Ajustes de límites para controlar la mora

1. Ajustes de límites para controlar la mora Julio 2013

3. Ámbito Financiero – 17/6/2013 El escenario apura a los banqueros a desempolvar las medidas que suelen tener preparadas para las épocas de crisis. Asustados por el crecimiento de la morosidad que percibieron en el comienzo de este año, especialmente en abril y mayo, algunas grandes entidades del sistema resolvieron en estas semanas aplicar una lista de acciones preventivas sobre el financiamiento que otorgan a través de sus tarjetas de crédito: recortar límites de compra y financiación que establecían para los usuarios de ingresos más bajos …

4. Pero la baja indiscriminada de límites atenta contra los resultados del negocio • En realidad, lo que necesitamos es disminuir los límites de los segmentos de mayor riesgo • Esta segmentación puede muchas veces basarse en algunos pocos atributos (nivel de ingresos, rango de edad, otros) • Si consideramos mayor cantidad de atributos e incluso la forma en que se contrapesan, obtenemos una segmentación mucho más precisa

5. Casada Compra ropa en liquidaciones 30% supermercado Viaja dentro del país Soltera Compra ropa en pre-temporada 30% electrodomésticos Viaja al exterior Cuando la cantidad de información es muy grande, ya no es posible reconocer fácilmente las relaciones entre los datos… Laura Aguirre Sueldo > 3500 Laura Pérez Sueldo > 3500 >3500 >3500 >2000 >2000 <2000 <2000 Mediante data mining es posible analizar cientos de características al mismo tiempo

6. La asignación y revisión de límites basada en un Score de Riesgo es más precisa • Permite mantener la mora controlada • Sin afectar innecesariamente al negocio

7. DATOS Demográficos Estilo de Vida Crediticios 914 ¿Qué es un score? Es un método estadístico que permite estimar la probabilidad de un evento futuro a partir de datos conocidos

8. ¿Qué evento queremos predecir? ¿Me va a pagar como se comprometió? O mas formalmente… ¿Cual es la probabilidad que el atraso no supere los 90 días en los próximos 12 meses?

9. No predecimos un evento, sino que calculamos la probabilidad que ese evento ocurra • No existe garantía de cuál será el resultado para un caso en particular • La probabilidad se aplica a un conjunto de casos • Una cartera de clientes

10. El score es un número que permite ordenar las cuentas de acuerdo a la probabilidad de riesgo Permite entonces segmentar y aplicar políticas diferenciadas

11. Disminución de Límites Basada en Score de Riesgo Disminuye la tasa de Morosidad Y se beneficia a los clientes de menor riesgo

12. Revisión de límites • Las revisiones ad hoc son engorrosas • Las revisiones periódicas, sistemáticas y automatizadas • Son más simples • Mantienen siempre controlados los límites • Permiten implementar políticas más o menos severas, según la situación macroeconómica, las condiciones del negocio y la aceptación del riesgo de cada momento

13. Política de Asignación de Límites 10000 30% 4i 15000 35% 5i 5000 25% 3i 0

14. POLITICA

15. REQUISITOS

17. SCORES

18. MODELOS Información o Score de Bureau

19. PERFORMANCE SIN HISTORIA

20. PERFORMANCE CON HISTORIA

21. NIVELDE RIESGO BAJO MEDIO ALTO MUY ALTO PERFORMANCE MODELO

24. Un caso real

25. Exclusiones

26. Aumentar solo a los que necesitan!!!!!

27. < 1 año Acred. Haberes >= 1 año Antiguedad Ant < 1 año Antiguedad Max_MONTO Max_MONTO 30% Max_MONTO 25% 35%

30. CONCLUSIONES • Rápido La implementación se realizó en muy poco tiempo (2 días) • Flexible Se pudo implementar sin problema la política de riesgo, los criterios de up grade, la tabla de Visa, etc • Gráfico Es muy fácil analizar gráficamente la información y los resultados • Intuitivo La implementación resultante es interpretable por los diferentes usuarios que deben participar del proceso • Dinámico Permite realizar rápidamente pruebas y simulaciones • Auditable La especificación es directa, por lo tanto se puede auditar • Automático Puede ejecutarse todos los meses en forma automática e inclusive generar el archivo en el formato VISA/MASTERCARD/ETC

31. Política de Autorización de Excesos

32. Champion/Challenger • Las estrategias basadas en Credit Scoring • Permiten analizar alternativas de manera sistemática • Están explícita y objetivamente establecidas • Método sistemático para comprobar las ventajas de una nueva estrategia: • Comparar sus resultados con la actual, para una muestra reducida de cuentas (por ejemplo, el 5% o el 10%) • Estrategia “desafiante” (“challenger”) “campeón” (“champion”) • Mecanismo, al azar para asignar a cada cuenta una estrategia • Pasado un tiempo prefijado comparar resultados

35. Y más allá de las tarjetas … • Enfoques y métodos similares pueden utilizarse para precalificar a todos los clientes para todos los productos • Tarjetas • Préstamos • Descubierto en Cuenta Corriente • Otros Ya existen experiencias locales exitosas de precalificación mensual multiproducto de toda la cartera, aún de clientes que sólo tienen productos pasivos

36. ¿Que dicen los expertos? “El gerenciamiento del riesgo crediticio no consiste en aplicar políticas de cobranza rigurosas a clientes morosos. Se trata acerca de incorporar los principios de la gestión del riesgo crediticio en forma sistemática a través de todo el ciclo de vida del crédito, construyendo una imagen detallada de los clientes que no sólo refleje el comportamiento pasado sino que también prediga el comportamiento futuro, y de implementarestrategias apropiadas en cada etapa del proceso de gerenciamiento del crédito.” Gartner

37. ¿Que dicen los expertos? “La organizaciones buscan aplicaciones para resolver sus problemas de negocio. Por lo que están cada vez mas interesadas en plantillasprearmadas que las guién en la tarea que deben realizar, acompañadas de consultoría sobre que técnicas aplicar y que variables constituyen buenos predictores de comportamiento.” Gartner

38. ¿Está mi organización en condiciones de incorporar Modelos Predictivos? • Para analizar objetivamente esta cuestión hay que superar barreras • que no son más qué mitos

39. Antes de hacer modelos necesitamos un Datawarehouse Si bien es cierto que seria más fácil obtener los datos, muchas veces no contienen la información necesaria para el desarrollo de modelos. Herramientas de Datamining actuales pueden utilizar los backup, integrar distintas fuentes de datos en múltiples formatos, e incluso mantener actualizados los repositorios para posteriores corridas

40. Lleva mucho tiempo! Con herramientas de programación visual el tiempo se reduce sensiblemente Especialmente si tienen facilidades especiales para acortar el análisis de datos

41. Desarrollar modelos es un proceso sumamente complejo y sólo puede ser realizado por un experto en la tecnología • C5.0 • GRI • CART • CHAID • QUEST • CAPRI • Apriori • K-Means • Kohonen • Regresion Lineal • Redes Neuronales • Regresion Logistica Los algoritmos de data mining son complejos, pero herramientas actuales sugieren la técnica y los parámetros a aplicar para cada proceso de negocio La participación de un experto en el negocio, con un conocimiento exhaustivo del problema, es fundamental para obtener resultados útiles y confiables

42. ¿Desarrollar modelos es sumamente complejo? También incorporar a los primeros proyectos a consultores externos con experiencia en el desarrollo de modelos similares puede facilitar y acelerar • el desarrollo • la interpretación de los resultados obtenidos • la integración con los sistemas corporativos • el seguimiento y actualización de los modelos • el rápido retorno de la inversión • la capacitación en la práctica del personal propio

43. Alberto Teszkiewicz alberto@spss.com.ar