Documente Academic
Documente Profesional
Documente Cultură
Actualidad Contable
Banca y Finanzas
Formacin Profesional
Administracin
Comercio Exterior
Reseas
BANCA Y FINANZAS
Un caso emprico en la evaluacin del riesgo de crdito de una
institucin de microfinanzas peruana
An empirical approach to the credit risk assessment of a microfinance institution in Peru
Juan Lara Rubio, Manuel Pedro Rodrguez Bolvar y Salvador Rayo Cantn
Universidad de Granada
Departamento de Economa Financiera y Contabilidad
Resumen
El crecimiento del nmero de microcrditos junto con las excelentes condiciones para llevar a cabo la actividad
microfinanciera en la economa y sistema financiero de la Repblica de Per estn impulsando a las instituciones de
microfinanzas (IMF) a una mayor competencia con las entidades bancarias por este segmento de negocio. Al igual que
en la banca comercial, en microfinanzas preguntas tales como: conviene este cliente?, cul es el lmite de crdito que
debo aceptar a su solicitud?, qu tasa de inters debo cobrar?, cmo puedo reducir el riesgo de impago?, etc., son
cuestiones que deben valorarse de forma adecuada. Este trabajo plantea un mtodo que podra facilitar una mejora
en la calificacin de los clientes fallidos y no fallidos. Para ello, se propone una metodologa que analiza el riesgo de
crdito en la concesin de microcrditos mediante el diseo de un modelo de credit scoring aplicado a una entidad de
desarrollo de la pequea y micro empresa (EDPYME), IMF sometida a supervisin por la Superintendencia en Banca
y Seguros(SBS).
Palabras clave: microcrditos, instituciones de microfinanzas, riesgo de crdito, credit scoring, logit.
Abstract
The growth of micro-credit along with the excellent conditions to carry out microfinance activity in the economy and
financial system of the Republic of Peru are pushing for Microfinance Institutions (IMF) increased competition with
banks in this segment business. Like in commercial banks, in microfinance questions such as: is this customer profit-
able?, What is the credit limit that I must accept to his/her application?, What interest rate should I charge to him/
her?, How I can reduce the risk default?, etc., are matters to be assessed properly. We propose a method that could
facilitate improvement in customer qualification between failed and not failed. To this end, we propose a methodology
that analyzes credit risk in the provision of microcredit through the design of a credit scoring model that we apply to
a Development Agency for Small and Micro Enterprise (EDPYME), which is an IMF under the supervision by the
Banking and Insurance Superintendency (SBS).
Keywords: Microcredit, Institutions of Microfinance, Credit Risk, Credit Scoring, Logit.
la actualidad. La tercera parte describe la metodolo- plantear el uso de determinadas metodologas estads-
ga empleada para la consecucin de un modelo de ticas, algunos modelos se han construido sobre grupos
credit scoring para instituciones de microfinanzas, y se mancomunados (Sharma y Zeller 1997; Reinke 1998;
concreta en la seleccin de la muestra tomando como Zeller 1998), lo que ha llevado a un debate actual en la
base de investigacin la cartera de crditos microem- doctrina que invalida dichos modelos, argumentando
presa de la EDPYME Proempresa, entidad del sistema que el scoring no plantea soluciones consistentes para
financiero de la Repblica del Per. Por ltimo en la prstamos en grupo (Schreiner 2003).
cuarta parte se presentan los resultados de la aplica-
cin del modelo. Finalmente, se proponen una serie Teniendo en cuenta lo anterior, as como el crecimien-
de conclusiones derivadas de la investigacin. to que ha sufrido el mercado de los microcrditos en
los ltimos aos (tabla 2), se plantea la necesidad de
Evolucin del credit scoring en las microfinanzas disponer de un modelo adecuado que permita evaluar
y medir el riesgo de impago en las IMF, objetivo al que
Los credit scoring son mtodos estadsticos utilizados se dirige esta investigacin.
para clasificar a los solicitantes de crdito, o incluso a
quienes ya son clientes de la entidad evaluadora, entre Tabla 2. Evolucin mundial del microcrdito
las clases de riesgo bueno y malo (Hand y Henley Nmero de
Nmero de
Nmero de
1997) estimando, en el momento de evaluacin de Ao instituciones clientes en
clientes
especializadas pobreza extrema
la solicitud, cul ser el comportamiento del crdito
1998 618 13 478 497 7 600 000
hasta su vencimiento, atendiendo al riesgo del clien-
1999 925 20 938 899 12 221 918
te, y utilizando para ello, un modelo predictivo de 2000 1065 23 555 689 13 779 872
comportamiento de pago o reembolso mediante una 2001 1567 30 681 107 19 327 451
puntuacin que mide el riesgo de un prestatario y/o 2002 2186 54 932 235 26 878 332
de la operacin. 2003 2572 67 606 080 41 594 778
2004 2931 80 868 343 54 785 433
El primer modelo de scoring para microfinanzas que se 2005 3164 92 270 289 66 614 871
conoce fue desarrollado por Vigan (1993) para una 2006 3233 113 261 390 81 949 036
institucin de microfinanzas de Burkina Faso. A partir 2007 3316 133 030 914 92 922 574
de entonces, algunos autores se han interesado por el 2008 3552 154 825 825 106 584 679
estudio del riesgo de crdito en las IMF y de la pre- Fuente: elaboracin propia a partir de Daley-Harris (2009)
diccin del impago del microcrdito, segn se observa
en la tabla 1. Modelo de credit scoring para una institucin
Como se puede observar en la tabla 1, los modelos de microfinanzas peruana
de scoring en microfinanzas publicados hasta la actua- Justificacin y objetivos del estudio
lidad, por lo general son escasos; estn diseados en
las regiones de Amrica Latina y de Sudfrica, y estn En los pases desarrollados, las entidades financieras
basados, principalmente, en la utilizacin de tcnicas apoyan su decisin de concesin de un crdito en mo-
paramtricas (Vogelgesang 2003; Dinh y Kleimeier delos matemticos que predicen su probabilidad de
2007). Adems, junto a las inconsistencias que podra impago a partir del comportamiento pasado de una
cartera, con el objetivo de mejorar la eficiencia y la En cambio, en este estudio, el concepto de incumpli-
cuenta de resultados (Allen et al. 2004). miento en el pago se define como todo aquel atraso de
un mnimo de treinta das desde el vencimiento de, al
La cuestin es si un procedimiento similar es compa-
menos, una cuota de amortizacin del microcrdito
tible con el negocio de las entidades de microfinanzas.
concedido a un determinado cliente. El plazo seala-
La escasa literatura al respecto sugiere que nos encon-
do respeta los plazos de atraso que conlleva un coste
tramos ante un campo poco explorado. Por otra parte,
para la organizacin y toma esta referencia temporal
las limitaciones existentes han conducido a modelos y
por indicacin de la propia organizacin, hecho co-
aplicaciones de la medicin del riesgo de impago en
rroborado posteriormente por los informes emitidos
microfinanzas que no son adecuadas para la toma de
por la agencia de rating para microfinanzas MicroRa-
decisiones, ya que como apunta Schreiner (2000), los
te, que considera como cartera en riesgo la compuesta
modelos de credit scoring en microfinanzas apoyan la
por crditos atrasados en ms de treintadas.
decisin del analista de crditos, pero no la sustituyen.
La variable dependiente en el modelo estadstico que
El objetivo de esta investigacin consiste en disear
se propone en este trabajo es dictoma con un valor de
un modelo de credit scoring que supere las limitaciones
uno (1) para los crditos impagados en las caractersti-
comentadas. El modelo economtrico que se pretende
cas anteriormente sealadas y cero (0) para los crditos
construir se basa en el conocimiento de las caracters-
que resultaron pagados en cada vencimiento.
ticas de los crditos en el momento de su desembolso
y su comportamiento de pago despus del desembol- Seleccin de la muestra y metodologa de
so. Tiene, por tanto, una doble finalidad: explicativa y investigacin
predictiva. Es decir, el objetivo es estimar la probabi-
La base de datos de la cartera de microcrditos de la
lidad de impago de futuros crditos potenciales antes
EDPYME Proempresa contiene informacin sobre el
del desembolso por parte de la EDPYME.
comportamiento de pago histrico de los clientes que
Definicin de incumplimiento solicitaron crditos en el periodo 1997-2005. Para la
seleccin de la muestra utilizada en la elaboracin del
El incumplimiento de pago no presenta an una de-
modelo de credit scoring se han tenido presente las si-
finicin consensuada en la doctrina, aunque podra
guientes consideraciones:
identificarse como todo aquel atraso en el pago que
conlleve un coste para la organizacin. En cualquier Los datos de la muestra constituyen una fuente de in-
caso, de acuerdo a la literatura existente, parece formacin resultado del proceso que sigue la entidad
adecuado que el plazo de tiempo para identificar el en la concesin de microcrditos. En esta lnea, Kim
incumplimiento de pago debe adecuarse a la entidad (2005) construye un modelo de riesgo de crdito cuya
que se analiza. As, Schreiner (1999), en el modelo aplicacin estadstica depende del proceso de conce-
de calificacin de riesgo de morosidad para los crdi- sin de un crdito agrario. Se pretende que la muestra
tos de una organizacin de microfinanzas en Bolivia, aporte la mayor informacin posible del cliente, bien
identific el atraso costoso como un atraso de 15 das sea en trminos cuantitativos como cualitativos. Por lo
o ms, aunque no presentara los motivos en los que tanto, los casos admitidos han de contener toda la in-
se bas para determinarlo. formacin de las variables explicativas y se eliminaron
aquellos casos que no aportan informacin en una Tabla 3. Cartera microcrditos EDPYME
determinada variable analizada y seleccionada para la Proempresa
construccin del modelo. Asimismo, los datos con- EDPYME
siderados estarn referenciados al mismo periodo de Periodo estudio
tiempo, tanto para los casos de impago como para los 1997 / 2005
Observaciones (N)
casos en los que se atienda el pago. Pagos Impagos TOTAL
2673 2778 5451
Finalmente, tras un proceso de eliminacin de missing Muestra estimacin (75%)
value se construy una base de datos con una mues- Pagos Impagos TOTAL
tra de 5451 microcrditos concedidos y no rechazados 2016 2072 4088
Muestra validacin (25%)
por la entidad. Segn se indica en la tabla 3, la muestra
Pagos Impagos TOTAL
fue dividida aleatoriamente en dos submuestras con la 657 706 1363
intencin de realizar una validacin a posteriori sobre Fuente: elaboracin propia basada en los datos de la
el modelo de regresin logstica estimado, destinando EDPYME Proempresa
el 75% de los casos totales a la estimacin del mo-
delo estadstico y el 25% restante a la validacin del Como metodologa de investigacin y con objeto de
mismo (Bensic et al. 2006), teniendo en cuenta que evitar los inconvenientes que presentan los modelos de
los crditos considerados en la muestra corresponden regresin lineal o anlisis discriminante (Mures et al.
a microempresas y PYMES. Por otra parte, Son cr- 2005), se aplic la regresin logstica binaria como tc-
ditos concedidos a personas fsicas o jurdicas para la nica para plantear un modelo cuya variable respuesta o
financiacin de actividades de produccin, comercio dependiente es una variable dummy con un valor cero
o prestacin de servicios y cuyos montantes se encuen- (0) cuando el cliente paga, y uno (1) cuando no paga.
tran dentro de los lmites legales establecidos por la El modelo de regresin logstica puede formularse
normativa de la SBS para microempresas y PYMES en como:
el periodo de estudio.
p
Sobre la base de los trabajos de Greene (1992), L
awrence log = b0 + b1 x1 + b2 x2 + ..... + bk xk (1)
1 p
y Arshadi (1995) Bellotti y Crook (2007), Van Gool
et al. (2009), esta investigacin clasifica las variables donde p es la probabilidad de ocurrencia del evento de
explicativas de partida (tabla 4) en tres grandes blo- inters, en este caso, impago o default. Dado el valor
ques: variables del cliente, variables de la operacin de las variables independientes, la probabilidad sea-
de prstamo y, por ltimo, variables macroeconmi- lada puede ser calculada directamente de la siguiente
cas. La consideracin de variables que incorporan la forma (Wiginton 1980):
realidad macroeconmica es, a nuestro entender, un eZ 1
aspecto importante en esta investigacin ya que la p= = , (2)
1 + eZ 1 + e Z
base de datos inicial de la cartera no las contemplaba,
siendo:
y su incorporacin mejor de forma significativa los
resultados del modelo. z = b0 + b1 x1 + b2 x2 + ..... + bk xk (3)
Anlisis de resultados: estimacin del modelo Tabla 6. Bondad del ajuste. Pseudo-R2
y su valoracin Resumen de los modelos
Sensibilidad
0,6
donde:
1 (5)
P (Probabilidad de incumplimiento) = 0,4
1 + e( Z )
En cuanto a la valoracin del modelo y a la vista de los 0,2
coeficientes del mismo mostrados en la tabla 5, se ob-
serva que dos variables influyen positivamente y siete
0,0
influyen negativamente en la probabilidad de que un 0,0 0,2 0,4 0,6 0,8 1,0
1 - Especificidad
cliente sea moroso. Cabe destacar, tambin, que la varia-
cin anualizada del tipo de cambio correspondiente al
A su vez, es interesante valorar la capacidad o efica-
grupo de las variables macroeconmicas, forma parte del
cia predictiva del modelo, lo que se realiza a partir de
modelo final de scoring para la EDPYME Proempresa,
la tabla de clasificacin que se presenta en la tabla7,
es decir que el ciclo econmico influye en la valoracin
en la que se recogen los valores observados para la
del riesgo de impago de un cliente de microcrdito.
variable dependiente, distinguiendo entre clientes
Respecto a la bondad del ajuste, el software calcula morosos (1) y no morosos (0), y los valores pronos-
coeficientes similares al R2 calculado en regresin ticados segn el modelo estimado. Segn lo dicho, el
lineal, concretamente el R2 de Cox y Snell y el R2 porcentaje correcto de clasificacin obtenido para el
de Nagelkerke, cuyos valores respectivos (tabla 6), modelo de credit scoring de la EDPYME Proempresa
son indicativos de un ajuste aceptable en regresin fue del 78,3%, midiendo, este, la precisin con la que
logstica. En esta lnea y segn puede observarse en el modelo consigue discriminar entre los casos ambos
la figura 1, al aproximarse la curva COR del modelo grupos (clientes que pagan y clientes incumplidores).
a la esquina superior izquierda del grfico, confirma Puede observarse tambin cmo queda corroborado
que el modelo dispone de una correcta capacidad de por un porcentaje similar tras aplicar las expresiones
discriminacin entre los dos grupos de clientes. (4) y (5) a la muestra reservada para la validacin.
modelo globalmente indican un ajuste aceptable en Bensic, Mirta, Natasa Sarlija y Marijana Zekic-Susak
regresin logstica. 2006 Modelling small-business credit scoring by using
logistic regression, neural networks and decision
Por otra parte, el modelo propuesto ha sido c onstruido trees. Intelligent Systems in Accounting, Finance &
sobre la base del proceso de evaluacin y concesin Management, 13(3), pp. 133-150.
del microcrdito. Puesto que dicho proceso constituye
Daley-Harris, Sam
una prctica generalizada en el mercado microfinan- 2009 Informe del Estado de la Campaa de la Cumbre
ciero, se concluye que el modelo puede ser vlido para del microcrdito 2009. The Microcredit Summit
cualquier IMF supervisada en el sistema financiero Campaign. <http://www.microcreditsummit.org>
peruano. Fecha de consulta: octubre 2010.