Treball final de màster

14.2.1. Avantatges del scoring estadístic

L’scoring estadístic quantifica el risc i té avantatges potencials importants quan es compara amb l'scoring implícit o subjectiu.

• 
  L’scoring estadístic quantifica el risc com una probabilitat.
  

Es tracta del resultat d’un càlcul que te en compte molts factors i ponderacions. En canvi, l’scoring subjectiu dona un resultat més del tipus “si / no” o “blan / negre” sense ponderar les diferents respostes.

• 
  L’scoring estadístic és consistent.
  

El càlcul de l’scoring donarà un mateix resultat a dos sol·licitud idèntiques. En canvi, en l’anàlisi subjectiva depèn de l’analista que fa l’avaluació i del moment en que aquest es trobi.

• 
  L’scoring estadístic és explícit.
  

Es coneix i es pot comunicar exactament el procés exacte seguit per l’avaluació. Per altra banda es difícil replicar el mètode de scoring subjectiu que segueix cada analista.

• 
  L'scoring estadístic considera una àmplia gamma de factors.
  

Mentre que l’scoring estadístic pot valorar un molt gran numero de factors, els analistes, en el seu mètode subjectiu, no pot valorar tants factors.

• 
  L’scoring estadístic es pot provar abans d'usar-lo.
  

Abans de posar en marxa un scoring estadístic es pot valorar la seva efectivitat sobre el resultat d’operacions fallides anteriors i d’aquesta manera fer els canvis adients per aproximar-se als resultats desitjats.

• 
  L’scoring estadístic revela les relacions entre el risc i les característiques del prestatari, el préstec, i el prestador.
  

Si be de manera subjectiva, es pot arribar a pensar que les dones acompleixen millor les seves obligacions que els homes, en el cas de l’scoring estadístic pot confirmar o no aquestes impressions i a vegades donar uns resultats totalment diferents.

• 
  El scoring estadístic redueix el temps gastat en cobrança.
  

Ajuda a prioritzar quines son les gestions mes importants per maximitzar els resultats des del punt de vist de la cobrança.

• 
  L’scoring estadístic supera la nota "automàtica".
  

S’ha demostrat que les sistemes de scoring automàtic superen en molt els sistemes experts basats en els resultats previs en operacions anteriors.

14.2.2. Desavantatges del scoring estadístic

L’scoring estadístic té diversos desavantatges. L’entitat financera que no respecti aquests desavantatges corre el risc d'un projecte fracassat (per no utilitzar la fitxa de qualificació) o, encara pitjor, d'usar la fitxa de qualificació malament, amb la conseqüència d'un ràpid augment en els problemes de la morositat. Com scoring és una eina poderosa, el seu mal ús pot ser molt perjudicial.

• 
  L’scoring estadístic requereix dades sobre molts préstecs.
  

Per poder elaborar un model de scoring mínimament fiable es necessitarà una base de dades de almenys 1.000 préstecs classificats com dolents.

• 
  L’scoring estadístic requereix moltes dades de cada préstec.
  

Això fa que en casos com l’avaluació dels autònoms, en el que no es disposa de tantes dades com de les empreses, l’efectivitat del model de scoring baixi considerablement.

• 
  Els scoring estadístics requereixen informació de qualitat adequada.
  

Totes les bases de dades disposen d’informació imprecisa i aleatòria i això pot fer variar molt els resultats de les avaluacions. Per tant es fonamental disposar de dades de màxima qualitat.

• 
  L’scoring estadístic requereix un consultor.
  

L’elaboració d’un bon sistema d’avaluació del risc, implica tasques estadístiques complexes i l’administració i monitoratge dels resultats del projecte, que habitualment es millor que siguin realitzades per algú amb experiència.

• 
  L’scoring estadístic sembla arreglar el que no està defectuós. 
  

• 
  L’scoring estadístic no pot aprovar, només denegar.
  

La decisió d’aprovar les operacions només es presa pels analistes, en canvia la decisió de denegar-les, es confia en l’aplicació estricta de les normes fetes pels scoring estadístics.

• 
  L’scoring estadístic suposa que una bona part del risc està vinculada amb característiques quantificades.
  

• 
  L’scoring estadístic suposa que el futur serà com el passat.
  

Aquesta situació es va veure molt clarament en els inicis de la crisi, principis del 2009. En aquests moments les operacions de préstec s’avaluaven en funció dels estats financers dels prestataris en el anys anteriors, que van ser molt millors que els posteriors. Per tant es donava una imatge de solvència que corresponia a una situació passada i no actual, ni molt menys de futur.

• 
  L’scoring estadístic funciona amb probabilitats, no amb certeses. 
  

Els mètodes actuals donen probabilitats d’impagament, que encara que siguin calculades de manera molt acurada, no donen cap tipus de certesa sobre el comportament del prestatari.

• 
  L’scoring estadístic és susceptible al mal ús.
  

Les dades estretes del model de scoring poden ser utilitzades de maneres molt diferents per els analistes i responsables d’avaluar el risc.

• 
  L'ús de certes característiques pot ser il·legal o immoral. 
  

14.3 La pèrdua esperada (PE): càlcul i les normes de Basilea II

En aquest cas podem fer la definició per passiva. El risc de crèdit és la possible pèrdua que assumeix un agent econòmic com a conseqüència de l'incompliment de les obligacions contractuals que incumbeixen les contraparts amb les que es relaciona. El concepte es relaciona habitualment amb les institucions financeres i els bancs, però afecta també a empreses i organismes d'altres sectors.

En els models d’avaluació del risc actuals, la puntuació obtinguda en el procés de scoring de les operacions, es tradueix amb una pèrdua esperada com a resultat de la aplicació del pilar I de la normativa de Basilea II. Per a la gestió del risc de crèdit solen utilitzar els conceptes de pèrdues esperades i inesperades:

La pèrdua esperada (PE) en una transacció és l'esperança matemàtica de la possible pèrdua. Generalment, sol calcular com el producte de:

• 
  La probabilitat d'incompliment (PD), és a dir, la probabilitat que el deutor no compleixi les seves obligacions.
  
• 
  Exposició en risc (EAD), o mida del deute.
  
• 
  Pèrdua en cas d'incompliment (LGD), que és una estimació de la part que realment es perd en cas d'incompliment després d'executar-les garanties, etc.
  

PE = PD x EAD x LGD

Aquesta manera de calcular la pèrdua esperada és purament operativa: sol correspondre a departaments diferents estimar les probabilitats d'incompliment, exposicions en risc i les pèrdues en cas d'incompliment.

La pèrdua esperada és additiva: la pèrdua esperada en una cartera de préstecs és la suma de les pèrdues esperades dels préstecs que la componen. Les entitats financeres estan obligades pels seus reguladors a mantenir reserves (o provisions) per cobrir-les.

Una variable aleatòria, com la de la pèrdua d'una cartera de préstecs, a part d'una mitjana (recollida per la pèrdua esperada) té també una variància que pot fer que la pèrdua real en un període de temps excedeixi substancialment a l'esperada. La pèrdua inesperada recull la variació i sol definir-se com un percentil donat de la distribució de pèrdues.

Generalment, els reguladors bancaris exigeixen que les entitats financeres tinguin capital suficient com per poder absorbir pèrdues inesperades d'una grandària donat. El marc regulador de Basilea II estableix normes per estimar la mida de l'esmentat coixí