Para gestionar apropiadamente una cartera de créditos y realizar una colocación adecuada de los recursos, las entidades financieras se ven en la necesidad de medir correctamente el riesgo de crédito. Particularmente en Argentina, la comunicación “A” 5398 del Banco Central de la República Argentina establece los lineamientos para la gestión del riesgo de crédito.

En este contexto, toman especial relevancia los modelos de calificación crediticia, más comúnmente conocidos como modelos de scoring (puntuación). Estos modelos se utilizan para clasificar a las personas que solicitan un crédito, inclusive a las que ya son clientes de la entidad crediticia.

Para determinar el score crediticio, en líneas generales se toman factores como: nivel de endeudamiento, historial de pagos, experiencia crediticia, atrasos, etc. que permiten determinar el perfil crediticio de la persona que se evalúa.

A lo largo de mi carrera, con el fin de construir y llevar a cabo la gestión de los "modelos de scoring", me he encontrado con varios obstáculos en el proceso, que van desde la preparación de datos, pasando por la construcción del scorecard, la implementación del modelo e incluso el monitoreo periódico de resultados.

Algunos de ellos son:

• Dificultad a la hora de construir diversos atributos para mi score crediticio.
• Problemas en la trazabilidad y gestión de los datos.
• Errores operativos en la codificación/programación.
• Documentación incompleta y manual (no automática) del modelo desarrollado.
• Retraso y equivocaciones en la puesta en producción del scorecard.
• Reportes de monitoreo que no contemplan las prácticas correctas para realizar un eficaz control del modelo.

Particularmente, en el ítem relacionado a reportes de monitoreo, si contemplamos las mejores prácticas establecidas por el Comité de Basilea en el working paper número 14, relativo a validaciones de modelo crediticio, podemos identificar las necesidades relacionadas al control periódico de modelos que deberían adoptar las entidades financieras, las cuales tienen que ver con:

• Performance: Medir la capacidad discriminante del modelo a lo largo del tiempo.
• Estabilidad: Controlar y registrar los cambios entre la población que se utilizó para modelar y la actual.
• Calibración: Asegurar la exactitud del modelo.

Por lo mencionado hasta aquí, queda claro que las entidades financieras presentan varios desafíos que requieren una gestión crediticia eficiente y robusta, de manera que puedan cubrir eficazmente todo el ciclo de vida analítico de los modelos de scoring que desarrollan, contando con un proceso que mitigue errores, con la seguridad de tener en producción el mejor modelo disponible, siempre.

Para atender esta necesidad, SAS cuenta con una solución denominada SAS Credit Scoring. SAS Credit Scoring combina data management con capacidades analíticas y de reporte para proveer una solución integral que permite construir, validar, documentar, monitorear e implementar modelos scoring de manera sencilla y adecuada.

Más información sobre SAS Credit Scoring en el siguiente link: https://www.sas.com/en_us/software/credit-scoring.html