1. Los árboles de decisión son una herramienta efectiva utilizada por analistas financieros para la toma de decisiones.
2. Los modelos de scoring y árboles de decisión se emplean para el otorgamiento de créditos con el fin de minimizar el riesgo de crédito.
3. El uso de estas herramientas ha marcado un antes y un después en la gestión de riesgos de las instituciones financieras.
La empresa sostenible: Principales Características, Barreras para su Avance y...
Credit Scoring y Árboles de Decisión en la Gestión de Riesgo de Crédito
1.
2. Introducción
• La actividad de una entidad financiera es la toma
de riesgos, cada una de sus operaciones contiene
implícita o explícitamente la incertidumbre.
• Objetivo de la presentación en el método scoring
se utiliza árboles de toma de decisiones.
• Dentro del análisis de riesgo se deben identificar
las principales fuentes de exposición, desde el
enfoque de los activos financieros se tiene la
información presentada
4. Árboles de Decisiones
• Modelo de predicción utilizado
en el ámbito de la inteligencia
artificial.
• Se construyen diagramas de
construcciones lógicas, muy
similares a los sistemas de
predicción basados en reglas.
5. Inteligencia artificial
Responsable de introducir el término
“inteligencia artificial”, concepto que acuñó
en la Conferencia de Dartmouth en 1956.
John McCarthy
6. ¿En que consiste la “I.A.”?
Búsqueda del estado requerido en el
conjunto de los estados producidos por las
acciones posibles.
• Algoritmos genéticos
• Redes neuronales artificiales
• Razonamiento mediante una
lógica formal
7.
8. Se utiliza en el método de Scoring, Árboles de toma decisiones.
9. “Classification and regression trees”, 1984
Su principio básico es generar particiones recursivas por reglas de clasificación hasta llegar a una
clasificación final. Forma recursiva significa que la información se va conduciendo a través de las
ramas del árbol.
Leo Breiman
Richard Olshen
Jerome H. Friedman
Charles Stone
10. CART: Classification And Regression Trees
Método de inducción para construir
árboles de decisión de forma recursiva
11. Árboles de decisión: Análisis: ejemplo
de la rifa
Juega la rifa
No juega la rifa
Gana
(0,01)
Pierde
(0,99)
¢49.000
¢ -1000
¢ 0
Punto de
decisión
-500
14. Dr. J. Ross Quinlan
ID3 (Iterative Dichotomiser 3), 1986
Heurística* para la selección de
atributos
*(heurística es un algoritmo que
abandona uno o ambos objetivos;
por ejecutada razonablemente
rápido, aunque no existe tampoco
prueba de que siempre será así.)
utiliza la entropía de información
para crear los árboles.
16. Modelos estadísticos para predecir
probabilidades de incumplimiento
Se definen dos tipos de modelos para
predecir la probabilidad de incumplimiento:
1. El primero de iniciación
2. El segundo tipo de modelo es
el de comportamiento
18. Credit Scoring, 1960
Los métodos estadísticos y
no estadísticos de
clasificación son usados
para decidir si se debe
otorgar crédito a nuevos
clientes y para decidir cual
de los actuales clientes
están en peligro de no pago
en el corto o mediano
plazo.
19. ¿qué es credit scoring ?
• Las técnicas de credit scoring determinan el
riesgo de prestarle a un determinado cliente.
Un prestamista debe realizar dos tipos de
decisión.
20. ¿Cómo evalua Scoring?
Crédito basado en las 5 C:
1) Carácter del solicitante de crédito.
2) Capacidad de repago.
3) Capital disponible como respaldo.
4) Colateral como garantía del préstamo.
5) Condiciones de la economía en general.
21. Credit Scoring de acuerdo a software SAS
Compañía que elabora software para instituciones bancarias
22. Conclusiones
1. Los Árboles de decisión son una herramienta
efectiva. Para la toma de decisiones con que
cuentan los analistas financieros.
2. Los modelos son empleados para otorgamiento
de créditos. Su función es minimizar y mitigar
la ocurrencia del riesgo de crédito.
23. Reflexiones
• El uso de los árboles de decisión marco un
ante y después en la gestión integral de las
instituciones financieras.
• Es importante señalar que las empresas
financieras se encargan de desarrollar
software por medios de algoritmos que son
procesos para dar solución matemáticas.
24. Recomendaciones
• Constante supervisión de los procesos de toma
de decisiones, departamento de riesgo de
crédito.
• Actualizar al personal (oficiales de crédito)
constantemente y utilización de software.
• Aplicación del modelo scoring en medida en que
se pueda poner en práctica de bancos y otros
instituciones financieras están la competencia.