Modelo de puntuación crediticia para tarjeta de crédito en México: una aproximación logística

Credit Scoring Model for Credit Card in Mexico: A Logit Approach

El riesgo de crédito es una de las principales preocupaciones de los organismos de supervisión y regulación financiera, así como de las instituciones bancarias. Así, se propone un modelo de puntuación crediticia basado en una regresión logística, para analizar la probabilidad de incumplimiento por segmentos de una cartera de clientes de tarjeta de crédito de una institución mexicana. Los resultados muestran que el modelo propuesto tiene un alto nivel de predictibilidad y de estabilidad, tanto fuera como dentro del periodo de modelado, la comprobación de monotonicidad, también asegura que el modelo tenga un alto nivel de precisión. La originalidad subyace en que existen escasos estudios sobre modelos de puntuación crediticia para México, el resultado del modelo tiene alto nivel de precisión y arroja como resultado una tabla de puntuación de fácil interpretación para el personal bancario. Se concluye que el modelo es confiable y con alto nivel de ajuste.

INTRODUCCIÓN

Una de las principales actividades y negocios bancarios es la concesión de crédito. Sin embargo, esta actividad expone a las instituciones financieras a diversos tipos de riesgos, entre los que destacan el riesgo de crédito (Caruso, Gattone, Fortuna y Di Battista, 2021). El riesgo crediticio es aquella probabilidad de que el sujeto no cumpla con las obligaciones derivadas de una deuda (Bystrôm, 2019). Si una gran cantidad de sujetos incumplen con sus obligaciones, no solamente se incrementarán los costos financieros de la operación, sino que, también se generarán costos administrativos asociados a la recuperación de dichos créditos; afectando, los flujos de efectivo proyectados por dichas instituciones, pudiendo generar problemas de liquidez e insolvencia (Chuan y Lin, 2009).

En el contexto financiero global contemporáneo, caracterizado por una profunda interconexión entre instituciones y agentes localizados en diversos espacios geográficos, los problemas que se presenten en cierta entidad tenderán a esparcirse en el resto del sistema, incrementando el riesgo de un colapso generalizado, tal como ha ocurrido en episodios anteriores de crisis financieras: crisis mexicana de 1994; crisis asiática, 1997; crisis rusa, 1998; crisis brasileña, 1999; crisis dot com, 2001; crisis subprime, 2007 y crisis de la deuda soberana de 2012.

Ante la contingencia sanitaria generada por el COVID19 y el deterioro económico, causado por las medidas de prevención de contagio, cobra una especial importancia el análisis que las instituciones bancarias realizan sobre sus clientes, para disminuir la probabilidad de riesgo crediticio. No obstante, una sobreestimación del riesgo podría tener efectos importantes en la rentabilidad, la participación de mercado y la competitividad de los bancos. Por lo que, las instituciones financieras están sumamente interesadas en detectar las necesidades del cliente, y ofrecerle productos de acuerdo con sus capacidades financieras (Papouskova y Hajek, 2019).