Carácter crediticio y Modelos alternativos para originación de crédito
Por: Jhon Álvaro Pérez Cruz, economista; docente Universidad de La Salle - Bogotá Colombia (*)
Cuando inicié en el negocio bancario, y el Banco me preparaba para analizar operaciones de crédito, siempre escuché hablar de las 5 C´s del análisis de crédito dentro de las cuales se encontraban el Colateral o garantías que actúan como disuasor para el impago o como medio de recuperación de la cartera cuando el deudor no puede pagar de forma normal el crédito; la Capacidad de pago que está relacionada con la diferencia de ingresos y egresos y el excedente disponible con el que cuenta un deudor para pagar las cuotas o instalamentos del crédito; el Ciclo económico que refleja el riesgo sistémico que puede afectar a la economía en su conjunto y que puede reducir o mejorar las expectativas de la recuperación por el buen desempeño económico de los agentes individualmente y en conjunto; el Capital que refleja el respaldo patrimonial de un deudor y que puede representar el capital aportado por los socios o la acumulación de riqueza que ha logrado forjar durante el tiempo de desarrollo de su actividad y por otro lado un posible colchón en donde aterrizar al momento del impago; y finalmente el Carácter Crediticio que representa el comportamiento o voluntad de pago , solvencia moral disposición a cumplir con compromisos con terceros varias otras definiciones.
En general siempre pensé que los cuatro primeros eran relativamente objetivos de medir u observar en créditos otorgados a personas, porque valorar un Colateral se puede hacer a partir de datos del mercado, referentes especializados o avaluadores expertos, incluso descontando flujos, la Capacidad de pago frente a las cifras declaradas en estados financieros, desprendibles de nómina, declaraciones de impuestos o utilizando la tecnología microcrediticia para reconstruir esa información, el Ciclo Económico a través de cifras de organismos oficiales como el Banco Central o los departamentos de estadísticas estatales, gremios o entidades privadas, el Capital con soportes de propiedad de bienes inmuebles y declaraciones de impuestos, pero y ¿el Carácter como se puede cuantificar?, es tan amplio y subjetivo que posiblemente una revisión de referencias o del historial financiero y crediticio de las Centrales de Riesgo no alcanzan a recoger todo lo que ese concepto involucra, dado que algunos hablan de voluntad, comportamiento, solvencia moral o disposición (Lara Haro, 2021; Morales & Morales, 2015) que son palabras que implícitamente recogen factores internos psicológicos, culturales, filosóficos e incluso hasta religiosos y que se soportan en el supuesto que los factores del pasado se mantendrán en el futuro.
Entonces teniendo en cuenta la subjetividad del Carácter como factor de análisis de riesgo crediticio y la amplitud del concepto en cuanto a los posibles elementos que se evalúan en su estimación, es posible que existan algunas otras medidas o perspectivas diferentes al comportamiento histórico y las referencias que reflejen ese Carácter y que puedan extraerse de otro tipo de comportamientos del individuo.
Desde el año 2008 se observa un creciente interés de los investigadores por comprender el comportamiento de pago desde otras facetas novedosas y poco estudiadas que permitan rehabilitar clientes y mejorar el acceso a aquellos que por su inexperiencia financiera son rechazados en algunas entidades por el fenómeno de selección adversa y racionamiento de crédito que se dan por parte de los prestamistas al no contar con suficiente información que les permita encontrar una medida del riesgo moral del cliente.
La siguiente gráfica muestra un creciente interés en estudiar los factores psicológicos desde diferentes perspectivas y técnicas en donde se destaca el creciente interés desde 2008, pero que incluso antes de ese año:
Gráfica 1 Evolución de la investigación de modelos alternativos de crédito hasta 2021
Elaboración propia con la información proveniente de la ecuación de búsqueda en SCOPUS
El comportamiento de pago puede relacionarse con múltiples factores, pero la investigación se ha volcado principalmente a factores psicológicos que incluyen la evaluación psicométrica y la psicología experimental, comportamientos sociales y personales como el uso y comportamiento en redes sociales, el tiempo de uso de celular, horas de más llamadas, geoespaciales que buscan relacionar sectores con mayores niveles de morosidad hasta las más clásicas como las de comportamiento histórico, factore económicos y factores sociodemográficos como se puede ver en la siguiente gráfica desde el año 2005:
Gráfica 2 Evolución de categorías temáticas de modelos alternativos de scoring de personas
Elaboración a partir de la selección y depuración de los artículos sobre construcción de modelos de scoring
Estas tendencias reflejan también el creciente interés que existe en generar modelos predictivos con técnicas de machine learning y que han dado origen a una explosión de nuevas Fintech que utilizan modelos alternativos para originar créditos, buscando minimizar los costos de comercialización y de análisis pero también los costos de la administración de la cartera cómo los gastos de cobranza y provisiones.
El reto es enorme, dado que en muchas ocasiones el modelo puede ir en contra de las regulaciones de protección de datos o de leyes que regulan los métodos de cobranza o el tipo de información que se puede obtener de los clientes, haciendo difícil la tarea, no obstante diferentes experiencias en países Como Estados Unidos, Argentina, Perú, China, Egipto, Italia entre otros han mostrado que muchos scoring alternativos pueden incluso superar a los modelos de los scoring de comportamiento histórico de los Buró en la predicción del default.
Existen otro tipo de barreras relacionadas con los modelos de negocio y los costos asociados a la investigación que hacen en ocasiones poco atractivo probar este tipo de herramientas para entidades de crédito y por eso una buena parte de las investigaciones las llevan a cabo las universidades con información secundaria, dejando un camino importante por recorrer para lograr tener información primaria de operaciones de crédito que permitan tener mayor data y lograr establecer vínculos con otro tipo de información o relaciones para mejorar el acceso a crédito y la rehabilitación de clientes.
La historia económica muestra que ideas disruptivas pueden cambiar el mundo, gracias a ellas hoy tenemos internet, celulares inteligentes, blockchain, inteligencia artificial; posiblemente el buscar data alternativa para predecir la morosidad puede ser una idea transformadora para abrir mercados, que desde la perspectiva estratégica, pueden nacer con ventajas competitivas, diferenciación y mejorar la rentabilidad, pero también puede ayudar a cerrar brechas de acceso a servicios financieros y generar productos que estén a la medida de las personas excluidas del mercado, aquellas que hoy en día pagan hasta el 10% diario anticipado a un prestamista informal por no contar con fuentes de financiación.
(*) Jhon Álvaro Pérez Cruz es Economista, especialista en finanzas; Magister en administración con especialidad en finanzas corporativas y Candidato a Doctor en Administración. Cuenta con 14 años de experiencia en sector financiero en cargos como Gerente de Riesgo de Crédito, Director de políticas de crédito y de fábricas de crédito, con 15 años en docencia en niveles de pregrado y posgrado; 5 años en Dirección de posgrados en finanzas; 10 años de experiencia en consultoría en empresas del sector financiero y real. Ha participado en interesantes investigaciones en economía popular, crédito informal, economía comportamental y riesgo de crédito.