Identificación de segmentos de mayor riesgo mediante árboles de decisión para disminuir el índice de riesgo en la colocación de préstamo

Abstract

El riesgo al que se enfrentan las instituciones financieras cuando otorgan créditos es conocido como el riesgo de crédito, el cual está relacionado al incumplimiento de los pagos del crédito por parte de los clientes. Este incumplimiento ocasiona que la entidad financiera tenga que constituir mayores provisiones que afectan la utilidad de la institución. Para monitorear y mitigar este tipo de riesgo, existen varias metodologías que permiten conocer la calidad del crédito y las posibles pérdidas que puede afrontar estas. Una de estas metodologías que se utiliza para medir la calidad del crédito es el análisis de cosechas, el cual permite observar y analizar el comportamiento de las colocaciones de crédito en una ventana de tiempo determinada. Para el seguimiento se utiliza el indicador del índice de riesgo a 12 meses de maduración donde la entidad tiene definida el límite del apetito del riesgo. En ese sentido, el presente estudio tiene como objetivo identificar los segmentos de clientes con mayor nivel de riesgo en el producto de préstamo personal en una institución financiera, a fin de evitar pérdidas económicas por el mayor nivel de provisiones requeridas. Para identificar los segmentos de mayor nivel de riesgo crediticio se utilizará arboles de decisión con la técnica de Arboles de Clasificación CHAID, en cada nodo se determina el índice de riesgo; asimismo, estos segmentos al tener un mayor nivel de riesgos se excluirán de la actual política de créditos. Finalmente, al excluir los segmentos con mayor nivel de riesgo se tiene que el nivel de riesgo se encuentra dentro del límite de apetito de riesgo.

The risk faced by financial institutions when granting loans is known as credit risk, which is related to default on loan payments by customers. This non-compliance causes the financial institution to make greater provisions that affect the institution's profit. In order to monitor and mitigate this type of risk, there are several methodologies that allow us to know the credit quality and the possible losses that the institution may face. One of these methodologies used to measure credit quality is the vintage analysis, which makes it possible to observe and analyze the behavior of credit placements in a given time window. For the follow-up, the risk index indicator is used at 12 months of maturity where the entity has defined the risk appetite limit. In this sense, the objective of this study is to identify the client segments with the highest level of risk in the personal loan product in a financial institution, in order to avoid economic losses due to the higher level of provisions required. In order to identify the segments with the highest level of credit risk, decision trees will be used with the CHAID Classification Trees technique, in each node the risk index is determined; likewise, these segments will be excluded from the current credit policy since they have a higher level of risk. Finally, by excluding the segments with the highest level of risk, the level of risk is within the risk appetite limit.