Credit Scoring para el cálculo de pérdidas esperadas y no esperadas: Caso CMAC PAITA S.A. Año 2017

• Autor: Sunción Zapata, Nilthong Kenidy
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Nacional de Piura
• Repositorio: UNP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unp.edu.pe:UNP/2174
• Enlace del recurso: https://repositorio.unp.edu.pe/handle/UNP/2174
• Nivel de acceso: acceso abierto
• Materia: Credit Scoring; Administración de riesgo; Pérdidas esperadas; Riesgo crediticio; Pérdidas no esperadas; Modelos logit; Ciencias Sociales

En la presente investigación se determinó y analizó el modelo credit scoring que ha permitido calcular eficientemente las pérdidas esperadas y no esperadas de la CMAC PAITA S.A y, por tanto, plantear implicancias de política crediticia que permitan contribuir con la estabilidad económica y financiera de la institución y/o sistema financiero nacional. En razón a ello, la hipótesis general que se formuló, fue la siguiente: El atraso promedio, los ingresos, la tasa efectiva mensual (TEM), el valor de la cobertura en garantía, la edad, el saldo capital, el número de cuotas, el monto desembolsado y el número de créditos vigentes, permiten calcular eficientemente las pérdidas esperadas y no esperadas, a partir de un modelo credit scoring. El tipo de investigación empleado fue explicativa – correlacional - predictiva. La principal fuente de información, fue la base de datos del sistema informático de la CMAC PAITA S.A, de la cual se tomaron en cuenta variables como: atraso promedio, monto desembolsado, sexo, edad, cuotas atrasadas, créditos vigentes, mora, saldo capital, ratio cuota excedente, tasa efectiva mensual, régimen tributario, nivel educativo, entre otros. Se empleó el análisis econométrico, el cual consistió en estimar un modelo logit, empleando el programa Stata 14.0. Así también, la investigación tuvo como soporte teórico, los enfoques de Basilea I, II y III, con respecto a pérdidas esperadas, credit scoring, y administración de riesgos. Dentro de los principales resultados, se encontró que para el modelo empresarial las variables significativas para explicar el credit scoring son: atraso promedio, créditos vigentes y ratio cuota excedente; y para el modelo de consumo son: Estado civil, número de cuotas atrasadas y número de cuotas del ultimo crédito. Además, se ha calculado un mayor volumen de pérdidas esperadas para la cartera de empresas (pequeña empresa, principalmente). En ese sentido, se recomienda a la CMAC PAITA S.A, orientar sus decisiones de otorgamiento crediticio en función a los niveles de provisiones y pérdidas esperadas generadas, tomando como referencia las principales variables de cada modelo resultante. Finalmente, la institución tendrá que identificar y seleccionar a los clientes con una mayor probabilidad de incumplimiento, a fin de garantizar el adecuado seguimiento de cartera.