Documentos de Académico
Documentos de Profesional
Documentos de Cultura
09 II Seminario BII GMT-SGA-JPG Scoring
09 II Seminario BII GMT-SGA-JPG Scoring
Admisión:
– Orientados a la operación
– Información detallada del acreditado obtenida durante el proceso de
admisión y disponible antes de la aprobación
– Después de la admisión se utilizan con otros propósitos
• Como mínimo hay que tener en cuenta el tiempo transcurrido desde la
concesión
• La valoración inicial va perdiendo capacidad explicativa a medida que
pasa el tiempo
• Lo óptimo es utilizar un scoring de comportamiento a partir de una
edad determinada (tiempo desde la concesión)
Comportamiento:
– Orientados a calificar al cliente
– Información del resto de productos del cliente
– En segmento minorista la información clave proviene de la cuenta
corriente del cliente y del comportamiento en el resto de productos
• Debe ser un cliente activo (cuenta corriente con movimientos: nómina,
recibos)
• Se necesita una experiencia mínima con el cliente (periodo mínimo: 6
meses, un año)
– Integra toda la información actualizada existente sobre el cliente
– Se puede calcular periódicamente
• Frecuencia relevante
– Internamente se utilizan para:
• Diseñar políticas de preconcesión y venta cruzada
• Seguimiento de los clientes y carteras
Población y muestras
– Definición de la cartera objetivo
– Definición de malo: horizonte, días de impago, materialidad
– Extracción de información: muestras de construcción y de validación
Preselección de variables
– Transformación de variables:
• creación de variables categóricas y/o binarias
Tratamiento de anomalías y faltas de información
Análisis univariante
– Técnicas gráficas y cálculo de estadísticos descriptivos
– Regresiones logísticas univariantes
– Criterios de selección: capacidad discriminante, facilidad de
interpretación, correlación
Análisis multivariante
– Regresiones logísticas paso a paso
Construcción y selección del modelo final
Características
– Motivación: obtención de una PD directamente asociada a las características de la
operación/acreditado sin necesidad de agrupaciones intermedias
– Estructura no lineal al introducir una link function F con valores en (0,1):
pi = F (b′ ⋅ x i )
– Elecciones típicas:
• Función de distribución de una logística: modelo logit
e b′⋅ xi
F (b′ ⋅ x i ) =
1+ e b′⋅ xi
b′⋅ x i
t2
F (b′ ⋅ x i ) =
∫e
−
2
dt
−∞
L( b) = ∏ [
P ( b′ ⋅ x i ) yi 1− P ( b′ ⋅ x i )1− y i ]
i
Estimar los parámetros y contrastar el nivel de significación de las
variables se puede hacer con software estándar para ambos modelos.
Pero el Logit presenta ventajas de interpretación de los resultados:
– La relación entre la probabilidad de default y la relación entre número de
buenos y malos (odds) viene dada por:
pi
= e β ′⋅ x i
1− pi
0.02 0.0125
fM
0.015
0.01 fB
0.0075
0.01
0.005
0.005 0.0025
0 0
50 100 150 200 250 300 0 50 100 150 200
1 1
FM
FM(s0)
0.8 FM(s0)0.8
0.6 FB 0.6
AUROC
0.4 0.4
FB(s0)
0.2 0.2
0 0
0 50 100 s0 150 200 250 0 0.2 0.4 0.6 0.8 1
FB(s0)
0.4 0.4
FB+M(s0)
0.2 0.2
0 0
0 50 100 s0 150 200 250 0 0.2 0.4 0.6 0.8 1
FB+M(s0)
Sistemas de rating
Iguales Diferentes
VT= VT diferente VT= VT diferente
Iguales X NO SI NO
Carteras
Diferentes NO NO
M/B
1
0.8
0.6
FM
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
FB+M
n
HS = ∑ q (i ) * H
i =1
S (i )
H − H (S )
CIER ( S ) = 0
H0
donde H0 es la entropía en la muestra:
H 0 = p 0 * Log ( p 0 ) + (1 − p 0 ) * Log (1 − p 0 )