El crecimiento del sector bancario es directamente proporcional a su capacidad para gestionar los riesgos crediticios. Cada país tiene su propia puntuación de crédito, como CIBIL en la India, FICO en los Estados Unidos, etc. Esta puntuación decide si el solicitante de crédito es un moroso o un no moroso. Los bancos conceden créditos a los solicitantes que tienen una baja puntuación crediticia aumentando el tipo de interés y aprovechando la necesidad del cliente para sus beneficios con el fin de reducir sus riesgos crediticios. Así, equilibran su situación crediticia general. Ahora que los bancos se están recuperando poco a poco de la pandemia y se están adaptando al nuevo modo de vida, es esencial que el sistema de calificación crediticia sea preciso para evitar más riesgos crediticios.

Factores que afectan al riesgo crediticio

El primer paso para analizar y calcular la puntuación crediticia es comprender los factores que afectan al riesgo crediticio. Hay muchos factores que lo afectan de forma directa, tanto para el solicitante como para el prestamista. Algunos de ellos son:

Probabilidad de incumplimiento (POD/PD)

La probabilidad de incumplimiento (POD o PD por sus siglas en inglés) es la tendencia a que el solicitante no pague la deuda. La POD para los particulares se calcula en función de la relación deuda-ingresos y la puntuación de crédito. En el caso de las empresas, esta tendencia se calcula en función de estadísticas como los bonos corporativos, etc. Una alta POD conducirá a altos tipos de interés y a elevados pagos iniciales.

Pérdida en caso de incumplimiento (LGD)

Supongamos que dos solicitantes tienen una puntuación de crédito y una relación deuda-ingresos similares. El primer solicitante pide un préstamo de menor monto, mientras que el segundo pide un préstamo de mayor. En este caso, el segundo solicitante crea una mayor probabilidad de riesgo para el prestamista en comparación con el primer solicitante.

Esto se debe a que el importe prestado al segundo prestatario es mayor que el del primer prestatario y, en caso de morosidad, el prestatario con mayor importe causará mayores pérdidas al prestamista en comparación con el otro prestatario. Esto es precisamente la Pérdida en caso de incumplimiento (LGD, por sus siglas en inglés). No hay factores particulares para calcular la LGD y se estima revisando la cartera de préstamos.

Exposición en caso de incumplimiento (EAD)

La Exposición en caso de incumplimiento (EAD, por sus siglas en inglés) es la exposición total a pérdidas a la que se expone un prestamista en un momento dado. Se basa en los saldos pendientes que el prestamista recibe antes del incumplimiento.

Lavado de dinero

Algunos solicitantes tendrán una puntuación de crédito adecuada y figurarán como no morosos. Sin embargo, pueden existir riesgos crediticios, ya que hay posibilidades de que estos solicitantes tengan garantías o capitales falsos. Para ello, hay que seguir las normas adecuadas contra el lavado de dinero (AML, por sus siglas en inglés).

Áreas bancarias vulnerables a los riesgos crediticios

Algunas de las áreas en las que los riesgos crediticios son elevados son

1. Préstamo

La tramitación de los préstamos incluye el crédito a la vivienda, las hipotecas, las pequeñas empresas, etc. Los riesgos crediticios se evalúan en función de: historial crediticio, capacidad de reembolso, capital, condiciones del préstamo y garantía asociada (five C’s: Credit History, Capacity to repay, Capital, loan Conditions, and associated Collateral. Fuente: https://www.investopedia.com/terms/c/creditrisk.asp.) La mayoría de los prestamistas consideran que hay que disponer de un activo en caso de que no se cumpla con la devolución del importa.

2. Póliza de seguro

Incluye la póliza de seguro de vida y las pólizas de bienes y activos. En caso de cualquier incapacidad o de cualquier pérdida de los bienes, se hace la reclamación del seguro. Esto requiere riesgos crediticios ya que algunos estafadores intentan reclamar falsamente su póliza de seguro.

3. Tarjeta de crédito

En función de los ingresos de un individuo o del patrimonio neto de cualquier empresa, los bancos proporcionan tarjetas de crédito con un límite máximo para retirar. Hay un periodo de tiempo previsto para pagar este dinero.

4. Negocios fiduciarios

Los negocios fiduciarios, como las inversiones, las titulizaciones, etc., son un grupo de confianza para realizar operaciones que se ajustan al contrato realizado.

¿Por qué recurrir a la Inteligencia Artificial para la gestión del riesgo crediticio?

El método tradicional de análisis del riesgo crediticio se basa en las experiencias pasadas de los bancos con los solicitantes. Sin embargo, en la actualidad, existen diferentes formas de concesión de créditos y un mayor número de solicitantes. A esto se suma la reciente pandemia y, por tanto, el trabajo manual de predicción del riesgo crediticio es insuficiente en cuanto a precisión y rapidez.

Y eso exige la necesidad de adoptar un sistema de puntuación de crédito preciso que proporcione análisis basados en datos y no en experiencias. A partir de 2017-18, el número de instituciones financieras que utilizan la Inteligencia Artificial (IA) se duplica y el 40% de esas instituciones han aplicado la IA para calcular los riesgos crediticios (Fuente: https://cfo.economictimes.indiatimes.com/news/optimising-credit-risk-analysis-with-the-power-of-ai-machine-learning/72239074). Poco a poco, la mayoría de las empresas están adoptando la ayuda de la IA para sus servicios de préstamos y esto se debe a que la IA proporciona un sistema de puntuación crediticia basado en datos con una capacidad de decisión precisa.

A continuación, presentamos algunas ventajas de disponer de la IA para el sistema de calificación crediticia:

• Decisiones de crédito más rápidas

Desde la obtención manual de los datos del cliente hasta la verificación de su perfil, las decisiones crediticias consumen bastante tiempo. Implementar la IA en esta área puede reducir significativamente los esfuerzos y el tiempo.

• Aumento de la eficacia del sistema de calificación crediticia

Una de las principales razones para implementar la IA en la gestión del riesgo crediticio es su capacidad para proporcionar señales de alerta temprana en caso de cualquier discrepancia en el sistema de crédito global.

• Mejora de la experiencia del cliente

Para aumentar la precisión del sistema de crédito y mejorar la experiencia general del cliente, la IA proporciona las personalizaciones necesarias para el cliente mediante el análisis de sus datos.

• Cálculo eficiente de la solvencia del cliente utilizando datos en tiempo real

El sistema de gestión del riesgo crediticio basado en la IA supervisa continuamente los datos de los clientes. De este modo, puede proporcionar resultados precisos de la solvencia de un cliente en cualquier momento.

• Cumplir todos los requerimientos

Es imprescindible que todos los bancos cumplan con todos los requerimientos normativos que exigen datos precisos y transparentes. Con la IA en el sistema de calificación crediticia, los datos proporcionados son precisos, en tiempo real y transparentes.

¿Cómo puede la IA ayudar en el sistema de calificación crediticia?

La IA con la ayuda del AU tiene diferentes modelos de clasificación, que proporcionan el análisis de riesgo crediticio requerido. Algunos de los modelos de clasificación son:

1. Máquina de vectores de soporte (SVM)

Utiliza el concepto de minimización del riesgo estructural (SRM por sus siglas en inglés). Al utilizar el modelo lineal en un espacio de alta dimensión, la máquina de vectores de soporte (SVM, por sus siglas en inglés) implementa límites de clase no lineales. Calcula el hiperplano de margen en el espacio de alta dimensión que puede clasificar las clases de decisión en la medida de lo posible. Utilizando este principio, la SVM ayuda a analizar los riesgos crediticios.

2. Árbol de decisión (DT)

El árbol de decisión (DT, por sus siglas en inglés) consta de una raíz con nodos de hoja y nodos internos. Un nodo hoja no tendrá ninguna arista mientras que el nodo interno tendrá al menos una. Cada nodo interno tendrá una etiqueta de predicción llamada atributo de división. Para encontrar el valor predicho (riesgo crediticio), se debe empezar por la raíz y seguir los nodos internos hasta encontrar el nodo hoja.

3. Redes neuronales (NN)

Las redes neuronales (NN, por sus siglas en inglés) son procesadores masivamente paralelos, que simulan el cerebro humano para recoger las pruebas observadas y almacenar el conocimiento. Consta de tres capas: la capa de entrada, la capa oculta y la de salida, posteriormente denominada Percepción Multicapa (MLP, por sus siglas en inglés).

4. Algoritmo metaheurístico (MA)

El Algoritmo Metaheurístico (MA, por sus siglas en inglés) es un proceso automatizado que encuentra la solución optimizada más cercana para un problema. Consta de varias categorías y se basa en el Algoritmo Genético (GA, por sus siglas en inglés), la Programación Genética (GP, por sus siglas en inglés), la Optimización de Colonia de Hormigas (ACO, por sus siglas en inglés), el Recocido Simulado (SA, por sus siglas en inglés), etc.

Aunque hay varios algoritmos de este tipo que ayudan a analizar el riesgo crediticio, es difícil seleccionar uno de ellos como el mejor para las decisiones de crédito, ya que depende del escenario. Para cada escenario de riesgo crediticio, es necesario comparar el algoritmo con factores como la precisión, la tasa de clasificación errónea y el tiempo de cálculo y luego aplicar el algoritmo más adecuado. Por lo tanto, la toma de decisiones se convierte en un aspecto fundamental para obtener una puntuación crediticia precisa.