Está en la página 1de 32

Perfil de Coyuntura Econmica No. 16, diciembre 2010, pp.

191-222 Universidad de Antioquia 191

Construccin de un modelo de scoring


para el otorgamiento de crdito en una
entidad financiera*

Juan Camilo Ochoa P.**


Wilinton Galeano M.***
Luis Gabriel Agudelo V.****

Introduccin. I. Relevancia e Inestabilidad del Sistema Financiero. II. Regulacin


Bancaria y el riesgo de crdito. III. Revisin de la Literatura: Scoring estadstico.
IV. Metodologa. a. Descripcin de las variables. b. Modelo de Scoring para la
asignacin de crdito. 1. Anlisis de datos. 2. ndice de desviaciones. 3. Scoring o
puntaje. 4. Resultados. 5. Pruebas de Back Testing. 6. Generalidades. Conclusiones.
Referencias bibliogrficas. Anexos.

Primera versin recibida: Agosto 20 de 2010; versin final aceptada: Octubre 25 de 2010

Resumen: La Superintendencia Financie- la construccin de un modelo de Scoring


ra de Colombia (SFC) mediante la Carta de otorgamiento de crdito; mediante el
Circular 31 y la Circular Externa 11 de anlisis estadstico de variables cualitativas
2002, exige que todas las instituciones y cuantitativas dentro de una base de datos
financieras deben implementar un Sistema facilitadas por una cooperativa financiera
de Administracin del Riesgo Creditico del Valle de Aburr con esto se pretende
(SARC); teniendo en cuenta la volatilidad definir perfiles de prestatarios propensos
de las variables financieras gracias a la al incumplimiento de sus obligaciones, y
globalizacin de los mercados financieros perfiles de prestatarios de buen compor-
mundiales y la importancia de un sistema tamiento.
financiero fuerte. En este marco regulato- Palabras clave: Modelo Scoring, anlisis
rio, el presente trabajo implementa una discriminante, riesgo de crdito, otorga-
metodologa de anlisis discriminante para miento de crdito, sistema financiero.

* Trabajo realizado para la Investigacin de perfiles de clientes ptimos para el otorgamiento de crdito para
Coofinep Cooperativa Financiera.
** Analista Riesgo de Lavado de Activos Coofinep. Direccin electrnica: juanop@coofienp.com
*** Analista Riesgos Financieros Coofinep. Direccin electrnica:wilintongm@coofienp.com
**** Docente Universidad de Antioquia. Direccin electrnica:lgagudelo@economicas.udea.edu.co
192 Perf. de Coyunt. Econ. No. 16, diciembre 2010

Abstract: The Superintendencia Financiera pouvant tre dfinies comme des mauvais
of Colombia (SFC) by the Carta Circular payeurs et, dautre part, les emprunteurs
31 and the Circular Externa 11 of 2002, dfinies come des bons payeurs.
it requires to all financial institutions
Mots clef : Modle Scoring, analyse discri-
implement a Risk Management System
minante, risque de crdit, octroi de crdit,
Credit, taking into account the volatility
systme financier.
of financial variables through the world
financial markets globalization and the Clasificacin JEL: C42, C53, G14, G28.
importance of a strong financial system.
In this regulatory framework, the paper Introduccin
proposes a grand model of credit scoring
to define profiles of borrowers susceptible La acumulacin de capital humano, tecno-
to default in their obligations, and profiles lgico, de conocimiento y fsico, como la
of borrowers with good behavior, that, inversin, son tomados como determinan-
through statistical analysis of qualitative tes importantes del crecimiento econmico
and quantitative variables with a database en la actualidad. La inversin fsica ha sido
provided by a financial cooperative in the reconocida por los primeros economistas
Aburr Valley. clsicos, como motor del crecimiento
econmico, demostrado por Harrod (1939)
Key words: Scoring Model, discriminant y Domar (1946) con su modelo bsico de
analysis, risk credit, granting credit, finan- crecimiento, y son las instituciones finan-
cial system. cieras quienes aprovechando sus economas
de escala, ponen en manos de los inversores
Rsum : La Surintendance Financire
el capital necesario para promover el cre-
de Colombie (SFC) travers la Note de
cimiento. Despus de las crisis financieras
Service 31 et la Note de Service Externe
de 1999 y 2008, en Colombia y Estados
11 de 2002 exige que toutes les institutions
Unidos respectivamente, se hace evidente
financires de Colombie doivent mettre en
que el sistema financiero debe ser regulado
uvre un Systme de Gestion du Risque
de tal manera que corrija las asimetras de
de Crdit (SARC), tout en tenant compte
informacin, las cuales el mercado por s
de la volatilit des variables financires
solo no corrige.
associes linstabilit du march financier
international. Dans ce cadre rgulateur, ce- Ahora bien, la regulacin financiera no
papierpropose une mthodologie d'analyse es nueva en el entorno global, pues dada
discriminante pour la construction d'un la inestabilidad y la globalizacin de mer-
modle de Scoring d'octroi de crdit. Pour cados financieros, la regulacin es puesta
ce faire, nous faisons une analyse statistique en la agenda de los pases desarrollados.
sur des variables qualitatives et quantita- Con la creacin del Comit de Regulacin
tives, en utilisant la base de donnes dune Bancaria de Basilea, se dan los primeros
institution financire de la ville de Medellin. pasos de la regulacin internacional, cuyos
Nous avons donc tabli des diffrents profils lineamientos se convirtieron rpidamente
concernant, dune part, les emprunteurs en derroteros regulatorios a nivel mundial.
Construccin de un modelo de scoring... 193

Bajo este contexto, se hacen recomenda- se fundamenta la idea de construccin de


ciones para la administracin del riesgo de un modelo para una entidad financiera de
cartera, definido por Torres (2005) como mediano tamao. Seguidamente, se hablar
la probabilidad de que los deudores de del Comit de Regulacin Bancaria de
la entidad financiera incumplan con sus Basilea y la implementacin de sus reco-
obligaciones. Posteriormente, la Superin- mendaciones en la regulacin bancaria de
tendencia Financiera de Colombia (SFC) Colombia, con la SFC y la adopcin del
ya a nivel nacional mediante la Carta SARC. En el tercer apartado, se revisarn
Circular 31 y la Circular Externa 11, ambas algunos artculos donde se proponen mo-
del 5 de marzo de 2002, adopta una nueva delos de otorgamiento para instituciones
forma de gestionar el riesgo crediticio (RC) financieras. Posteriormente, se mostrar
mediante el desarrollo e instrumentacin la metodologa utilizada para el modelo
del Sistema de Administracin de Riesgo de Scoring y finalmente las conclusiones.
Crediticio (SARC), como lo hace saber
Torres (2005). I. Relevancia e inestabilidad del
sistema financiero
Dentro del SARC, del que ms adelante
ampliaremos, se impulsa la gestin interna Es innegable el importante papel que cum-
de los riesgos a los que se enfrenta la entidad ple en la economa este mercado, puesto
financiera, en cuanto al diseo y adopcin que es el encargado de captar el supervit
de modelos que permitan monitorear de existente en algunos agentes econmicos,
manera permanente su cartera de crdi- el cual, posteriormente coloca en manos
tos desde su otorgamiento hasta su pago de otro grupo de agentes que lo se invertir
total, en la actualidad, el ente regulador en proyectos (crdito comercial) o se usar
slo tiene modelos de referencia para el para cubrir ciertas necesidades de consumo
seguimiento de la cartera y clculo de la (crdito de consumo). Esta inversin ser el
provisin. Por ello, teniendo en cuenta motor de crecimiento de la economa como
las reglamentaciones, y dada la falta de lo demuestra Harrod (1939) y Domar (1946),
un modelo de otorgamiento referenciado con su modelo de crecimiento exgeno.
por la SFC, el objetivo de este trabajo ser
Adems, como lo hace saber Urrutia
implementar una metodologa de anlisis
(2002), el sistema financiero reduce en gran
discriminante para la construccin de un
medida externalidades como los costos de
modelo de Scoring1 para una institucin
transaccin y la informacin asimtrica.
financiera de mediano tamao.
Los costos de transaccin, tratados por
Es as, como el presente trabajo se dividir primera vez por Coase (1937), son gene-
en cuatro partes, donde en la primera, se rados cuando se busca un prestamista o
muestra la importancia e inestabilidad del prestatario que se ajuste a las necesidades
sistema financiero, en la segunda, se plantea que cada uno posea. As, esta recoleccin
el marco terico y normativo, en el cual de informacin de cada individuo generar

1 Su traduccin del ingls da ms o menos una idea, pues un modelo de Scoring asigna puntajes a perfiles de
prestatarios basado en el comportamiento histrico de sus pagos.
194 Perf. de Coyunt. Econ. No. 16, diciembre 2010

costos adicionales. El otro problema, es la los precios, esto debido a la especulacin


informacin asimtrica: seleccin adversa, financiera, puesto que cuando la burbuja
riesgo moral y problemas de agencia. La finalmente estalla, se encuentra una cartera
seleccin adversa, surge cuando la falta de vencida alta y finalmente una crisis finan-
informacin hace que el ente prestador ciera de grandes proporciones.
no conozca de manera perfecta, el tipo
de agente al cual le pretende otorgar un El sistema financiero canaliza los recursos
crdito, no tiene la informacin suficiente de capital derivados del ahorro hacia la
para determinar si el individuo tiene la inversin, adems de reducir de manera
capacidad adquisitiva que informa tener o importante los costos de transaccin e
si lograr cumplir sus obligaciones. informacin asimtrica. Se hace claro
entonces, que la intermediacin financiera
Por otra parte, el riesgo moral ocurre es necesaria y de vital importancia para
cuando el prestamista al ser captador de la economa, para el apalancamiento y el
dinero por parte de los ahorradores, toma crecimiento de la industria, asimismo, se
un gran riesgo debido a su alto rendimiento, debe tener en cuenta que es un mercado
situacin a la que sera averso si el dinero imperfecto gracias a las externalidades an
fuera suyo. Estos dos casos son resultado presentes, y por esto debe ser regulado.
de la informacin asimtrica, estudiados
por Akerlof (1970), Spence (1976) y Stiglitz
II. Regulacin Bancaria y el
(1995). El problema de agencia surge debido
a las diferentes funciones objetivo a la que
riesgo de crdito
se enfrenta el accionista o socio de la insti-
Como lo afirma Prez y Fernndez (2007)
tucin financiera y a la que se enfrenta el
desde la dcada de los aos setenta del pa-
administrador financiero, tema del que se
sado siglo, se comienzan a ver cambios en
podr ampliar con Tarzijan (2003).
el manejo de las instituciones financieras
Tambin, es importante tener en cuenta que debido, en gran medida, a la volatilidad de
el sistema financiero es inestable, como lo variables exgenas y endgenas explicadas
hace ver el trabajo de Minsky (1992) con la por la globalizacin de mercados financie-
hiptesis de la inestabilidad financiera, que ros, la innovacin de productos financieros,
ofrece un anlisis interesante. ste, basado entre otros; las cuales obligan a que tambin
en la Teora General de Keynes, aduce que se creen cambios en materia de regulacin.
la momentnea estabilidad financiera, es Es as, como el colapso en 1974 de Bankhaus
la que hace que las instituciones bancarias Herstatt en Alemania y del Banco Nacional
apoyadas en una particular confianza Franklin en los EE.UU, obliga a que en el
promovida por el crecimiento econmico, Banco Internacional de Pagos (BIS) con sede
otorguen un mayor nmero de crditos en Suiza, se cree el Comit de Supervisin
con un mayor riesgo, generando una Bancaria de Basilea con los presidentes de
mayor liquidez en la economa e inflando los bancos centrales del grupo del G102, con

2 Blgica, Francia, Canad, Alemania, Japn, Italia, Suecia, Holanda, Reino Unido, Estados Unidos y Suiza.
Construccin de un modelo de scoring... 195

el objetivo de formular recomendaciones a Basilea II, que recomienda la gestin del


para la regulacin de instituciones finan- sistema financiero, a travs de tres pilares:
cieras y enfrentar de manera ms eficaz las
inestabilidades producidas por un mercado 1. Requisitos de capital mnimo: cubri-
financiero mundial. Este organismo, cons- miento de capital en riesgo
ciente de que las instituciones se enfrentan 2. Proceso de examen supervisor: donde
al riesgo de crdito, hace pblico el Acuerdo el ente supervisor cumple un papel
de Capitales de Basilea en 1988, el cual es primordial en la vigilancia y supervisin
conocido como Basilea I, en dnde se ha- de la administracin por parte de las
cen las recomendaciones necesarias, dada entidades financieras.
la importancia de asegurar la estabilidad
3. La disciplina de mercado: acceso y trans-
del sistema y mantener un capital mnimo
parencia de la informacin suministrada
con el que se cubran los capitales sujetos al
por las entidades financieras.
riesgo de posibilidad de impago, el cual se
llam capital mnimo regulatorio. A nivel nacional, la SFC mediante la Cir-
Debido a los vacos regulatorios a nivel cular Externa 11 y la Carta Circular 31 de
mundial del sistema y la rpida innova- marzo de 2002, con las cuales se modifica
cin de los productos financieros, estas el captulo II de la Circular Externa 100
recomendaciones fueron adoptadas por de 1995 o Circular Bsica Contable y
los entes reguladores de la mayora de los Financiera (CBCF), empieza a cambiar la
pases del mundo. Posteriormente, como lo normatividad de regulacin bancaria ade-
hace saber Torres (2005), las entidades desa- cundose a los nuevos cambios mundiales
rrollaron mejoras en la administracin del en este tema, por medio de la implemen-
riesgo, incorporando sus planteamientos tacin del Sistema de Administracin de
estratgicos y operacionales en el manejo Riesgo Crediticio (SARC) definido por
de este factor. As, en 1999 el Comit de Torres (2005, p. 125) como:
Basilea se reuni nuevamente y se cre un Un conjunto de polticas, procedi-
nuevo acuerdo: Basilea II, hecho pblico en mientos, metodologas, herramientas
2004 y una versin ms completa en 2006, informticas y capital fsico y humano
donde se ampla el tratamiento de los riesgos de las entidades financieras, dirigidas
a los que se enfrenta el sistema financiero; hacia la adquisicin de conocimientos,
teniendo en cuenta adems del riesgo de medicin y control de riesgos crediti-
crdito, a los riesgos operacionales y los cios, en los que incurre una entidad
de mercado. El acuerdo Basilea II, queda dentro del giro normal de su negocio.
con elementos del Acuerdo de 1988 que no
fueron revisadas en este nuevo Acuerdo y El SARC debe contar al menos con los
la Enmienda de 1996 que inclua el riesgo siguientes componentes bsicos:
de mercado; asimismo, se incluy el do-
Polticas de administracin del RC
cumento de 2005 que aplicaba Basilea II a
actividades de comercio; para as obtener Procesos de administracin del RC
196 Perf. de Coyunt. Econ. No. 16, diciembre 2010

Modelos internos o de referencia para la desarrollo de sistemas de medicin y


estimacin o cuantificacin de prdidas administracin del (RC).
esperadas Plazo para cumplimiento: 31 de diciembre
Sistema de provisiones para cubrir el RC de 2002
Procesos de control interno Fase III: Empezar clculo de prdida
esperada utilizando sistemas de me-
Dentro de los Procesos de administracin
dicin y metodologas elegidas por la
del RC cada institucin financiera debe
institucin.
tener los siguientes contenidos mnimos:
otorgamiento, recuperacin, seguimiento Plazo para cumplimiento: 27 de junio
y control. Sin embargo, en las Consi- de 2003.
deraciones Generales del captulo II de Las entidades vigiladas por la SFC, deben
la CBCF, la SFC menciona el tipo de disear y adoptar un SARC que les permita
entidades que estn obligadas a adoptar monitorear de manera permanente su
un SARC. cartera de crditos, desde su otorgamiento
hasta su pago total; por tanto, se deben
Las siguientes entidades estn obligadas
disear e implementar modelos adecuados
a adoptar un SARC: establecimientos
para dichos fines. En la actualidad, el ente
bancarios, corporaciones financieras,
regulador slo tiene modelos de referencia
compaas de financiamiento comer-
para el seguimiento de la cartera y clculo
cial, cooperativas financieras, organis-
de la provisin, pero los modelos de otor-
mos cooperativos de grado superior y
gamiento deben ser diseados de acuerdo
todas aquellas entidades vigiladas por
a los lineamientos exigidos por el ente
la SFC que dentro de su objeto social
regulador, con el fin de escoger un buen
principal se encuentren autorizadas
sujeto de crdito. De este ltimo, no se
para otorgar crdito []
tiene un modelo de referencia, debido a
La implementacin por parte de las enti- que cada entidad tiene su particular nicho
dades financieras colombianas de la nueva de mercado y por ende las caractersticas
normativa, se dividi en tres fases como lo del sujeto de crdito pueden variar en cada
seala Torres (2005): entidad. Sin embargo, el diseo del modelo
de otorgamiento debe tener en cuenta las
Fase I: Creacin del documento que sus- exigencias de la norma, la cual dice que
tenta el desarrollo del SARC y avance para dicho fin, se debe realizar un anlisis
en la reconstruccin y utilizacin de que relacione informacin cualitativa y
informacin histrica por parte de las cuantitativa de los usuarios de crdito que
instituciones financieras. permita diferenciar un perfil de cliente
Plazo para cumplimiento: 28 de junio sujeto de crdito y un perfil de cliente no
de 2002 apto para otorgamiento de crdito.

Fase II: Finalizacin de la reconstruc- Igualmente, la norma exige unos parme-


cin de la informacin histrica y tros mnimos como: informacin previa al
Construccin de un modelo de scoring... 197

otorgamiento de un crdito, seleccin de cuenta como los ms comunes, el modelo


variables y segmentacin de portafolios, LOGIT, PROBIT, las Redes Neuronales y
capacidad de pago del deudor y garantas el Anlisis Discriminante. En este escrito
que respaldan la operacin y criterios para slo se mostrarn algunos trabajos, pasan-
estimar su valor y eficacia (ver Circular do por un modelo de respuesta binaria,
Externa 52 de 2004)3. Es aqu, en donde se un modelo a criterio de expertos, otro
justifica la implementacin de un modelo de modelo basado en redes neuronales y para
otorgamiento para las instituciones finan- finalizar, un modelo logit-probit; sealando
cieras y argumentado por la inexistencia de sus principales caractersticas y en algunos
un modelo de referencia que proponga la casos mencionando sus desventajas.
SFC; adems, todas las entidades obligadas
a implementar el SARC que tengan cartera Aguas y Castillo (2002), proponen un
de consumo, deben establecer un modelo modelo en el cual se puedan estimar apro-
de otorgamiento de crdito que permita piadamente las prdidas potenciales, en las
clasificar y calificar segn el riesgo a los que puede incurrir una entidad financiera
potenciales sujetos de crdito como se en el otorgamiento y seguimiento del
expresa en la Circular Externa 22 de 20084. crdito, a travs de una regresin logstica
Por ello, el objetivo de este trabajo, ser la binaria. Es importante tener en cuenta que
realizacin de un modelo de Scoring5 de lo innovador de este trabajo es el clculo de
otorgamiento, basado en el historial de varios tipos de default6, dependiendo de si la
pagos crediticios, con el fin de caracteri- economa est en recesin o no, se incluir
zar perfiles de prestatarios con baja y alta en el anlisis la hiptesis de la inestabilidad
probabilidad de impago. mencionada por Minsky (1992).

Otro trabajo interesante, es el de Medina


III. Revisin de la literatura: Sco- y Paniagua (2008), donde implementan un
ring estadstico modelo a criterio de expertos o analistas
del crdito para una cooperativa, en la
Como lo afirma Gutirrez (2007), los cual se analiza la inferencia que tiene cada
modelos de scoring o por puntajes fueron variable tenida en cuenta en la aprobacin
introducidos a partir del ao 1970 en el o desaprobacin de un crdito, se crea un
anlisis del otorgamiento del crdito, pero modelo en el que se consideran relevantes
generalizados despus de 1990 gracias al las variables de entrada y de salida con
desarrollo estadstico y tecnolgico. En- apoyo en el criterio de los expertos y en
tre los mtodos para la construccin de el entendimiento que ellos tienen acerca
modelos de scoring se pueden tener en del fenmeno gracias a una curva de

3 Numeral 1.3.2.3.1. del captulo II de la Circular Bsica Contable y Financiera.


4 Anexo 5 del captulo II de la Circular Bsica Contable y Financiera.
5 Es un modelo estadstico caracterizado por asignar puntajes, al analizar y relacionar caractersticas cuantitativas
y cualitativas.
6 Das en los cuales, la institucin financiera considerar que el prestatario entra en mora.
198 Perf. de Coyunt. Econ. No. 16, diciembre 2010

aprendizaje basada en la experiencia. Los financiero Argentino, con poco ms de


autores utilizan un modelo de Lgica Difusa 32.600.000 registros.
teniendo en cuenta que la informacin no
es la ms completa ni la de mayor calidad IV. Metodologa
en la realidad.
Luego de las implementaciones y la regla-
Prez y Fernndez (2007) utilizan un mo- mentacin por parte de la SFC, las herra-
delo de Redes Neuronales o de Inteligencia mientas estadsticas deben ser aprovechadas
Artificial, en el cual, mediante algoritmos en la creacin de modelos internos para el
de aprendizaje, el modelo reconoce secuen- otorgamiento, el seguimiento, el clculo
cias de patrones, simulando el comporta- de la prdida esperada y el capital mnimo
miento del cerebro humano. Este tipo de requerido. En este trabajo, se propondr
modelos se entrenan, se auto organizan, un modelo de otorgamiento aplicado a una
aprenden y olvidan; pero su gran problema entidad financiera de mediano tamao para
es que no se sabr cul fue el criterio que la administracin del riesgo de crdito,
utiliz para obtener el resultado, situacin ya que la SFC no cuenta con un modelo
que los mismos autores llaman caja negra; de referencia de este tipo. El objetivo, es
pues resolver el problema mas no sabr explicar la construccin de un modelo
como lo solucion; en donde este modelo mediante anlisis discriminatorio para una
no servir como una herramienta de apoyo institucin financiera, que en este caso se
en el caso estudiado. trata de una cooperativa7 ubicada en el
Valle de Aburr.
Finalmente, el trabajo de Gutirrez (2007),
se basa en la construccin de un modelo La base de datos que se utilizar para el
logit-probit; el cual tiene en cuenta la trabajo, fue facilitada por una cooperativa
naturaleza discreta de la variable depen- financiera de mediano tamao, de la cual
diente que en este caso sera el default de por razones de privacidad y seguridad no
la entidad, modeloque tambin esllamado se revelar el nombre, pero cuando sea
de eleccin binaria. El autor utiliza una necesario, ser llamada Entidad Financiera
funcin acumulada F(x) con las siguientes X. Para la ordenacin de las variables y los
propiedades: F(-)=0 y F(0)=1; esta fun- clculos necesarios, se utilizar el paquete
cin acumulada, mapea el intervalo [0,1], estadstico SPSS en su versin nmero 18.
pues son los valores que toma la variable La base de datos contiene el histrico de
dependiente.La informacin que utiliza seguimiento de crditos de 24.786 personas,
es de la Central de Deudores del Sistema con fecha de corte en noviembre de 2009,
Financiero, que contiene la informacin donde se identifican 30 variables con rela-
de todas las deudas y deudores del sistema cin a cada registro de clientes de la entidad.

7 Este tipo de modelos es aplicable a cualquier institucin financiera, sea grande o pequea, pero su requisito
mnimo ser un historial de crditos de buena calidad, donde se representen debidamente los tipos de clientes
en que cada entidad se especializa.
Construccin de un modelo de scoring... 199

a. Descripcin de las variables 20078. Si no se tiene suficiente historial


La variable explicada o variable dependien- del cliente, esta informacin podr ser
te, ser default, que es el nmero de das en obtenida de las diferentes centrales de
el cual la institucin financiera considerar riesgo. Las categoras sedefinen de la
que se entra en mora o en incumplimiento siguiente forma:
de las obligaciones. sta es utilizada en las A o riesgo normal
instituciones financieras para evaluar la B o riesgo aceptable, superior al
salud de la cartera y mediante este anlisis normal
administrar mejor el riesgo de probabilidad C o riesgo apreciable
de impago. El default para la institucin D o riesgo significativo
financiera de la base de datos es de 90 E o riesgo de incobrabilidad
das, un default bueno ser aquel que est
por debajo de este nmero de das y uno 3. Monto: es el volumen del prstamo
malo aquel que se encuentre por encima. concedido. Se divide en cinco categoras,
Adems, es de tener en cuenta que el nivel en millones de pesos
de default se determinar de acuerdo con
1
las polticas de cada entidad.
( 1 1.5 ]
Las variables independientes explicarn ( 1.5 2.5 ]
y determinarn la variable dependiente o ( 2.5 4 ]
variable explicada del modelo propuesto, de 4
las treinta variables con las que se cuenta, se
4. Garanta: es la garanta que ofrece el
tomarn veinte que guardan una mejor rela-
prestatario a la entidad financiera y
cin con la variable dependiente, estas son:
sta puede ser de dos tipos: personal
1. Oficina: es el lugar en el cual se soli- y real. La primera, es cuando se tiene
cit el prstamo, con nueve puntos un respaldo personal, otorgado por un
distribuidos en el Valle de Aburr: codeudor; en la segunda se respalda el
Bello, Copacabana, Itag, Laureles, crdito por medio de un bien inmueble,
Beln, Envigado, Caldas, Manrique y por ejemplo.
La Amrica. 5. Reestructurado: segn el comporta-
2. Categora: es la calificacin de cada miento del prestatario, el crdito ha
cliente, determinada a partir de su his- tenido que ser modificado en sus con-
torial de crdito. La SFC estandariza diciones iniciales, para asegurar que ste
la calificacin del riesgo de crdito y cumpla con las obligaciones financieras.
establece reglas para cada categora Esta variable solo tiene dos categoras:
en la Circular Externa 29 de mayo de No reestructurado y Reestructurado.

8 Anexo 1 del captulo II de la Circular Bsica Contable y Financiera.


200 Perf. de Coyunt. Econ. No. 16, diciembre 2010

6. Edad: la edad en la cual se encuentra Estrato 3


el prestatario, est dividido en cinco Estrato 4
categoras Estrato 5
[ 18 25 ] Estrato 6
[ 26 35 ] 11. Antigedad Laboral: Tiempo que lle-
[ 36 45 ] va vinculado como trabajador en una
[ 46 55 ] empresa
56
1 ao
7. Ocupacin: dividido en siete categoras, ( 1 3 ] aos
expresa la ocupacin del prestatario ( 3 6 ] aos
Ama de casa ( 6 9 ] aos
Desempleado > 9 aos
Empleado
12. Estado Civil: en seis niveles
Estudiante
Independiente Casado
Jubilado Eclesistico
Pensionado Separado
Soltero
8. Nivel Educativo: grado de escolaridad
Unin libre
del prestatario
Viudo
Bachiller
Ninguno 13. Gnero: sexo del prestatario: Femenino
Postgrado o Masculino.
Primara
14. Personas a Cargo: nmero de personas
Tcnico
que dependen econmicamente del
Tecnolgico
prestatario:
Universitario
0 personas
9. Ingreso Total: en cinco niveles, en
1 persona
millones de pesos
2 personas
1.03 3 personas
( 1.03 2.06 ] 4 personas
( 2.06 3.09 ]
( 3.09 4.12 ] 15. Tipo de Vivienda: en la que vive el
> 4.12 prestatario

10. Estrato Social: estrato socioeconmico Arrendada


del prestatario Familiar
Propia
Estrato 1 Ninguna de las anteriores
Estrato 2
Construccin de un modelo de scoring... 201

16. Tipo de Contrato: contrato laboral del b. Modelo de Scoring para la asignacin
prestatario de crdito
Jubilado El Scoring estadstico est basado en his-
Servicios toriales de pago, toma comportamientos
Trmino definido pasados para pronosticar comportamientos
Trmino indefinido futuros de los crditos. Como lo explica
Ninguno de los anteriores Schreiner (2002), un modelo de Scoring
utiliza la misma lgica que el analista de
17. Antigedad en la Institucin: antige-
crdito, pues se basa en experiencias y
dad en la cooperativa si es asociado
seguimientos de crditos otorgados en el
1 ao pasado, mediante un anlisis de las carac-
( 1 3 ] aos tersticas de los nuevos solicitantes, con el
( 3 6 ] aos fin de calificar o descalificar los perfiles.
( 6 9 ] aos Es as como el analista basado en la expe-
> 9 aos riencia, sabe que si otorga un crdito a un
desempleadoste tendr un mayor riesgo
18. Capacidad de Pago: se categoriza en
de caer en default. El problema est en que
cuatro niveles, entre menor valor,
la decisin del analista de crdito podr
menor ser la capacidad de pago del
ser subjetiva, y depender en gran medida
prestatario
de lo que el analista considere bueno o
2.8 o muy baja capacidad de pago malo o de su estado de nimo.
( 2.8 3.82 ] o baja capacidad de
De acuerdo a esto, la metodologa a utili-
pago
zar es de anlisis discriminante, donde el
( 3.82 5.28 ] o mediana capacidad
total de la informacin se divide en dos
de pago
grupos para ser comparados: en el actual
> 5.28 o alta capacidad de pago
trabajo estos grupos son los prestatarios
19. Plazo: el plazo al cual se solicita el que se encuentran en default y los que no,
crdito este tipo de anlisis ayuda a diferenciar las
12 meses caractersticas que contienen cada grupo de
( 12 18 ] meses prestatarios; lo cual permite pronosticar de
( 18 24 ] meses acuerdo con sus caractersticas siestar o no
( 24 36 ] meses en default. El objetivo de este modelo es
> 36 meses asignar puntajes a cada perfil de cliente de
la institucin financiera, para determinar,
20. Forma de Pago: es la forma de pago en la dadas las caractersticas cuantitativas y
cual se cancelarn las cuotas del crdito. cualitativas, si el cliente tendr una alta o
En caja, es cuando el prestatario realiza baja probabilidad de caer en default, y de
el pago al prestamista directamente, esta manera agilizar el trmite de un crdito
mientras que en Nmina existe una y hacerlo menos subjetivo. Este tipo de
institucin que intermedia este pago. procedimientos se denomina minera de
202 Perf. de Coyunt. Econ. No. 16, diciembre 2010

datos o data mining, pues permite extraer diferencia relevante entre las dos categoras
informacin relevante y encontrar patro- que contiene. La categora nmina est
nes de comportamiento de los datos; para influenciada por un tercero, sobre el cual
posteriormente utilizar esta informacin el prestatario no tiene ningn control, n-
relevante, en un anlisis descriptivo y mina se convierte en una categora externa
predictivo de los datos, como lo afirma exgena, que se separa completamente del
Gutirrez (2007). anlisis del prestatario y de las variables
que ste determina, y es claro que cuando
1. Anlisis de los datos una institucin es la encargada de dirigir el
La base de datos de corte transversal cuenta pago de las cuotas a la entidad financiera, el
con 24.786 registros, de los cuales 24.334 default de esta categora es casi nulo. Como
estn por debajo del default de la institucin se puede verificar en la Tabla 2, la proba-
(90 das de mora), y 452 se encuentran por bilidad de que un prestatario con forma de
encima, siendo as el default de la entidad pago de categora nmina, entre en default
igual al 1.82%, como se puede observar en es del 0,024%, independientemente de las
la Tabla 1. Esta es la probabilidad de que un otras variables, pues la tercera entidad nada
crdito dentro de la entidad entre en mora. tendr que ver con ellas; es por ello, que
forma de pago ser incluida dentro del an-
Tabla 1 lisis de cada variable con respecto al default.
Default de la Entidad
Para lograr una interpretacin ms clara
Default de la entidad (90 das)
a los ojos del lector, lo que se har con las
Frecuencia Porcentaje variables ser dividirlas en dos grandes
Bueno 24.334 98,18% grupos a partir de la variable forma de pago,
Malo 452 1,82% estos grupos sern caja y nmina, cada uno
Total 24.786 100,00% de estos grupos incluir las variables y cada
variable categoras; entonces cada categora,
Fuente: clculos propios con base en datos sumi-
nistrados por la Entidad Financiera X. ser comparada contra el default de la en-
tidad que es la variable dependiente. Para
La variable forma de pago jugar un papel ilustrar esto, se tomar como el ejemplo,
importante, pues evidentemente hay una la variable gnero en el Grfico 1.

Tabla 2
Default de la Entidad en el Grupo
Forma de pago
Default de la entidad (90 das) Pbb. Default
Pbb. de Default
Bueno Malo Total en grupos
Caja 22.301 446 22.747 1,799% 1,96%

Forma Nmina 2.033 6 2.039 0,024% 0,29%


de Pago Total 24.334 452 Total registros 24.786

Fuente: clculos propios con base en datos suministrados por la Entidad Financiera X.
Construccin de un modelo de scoring... 203

Grfico 1 Se utilizar, para ejemplificar la construc-


Divisin de de
Divi in variables. Ejemplo:
variables. Ejemplo: Gnero
Gnero cin del ndice, el grupo caja de la variable
oficina. En la seccin % de la segunda co-

lumna del Anexo 1, se pueden identificar

las probabilidades condicionales; siendo
as 1,51% la probabilidad condicional de

que un prestatario entre en default, dado

que solicit su crdito en la oficina Bello y
que adems paga su cuota por caja, como

se observa en el Grfico 2.
Fuente: Elaboracin propia
Grfico 2
2. ndice de desviaciones Espacio muestral (Clientes Caja)
En este momento, el nmero e varia diecinueve en
En este momento, el nmero de variables Clientes de oficina Bello
Espacio
. Cada variable
vari ble contiene categoras, donde todas las categoras
cat goras suman muestral
sern diecinueve
noventa y cuatro por cada grupo;
en el grupo caja y dieci-
g upo; en total son ciento ochenta y ocho categoras.
cate oras.
(A) (Clientes Caja)

nueve enponderacin
el grupo nmina. Cada variable
onderacin que servir como peso positivo o negativo
contiene categoras,
coring, ue si es
donde todas las cate- Clientes de
alto, definir un perfil con alta robabilidad
goras suman noventa
pero si po el contrario y cuatro por cada
bajo, ser un perfil con (B)
en Default
una baja
grupo; en total son ciento ochenta y ocho
categoras. A cada categora se le asignar Fuente: Elaboracin propia
una ponderacin que servir como peso
positivo o negativo para obtener un valor Siendo las probabilidades marginales las
de Scoring, que si es muy alto, definir un ecuaciones (2) y (3),
perfil con alta probabilidad de caer en de-
fault, pero si por el contrario es muy bajo, Pbb. de solicitar en Bello:
ser un perfil con una baja probabilidad de
caer en default9. La forma de obtener las (2)
ponderaciones ser mediante un ndice de
desviacin con respecto al default de cada Pbb. de caer en default:
grupo. Como se puede observar en la Ta-
bla 2, la probabilidad de que el grupo caja (3)
se encuentre en default es de 1,96% y la
probabilidad de que nmina se encuentre
Y probabilidad conjunta (5),
en default en es de 0,29%, estas son las
probabilidades marginales de cada grupo
(4)
de entrar en default.

9 Para este trabajo, muy bajo sern valores inferiores a -10 y muy alto valores superiores a 317. Es de aclarar,
que esto depende de la base se de datos con la que se modelar.
204 Perf. de Coyunt. Econ. No. 16, diciembre 2010

las desviaciones en el grupo caja y en el


(5)
grupo nmina se hallarn como se acaba de
ejemplificar, pero diferencindose, en que
La anterior, es la probabilidad de haber soli- cada una tiene una probabilidad de caer en
citado un crdito en Bello y caer en default, default diferente, mientras las desviaciones
en el espacio muestral. Posteriormente, la del primer grupo se calcularn con respecto
probabilidad condicional se define como a 1,96%, el segundo ser calculado contra
se muestra en la ecuacin (6), 0,29% como se mostr en la Tabla 2.

Pbb. condicional: Continuando con el grupo caja, el ndice de


(6) desviaciones se calcular como se muestra
en la ecuacin (8)

(7) ndice de desviaciones =


(8)
1.51% ser la probabilidad en el espacio

muestral caja, de caer en default dado que
solicit su crdito en la oficina Bello. El El numerador de la fraccin, ser la dis-
ndice de desviacin se construir a partir tancia que hay entre cada probabilidad
de cada una de estas probabilidades condi- condicional y la probabilidad marginal del
cionales con respecto a la probabilidad de grupo de encontrarse en default, como se
caer en default en el espacio muestral, esta muestra en el Grfico 3. Posteriormente,
probabilidades P(B). Cabe recordar que se divide por la misma probabilidad mar-

Grfico 3
Desviacin Default Oficina - Caja

3.00%
2.75% Manrique(2,69%)
Beln(2,60%)
Probabilidad

2.50%
2.25% Laureles(2,26%)
Itag(2,11%)
2.00% Default(1,96%)
1.75% Caldas(1,78%)
La
1.50% Bello(1,51%) Envigado(1,44%) Amrica(1,59%)
1.25%
Copacab.(1,13%)
1.00%
Pbb Condicional
Pbb de Default

Fuente: clculos propios con base en datos suministrados por la Entidad Financiera X.
Construccin de un modelo de scoring... 205

ginal para obtener un ndice que tipifique intervalo, se consideraran buenos y las
los resultados y los centre en cero, como caractersticas con ndices por encima,
se muestra en el Grfico 4. se consideraran malas. La amplitud del
intervalo, ser considerar a partir de cuan
Observe en el Grfico 3,que las desviaciones conservadora es la institucin financiera.
positivas (o por encima) de la probabilidad
de default marginal, sern las que hacen En el Anexo 1, la ltima columna es el ndice
una contribucin positiva a estedefaultdel de desviaciones donde los valores con color
grupo caja; mientras que las desviaciones ms claro son los que estn por debajo del
negativas (o por debajo) son las que con- intervalo (buenos), los del color interme-
tribuirn negativamente al default, siendo dio son los que estn dentro del intervalo
este ltimo un resultado favorable. Ahora (soportable) y los de color ms oscuro los
se mirar el Grfico 4, donde las variables que estn por encima (malos).Con toda esta
ya estn tipificadas. Los valores encima de informacin, puede empezar a formarse
cero, sern las categoras que contribuyen a una idea de cuales perfiles de prestatarios,
que la entidad aumente su default, mientras dependiendo del ndice de desviacin de las
que los valores por debajo de cero contri- categoras, son los ms o menos probables
buirn de manera negativa, estos sern los de entrar en default. Ya se puede realizar la
pesos que se asignen a cada una de las 188 evaluacin, que hacen los analistas de riesgo
categoras para calcular el Scoring.En este basados en su experiencia, con la ventaja de
ltimo grfico, se identifica un intervalo que con esta herramienta se pueden tomar
[20%, -20%] donde estn los valores en los ms variables en cuenta al mismo tiempo,
que se calificar el ndice como soportable, ciento ochenta y ocho categoras en este
las caractersticas de los prestatarios que caso. Con el Anexo 2, se puede hacer un
coincidan con las ndices por debajo del anlisis cualitativo-descriptivo de perfiles,

Grfico 4
Desviacin tipificada del Default

50.00%
40.00% Manriqu(37,15%)
ndice de desviacin

30.00% Beln(32,49%)
Intervalo Sup.
20.00%
Laureles(15,51%) 20%
10.00% Itag(7,65%)
0.00% Caldas(-9,40%)
-10.00%
Intervalo Inf.
-20.00% Bello(-23,00%)
-30.00% La Am(-19,14%) -20%
Envigad(-26,38%)
-40.00% Copaca.(-42,53%)
-50.00%

Desv. Tipificada

Fuente: clculos propios con base en datos suministrados por la Entidad Financiera X
206 Perf. de Coyunt. Econ. No. 16, diciembre 2010

donde dependiendo de las desviaciones, ndice de desviacin para la categora


se organizan tres tipos de probabilidad j y Si ser el puntaje o Scoring obtenido por
de incumplimiento, Baja < -20%, Media el prestatario i, dadas sus caractersticas.
[20%, -20%] y Alta >20%. Fcilmente, se
podr distinguir que un prestatario muy
susceptible a no pagar su crdito o entrar en
mora, cumplir las caractersticas sealadas
en la columna Alta del Anexo 2 o que por el
contrario, los mejores perfiles de prestatarios
sern los que cumplan con las caractersticas
de la columna Baja del mismo Anexo. D X C = S (9)
Luego de comprobar la utilidad explicativa Con
del ndice de desviaciones, ste ser utiliza- i: 1,2,...24.786
docomo la ponderacin que se le asignar
a cada categora, formando una ecuacin j: 1,2,...188
como la que se muestra en el Anexo 3, de D: Matriz de variables dummy
ciento ochenta y ocho categoras para hallar
C: Vector de ponderaciones de cada
el score. Si el prestatario cumple la carac-
categora
terstica, se le asignar un 1 a la categora,
de lo contrario un 0. As, las desviaciones S: Vector Scoring de cada registro
negativas o deseables disminuirn el score
y las positivas lo aumentarn, siendo clara- 4. Resultados
mente mejor, un score bajo. Entre ms bajo Luego de calculados los puntajes de cada
el puntaje, menor ser la probabilidad de que uno de los prestatarios de la base de datos,
el prestatario incumpla con su obligacin se procede a crear tres rangos. Para organi-
financiera. zar los rangos se hace un anlisis con tablas
dinmicas y se observa que en el primer
3. Scoring o puntaje
intervalo, Aprobacin inmediata, se agru-
Luego de obtenidas las ponderaciones, se pan la mayora de los registros con default
pasar a estimar el Scoring de cada uno bueno, por lo que se garantiza al 100% que
de los registros de la base de datos. Para todos los Scoring dentro del intervalo sern
ello, se utilizar como herramienta una buenos. Posteriormente, en el segundo
matriz dummy de 24.786 x 188, donde intervalo, tambin existe un buen nmero
cada categora tomar el valor de 1 si de registros con default bueno, pero con
el prestatario cumple esta caracterstica cinco con un default malo, por cuanto los
y el valor de 0 en el caso contrario. El prestatarios con un Scoring en el intervalo
Scoring se hallar como se muestra en Revisin por parte de la Junta, tendrn una
la ecuacin (9). Donde Dij ser 1 o 0, de- probabilidad de estar en default del 0,08%.
pendiendo de si l prestatario i, cumple Finalmente, los Scoringen el intervalo de
las caractersticas de la categora j, Cj Rechazo inmediato, tendrn una probabi-
ser la ponderacin hallada mediante el lidad del 99,55% de ser efectivamente malos
Construccin de un modelo de scoring... 207

y un margen de error del 0,45%. Todo esto En el actual trabajo, se modelar de la


puede ser observado en la tabla 3. misma forma como se explic, pero con
24.463 datos, para obtener una ecuacin
5. Prueba de Back Testing como la mostrada en el Anexo 3. Posterior-
El objetivo de la prueba de Back Testing es mente, mediante la ecuacin, se estimarn
comprobar el ajuste y la consistencia del los Scoring de los 323 datos no modelados,
modelo, pues lo que hace es modelar con para demostrar que en la realidad el mo-
una parte de los datos y con la proporcin delo es consistente. Dentro de los datos
sobrante o no modelada, se realizan estima- no modelados, escogidos aleatoriamente,
ciones y se comprueba que efectivamente se tienen 24 registros que estn en default,
los resultados predichos en el modelo se y los 299 registros restantes no lo estn.
ajustan a los resultados reales. Luego de calculados los Scoring de los

Tabla 3
Rango Scoring
Rango Scoring

Default de la entidad a 90 das

Bueno Malo Total

Recuento % de la fila Recuento % de la fila Recuento

Aprobacin
< 0,1 18.220 100,00% 0 0,00% 18.220
inmediata
Scoring

Revisin por parte


(0,1-44] 6.112 99,92% 5 0,08% 6.117
de la Junta
Rechazo inmediato > 44 2 0,45% 447 99,55% 449
Total 24.334 98,18% 452 1,82% 24.786
Fuente: clculos propios con base en datos suministrados por la Entidad Financiera X

Tabla 4
Prueba Back Testing
Rango Scoring

Prueba Back Testing

Bueno Malo Total

Recuento % de la fila Recuento % de la fila Recuento

Aprobacin
< 0,1 219 100,00% 0 0,00% 219
inmediata
Scoring

Revisin por parte


(0,1-44] 80 100,00% 0 0,00% 80
de la Junta
Rechazo inmediato > 44 0 0,00% 24 100,00% 24
Total 299 92,57% 24 7,43% 323
Fuente: clculos propios con base en datos suministrados por la Entidad Financiera X
208 Perf. de Coyunt. Econ. No. 16, diciembre 2010

323 registros se obtienen los resultados al de postgrado. En cuanto al ingreso, es


de la Tabla 4. intuitivo que las personas que obtienen
mayor salario, se comportarn mejor, pero
Lo que se puede concluir de esta tabla, es se evidencia en el ejercicio terico que esto
que como era de esperar, el modelo logr no queda muy claro.
predecir los crditos con alta probabili-
dad de default, crditos de prestatarios Si se observa el estrato social, los asociados de
que efectivamente entraron en default, estratos altos se comportan como deberan
24 en total. Hay 80 registros donde el en cuanto al cumplimiento de los crditos,
modelo no es decisivo y se pasa a una re- pero los de estratos inferiores tambin son
visin por parte de la Junta de la entidad responsables con sus pagos, la explicacin
financiera, estos registros no presenta de esto podra ser que dependen ms de
ningn prestatario reportado en default. las entidades financieras para financiar
Y finalmente, de los 219 registros que el sus costos y les conviene crear un buen
modelo presenta como perfiles ptimos, historial de crditos. Un resultado, poco
no aparecen prestatarios que hayan sido intuitivo es que el comportamiento de
reportados en default. Podemos concluir hombre y mujeres en cuanto al crdito es
que el modelo es consistente y tiene alto el mismo, cuando se pensara que las muje-
valor predictivo. res son ms responsables con sus crditos.
Otro resultado interesante, es que quienes
6. Generalidades no tienen personas a cargo, tienen un mal
comportamiento en el pago de sus crditos,
Con el Anexo 2 se podr hacer un anlisis
mientras que los dems tienen un buen com-
de gran valor econmico y social, para
portamiento; posiblemente esto se puede
observar el comportamiento financiero
explicar por razones de responsabilidad y de
de una poblacin. Por ejemplo, uno de los
dependencia del sistema financiero para la
resultados importantes es que la poblacin
inversin en el largo plazo, de la educacin
entre los 25y 28 aos tiene una mayor pro-
o bienestar de su ncleo familiar.
babilidad de no pagar sus crditos, mientras
que la poblacin con edad superior a los 46 Tambin, quienes no reportan o no estn
aos tiene un buen desempeo en el cumpli- en ninguna de las categoras mencionadas,
miento de sus obligaciones crediticias, esto dentro de las variables tipo de contrato y
independientemente de si realiza su pago tipo de vivienda son los nicos que tiene
por caja o por nmina. Cuando el pago un mal comportamiento en el pago del
se realiza por caja, y por ende se supone crdito. Un resultado muy intuitivo y
mayor susceptibilidad de entrar en mora, que se da en el ejercicio discriminatorio,
los estudiantes, los pensionados y jubilados es que los usuarios con una capacidad de
tienen un comportamiento ejemplar. En pago muy baja, menor o igual a 2.8, no
el nivel educativo no hay una clara discri- estn en condiciones de cumplir con sus
minacin, aunque, quienes tienen un nivel obligaciones financieras, pues otros rubros
educativo de primaria se comportan bien, el importantes se estn llevando el ingreso
buen comportamiento tambin caracteriza del prestatario.
Construccin de un modelo de scoring... 209

Conclusiones Tambin es importante tener en cuenta


que el analista en ningn caso debe co-
Desde el principio del trabajo, qued claro nocer las variables que en mayor medida
que el sistema financiero dada su inestabi- aportan para que se otorgue el crdito,
lidad debe ser regulado y la SFC reconoce pues ste podr acomodar variables a su
que estas instituciones se enfrentan, entre amao para obtener un resultado. Quien
los principales riesgos al de mercado, al ope- calibrar, ajustar y evaluar el modelo,
rativo y al de crdito. Por eso, implement deber ser un consultor que nada tendr
un SARC, todo un aparato de evaluacin que ver con la recoleccin de informacin
estadstica, de polticas corporativas y acu- del prestatario, esto con el fin de que los
mulacin de informacin, para gestionar analistas slo conozcan el resultado del
conjuntamente, al lado de la institucin modelo, ms no la ecuacin Anexo 3 que
financiera, el riesgo. El activo de una en- determina el Scoring.
tidad financiera, est representado en los
crditos otorgados y estos estn sujetos Otro aporte importante de este tipo de mo-
al riesgo de la probabilidad de impago, si delos, es que hace un anlisis individual, a
la probabilidad de que este dinero no sea diferencia de otras herramientas que miden
devuelto es alta, las instituciones financieras el riesgo como son los modelos de cartera y
no tendrn la solidez que se requiere que los VaR marginales. Adems, el modelo de
tengan para impulsar la economa. El mo- Scoring emplea un alto nmero de variables,
delo propuesto disminuye en gran manera, en donde relaciona el riesgo dependiendo
desde el otorgamiento, la exposicin de las de las caractersticas del prestatario y
entidades financieras al riesgo de cartera, reduce el tiempo en la asignacin de un
asegurando desde el comienzo la solidez crdito. Dentro de los puntos en contra,
de este importante sector. podran destacarse que la informacin de
cada prestatario debe ser abundante y de
Como lo expone Schreiner (2002), un mo- calidad, por lo que la informacin debe
delo de Scoring es perfecto para las entidades seguir siendo recogida, para hacer cada
financieras de pases en desarrollo, pues vez ms exacta la prediccin. Este tipo de
estas no cuentan con grandes volmenes modelo adems supone que el futuro ser
histricos de crditos, como si los tienen igual al pasado, por lo que una estimacin
los grandes bancos de pases desarrollados. en un entorno econmico saludable, puede
Adems, es un modelo de construccin no ser confiable en un entorno econmico
simple, pero de un gran valor analtico. en crisis.

Debe quedar claro, que un modelo como Para finalizar, es evidente que el poder
el presentado no debe remplazar com- predictivo de este modelo promueve la
pletamente al analista de crdito, ste acumulacin de informacin enfocada a
es indispensable para la recoleccin de la actualizacin permanente de los histo-
informacin y observacin de variables riales crediticios; pues entre mayor sea la
que pueden no estar dentro del modelo, informacin con la que se cuente, mejor
as como para la validacin del mismo. ser la prediccin que arroje el modelo.
210 Perf. de Coyunt. Econ. No. 16, diciembre 2010

Este modelo cont con seis categoras en a la categorizacin de cada perfil. Como lo
las cuales no se tena ningn dato, por lo afirma Gutirrez (2007), la validacin del
que las ponderaciones de stas fueron cero modelo tiene que ser permanente por parte
y no aportaron nada a la determinacin del de la institucin financiera, en cuanto a la
Scoring estadstico desarrollado, por ello, el revisin y evaluacin, del diseo, la calidad
objetivo es continuar con la acumulacin de de los datos y el poder discriminatorio de
informacin para que cada variable, aporte las variables.

Referencias bibliogrficas
Aguas, D. Y Castillo, M. (2002). Modelo de administracin del riesgo crediticio para la cartera comer-
cial de una entidad financiera colombiana, Apuntes de Banca y Finanzas, No. 6, pp.1-8, 2002.

Akerlof, G. (1970). The Market for Lemons: Quality Uncertainty and the Market Mechanism,
The Quarterly Journal of Economics, Vol. 84, No. 3, pp.488-500.

Bank of international settlements. (1999).Credit Risk Modelling: Current practices and applica-
tions. Basel Committee Publications, N 49.

Coase, R. (1937). The Nature of the Firm, Econmica, Vol. 4, pp. 386-405.

Domar, E. (1946). Capital Expansion, Rate of Growth and Employment? Economtrica, Volumen
14, No 2, pp.137-147.

Fernndez, H. Y Prez, F. (2005). El modelo logstico: una herramienta estadstica para evaluar el
riesgo de crdito, Revista de Ingenieras Universidad de Medelln, Vol. 4, No. 006, pp. 55-75.

Gutierrez, M. (2007). Modelos de credit scoring: qu, cmo, cundo y para qu, MPRA Paper, No.
16377, pp.1-30.

Harrod, R. (1939). An Essay in Dynamic Theory, The Economic Journal, Vol. 49, No. 193, pp. 14-33.

Madura, J. (2001). Mercado e instituciones financieros, Mxico, Thomson Learning.

Medina, S. Y Paniagua, G. (2008). Modelo de Inferencia Difuso para estudio de crdito Dyna, Ao
75, No. 154, pp. 215-229.

Minsky, H. (1992). The financial instability hypothesis, The Jerome Levy Economics Institute, Wor-
king paper N 74.

Prez, M. (2008). El Origen del Pnico de 2008: la Crisis del Mercado de Crdito Hipotecario en
Estados Unidos, Revista de Economa Institucional, Vol. 9, No. 19, pp. 19-54.

Prez, F. Y Fernndez, H. (2007). Las Redes Neuronales y la Evaluacin del Riesgo de Crdito,
Revista Ingenieras Universidad de Medelln, Vol. 6, No. 10, pp. 77-91.

Schreiner, M. (2002). Ventajas y desventajas del scoring estadstico para las microfinanzas, micro-
financerisk Management, Washington University in St. Louis, pp. 1-40.
Construccin de un modelo de scoring... 211

Serrano, J. (2005). Mercados Financieros: Visin del sistema financiero colombiano y de los principales
mercados financieros internacionales, Bogot, Editorial Planeta Colombia S.A.

____________. (2009). Crisis financiera de 2008: la visin un ao despus, Revista Soluciones de


Postgrado EIA, No. 4, pp. 77-105.

Spence, A. (1976). Product selection, fixed costs, and monopolistic competition, Review of Economic
Studies, Vol. 43, No. 2, pp. 217-235.

Stiglitz, J. (1995). Whither Socialism? The MIT Press, Cambridge, MA.

Superintendencia financiera de Colombia. (1995). Circular bsica contable y financiera 100 de


1995, Colombia.

Tarzijn, J. (2003). Revisando la Teora de la Firma, Abante, Vol. 6, No. 2, pp.149-177.

Torres, G. (2005). El acuerdo de Basilea: Estado del arte del SARC en Colombia, Ad-minister,
No. 6, pp.114-135.

Urrutia, M. (2002). Inflacin, profundidad financiera y crecimiento econmico: conceptos bsicos


(nota editorial). Revista del Banca de la Repblica, Vol. 75, No. 896, pp. 5-14.
212 Perf. de Coyunt. Econ. No. 16, diciembre 2010

Anexos
Anexo 1
Default de la entidad a 90 das
Bueno Malo Total
Total % Total % Total ndice
Bello 3.262 98,49% 50 1,51% 3.312 -23,00%
Copacabana 1.755 98,87% 20 1,13% 1.775 -42,53%
Itag 4.684 97,89% 101 2,11% 4.785 7,65%
Laureles 1.985 97,74% 46 2,26% 2.031 15,51%
Oficina

Beln 4.387 97,40% 117 2,60% 4.504 32,49%


Caja

Envigado 2.936 98,56% 43 1,44% 2.979 -26,38%


Caldas 1.327 98,22% 24 1,78% 1.351 -9,40%
Manrique 1.158 97,31% 32 2,69% 1.190 37,15%
La Amrica 807 98,41% 13 1,59% 820 -19,14%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


Bello 346 99,43% 2 0,57% 348 95,31%
Copacabana 162 100,00% 0 0,00% 162 -100,00%
Itag 192 100,00% 0 0,00% 192 -100,00%
Laureles 456 99,78% 1 0,22% 457 -25,64%
Nmina

Oficina

Beln 216 100,00% 0 0,00% 216 -100,00%


Envigado 110 99,10% 1 0,90% 111 206,16%
Caldas 245 99,59% 1 0,41% 246 38,14%
Manrique 274 99,64% 1 0,36% 275 23,58%
La Amrica 32 100,00% 0 0,00% 32 -100,00%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786
A 21.429 100,00% 0 0,00% 21.429 -100,00%
B 736 99,73% 2 0,27% 738 -86,18%
Categora

C 135 97,83% 3 2,17% 138 10,87%


Caja

D 1 0,72% 137 99,28% 138 4963,27%


E 0 0,00% 304 100,00% 304 5000,22%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


A 1.903 100,00% 0 0,00% 1.903 -100,00%
B 105 100,00% 0 0,00% 105 -100,00%
Categora
Nmina

C 24 100,00% 0 0,00% 24 -100,00%


D 1 14,29% 6 85,71% 7 29028,57%
E 0 0,00% 0 0,00% 0 0,00%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786

Contina
Construccin de un modelo de scoring... 213

Default de la entidad a 90 das


Bueno Malo Total
Total % Total % Total ndice
1000000 3.211 97,33% 88 2,67% 3.299 36,05%
(1000000-1500000] 3.233 97,47% 84 2,53% 3.317 29,16%
Rango Monto

(1500000-2500000] 6.046 97,37% 163 2,63% 6.209 33,89%


Caja

(2500000-4000000] 5.224 98,60% 74 1,40% 5.298 -28,76%


> 4000000 4.587 99,20% 37 0,80% 4.624 -59,19%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


1000000 196 100,00% 0 0,00% 196 -100,00%
(1000000-1500000] 198 99,00% 2 1,00% 200 239,83%
Rango Monto
Nmina

(1500000-2500000] 424 99,76% 1 0,24% 425 -20,04%


(2500000-4000000] 484 99,79% 1 0,21% 485 -29,93%
> 4000000 731 99,73% 2 0,27% 733 -7,28%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786
Personal 21.710 98,06% 430 1,94% 22.140 -0,94%
Garanta
Caja

Real 591 97,36% 16 2,64% 607 34,44%


Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


Personal 1.999 99,70% 6 0,30% 2.005 1,70%
Garanta
Nmina

Real 34 100,00% 0 0,00% 34 -100,00%


Total 2.033 99,71% 6 0,29% 2.039

Total 24.334 98,18% 452 1,82% 24.786

Crdito no
Reestructura-do

25 100,00% 0 0,00% 25 -100,00%


Reestructurado
Caja

Crdito
22.276 98,04% 446 1,96% 22.722 0,11%
Reestructurado
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747

Crdito no
Reestructura-do

0 0,00% 0 0,00% 0 0,00%


Reestructurado
Nmina

Crdito
2.033 99,71% 6 0,29% 2.039 0,00%
Reestructurado

Total 2.033 99,71% 6 0,29% 2.039


Total 24.334 98,18% 452 1,82% 24.786

Contina
214 Perf. de Coyunt. Econ. No. 16, diciembre 2010

default de la entidad a 90 das

Bueno Malo Total


Total % Total % Total ndice
[18-25]aos 1.300 97,45% 34 2,55% 1.334 29,99%
[26-35]aos 6.610 97,58% 164 2,42% 6.774 23,48%
Rango de Edad

[36-45]aos 6.932 97,79% 157 2,21% 7.089 12,95%


Caja

[46-55]aos 4.576 98,73% 59 1,27% 4.635 -35,08%


> 55 aos 2.883 98,90% 32 1,10% 2.915 -44,01%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


[18-25]aos 110 99,10% 1 0,90% 111 206,16%
[26-35]aos 609 99,84% 1 0,16% 610 -44,29%
Rango de Edad
Nmina

[36-45]aos 682 99,42% 4 0,58% 686 98,15%


[46-55]aos 487 100,00% 0 0,00% 487 -100,00%
> 55 aos 145 100,00% 0 0,00% 145 -100,00%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786
Ama de Casa 67 97,10% 2 2,90% 69 47,83%
Desempleado 194 93,72% 13 6,28% 207 220,30%
Empleado 17.536 97,91% 374 2,09% 17.910 6,50%
Ocupacin

Estudiante 3 100,00% 0 0,00% 3 -100,00%


Caja

Independiente 1.984 97,98% 41 2,02% 2.025 3,26%


Jubilado 2.136 99,35% 14 0,65% 2.150 -66,79%
Pensionado 381 99,48% 2 0,52% 383 -73,37%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


Ama de Casa 2 100,00% 0 0,00% 2 -100,00%
Desempleado 15 100,00% 0 0,00% 15 -100,00%
Empleado 1.872 99,68% 6 0,32% 1.878 8,57%
Ocupacin
Nmina

Estudiante 0 0,00% 0 0,00% 0 0,00%


Independiente 9 100,00% 0 0,00% 9 -100,00%
Jubilado 135 100,00% 0 0,00% 135 -100,00%
Pensionado 0 0,00% 0 0,00% 0 0,00%
Total 2.033 99,71% 6 0,29% 2.039

Total 24.334 98,18% 452 1,82% 24.786

Contina
Construccin de un modelo de scoring... 215

Default de la entidad a 90 das


Bueno Malo Total
Total % Total % Total ndice
Bachillerato 10.395 97,22% 297 2,78% 10.692 41,67%
Ninguno 137 95,80% 6 4,20% 143 114,00%
Postgrado 6 100,00% 0 0,00% 6 -100,00%
Nivel Educativo

Primaria 3.104 99,52% 15 0,48% 3.119 -75,47%


Caja

Tcnico 226 98,26% 4 1,74% 230 -11,30%


Tecnolgico 4.027 98,17% 75 1,83% 4.102 -6,75%
Universitario 4.406 98,90% 49 1,10% 4.455 -43,90%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


Bachillerato 991 99,70% 3 0,30% 994 2,57%
Ninguno 5 100,00% 0 0,00% 5 -100,00%
Postgrado 0 0,00% 0 0,00% 0 0,00%
Nivel Educativo
Nmina

Primaria 249 100,00% 0 0,00% 249 -100,00%


Tcnico 32 100,00% 0 0,00% 32 -100,00%
Tecnolgico 487 99,80% 1 0,20% 488 -30,36%
Universitario 269 99,26% 2 0,74% 271 150,80%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786
1030000 13.795 97,34% 377 2,66% 14.172 35,67%
Rango Ingreso Total

(1030000-2060000] 6.746 99,19% 55 0,81% 6.801 -58,75%


(2060000-3090000] 1.241 99,12% 11 0,88% 1.252 -55,19%
Caja

(3090000-4120000] 305 99,35% 2 0,65% 307 -66,77%


> 41200000 214 99,53% 1 0,47% 215 -76,28%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


1030000 1.182 99,75% 3 0,25% 1.185 -13,97%
Rango Ingreso Total

(1030000-2060000] 694 99,86% 1 0,14% 695 -51,10%


Nmina

(2060000-3090000] 115 99,14% 1 0,86% 116 192,96%


(3090000-4120000] 27 100,00% 0 0,00% 27 -100,00%
> 41200000 15 93,75% 1 6,25% 16 2023,96%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786

Contina
216 Perf. de Coyunt. Econ. No. 16, diciembre 2010

Default de la entidad a 90 das


Bueno Malo Total
Total % Total % Total ndice

Estrato 1 575 98,29% 10 1,71% 585 -12,82%

Estrato 2 6.838 97,99% 140 2,01% 6.978 2,33%


Estrato Social

Estrato 3 11.914 97,92% 253 2,08% 12.167 6,05%


Caja

Estrato 4 2.213 98,40% 36 1,60% 2.249 -18,36%

Estrato 5 671 98,97% 7 1,03% 678 -47,34%

Estrato 6 90 100,00% 0 0,00% 90 -100,00%


Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747

Estrato 1 39 100,00% 0 0,00% 39 -100,00%

Estrato 2 632 99,68% 2 0,32% 634 7,20%


Estrato Social

Estrato 3 1.052 99,72% 3 0,28% 1.055 -3,36%


Nmina

Estrato 4 194 99,49% 1 0,51% 195 74,27%

Estrato 5 100 100,00% 0 0,00% 100 -100,00%

Estrato 6 16 100,00% 0 0,00% 16 -100,00%

Total 2.033 99,71% 6 0,29% 2.039


Total 24.334 98,18% 452 1,82% 24.786
1 Ao 6.241 98,73% 80 1,27% 6.321 -35,45%
Rango Antigedad

( 1 - 3 ] Aos 2.643 97,89% 57 2,11% 2.700 7,67%


Laboral

( 3 - 6 ] Aos 3.516 96,49% 128 3,51% 3.644 79,15%


Caja

( 6 - 9 ] Aos 3.177 97,16% 93 2,84% 3.270 45,05%

> 9 Aos 6.724 98,71% 88 1,29% 6.812 -34,11%


Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747

1 Ao 118 100,00% 0 0,00% 118 -100,00%


Rango Antigedad

( 1 - 3 ] Aos 272 99,27% 2 0,73% 274 148,05%


Nmina

Laboral

( 3 - 6 ] Aos 462 100,00% 0 0,00% 462 -100,00%

( 6 - 9 ] Aos 379 99,74% 1 0,26% 380 -10,57%

> 9 Aos 802 99,63% 3 0,37% 805 26,65%

Total 2.033 99,71% 6 0,29% 2.039


Total 24.334 98,18% 452 1,82% 24.786

Contina
Construccin de un modelo de scoring... 217

Default de la entidad a 90 das


Bueno Malo Total
Total % Total % Total ndice
Casado 10.926 98,47% 170 1,53% 11.096 -21,86%
Eclesistico 10 100,00% 0 0,00% 10 -100,00%
Estado Civil

Separado 1.502 98,04% 30 1,96% 1.532 -0,13%


Caja

Soltero 6.811 97,30% 189 2,70% 7.000 37,71%


Unin Libre 1.941 97,98% 40 2,02% 1.981 2,98%
Viudo 1.111 98,49% 17 1,51% 1.128 -23,13%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


Casado 1.035 99,62% 4 0,38% 1.039 30,83%
Eclesistico 0 0,00% 0 0,00% 0 0,00%
Estado Civil

Separado 169 100,00% 0 0,00% 169 -100,00%


Nmina

Soltero 600 99,83% 1 0,17% 601 -43,46%


Unin Libre 168 99,41% 1 0,59% 169 101,08%
Viudo 61 100,00% 0 0,00% 61 -100,00%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786
Femenino 11.110 98,36% 185 1,64% 11.295 -16,46%
Gnero
Caja

Masculino 11.191 97,72% 261 2,28% 11.452 16,24%


Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


Femenino 988 99,70% 3 0,30% 991 2,88%
Nmina

Gnero

Masculino 1.045 99,71% 3 0,29% 1.048 -2,72%


Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786
0 Personas 8.326 96,01% 346 3,99% 8.672 103,49%
Personas a Cargo

1 Persona 5.440 99,40% 33 0,60% 5.473 -69,25%


2 Personas 4.805 99,09% 44 0,91% 4.849 -53,72%
Caja

3 Personas 2.757 99,24% 21 0,76% 2.778 -61,45%


4 Personas 973 99,79% 2 0,21% 975 -89,54%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


0 Personas 629 99,37% 4 0,63% 633 114,74%
Personas a Cargo

1 Persona 491 99,80% 1 0,20% 492 -30,93%


Nmina

2 Personas 518 99,81% 1 0,19% 519 -34,52%


3 Personas 298 100,00% 0 0,00% 298 -100,00%
4 Personas 97 100,00% 0 0,00% 97 -100,00%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786

Contina
218 Perf. de Coyunt. Econ. No. 16, diciembre 2010

Default de la entidad a 90 das


Bueno Malo Total
Total % Total % Total ndice
Tipo Vivienda Arrendada 3.401 99,42% 20 0,58% 3.421 -70,18%
Familiar 5.771 99,21% 46 0,79% 5.817 -59,67%
Caja

NULL 3.783 91,53% 350 8,47% 4.133 331,91%


Propia 9.346 99,68% 30 0,32% 9.376 -83,68%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


Arrendada 301 100,00% 0 0,00% 301 -100,00%
Tipo Vivienda

Familiar 549 100,00% 0 0,00% 549 -100,00%


Nmina

NULL 235 98,33% 4 1,67% 239 468,76%


Propia 948 99,79% 2 0,21% 950 -28,46%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786
Jubilados 31 100,00% 0 0,00% 31 -100,00%
Tipo Contrato

NULL 4.757 94,20% 293 5,80% 5.050 195,91%


Servicios 154 99,35% 1 0,65% 155 -67,10%
Caja

Trm. Definido 2.085 99,38% 13 0,62% 2.098 -68,40%


Trm. Indefinido 15.274 99,10% 139 0,90% 15.413 -54,00%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


Jubilados 112 100,00% 0 0,00% 112 -100,00%
Tipo Contrato

NULL 137 97,16% 4 2,84% 141 864,07%


Nmina

Servicios 2 100,00% 0 0,00% 2 -100,00%


Trm. Definido 136 100,00% 0 0,00% 136 -100,00%
Trm. Indefinido 1.646 99,88% 2 0,12% 1.648 -58,76%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786
1 Ao 7.287 99,44% 41 0,56% 7.328 -71,46%
Antigedad en la

( 1 - 3 ] Aos 7.312 96,87% 236 3,13% 7.548 59,47%


Cooperativa

( 3 - 6 ] Aos 4.788 97,34% 131 2,66% 4.919 35,83%


Caja

( 6 - 9 ] Aos 2.366 98,67% 32 1,33% 2.398 -31,94%


> 9 Aos 548 98,92% 6 1,08% 554 -44,76%
Forma de Pago

Total 22.301 98,04% 446 1,96% 22.747


1 Ao 669 99,85% 1 0,15% 670 -49,28%
Antigedad en la

( 1 - 3 ] Aos 923 99,68% 3 0,32% 926 10,10%


Cooperativa
Nmina

( 3 - 6 ] Aos 317 99,69% 1 0,31% 318 6,87%


( 6 - 9 ] Aos 100 99,01% 1 0,99% 101 236,47%
> 9 Aos 24 100,00% 0 0,00% 24 -100,00%
Total 2.033 99,71% 6 0,29% 2.039
Total 24.334 98,18% 452 1,82% 24.786

Fuente: clculos propios con base en datos suministrados por la Entidad Financiera X
Construccin de un modelo de scoring... 219

Anexo 2

Probabilidad de incumplimiento
Baja Media Alta

Caja Nmina Caja Nmina Caja Nmina


Bello X X
Copacabana X X
Itag X X
Laureles X X
Oficina

Beln X X
Envigado X X
Caldas X X
Manrique X X
La Amrica X X
A X X
B X X
Categora

C X X
D X X
E X X
1000000 X X
[1000001-1500000] X X
Monto

[1500001-2500000] X X
[2500001-4000000] X X
4000001 X X
Garanta

Personal X X

Real X X
Reestruc-

No Reestructurado X X
-turado

Reestructurado X X

[18-25] aos X X
[26-35] aos X X
Edad

[36-45] aos X X
[46-55] aos X X
> 55 aos X X

Contina
220 Perf. de Coyunt. Econ. No. 16, diciembre 2010

Probabilidad de incumplimiento
Baja Media Alta

Caja Nmina Caja Nmina Caja Nmina


Ama de Casa X X
Desempleado X X
Empleado X X
Ocupacin

Estudiante X X
Independiente X X
Jubilado X X
Pensionado X X
Bachillerato X X
Ninguno X X
Nivel Educativo

Postgrado X X
Primaria X X
Tcnico X X
Tecnolgico X X
Universitario X X
1030000 X X
Ingreso Total

(1030000-2060000] X X
(2060000-3090000] X X
(3090000-4120000] X X
> 41200000 X X
Estrato 1 X X
Estrato 2 X X
Estrato Social

Estrato 3 X X
Estrato 4 X X
Estrato 5 X X
Estrato 6 X X
1 Ao X X
Antigedad Laboral

( 1 - 3 ] Aos X X
( 3 - 6 ] Aos X X
( 6 - 9 ] Aos X X

> 9 Aos X X
Femenino X X
Gnero

Masculino X X

Contina
Construccin de un modelo de scoring... 221

Probabilidad de incumplimiento
Baja Media Alta

Caja Nmina Caja Nmina Caja Nmina


Casado X X
Eclesistico X X
Estado Civil

Separado X X
Soltero X X
Unin Libre X X
Viudo X X
0 Personas X X
Personas a Cargo

1 Persona X X
2 Personas X X
3 Personas X X
4 Personas X X
Arrendada X X
Vivienda
Tipo de

Familiar X X
NULL X X
Propia X X
Jubilados X X
Tipo de Contrato

NULL X X
Servicios X X
Trmino Definido X X
Trmino Indefinido X X
1 Ao X X
Antigedad en la

( 1 - 3 ] Aos X X
institucin

( 3 - 6 ] Aos X X
( 6 - 9 ] Aos X X
> 9 Aos X X
Menor o igual a 2.8 X X
Capacidad de

( 2.8 - 3.82 ] X X
Pago

( 3.82 - 5.28 ] X X
Mayor a 5.28 X X
12 Meses X X
( 12-18 ] Meses X X
Plazos

( 18-24 ] Meses X X
( 24-36 ] Meses X X
> 36 Meses X X

Fuente: clculos propios con base en datos suministrados por la Entidad Financiera X
222 Perf. de Coyunt. Econ. No. 16, diciembre 2010

Anexo 310
Scoring= - 0.23*Oficina_1_1 - 0.42*Oficina_2_1 + 0.07*Oficina_3_1 + 0.15*Oficina_4_1 + 0.32*Ofi-
cina_5_1 - 0.26*Oficina_6_1 - 0.09*Oficina_7_1 + 0.37*Oficina_8_1 - 0.19*Oficina_9_1 + 0.95*Ofi-
cina_1_2 - 1*Oficina_2_2 - 1*Oficina_3_2 - 0.25*Oficina_4_2 - 1*Oficina_5_2 + 2.06*Oficina_6_2
+ 0.38*Oficina_7_2 + 0.23*Oficina_8_2 - 1*Oficina_9_2 - 1*Categora_1_1 - 0.86*Categora_2_1
+ 0.10*Categora_3_1 + 49.63*Categora_4_1 + 50.00*Categora_5_1 - 1*Categora_1_2 - 1*Ca-
tegora_2_2 - 1*Categora_3_2 + 290.28*Categora_4_2 + 0*Categora_5_2 + 0.36*Monto_1_1
+ 0.29*Monto_2_1 + 0.33*Monto_3_1 - 0.28*Monto_4_1 - 0.59*Monto_5_1 - 1*Monto_1_2 +
2.39*Monto_2_2 - 0.20*Monto_3_2 - 0.29*Monto_4_2 - 0.07*Monto_5_2 - 0.009*Garanta_P_1 +
0.34*Garanta_R_1 + 0.016*Garanta_P_2 - 1*Garanta_R_2 - 1*Reestructurado_1_1 + 0.001*Reestruc-
turado_2_1 + 0*Reestructurado_1_2 + 0*Reestructurado_2_2 + 0.29*Edad_1_1 + 0.23*Edad_2_1 +
0.12*Edad_3_1 - 0.35*Edad_4_1 - 0.44*Edad_5_1 + 2.06*Edad_1_2 - 0.44*Edad_2_2 + 0.98*Edad_3_2
- 1*Edad_4_2 - 1*Edad_5_2 + 0.47*Ocupacin_1_1 + 2.20*Ocupacin_2_1 + 0.06*Ocupacin_3_1
- 1*Ocupacin_4_1 + 0.03*Ocupacin_5_1 - 0.66*Ocupacin_6_1 - 0.73*Ocupacin_7_1 - 1*Ocu-
pacin_1_2 - 1*Ocupacin_2_2 + 0.085*Ocupacin_3_2 + 0*Ocupacin_4_2 - 1*Ocupacin_5_2 -
1*Ocupacin_6_2 + 0*Ocupacin_7_2 + 0.41*Niveledu_1_1 + 1.13*Niveledu_2_1 - 1*Niveledu_3_1
- 0.75*Niveledu_4_1 - 0.11*Niveledu_5_1 - 0.06*Niveledu_6_1 - 0.43*Niveledu_7_1 + 0.025*Nivele-
du_1_2 - 1*Niveledu_2_2 + 0*Niveledu_3_2 - 1*Niveledu_4_2 - 1*Niveledu_5_2 - 0.30*Niveledu_6_2
+ 1.50*Niveledu_7_2 + 0.35*Ingresot_1_1 - 0.58*Ingresot_2_1 - 0.55*Ingresot_3_1 - 0.66*Ingresot_4_1
- 0.76*Ingresot_5_1 - 0.13*Ingresot_1_2 - 0.51*Ingresot_2_2 + 1.92*Ingresot_3_2 - 1*Ingresot_4_2 +
20.23*Ingresot_5_2 - 0.12*Estrato_1_1 + 0.023*Estrato_2_1 + 0.06*Estrato_3_1 - 0.18*Estrato_4_1
- 0.47*Estrato_5_1 - 1*Estrato_6_1 - 1*Estrato_1_2 + 0.07*Estrato_2_2 - 0.03*Estrato_3_2 + 0.74*Es-
trato_4_2 - 1*Estrato_5_2 - 1*Estrato_6_2 - 0.35*AntigedadEmp_1_1 + 0.07*AntigedadEmp_2_1
+ 0.79*AntigedadEmp_3_1 + 0.45*AntigedadEmp_4_1 - 0.34*AntigedadEmp_5_1 - 1*Antige-
dadEmp_1_2 + 1.48*AntigedadEmp_2_2 - 1* AntigedadEmp_3_2 - 0.10*AntigedadEmp_4_2
+ 0.26*AntigedadEmp_5_2 - 0.21*EstadoCivil_1_1 - 1*EstadoCivil_2_1 - 0.001*EstadoCivil_3_1
+ 0.37*EstadoCivil_4_1 + 0.029*EstadoCivil_5_1 - 0.23*EstadoCivil_6_1 + 0.30*EstadoCivil_1_2
+ 0*EstadoCivil_2_2 - 1*EstadoCivil_3_2 - 0.43*EstadoCivil_4_2 + 1.01*EstadoCivil_5_2 - 1*Es-
tadoCivil_6_2 - 0.16*Gnero_F_1 + 0.16*Gnero_M_1 + 0.0287588294651865*Gnero_F_2
- 0.02*Gnero_M_2 + 1.03*PerCargo_1_1 - 0.69*PerCargo_2_1 - 0.53*PerCargo_3_1 - 0.61*Per-
Cargo_4_1 - 0.89*PerCargo_5_1 + 1.14*PerCargo_1_2 - 0.30*PerCargo_2_2 - 0.34*PerCargo_3_2
- 1*PerCargo_4_2 - 1*PerCargo_5_2 - 0.70*TipoVivi_1_1 - 0.59*TipoVivi_2_1 + 3.31*TipoVivi_3_1
- 0.83*TipoVivi_4_1 - 1*TipoVivi_1_2 - 1*TipoVivi_2_2 + 4.68*TipoVivi_3_2 - 0.28*TipoVivi_4_2 -
1*TipoContrato_1_1 + 1.95*TipoContrato_2_1 - 0.67*TipoContrato_3_1 - 0.68*TipoContrato_4_1
- 0.54*TipoContrato_5_1 - 1*TipoContrato_1_2 + 8.64*TipoContrato_2_2 - 1*TipoContrato_3_2
- 1*TipoContrato_4_2 - 0.58*TipoContrato_5_2 - 0.71*AntigeCoo_1_1 + 0.59*AntigeCoo_2_1
+ 0.35*AntigeCoo_3_1 - 0.31*AntigeCoo_4_1 - 0.44*AntigeCoo_5_1 - 0.49*AntigeCoo_1_2
+ 0.1*AntigeCoo_2_2 + 0.06*AntigeCoo_3_2 + 2.36*AntigeCoo_4_2 - 1*AntigeCoo_5_2
+ 0.64*CapaciPago_1_1 + 0.18*CapaciPago_2_1 - 0.28*CapaciPago_3_1 - 0.47*CapaciPago_4_1 +
0.57*CapaciPago_1_2 - 1*CapaciPago_2_2 - 1*CapaciPago_3_2 + 1.46*CapaciPago_4_2 + 0.08*Pla-
zo_1_1 + 0.49*Plazo_2_1 + 0.26*Plazo_3_1 - 0.34*Plazo_4_1 - 0.68*Plazo_5_1 - 1*Plazo_1_2 +
2.51*Plazo_2_2 - 1*Plazo_3_2 - 0.27*Plazo_4_2 + 0.03*Plazo_5_2.

10 Despus del nombre de la variable, el nmero de la categora y por ltimo el nmero del grupo; 1 para el
grupo caja y 2 para en grupo nmina.

También podría gustarte