Oportunidades para el sistema de información

Estudios y
politicas publicas
Estudios
y politicas publicas
POLICY PAPER
Mayo 2013
Oportunidades para el sistema
de información comercial
I
Motivación y antecedentes
II Literatura y evidencia internacional
III Riesgo de Crédito en Chile
IV
Evidencia de Banco Santander
V Reflexiones Finales
Policy Paper | Mayo 2013 - Chile
|1
Oportunidades para el sistema
de información comercial
Pablo Correa
Economista Jefe
Grupo Santander
Banco Santander
pcorreag@santander.cl
Felipe Bravo
Subgerente Estudios
y Políticas Públicas
Banco Santander
hbravo@santander.cl
Este documento ha sido elaborado como una forma de aportar
a la discusión del Proyecto de Ley sobre Información Comercial,
Boletín N° 7886-03, que fue presentado hace más de un año
en el Congreso. Este informe presenta evidencia relativa a la
mayor inclusión financiera y a las menores tasas de interés a las
que podrán acceder los clientes de productos financieros una
vez que este proyecto sea ley.
Esperamos que las tasas de interés disminuyan entre un 3% y
un 7%, dependiendo del segmento, gracias a una mejor administración de los riesgos crediticios. Además, la consolidación
de la información comercial permitirá un mejor control de los
riesgos sistémicos de la economía y resguardar los derechos de
propiedad de los tenedores actuales de la información.
_____________________________________________________________________________________
* La serie de informes Policy Paper pretende contribuir a la discusión de políticas públicas en el país, a través de una visión
amplia de diversos temas. Este documento fue preparado con la colaboración de Leonardo Luna y el apoyo de Sergio Ávila,
José Félix Herrera, Cristián Vásquez, Gonzalo Cueto, Pedro Riveros, María Luisa Careces y Rodrigo Moser.
|2
Estudios y
politicas publicas
I Motivación y antecedentes
La regulación de la información comercial en Chile data del año 1928 y considera los documentos
que aparecen en el Boletín de Información Comercial que confecciona la Cámara de Comercio de
Santiago (CCS) a partir del protesto de cheques, letras y pagarés. Por su parte, la SBIF, de acuerdo a
lo que establece el artículo 14 de la Ley General de Bancos, mantiene un estado de los deudores con
información de la deuda morosa y al día; sin embargo, la información disponible es incompleta pues
no todos los agentes que hoy día otorgan créditos entregan información. Tampoco hay garantías de la
calidad, seguridad y veracidad de dicha información, existiendo incluso evidencias de malas prácticas
en el uso de la misma.
La carencia de información positiva en las Agencias de Crédito se traduce en restricciones y condiciones
desmejoradas de acceso al crédito de personas que no tienen historial en el sistema financiero, como
mayores tasas de interés debido a la capacidad limitada que tienen los bancos y otras instituciones
en asignar en forma adecuada el margen por riesgo a los distintos segmentos de clientes. De esta
forma se restringe la inclusión financiera de personas que no tienen historial crediticio. Un sistema que
además de la información relativa a impagos considerara información positiva, permitiría aumentar la
cobertura y reducir las tasas de interés, no solo a los buenos clientes sino que también a aquellos que
alguna vez han sufrido algún percance financiero. Por eso creemos que aún hay espacios para seguir
mejorando lo que será el futuro sistema de información comercial, en beneficio de las personas y de
la industria financiera en general.
Este documento se estructuró de la siguiente forma: primero, se definen y clasifican las oficinas de
información comercial, credit bureaus o agencias de crédito en Chile, así como el tipo de información
que recogen. Luego, se presenta una revisión de la literatura y del marco teórico para asignar los puntajes de crédito o credit scoring del proceso de asignación de préstamos que utiliza la banca y otros
proveedores formales, y se entregan algunas ideas conceptuales de cómo a partir de éste se determina el nivel de riesgo y precio (tasa de interés) de las operaciones. Además, se muestra la experiencia
internacional relevante, identificando los beneficios de un sistema de información comercial. La tercera sección detalla la institucionalidad y el sistema de información comercial que existe actualmente
en Chile. La cuarta sección muestra los efectos empíricos que podría ocasionar en Chile la aprobación
del proyecto de ley en su versión actual utilizando un modelo como el descrito en la sección anterior
con datos de Santander. En la última parte del documento se presentan las principales conclusiones.
|3
El proyecto:
Estado del Proyecto de ley sobre
información comercial en Chile
El proyecto de ley que regula el tratamiento de la
información de obligaciones de carácter financiero,
Boletín N° 7886-03, fue presentado a la Cámara de
Diputados el 30 de agosto de 2011 con carácter de
Suma Urgencia.
Pareciera que hasta ahora, no ha existido la capacidad para comprender los amplios beneficios de disponer de toda la información relevante para realizar
una correcta evaluación del riesgo de un crédito y
que esta información esté disponible para todas las
instituciones. De esta forma y por los cambios introducidos, el proyecto ha perdido parte de las ideas
matrices planteadas por el Ejecutivo. Por ello, el proyecto en su estado actual presenta potenciales costos sobre la gestión de riesgos de las instituciones
proveedoras de fondos.
A continuación se presentan las principales ideas del
proyecto, que parte por reconocer que las personas
naturales y jurídicas son las dueñas de su información comercial, estableciendo mecanismos que aseguren el respeto de sus derechos.
• Crea un organismo centralizado para mantener la
información “Sistema de Obligaciones Económicas”
o SOE, que será administrado por la SBIF.
• Propone que toda la información existente no
pase automáticamente al SOE, sino que los aportantes deberán comunicar al administrador del sistema
los datos de obligaciones económicas que se generen sólo a contar de la fecha de entrada en vigencia
de la ley.
• Propone aumentar la información disponible de
manera de asegurar más competencia de los proveedores de crédito en la búsqueda de clientes.
Sin embargo, se agregan requisitos de almacenamiento que hacen perder el sentido a la norma y dificultan las políticas de riesgo y control de gestión de
las instituciones, ya que ahora no podrá guardarse
la información utilizada en el proceso de evaluación
y asignación de un crédito.
• Establece procedimientos para el consentimiento
en el uso de la información.
• Fija un plazo de cinco años para que la información sea eliminada.
• Considera información positiva1, lo que permitirá crear un “colateral reputacional” basado en
_____________________________________________________________________________________
1
Por información positiva se entiende aquella relativa a las obligaciones al día sustentadas en instrumentos de pago o de
crédito con instituciones válidamente emitidas. Por obligaciones al día se entiende aquellas cuyo plazo no ha expirado, así como
los de aquellas que han sido pagadas.
|4
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
su comportamiento de pago y sujeto al consentimiento de la persona.
• Se establece la figura de los distribuidores de la información, definiendo roles y deberes, y delimitando
responsabilidades respecto de sus servicios y manejo
de la información.
• Se otorgan nuevas responsabilidades a los tribunales de justicia y se asignan penas de cárcel en caso
de no respetar la ley.
• Además, se modifican Decretos del Ministerio
de Salud y el Código del Trabajo de manera de
garantizar los derechos de la información de las
personas. Bajo el mismo argumento se modifica
la Ley General de Bancos, con lo que se crea una
brecha de información entre regulador y regulado que podría tener efectos no deseados a futuro, lo que incidirá directamente en la calificación
de gestión de la banca.
Definición y clasificación de las
agencias de crédito
Los Credit Bureaus o Agencias de Crédito (AC) son
instituciones que manejan información sobre el
pago de obligaciones, acceso al crédito, nivel de
deuda y otro tipo de información por parte de los
participantes del mercado, para luego distribuirla entre diversas instituciones y agentes que la requieren para asignar un nivel de riesgo adecuado al
cliente y así determinar una correcta tasa de interés
en los préstamos.
Es sabido que los registros de información pueden
reducir la asimetría de información no solo a los
clientes actuales, sino que también abrir el historial
crediticio a potenciales instituciones prestamistas.
Los deudores saben que su información puede ser
compartida y por ende su reputación se transforma
en un “colateral” que aumenta su valor a medida
que su comportamiento sea favorable (positivo) y
disminuye en caso de cesación de pagos o incumplimiento de las obligaciones (negativo).
Jaffe y Russell (1976) y Stiglitz y Weiss (1981)
muestran que dado que los mercados del crédito
poseen una naturaleza transaccional intertemporal, la asimétrica información entre prestamista y
deudor presenta un problema de selección adversa
y riesgo moral, lo cual hace imposible que la tasa
2
de interés funcione como equilibrio del mercado.
Es por ello que la razón más importante para tener un registro público sería la colaboración en la
supervisión de los proveedores de crédito a través
de la mejora en la calidad de la información crediticia disponible para el sector financiero.
_____________________________________________________________________________________
2
Si una transacción no se realiza en forma inmediata entre las partes, siempre va a existir un riesgo de que la otra parte
no cumpla el acuerdo. En este caso se convierte en un problema intertemporal y con información asimétrica: el ofertante
de crédito no sabe diferenciar que tan buen pagador es, por lo que ahí se constatan riesgos de selección adversa y moral.
Policy Paper | Mayo 2013 - Chile
|5
En los últimos años, las AC se han expandido a
través del mundo y aunque en cada país éstas
tienen características específicas, hay lecciones
que se pueden aprender sobre su funcionamiento, para así desarrollarlas en lugares donde aún
no existen o se están perfeccionando, como es el
caso chileno.
Estudios como el de Miller (2003) señalan que las
AC son eficaces en países en desarrollo en los cuales una parte importante de la economía funciona
de manera poco formal. Es en estas circunstancias
donde la importancia del colateral aumenta en comparación a mercados de crédito basados en la información, donde el costo de los créditos es menor y la
asignación de los activos es más eficiente. 3
Arteche et al. (2007) y Turner (2010) muestran en
su análisis de las AC en Chile, donde éstas están basadas casi exclusivamente en información negativa.
Claramente, el hecho de no tener un sistema que
contemple información positiva genera un menoscabo en la asignación eficiente de los recursos, en
especial, para las personas con menor acceso al mercado crediticio.
Es así como los sistemas de información crediticia
ayudan a construir un sistema financiero más eficiente en la asignación de recursos, promoviendo la
transparencia en el acceso y uso de la información.
Las AC han mostrado ser eficaces para la mitigación
de la selección adversa y el riesgo moral en los mercados de crédito.
Niveles de Información que recogen las
Agencias de crédito
Chandler y Parker (1989) definen varios niveles de
información que pueden recoger las AC:
• Simple: Número de consultas en los últimos seis
meses y peores referencias de crédito.
• Estándar: Número de consultas en los últimos seis
meses, número de consultas financieras en los dos
últimos años; número de líneas comerciales nuevas
en los últimos seis meses, de análisis satisfactorios,
de calificaciones en los últimos 30 días, de calificaciones en los últimos 60 días, número de calificaciones
en los últimos 90 días o más, y de saldos vencidos y
antigüedad de la historia crediticia.
• Detallada: Considera la información estándar,
más el número de operaciones de líneas de crédito
bancarias, número de transacciones de tarjetas
de crédito nacionales y número de operaciones
de consumo.
__________________________________________________________________________________
3 La
información otorgada tiene un valor debido a que predice el comportamiento de las personas y por ende puede susti-
tuir el uso de garantías como colateral, reduciendo los recursos necesarios para acceder al crédito. Por ende, mientras los
mercados estén menos desarrollados, los requerimientos de colateral serán mayores, ya que la información en estos casos
tiende a ser escasa y de mala calidad.
|6
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
Información necesaria para el Credit Scoring
Una revisión de la literatura muestra que, en términos generales, cada institución posee formatos e informes diferentes. Sin embargo, todos los informes
de crédito contienen básicamente las mismas categorías de información:
• Información del individuo: Edad del solicitante, tiempo de permanencia en su actual residencia
o domicilio, permanencia en actual trabajo, estado
de la vivienda (arrendatario o propietario), grupo de
ocupación, ingresos, número de dependientes, teléfono de residencia, banco en que tiene la cuenta
corriente, razón de endeudamiento, información
del co-deudor y referencias de crédito, número de
identificación (RUT), fecha de nacimiento e información de empleo. Estos antecedentes se utilizan para
identificar al individuo, categorizarlo y vincularlo con
la información. Las actualizaciones de los datos dependen de los proveedores de créditos.
etc.), la fecha en que abrió la cuenta, su límite de
crédito o monto del préstamo, el saldo de la cuenta
y su historial de pago.
• Solicitudes de crédito: Considera información
de las consultas sobre crédito realizadas y que aparecen en el informe de crédito de individuo. La sección
de consultas contiene una lista de todas las personas que han accedido a su informe de crédito en los
últimos dos años. El informe enumera las consultas
“voluntarias”, motivadas por solicitudes propias y
las “involuntarias”que se dan, por ejemplo, cuando
un prestamista solicita un informe a fin de hacer una
oferta de crédito pre-aprobado.
• Registros públicos: Las AC también recopilan
información de registros públicos, incluida información de quiebras, embargos, juicios y embargos salariales. También recoge información de tribunales y
deuda vencida de las agencias de cobranza.
• Líneas de crédito: Consideran información sobre
cuentas corrientes, líneas de crédito y otros tipos de
crédito. Se informa el tipo de cuenta establecido
(tarjeta bancaria, préstamos de consumo, préstamos
para automóviles, hipotecas, préstamos comerciales,
Policy Paper | Mayo 2013 - Chile
|7
gocios y contiene registros de más de 500 millones
de consumidores en 33 países. Actualmente utiliza
el modelo FICO Risk Score Classic para obtener los
puntajes crediticios.
II Literatura y evidencia
internacional
Modelos de asignación de crédito
o credit Scoring
Esta sección describe brevemente a las principales
agencias de crédito en Estados Unidos (EE.UU.),
como un ejemplo de una economía con alta historia
de análisis de riesgo de crédito, altamente sofisticado y muy extendido. En este caso, se presenta un
modelo de medición de riesgo de crédito que ocupan estas agencias. Luego se describen los principales modelos teóricos de probabilidad de incumplimiento.
Equifax, es una agencia de información crediticia
con más de 6.900 empleados en 16 países que cotiza en la bolsa de Nueva York (NYSE:EFX). Focaliza
sus servicios principalmente en países de América.
En Chile opera desde 1979, entregando servicios a
más de 14 mil empresas de distintos sectores. Actualmente utilizan el modelo BEACON de puntaje
crediticio, realizado por la empresa FICO.
Experian, agencia crediticia que cotiza en la bolsa
de Londres (EXPN), cuenta con cerca de 17.000 empleados en 44 países y centros de operaciones en
Irlanda, Reino Unido, Estados Unidos y Brasil. Actualmente utilizan el modelo Experian/FICO Risk Model
para obtener el puntaje de crédito.
Transunion es una agencia de información crediticia
con más de 40 años en el mercado global, actualmente provee información a cerca de 45.000 ne|8
Myfico Score (EE.UU.) fue fundado en 1956 y
utiliza modelos avanzados para ayudar a tomar
decisiones de riesgo. Myfico es uno de los principales agentes utilizados en el proceso de reportes
de crédito en Estados Unidos. Actualmente 90 de
las 100 entidades financieras más grandes de Estados Unidos utilizan el sistema de Myfico Score
para tomar decisiones crediticias sobre diversos
consumidores; entre ellas se destacan Equifax,
Experian y Transunion. Debido a lo integrado que
se encuentra este sistema a las AC, las personas
han reducido el tiempo de espera en el cual sus
créditos son aprobados, al tiempo que los bancos
toman decisiones más justas y transparentes para
el mercado.
La ponderación que utiliza el modelo de Myfico
sobre los grupos de variables que analiza para la
asignación de un puntaje de riesgo de crédito es la
siguiente:
- Historia de pagos: 35%
- Montos de deudas: 30%
- Amplitud de historia crediticia: 15%
- Nuevo Crédito: 10%
- Tipos de Crédito en Uso: 10%
A continuación se define cada categoría:
Historia de pagos: Considera información de pagos
a tarjetas de crédito, cuentas del retail, préstamo
automotriz, cuentas en compañías financieras y créditos hipotecarios. Como información negativa se
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
consideran: quiebras, obligaciones impagas, juicios,
demandas y situación impositiva. En general, Myfico
considera cuatro factores de cada ítem: tiempo del
evento, monto involucrado, periodicidad y cantidad
de eventos.
Montos de deudas: Para determinar cuándo pudiese existir un exceso de deuda, Myfico considera el
monto total adeudado, los tipos de deudas que posee, cuántas cuentas tienen saldos, cuánto porcentaje del crédito disponible está siendo utilizado y qué
parte de los prestamos todavía se debe en comparación al monto original del préstamo.
Amplitud de historia crediticia: Mientras mayor sea
el horizonte de información, más fiable son los resultados, por lo que una mayor historia permite mejorar la estimación del riesgo.
Nuevo crédito: Principalmente considera cuántas
cuentas nuevas posee y cuánto tiempo tarda en
abrir nuevas cuentas.
Tipos de crédito en uso: Considera el mix de productos crediticios que tiene el cliente, los tipos de
cuentas solicita y qué tipos de crédito adquiere.
La puntuación resultante de los diversos aspectos considerados oscilará entre 300-850 puntos:
A mayor puntaje, menor es el riesgo. Es importante señalar que la puntuación sólo se utiliza
como guía en las decisiones de financiamiento:
no necesariamente tener un buen puntaje implica que los bancos ofrecerán crédito a una baja
tasa de interés, ya que cada banco o entidad
financiera posee su propia estrategia y nivel de
aversión al riesgo.
Revisión de los modelos de credit scoring
Los modelos de credit scoring o de medición de riesgo de crédito comenzaron a desarrollarse a principios
de los setenta, pero su uso se generalizó durante los
noventa. En términos generales, buscan obtener o
medir la probabilidad de incumplimiento asociada
a un score, rating o calificación y están basados en
información contenida en solicitudes de crédito de
las mismas agencias más información proveniente
de fuentes internas y externas.
Estas metodologías tienen una dimensión individual
en contraposición a la medición de riesgo de carteras de crédito (Credit VaR, Porfolio VaR). Sin embargo, en algunos casos también se aplican a grupos
de agentes o clases de perfiles de riesgo. En general,
los modelos debiesen distinguirse de acuerdo al tipo
de crédito o financiamiento, puesto que un mismo agente puede tener patrones de pago distintos
dependiendo del tipo de crédito, colateral, plazo y
monto involucrado en la transacción. En caso de no
distinguir se habla de modelos de scoring genéricos.
Los modelos se pueden emplear en distintas etapas
del proceso de evaluación de riesgo. En nuestro caso,
nos interesan los modelos de originación de crédito,
es decir, que ayudan a resolver solicitudes o aplicaciones de crédito, los cuales se conocen como modelos reactivos o application scoring. Sin embargo,
también se pueden usar para administrar carteras
de créditos: modelos de seguimiento, proactivos o
behavioral scoring que también se pueden emplear
para análisis de crédito: administrar límites, calcular
rentabilidad de clientes, ofrecer nuevos productos,
monitorear el riesgo, detectar fraude, etc.
Policy Paper | Mayo 2013 - Chile
|9
Respecto a las variables que utilizan, la principal
distinción tiene que ver con la utilización información negativa y positiva. 4 Dependiendo de
la legislación y a diferencia de aplicaciones más
académicas, existen algunas variables que no son
posibles de utilizar, por ejemplo: raza, religión,
nacionalidad, sexo y estado civil 5.
Existe una gran variedad de metodologías disponibles para la estimación de estos modelos. Entre
las técnicas más utilizadas se distinguen: análisis de
discriminante, regresión lineal, regresión logística,
modelos probit, modelos logit, métodos no paramétricos, métodos de programación matemática,
modelos basados en cadenas de Markov, árboles de
decisión, sistemas expertos, algoritmos genéticos y
redes neuronales 6.
Este modelo permite estimar un modelo lineal en
los parámetros para Z. Al respecto, se esperaría
que los valores predichos debiesen ser interpretados como la probabilidad de default y deberían
estar en el intervalo [0,1]. Lo anterior, presenta
problemas metodológicos tanto en la distribución
esperada de Z como en los posibles valores de X.
En particular, uno esperaría que Z tomara valores
positivos y menores a la unidad.
Una forma de solucionar el problema anterior es restringir la distribución de Z y X. Lo anterior se logra
mediante estimaciones por máxima verosimilitud. Si
se utiliza el supuesto de distribución normal de los
datos se estimará un modelo Probit, si se utiliza una
función logística se estimará el modelo Logit.
Modelo de probabilidad logit
En nuestro caso describiremos más detalladamente los modelos más usados en la literatura: el
modelo de probabilidad lineal y el modelo logit.
Modelo de probabilidad lineal
zi=βTXi+ϵ=β0+β1X1+β2X2+…+βnXn+ϵ
En este caso, la estimación del modelo no es lineal, aunque su interpretación sigue siendo intuitiva: p es la probabilidad de impago o default y X
son las variables explicativas.
log (
p
1- p
) =β +β X +β X +…+β X
0
1 1
2 2
n n
_____________________________________________________________________________________
4
Canton et al (2010) definen la información negativa como aquella asociada a los incumplimientos y atrasos en los pagos,
mientras que la positiva es la información de los pagos a término y otra información descriptiva de las deudas, como montos
de préstamos, tasas de interés y plazos.
5 Canton
et al (2010), Gutiérrez (2008) y Avery, Calem y Canner (2004) entregan una lista y descripción de las principales
variables que utilizan. Ver anexo.
6
Para una explicación de cada uno de estos modelos revisar Canton et al (2010), quien a su vez cita a varios autores para
cada una de las técnicas mencionadas.
|10
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
Si las variables son independientes, la probabilidad puede ser calculada como:
p=
ez
= 1 -z
z
1+e
1+e
donde el cálculo de Z, estará dado por lo valores
estimados de β y los coeficientes particulares de
X. El scoring se calculará en base a la multiplicación del parámetro β y el valor particular de X.
Este indicador se puede ajustar a 100% para tener una escala normalizada.
Un mal puntaje determinará la negación del crédito, mientas que un puntaje por encima del mínimo requiere una evaluación posterior y dependiendo de la políticas de riesgo, una evaluación
continua. Al respecto, las instituciones financieras determinan un límite que distingue sujetos de
crédito de aquellos que no lo son. En la práctica,
esto determina tres áreas posibles de acuerdo al
puntaje del modelo: rechazo automático, revisión
y aceptación automática.
Finalmente y tal como se plantea en el capítulo
anterior, la utilización de los modelos de medición de riesgo de crédito no determina por si solo
la asignación del crédito, ni el monto, ni el plazo
y mucho menos la tasa de interés a cobrar. Estas decisiones en general están vinculadas a aspectos tales
como la institucionalidad, las condiciones macroeconómicas y las políticas comerciales o estratégicas de
las instituciones financieras, así como a su propio
costo de fondo.
A pesar de las técnicas descritas anteriormente, éstas
no han desplazado al juicio humano, conformando
lo que se denomina política de crédito.
No obstante lo anterior, Cantón et al (2008) explican
que en el caso en que las instituciones financieras
operen bajo estándares de Basilea y tengan una política definida de retorno ajustado por riesgo para
distintos grupos de clientes, el spread o diferencial
de tasas entre agentes de distinto riesgo estará dado
por las diferencias entre los requerimientos de capital asociado a tales clientes. En este sentido, una
vez definido un retorno esperado para cada tipo de
cliente, la tasa de interés a cobrar quedaría determinada bajo ciertos supuestos. Ellos también plantean
seis fases en el proceso de otorgamiento de créditos,
aunque su ejemplo está enfocado para el caso de
microcréditos.
Policy Paper | Mayo 2013 - Chile
|11
Evidencia internacional
La evidencia internacional es muy útil y abundante
en indicar las bondades de las AC y tiene casos exitosos de oficinas públicas y privadas.
Según Chandler y Parker (1989) una mayor información crediticia es necesaria para minimizar los
problemas de asignación de créditos, ya que sus
estudios indican que a mayor nivel de información,
mayor es la certeza en la predicción, con lo cual se
logra una mejor apreciación del riesgo y por ende se
ofrecen tasas más justas al sujeto de crédito. Para lo
anterior, definen tres tipos de nivel de información:
simple, estándar y detallado 7 y calculan el poder
predictivo de un modelo para el caso de tarjetas de
crédito bancarias y comerciales. En cada caso, intentan distinguir entre sujetos de crédito y aquellos que
no lo son. Ellos definen un máximo poder predictivo
y calculan la capacidad de los distintos modelos para
lograr ese mismo resultado. El utilizar solo la información del postulante (applicant) reduce la capacidad predictiva hasta en un 60%.
Miller (2000) y Love y Mylenk (2003) revisan experiencias globales evidenciando que los impactos de
las agencias de crédito son positivos en el sentido
que otorgan menores restricciones arbitrarias para el
acceso al crédito y mejoran los niveles de eficiencia
en la asignación de recursos.
Miller (2000) también identifica el tipo de información que recaudan los registros en distintos países
del mundo. De los 30 registros públicos a los que
ellos tuvieron acceso, en 24 de los casos las agencias estudiadas tienen información sobre el nombre
de la institución que entrega el crédito y el monto
total de la deuda. En 23 casos se obtiene el tipo de
deuda, en 20 el número de identificación tributario,
en 16 el rating del crédito, en 15 la actividad que
desempeña el sujeto, en 11 el tipo y valor del colateral que posee, en 10 la madurez de la deuda y
en 7 la dirección comercial. Sólo en 5 se registra la
tasa de interés de la deuda, nombre de los dueños,
grupo o conglomerado al que pertenece y solo en 3
incluyen información impositiva. Por otro lado, Miller concluye que en el caso de las agencias privadas,
éstas manejan un mayor nivel de datos en cada uno
de los países analizados, en especial, al poseer más
información relacionada con las características de la
deuda y la situación fiscal de los deudores.
Según Miller (2003), los países 8 donde operan las
agencias de crédito han reducido considerablemente el tiempo de aprobación de los créditos, disminuyendo los costos de transacción y anotando una
9
caída en la tasa de default en más de 25%.
_____________________________________________________________________________________
7
8
Los mismos expuestos previamente.
Alemania, Argentina, Aruba, Austria, Bahamas, Barbados, Belice, Bélgica, Bermudas, Bolivia, Brasil, Chile, Colombia, Costa
Rica, Dinamarca, Ecuador, El Salvador, España, Finlandia, Francia, Grecia, Guatemala, Guyana, Haití, Holanda, Honduras,
Irlanda, Islas Caimán, Italia, Luxemburgo, Portugal, Reino Unido, República Dominicana y Suecia.
9
Los autores la definen como aquellos que caen en cesión de pagos, aunque no definen ni tiempo ni montos asociados.
|12
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
Por su parte, Japelli y Pagano (2002) encontraron evidencia de que la presencia de AC o
registros de crédito se asocia a mercados de
crédito más amplios y con menores indicadores de riesgo de crédito. También argumentan
que los registros públicos son más propicios en
economías donde los derechos de los acreedores están poco protegidos.
Luoto, McIntosh y Wydick (2004) analizan la evidencia en países subdesarrollados, con especial
interés en Guatemala. La historia muestra una
significativa baja en las tasas de interés luego de
que se implementará un sistema de AC, el cual
mostró reducir entre 2% y 3% la tasa de interés
exigida.
Chakravarti y Chea (2005) utilizan ejemplos del
establecimiento de AC en países del Asia Pacifico
10
, identificando factores claves para el éxito de
estas iniciativas, como son el liderazgo del Gobierno, requisitos mínimos de reportes crediticios,
estructura entre agencias privadas y públicas, estandarización de la información, formas de capturar correctamente la información del mercado
y adecuados marcos legales para evitar un uso
abusivo del sistema.
Simovic, Vaskovic y Poznanovic (2009) presentan
evidencia de una mayor estabilidad y liquidez en
el mercado de Serbia gracias a la implementación
de un particular modelo de AC en el cual son los
mismos bancos y entidades financieras quienes
gestionan la veracidad y precisión de la información, ya que finalmente son ellos quienes tienen
el mayor incentivo a proveer y recibir la mejor información disponible. Por otra parte, cada banco
y entidad financiera posee un centro de atención
de AC en sus propios locales, lo cual reduce significativamente los costos operacionales de mantener el sistema. La introducción de las AC en Serbia tuvo un impacto significativo en la reducción
de créditos impagos, desde un 23,8% en 2005 a
un 4,1 % en 2006.
Triki y Gajigo (2012) concluyen, a partir de un grupo de países de África 11, que la inclusión de AC
ha facilitado el acceso de la información a todos
los agentes del mercado, reduciendo la asimetría
de información, además de limitar la selección adversa y el riesgo moral.
En relación a la experiencia chilena, Turner (2010)
evidenció que existiría un beneficio para los segmentos de la sociedad chilena con menor acceso
al crédito y menor historia financiera si se incluyera
información positiva en el sistema de reportes de
crédito. Este efecto ocurre debido a que existe una
mayor probabilidad de que la información positiva sobre personas con poca información negativa
crediticia tenga un impacto mayor sobre la evaluación de riesgo, principalmente porque al no contar
con registros existe una menor capacidad de estimar adecuadamente su capacidad de pago.
En este sentido, Turner y Varghese (2007) lograron
evidenciar un cambio más equitativo en el acceso al
_____________________________________________________________________________________
10 Australia,
11
China, Guam, Hong Kong, Indonesia, Japón, Malasia,Filipinas, Singapur, Corea del Sur, Taiwán, Tailandia y Vietnam.
42 países analizados.
Policy Paper | Mayo 2013 - Chile
|13
crédito en Colombia, en el cual en un sistema con
información negativa los hombres constituían un
67% del mercado crediticio, mientras que las mujeres sólo un 33%. Por otra parte, en un sistema con
información positiva y negativa, la proporción anterior varía a un 53% y 47%.
A continuación se describen los mecanismos a
través de los cuales se producen los efectos sobre
tasas de interés, requerimientos de capital y acceso
al crédito encontrados en la literatura, derivados
de la incorporación de las agencias de crédito en
distintas economías.
Efectos sobre las tasas de interés
La International Finance Corporation (2006), en su publicación sobre AC, concluye que si éstas utilizáran
información positiva y negativa sobre el crédito,
su tasa de incumplimiento (default) caería en
43% comparado con la situación en la cual sólo
se use información negativa.
Sin información completa sobre los perfiles de
riesgo, el prestamista confundirá un buen nivel
de riesgo con uno malo y viceversa. La cartera,
por lo tanto, incluirá préstamos más riesgosos, y
con el tiempo, las tasas de interés tenderán a subir,
ya que se ajustarán para reflejar el rendimiento de
los préstamos.
Además, el aumento de las tasas de interés crea incentivos para desarrollar proyectos más arriesgados,
dado que los proyectos de bajo riesgo no compensarán el costo del préstamo. Proyectos más riesgosos
llegarían a representar una mayor proporción de la
cartera, aumentando así la tasa de interés promedio,
alimentando este círculo vicioso.
|14
Sin embargo, cuando se comparte la información,
la capacidad de detectar a los agentes más riesgosos mejora, así como el rendimiento de la cartera,
permitiendo a los prestamistas ofrecer precios más
bajos a las personas de menor riesgo. Sin esta distinción, algunos proyectos social o económicamente
rentables no se financiarían porque el costo del crédito hubiese sido muy alto.
Efectos sobre requerimientos de capital
Según Falkenheim y Powell (1999), las agencias de
crédito permitirían disminuir los requerimientos de
capital para enfrentar pérdidas no esperadas, ya que
una mayor información permitiría liberar estos fondos para financiamiento de nuevas iniciativas. Lo anterior es especialmente cierto en países que cuentan
con altos niveles de reservas.
Efectos en el acceso al crédito
Las AC permiten aumentar el acceso al crédito a
grupos sin historial crediticio o con historial crediticio restringido. Según Turner (2010), en este caso, la
falta de historia crediticia generalmente merma las
posibilidades de acceder a una tasa de interés justa
y por ende su tasa de aprobación y los montos son
menores. Para estos consumidores, la inclusión de
las AC con información tanto negativa como positiva, aumenta entre 6 y 8% el poder predictivo de los
modelos examinados.
Los efectos de la información positiva en las AC
probablemente beneficiaran más a aquellos que
cuentan con menor información. En estimaciones
que consideraban a todos los países, las agencias de
crédito privadas incrementaron en un 21% los préstamos y si consideramos sólo economías pobres, el
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
aumento es de 14,5%. El Banco Interamericano de
Desarrollo (2005) examinó información de 170 bancos en Bolivia, Brasil, Chile, Colombia, Costa Rica, El
Salvador y Perú, con el objetivo de medir el impacto
de las agencias de crédito sobre el desempeño de los
créditos. El resultado fue que los bancos que prestaban principalmente a consumidores y negocios
pequeños y que utilizaban información de las AC tenían tasas de default 7,75% menores que aquellos
que no utilizaban esa información.
Efectos en la conformación del mercado
En un mercado en el cual no existe información positiva, los actores de crédito de mayor tamaño tienden
a perpetuarse en sus posiciones dominantes puesto
que la inversión necesaria para conocer a un nuevo
entrante no logra generar retornos atractivos.
Por tanto, una explicación para la conformación de
grandes operadores de crédito en Chile, tanto en
bancos como en el retail financiero, también se explica por la falta de información que dificulta el crecimiento de los actores de menor tamaño.
III Riesgo de Crédito en Chile
Medición del riesgo de crédito en Chile 12
En Chile, existen diversas empresas que distribuyen
información crediticia: DATA BUSINESS, SINACOFI,
SIISA, TrasUnion y DICOM-EQUIFAX. Ellas reciben
información por parte de los bancos, entidades financieras y otros agentes del mercado, la verifican
y validan, distribuyéndola nuevamente a los suscriptores. La Cámara de Comercio de Santiago distribuye el BIC (Boletín de Información Comercial) a estas
cuatro entidades, quienes luego distribuyen al resto
del mercado dicha información junto con otra de
carácter público que recopilan por medios propios.
La SBIF mantiene un registro de deudores que contiene información consolidada sobre las deudas de
las personas en el sistema bancario. Este registro
se realiza con información que proveen los bancos
mensualmente y una vez que está información esta
consolidada, se pone a disposición de las instituciones financieras. Adicionalmente, deudores del sistema bancario pueden solicitar a la SBIF un certificado
de deuda detallando del monto de la deuda y detalle de sus obligaciones.
La SBIF prepara y distribuye regularmente un archivo
conocido como el “Status del Deudor” a todas las
_____________________________________________________________________________________
12
Esta sección está basada en Arreche et al (2007).
Policy Paper | Mayo 2013 - Chile
|15
instituciones financieras bajo su supervisión. Alguna
de la información básica que incluye dicho informe es:
La tabla 1 resume los principales proveedores de
información crediticia en Chile, diferenciándolos según su carácter público o privado.
- Identificación del Deudor: Nombre y Rut.
- Deuda directa corriente (menos de 30 díías
de atraso), mora (de 30 a 90 días de atraso) y
atrasada.
Es importante señalar que ni el Banco Central de
Chile ni la Superintendencia de Bancos tiene un rol
directo sobre las AC.
El decreto supremo 950 realizado por el Ministerio
de Hacienda, determina quién debe proveer información y la periodicidad y contenido de la misma.
- Deuda indirecta actual y vencida.
- Deuda comercial actual.
- Deuda en moneda extranjera comercial actual y vencida.
Por otro lado, deudores del sistema bancario pueden solicitar a la SBIF un certificado que informa el
monto de deuda y detalle de sus obligaciones.
- Deuda de consumo actual y el número de deudores.
- Deuda hipotecaria actual.
- Líneas de crédito disponibles.
- Deuda directa a través de acuerdos de recompra.
- Atrasos o protestos de deuda: Identificación de
institución acreedora.
- Leasing: valor de los contratos.
|16
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
Tabla 1
Oficinas privadas
Registros públicos
Otros
Nombre
Descripción
DICOM –EQUIFAX
Fundado en 1979, provee información
comercial de personas y empresas.
DATA BUSINESS
Creado por la CCS en 1999, entrega
información sobre el riesgo de crédito,
inteligencia de negocios y ranking.
SINACOFI
Empresa que procesa datos de transferencias y reportes.
TransUnion
Se especializa en reportes de crédito.
SIISA
Se especializa en reportes de crédito.
CÁMARA DE
COMERCIO DE
SANTIAGO (CCS)
Centraliza información de cuentas,
cheques, documentos protestados y
distribuye información.
SBIF
Genera reporte de estado de deudor y
lo envía a las instituciones supervisadas.
REGISTRO CIVIL
Procesa información respeto de
eventos legales y de identificación
personal.
CONSERVADOR
DE BIENES RAÍCES
Registra y procesa información de
propiedades y bienes inmuebles.
Servicio de Impuestos
Internos
Situación tributaria por contribuyente.
AFPs
Cotizaciones efectuadas.
Poder judicial
Estado de causas.
Fuente: The World Bank (2011)
Policy Paper | Mayo 2013 - Chile
|17
IV Evidencia de
Banco Santander
Este capítulo muestra los efectos en la medición
del riesgo de crédito frente a un cambio en la
legislación que incorpore el historial crediticio no
bancario, tanto en la admisión de nuevos clientes
como en el costo del crédito derivado de las provisiones que deban asignar.
Como marco de referencia utilizamos algunos
elementos del análisis de riesgo del segmento de
rentas masivas. Si bien lo anterior puede generar
cierto sesgo en las conclusiones a nivel bancario,
el modelo retail del Banco Santander posee una
representación amplia y homogénea del mercado
de crédito en Chile.
En primer lugar, cabe destacar que la política de
riesgo del Banco establece restricciones importantes al momento de aceptar nuevos clientes sin
historial crediticio. ¿Por qué esta diferencia? Esto
se debe principalmente a dos factores: el primero
nos señala que históricamente aquellos clientes
nuevos que no poseen historial crediticio, caen en
incumplimiento casi el doble de veces que aquellos que si poseen alguna historia. Lo segundo, los
modelos de scoring para la aceptación del Banco
muestran que la bondad de ajuste de la distribución de los nuevos clientes es mucho mejor en el
caso de “clientes con historial crediticio”.
A modo de referencia, podemos señalar que los
modelos de scoring del Banco consideran variables de los clientes de tipo demográficas y de
comportamiento financiero.
Es importante hacer notar que los modelos de
scoring de aceptación son solo una parte de la
política de evaluación de riesgo del Banco. Una
Modelos de Admisión: Probabilidad de Incumplimiento
(para distintos niveles de score)
Fuente: Banco Santander
|18
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
evaluación ex-post de los clientes muestra que
aquellos sin historial presentan una tasa de incumplimiento 10% mayor que aquellos que si la
poseían. Para los modelos de aceptación comercial del Banco, el concepto de “historial crediticio” considera a aquellas personas que poseen
algún tipo de producto con la banca tradicional,
el cual se obtiene a partir de lo informado por la
SBIF.
Impacto en provisiones y en tasas de interés
Un reflejo de la política antes mencionada es que
en marzo de 2013, un tercio de los clientes sin
historial crediticio que postularon al segmento de
rentas masivas fueron aceptados en la etapa de
admisión.
Estos últimos conceptos son importantísimos a la hora
de determinar la prima por riesgo para cada clasificación de clientes y las provisiones que el Banco debe
constituir para la cartera de consumo. Esta prima es la
principal responsable de las diferencias tarifarias percibidas entre los clientes del Banco.
Resulta evidente que si existiera la posibilidad de
saber si los potenciales nuevos clientes han sido
o son clientes de alguna otra institución proveedora de crédito no bancaria, se podría incluir
dicha variable en la toma de decisiones para la
aceptación, ya que en teoría también calificaría
dentro de la categoría de “cliente con historial
crediticio” para efectos de análisis. Este simple
hecho aumentaría la admisión, toda vez que, por
ejemplo, más del 50% del mercado del crédito de
consumo se encuentra en manos de instituciones
no bancarias.
Junto con la etapa de admisión, otra parte importante
del proceso crediticio es el seguimiento que se realiza a la cartera de créditos otorgados. A partir de éste
se determinan las provisiones asociadas a las diversas
carteras de clientes, las que se derivan de la probabilidad de incumplimiento (probability of default) y de la
pérdida dado el incumplimiento (loss given default)13.
A continuación presentamos algunos antecedentes
que muestran el impacto en la tasa de interés cobrada
a distintos grupos de clientes14. Lo que se demuestra
es que, en la medida que dispongamos de mayor información respecto al comportamiento de un cliente
dentro del sistema financiero, mejor será la capacidad
de determinar si posee un perfil más o menos riesgoso, y por lo tanto, si se debe provisionar más o menos
sobre sus créditos. El análisis se basa en los modelos de
provisiones utilizados por el Banco 15.
_____________________________________________________________________________________
13 La
loss given default (LGD) representa el porcentaje de pérdidas efectivas que ocurre en una cartera de deuda, para un cliente
o grupo de clientes, debido a una situación de incumplimiento (default). Es así que en una situación de default no necesariamente quedará impaga toda la deuda. El porcentaje impago es el que se conoce como LGD. La probability of default (PD) corresponde a la probabilidad de incumplimiento (en un período) que se le asigna al individuo analizado según sus características
y el modelo de scoring aplicado.
14 Tomamos como supuesto que un cliente se comportará de manera similar entre las diversas instituciones financieras en el futuro.
15
Los modelos son revisados por la SBIF anualmente y auditados por empresas externas y, además, cuentan con la autorización
del Grupo Santander. Para su estimación, consideran información de hasta 5 años.
Policy Paper | Mayo 2013 - Chile
|19
Primero se clasifica a los clientes entre “antiguos”
y “nuevos”, división interna que distingue a los
clientes con y sin historial de crédito reciente con
el Banco.
De esta manera se generan modelos distintos que
se alimentan de dos tipos de variables: variables
explicativas de tipo demográfico (edad y nivel
educacional) y de comportamiento financiero,
donde se distingue el comportamiento al interior
del Banco, morosidades en el último trimestre del
sistema financiero y el plazo de los compromisos
financieros contraídos; estas últimas obtenidas de
fuentes públicas.
Consistente con lo que ocurre con los modelos
de admisión antes presentados, en los modelos
de provisiones, el hecho de contar con limitada
o nula historia crediticia, limita el poder predictivo del modelo y lo hace más sensible a variables
demográficas. En efecto, en el caso del modelo
de cliente “nuevo”, las variables demográficas
toman el doble de relevancia al compararlo con
el modelo de cliente “antiguo”.
Si dispusiéramos de mayor información positiva
las estimaciones serían más precisas, permitiendo distinguir adecuadamente a los malos de los
buenos pagadores con la consiguiente baja en las
tasas de interés enfrentadas por aquellos buenos
pagadores que han sido mal calificados por falta
de información.
Con la información actual para ambos tipos de
cartera y considerando los denominados buenos
clientes, podemos encontrar diferencias de tasas
de interés de hasta 3% entre las denominaciones
de “nuevos” y “antiguos”16, y si consideramos
los clientes denominados regulares a los cuales
también se les ha otorgado algún crédito, la diferencia llega a 6,8%.
A modo de ejemplo, en el modelo de clientes
“nuevos”, el nivel educacional representa un
6,5% de las variables explicativas. Dicha variable
no forma parte del modelo de cliente “antiguo”
donde la variable diferenciadora es el mayor número de meses que un cliente haya pactado en
un crédito con el Banco.
_____________________________________________________________________________________
16 Información
|20
a marzo de 2013.
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
Modelos de provisiones: margen de riesgo
y probabilidad de incumplimiento.
Clientes buenos
Cliente nuevo
Cliente antiguo
Margen
en Tasa
PD
Margen
en Tasa
PD
1,3%-3,1%
3,9%-9,5%
0,1%-0,7%
0,24%-2,2%
Clientes regulares
Cliente nuevo
Cliente antiguo
Margen
en Tasa
PD
Margen
en Tasa
PD
5,8%-9,0%
18%-27,8%
2,2%-4,4%
6,8%-13,5%
Fuente Santander, considera una LGD de 32,1%.
La tabla anterior presenta un resumen de las evaluaciones de clientes que son catalogados como
buenos y regulares, los que dependiendo de la
antigüedad de compromisos crediticios con el
banco, internamente se clasifican en “nuevos” o
“antiguos”. La tabla para cada una de estas clasificaciones, presenta el margen de tasa de interés
cobrado a cada segmento junto a su probabilidad
de incumplimiento. Como vimos, tanto los buenos clientes como los regulares enfrentan tasas
de interés significativamente diferentes dependiendo de la historia crediticia que posean.
En definitiva, si como sistema financiero contaramos con una AC con información positiva deberíamos esperar que las variables de comportamiento financiero tanto al interior como fuera del
Banco aumentaran el poder explicativo y con ello
mejorando la capacidad de predecir la morosidad
de la cartera. Esto se traduciría en una mayor diferenciación de los malos y buenos clientes, lo que
disminuiría las tasas de interés para los buenos
pagadores, así como el costo para éstos generado por el subsidio cruzado que se produce por
el ingreso de malos clientes. De esta manera, no
sólo se reducirá la tasa de interés que enfrentan
los nuevos entrantes con historial crediticio no
bancario al sistema financiero al poder acceder
a segmentos menos riesgosos, sino que la mayor
eficiencia en la asignación bajaría el spread de
riesgo de todos los clientes del sistema.
Policy Paper | Mayo 2013 - Chile
|21
V Reflexiones Finales
|22
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
Al revisar la experiencia comparada de otros países que han incorporado el rol de las agencias de
crédito en su accionar diario, la literatura internacional presenta algunos pasos importantes para el
éxito de su implementación.
Un escenario ideal para el establecimiento de las agencias de crédito es uno en el cual, en un principio, el Gobierno sea quien lidere el establecimiento de las mismas, centralizando la información en
conjunto con los participantes financieros. El objetivo sería afianzar un correcto, preciso y consistente
proceso de captura de la información. Para esto se debe recoger tanto información negativa como
positiva de todos los participantes del mercado, información que ellos mismos debiesen entregar.
Además, se debe establecer un programa de educación para el consumidor y las entidades financieras
que busque reducir el escepticismo sobre las agencias, junto con un marco legal robusto que no permita abusos del sistema. Otra parte esencial, para el éxito de la agencia, es el proceso por el cual se
comparte la información; una forma eficiente y simple es la clave que han utilizado los países del Asia
Pacífico para generar un mayor crecimiento, es decir, acceso a préstamos más baratos y un menor
gasto para acceder a la información crediticia.
Un sistema negativo es inherentemente menos tolerante, puesto que el comportamiento positivo no
se informa y no se puede utilizar para reparar un perfil de crédito una vez que está dañado.
La inclusión de los datos en modelos de comportamiento de riesgo de crédito no es aleatoria y la
importancia que se les otorga tampoco es arbitraria. La literatura ha mostrado, en las distintas economías, que los datos de investigación de crédito permiten predecir el riesgo de crédito del prestatario.
Condiciones esenciales para la eficacia en el funcionamiento de un sistema de información de riesgo
de crédito son: cobertura, actualización, confiabilidad y objetividad; relevancia, rapidez y costo competitivo, mecanismos asequibles para el acceso, registro de identificación, marco legal y protección de
los titulares de la información.
Tal como se muestra en el último capitulo, la carencia de información positiva en las agencias de crédito redunda en restricciones de acceso a nuevos clientes y mayores tasas de interés, que se explican por
la capacidad limitada que tiene el banco en asignar el margen por riesgo de los distintos segmentos
de clientes. Esto, además, genera problemas con la inclusión financiera de clientes, en especial de
aquellos que no poseen un historial crediticio. Un sistema más amplio permitiría aumentar la cobertura y reducir las tasas de interés, no solo a los buenos sino que también a los clientes que alguna
vez han sufrido algún percance financiero. En efecto encontramos diferencias en las tasas de interés
cobradas de casi 7% en clientes que han sufrido un percance financiero reciente y de hasta 3% en el
caso de nuevos clientes.
|23
Referencias
Crook. J. y Banasik, J. (2003) “Does Reject Inference Really Improve the Performance of Application Scoring Models?” Journal of Banking and
Finance 28, 857-874.
Abreú S. (2001) “Case Studies of Selected Credit Bureaus in Several Latin American Countries”
Deutsche Gesellschaft für Technische Zusammenarbeit (GTZ) GmbH.
Del Villar, R, Díaz, A y Gil, J. (2001) “Regulation
of Personal Data Protection and Reporting Agencies: A comparison of Selected Countries of Latin
America, The United States and European Union
Countries” ONU, first draft.
Arteche, C., F. Montes, J. Hwang, M. Guadamillas, M. Gutierrez y M. Llenas (2007) “Credit and
Loan Reporting Systems in Chile”, Centre for Latin American Monetary Studies, The World Bank,
Agosto 2007.
Falkenheim M y Powell A, (1999) “The Use of
Credit Bureau Information in the Estimation of
Appropriate Capital and Provisioning Requirements” mimeo, Banco Central de Argentina.
Avery, Calem y Canner (2004) “Consumer Credit
Scoring: Do Situational Circumstances Matter?”
Journal of Banking and Finance 28, 835-856.
Frame, S. , Srinivasan, A y Woosley, L. (2001)
“The Effect of Credit Scoring on Small-Business
Lending” Journal of Money, Credit and Banking,
Vol. 33, No3.
Blöchlinger, A. y Leippold, M. (2005). “Economic
Benefit of Powerful Credit Scoring” Journal of
Banking and Finance 30, 851-873.
Boletin-Comercial http://www.boletincomercial.
cl/guia/que_es_el_boletin/ds950.aspx
Chakravarti, R y B. Che (2005) “The Evolution
of Credit Bureaus in Asia-Pacific” Citibank, N.A.
Asia Pacific Consumer Bank Regional Business
Analytics Unit, Risk Management.
Chandler, G. y Parker, L. (1989) “Predictive Value
of Credit Bureau Reports” Journal of Retail Banking. Vol XI, No. 4 1989, pp 47-54.
Consumer Financial Protection Bureau (2012)
“Key Dimensions and Processes in the US Credit
Reporting System: A review of how the nation’s
largest credit bureaus manage consumers data”
Enlace CFBP: http://www.consumerfinance.gov/
reports/key-dimensions-and-processes-in-the-u-scredit-reporting-system/.
|24
Gutiérrez, M (2008), “Anatomía de los modelos
de credit scoring” Ensayos Económicos,N°50,
Enero-Marzo 2008, Banco Central de la República Argentina.
Hunt, R. (2002) “The Development and Regulation of Consumer Credit Reporting in America”
Federal Reserve Bank of Philadelphia. Working
Paper N°02-21.
International Finance Corporation, IFC (2006)
“Credit Bureau Knowledge Guide”. Washington
DC
IADB, “IPES 2005: Unlocking credit; The Quest
for Deep and Stable Bank Lending”. Inter American Development Bank, Washington DC: IADB
2004).
Jaffee, D y Russell, T (1976) “Imperfect Information, Uncertainty, and Credit Rationing” The
Quarterly Journal of Economics, Volume 90, Issue
4, 651-666.
Policy Paper | Mayo 2013 - Chile
Estudios y
politicas publicas
Love, I. y Mylenk, N. (2003) “Credit Reporting
and Financing Constraints” World Bank Policy
Research Working Paper 3142.
Triki, T y Gajigo, O. (2012) “Credit Bureaus and
Registries and Access to Finance: New Evidence
from 42 African Countries” African Development
Bank Group. Working Paper n°154.
Luoto, McIntosh y Wydick (2004) “Credit Information Systems in Less- Developed Countries:
Recent History and a Test.” Illinois, US: The University of Chicago Press.
Turner, M y R Varghese (2007) “The Economic
Impacts of Payment Reporting in Latin America”
p.30.
Miller, M. (2000) “Credit Reporting Systems
Around the Globe: The State of the Art in Public
and Private Registries” MIT Press.
Turner, M. (2010) “The Consequences of Prohibiting Credit Inquiry Data in Chilean Credit Files”
PERC White Paper.
Miller, M. (2003) “Credit Reporting Systems and
the International Economy” MIT Press.
Myfico http://www.myfico.com/CreditEducation/
articles/ .
The World Bank & IFC (2009), “Doing Business
2010”, Co-publication of Palgrave Macmillan,
Septiembre 2009.
Olegario, R. (2001) “Credit-Reporting Agencies:
Their historical Roots, Current Status, and Role
in Market Development.” University of Michigan
Business School.
The World Bank (2011) “General Principles for
Credit Reporting”, The World Bank Consultative
Report, Washington D.C., Marzo 2011.
Peek, J. y Rosengren, E. (1995) “Banks and the
Availability of Small Business Loans”. Federal Reserve Bank of Boston. Working Paper No. 95-1.
Simovic, Vaskovic y Poznanovic (2011) “A Model
of Credit Bureau in Serbia – Instrument for Preserving Stability of the Banking Sector in Conditions of the Global Economic Crisis” Journal of
Applied Quantitative Methods 4 (4): 429-39.
Stiglitz, J. y Weiss, A. (1981) “Credit Rationing
in Markets with Imperfect Information” Journal
of American Economic Review. Vol. 71, Num. 3.
Stuart, G. “A Commercial Bank Does Microfinance: Sogesol Haiti” Kennedy School of Government. Case program CR16-02-1675.0.
Policy Paper | Mayo 2013 - Chile
|25
Anexo: Ejemplos de Variables Utilizadas en Modelo de Riesgo
Nombre variable
Default
Desempleo
Desempleo rezagado
Nuevo matrimonio
Reciente matrimonio
Otro matrimonio
Reciente divorcio
Otro divorcio
Nunca matrimonio
Puntaje
Revolving
Hipoteca
Línea de crédito
Antigüedad de la cuenta
Edad 1
Edad 2
Edad 3
Edad desconocida
Minoría 1
Minoría 2
Minoría 3
Minoría 4
Minoría desconocida
Ejemplo modelo 1
Promedio
0,069
4,622
5,384
0,062
0,066
0,453
0,006
0,086
0,328
647,8
0,62
0,071
0,016
13,7
0,305
0,37
0,067
0,258
0,435
0,335
0,055
0,045
0,13
Desviación
Estándar
2,008
2,096
64,09
5,266
Ejemplo modelo 2
Promedio
0,119
4,714
5,476
0,066
0,072
0,487
0,006
0,080
0,291
595,5
0,538
0,065
0,014
13,65
0,302
0,372
0,05
0,277
0,335
0,28
0,055
0,05
0,28
Número de observaciones
254.630
Fuente: Avery, Calem y Canner “Do Situation Circumstances Matter?”
|26
Policy Paper | Mayo 2013 - Chile
89.566
Desviación
Estándar
2,085
2,186
62,68
5,3
www.santander.cl