Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
El objetivo de esta investigación es diseñar un modelo de scoring para el manejo eficiente de la cartera en
una agencia de cobranzas en Colombia. Para ello, se utilizó un modelo de regresión logística con una base de
datos de 16.000 clientes morosos de bancos, cooperativas y empresas de servicios públicos. Los resultados
indican que, según las características socioeconómicas, la morosidad, los ingresos y el endeudamiento, el
50% de las carteras comercial, de consumo y microcrédito son recuperables. En conclusión, los modelos
de scoring son de gran utilidad para la gestión financiera, dado que facilita la implementación de políticas de
ventas en términos de plazos y cupos, además de realizar seguimientos más individualizados a sus clientes.
Palabras clave
Agencias de cobranza, riesgo de crédito, regresión logística, modelos de scoring.
Clasificación JEL
G23, E51, H81, C31
Contenido
Introducción; 1. Marco teórico; 2. Metodología; 3. Resultados y/o hallazgos; 4. Conclusiones; Referencias.
* El presente artículo es el resultado del proyecto de investigación, “Normalización de la cartera de clientes para una agencia
de cobranzas colombiana”; Grupo de Investigación en Dirección de Empresas, Clasificación C Colciencias, financiado
por la institución Universitaria Esumer.
** Ingeniero Industrial, Universidad de Antioquia, Medellín, Colombia. Especialista en Ingeniería Financiera, Universidad
Nacional de Colombia, Medellín, Colombia. Magíster en Finanzas y Contabilidad Directiva, Universidad Pablo de
Olavide, Sevilla, España. Docente e Investigador de la Institución Universitaria Esumer, Medellín, Colombia. Correo
electrónico: luis.delgado@esumer.edu.co
*** Administradora Financiera, Especialista en Gerencia Financiera, Magíster en Finanzas. Supervisora de Contratación
del Municipio de Medellín Medellín-Colombia. Correo electrónico: claudia.cardona@esumer.edu.co
**** Ingeniera de Sistemas, Especialista en Gerencia Financiera y Magíster en Finanzas. Gerente de Sucursal Grupo
Consultor Andino S. A. Correo electrónico: otilia.gil@esumer.edu.co
ESCENARIOS: empresa y territorio vol. 6, No. 7 pp. 45-60 v ISSN 2322- 6331 v e-ISSN 2463-0799, enero-junio de 2017, Medellín, Colombia 45
Luis David Delgado Vélez - Claudia Patricia Cardona López - Otilia Miladys Gil Hoyos
Scoring model design for efficiently manage the client’s portfolio in a collection
agency
Abstract
The objective of this research is to design a scoring model for the efficient management of the client’s portfolio
in a collection agency in Colombia. For this, a logistic regression model was used with a database of 16,000
delinquent bank clients, cooperatives and public utilities companies. The results indicate that, according to
socio-economic characteristics, delinquency, income and indebtedness, 50% of commercial, consumer and
micro-credit portfolios are recoverable. In conclusion, scoring models are very useful for financial management
as they facilitate the implementation of sales policies in terms of deadlines and quotas, and since they perform
more individualized monitoring of clients.
Keywords
Collection agencies, credit risk, logistic regression, scoring models.
JEL classification
G23, E51, H81, C31
Contents
Introduction; 1. Theoretical framework; 2. Methodology; 3. Results and / or findings; 4. Conclusions; References.
Palavras-chave
Agências de cobrança, risco de crédito, regressão logística, modelos de scoring.
Classificação JEL
G23, E51, H81, C31
Conteúdo
Introdução; 1. Quadro teórico; 2. Metodologia; 3. Resultados; 4. Conclusões; Referências.
Introducción
Las exigentes condiciones de competitividad obliga a las empresas a desarrollar
políticas flexibles de ventas a crédito para no perder participación en el mercado.
La inexperiencia, la falta de conocimiento de la normatividad, la presión en
el cumplimiento de las metas de ventas, entre otros factores potencializan el
riesgo crediticio1, que es considerado uno de los más relevantes en la gestión
financiera de la organización, afectando de paso su liquidez. De otro lado, la falta
de educación financiera, el desempleo, las altas tasas de interés, la insolvencia o
simplemente la culturo del no pago, también se constituyen en los factores más
recurrentes para que los clientes no cumplan con sus obligaciones.
Por todas las razones expuestas, es necesario que las empresas de cobranzas
dispongan de un modelo de scoring que les permita mejorar su eficiencia en
el cumplimiento de las metas de recuperación de cartera, a partir del manejo
técnico de la información de las bases de datos, la aplicación de los principios
financieros y la preservación de sus clientes.
1
García y García (2010), definen el riesgo de crédito como “La probabilidad de que, a su vencimiento, una entidad no
haga frente, en parte o en su totalidad, a su obligación de devolver una deuda o rendimiento, acordado sobre un
instrumento financiero, debido a quiebra, iliquidez o alguna otra razón”. (p.297)
2
Una agencia o casa de cobranzas es una firma especialista en normalización o recuperación de activos improductivos.
ESCENARIOS: empresa y territorio vol. 6, No. 7 pp. 45-60 v ISSN 2322- 6331 v e-ISSN 2463-0799, enero-junio de 2017, Medellín, Colombia 47
Luis David Delgado Vélez - Claudia Patricia Cardona López - Otilia Miladys Gil Hoyos
1. Marco teórico
Para García (2009), la cartera se define como las cuentas por cobrar y son parte
esencial del capital de trabajo, por ende, es de vital importancia para la liquidez
y en general, toda la gestión financiera de la organización. Por su naturaleza, son
las instituciones financieras las que han tenido un mayor nivel de desarrollo para
alcanzar un manejo eficiente de sus carteras y los riesgos a los que se exponen;
por ello, a través del Comité de Basilea3, que propone entre otros, métodos
basados en calificaciones internas IRB (Internal Rating Based), sustentados en
que la empresa o institución puede disponer de modelos de calificación para la
probabilidad de Impago (PD), severidad (LGD) y exposición (EAD). Estos alcances
se han convertido en un referente para que las empresas del sector real también
gestionen los riesgos derivados de las relaciones con sus clientes.
3
Foro de debate constituido por los principales bancos centrales y entidades supervisoras de los países industrializados,
para la resolución de problemas específicos.
ESCENARIOS: empresa y territorio vol. 6, No. 7 pp. 45-60 v ISSN 2322- 6331 v e-ISSN 2463-0799, enero-junio de 2017, Medellín, Colombia 49
Luis David Delgado Vélez - Claudia Patricia Cardona López - Otilia Miladys Gil Hoyos
Respecto a los modelos de scoring, Herr (2009), afirma que estos sirven para
calificar o filtrar clientes otorgando una probabilidad de default o incumplimiento
de pago (riesgo de crédito), a partir de las características personales del individuo,
su empresa y el tipo de crédito que solicita, para lo cual utiliza como información
inicial el comportamiento de otros clientes que han recibido un crédito previa-
mente en condiciones similares. El modelo no sustituye a los analistas de crédito,
pero tiene la capacidad de pronóstico para realizar una mejora sustancial en el
proceso de evaluación crediticia.
• Escoger el modelo más apropiado con base a diversos tests estadísticos sobre
la bondad de ajuste.
El modelo logit es uno de los más usuales para diseñar el scoring y es deno-
minado modelo de elección discreta o modelo de respuesta cualitativa y utiliza
como respuesta una variable binomial (1=fallido, 0= no fallido) y un conjunto
Donde:
X1= Ingresos
X2= Deudas
X3= Vivienda
……..
Xn= Estrato social
Como la probabilidad p sólo puede variar entre (0,1) y (p/q) sólo puede variar
entre (0,+∞) esto limita el modelo. Con el fin de superar esta restricción y volver
el modelo más operativo, se utiliza la expresión ¨Odds¨, que corresponde a la
expresión ¨p/q¨ (Probabilidad de fallido/Probabilidad de no fallido). Las ventajas
de plantear el modelo en términos de Odds es que ln (p/q) tiene rango (-∞,+∞),
es decir todo el campo de los números reales.
ESCENARIOS: empresa y territorio vol. 6, No. 7 pp. 45-60 v ISSN 2322- 6331 v e-ISSN 2463-0799, enero-junio de 2017, Medellín, Colombia 51
Luis David Delgado Vélez - Claudia Patricia Cardona López - Otilia Miladys Gil Hoyos
2. Metodología
Este artículo muestra los resultados de una investigación aplicada, cuyo fin es
diseñar un modelo de scoring que busca normalizar la cartera de terceros para
una empresa de cobranzas colombiana. La mayor parte de esta corresponde a
créditos comerciales de bancos, cooperativas y compañías de servicios públicos,
en 21 departamentos. Para realizar el análisis se toma una muestra poblacional
de 995 deudores que cuentan con la información de cada una de las variables
estudiadas; se descartaron los clientes de los que no se cuenta con información
de su estado laboral o que no tienen la existencia de un proceso jurídico.
La variable endógena o dependiente es el resultado 0 o 1 correspondiente
a la probabilidad de que el cliente cumpla con su obligación. La tabla 2 muestra
la definición de las variables exógenas o independientes que se consideraron en
la elaboración del modelo.
Las ponderaciones corresponden a los pesos que tiene cada uno de los
factores en el modelo, dado que unas variables tienen una mayor influencia en
el evento de no pago, como son los ingresos, el empleo y el tiempo de mora.
5 A 10 40
*
Cobro Prejurídico: conjunto de acciones que se realizan en forma persuasiva para lograr que el deudor pague su
deuda (Activo Legal, s.f.)
ESCENARIOS: empresa y territorio vol. 6, No. 7 pp. 45-60 v ISSN 2322- 6331 v e-ISSN 2463-0799, enero-junio de 2017, Medellín, Colombia 53
Luis David Delgado Vélez - Claudia Patricia Cardona López - Otilia Miladys Gil Hoyos
El análisis de los totales indica que el valor total adeudado de los 995 clientes
es $3.848 millones, de los cuales $2.960 millones corresponden a deudas de
consumo de 528 clientes y les siguen en su orden $880 millones de créditos
comerciales y finalmente, $6,48 millones en microcréditos.
este valor se les asignó un valor de cero (no default) y los superiores registraron
un valor de uno (default), según las características de la distribución logística.
La tabla 4, muestra los resultados de la prueba de significancia, realizados con
la herramienta StatTools de @Risk. Para determinar la significancia del modelo
se verificó el cumplimiento de las siguientes condiciones:
1. Que el coeficiente de las variables sea diferente de 0.
2. P Value < 0.05, esto rechaza la hipótesis de que el coeficiente sea 0.
ESCENARIOS: empresa y territorio vol. 6, No. 7 pp. 45-60 v ISSN 2322- 6331 v e-ISSN 2463-0799, enero-junio de 2017, Medellín, Colombia 55
Luis David Delgado Vélez - Claudia Patricia Cardona López - Otilia Miladys Gil Hoyos
Donde,
Los resultados generales indican que de los $3.848 millones que adeudan
los 995 clientes, no se recuperarán $1.949 millones, que corresponde al 50% y se
constituye en un valor significativo; no obstante, es importante considerar que
ESCENARIOS: empresa y territorio vol. 6, No. 7 pp. 45-60 v ISSN 2322- 6331 v e-ISSN 2463-0799, enero-junio de 2017, Medellín, Colombia 57
Luis David Delgado Vélez - Claudia Patricia Cardona López - Otilia Miladys Gil Hoyos
ésta consolida los clientes de diversas empresas que ya han agotado su gestión
de cobro y delegan la recuperación de la misma por vías legales a través de las
agencias de cobranzas. También es imprescindible afirmar que este valor puede
constituirse en un valor de referencia para una eventual negociación entre las
empresas y las agencias de cobranzas, pues estas prácticas son recurrentes.
4. Conclusiones
Las agencias de cobranzas se constituyen en un mecanismo de gran importancia
para que las empresas reduzcan la morosidad de su cartera y tengan un mayor
control sobre uno de los activos más importantes: sus clientes. Estas ayudan
a mitigar el riesgo crediticio y recuperar deudas incobrables a través de otras
modalidades como reestructuraciones, daciones de pago o compras de cartera.
Así mismo, el desarrollo de políticas y acuerdos realizados en las instituciones
financieras a nivel mundial para el tratamiento de sus clientes, permiten replicar
los modelos de scoring en las empresas del sector real, entre ellas las agencias
de cobranzas.
Los modelos de scoring son de gran utilidad para los administradores financie-
ros, pues su implementación facilita la gestión de la cartera y la implementación
de políticas de ventas en términos de plazos y cupos, además de realizar
seguimientos más individualizados a sus clientes. No obstante, esto requiere
planear los recursos del corto y largo plazo en coherencia con la estrategia de
crecimiento de la compañía, además de la elaboración de los presupuestos de
ingresos y tesorería, con base en sus pronósticos de ventas (Delgado, 2012)
Referencias
Activo Legal. (s.f.). Cobro jurídico y honorarios de cobranza judicial. Obtenido de https://goo.gl/Jk5edV
Bolsa de Valores de Colombia . (13 de octubre de 2015). www.bvc.com.co. Obtenido de https://
www.bvc.com.co/pps/tibco/portalbvc/Home/Mercados/enlinea/indicesbursatiles?com.
tibco.ps.pagesvc.renderParams.sub45d083c1 _ 14321f5c9c5 _ -78350a0a600b=codIn
dice%3DICAP%26fecha%3D20151013%26tipoContenido%3Dgeneralidades%26action%
3Dcontenido%26
Davivienda. (30 de junio de 2015). www.davivienda.com.co. Obtenido de https://fidudavivienda.
davivienda.com/wps/wcm/connect/ae7e8157-873f-4b05-b4de-8ccbed4cb9cc/DAVIPLU-
SACCCOL _ JUN _ 15.pdf?MOD=AJPERES
De Lara , H. (2013). Clasificación de los riesgos financieros. En Medición y control de riesgos
financieros. México, D.F: Limusa.
Delgado, L. (2012). Administradores financieros: esenciales para la competitividad de la
empresa contemporánea. Escenarios. Empresa y Territorio, 151-175.
Fiduciaria Bancolombia. (30 de Junio de 2015). www.fiduciariabancolombia.com. Obtenido de
http://www.fiduciariabancolombia.com/cs/Satellite?blobcol=urldata&blobheadername1
=content-type&blobheadername2=Content-Disposition&blobheadername3=MDT-Ty
pe&blobheadervalue1=application%2Fpdf&blobheadervalue2=inline%3B+filename%3
Dmyfile&blobheadervalue3=ab
Fiduciaria Bancolombia. (30 de Junio de 2015). www.grupobancolombia.com.co. Obtenido de http://
www.fiduciariabancolombia.com/cs/Satellite?blobcol=urldata&blobheadername1=con
tent-type&blobheadername2=Content-Disposition&blobheadername3=MDT-Type&bl
obheadervalue1=application%2Fpdf&blobheadervalue2=inline%3B+filename%3Dmyfi
le&blobheadervalue3=ab
Fiduciaria Bogotá. (30 de Junio de 2015). www.fidubogota.com.co. Obtenido de https://www.fidu-
bogota.com/wps/themes/html/fidubogota/documentos/fiduaccion/FT _ FIDUACCION-
-junio.pdf
Fiduciaria Davivienda. (30 de junio de 2015). www.davivienda.com.co. Obtenido de https://fiduda-
vivienda.davivienda.com/wps/wcm/connect/ae7e8157-873f-4b05-b4de-8ccbed4cb9cc/
DAVIPLUSACCCOL _ JUN _ 15.pdf?MOD=AJPERES
García Boza, J. (2013). Inmversiones financieras: selección de carteras. Madrid: Pirámide.
García, L. S., & García, J. S. (2010). Modelos para medir el riesgo de crédito de la banca. 295-319.
García, O. S. (2009). Administración financiera fundamentos y aplicaciones. En El concepto
capital de trabajo. Cali, Colombia: Prensa Moderna Impresores S.A.
Gomez-Bezares, F., Madariaga, J., & Santibáñez, J. (2003). Medidas de Performance: Algunos
índices cásicos y relación de la TRIP con la teoría de cartera. Análisis Financiero Internacional,
5-19.
Gujarti, D., & Porter, D. (2010). Econometría. México D.F: Mc Graw Hill.
Herr, L. (2009). Aplicando un modelo de crédit scoring en el ámbito microempresarial: Caso
CMAC PAITA Luis Carlos Herrera Anticona.
Martinez, O. (2003). Determinantes de fragilidad en las empresas colombianas. Borradores de
Economía, 23.
ESCENARIOS: empresa y territorio vol. 6, No. 7 pp. 45-60 v ISSN 2322- 6331 v e-ISSN 2463-0799, enero-junio de 2017, Medellín, Colombia 59
Luis David Delgado Vélez - Claudia Patricia Cardona López - Otilia Miladys Gil Hoyos
Rayo, S. C. (2013). Riesgo de Crédito en Basilea II. Granada, España: Universidad de Granada
España.
Superintendencia Financiera de Colombia. (2013). Reglas relativas a la gestión del riesgo de crédito.
Bogotá, Colombia.
Winston, W. (2011). Modelos Financieros con Simulación y Optimización. New York: Palisade
Corporation.