Evaluación del Riesgo Crediticio, a través de Credit Scoring
mediante Regresión logística: Un caso de estudio
Estefanía Meza Saldaña (FCFM, BUAP), Dra. Hortensia Reyes Cervantes (FCFM, BUAP),
Dra. Blanca Rosa Pérez Salvador (UAM, Iztapalapa), Dr. Francisco Solano Tajonar Sanabria
(FCFM, BUAP).
Resumen— La Estadística tiene una importante
presencia dentro de las Ciencias Sociales, Economía
y Finanzas principalmente, aportando herramientas
para un mejor desarrollo de soluciones a problemas
que se susciten dentro de estos ramos, con la ayuda
de los avances tecnológicos al aumentar la capacidad
de almacenaje de información y un mejor manejo de
bases de datos.
En Finanzas, se encuentra el concepto de riesgo, el
cual está relacionado con la posibilidad de que
suceda un evento que se traduzca en pérdidas para
los participantes involucrados. Existen diferentes
tipos de riesgo, entre ellos está, el riesgo de crédito,
el cual se da cuando existe un contrato de crédito y
existe la posibilidad de que el deudor no pueda
pagar su deuda por diferentes factores.
En las últimas décadas, se han desarrollado avances
dentro de la automatización de la decisión sobre la
aceptación o rechazo de una solicitud de crédito a
través de modelos analíticos, matemáticos y
estadísticos que buscan predecir el desempeño que
tendría una persona si se le otorgase un crédito
mediante la asignación de un puntaje estimado a
partir de la información disponible del cliente. A este
problema se le conoce como Credit Scoring.
Dentro de los métodos estadísticos que existen, se
encuentran los Modelos Logit, método utilizado en
este trabajo para la estimación de la probabilidad de
incumplimiento de un cliente para cierta entidad
financiera.
Palabras clave: Regresión logística, Credit
Scoring, Riesgo de crédito, Modelos de Respuesta
Binaria.
I. INTRODUCCIÓN
En Finanzas, el riesgo está relacionado con la
posibilidad de que suceda un evento que se
traduzca en pérdidas para los participantes
involucrados. Existen diferentes tipos de riesgo en
los mercados financieros, entre ellos se
encuentran, el riesgo de mercado, riesgo de
operación, riesgo de contraparte y riesgo de
crédito, este último es el que se maneja en este
trabajo, definiéndolo como caso particular del
riesgo de contraparte, cuando el contrato es uno de
crédito, y el deudor no puede pagar su deuda por
diferentes factores, [6].
La modelación de la falla financiera, tanto en
personas como en empresas, ha sido un problema
altamente estudiado en la literatura [1]. Se han
desarrollado modelos matemáticos y estadísticos
que buscan predecir el desempeño que tendría una
persona si se le otorgase un crédito mediante la
asignación de un puntaje estimado a partir de la
información del cliente, llamando a esta
problemática como Credit Scoring, [7].
La utilización de modelos de Credit Scoring para
la evaluación del riesgo de crédito, es decir, para
estimar probabilidades de incumplimiento y
ordenar a los deudores y solicitantes de
financiamiento en función de su riesgo de
incumplimiento se ha desarrollado dentro de las
últimas cuatro décadas [2], esto debido al
desarrollo de mejores recursos estadísticos y
computacionales.
Dentro de los métodos estadísticos más comunes
para el desarrollo de Credit Scorings se
encuentran: Análisis Discriminante, Modelo de
Probabilidad Lineal, Modelo Logit, Modelos de
Programación Lineal, Redes Neuronales, Arboles
de decisión, entre otros.
La predicción del incumplimiento de un préstamo
tiene una utilidad muy práctica. De hecho, la
identificación del riesgo de incumplimiento parece
ser de suma importancia para los emisores de
créditos financieros.
En este trabajo se desarrolla un modelo estadístico
integrado para evaluar un préstamo otorgado por
una entidad financiera, mediante el análisis de la
información que se tiene de cada uno de los
clientes, a través de un Modelo de Regresión
Logística, para obtener las características más
significativas y poder establecer una regla de
aceptación, con la ayuda de una base de datos
alemana de 1994 (disponible en la red).
 II. PRELIMINARES
En esta sección se presenta parte de la teoría
principal para el desarrollo de un modelo de
Regresión Logística para un Credit Scoring.
II.I Modelos para variables de Respuesta Binaria.
Las variables dependientes binarias son muy
comunes dentro de las ciencias sociales, existen
diversos modelos para el análisis de estas
variables, a continuación se presentan: El Modelo
de Probabilidad Lineal, el Modelo Probit y el
Modelo Logístico.
II.I.I Modelo de Probabilidad Lineal
De acuerdo a [5] la estructura del modelo aplicado
a una variable dependiente binaria es:
𝑦𝑦𝑖𝑖 = 𝑥𝑥𝑖𝑖𝑇𝑇 𝛽𝛽 + 𝜖𝜖𝑖𝑖 .
En donde 𝑥𝑥𝑖𝑖 es un vector de variables explicativas
para la observación i-ésima, 𝛽𝛽 es un vector de
parámetros y 𝜖𝜖𝑖𝑖 es el término de error.
Considerando a la Esperanza condicional de y,
𝐸𝐸(𝑦𝑦|𝒙𝒙), se observa que para la observación i-
ésima:
𝐸𝐸 (𝑦𝑦𝑖𝑖 |𝑥𝑥𝑖𝑖 ) = [1×𝑃𝑃(𝑦𝑦𝑖𝑖 = 1|𝑥𝑥𝑖𝑖 )]
+ [0×𝑃𝑃(𝑦𝑦𝑖𝑖 = 0|𝑥𝑥𝑖𝑖 )]
= 𝑃𝑃(𝑦𝑦𝑖𝑖 = 1|𝑥𝑥𝑖𝑖 ).
Por lo tanto, el valor esperado de y dado x, es la
probabilidad de y = 1 dado x.
Por lo que reescribiendo el Modelo de
Probabilidad Lineal queda:
𝑃𝑃(𝑦𝑦𝑖𝑖 = 1|𝑥𝑥𝑖𝑖 ) = 𝑥𝑥𝑖𝑖𝑇𝑇 𝛽𝛽.
Interpretación:
“por cada unidad que incremente 𝑥𝑥𝑘𝑘 , el cambio
esperado en la probabilidad de que ocurra el
evento, es 𝛽𝛽𝑘𝑘 , manteniendo las variables restantes
constantes.” Dado que el modelo es lineal, un
cambio unitario en 𝑥𝑥𝑘𝑘 siempre resultará en el
mismo cambio en la probabilidad.
Existen diferentes desventajas en la aplicación de
este modelo, la principal es que:
Las probabilidades estimadas pueden ser menores
a cero o mayores a uno.
Mientras que la interpretación de los parámetros
no cambia al tener una variable de respuesta
binaria, varias suposiciones del modelo son
quebrantadas, [5].
 Heterocedasticidad: La varianza
condicional de y dado x es:
𝑉𝑉𝑉𝑉𝑉𝑉(𝑦𝑦|𝑥𝑥) = 𝑃𝑃(𝑦𝑦 = 1|𝑥𝑥)[1
− 𝑃𝑃 (𝑦𝑦 = 1|𝑥𝑥)]
= 𝑥𝑥𝑥𝑥 (1 − 𝑥𝑥𝑥𝑥 ).
Lo cual implica que la varianza de los
errores depende de las x’s y no es
constante.
 Normalidad: Por lo general es la
distribución binomial, la que modela a
los errores.
 Predicciones sin sentido: Los valores
estimados de y en el modelo pueden ser
negativos o mayores a 1.
II.I.II Modelos Probit y Logit.
Para evitar las limitaciones del Modelo de
Probabilidad Lineal, se considera una clase de
modelos de la forma;
𝑃𝑃(𝑦𝑦 = 1|𝑥𝑥) = 𝐺𝐺 (𝛽𝛽0 + 𝛽𝛽1 𝑥𝑥1 + ⋯ + 𝛽𝛽𝑘𝑘 𝑥𝑥𝑘𝑘 ).
En donde G es una función que toma valores
estrictamente entre cero y uno para todos los
números reales. Esto asegura que las
probabilidades de respuesta estimadas están
estrictamente entre cero y uno.
En el modelo Probit, G es la función de
distribución acumulada normal estándar,
𝑧𝑧
𝐺𝐺 (𝑧𝑧) = Φ(𝑧𝑧) = � 𝜑𝜑(𝑣𝑣)𝑑𝑑𝑑𝑑.
−∞
1� (−𝑧𝑧 2� )
Donde 𝜑𝜑(𝑧𝑧) = (2𝜋𝜋)− 2 𝑒𝑒 2 .
En el modelo Logit, G es la función logística:
exp(𝑧𝑧)
𝐺𝐺 (𝑧𝑧) = .
1 + exp(𝑧𝑧)
II.I.III Modelo de Regresión Logística.
Generalmente los resultados binarios provienen
de una relación no-lineal entre la variable
respuesta y las variables independientes del
modelo.
La Regresión Logística es un modelo
probabilístico, y es una de las técnicas más
utilizadas en algunos modelos de Credit Scoring,
usando este modelo para calcular la probabilidad
de que un sujeto sea merecedor de un crédito.
Se basa en la Función Logística, la cual expresa
una relación entre dos o más variables de forma
que a cada elemento x del conjunto
independiente, X, le corresponde un único
elemento 𝜋𝜋(𝑥𝑥) y está representada por:
1 𝑒𝑒 𝑥𝑥 (1)
𝜋𝜋(𝑥𝑥) = =
1 + 𝑒𝑒 −𝑥𝑥 1 + 𝑒𝑒 𝑥𝑥
Su gráfica es una curva S o Sigmoidea, tiene un
único punto de inflexión en el que cambia la
concavidad y la rapidez del crecimiento ver la
Figura (2.1).
 Y dado que las n observaciones son
independientes, la densidad conjunta o la
función de verosimilitud de (𝑌𝑌1 , 𝑌𝑌2 , … , 𝑌𝑌𝑛𝑛 ) es,
𝑙𝑙(𝛽𝛽0 , 𝛽𝛽1 ) = 𝑓𝑓1 (𝑦𝑦1 )×𝑓𝑓2 (𝑦𝑦2 )× ⋯×𝑓𝑓𝑛𝑛 (𝑦𝑦𝑛𝑛 )
𝑛𝑛

= � 𝜋𝜋(𝑥𝑥𝑖𝑖 )𝑦𝑦𝑖𝑖 (1 − 𝜋𝜋(𝑥𝑥𝑖𝑖 ))1−𝑦𝑦𝑖𝑖

𝑖𝑖=1
𝑛𝑛 𝑖𝑖 𝑦𝑦 1−𝑦𝑦𝑖𝑖
𝑒𝑒 (𝛽𝛽0+𝛽𝛽1 𝑥𝑥) 𝑒𝑒 (𝛽𝛽0+𝛽𝛽1 𝑥𝑥)
= �� � � �
1 + 𝑒𝑒 (𝛽𝛽0+𝛽𝛽1 𝑥𝑥) 1 + 𝑒𝑒 (𝛽𝛽0+𝛽𝛽1 𝑥𝑥)
𝑖𝑖=1
Este método busca las estimaciones de
Figura 2.1
𝛽𝛽0 y 𝛽𝛽1 que maximicen la función de
verosimilitud.
i. Transformación Logit
Aplicando logaritmo natural,
Esta transformación proviene de la
función logística, y tiene varias 𝐿𝐿(𝛽𝛽 ) = ln�𝑙𝑙 (𝛽𝛽0 , 𝛽𝛽1 )�
𝑛𝑛
ventajas por admitir variables
categóricas, además de tomar valores = ��𝑦𝑦𝑖𝑖 ln�𝜋𝜋(𝑥𝑥𝑖𝑖 )�
entre 0 y 1 para la variable dependiente. 𝑖𝑖=1
+ (1 − 𝑦𝑦𝑖𝑖 )ln(1 − 𝜋𝜋(𝑥𝑥𝑖𝑖 ))�
La forma específica del Modelo de Para encontrar el valor del vector 𝛽𝛽 que
Regresión Logística con una sola maximiza 𝐿𝐿(𝛽𝛽 ), se deriva 𝐿𝐿(𝛽𝛽 ) con
variable explicativa es: respecto a 𝛽𝛽0 y 𝛽𝛽1 , se igualan las derivadas
𝑒𝑒 (𝛽𝛽0+𝛽𝛽1 𝑥𝑥) a 0, y se obtienen las ecuaciones:
𝑛𝑛
𝜋𝜋(𝑥𝑥 ) =
1 + 𝑒𝑒 (𝛽𝛽0+𝛽𝛽1 𝑥𝑥) �[𝑦𝑦𝑖𝑖 − 𝜋𝜋(𝑥𝑥𝑖𝑖 )] = 0
La transformación se obtiene mediante
𝑖𝑖=1
un despeje de variables y queda:
y
𝑛𝑛
𝜋𝜋(𝑥𝑥 ) �[𝑦𝑦𝑖𝑖 − 𝜋𝜋(𝑥𝑥𝑖𝑖 )]𝑥𝑥𝑖𝑖 = 0
ln � �
1 − 𝜋𝜋(𝑥𝑥 ) 𝑖𝑖=1
(2)
= 𝛽𝛽0 + 𝛽𝛽1 𝑥𝑥. Estas expresiones no son lineales en los
parámetros 𝛽𝛽0 y 𝛽𝛽1 , por lo que se requieren
métodos especiales para su solución, en la
Por tanto, actualidad existen diferentes programas
𝜋𝜋(𝑥𝑥) estadísticos que realizan este cálculo, en
𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙[𝜋𝜋(𝑥𝑥)] = ln �1−𝜋𝜋(𝑥𝑥)� = 𝛽𝛽0 + 𝛽𝛽1 𝑥𝑥.
este trabajo se utiliza SPSS en su versión
Teniendo así, propiedades de un número 22, [3].
modelo de Regresión Lineal.
El próximo paso es comprobar la
ii. Estimación del Modelo de Regresión significancia estadística de cada uno de los
Logística coeficientes de la regresión del modelo,
para esto existen dos métodos principales:
Tomando de referencia la Ecuación (1), el estadístico de Wald, y el estadístico G de
se debe desarrollar un método para razón de verosimilitud.
estimar 𝛽𝛽0 y 𝛽𝛽1 a partir de una muestra
de n observaciones, dado que en este El estadístico de Wald: Contrasta la
caso la variable respuesta es binaria, se hipótesis de que un coeficiente aislado es
usa el método de Máxima distinto de 0, siguiendo una distribución
Verosimilitud para la estimación de los Normal Estándar, [4].
parámetros. 𝐻𝐻0 : ∀𝑖𝑖, 𝛽𝛽𝑖𝑖 = 0 vs. 𝐻𝐻1 : ∃𝑖𝑖, 𝛽𝛽𝑖𝑖 ≠ 0
Usando el valor medio condicionado: 𝛽𝛽�𝚤𝚤
𝜋𝜋(𝑥𝑥𝑖𝑖 ) = 𝑃𝑃(𝑌𝑌𝑖𝑖 = 1|𝑥𝑥𝑖𝑖 ). 𝑊𝑊𝑊𝑊𝑊𝑊𝑊𝑊 = .
Donde 𝑌𝑌𝑖𝑖 es la respuesta asociada a la i- 𝜎𝜎�(𝛽𝛽𝑖𝑖 )
ésima observación, cuya función de La obtención de significancia indica que
densidad es, dicho coeficiente es diferente de cero y
𝑓𝑓𝑖𝑖 (𝑦𝑦𝑖𝑖 ) = 𝜋𝜋(𝑥𝑥𝑖𝑖 )𝑦𝑦𝑖𝑖 (1 − 𝜋𝜋(𝑥𝑥𝑖𝑖 ))1−𝑦𝑦𝑖𝑖 , merece la pena su conservación en el
𝑦𝑦𝑖𝑖 = 0,1. modelo.
 El estadístico G de razón de • ���𝑘𝑘 es el promedio de las 𝜋𝜋𝑘𝑘
𝜋𝜋
verosimilitud: Con este método se va en el k-ésimo grupo.
contrastando cada modelo que surge de Si el modelo es correcto, la
eliminar cierta cantidad (h) de variables distribución del estadístico 𝐶𝐶̂ es
frente al modelo completo. El juego de aproximada a la distribución 𝜒𝜒 2 con
hipótesis es: g-2 grados de libertad.
𝐻𝐻0 : Las variables no influyen en el b) Estadísticos Influénciales
modelo, 𝛽𝛽𝑖𝑖 = 0 ∀𝑖𝑖 = 1, … , ℎ. Los residuales posibilitan
Vs. constatar si una observación es
𝐻𝐻1 : Las variables influyen en el influyente o no.
modelo, 𝛽𝛽𝑖𝑖 ≠ 0 ∀𝑖𝑖 = 1, … , ℎ. Residuales de devianza:
La ausencia de significación implica 𝑑𝑑𝑗𝑗
que el modelo sin la covariable no 𝑦𝑦𝑗𝑗
empeora respecto al modelo completo, = ± �2 �𝑦𝑦𝑗𝑗 ln � �
𝑚𝑚𝑗𝑗 𝜋𝜋�𝑗𝑗
por lo que dicha covariable debe ser
eliminada del modelo. + �𝑚𝑚𝑗𝑗
1/2
�𝑚𝑚𝑗𝑗 − 𝑦𝑦𝑗𝑗 �
iii. Evaluación del Modelo − 𝑦𝑦𝑗𝑗 �ln � ��� .
𝑚𝑚𝑗𝑗 �1 − 𝜋𝜋�𝑗𝑗 �
Para realizar la verificación del modelo,
Bajo la distribución 𝜒𝜒 2 con (J-
se utilizan diversos estadísticos:
p-1) grados de libertad.
a) Medidas de Confiabilidad del
Modelo Pseudo residuales: El
paquete estadístico SPSS
Devianza: Similar a la suma de
cuadrados del error de la ofrece valores del R-cuadrado
de Cox y Snell y del R-
Regresión Lineal:
cuadrado de Nagelkerke, los
𝑝𝑝�
𝐷𝐷 = −2 ∑𝑛𝑛𝑖𝑖=1 �𝑦𝑦𝑖𝑖 ln � � + cuales son análogos al R-
𝑦𝑦𝑖𝑖
cuadrado de una Regresión
1−𝑝𝑝� Lineal.
(1 − 𝑦𝑦𝑖𝑖 )ln � �� .
1−𝑦𝑦𝑖𝑖 o Cox y Snell:
2
Si D es mayor que cierto percentil �
𝐿𝐿𝑐𝑐 𝑁𝑁
de una variable aleatoria 𝜒𝜒 2 con 𝑅𝑅2 = 1 − � � .
(n-p) grados de libertad para un �0
𝐿𝐿
nivel de significancia dado, En donde:
entonces el modelo logístico es  𝐿𝐿�𝑐𝑐 es la función log-
confiable. verosimilitud del
Prueba de bondad de ajuste de modelo evaluado en
Hosmer- Lemeshov: En esta 𝛽𝛽� � �
0 , 𝛽𝛽1 , … , 𝛽𝛽𝑘𝑘 .
prueba se construyen tablas para  𝐿𝐿�0 es la función log-
comparar los resultados de verosimilitud del
estimación del modelo contra los modelo que solo
resultados reales de la muestra, incluye la constante.
haciendo la clasificación de éxitos
y fracasos para ambos casos. o Nagelkerke:
El estadístico se define como: Versión corregida del
𝑔𝑔
(𝑂𝑂𝑘𝑘 − 𝑛𝑛𝑘𝑘′ ���
𝜋𝜋𝑘𝑘 )2 R-cuadrado de Cox y
𝐶𝐶̂ = � ′ . Snell con valor
𝜋𝜋𝑘𝑘 (1 − ���
𝑛𝑛𝑘𝑘 ��� 𝜋𝜋𝑘𝑘 )
𝑘𝑘=1 máximo igual a 1.
En donde, c) Interpretación de los
• g es el número de grupos. Coeficientes
• 𝑛𝑛𝑘𝑘′ es el número total de El modelo logístico con una variable
observaciones en el k-ésimo independiente puede ser escrito como:
grupo. lnΩ(𝑥𝑥) = 𝛽𝛽0 + 𝛽𝛽1 𝑥𝑥
• 𝑂𝑂𝑘𝑘 es la suma de las Y en el k- En donde:
ésimo grupo. 𝑃𝑃(𝑦𝑦 = 1|𝑥𝑥)
Ω(𝑥𝑥 ) = .
𝑃𝑃(𝑦𝑦 = 0|𝑥𝑥)
 Es la probabilidad (odds) del evento
dado x.
Derivando,
𝜕𝜕lnΩ(𝑥𝑥)
= 𝛽𝛽𝑘𝑘 .
𝜕𝜕𝑥𝑥𝑘𝑘
Dado que el modelo es lineal, 𝛽𝛽𝑘𝑘 , se
interpreta como: “Para un cambio
unitario en 𝑥𝑥𝑘𝑘 , se espera que el logit
cambie por un factor, 𝛽𝛽𝑘𝑘 , manteniendo
todas las demás variables constantes.
d) Valoración predictiva del Modelo
Es de interés en la Estadística clasificar
a los individuos dependiendo de que si
su probabilidad supera un valor de corte
𝜋𝜋 o no.
𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐ó𝑛𝑛 =
𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 > 𝜋𝜋 ⇒ 𝑦𝑦𝑒𝑒 = 1
�
𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ≤ 𝜋𝜋 ⇒ 𝑦𝑦𝑒𝑒 = 0.
Siendo necesario seleccionar un punto
de corte adecuado que permita resumir
los resultados en dos grupos.
La sensibilidad de una prueba se define
como la probabilidad de obtener un
resultado positivo. Y la especificidad de
una prueba indica la probabilidad de
obtener un resultado negativo.
Realidad 𝑦𝑦0
1 0
Modelo 1 VP FP
𝑦𝑦𝑒𝑒 0 FN VN
En donde:
VP=Valores Verdaderos Positivos.
FP=Falsos Positivos.
FN=Falsos Negativos.
VN=Verdaderos Negativos.
𝑉𝑉𝑉𝑉
Sensibilidad = . para desarrollar sistemas de Credit
𝑉𝑉𝑉𝑉 + 𝐹𝐹𝐹𝐹
𝑉𝑉𝑉𝑉
Especificidad = .
𝑉𝑉𝑉𝑉 + 𝐹𝐹𝐹𝐹
Area bajo la curva ROC (Receiver Operating
Characteristic) es construida para todos los
posibles puntos de corte de 𝜋𝜋 para la clasificación
de los individuos.
La curva ROC es un gráfico en el que se observan
todos los pares sensibilidad/especificidad
resultantes de la variación continua de los puntos
de corte en todo el rango de resultados
observados. En el eje y de coordenadas se sitúa la
sensibilidad o fracción de verdaderos positivos, en
el eje x se sitúa la fracción de falsos positivos o
(1-especicidad). El área bajo la curva está dentro
de un rango de 0 a 1, otorgando una medida de la
capacidad del modelo para discriminar entre los
sujetos que experimentan el resultado de interés
contra los que no lo hacen.
Una regla general para la curva ROC es:
 Si ROC=0.5 se sugiere no
discriminación.
 Si 0.7 ≤ ROC < 0.8 se considera
discriminación aceptable.
 Si 0.8 ≤ ROC < 0.9 se considera
discriminación excelente.
 Si ROC ≥ 0.9 se considera
discriminación extraordinaria.
III. CREDIT SCORE
Scoring se refiere al empleo del conocimiento
sobre el desempeño y características de
préstamos en el pasado para poder pronosticar el
cumplimiento de préstamos en el futuro, [8].
a. Ventajas del Scoring:
 Cuantifica el riesgo como una
probabilidad.
 Consistencia: El proceso de análisis
se aplica homogéneamente a todas
las solicitudes. Dos personas con las
mismas características tendrán el
mismo pronóstico de riesgo.
 El scoring estadístico puede
probarse antes de usarlo: Una ficha
de calificación recién planteada
puede probarse para pronosticar el
riesgo de los préstamos vigentes en
la actualidad, usando únicamente las
características conocidas en el
momento en que se hizo el
desembolso.
b. Modelos utilizados en el Desarrollo de
Sistemas Credit Scoring
Varios métodos estadísticos son usados
Scoring incluyendo modelos de
probabilidad lineal, modelos logit,
modelos probit, modelos de análisis
discriminante.
Los primeros tres métodos son técnicas
estadísticas estándar para la estimación
de la probabilidad de incumplimiento
basada en datos históricos sobre el
desempeño del préstamo y las
características del prestatario.
IV. CASO PRÁCTICO
 Descripción de la Base de Datos
 La base de datos German Credit con la activo el crédito. Es de carácter
que se trabaja en este estudio, consiste en cuantitativo.
la información de 1000 personas
solicitantes de un crédito, contenida en la 2. Monto de crédito: Variable numérica
medición de 20 variables para cada que expresa el monto total del crédito
individuo. Cada solicitante ha sido otorgado.
clasificado dentro de una de las dos
posibles categorías, “Buen crédito” (700 3. Tasa de crédito: Variable numérica
casos) o “Mal Crédito” (300 casos). que expresa la tasa del crédito.

 Definición de la Variable Respuesta y las 4. Balance de cuenta: Variable categórica

Variables Explicativas
Dentro de la base de datos se encuentran
variables socioeconómicas:
Edad, Estado civil-Género, Cantidad de
personas que dependen del acreditado,
Tiempo de permanencia en el actual
domicilio, Tiempo de permanencia en el
empleo actual, Si es propietario de la
vivienda que habita, Tipo de ocupación,
Si tiene una cuenta de ahorros y a cuánto
asciende, Si cuenta con algún teléfono a
su nombre, Si es trabajador foráneo.
Además de variables que describen el
comportamiento e historial de cada
cliente, entre las que se encuentran:
Monto del crédito otorgado, Tipo de
crédito otorgado.
 Selección de Variables Aplicadas al
modelo
La variable dependiente del modelo es
llamada Clase, la cual es una variable
dicotómica, creada para hacer referencia
a los clientes cumplidos (“Buenos”) con
valor de 0 y a los clientes incumplidos
(“Malos”) con valor de 1.
Para la construcción del modelo se divide
la base en dos partes: Primero se toma
una muestra aleatoria del 70% llamada de
entrenamiento con la cual se construye el
modelo, y con el 30% restante se
conforma la base de validación y se usa
para evaluar los resultados del modelo
obtenido.
Las variables independientes
seleccionadas de acuerdo a las
características de la base de datos de
entrenamiento, son:
1. Duración del crédito: Esta variable se
refiere a los meses que hasta el momento
de la conformación de la base ha estado
que expresa el estado de la cuenta
corriente de cada cliente, tiene cuatro
categorías:
1 = Menor a cero DM.
2 = Entre 0 y 200 DM.
3 = Mayor o igual a 200 DM.
4 = No existe cuenta.
5. Historia Crediticia: Cuenta con 5
categorías en donde se muestra si el
cliente ha tenido otros créditos.
0 = No tiene créditos tomados/Todos los
créditos pagados debidamente.
1 = Todos los créditos de este banco
pagados debidamente.
2 = Créditos existentes debidamente
pagados hasta ahora.
3 = Retraso en el pago en el pasado.
4 = Cuenta crítica/Otros créditos
existentes (No en este banco).
6. Propósito: Tiene 11 categorías en las
cuales se clasificó el propósito por el cual
el cliente solicitó un crédito.
0 = Carro (Nuevo).
1 = Carro (Usado).
2 = Muebles/Equipo.
3 = Radio/Televisión.
4 = Aparatos domésticos.
5 = Reparaciones.
6 = Educación.
7 = Vacaciones.
8 = Capacitación.
9 = Negocios.
10 = Otros.
7. Cuenta de ahorros: Cuenta con 5
categorías:
1 = Menor a 100 DM.
2 = Entre 100 y 500 DM.
3 = Entre 500 y 1000 DM.
4 = Mayor a 1000 DM.
5 = Monto Desconocido /No tiene cuenta
de ahorro.
 8. Duración en el trabajo: En la Tabla 2 se detalla que en el modelo
1 = Desempleado. se tuvieron 3 cambios y finalizó en la
2 = Menos de 1 año. quinta iteración. El último valor de
3 = Entre 1 y 4 años. determinación fue de 0.362, explicando
4 = Entre 4 y 7 años. entre el 0.255 y el 0.362 de la variable
5 = Mayor o igual a 7 años. dependiente.

9. Género-EdoCivil:  Clasificación
1 = Hombre: Divorciado/Separado. La tabla de clasificación indica paso a paso
2 = Mujer: Divorciada/Separada/Casada. la clasificación de clientes cumplidos
3 = Hombre: Soltero. (Buenos) e incumplidos (Malos). En ella se
4 = Hombre: Casado/ Viudo. pueden ver el total de proporciones
5 = Mujer: Soltera. correctamente clasificadas en cada uno de
los grupos.
10. Otros planes de pago: Tipo de crédito
simultáneo.
1 = Bancario.
2 = Tiendas departamentales.
3 = Ninguno.

 Estimación del Modelo en SPSS

El modelo se realiza con el método
Backward bajo el criterio de Devianza
(LR) para encontrar un modelo que
tuviera variables con nivel de
significancia menor al 5%.
 Ajuste del Modelo
El ajuste del modelo fue evaluado con el
estadístico Hosmer-Lemeshow.
Tabla 3
En la Tabla 3 se ve que se obtuvo un total de
79.1% de clasificaciones correctas con un
punto de corte óptimo de 0.55, el cual resultó
ser el óptimo por mantener una clasificación
de clientes cumplidos mayor al 90%.

 Poder Discriminatorio
Es la capacidad que tiene el modelo para
poder clasificar de manera correcta los
Tabla 1 préstamos.
La curva ROC brinda una representación
En la Tabla 1 se muestra cada escalón con gráfica del poder discriminatorio de un
los valores obtenidos, se obtuvo un nivel sistema de Scoring.
de bondad de ajuste del 67.5% en tercer y
último escalón, con lo cual se puede decir
que el modelo tiene un buen ajuste.
 Poder Predictivo
El poder predictivo del modelo es la
capacidad que tiene de predecir la variable
dependiente, sustentado en los valores de
las variables independientes.

Se obtuvo un área bajo la curva igual a 0.817

como lo muestra la Tabla 4.

Tabla 2

Tabla 4
Que de acuerdo a la regla general, con este valor
se considera una discriminación excelente.
 Interpretación
Ya es posible realizar el cálculo de la probabilidad
de incumplimiento a través de la ecuación de
Regresión Logística y los valores estimados de sus
coeficientes juntos con los valores OR:
 Validación
El scoring estadístico tiene la capacidad de ser
probado antes de usarse. Este procedimiento
expone cómo funciona el scoring si se aplicara en
el presente. La validación se realiza con una
muestra no utilizada para construir el modelo.
Para validar el modelo se usó una muestra
denominada Muestra de validación que se extrajo
de la muestra original, siendo el 30% del total de
datos, la muestra es aleatoria y se asegura que el
30% de los datos contiene una proporción similar
de buenos y malos como la muestra del 70%.
Cuando se estimaron los coeficientes se aplica el
modelo a esta muestra con el mismo punto de
corte. Los resultados revelaron una sensibilidad
del 92:86% y una especificidad del 42.22 %, con
una clasificación total correcta del 77.7%
V. CONCLUSIONES
En la actualidad es importante contar con un vasto
conocimiento de los riesgos y las diferentes
metodologías que existen para su medición,
teniendo como fin la mejora en la operación
crediticia, dentro de este análisis se logró realizar
el Modelo de Regresión Logística de Credit
Scoring, para así divulgar el método, la manera en
que se plantea y realiza el modelo, tomando en
cuenta sus ventajas al no requerir el supuesto de
normalidad y por calcular directamente las
probabilidades de incumplimiento.
Se implementó esta técnica con la ayuda de una
base de datos alemana que se encuentra disponible
en la red, siendo conformada por una muestra con
1000 observaciones de clientes, con 20 variables
originalmente. De las 20 variables explicativas, se
encontró que 10 únicamente eran las más
significativas. Y mediante el criterio de selección
Backward el mejor modelo ajustado quedó con las
siguientes variables:
1) Balance de cuenta.
2) Historia crediticia.
3) Monto de crédito.
4) Tasa de crédito.
5) Propósito.
6) Cuenta de ahorros.
7) Género-Estado Civil.
8) Duración del crédito.
El criterio de Hosmer-Lemeshov presenta
un p-valor de 0.675, concluyendo un
buen ajuste. No obstante se obtuvo un
bajo poder predictivo, evaluado por una
R-cuadrado igual a 0.362.
El área bajo la curva fue de 0.817, y por
regla general del poder discriminatorio,
se considera que el modelo tiene una
discriminación excelente.
La manera de definir el punto de corte
fue buscando tener una clasificación
correcta de clientes malos mayor al 90 %.
La sensibilidad declara que de los 210
préstamos malos en la muestra, el
modelo detectó el 92.86% de ellos.
La validación del modelo fue realizada
con el 30% de la base original.
El modelo detectó el 71.7% de los
prestamos malos, y el 77.7% de los
registros de esta muestra fue clasificado
correctamente. La discriminación es
buena y puede mejorarse jugando con los VI. REFERENCIAS
datos, alternando entre la construcción [1] Altman, E. I., Saunders A., Credit Risk
del modelo y la validación, mejorando la Measurement: Developments over the
definición de categorías en algunas Last 20 Years, Journal of Banking and
variables e incluyendo variables que Finance, (1998).
influyan en el riesgo, sugeridas por los [2] Agresti, A. Categorical Data Analysis. John
expertos. Wiley Sons, Inc. New Jersey (1990).
También haciendo énfasis en que es igual [3] IBM. SPSS Statistics 22 para Windows.
de importante evaluar continuamente el (2010).
modelo de Credit Scoring con el fin de [4] Lemeshow, D. H. Applied Logistic Regression.
revalidar su correcto ajuste con los John Wiley & Sons. (2000).
valores reales, en conjunto con la [5] Long, J. S. Regression Models for Categorical
contribución del conocimiento del and Limited Dependent Variables. Sage
experto para considerar todos los Publications, Inc. (1997).
aspectos. [6] México, B. d. Definiciones básicas de Riesgos.
El modelo de Credit Scoring depende México. (2005).
únicamente de los datos con los que [7] Thomas, L. C. A survey of credit and
cuenta la entidad en cuestión, las behavioral scoring: forecasting financial
variables que se incluyen en el modelo risk of lending to consumers.
son propias para la institución por lo que International Journal of Forecasting, 149-
no serán las mismas por completo si se 172. (2000).
aplica a otra institución. [8] Schreiner, M. Benefits and Pitfalls of
Cuanto esté dispuesta a correr riesgos la Statistical Credit Scoring for
institución dependerá de los objetivos de Microfinance. Microfinance Risk
la misma, por lo que es fundamental Management. (2004).
considerarlo para aceptar o rechazar a un
cliente dependiendo de su probabilidad
de incumplimiento.