Artículos
Los modelos de credit scoring han evolucionado mucho en los últimos años, desde sus inicios en años setenta hasta nuestros días, los modelos utilizados han pasado desde análisis discriminantes hasta metodologías econométricas y de inteligencia artificial.
Considerando el acuerdo de Basilea II, el cual indica que las entidades financieras deben ser capaces de tener el capital suficiente para cubrir sus riesgos, siendo el principal riesgo el de crédito se hace necesario tener metodologías actualizadas. Por lo tanto, las instituciones financieras deben tener mecanismos que puedan medir este riesgo de la mejor manera.
El tener un modelo de credit scoring hace que el riesgo de crédito sea posible medirlo o estimarlo, en función del apetito de riesgo que la institución quiere asumir. Pero estos modelos pueden ser construidos de muchas formas metodológicamente; pero un punto importante para su construcción es la base de datos que se utiliza.
Un modelo de credit scoring, procura determinar la probabilidad de pago de un cliente en el tiempo, y depende también de las características del crédito, no es lo mismo un crédito en efectivo a un plazo determinado como un crédito hipotecario, tampoco es lo mismo un crédito vehicular como herramienta de trabajo o particular, como tampoco la aplicación de estos modelos para las instituciones microfinancieras.
Cada tipo de negocio utilizan diferentes bases de datos y se debe analizar la naturaleza del negocio, no se puede hacer un modelo de credit scoring solo analizando una base de datos, si no se tienen que entender la forma en que el crédito es colocado, administrado y el entorno en el que se desarrolla; el no tomar esto en cuenta puede llevar a las instituciones a construir modelos que no se ajustan al riesgo que quieren enfrentan y por consiguiente a constituir altas provisiones. Así como tampoco es lo mismo utilizar un scoring al 100% de decisión o como herramienta de ayuda a la toma de decisiones crediticias.
Estos temas deben ser tomados en cuenta al momento de la construcción de un modelo, los mismos deben ser probados antes de su aplicación general. El mantenimiento de estos modelos también es importante ya que con los cambios en el entorno pueden perder capacidad de predicción y deben será ajustados. Es recomendable una revisión anual y en muchos casos hacerlo con personal externo que pueda contrastar con los resultados internos.