loans using
neural network. Omega. N 31. pp. 83-96.
MARAIS, M. L.; PATELL, J. Y WOLFSON, M. (1984) The experimental design
of classification models: An application of recursive partitioning and
bootstrapping to commercial bank loan classifications. Journal of
Accounting Research. Vol. 22, Studies on Current Econometric
Issues in Accounting Research. pp. 87-114.
MARASCA, R.; FIGUEROA, M.; STEFANELLI, D. E INDRI, A. (2003). Basilea
II:
Hacia
un
Nuevo
esquema
de
medicin
de
riesgos.
Superintendencia de Entidades Financieras y Cambiarias. Gerencia

del Anlisis del Sistema. Argentina.
MARTN MARN, J. L. (1985) El pronostico del fracaso empresarial.
Publicaciones de la Universidad de Sevilla, Sevilla.
MARTINS, P. H., WINOGRD, A., SALLES, R. C. (2002) Regulamentao das
microfinanas, Rio de Janeiro, BNDES.
MEIER, K. Y BALKE, D. (2006) Developing a credit scoring model for
microfinance bank of Azerbaijan LFS Discussion Paper. N 14 (16
pgs.)
MESTER, L. (1997) Whats the point of credit scoring? Business Review.
Federal Reserve Bank of Philadelphia, issue Sep, pp. 3-16
MENA, B. (2004). Microcrditos: un medio efectivo para el alivio de la pobreza.
En: Centro de documentacin del Fondo Regional de Garantas de
Santander
FGS
S.A.
516
BIBLIOGRAFA
http://www.fgs.com.co/docucenter_cat.asp?cat=147.
Fecha
de
publicacin: Enero de 2004. Fecha de consulta: Octubre de 2008.

MURES, M. J.; GARCA, A. Y VALLEJO, M. E. (2005) Aplicacin del anlisis
discriminante y regresin logstica en el estudio de la morosidad de
las entidades financieras. Comparacin de resultados. Pecvnia N 1.
pp. 175-199.
MYERS, J. Y FORGY, E. (1963) The Development of Numerical Credit
Evaluation Systems. Journal of American Statistical Association. N
58. pp. 799-806.
NAVAJAS, S.; NAVARRETE, E.; SIMBAQUEBA, L.; CUEVAS, M. Y
SALAMANCA, G. (2006) Indicadores de Microfinanzas en Amrica
Latina: Rentabilidad, Riesgo y Regulacin. Washington, D.C. Banco
Interamericano
de
http://www.iadb.org/sds/doc/int1C4.PDF.
Desarrollo
ltima
(BID).
visita:
10
de
diciembre de 2009.
NEBENDAH, D. (1988) Sistemas expertos. Ingeniera y comunicacin.
Editores Marcombo. Barcelona.
NICKELL, P.; PERRAUDIN, W.; VAROTTO, S.; (2001) Ratings versus equitybased credit risk modelling: an empirical analysis. Bank of England
Quarterly Bulletin. Vol. 41. pp. 216-256.
ORGLER, Y. E. (1970) A credit scoring model for commercial loans Journal of
Money, Credit and Banking. Vol. 2. N 4. pp. 435-445.
ORGLER, Y. E. (1971) Evaluation of bank consumer loans with credit scoring
models. Journal of Bank Research, N 2. pp. 31-37.
517
BIBLIOGRAFA
PLOTNICKI, B. (2005) Modelo de comportamiento y prediccin de

incumplimiento crediticio: el caso de empresas Pyme en Argentina.
Temas de Management, Vol. 3. pp. 15-19.
PORTOCARRERO, F. TARAZONA, A. Y WESTLEY, G.D. (2006). Cmo
deberan financierse las insituciones de microfinanzas?. Instituto de
Estudios Peruanos, Lima. Per. 271 pginas.
RAHMAN, S. (2000). Microfinance: Helping the poor to help themselves.
UNESCO.
RAO, C.R. (1973) Linear statistical inference and its application (2ed.). New
York. Wiley.
RIPLEY, B. D. (1994) Neural networks and related methods for classification.
Journal of the Royal Statistical Society. Vol. B. N 56. pp. 409-456.
ROCK, R. Y OTERO, M. (1996). From margin to mainstream: the regulation
and supervision of microfinance institutions. Accin Monograph
Series No. 11.
RODRGUEZ-VILARIO P., M. L. (1995) Prediccin de la solvencia
empresarial por medio del anlisis logit. Anlisis Financiero 65
(ENE-ABR). pp. 68-78.
ROSALES,
R.
(2002).
financiamiento
Tendencias
a
la
recientes
microempresa.
en
la
regulacin
Presentado
en
del
Foro
Interamericano de la Microempresa.
ROSENBERG, E. Y GLEIT, A. (1994) Quantitative methods in credit
management: A survey. Operations Research. N. 42. pp. 589-613.
SALGADO, C. (2006) Evaluacin crediticia y sistema de cobranza en
microfinanzas: enfoque practico y tips.. Actualidad Econmica del
518
BIBLIOGRAFA
Per. Publicacin del Centro de Asesora Laboral del Per. Enero.

pp. 1-7.
SBS (2003), Superintendencia de Banca y Seguros del Per. Reglamento para
la evaluacin y clasificacin del deudor y la exigencia de
provisiones. Resolucin nmero 808 de 28 de Mayo de 2003.
SBS (2009). Superintendencia de Banca y Seguros del Per. Reglamento para
el requerimiento de patrimonio efectivo por riesgo de crdito.
Resolucin nmero 14.354 de 30 de Octubre de 2009.
SAMANIEGO, R. (2005). El Riesgo de Crdito y los Acuerdos de Basilea. Tesis
Doctoral. Sevilla.
SANZ SANTOLARIA, C.J. (2002) Gua de los principales ratios. Acciones e
Investigaciones Sociales. N 14, pp. 137-148.
SCHREINER, M. (1999). A scoring model of the risk of costly arrears at a
microfinance lender in Bolivia, Microfinance Risk Management and
Center for Social Development. Washington University in St. Louis.,
www.microfinance.com.
SCHREINER, M. (2000). Credit scoring for microfinance: Can it work?,
Microfinance Risk Management and Center for Social Development.
Washington University in St. Louis., www.microfinance.com.
SCHREINER, M. (2003) Scoring: The next breakthrough in microfinance.
CGAP Occasional Paper N 7.
SCHREINER, M. (2004a). Benefits and Pitsfalls of statistical credit scoring for
microfinance, Microfinance Risk Management and Center for Social
Development.
Washington
University
in
St.
Louis.,
519
BIBLIOGRAFA
SCHREINER, M. (2004b). Scoring Drop-Out at a Microlender in BoliviaRisk.

Washington
University
in
St.
Louis.
Disponible
en:
SCHREINER, M. (2009). A Simple Poverty Scorecard for Peru. Microfinance.
Washington
University
in
St.
Louis.
Disponible
en:
SHARMA, M. Y ZELLER, M. (1997) Repayment performance in group-based
credit programs in Bangladesh: An empirical analysis. World
Development. Vol. 25, N. 10. pp. 1731-1742.
SOLEY, J. Y RAHNEMA, A. (2004) Basilea II: Una nueva forma de relacin
Banca-Empresa.. Mc Graw Hill. Madrid.
SRINIVASAN, V. Y KIM, Y. H. (1987) Credit granting: A comparative analysis
of classification procedures. Journal of Finance. Vol. XLII. N 3. pp.
665-681.
STEENACKERS, A Y GOOVAERTS, M. J. (1989) A credit scoring model for
personal loans. Insurance: Mathematics and Economics. N. 8. pp.
31-34.
SUPERINTENDENCIA DE BANCA, SEGUROS Y AFP. Resolucin N 5051992.
SUPERINTENDENCIA DE BANCA, SEGUROS Y AFP. Resolucin N 8082003.
THOMAS, L. C. (2000) A survey of credit and behavioural scoring: forecasting
financial risk of lending to consumers. Journal of Forecasting. N. 16.
pp. 149-172.
520
BIBLIOGRAFA
TRIVELLI, C.; ALVARADO, J Y GALARZA, F. (2001) Growing, Indebtedness,

Intitucional Change and Credit Contracs in Peru. En Defusing
Default, Marco Pagano Ed. Washington D.C : Banco Interamericano
de Desarrollo.
TSAIH, R.; LIU, J-Y. Y LIEN, Y-L. (2004) Credit scoring system for small
loans. Decision Support System N 38. pp. 91-99.
VAN GOOL, J.; BAESENS, B.; SERCU, P. Y VERBEKE, W. (2009) An
Analysis of the Applicability of Credit Scoring for Microfinance.
Academic and Business Research Institute Conference. Orlando.
VEREDA DEL ABRIL, A. (2001). Microcrditos y Desarrollo. Ed. Fundacin
Iberoamericana para el Desarrollo (FIDE), Madrid.
VIGAN, L. (1993) A credit-scoring model for development banks: An African
case study. Savings and Development. N 17(4), pp. 441-482.
VOGELGESANG, U. (2003) Microfinance in times of crisis: The effects of
competition, rising indebtness, and economic crisis on repayment
behaviour. World Development. Vol 31 (12). pp 2085-2114.
VONDERLACK, R.M. Y SCHREINER, M. (2002). Women, Microfinance, and
Savings: Lessons and Proposals Microfinance Risk Management and
Center for Social Development. Washington University in St. Louis.
Disponible en: www.microfinance.com.
WEST D. (2000) Neural Network Credit Scoring models. Computers and
Operations Research 27, (2000): 1131-1152.
WIGINTON, J. C. (1980) A note on the comparison of logit and discriminant
models of consumer credit behavior. Journal of Financial and
Quantitative Analysis. Vol. 15. No. 3. pp. 757-770.
521
BIBLIOGRAFA
WILD, J.J.; SUBRAMANYAM, K.R.; HALSEY, R.E. (2007) Anlisis de Estados

Financieros Ed. McGraw-Hill. Mxico. 816 pginas.
YANG, Y.; NIE, G. Y ZHANG, L. (2009) Retail exposures credit scoring models
for Chinese commercial banks. En: ALLEN ET AL (Eds.),
Computational Science ICCS, pp. 633-642, Springer Berlin /
Heidelberg.
YATCHEW, A. (1998) Nonparametric Regression Techniques in Economics.
Journal of Economic Literature. Vol. XXXVI. pp. 669-721.
YOBAS, M. B.; CROOK, J. N. Y ROSS, P. (2000) Credit scoring using neural
and evolutionary techniques IMA Journal of Mathematics Applied in
Business and Industry. N 11. pp. 111-125.
YU, L.; WANG, S. Y LAI, K. K. (2008) Credit risk assessment with a multistage
neural network ensemble learning approach. Expert System with
Applications. N 34. pp. 1434-1444.
YU, L.; WANG, S. Y LAI, K. K. (2009) An intelligent-agent-based fuzzy group
decision making model for financial multicriteria decision support: The
case of credit scoring. European Journal of Operational Research.
N 195. pp. 942-959.
YUNUS, M (1993). Alleviation of Poverty is a matter of Hill, not of means.
Grameen Bank, Mirpur Dhaka. www.grameen-info.org.
YUNUS, M (1999a). Hacia un Mundo sin Pobreza. Ed. Andrs Bello, Santiago
de Chile. Chile.
YUNUS, M. (1999b). How donor funds could better reach and support
grassroors microcredit programs working towards the Microcredit
Summits goal and core themes. Documento destinado a la reunin
522
BIBLIOGRAFA
de consejeros de la Cumbre del Microcrdito en Abidjn, Costa de

Marfil.
ZAVALA MATULIC, L. (1994) Las ONGs en Espaa: Origen y Evolucin, en
Directorio de ONG para Desarrollo de 1994. Madrid.
ZELLER, M. (1998) Determinants of repayment performance in credit groups:
The role of program design, intragroup risk pooling, and social
cohesion. Economic Development and Cultural Change. Vol. 46. N
3 pp. 599-620.
ZHOU, L.; LAI, K. K. Y YU, L. (2010) Least squares support vector machines
ensemble
models
for
credit
scoring.
Expert
Systems
with
Applications. Vol. 37. pp. 127-133.
523
BIBLIOGRAFA
524
ANEXOS
ANEXO 1.
MANUALES DE PROCEDIMIENTOS OPERATIVOS Y
ADMINISTRATIVOS DE LA CMAC DE TACNA
DISEO DE FORMULARIOS Y/O FORMATOS

a. MPOA-CL04-01: Formato de Acumulacin Patrimonial.
Logo Institucional
FORMATO DE ACUMULACION PATRIMONIAL
PATRIMONIO TITULAR
1.Titular
2.Cnyuge/Codeudor
3.Cnyuge/Codeudor
*Direccin de vivienda
DNI
DNI
DNI
CODIGO
RUC
RUC
RUC
VALOR (US$)
COBERTURA(US$)
VEHICULO(S)
INMUEBLE(S)
ARTEFACTOS ELECTRICOS
MUEBLES DEL HOGAR
OTROS:.........................
US$
TOTAL ACTIVOS
US$
DESCRIPCIONES ADICIONALES
PATRIMONIO AVAL
1.Titular
2.Cnyuge/Codeudor
3.Cnyuge/Codeudor
DNI
DNI
DNI
CODIGO
RUC
RUC
RUC
VALOR (US$)
COBERTURA(US$)
VEHICULO(S)
INMUEBLE(S)
MUEBLES DEL HOGAR
OTROS:.........................
US$
TOTAL ACTIVOS
US$
PATRIMONIO AVAL
1.Titular
2.Cnyuge/Codeudor
3.Cnyuge/Codeudor
DNI
DNI
DNI
CODIGO
RUC
RUC
RUC
VALOR (US$)
COBERTURA(US$)
VEHICULO(S)
INMUEBLE(S)
MUEBLES DEL HOGAR
OTROS:.........................
TOTAL ACTIVOS
US$
US$
Tacna,_____de _________________del 200___

Nota: Este formato se actualizar: Solo cuando sufran variaciones en la acumulacin patrimonial.
En seal de conformidad
Firma y Sello del Analista de Crditos
Manual de Procedimientos Operativos y Administrativos

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
528
Versin
de
32
1.0
DISEO DE FORMULARIOS Y/O FORMATOS (Continuacin)

b. MPOA-CL04-02: Ratios. (Delante)
Logo Institucional
R A TIO S
C ALC U LO
R ESU LTA D O
R ATIO S DE LIQ U ID EZ
1. LIQ U ID EZ G EN ERA L
(Aplicable a actividades de com ercio, servicio, industria)
Activo C orriente
Pasivo C orriente
2. C A PITA L D E TR A BA JO
(Aplicable a actividades de com ercio, servicio, insdustria)
Activo C orriente-Pasivo C orriente
R ATIO S DE SO LVEN C IA O EN D EU D AM IEN TO :
1.G R A D O D E EN D EU DA M IEN TO :
Activo C orriente
Pasivo C orriente
R ATIO S DE REN TA B ILID A D
1. R EN TA BILID A D SO B RE VEN TA S
a) U tilidad Bruta
Ventas
b) U tilidad N eta
Ventas
2. R EN TA BILID A D DEL A C TIVO
(Aplicable a actividaddes de com ercio, servicio, industria)
U tilidad N eta
Activo Total
R ATIO S DE G ESTIO N
1. R O TA C IO N DE CU EN TA S PO R C O B R A R
(Aplicable a actividades de com ercio, servicio, insdustria)
Ventas N etas
Porm edio de C uentas Por Cobrar
2. R O TA C IO N DE IN VEN TA R IO S
(Aplicable a actividades de com ercio)
C osto de Ventas
Inventario Prom edio
3. R O TA C IO N DE CA PITA L D E TR A B A JO
(Aplicable a actividades de com ercio)
Ventas N etas
C apital de Trabajo
4. R O TA C IO N DEL A C TIVO TO TA L
(Aplicable a actividades de servicio, industria)
Ventas N etas
Activo Total
5. R O TA C IO N DEL A C TIVO FIJO
(Aplicable a actividades de servicio, industria)
Ventas N etas
Activo Fijo
rea de Organizacin, Mtodos y Procesos
528

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
529
Versin
de
32
1.0

b. MPOA-CL04-02: Ratios. (Atrs)
ESPECIFICACIONES DE LOS PRINCIPALES INDICADORES FINANCIEROS
RATIOS DE LIQUIDEZ:F32
1.-
LIQUIDEZ GENERAL
Activo Corriente
Pasivo Corriente
Relaciona los activos frente a los pasivos corrientes, es decir indica el grado de cobertura que tiene los activos de
mayor liquidez frente a las obligaciones de menor vencimiento o mayor exigibilidad.

2.-
CAPITAL DE TRABAJO
activo Corriente-Pasivo Corriente
Determina los niveles apropiados de capital de trabajo, es decir los activos corrientes y pasivos corrientes, ayudandonos
a tomar decisiones fundamentales respecto a la liquidez de la empresa y composicion de los vencimientos de sus
obligaciones, decision relacionada con la rentabilidad y riesgo de la empresa.
RATIOS DE SOLVENCIA O ENDEUDAMIENTO:

1.-
GRADO DE ENDEUDAMIENTO
Pasivo Corriente
Activo Corriente
Relaciona las deudas del pasivo corriente, indicando la porcin de los activos que esta financiada por terceros.
RATIOS DE RENTABILIDAD:
1.-
RENTABILIDAD SOBRE VENTAS
Utilidad Bruta
Ventas
Determina el nivel de utilidad bruta obtenida respecto al nivel de ventas generadas.
Utilidad Neta
Ventas
Relaciona el nivel de utilidad neta obtenidas respecto al nivel de ventas generadas. Este indice depende el tipo de
negocio.
2.-
RENTABILIDAD DEL ACTIVO
Utilidad Neta
Activo Total
Permite mostrar la eficiencia en el uso de los activos de una empresa, relacionando las utilidades con el monto de
los activos. Los indices varian segn el tipo de negocio.
RATIOS DE GESTION:
1.ROT DE CTAS POR COBRAR
Ventas Netas
Prom de Ctas Por Cobrar
(veces)
Muestra el numero de veces en que una venta se refleja en las cuentas por cobrar, es decir el plazo de crditos que
se concede a los clientes.
2.-
ROTACION DE INVENTARIOS
Costo de Ventas
Inventario Prom edio
(veces)
Mide el numero de veces que cambian los inventarios, es decir la rapidez con la que los inventarios se convierten en
cuentas por cobrar o efectivo a traves del proceso de ventas.
3.-
ROT DE CAPITAL DE TRABAJO
Ventas Netas
Capital de Trabajo
(veces)
Muestra el numero de veces que rota el capital de trabajo en relacion con las ventas, esta prueba es muy importante
para mostrar que a mayores niveles de ventas, requiere una mayor cantidad de inventarios y tambien ve la necesidad
de incrementar el monto de los creditos a los clientes.
4.-
ROTACION DEL ACTIVO TOTAL
Ventas Netas
Activo Total
Muestra la eficiencia en la utilizacion de los activos totales, asociando el volumen de la inversion en activos al nivel de
ventas que estos son capaces de generar.
5.-
ROTACION DEL ACTIVO FIJO
Ventas Netas
Activo Fijo
Muestra la eficiencia en la utilizacion de unicamente los inmuebles, maquinarias y equipos respecto a las ventas
generadas.
529

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
530
Versin
de
32
1.0

c. MPOA-CL04-03: Historial de Crditos
HISTORIAL DE CRDITOS
NOMBRE DEL CLIENTE:___________________________________________________ ACTIVIDAD:__________________________________TELEFONO:_______________________
ANALISTA
N DE PAGAR
FECHA DE
DESEMBOLSO
MONTO DE
PRSTAMO
PLAZO Y
FORMA DE
PAGO
FECHA DE
CALIFICACIN
DEL CRDITRO CANCELACIN
CANCELACIN DE CUOTAS
01
02
03
04
05
06
07
08
09
10
11
GARANTAS
CODIGO
VALORIZACIN
VB
ANAL.
12
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
530

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
531
Versin
de
32
1.0

d. MPOA-CL04-04: Informacin Unidad Familiar Solicitante (Delante)
LOGO INSTITUCIONAL
INFORMACIN UNIDAD FAMILIAR - SOLICITANTE

DATOS DEL SOLICITANTE
NOMBRE:
LUGAR/FECHA NACIMIENTO:
ESTADO CIVIL:
NIVEL EDUCACIN:
VIVIENDA:
COLEGIO
UNIVERSIDAD
OTROS
PROFESIN U OCUPACIN:
PROPIA
ALQUILADA
CARGA FAMILIAR:
FAMILIAR
HIJOS EDADES:
CENTRO DE TRABAJO:
CARGO DESEMPEADO:
LABORA DESDE:
DATOS DEL CONYUGE

NOMBRE:
LUGAR/FECHA NACIMIENTO:
PROFESIN U OCUPACIN:
CENTRO DE TRABAJO:
CARGO DESEMPEADO:
LABORA DESDE:
INFORMACIN PATRIMONIAL
1) PROPIEDADES INMUEBLES
2) VEHICULOS - MARCA
DIRECCIN:
MODELO:
AO:
VALOR:
PLACA:
VALOR:
PRESUPUESTO FAMILIAR
I) INGRESOS
CRDITO N 01
II) EGRESOS
1) INGRESO SOLICITANTE
1) ALIMENTACION
2) EDUCACIN
2) INGRESO CONYUGE
3) TRANSPORTE
3) OTROS INGRESOS
4) ALQUILER
TOTAL INGRESOS
5) SERVICIOS
III) RESULTADO (I-II)
6) OTROS
TOTAL EGRESOS
COMENTARIOS:
I) INGRESOS
CRDITO N 02
II) EGRESOS
1) ALIMENTACION
2) EDUCACIN
2) INGRESO CONYUGE
3) TRANSPORTE
3) OTROS INGRESOS
4) ALQUILER
TOTAL INGRESOS
5) SERVICIOS
6) OTROS
TOTAL EGRESOS
COMENTARIOS:
_____________________________
_
FIRMA - SOLICITANTE
_____________________________
_
FIRMA - CONYUGE
_____________________________
_
VB ANALISTA
531

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
532
Versin
de
32
1.0

d. MPOA-CL04-04: Informacin Unidad Familiar Solicitante (Atrs)
PRESUPUESTO FAMILIAR
I) INGRESOS
CRDITO N 03
II) EGRESOS
1) ALIMENTACION
2) EDUCACIN
2) INGRESO CONYUGE
3) TRANSPORTE
3) OTROS INGRESOS
4) ALQUILER
TOTAL INGRESOS
5) SERVICIOS
6) OTROS
TOTAL EGRESOS
COMENTARIOS:
I) INGRESOS
CRDITO N 04
II) EGRESOS
1) ALIMENTACION
2) EDUCACIN
2) INGRESO CONYUGE
3) TRANSPORTE
3) OTROS INGRESOS
4) ALQUILER
TOTAL INGRESOS
5) SERVICIOS
6) OTROS
TOTAL EGRESOS
COMENTARIOS:
I) INGRESOS
CRDITO N 05
II) EGRESOS
1) ALIMENTACION
2) EDUCACIN
2) INGRESO CONYUGE
3) TRANSPORTE
3) OTROS INGRESOS
4) ALQUILER
TOTAL INGRESOS
5) SERVICIOS
6) OTROS
TOTAL EGRESOS
COMENTARIOS:
______________________________
FIRMA - SOLICITANTE
______________________________
FIRMA - CONYUGE
______________________________
VB ANALISTA
532

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
533
Versin
de
32
1.0

e. MPOA-CL04-05: Datos del Propietario de la Garanta Compartida
LOGO INSTITUCIONAL
DATOS DEL PROPIETARIO DE LA GARANTA COMPARTIDA
Apellidos y Nombres: ________________________________________

(Titular)
Apellidos y Nombres: ________________________________________
(Conyuge)
Direccin de Vivienda: _______________________________________
(Inmueble)
D.N.I. : _______________________________________
D.N.I. : _______________________________________
DESCRIPCIN DE LA GARANTA COMPARTIDA

Direccin de Garanta Hipotecaria: _________________________________________________________________________________
_____________________________________________________________________________________________________________
Datos de Garanta Vehicular: ______________________________________________________________________________________
_____________________________________________________________________________________________________________
Otros: ________________________________________________________________________________________________________
CODIGO DE
GARANTA
VALORIZACIN EN US $
COBERTURA TOTAL EN US $
FECHA DE
INSCRIPCIN
CRDITOS QUE COBERTURAN LA GARANTA COMPARTIDA

FECHA
DESEMBOLSO
TIPO DE CRDITO
N PAGAR
_______________________________
ANALISTA DE CRDITOS
N CLIENTE O NOMBRE DEL CLIENTE
COBERTURA DE
GARANTA
COMPARTIDA
FECHA DE
CANCELACIN
VISTO BUENO DEL

ANALISTA
_________________________________________
GERENTE DE CRDITOS/JEFE DE CRDITOS
ADMINISTRADOR DE AGENCIA/
APODERADO DE OFICINA
533

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
534
Versin
de
32
1.0

f. MPOA-CL04-06: Hoja de Comentarios y Anlisis
LOGO INSTITUCIONAL
HOJA DE COMENTARIOS Y ANALISIS
CRDITO N:............................................
COMENTARIO Y ANALISIS: (REFERENCIAS, EVALUACIN ECONMICO - FINANCIERA, PERSPECTIVAS)
FECHA
ANALISTA
CRDITO N:............................................
COMENTARIO Y ANALISIS: (REFERENCIAS, EVALUACIN ECONMICO - FINANCIERA, PERSPECTIVAS)
FECHA
ANALISTA
534

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
535
Versin
de
32
1.0

g. MPOA-CL04-07: Carta Autorizacin de Descuento (EMPLEADO-EMPLEADOR)
CARTA AUTORIZACIN DE DESCUENTO

Seores
Tacna,
Ciudad.Yo, ...identificado(a)
con D.N.I. N.., trabajador(a) activo(a)
de .
..Autorizo Irrevocablemente a su digna Institucin a realizar el
descuento por planilla de mi haber mensual e inclusive a afectar mas del 50% de mis
ingresos, con la finalidad de cumplir con las amortizaciones del Pagar Nro..
por el monto de S/. ....a un plazo de
meses, con cuotas indivisibles de S/..
que me fuera otorgado con la CMAC Tacna S.A. dicho importe deber ser remitido
puntualmente a la CMAC Tacna S.A. segn el cronograma de pagos pactado que se
adjunta a la presente, en caso contrario deber adicionarse el porcentaje correspondiente
por concepto de mora.
As mismo, en caso de reasignacin, permuta, licencia sin goce de haber y/o destaque a
otro lugar fuera del departamento de Tacna me comprometo a pagar directamente en las
Oficinas de la CMAC Tacna S.A. el importe de la cuota segn cronograma de pagos.
De igual manera, en caso de renuncia, destitucin, cese, separacin temporal, licencia sin
goce de haber, traslado o fallecimiento, autorizo para que me retengan los ingresos que me
correspondan por concepto de remuneraciones, compensacin por tiempo de servicios,
aguinaldos, vacaciones u otros ingresos y se giren a la orden de la CMAC Tacna S.A. con la
finalidad de cancelar mi deuda total pendiente.
__________________________
FIRMA DEL EMPLEADO
D.N.I. Nro.
Direccin..
_________________________________________________________________________
CALIFICACIN DEL EMPLEADOR
....; AUTORIZA y se
compromete a retener mensualmente a nuestro trabajador(a).............
.., el monto de la cuota en la planilla nica de
haberes, en las condiciones indicadas lneas arriba.
FIRMA Y SELLO DEL TITULAR

DE LA ENTIDAD
FIRMA Y SELLO JEFE DE PERSONAL

DE LA ENTIDAD
535

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
536
Versin
de
32
1.0

h. MPOA-CL04-08: Carta de Autorizacin de Descuento (EMPLEADO)
CARTA DE AUTORIZACIN DE DESCUENTO
Tacna, .de .del 20.
Seores:
Ciudad.Estimado Seor o Seora:
En virtud del CONVENIO DE OTORGAMIENTO DE CRDITOS PERSONALES
.., celebrado entre ustedes y la CAJA MUNICIPAL DE AHORRO Y
CRDITO DE TACNA S.A., cuyos trminos y condiciones declaro aceptar.
Quien suscribe la presente ha solicitado a travs suyo la concesin de un prstamo personal a la CMAC
TACNA S.A. hasta por el monto S/._______________(________________________________________)
En tal sentido, mediante la presente AUTORIZO expresamente y en forma irrevocable a ustedes para que,
a fin de amortizar y/o cancelar el crdito concedido por la CMAC TACNA S.A. que se menciona en el
prrafo anterior, descuenten de mi remuneracin mensual, la suma correspondiente, de conformidad con
el plan de pagos proporcionado por dicha institucin.
Asimismo, debern abstenerse de otorgarme adelantos de mi remuneracin que pueden afectar el normal
cumplimiento del pago de mis cuotas, salvo casos de suma urgencia debidamente acreditados y bajo mi
absoluta responsabilidad.
Del mismo modo, en caso de suspensin o extincin de mi relacin laboral (cese, despido, renuncia,
fallecimiento, jubilacin o invalidez permanente) AUTORIZO expresamente y en forma irrevocable a
ustedes para que el monto pendiente de pago a la CMAC TACNA S.A. en virtud del crdito otorgado, sea
descontado de mis beneficios sociales, remuneraciones impagas, CTS y/o de cualquier otro beneficio al
que tuviera derecho.
Finalmente, dejo expresa constancia que si por cualquier razn ustedes no realizarn oportunamente los
descuentos autorizados mediante la presente, ello no afectar mi obligacin frente a la CMAC TACNA
S.A. la que continuar vigente hasta su total cancelacin.
Atentamente,
FIRMAS:_____________________________________________________________________________
NOMBRE TITULAR:_______________________
NOMBRE CONYUGE:_________________________
DOC. IDENTIDAD:________________________
DOC. IDENTIDAD:____________________________
DOMICILIO:__________________________________________________________________________
536

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
537
Versin
de
32
1.0

i. MPOA-CL04-09: Declaracin Jurada Crdito Hipotecario con Fines de Vivienda
LOGO INSTITUCIONAL
DECLARACIN JURADA CRDITO HIPOTECARIO CON FINES DE VIVIENDA
Por medio de la presente, Yo.
Identificado con D.N.I. Nro y Co deudor
.,
identificado
con
D.N.I.
Nro. Declaro (amos) bajo juramento lo siguiente:
Que l(los) suscrito autoriza (mos) a la CMAC TACNA S.A. a contratar el seguro de incendio y
lneas aliadas (incluyendo como mnimo los riesgos del terremoto, inundaciones, rayo, explosin, huelgas,
conmociones civiles, vandalismo y terrorismo) y el seguro de desgravamen, los cuales debern ser
endosados a la CMAC TACNA S.A., de acuerdo a la Resolucin SBS N 0052-99, e incluir el costo total de
los mismos en las cuotas del prstamo otorgado.
Asimismo en relacin a la Pliza de Seguro de Desgravamen, tiene las siguientes exclusiones:
-
Esta pliza no cubre los siniestros del prestatario a consecuencia de una accin de guerra(civil o
internacional), en el Per o fuera de el, declarada o no, de actos violentos motivados por la
aplicacin de la Ley marcial, as como la intervencin directa o indirecta en algn tipo de servicio
militar, paramilitar, policial o parapolicial.
Esta pliza no cubre los siniestros del prestatario a consecuencia de la intervencin directa o
indirecta del asegurado en actos delictuosos, subversivos y terroristas.
Esta pliza no cubre los siniestros del prestatario por enfermedades, lesiones o defectos que se
consideren pre-existentes al inicio del seguro y que los mismos hayan sido de conocimiento del
asegurado; en caso contrario el siniestro si se encontrar cubierto y ser de responsabilidad de la
Compaa de Seguros la comprobacin de lo contrario, pudiendo requerirle documentacin
sustentatoria adicional para los casos que as se ameriten; no considerndose enfermedades
graves y/o crnicas los casos de Hipertensin y Diabetes.
Igualmente queda sin efecto la exclusin por estos conceptos de preexistencias, si al momento
del fallecimiento o invalidez del cliente, la relacin crediticia de la CMAC TACNA S.A. con el
prestatario es mayor a 12 meses continuos e ininterrumpidos ya sea que en ste periodo
crediticio haya habido crditos ya cancelados o nuevos crditos otorgados.
Esta pliza no cubre si el fallecimiento es a consecuencia de SIDA.
Esta pliza no cubre crditos con garantas de los fondos depositados por Compensacin por
Tiempo de Servicios (CTS), Crditos con Garanta de Certificado a Plazo Fijo, y Certificados con
garanta de joyas.
Esta pliza cubre saldo insoluto de la deuda (Saldo de Capital) de uno o ms crditos al
momento del fallecimiento o invalidez total y permanente, excluyendo los intereses
compensatorios y moratorios.
Por lo tanto en caso me encontrase incurso dentro de stas exclusiones, la Pliza de Seguros de
Desgravamen no cubrir los montos adeudados contrados con la CMAC TACNA S.A.
..
(LUGAR Y FECHA)
Firma Titular
..
Firma Codeudor
(*) ESTE FORMULARIO DEBE SER LLENADO DE PUO Y LETRA POR LOS SOLICITANTES, EN
LETRA LEGIBLE CONSIGNANDO LA FIRMA Y HUELLA DACTILAR.
537

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
538
Versin
de
32
1.0

j. MPOA-CL04-10: Autorizacin de Retiro de Cuenta CTS para Cancelacin de Prstamo
LOGO INSTITUCIONAL
AUTORIZACIN DE RETIRO DE CUENTA CTS

PARA CANCELACIN DE PRSTAMO
Mediante la presente carta, autorizo a la CMAC TACNA S.A., a cargar de mi cuenta CTS
No._______________________en Moneda_________________________, que mantengo
en esta institucin en el improbable caso de no cumplir con el cronograma de pagos del
crdito concedido hacia mi persona, mediante Pagar No.__________________________
Garantizado con dicha cuenta hasta por el 50% de su saldo.
FIRMA
__________________________________________
NOMBRE
__________________________________________
D.N.I.
__________________________________________
FECHA
__________________________________________
ANALISTA DE CRDITO
538

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
539
Versin
de
32
1.0

k. MPOA-CL04-11: Cargo de Entrega de Certificado a Plazo Fijo y/o Cta. CTS
LOGO INSTITUCIONAL
ANEXO A
CARGO DE ENTREGA DE CERTIFICADO A PLAZO FIJO

Y/O CTA. CTS
CAJA GENERAL
DE
ANALISTA DE CRDITOS
ASUNTO
CUSTODA DE CERTIFICACIN A PLAZO FIJO Y/O CTS Y

BLOQUEO DE CUENTA
FECHA
TITULAR DE LA CUENTA
_________________________________
N DE CTA. P.F. Y/O CTS
_________________________________
MONTO
_________________________________
MONEDA
_________________________________
PLAZO
_________________________________
OBSERVACIONES
_________________________________
ENTREGUE CONFORME
RECIBI CONFORME
539

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
540
Versin
de
32
1.0

l. MPOA-CL04-12: Carta de Compromiso
LOGO INSTITUCIONAL
CARTA DE COMPROMISO
Mediante la presente, me comprometo a continuar depositando los beneficios de CTS en
la Cta. No en Moneda..que mantengo en la
CMAC TACNA S.A.
FIRMA
..
NOMBRE
..
D.N.I.
..
FECHA
..
540

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
541
Versin
de
32
1.0

m. MPOA-CL04-13: Carta de Autorizacin para Cancelaciones de Cuentas a Plazo Fijo
CARTA DE AUTORIZACIN PARA

CANCELACIONES DE CUENTAS A PLAZO FIJO
Mediante la presente carta, autorizo a la CMAC TACNA S.A., a retirar los

intereses y/o cancelar mi Cuenta de Ahorros a Plazo Fijo N en
moneda.................................., que tengo en esta institucin en el caso de
incumplimiento
en
el
pago
del
crdito
concedido
mediante
Pagar
No. garantizado con dicho plazo fijo.
Asimismo autorizo a la CMAC TACNA S.A., para que con el remanente de la
cancelacin se apertura una nueva cuenta en las mismas condiciones de plazo y tipo de
moneda que el plazo fijo original.
FIRMA
..
NOMBRE
..
D.N.I.
..
FECHA
..
__________________________
Analista de Crditos
541

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
542
Versin
de
32
1.0

n. MPOA-CL04-14: Crdito Plus
LOGO INSTITUCIONAL
CRDITO PLUS
FECHA
AO
MES
DA
I. INFORMACIN CRDITO VIGENTE

ACTIVIDAD
Principal
Monto Prstamo
Paralelo 01
Paralelo 02
Saldo de Capital
Calificacin Cliente
Promedio Retraso
DAS
Mximo Retraso
DAS EN CUOTAS
AoB
Cdigo
Monto Coberturado
* (De ltima evaluacin Econmica Realizada)
TOTAL ACTIVO _____________________
INGRESO VENTAS
________________________
TOTAL PASIVO _____________________
COSTOS TOTALES
________________________
PATRIMONIO ______________________
UTILIDAD NETA
________________________
Incremento Ventas
II. EVALUACIN ECONOMICA FINANCIERA

%
2.1 Costo Reposicin
MES 1
MES 2
Incremento Ventas
a) Incremento Ventas
b) Costo Reposicin
c) Otros Costos/Gtos
_________
(________)
(________)
UTILIDAD
2.2
Saldo Prstamo
Crediplus
%
_________
(________)
(________)
a) Incremento Ventas
b) Costo Reposicin
c) Otros Costos/Gtos
UTILIDAD
(Principal + Paralelo 01 + Paralelo 02)
______________
* Crediplus
______________
* Total Endeudamiento
* Total Pasivo
Total Endeudamiento
CMAC
Monto Prstamo
Garantas (M.C.)
Patrimonio
COMENTARIOS
542

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
543
Versin
de
32
1.0

o. MPOA-CL04-15: Resumen Socio Econmico y Financiero (Delante)
LOGO INSTITUCIONAL
RESUMEN SOCIO-ECONOMICO Y FINANCIERO

FECHA
ACTIVO
ACTIVO
CRDITO
DIA
MES
AO
DIA
MES
AO
DIA
MES
AO
DISPONIBLE
CUENTAS POR COBRAR
INVENTARIO
ACTIVO FIJO
TOTAL ACTIVO
PASIVO
CUENTAS POR PAGAR
PATRIMONIO
TOTAL PASIVO Y PATRIMONIO
INGRESOS POR VENTAS
COSTOS MERC./PRODUCTO
UTILIDAD BRUTA
COSTOS OPERATIVOS
RESULTADO LIQUIDO
(+) ING. NETOS FUERA DEL NEGOCIO
(-) GASTOS FAMILIARES
RESULTADO NETO
VENTAS/ CAPITAL DE W
PASIVO/PATRIMONIO
UTIL. BRUTA / INGRESOS
UTIL. NETA / INGRESOS
PRESUPUESTO
FAMILIAR
PRESUPUESTO
FAMILIAR
A) OTROS INGRESOS
B) GASTOS FAMILIARES
Alimentacin
Alquiler
Educacin:
Transporte:
Servicios (Agua, Luz, Telefono)
Otros
C) SALDO FAMILIAR
COMENTARIOS (N DE HIJOS, CONDICIN DE VIDA, OTROS INGRESOS) ______________________________________________
543

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
544
Versin
de
32
1.0

o. MPOA-CL04-15: Resumen Socio Econmico y Financiero (Atrs)
COM E NTARIO
CRDITO N
COM E NTARIO
CRDITO N
COM E NTARIO
CRDITO N
544

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
545
Versin
de
32
1.0

p. MPOA-CL04-16: Hoja de Trabajo de Estados Financieros (Delante)
LOGO INSTITUCIONAL
HOJA DE TRABAJO DE ESTADOS FINANCIEROS

1.- BALANCE GENERAL
ACTIVO CORRIENTE
MONTO
PASIVO Y PATRIMONIO
1.- Cuentas po Pagar
1.- Disponible
Efectivo
Cta. Cte.
Ahorros
Moneda Extranjera
Total
MONTO
Total
2.- Adelantos de Clientes
3.- Prstamos
2.- Cuentas de Proveed.

Clientes
Total
Total
3.- Adelanto de Proveed.

TOTAL PASIVO
4.- INVENTARIO
TOTAL PATRIMONIO
Total Activo Corriente
TOTAL PASIVO Y
ACTIVO FIJO
1.- Muebles e Inmuebles
2.- Maquinarias y Equipo
Total Activo Fijo
TOTAL ACTIVO
PATRIMONIO
II.- ESTADO DE RESULTADOS

A. INGRESO POR VENTA
CANTIDAD
PRECIO
MONTO
TOTAL A
B. COSTO DE MERCADERA / PRODUCCIN
TOTAL B
UTILIDAD BRUTA (A-B)
C. COSTOS OPERATIVOS
PERSONAL
REMUNERACIN
MONTO
TRIBUTOS
TRANSPORTE
ALQUILER
AGUA, LUZ Y TELEFONO
PAGO DE DEUDAS
OTROS
TOTAL C
UTILIDAD NETA (A-B-C)
545

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
546
Versin
de
32
1.0

p. MPOA-CL04-16: Hoja de Trabajo de Estados Financieros (Atrs)
INVENTARIO
MERCADERA
CANTIDAD
COSTO
MONTO
SUB - TOTAL
PRODUCTOS EN PROCESO
CANTIDAD
COSTO
MONTO
SUB - TOTAL
PRODUCTOS TERMINADOS
CANTIDAD
COSTO
MONTO
SUB-TOTAL
TOTAL INVENTARIO
ACTIVO FIJO
1.- MUEBLES E INMUEBLES
CANTIDAD
MONTO
TOTAL
2.- MAQUINARIA Y EQUIPO
TOTAL
546

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
547
Versin
de
32
1.0

q. MPOA-CL04-17: Informacin Empresarial (Delante)
LOGO INSTITUCIONAL
INFORMACIN EMPRESARIAL
1, DATOS DE LA EMPRESA
ACTIVIDAD PRINCIPAL:
LOCAL:
PROPIO
TIEMPO ACTIVIDAD:
ALQUILADO
TIEMPO EN LOCAL
N TRABAJADORES
TIPO CONTROL______
OTRAS ACTIVIDADES:
2, VENTAS
LUNES
MARTES
MIERCOLES
DAS BUENOS
JUEVES
VIERNES
DAS MALOS
%
B) COMPRAS
CONTADO
PROVEEDORES
CRDITO
DOMINGO
PROMEDIO
A) VENTAS
CONTADO
SABADO
CLIENTES
CRDITO
3, EXPERIENCIA FINANCIERA
CRDITOS:
AHORROS:
OTROS:
COMENTARIOS:
4, ESTADO DE RESULTADOS
A) INGRESOS POR VENTAS:
CANTIDAD
PRECIO
B) COSTO DE MERCADERA/ PRODUCCIN
MONTO
TOTAL (A)
TOTAL (B)
C) COSTOS OPERATIVOS
1.- PERSONAL
UTILIDAD BRUTA (A-B)

MONTO
REMUNERACIN
2.- TRIBUTO
3.- TRANSPORTE
4.- ALQUILER
5.- AGUA, LUZ Y TELEFONO
6.- PAGO DE DEUDAS
7.- OTROS
TOTAL (C )
547

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
548
Versin
de
32
1.0
I N V E N T A R I O
MERCADERA
CANTIDAD
COSTO
MONTO
SUB TOTAL
PRODUCTOS EN PROCESO
CANTIDAD
COSTO
CANTIDAD
COSTO
MONTO
SUB TOTAL
PRODUCTOS TERMINADOS
MONTO
SUB TOTAL
TOTAL INVENTARIO
A C T I V O
F I J O
1.- MUEBLES E INMUEBLES
COSTO
2.- MAQUINARIA Y EQUIPO
COSTO
MONTO
TOTAL
MONTO
TOTAL
q. MPOA-CL04-17: Informacin Empresarial (Atrs)
548

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
549
Versin
de
32
1.0

r. MPOA-CL04-18: Declaracin Jurada
LOGO INSTITUCIONAL
DECLARACIN JURADA
Por medio de la presente, Yo.
Identificado con D.N.I. Nro , declaro bajo juramento que conozco que la CMAC TACNA
S.A. bajo su propio costo a contratado una Pliza de Seguro de Desgravamen solamente para el Primer
Titular del Crdito, la misma que tiene las siguientes exclusiones:
-
Esta pliza no cubre los siniestros del prestatario a consecuencia de una accin de guerra(civil o
internacional), en el Per o fuera de el, declarada o no, de actos violentos motivados por la
aplicacin de la Ley marcial, as como la intervencin directa o indirecta en algn tipo de servicio
militar, paramilitar, policial o parapolicial.
Esta pliza no cubre los siniestros del prestatario a consecuencia de la intervencin directa o
indirecta del asegurado en actos delictuosos, subversivos y terroristas.
Esta pliza no cubre los siniestros del prestatario por enfermedades, lesiones o defectos que se
consideren pre-existentes al inicio del seguro y que los mismos hayan sido de conocimiento del
asegurado; en caso contrario el siniestro si se encontrar cubierto y ser de responsabilidad de la
Compaa de Seguros la comprobacin de lo contrario, pudiendo requerirle documentacin
sustentatoria adicional para los casos que as se ameriten; no considerndose enfermedades
graves y/o crnicas los casos de Hipertensin y Diabetes.
Igualmente queda sin efecto la exclusin por estos conceptos de preexistencias, si al momento
del fallecimiento o invalidez del cliente, la relacin crediticia de la CMAC TACNA S.A. con el
prestatario es mayor a 12 meses continuos e ininterrumpidos ya sea que en ste periodo
crediticio haya habido crditos ya cancelados o nuevos crditos otorgados.
Esta pliza no cubre si el fallecimiento es a consecuencia de SIDA.
Esta pliza no cubre crditos con garantas de los fondos depositados por Compensacin por
Tiempo de Servicios (CTS), Crditos con Garanta de Certificado a Plazo Fijo, y Certificados con
garanta de joyas.
Esta pliza cubre saldo insoluto de la deuda (Saldo de Capital) de uno o ms crditos al
momento del fallecimiento o invalidez total y permanente, excluyendo los intereses
compensatorios y moratorios.
Por lo tanto en caso me encontrase incurso dentro de stas exclusiones, la Pliza de Seguros de
Desgravamen no cubrir los montos adeudados contrados con la CMAC TACNA S.A.
..
(LUGAR Y FECHA)
Firma Titular
..
Firma Codeudor
(*) ESTE FORMULARIO DEBE SER LLENADO DE PUO Y LETRA POR LOS SOLICITANTES, EN
LETRA LEGIBLE CONSIGNANDO LA FIRMA Y HUELLA DACTILAR.
549

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
550
Versin
de
32
1.0
s. MPOA-CL04-19: Solicitud de Prstamos Hipotecarios (Delante)
550

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
551
Versin
de
32
1.0

s. MPOA-CL04-19: Solicitud de Prstamos Hipotecarios (Atrs)
551

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
552
Versin
de
32
1.0

t. MPOA-CL04-20: Solicitud de Crdito Personal-Convenio Descuento por Planilla (Delante)
SOLICITUD DE CREDTIO PERSONAL
CONVENIO DESCUENTO POR PLANILLA
SI
CLIENTE NUEVO
NO
N CLIENTE
N PAGARE
FECHA
DIA
MES
DIRECCION
AREA DE TRABAJO
APELLIDO PATERNO
(Segn D.N.I)
MES
DOC. DE IDENT
ESTADO CIVIL
SOLTERO
CASADO
FECHA DE INGRESO
MES
DEPARTAMENTO
NOMBRES
SEXO
AO
DIVORICADO
CONViVIENTE
CARGA FAMILIAR
NACIONALIDAD
DIRECTOR
FUNCIONARIO
EJECUTIVO
EMPLEADO
NOMBRADO
CONTRATADO
S./
OTRA
EGRESOS
S./
TELEFONO
MODALID DE CONTRATO
OTROS
OTROS INGRESOS
INGRESO NETO MENSUAL
PROFESION U OFICIO
VIUDO
CARGA ACTUAL
AO
TELEFONO (S)
PROVINCIA
APELLIDO MATERNO
FECHA DE NACIMIENTO
(Sealar la Avenida, Urb., Calle, Mz., Lte., Dpto., Interior, etc.)
DISTRITO
1. DATOS PERSONALES DEL SOLICTANTE
DIA
TIPO DE CONVENIO
INSTITUCION
COORDINADOR DEL CONVENIO
R.U.C.
DIA
ANALISTA
AO
SALDO
S./
S./
CONCEPTO POR OTROS INGRESOS (Deber adjuntarse Documentacin Sustentatoria)
DATOS DEL DOMICILIO

DIRECCION (Sealar la Avenida, Urb., Calle, Mz., Lte., Dpto., Interior, etc.)
PROVINCIA
DISTRITO
TIPO DE VIVIENDA
PROPIA
DATOS DEL CONYUGE Y/O CODEUDOR
FAMILIAR
FECHA DE NACIMIENTO
MES
ALQUILADA
FINANCIADA
(Segn D.N.I.)
APELLIDO PATERNO
DIA
DEPARTAMENTO
NOMBRES
APELLIDO PATERNO
SEXO
SOLTERO
AO
CASADO
ESTADO CIVIL
DIVORICADO CONVVIENTE
NACIONALIDAD
DOCUEMNTO DE IDENTIDAD
PROFESION U OFICIO
TELEFONO
VIUDO
EMPRESA DONDE LABORA
TELEFONO
DATOS DEL DOMICILIO

DIRECCION (Sealar la Avenida, Urb., Calle, Mz., Lte., Dpto., Interior, etc.)
PROVINCIA
DISTRITO
TIPO DE VIVIENDA
ACTIVO (PROPIEDADES)
1. VEHICULO (s)
2. INMUEBLE (S)
3. ARTEFACTOS ELECTRICOS
4. MUEBLES DEL HOGAR
5. OTROS
TOTAL DE ACTIVOS
PROPIA
FAMILIAR
PATRIMONIO TITULAR
Valor (US$)
Us$
Us$
Us$
Us$
Us$
Us$
INFORMACION DEL CREDITO

MONTO SOLICITADO
S./
DEPARTAMENTO
ALQUILADA
Cobertura (Us$)
Us$
Us$
Us$
Us$
Us$
Us$
FINANCIADA
ACTIVO (PROPIEDADES)
1. VEHICULO (s)
2. INMUEBLE (S)
3. ARTEFACTOS ELECTRICOS
4. MUEBLES DEL HOGAR
5. OTROS
TOTAL
PATRIMONIO FIADOR
Valor (Us$)
Us$
Us$
Us$
Us$
Us$
Us$
PLAZO
S./
FIRMA DEL SOLICTANTE
Cobertura (US$)
Us$
Us$
Us$
Us$
Us$
Us$
CUOTA
S./
FIRMA DEL CONYUGE
552

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
553
Versin
de
32
1.0

t. MPOA-CL04-20: Solicitud de Crdito Personal-Convenio Descuento por Planilla (Atrs)
2. DATOS DEL FIADOR(Segn D.N.I)
APELLIDOMATERNOODE CASADA
APELLIDOPATERNO
FECHA DE NACIMIENTO
DIA
MES
SEXO
NOMBRES
ESTADOCIVIL
FAMILIAR
NACIONALIDAD
DOC. DE IDENTIDAD
TELFONO
PROFESIONUOFICIO
AO
SOLTERO
CASADO
DIVORCIADO
CONVIVIENTE
VIUDO
AREA
TELEFONO
DIRECCION
DATOS DEL DOMICILIO
DIRECCION(Sealar la Av., Urb., Calle, Mz., Lte., Dpto., Interior, etc)

DISTRITO
PROVINCIA
TIPODE VIVIENDA
PROPIA
DEPARTAMENTO
FAMILIAR
ALQUILADA
FIANCIADA
DATOS DEL CONYUGE Y/OCOFIADOR(Segn D.N.I.)

APELLIDOPATERNO
APELLIDOMATERNOODE CASADA
FECHA DE NACIMIENTO
DIA
MES
SEXO
DOC. DE IDENTIDAD
NOMBRES
ESTADOCIVIL
FAMILIAR
NACIONALIDAD
TELFONO
PROFESIONUOFICIO
AO
SOLTERO
CASADO
DIVORCIADO
CONVIVIENTE
VIUDO
AREA

DIRECCION
TELEFONO
DATOS DEL DOMICILIO

DIRECCION(Sealar la Avenida, Urb., Calle, Mz., Lte., Dpto., Interior, Etc.)
PROVINCIA
DISTRITO
TIPODE VIVIENDA
PROPIA
DEPARTAMENTO
FAMILIAR
ALQUILADA
FIRMA DEL FIADOR
FIANCIADA
FIRMA DEL CONYUGE OCOFIADOR
PROPUESTA DEL ANALISTA

MONTOPROPUESTO
PLAZO
CUOTA
S/.
S/.
REFERENCIA CENTRALES DE RIESGO

PROTESTOS
SI
NO
S.B.S
SI
NO
CERTICOM
SI
NO
INTERNA
SI
NO
OTROS :
SI
NO
3. RESOLUCIONDE COMIT
APROBADO
FECHA DE
APROBACION
DENEGADO
MONTO
CUOTA
COORDINADOR
AO
MES
DIA
(ENLETRAS)
PLAZOS
FECHAS DE PAGO
COSTOEFECTIVO
TIPODE CONTRATO
LINEA DE CREDITO
RECURSOS PROPIOS
OBSERVACIONES
NIVEL SUPERIORDEAPROBACION
553

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
554
Versin
de
32
1.0

u. MPOA-CL04-21: Solicitud de Prstamo con Garanta de Plazo Fijo y/o CTS.
Logo
Institucional
SOLICITUD DE PRESTAMO
CON GARANTIA DE PLAZO FIJO Y/O CTS
CREDITO N
AO
TACNA
PAGARE N
MES
DIA
I.- DATOS DEL SOLICITANTE

SOLICITANTE
CONYUGE
DIRECCION
D.N.I
D.N.I
TELEF.
SOLICITANTE
CONYUGE
II.- INFORMACIN SOBRE LA GARANTIA

CODIGO
CODIGO
TITULAR DEL PLAZO FIJO
Y/O CUENTA C.T.S
SI
NO
N PLAZO FIJO Y/O
CUENTA C.T.S.
COBERTURA
COBERTURA
VALORIZACION
VALORIZACION
INFORMACION DEL FIADOR O GARANTE

D.N.I
D.N.I
AVAL
CONYUGE
DIRECCION
TELEF.:
FIRMA
FIRMA
III. PROPUESTA DE ANALISTA

Monto
Plazo
Frecuencia
de Pago
Cuota
Observaciones :
IV.- RESOLUCION COMIT DE CREDITOS

FECHA
APROBADO
DENEGADO
MONTO
CUOTA
GERENTE
FRECUENCIA
DE PAGO
LETRAS
PLAZO
COSTO
EFECTIVO
PROPUESTA Y COMENTARIOS
GERENTE
OBSERVACIONES :
554

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
555
Versin
de
32
1.0

v. MPOA-CL04-22: Solicitud de Prstamo
SOLICITUD DE PRESTAMO
LOGO INSTITUCIONAL
CREDITO N
PAGARE N
EDAD
SOLICITANTE
CONYUGE
EMPRESA
CIIU
FORMA DE PAGO: CARGO CTA. AHORRO Y/O ORDENES DE PAGO

PROPIA
SOLTERO
T.V.
LAVADORA
ALQUILADA
CASADO
VIUDO
N CTA.
EN VENTANILLA
FAMILIAR
DIVORCIADO
OTROS
OTROS
ZONA N
EQUIPO DE SONIDO
OTROS
V.H.S
MUEBLES HOGAR
MONTO
PLAN DE INVERSION
REFRIGERADORA
CODIGO
MAQ. DE COSER
TOTAL
Firma -Solicitante
AO
MES
GERENTE
DIA
Firma -CONYUGE
NO
SI
FIADOR
SE VISITO Y VERIFICO GARANTIAS: TITULAR
SI
CLIENTE N
CONSULTORIO CENTRAL DE RIESGOS
MONTO
PLAZO
FRECUENCIA PAGO
CUOTA
OBSERVACIONES:
RESOLUCION COMIT DE CREDITOS

MONTO
CUOTA
FRECUENCIA DE PAGO
MONTO
VALORIZACIN DE GARANTAS
TOTAL
FECHA
DIA
MONTO
PLAZO
TELEF. :
ACUMULACION PATRIMONIAL
CODIGO
MES
D.N.I
D.N.I
R.U.C.
ACT. ECONOMICA
DIRECC. EMPRESA
DIRECC.VIVENDA
CONDIC. VIVIENDA
ESTADO CIVIL
AO
FECHA
APROBADO
SI
NO
NO
DENEGADO
PLAZO
COSTO EFECTIVO
GERENTE
OBSERVACIONES
555

COD. PROCEDIMIENTO
MPOA-CL04
FECHA VIGENCIA
01/01/04
PAG.
556
Versin
de
32
1.0

w. MPOA-CL04-23: Solicitud de Prstamos Personales (Sin Convenio)
LOGO INSTITUCIONAL
SOLICITUD DE PRESTAMOS PERSONALES
CREDITO N
PAGARE N
TACNA
SOLICITNATE
D.N.I
CONYUGE
D.N.I
DIRECCION
AO
MES
DIA
TELEFONO
CIIU
VALORIZACIO
VALORIZACIO
DESTINO PRESTAMO
CODIGO
GARANTIAS
CODIGO
FORMA DE PAGO: CTA. AHORROS Y/O ORDENES DE PAGO
PROPUESTA ANALISTA
MONTO SOLICTADO
PLAZO SOLCITADO
MONTO COBRTURADO
N CTA.
EN VENTANILLA
FIRMA- SOLICITANTE
FIRMA-CONYUGE
SI
NO
SE VISITO Y VERFICO GARANTIAS:
TITULAR
FIADOR
SI
CLIENTE N
CONSULTO CENTRAL DE RIESGOS
MONTO
PLAZO
FECUENCI DE PAGO
CUOTA
SI
NO
NO
OBSERVACIONES
RESOLUCION COMIT DE CREDITOS
FECHA
MONTO
GERENTE
CUOTA
FECUENCIA DE PAGO
APROBADO
DENEGADO
LETRAS
PLAZO
COSTO EFECTIVO
PROPUESTAS Y COMENTARIOS
GERENTE
OBSERVACIONES
556
ANEXO 2.
SALIDAS SPSS. (ADJUNTO CD-ROM)
ANEXO 3.
DIAGRAMAS DE DISPERSIN. CAMBIOS EXPERIMENTADOS POR EL
COEFICIENTE DE LAS VARIABLES EXPLICATIVAS.
A) DIAGRAMAS DE DISPERSIN. CAMBIOS EXPERIMENTADOS POR EL

COEFICIENTE DE LAS VARIABLES EXPLICATIVAS EN EL MODELO DE
CREDIT SCORING DE LA EDPYME PROEMPRESA.
A
A
A
A
A
A
AA A
A
A
A
AAA
A
A
AA A
A
AA A
AA A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
A
A A
A
AA
AA
A AA A
AA A AA
A
AA
A
A
A A AA A
AA
A
A
A
AA
A AA A
AA
A
A A
A A AA
AA
A
A AAA
AA
AA
A
A AA
A AA
A
A A
AA
A
A A
A
A
A
A
A
A
A
A
A
A
A
A A
A
A
A
A
A
A
A
AA A
A
AA
AA
A
AA
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
AAA A
A
AA
A AA
A
AA
AA
A
A
AA
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AAA
A
A
A
AAA A
A
A AAA
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
AA
AA
A
A
A
0,00200 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AAA
AA
A
A
A
AA
A
A
AAA
A
A
A
A
A
AA
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
AA
AA
A
A
AA
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
AA
A
A
AAA
A
A
A
A
A
A
A
A
A
AA
A
A
AA
AA
AA
A
A
AA
AA
A
A
A
AAA
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAAAAA
A
A
A
AA
A
AA
A
A AA A
A AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A A
A
AA
A
A
A
AAA
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
AA
A
A
A
AA
A
AA
A
AA
A
AA
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
AA
AAA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
AA
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
AAA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
AA
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
AAAA
A
A
A
A
A
A
AA
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
AA
A
AA
A
A
AA
A
AA
A
AA
A
A
A
A
A
A
AA
A
AA
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AA
AA A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
AA
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AAA
A
A
A
AA
A
A
A
A
AAA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
AA
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
AA
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
AA
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
AA
A
AA
A
A
A
A
AA
AA
A
A
AAA
AAA
A
AA
AA
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
AA
A
A
AA A
A A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A AA
AA
AA A
A A AA
A AA
AA
A
AA A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
AA
A
A
AA A
AA
A
A
A
AAA
A
A
AA
A
AA
AAA
A
AA A
AA
A
AA
A
A A
A
AAA
A
A A
A
A
A
A
A
A
A
A
-0,00200 A
AA A
A
AA
AA
A
AA A
A
A
AA
A
AA A A
A
A
A
A
A
AAAA
A
AA
A
AA A
AA
AA AA
A
AA
A AA
AA
A
AA A
A
AA
A
A
A
A
A A
A AA
A
A
A
A
A
A
A
AA A AA
A
A A AA AAAAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A A
AAA AA
A
A
A
AAAA
A
A
AA
A
A AA
A A
AA
A
A
A
0,00400
DFBETA para ZONA(1)
A A
10
7
4
1
25
22
19
16
13
40
37
34
31
28
55
52
49
46
43
67
64
61
58
82
79
76
73
70
97
94
91
88
85
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
169
166
163
160
157
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
238
235
232
229
226
241
244
247
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
........
298
-0,00400
Case
A
A
0,10000
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
AA
A
A
A
A
A
A
A
A
A
-0,10000
A
AA
A
A
10
7
4
1
25
22
19
16
13
40
37
34
31
28
55
52
49
46
43
67
64
61
58
82
79
76
73
70
97
94
91
88
85
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
181
178
175
172
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
238
253
250
247
244
241
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para SIT_LAB(1)
0,20000
Case
561
DFBETA para R3
0,15000
A
A
0,10000
A
A
A
A A
A
A
A
AA
A
A
A
A A
A
A
A A
A
A
A
A
A
A
A
A
A
A
A
AA A
AA AA A
AA
A
A
A AA
AA A A
A
A
A
AA
AA
AA
AAA
A A AA AA
A
A
A AA
AA
A
A A AA
A
AA
A
A
A A
A
A
AA
AA
A
A
A
A
AA
A
A
AA A A
A
A
AA
A
A
A
A
AA
AA
A
A
AA
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AAA
A
A
A
AAA
A
A
A
A
A
A
AAA
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA AAA
A
A
AA AA
A
A
AA
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA AAAA
A
A
AA A
A
A
A
A
A
A A
A
A
A
AA
A
A A
A
AAA
AA
AA
A
A AA
A
A
AAA
A
AA A
A A
AA
AA
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
-0,05000
0,05000
A
A
AA
10
7
4
1
25
22
19
16
13
40
37
34
31
28
55
52
49
46
43
67
64
61
58
82
79
76
73
70
97
94
91
88
85
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
181
178
175
172
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
238
253
250
247
244
241
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
Case
A A
A
A A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA A
A
A
A
A
A
A
A
A
A
A AA
A
A
A
A
A
AA A
A A A A A A AAA
A A
A
AA
A
A A A
A
A
A
AAA AA
A AA
A AA
AA
A
AA
AA AA A A
AA
A
A A
A
AAA
A A
A AA A AA
A
A
A
A
AA
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A AA
AA
AA
AAAA
A
A
A
A
A
A
A A
A
A
A AA
AA
AAA
AA
AA
A
A
AA
A
AA
A
A
A
AA
A
A
A
A
AA
AA
AA
A
A
A
A
AA A
A
AA
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
AA
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
AA
A
A
A
A
A
A
AA
A
A
AA
A
AA
AA
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
AA
AAA
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
AAAA A
A AA
A
A
A
A
A
A
A
AA A A
A A
A
AA
A
A A
A
A
A
A
AA
AA
A A
A
AA
A
A
A
A
A
AA
A
A
AA
A
AA
A
AA
A
A
AA
A
A
A AA
A AA A
AA
A
A
AA
A
AA
A A
AA
AA A
AA
A AAA
A
A
A AA
AA
A
AA A AAA
A
A
A
AA A
A A
A
AA A
A
A
A A
A
AA
A
AA
A AA
AA AA A
A AA A AA A A A
A
A A
A
A
A
A
A
A
A
AA A
AA
A
A
A
AA A
AA
A
A
AA A
A A
A A
A AA A
A
A
AA AA
AA
A
AA
AA
AA
A
A
A
A
A
AA
AA A
A
A
A
A A
A
-0,02500
A
A
A
A
10
7
4
1
25
22
19
16
13
40
37
34
31
28
55
52
49
46
43
67
64
61
58
82
79
76
73
70
97
94
91
88
85
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
181
178
175
172
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
238
253
250
247
244
241
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para R5
0,02500
Case
562
DFBETA para CRED_CON2
0,00200
0,00100
0,00000
-0,00100
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A A
A AA A
A
A
AA
AA
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A A
A
A
A A AAA A
A
AAAA A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
AA A
A
A A
A
A
A A
AA
A
A A
A AA
A
A AA
AA
AA A A
A
A A
A
AA A
A
A A
AA
AA
A
AA
A
A
A
A
A
AA
AA A
A
AA A AA
A
A
A
A A
A
A
AA
A
AA A
A
A
A
AAAAA
A
AA
A
A
A
AA
AA
A
AA
AAAA
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
AAA
AA
A
A
A
A
A
A
AA
A
A
A
A
A
AAAA
A
AA A
A
A
A
A
AA
A
A
A
A
A
A
A
AA
AA
A
A
AA
AA
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AAA
AA
A
A
A
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
AA
A
AA
AA
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
AA
AA
A
A
A
A
AAA
A
A
A
A
A
AA
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AAA
A
AA
A
A
A
A
A
A
A
A
A
A
A
AAAA
A
AA
AA
A
A
A
A
AA
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A AA A
A
AAA
A
A
A
A
A
A
A A A
AA
A
A
A
A
AA
A
A
A A AA
AAA AAA
AA
A
A
A
AA
A
A
A
AA
A
A AA
A
A
A
A
AAA
AA
AA A A AA
A
AA
A
A
AA
A
A
A
A AA
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A A A
A
A
A
AA AA A
AA
A A A
A
A
A
A
A
A
A
A
A AA
AA
A A
A
A A
A A
A
A
A
AA
A
A
A
A A
A
A
A
A
10
7
4
1
25
22
19
16
13
40
37
34
31
28
55
52
49
46
43
67
64
61
58
82
79
76
73
70
97
94
91
88
85
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
181
178
175
172
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
238
253
250
247
244
241
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
-0,00200
A
A
Case
A
A A
A A A
AA
A
A
A
A
A
A
A
A
A A
A
A
A
A
A
A
A A AA
A
A AA
0,01000
A
A
A
A A
AA A
A AA
A
A AAA A A AA
A
A
A A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A
A
A AA
A A
A
A
A
A
A
A
A
A
A
A
A A AAA
A
A
A
A
A
A
A AA
AA
A
A
AA
A
A
AA A A A A
A
AA
A
A
A
A
A AA
A
AA
A
A
A
AA
A
A
A
A
A
AA
A
AAA A
AAA
AA
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
AA
A
A
A
A
A
AA
A
A
AAA
A
A
A
A
A
A
A
AA
AAA
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
AA
AA
AAA
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A
AAA
A
AAA
AA
A
AAA
AA
A
A A
A A A A A A AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A AAA A
AA A
A
AA
A
A AA
A
A A A
A
A
A
A
A AAA
A A
A A
AA
A
A
A
A
A
A AAA
AA
AA AA A
A AA
A
AA
A
A A A A
A
A
A
A
A
A
A
AA
AA
A A
A
A
A
A
A
A
A
A
AA A A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A AA
A
A
A A
A
A
A
A
A
A
A
A
A A AA
A
A
A
A
A
-0,01000
A A
A
A
A
A
A
10
7
4
1
25
22
19
16
13
40
37
34
31
28
55
52
49
46
43
67
64
61
58
82
79
76
73
70
97
94
91
88
85
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
181
178
175
172
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
238
253
250
247
244
241
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para DEST_CRED(1)
Case
563
DFBETA para GARANT(1)
0,00600
0,00400
0,00200
0,00000
A
A
A
A
A
A
A
A
AA
A
A A
A
A
A A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA A
A
A
AA
A
A A
A
A
AA
A
A
A AA A A AA
AA A
A
AA A
A A
A
A
A
A A
A AA
A
AA
AA A A A
A
A
A
A AA
AA A
A
AA A
A A A
A A
A
A
A
AA
A
AA
A
AA A A
A
A
A
A
A
A
AA A
A
AA
A
A
A
A
AA
A
A
A
A
A A
A
A
A
A
AA
A
A
A
A
A A AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
AAAAAA
A
A
A
AA
A
A
A
A
A
A
AA
AA
AA
AA
A
A
A
AAAAA
AA
A
AA
AA
A
A
A A
A
A
A
A
A
AA
A AA
AA
AA
A
AAA
A
A
AAA
A
A A
A
A
AAA
A
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A AA
AA
A
AA
A
A
AA
A
AA
A
A
A
A
A
A A
A
AA
A
AA
A
A
A
A A
AAA
AAA
A
AA
A
AA
A
A
A
A
A
A
A A
AA
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
AA
A
A
A
A
A
AAA
A A
A
A
A
A
AA
A
A
AA
A
A A
A
A
A
A
A
A
A
A
A AA
A
AA
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AAA
A
A AAAA
AAAAA A
AAA
AA
AA
AA
AA
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A A
AAAA
A
AA
AA
A
A
A
A
A A
A
A
A
A
A
AAA
A
A
A
A
AA
A
AA
A
A
A
A
A AAA
A
A
A
A
A
A
A A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AAA
AA
AA
A
A
A
AAA AA
A
A
A
A
A AAA
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A AA
A
A
A
A
A
A
A
A
AA
A
AAAA
A
A
A
A
AA
AAA
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
AAA
A
A
A
A
A
A
A
A
A
AAA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AAAA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A AA A
A
AA
A
AA A A
A
A
A
A
AA
A
A
A
AA
A
AA A
A
A
A AA
AA
A
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
AA
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AAAA
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
AA
A
AA
A
A
AA
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
AA
A
AA
A
A
A
AA
A
AA
A
AA
A
A
A
A
AA
A
AA
A
AA
AA
A
A
A
A
A
A
A
AAA
A
A
A AA
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAAA
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AA
AA
A
A
A
AA
A
A
A
AA
A
A
A
A
A
AA A
A
A
AA
A
A
A
A
A
A
A
AA
A
A
AA
AAA AA
A
AAA
AA
AAAA
A
A
A
A
A
A
A
A
A AA
AAA
AAA
AAAA
A
A A
A A A
AA
A
A
A A
A A
A
AA
A
A
A
A
A
A
A
A
A
A A
A
A
A
A AA
AA
A
A
A
10
7
4
1
25
22
19
16
13
40
37
34
31
28
55
52
49
46
43
67
64
61
58
82
79
76
73
70
97
94
91
88
85
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
238
241
244
247
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
-0,00200
Case
A
A
A
AA
A A
A
A
A
A
A
A A
A
A
0,04000
0,02000
AA
A
A AA A
A
AA
A AA
A
A
A
A
A
A
A
AA
A
A
AA
A A
A
A
A
A AA AAA
A A
A
A
A A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AAAAA
AA A AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
AA
A
A
A
A
AA
A
AA AA
A
A
A
A
A
A
A
A
A
A
A
A
13
10
7
4
1
28
25
22
19
16
43
40
37
34
31
55
52
49
46
70
67
64
61
58
85
82
79
76
73
97
94
91
88
100
103
106
109
112
115
118
121
124
127
136
133
130
142
139
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
238
241
244
247
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para VTOCRED_SBS(1)
Case
564
-0,04000
-0,08000
-0,12000
10
7
4
1
25
22
19
16
13
40
37
34
31
28
55
52
49
46
43
67
64
61
58
82
79
76
73
70
97
94
91
88
85
100
103
106
109
112
115
118
121
124
127
130
133
139
136
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
238
241
244
247
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para TC
0,00000
A
A
AA
A
A
A
A A
AA
AA
A
A
A A AA
A
AA
A
A
A
A
A
A
A
A AA
AA
A
AAAA
A
AA
A
AAA
A
A A
AA
A
A
A A
A
A
AAAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
AA
A
A
AAA
A
A
A
A AA
AA
AA
AA
A
A
A
A
AAA
AA
AA
AA
A
A
AA
A
A
A
A A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A AAA
A
AAA
AA
A
AA
A
A
AA
A
A
AA
AA
A
A
A
A
AA
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
AAAA
A
AAA
A
A
AA A
A
AA
A AA
A
A
AA
AAA
A
A
AA
A
A
AA
A
A
AAA
A
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA A
A
A
A
AAA
A
AA
A
AAA A
A A AAA
AA
AA
A
AA
A
A A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AAAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A AA
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
AA
A
A
A
AA A
AA
A
A
AAA
A
A
A
A
A
AA
A
A
AA
AA
AA
A
AAA
A
A
A
A
A
A
AA
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
AAAA
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
A
AAA
A
A
A
AA A A
AA
A
A
AAA
AA
A
AA
A
A
A
A
A
A
A A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
AA
AAA
AAA
AA
AA
AA A
AA
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA A
A
AA AAA
A A
AA AA
A
A AA
AA A
AA
A
AAA
A
AA A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA AA
A
AA
A
A AA
AAA
A
A
A
A
AAA AA A
AA
A AA
A
AAAA
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA A
A
A A
A A A AA A
A
AA A
AA A
A
AA A A
A
A AA
A
AA
AA
A
AAAA
AA A A A
A
A
A
AA
AA A
A AA
AA AA A
A
AA
A
A
AA
AAA AA
A AA
A
A
A
A
A
A
A A
A AAA A
A
A A
AA
AA A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A
A
A
A
A
A
A A
AA
AA
A AA
A
A
A
A A
A
A
A
A
A
A
A
A
A
A A
A A
A
A
A
A
A
A
A
A
A
A
A A
A AA
A
AA
A
AA
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
Case
565
B) DIAGRAMAS DE DISPERSIN. CAMBIOS EXPERIMENTADOS POR EL

COEFICIENTE DE LAS VARIABLES EXPLICATIVAS EN EL MODELO DE
CREDIT SCORING DE LA CMAC DE TACNA.
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AAA A
A
AA
A
A
AA
A
A
A A
A
A A
A
A
A
A
A
AA A
A
A
A A
A
A
A
A
AAA
A
A
A
A
A AA A A
AA
A AA A A AA
A
A
A
A
AAA AA
A
A
A
A
A
A
A
A
A
A
A
A AA
A
A
A AAA
A
AA
A A
0,00005 AA A A
A
AA A A A
AA
AA
AA
A
A A
AAAAA
AA
A
A
AA
A AA
AA
A
A
AA
A
AA
AA
A
A
A
A
A
A
A
AAA
A AAAA AA
A
AA
A
A
A
A AA
A
AA
AA
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A A A
A
AA
A
A A
A AA
A
A
A
A
AA
A
AA
A
AA
A
AA
A
AAA
A
A
A
A
A
A
A
AAA
AA
A
AA
AA
A
A
A
A
AA
A
A
A
A
A
A
A
AA
A AA
A
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AAA
A
AA
A
AA
AA
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A A A
A
A
A AAAA A
A AA
AA
AA
AA
A A
AA
A
AA
A
A
A
AA
AAA
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
AA
AA
AA
A
A
AA
A
AA AAA
AAA
A
A
AA A
A
A
A
A
AA
AA
AA
AA
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A A
AA
A
AAAA
AAAAAA
A
AA
A
A
AAA A
A
A AA
A
AA AAAA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
-0,00005 A
A
A
A
A
A
A
A
A
A
A A
A AA
A
A
AA AA
A
A AA A A
AA
AA A AA
AAA
A
A AAA
AA
A
AA
A
AA
A
AAA A
A A A A
AA
A
A A
A
A
A
A
A
A
A
A
A
A
A
A
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
247
244
241
238
235
232
229
226
223
220
217
214
211
208
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para EDAD
0,00010
Case
AA
A
A
A
A
A A
A
A
A
A AA
A
A A A
AA A
A
A
A
A A
A
A
A
A
AA A A AAA A A A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A AA
A
AA
AA
AA
AA A A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A A
A A
AA
A
AA
A AA
AAAA
AA
AA
A AA
AA A A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
AAA AA
A
AA
AA
AA
A
AA
A
AA
A
A
AAA
A
A
A
A
AA
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A AA
A
AAA
A
A A A A
A
AAA
AAA
A
AA
A
A
A
A
AA
A
A
A
A
A
A
AAA
A
A
A A
A
A
-0,002 00
A
A
A
A
A
-0,004 00
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
121
118
115
112
109
106
103
100
97
94
91
88
85
82
163
160
157
154
151
148
145
142
139
136
133
130
127
124
205
202
199
196
193
190
187
184
181
178
175
172
169
166
247
244
241
238
235
232
229
226
223
220
217
214
211
208
289
286
283
280
277
274
271
268
265
262
259
256
253
250
........
298
295
292
DFBETA para CRED_CON2
0,00200
Case
566
DFBETA para CUOT_ TOT
0,00020
A
AA
AA
A
A AA
AA
A
AA
A
A
A
A
A
A
A
A
A
A
AA A A
AA
AA
A
A
A AA
A
AA
AA
A
A
A
AA
A
A
A
AA
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A AA
AA
A A
A
AA
AA
AA
AA
AA
A
A
A
AA
A
AAAA
AA
AA
A
AA
AA
A
A
A
AA
A
A
AA
A
A
A
A
A AA A
A
A
A
A
A
A
AAA
AA
A
A
A
A
A
A
AA
AA
AA A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
AA
A
A
AA
A
A
AAA
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A A AA
A
A
A
A
AA
A
A
A A
A AA
A
AA
A
A
A
A
A A
AA A
A A
A
A
A
A
A
AA A
A
A
A
A
A
A
A
A
A
A
A
A
A
-0,000 20
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
241
238
244
247
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
Case
A
A
0,00100
AA
AA
A
A
A
A
A
A
A
A
A
AAA
AA
A
A
A
AA
A
A
A AA
AAA A A
A
A
A
A
A
A A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA AAAAA
A
A
AAA
A
A A A
A
AA
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
AAA
A
A
A
AA
A
A
A
AAA
AAAAAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
AA
A
AA
A
A
A
A A
A
A
A
A
AA
AA
A
A
AAA
A A
A
AA
A
A
A
AAA
A
A
AAA
AA
A AA
A
AA
AA
A
AA
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
AA
A
AA
AA
AA
A
A
A
A
A
A
AA
A
A AAA
A A AA
A
A
AA
AA
AA
AAA
A
A
A A AA
A
A
A
AA
A
A
A
A
A
A
A
A
A A A
AAA
AA
A A
A A
A
A
A
A AAA
A
AA
A
A A AA
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
-0,001 00
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
121
118
115
112
109
106
103
100
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
241
235
244
238
247
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para CUOT_MORA
0,00200
Case
567
0,03000
0,02000
A
0,01000
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
AA
A
AA
A A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
AAA
A
A
AA A
AA
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A A A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A
A
A A
A
A
A
A
A
A
A
A
A
1
43
40
37
34
31
28
25
22
19
16
13
10
7
4
85
82
79
76
73
70
67
64
61
58
55
52
49
46
97
94
91
88
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
238
241
244
247
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para T_ATENCION
0,04000
Case
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
0,00040
A
A
A
AA
A
A
AA AA
A
A
A
A
A
A
A
A
A
AA A A
A
A
A
A
A
A
A
A
A
A A A
A
A
A
A
A A
A
AA
A A AA
A
A AA A A
A AA
A
A
A
AA
A
A
A
A
A
A
A AAAA
A
AA A A
AA A
A
A
A
A A
AAAAA
A
A
AA
A
AA A
A
A
A
A A
A
A
A
AAA
AAA
A
A AA
A
AA
A
AA
A
AAA
A
AAAAA
A
AAA
AA
AA
A
A
A
A
A
AA
AA
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A AA
A
AA
A
A
AA
A
A A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
AAAA
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
AA
A
AA
AA
A A
AA
A
A
A
A
AA
A
A
AA
AA
A
A
A
A
A
A
A
AA
A
A
AA
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AA A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
AA
A
A
AA
AA
A
A
A
A
A
A
A
AA
A
AA
A
A AA
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A AA
A
A
AA
A
A
A
A
A
A
A
A
A
AAA
A
AA
A
AA
A
AA
A
A
A A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
A A
A
A
AA
AAA
A
AA
A
AA
A
A
AA
A
A
A
A
AA AA
A
AAAA
A
A
A
A
A
A
A
A AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A AA
AA
AA A
A A
AA
A AA
AA
A
AAA
A
AA
A AAA
A
AA
A
A AAA
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A A
A A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
-0,000 40
A
A A
A
A
A
A
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
121
118
115
112
109
106
103
100
124
127
130
133
139
136
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
241
232
244
235
247
238
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para DURACION
0,00080
Case
568
0,00200
A
A AA
A
A A
A
AA
A A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA AAA AAA
A
A
A A A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A AA
AAAAA
AA
A
AA
A AA AAA
AA A
A
A
A
A
A
A
AA
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
AA
AA
A
AA
A
A
A
A
A
AAA
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A AAA
A A
AA
A
AAA
AA AA
A
A
AA
A
A
A
AA
AA
A
AA
A
A
AA
AA
AA
AA
A
A
A
AA
A
A AA
A
A
AA
A
A
A
AA
A
A
A
A
A
A
AA
A
A
A
A
A
A
AA
AA
A
A
AA
A
A
AA
A
AA
AAA
A
A
A
A
A
A
A
A
A
A
A
A
AA A
A
A
AA
A
A
A
A
AAA
A
A
AA
A
AA
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00100 A
A
A
A
A
AA
AA AAA
A
A
AA
A
AA
AA
AA
AA
AA
AAAA
AA
AA
AA
AA
A
A
A AA
A
A
AAA
A
A
A
A
AAA
A AAAA
A
A
A
A
AA
A
A
AA
A
A A
A
AA
A
A
AA
A
A
AA
A
AA
A
AA
A
A
A
A
AAAAA
A
A
A
AA
A
AA
A
A
AAA
AA
AA
AA
A
AAA
A
A
AA
AA
A
AA
AA
A
A
A
A
A
AA
A
AA
A
A
AA
A
AAA
A
A
A
A
A
A
A
A
A
A
AAAAA
A A
A
A
A
A
A
A
AA
A
AA
AAA
A
A
A
A
A
AA
A AA
A
A
A
A
A
AA
A A
A
A
A
AA
A
AA
A
A
AAA
A
AA
AAA
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A AA
A
A
AA
A
A
A
AA
A
A
A AAA
AAAA
A
A
AA
A
A
AA
A
A
A
A
A
A A
A
AA
A A
AA
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
AA
A
A
A
AA
A
A
A
A
A
AAA
A
A
A
A AA
AA AA
A
A
A
AAA
AA
AA
AAAA
A A A AAA
A
A
A
A
AAA
AA
A
A AAA
AA A
AA
AA
A
A AA
A
AA
AAAA
AA A
A
A A
A
AA A
A
-0,001 00
A
A
A
A
A
A
A
A
A
A
A A
A A
A
A
A
A
A
AA
A
A
A
A
-0,002 00
-0,003 00
A
A
A
A
A
A
A
A
AA
A
A
A
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
100
103
106
109
112
115
118
121
124
127
130
133
136
139
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
241
238
244
247
289
286
283
280
277
274
271
268
265
262
259
256
253
250
292
295
298
........
DFBETA para GARANT(1)
Case
569
DFBETA para MORA_MAYOR
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A AAA
A
A
A
A AA
AA A A
A
A
AAA
AA
A
A
A
A
A
A
A
AA
A A
AA A A
A
AA
A
A A
A
A
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
100
103
106
109
112
115
118
121
124
127
130
133
139
136
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
232
235
241
238
244
247
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
-0,050 00
Case
0,00050
A
A
A
A
A
A
A
A
A
A
A
A
A A
A
A
A
A
A
A
A
A
A
A
A
0,00025 A
A
A
A
A
A
A
A A AAAA A
AA
AA
A
A A AA
A
A AAA
A
AA
AA A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A A AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
AA
A AA AAA
A
A
A
A
A
A
A
A A
A
A AAAA
A
AA
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
AAAA A AA
A
A
A
A
A
A
AA
A
A
A
AA
A
A
AA
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
AA
A
AAAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
AA
AAAAA
A
AA
AA
A
AA A
A
A
A
A
AAA
AA
A
AA
A
A
A
A
A
A A AA
AA
AAA A
A
A
A
A
A AA A
A
A
AA
A
A
A AA
A
A
A
A A
A
AA
A
A A AA
A
A
A AAA
A
A
A
A
A
A
A
A
AA A
A
A
A
-0,000 25 A A A
A
A
A
A
AAA
A
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
121
118
115
112
109
106
103
100
163
160
157
154
151
148
145
142
139
136
133
130
127
124
205
202
199
196
193
190
187
184
181
178
175
172
169
166
247
244
241
238
235
232
229
226
223
220
217
214
211
208
289
286
283
280
277
274
271
268
265
262
259
256
253
250
........
298
295
292
DFBETA para COMISION
Case
570
0,01000
A
A
A
A
A
A
A
AA
A
AA
A A
A
A
A
A A
A
A
A A
A A
A A AA
A
A
A
A
AA
A A
A A AA A
AA A AA
AAA
A
AA A
AA
A
AA A
A
AA
AA A
A
A
AA
A
A
AA
A AAAA
A
A
A A
A
AAA A AAA
A
A
A
AA
AA
A
A
A A
A
AA
AA
A
AA
A
AA
A
AA
A
A
A
A AA
A
A
A A
A
A
A
A
A A
A
A
A
AA
A
AAA
A
A
A
A
A
A
AA
A
A
A
AA
AA
A
AAA
AAA
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA A A
AA A
A
A
A A AA
AAA
AA
A AA
A
A
AA
A
A
A
AA
A
AA
AA A
A
AA
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
AAA
A A AAA
A
A AA AA
AA
A
A
AA
A
A
A
A
A
AA A
A
A
A
A
AA
AA
A
AAAA
A A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
A
AA
A
A
DFBETA para TI
A
A
-0,010 00
A
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
121
118
115
112
109
106
103
100
163
160
157
154
151
148
145
142
139
136
133
130
127
124
205
202
199
196
193
190
187
184
181
178
175
172
169
166
247
244
241
238
235
232
229
226
223
220
217
214
211
208
289
286
283
280
277
274
271
268
265
262
259
256
253
250
........
298
295
292
Case
A
A
A
A
A
A
AA
A
A
A
AA
A
A A
A
A
AA A
A
A A AA A
A
A
A
A
A
A
AA
A
A AAA
A
A AA A
A
A
A
A A A
AA
A
AA
A
A
AAA
A
A
AA AA
AAAA A
A A AA
A
A
AA
AAA
A AA
AA
A
A
A AA
A
A
A
A AAAA
A
AA
A
AA
A
A A
AA A AA AAA
A
AA AA
A
AAA
A
AAA
AAAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
AA
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
AA
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
AA
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AA
AA
A
A
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
AAAA A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
AA
AA
A
AA
A
A
AA
AA
A
A
AA
A
A
A
AA
A
AA
A
AA A
A AA
A
AAAA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A A
A
A
A
A
A
A
A
A
A
A
A
A A
A
AA A AAA A AAA
A AA
A
AA
AA
A
A A
AA
A
AA
A AA
A
A
A
A
A A A
A
A A
AA
A
A
A
A
A
A
A
A
A A
A
A A
A
A
A
A
A
A
A A
A
A
-0,005 00
A
A
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
100
103
106
109
112
115
118
121
124
127
130
133
139
136
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
241
232
244
235
247
238
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para IGB
0,00500
Case
571
0,02000
A
A
AA
A
A
A
A
A
A
A
A
A
A
A A
A
A
AA A A
A
AAA A A
A
A
A
A
AA
A
A
A AA
A
A
A AA
AAA A
AAA
A
A
A
AAA
AA
A A A AAA A
A
A
AAA
AAAAA A
AA
AA
A
A
AAAAA
A
A
A
AA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
AAA
AA
A
AA
AAA
A AA
AAA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAAA
A
AA
AA
A
AAA
AA
A
AA
AA
A
A
A
A
AA
A
A
AA
AA
A
A
A
A
A
AA
A
A
AA
A
A
A A
AA
A A AA
A
AA
A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
AAA
A
AA
A
A
A
A
A
A
AA
AA
A
A
A
A
AA
A
AAA
A
AA A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
0,00000 A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A A
A
A
AA
A
A
A
A
A
A
A
AA
A
A
AA
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
A
A
AAAA
A
A
A
A
A
A
A
A
A
A
A
AA
A
A
A
AAA
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A A
A
A
A
A AA
AA
AA
A
AA
A AAA
A
A A AA A A
AAA
AAA
A A
A
A
AA
A
AA
A
A
A
AA
A A AA
A
A A
A
AA
AA
A
A AA
A
AA A
AA A
AAA
AA AAAAA
A A
AA
A
A
A
A A
AA
A
A
A
A
A
A
A
A
AA A
A
AA
A
A
A A A
A
A
AA
A
A
AA
A
A
A
A
A
A
A
A
A
-0,020 00
37
34
31
28
25
22
19
16
13
10
7
4
1
79
76
73
70
67
64
61
58
55
52
49
46
43
40
97
94
91
88
85
82
100
103
106
109
112
115
118
121
124
127
130
133
139
136
142
145
148
151
154
157
160
163
166
169
172
175
178
181
184
187
190
193
196
199
202
205
208
211
214
217
220
223
226
229
241
232
244
235
247
238
250
253
256
259
262
265
268
271
274
277
280
283
286
289
292
295
298
........
DFBETA para LUZ
Case
572

00b49534bba40920cb000000 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

00b49534bba40920cb000000 PDF

Cargado por

Copyright:

Formatos disponibles

DEPARTAMENTODEECONOMAFINANCIERAYCONTABILIDAD

Editor: Editorial de la Universidad de Granada

Al profesor Dr. D. Francisco Lara Snchez, mi padre, a quin

Reservo este espacio para expresar mi ms sincero agradecimiento a

I.4. Las Instituciones de Microfinanzas................................................................... 75

I.4.2.1. Organizaciones No Gubernamentales (ONGs). ..................... 80

I.4.2.3. Cooperativas de ahorro y crdito............................................. 83

I.4.3.1. Grupos solidarios.............................................................

I.4.3.2. Uniones de crdito...........................................................

I.4.3.3. Bancos comunales...........................................................

I.4.3.4. Prstamos individuales.....................................................

I.5.2.Funcin econmica y social...........................................................

I.6.1.Las microfinanzas en Mxico..........................................................

I.6.2.Las microfinanzas en Colombia......................................................

I.6.3.Las microfinanzas en Chile.............................................................

I.6.4.Las microfinanzas en Bolivia...........................................................

I.6.5.Las microfinanzas en Per..............................................................

I.6.5.1. Las Cajas Municipales de Ahorro y Crdito (CMACs).. 111

I.6.5.3. Las EDPYMEs.................................................................

I.6.6.Aspectos actuales comunes de las microfinanzas. ..............................

I.7. Consideraciones finales................................................ ................................... 123

II.1. Introduccin................................................ ................................................

II.2. Concepto de Riesgo de Crdito..............................................................

II.3. Concepto de credit scoring...........................................................................

II.4. Anlisis del riesgo de crdito en la Banca................................................

II.4.1. Tcnicas paramtricas de credit scoring...........................................

II.4.1.1. Anlisis Discriminante.....................................................

II.4.1.2. Modelos de Probabilidad Lineal..

II.4.1.3. Modelos Logit...............................................................

II.4.1.4. Modelos Probit...............................................................

II.4.2. Tcnicas no paramtricas de credit scoring....................................... 185

II.4.2.2. Redes Neuronales...........................................................

II.4.2.3. rboles de Decisiones..................................................

II.4.3. Modelos comparativos de credit scoring..

II.5.1. El modelo de Vigan....................................................................

II.5.2. El modelo de Sharma y Zeller.......................................................

II.5.3. El modelo de Zeller....................................................................

II.5.4. El modelo de Reinke..................................................................

II.5.5. El modelo de Schreiner..............................................................

II.5.6. El modelo de Vogelgesand..........................................................

II.5.7. El modelo de Diallo...................................................................

II.5.8. El modelo de Meier y Balke.......................................................

II.5.9. El modelo de Dinh y Kleimeier....................................................

II.5.10. El modelo de Van Gool et al........................................................

II.6. Limitaciones en la construccin de los modelos de credit scoring para las

II.7. Ventajas e inconvenientes de la elaboracin de un modelo de scoring para

II.7.1. Ventajas del credit scoring en las IMFs..

II.7.2. Inconvenientes del credit scoring en las IMFs.

II.8. Consideraciones finales. .......................................................................

BLOQUE II: INVESTIGACIN EMPRICA..

CAPTULO III. LA EVALUACIN Y CONCESIN DE MICROCRDITOS..

III.1. Introduccin. .................................................................................................

III.2. Fases de la concesin de un microcrdito.................................................

III.2.1. Fase 1: Investigacin de mercado y promocin del crdito..

III.2.2. Fase 2: Informes de crditos para clientes nuevos o recurrentes

III.2.3. Fase 3: Recepcin de documentos y evaluacin del expediente de

III.2.5. Fase 5: Aprobacin de la solicitud de crdito..

III.2.6. Consideracin del entorno econmico.. 260

III.4. Seleccin y anlisis previo de las variables explicativas.

III.4.1. Variables obtenidas de la investigacin de mercado y promocin del

III.4.3. Variables obtenidas de la recepcin de documentos y evaluacin del

Variables del anlisis de la actividad econmica

Variables de la revisin de Centrales de Riesgos e