1. Introducción al Credit Score
Un credit score no es más que una herramienta que permite evaluar el riesgo de crédito del solicitante de manera automatizada, objetiva y consistente.
Su objetivo, permite diferenciar, de una forma rápida y objetiva a un “buen “ cliente (baja probabilidad de insolvencia) de un “mal”cliente (alta probabilidad de insolvencia).
A continuación se describe una metodología general para construir un modelo sencillo de credit score. Este ejemplo de scoring se ha realizado para una cartera de clientes que incluye todo tipo de sectores y tipología de empresas.
2. Recopilación de Datos
2.1. ¿Qué analizamos de nuestra propia base de datos?
Lo primero que tenemos que establecer es: ¿cuál va a ser la base de datos a analizar?¿Cómo está formada la cartera de clientes?
En este ejemplo se ha establecido que, la base de datos la forman los clientes que han comprado en el último año.
Se realizan los siguientes análisis:
- Comportamiento de pagos interno, por ejemplo, qué clientes han presentado incidencias en pagos y han tenido que ser gestionados por una empresa externa de recobro. En el análisis detectamos que, el 84% de los clientes que han sido gestionados por empresas externas de recobro son sociedades anónimas o limitadas. La primera conclusión es que el credit scoring lo vamos a orientar a filtrar clientes con personalidad jurídica SA o SL o que depositen cuentas anuales en el registro mercantil. De este modo estableceremos unas variables acordes a la información que podemos obtener de una forma más o menos automatizada.
- Probabilidad de presentar insolvencia a corto/medio plazo (dado el peso de las SA y SL en clientes con incidencias en pagos). Lo medimos con el ratio Altman.
- Análisis sectorial: ¿Qué sectores tienen más tendencia a entrar en concurso de acreedores?
- Análisis de las estadísticas nacionales en cuanto a procedimientos concursales. Permite comparar qué está pasando a nivel nacional y si tiene coincidencia con el comportamiento de la cartera de clientes analizada.
2.2. ¿Qué información vamos a tener en cuenta?
Una vez realizado el primer análisis de la cartera de clientes, hay que determinar qué variables van a formar parte de la fórmula.
Existe una gran diversidad de variables que se pueden considerar para el desarrollo de un modelo de scoring. Tanto cuantitativas como cualitativas, como: liquidez, solvencia, capacidad para de devolución, tamaño de la sociedad, sector, etc.
En función de si analizamos personas físicas, jurídicas, riesgo a corto, medio o largo plazo, seleccionaremos unas u otras.
A partir del análisis realizado se determina que las variables a tener en cuenta para el scoring y que han resultado ser eficientes en la predicción de la probabilidad de incumplimiento son las siguientes:
- Antigüedad de la sociedad.
- Tamaño de la empresa.
- Clasificación crediticia de la agencia externa.
- Sector de actividad.
- Solvencia (Z-Altman)
3. Análisis del conportamiento interno del cliente.
Una vez hemos determinado qué variables van a formar parte de la fórmula, realizamos el análisis tomando como muestra los clientes que figuran en nuestra base de datos que presentaron concurso de acreedores y analizamos su comportamiento.
El resultado del análisis es el siguiente:
- ANTIGÜEDAD DE LA SOCIEDAD: El 69% de los concursos tiene una antigüedad inferior a 11 años.
Por ejemplo, hacemos un análisis para cada variable como el ejemplo anterior.
- DIMENSIÓN DE LA EMPRESA: El 73% de los concursos son pequeña empresa o no tienen datos
- CLASIFICACIÓN EMPRESA EXTERNA: El 59% de los concursos tiene una categoría externa de: Contado, Vigilancia o Precaución
- SECTOR DE ACTIVIDAD: El 76% de los concursos pertenecen a los sectores X.
- SOLVENCIA: El 86% de los concursos tiene un ratio Altman de alta o dudosa probabilidad de insolvencia o no tiene datos financieros.
En función de los resultados vamos otorgando la puntuación (en este caso, de 0 a 10) que posteriormente se testean para comprobar de que los resultados de la fórmula son fiables.
4. Construyendo la herramienta para discriminar al "buen" cliente del "mal" cliente.
¿CÓMO CONSTRUIMOS LA FÓRMULA?
Una vez hemos determinado los porcentajes discriminantes de las variables seleccionadas, establecemos el peso de cada una de ellas en la fórmula.
La fórmula para nuestro z-score es la siguiente:
Z-SCORE = 19%* ANTIGÜEDAD + 20% *TAMAÑO + 16%*AGENCIA EXTERNA + 21%* SECTOR + 24% *ALTMAN
Una vez determinada la fórmula tenemos que asignar la segmentación para determinar el nivel de riesgo: alto, medio o bajo.
TEST FIABILIDAD CREDIT SCORE (Z-SCORE)
Por último, una vez asignados los tramos para determinar el nivel de riesgo resultante, debemos testear la fórmula.
Para ello, y cogiendo como base la muestra, tanto de clientes en concurso de acreedores como la muestra de clientes gestionados por empresas externas de recobro, cruzamos los resultados y comprobamos el porcentaje de acierto.
Tiene coherencia que, en el segundo caso, el porcentaje sea menor ya que, no todos los clientes que reclamamos legalmente presentan posteriormente un concurso de acreedores puesto que los motivos de impago no son exclusivamente por problemas de liquidez.