Ajustes de límites para controlar la mora

  • Published on
    10-Jan-2016

  • View
    33

  • Download
    1

DESCRIPTION

Ajustes de lmites para controlar la mora. Julio 2013. mbito Financiero 17/6/2013. - PowerPoint PPT Presentation

Transcript

<p>PowerPoint Presentation</p> <p>1Ajustes de lmites para controlar la moraJulio 201312</p> <p>mbito Financiero 17/6/2013El escenario apura a los banqueros a desempolvar las medidas que suelen tener preparadas para las pocas de crisis. Asustados por el crecimiento de la morosidad que percibieron en el comienzo de este ao, 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 travs de sus tarjetas de crdito: recortar lmites de compra y financiacin que establecan para los usuarios de ingresos ms bajos 3Pero la baja indiscriminada de lmites atenta contra los resultados del negocioEn realidad, lo que necesitamos es disminuir los lmites de los segmentos de mayor riesgoEsta segmentacin 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 segmentacin mucho ms precisa427</p> <p>AntiguedadAnt &lt; 1 ao&gt;= 1 ao&lt; 1 aoAntiguedadAcred. HaberesMax_MONTOMax_MONTOMax_MONTO 35%</p> <p> 25%</p> <p> 30%</p> <p>27Este slide muestra los criterios aplicados a los candidatos a recibir el aumento del lmite. Como pueden ver consideramos ingresos,endeudamiento maximo clean,cantidad de ingresos, relacin cuota vs ingreso.</p> <p>La asignacin y revisin de lmites basada en un Score de Riesgo es ms precisaPermite mantener la mora controladaSin afectar innecesariamente al negocio</p> <p>67Es un mtodo estadstico que permite estimar la probabilidad de un evento futuro a partir de datos conocidos</p> <p>DATOSDemogrficosEstilo de VidaCrediticios914Qu es un score?78</p> <p>Qu evento queremos predecir?Me va a pagar como se comprometi?Cual es la probabilidad que el atraso no supere los 90 das en los prximos 12 meses?</p> <p>O mas formalmente</p> <p>89No predecimos un evento, sino que calculamos la probabilidad que ese evento ocurraNo existe garanta de cul ser el resultado para un caso en particularLa probabilidad se aplica a un conjunto de casosUna cartera de clientes</p> <p>910El score es un nmero que permite ordenar las cuentas de acuerdo a la probabilidad de riesgoPermite entonces segmentar y aplicar polticas diferenciadas </p> <p>10Disminucin de Lmites Basada en Score de Riesgo11Score% MorososLmite ActualPoblacinSin CambiosSin ScorePerdidaCon ScorePerdidaMinMaxPerd EsperadaDisminucinEsperadaDisminucinEsperada8519991,00 $ 400.000 10% $ 4.000 20% $ 3.200 0% $ 4.000 7518502,00 $ 300.000 30% $ 6.000 20% $ 4.800 20% $ 4.800 6517504,00 $ 400.000 40% $ 16.000 20% $ 12.800 30% $ 11.200 5006508,00 $ 150.000 20% $ 12.000 20% $ 9.600 40% $ 7.200 $ 1.250.000 $ 38.000 $ 30.400 $ 27.200 3,042,432,18Mejora10,53Disminuye la tasa de MorosidadY se beneficia a los clientes de menor riesgoRevisin de lmitesLas revisiones ad hoc son engorrosasLas revisiones peridicas, sistemticas y automatizadasSon ms simplesMantienen siempre controlados los lmitesPermiten implementar polticas ms o menos severas, segn la situacin macroeconmica, las condiciones del negocio y la aceptacin del riesgo de cada momento1213Poltica de Asignacin de Lmites</p> <p>0</p> <p>5000 25%3i 10000 30%4i 15000 35%5i1314</p> <p>POLITICA1418</p> <p>MODELOS</p> <p>Informacin o Score de Bureau1819</p> <p>PERFORMANCE SIN HISTORIA1920PERFORMANCE CON HISTORIA</p> <p>2023</p> <p>23Un caso real24</p> <p>24Quiero presentarles un modelo que desarrollamos hace un tiempo y que nos ha permitido en forma automtica evaluar mensualmente el otorgamiento de aumentos de lmites en tarjetas de crdito, considerando para esto el uso del producto y el comportamiento del cliente.</p> <p>30CONCLUSIONESRpidoLa implementacin se realiz en muy poco tiempo (2 das)FlexibleSe pudo implementar sin problema la poltica de riesgo, los criterios de up grade, la tabla de Visa, etcGrficoEs muy fcil analizar grficamente la informacin y los resultadosIntuitivoLa implementacin resultante es interpretable por los diferentes usuarios que deben participar del procesoDinmicoPermite realizar rpidamente pruebas y simulacionesAuditableLa especificacin es directa, por lo tanto se puede auditarAutomticoPuede ejecutarse todos los meses en forma automtica e inclusive generar el archivo en el formato VISA/MASTERCARD/ETC3031Poltica de Autorizacin de Excesos</p> <p>3132</p> <p>Las estrategias basadas en Credit ScoringPermiten analizar alternativas de manera sistemticaEstn explcita y objetivamente establecidasMtodo sistemtico 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) campen (champion)Mecanismo, al azar para asignar a cada cuenta una estrategiaPasado un tiempo prefijado comparar resultadosChampion/Challenger3233</p> <p>3334</p> <p>34Y ms all de las tarjetas Enfoques y mtodos similares pueden utilizarse para precalificar a todos los clientes para todos los productosTarjetasPrstamosDescubierto en Cuenta CorrienteOtros35Ya existen experiencias locales exitosas de precalificacin mensual multiproducto de toda la cartera, an de clientes que slo tienen productos pasivos36Que dicen los expertos?El gerenciamiento del riesgo crediticio no consiste en aplicar polticas de cobranza rigurosas a clientes morosos.Se trata acerca de incorporar los principios de la gestin del riesgo crediticio en forma sistemtica a travs de todo el ciclo de vida del crdito, construyendo una imagen detallada de los clientes que no slo refleje el comportamiento pasado sino que tambin prediga el comportamiento futuro, y de implementar estrategias apropiadas en cada etapa del proceso de gerenciamiento del crdito.Gartner3637Que dicen los expertos?La organizaciones buscan aplicaciones para resolver sus problemas de negocio.Por lo que estn cada vez mas interesadas en plantillas prearmadas que las guin en la tarea que deben realizar, acompaadas de consultora sobre que tcnicas aplicar y que variables constituyen buenos predictores de comportamiento. Gartner3738Para analizar objetivamente esta cuestin hay que superar barreras que no son ms qu mitosEst mi organizacin en condiciones de incorporar Modelos Predictivos?</p> <p>3839</p> <p>Antes de hacer modelos necesitamos un DatawarehouseSi bien es cierto que seria ms fcil obtener los datos, muchas veces no contienen la informacin necesaria para el desarrollo de modelos.</p> <p>Herramientas de Datamining actuales pueden utilizar los backup, integrar distintas fuentes de datos en mltiples formatos, e incluso mantener actualizados los repositorios para posteriores corridas 3940</p> <p>Lleva mucho tiempo!Con herramientas de programacin visual el tiempo se reduce sensiblementeEspecialmente si tienen facilidades especiales para acortar el anlisis de datos4041</p> <p>Desarrollar modelos es un proceso sumamente complejo y slo puede ser realizado por un experto en la tecnologaLos algoritmos de data mining son complejos, pero herramientas actuales sugieren la tcnica y los parmetros a aplicar para cada proceso de negocio</p> <p>La participacin de un experto en el negocio, con un conocimiento exhaustivo del problema, es fundamental para obtener resultados tiles y confiablesC5.0GRICARTCHAIDQUESTCAPRIAprioriK-MeansKohonenRegresion LinealRedes NeuronalesRegresion Logistica4142Tambin incorporar a los primeros proyectos a consultores externos con experiencia en el desarrollo de modelos similares puede facilitar y acelerar el desarrollo la interpretacin de los resultados obtenidos la integracin con los sistemas corporativosel seguimiento y actualizacin de los modelosel rpido retorno de la inversinla capacitacin en la prctica del personal propio</p> <p>Desarrollar modelos es sumamente complejo?4243</p> <p>Alberto Teszkiewiczalberto@spss.com.arHoja1Sin HistoriaDemogrficosEdadEstadoCivilSexoViviendaCPDomTipoTelHijosNacionalidadLaboralesIngresosActividadCategoriaAntigedadOtrosTarjetaAntig.Cliente</p> <p>Hoja2</p> <p>Hoja3</p> <p>Hoja1Con HistoriaDemogrficosEdadEstadoCivilSexoViviendaCPDomTipoTelHijosNacionalidadLaboralesIngresosActividadCategoriaAntigedadOtrosTarjetaAntig.ClienteHistoriaAtrasosPagosRefinanciacionesMontos</p> <p>Hoja2</p> <p>Hoja3</p>