Evaluacin de riesgo crediticio en prstamos personales utilizando Lgica Difusa

Baila Laurente, G.
gbaila@hotmail.com

Jurez Manayay, A. adrianomjm@hotmail.com

Orbeso Rivera, T.
Leo_n14@hotmail.com

RESUMEN
Las empresas bancarias se encargan de administrar la economa mundial y del adecuado manejo de las mismas depende la estabilidad del mercado mundial. Por ello se cuentan con diversas herramientas que permiten evaluar riesgos crediticios. Para nuestro caso, centraremos el estudio en la evaluacin de riesgos para prstamos personales tomando en cuenta las variables y reglas de negocio aplicadas por el grupo Scotiabank. Las herramientas utilizadas se basan en lgica bivalente, lo que genera problemas al momento de evaluar a las personas y algunas de la crisis en la economa mundial. Ya sabemos que la realidad es difusa. En consecuencia, el modelo planteado en el presente estudio se fundamente en lgica difusa, mediante el cual se podr analizar el riesgo crediticio para prstamos personales.

Problemas como el descrito anteriormente pueden ser resueltos a travs de la lgica difusa, mediante la cual se puede determinar el riesgos creditico de un postulante a travs de diversas variables de entrada que no son necesariamente bivalentes, sino que se ubican dentro de un rango de valores, lo que permite tomar decisiones acertadas y como ya se mencion propiciara un anlisis real y no una tan utpico como el utilizado a la fecha. Nuestra investigacin presenta un modelo para evaluacin de riesgos crediticios simulado en MatLab e implementado en un lenguaje de alto nivel como se mostrar ms adelante.

2. ANTECDENTES
Respecto al tema en estudio se han ubicado dos estudios sobre aplicacin de lgica difusa en inferencia de riesgo crediticio. Uno realizado en Colombia y otro en Venezuela. El trabajo colombiano, desarrollado por Gisela Paniagua Gmez, presenta el estudio realizado en una cooperativa de servicios financieros, la cual utiliz un Sistema de Inferencia Difuso para evaluar la solvencia de los asociados de la cooperativa solicitantes de crdito. Para desarrollar el modelo se cont con la base de datos de los asociados de la cooperativa y la opinin de expertos. De la base de datos se extrajo informacin sobre el monto del crdito otorgado, plazo, garantas, aportes sociales e historial crediticio de los clientes, para utilizarlos en el desarrollo del Modelo, el cual parte de definir las relaciones entre las variables de entrada y salida con ayuda del criterio experto. Lo anterior permite definir la base de conocimiento que representa por una parte, el entendimiento que los expertos tienen del fenmeno y por otra, sus sistemas de razonamiento. De esta manera se obtiene un modelo que considera toda la informacin en el proceso de evaluacin crediticia bajo una perspectiva ms objetiva con el fin de minimizar as el riesgo operativo y de contraparte en el otorgamiento del crdito. Sobre el estudio venezolano, desarrollado por Carlos Martnez, se trata de una tesis de pregrado cuyo resumen presentamos a continuacin: A fin de evitar crisis financieras como la ocurrida en 1994, Actualmente, para las entidades bancarias, se ha convertido en una necesidad considerar mejores prcticas para una adecuada identificacin, medicin, valoracin y gestin de estos riesgos. En tal sentido, la investigacin tiene como propsito mostrar la aplicacin de los modelos de calificacin de aspectos bancarios basados en agrupamiento difuso, como una herramienta para la obtencin de un modelo de clasificacin del riesgo financiero en

Palabras clave
Riesgo crediticio, Lgica difusa, Lgica bivalente, Prstamos personales, Variables lingsticas, Grado de pertenencia, Reglas de Negocio.

1. INTRODUCCION
Uno de los temas de mayor relevancia en el tratamiento de los riesgos del sector financiero crdito, principalmente personales, es el asociado al crdito. Un cuidadoso anlisis en la concesin de ste es lo que permite tener una adecuada administracin del crdito de cartera de las entidades financieras. Por lo tanto, un aspecto de extraordinaria importancia en la gestin de los riesgos crediticios es el relativo al anlisis y evaluacin del riesgo, as como la clasificacin de los clientes y la capacidad de pago, entre otros. Todos los estudios mencionados anteriormente son de vital importancia para las empresas financieras. Para la cual ests cuentan con diversos programas que permiten determinar el riesgo crediticio de los candidatos a un crdito y posteriormente otorgarles un crdito de acuerdo a sus necesidades y capacidad de pago. Generalmente las reglas de negocio aplicadas por las entidades financieras y la actualmente en estudio: Grupo Scotiabank estn basadas en la lgica bivalente. Tomando un ejemplo, se le brinda crdito slo a las personas que tienen ingresos mayores a setecientos soles, descartando a otros postulantes que quiz cuenten con un ingreso menor pero que tengan mayor estabilidad laboral que quienes ganan un poco ms. Como se puede notar en este ejemplo, la realidad no es bivalente. En el mundo actual no slo existen el blanco y el negro sino diversos matices, dicho de otro modo, existen diversos grados de pertenencia entre dos valores predefinidos.

los bancos universales y comerciales venezolanos desde el ao 1996 hasta el 2004. Por otra parte, tambin se mostrara una metodologa para la clasificacin de tres tipos de riesgo financiero, tales como: riesgo de crdito, operacional y liquidez Los estudios mencionados son los que ms se acercan a lo que pretendemos con el nuestro. El nuestro se restringe bsicamente al estudio de riesgo para crditos personales, para lo cual recalcamos se tom en cuenta slo una entidad bancaria del medio.

ejemplo: mujeres altas, edificios viejos, hombres bajos, elevada inteligencia, baja velocidad, viscosidad moderada Desde este punto de vista estos valores no podran ser definidos solo con 2 valores, 0 y 1, se ha de establecer un peso para la caracterstica estableciendo valores intermedios (ejemplo entre 0 y 1 tomando todos los valores intermedios, o bien estableciendo una escala de 0 a 100). -Grado de pertenencia: este valor establece el punto de transicin entre 0 y 1 entre las condiciones del conjunto difuso, por ejemplo si se establece que un edificio en el aspecto de lo nuevo que es tiene un valor de 7 , este ser el grado de pertenencia entre los nuevos edificios. Un ejemplo de uso del grado de pertenencia podra ser el siguiente, en el control de la velocidad de un vehculo, se contemplara la pertenencia en el aspecto de velocidad excesiva y no existe necesidad de cambio en la velocidad. Con estos dos aspectos se podra calcular cual es la accin que se ha de llevar a cabo segn los valores de entrada de estos valores. -Resumen de la informacin: la percepcin que tienen los seres humanos de su entorno es por naturaleza difusa, esto se debe a que no se usa la lgica bivaluada, a travs de un proceso mental inherente a la percepcin humana se llega a una salida, la cual es verbalizada. (A partir de un conjunto de entradas puede determinarse la situacin). Los seres humanos reciben ingentes cantidades de informacin , debido a la capacidad que los seres humanos poseen para manipular conjuntos difusos se pueden resumir, esta caracterstica es una de las grandes diferencias entre el proceso en los seres humanos y en las maquinas. La emulacin de esta habilidad humana es el desafo afrontado para llevar a cabo el desarrollo de la inteligencia artificial. -Variable difusa: es cualquier valor que est basado en la percepcin humana ms que en valores precisos de medicin (Ej. un color, que est compuesto en realidad por varias tintas, si la presin de la caldera es excesiva, si la temperatura del agua es la adecuada, si la cantidad de sal que lleva la tortilla es excesiva, si la velocidad de un tren es elevada) todas estas dependen de la percepcin y estn vinculadas con el uso del lenguaje y pueden ser usadas en estructuras del tipo if-then, como por ejemplo: if velocidad es excesiva then reducir la presin sobre el acelerador. -Universo de discurso: Este es el conjunto de elementos que vamos a tener en consideracin, por ejemplo si se considera que las personas de una comunidad, este universo estar formado por las personas bajas, las personas altas, los hombre con gafas.

3. LA LOGICA DIFUSA
3.1 DEFINICION

Se puede empezar teniendo en cuenta la frase planteada por Andrs Simn Moreno: La lgica borrosa o difusa se basa en la relatividad de lo observado. Para Zadeh, creador del trmino, la lgica borrosa "... un sistema lgico que est dedicado a la formalizacin de modos de razonamiento que son aproximados y no exactos." La lgica borrosa consiste en razonar con conjuntos imprecisos. Sin embargo como en todo, existen otras definiciones. Nosotros citaremos como complemento y en la lnea de lo descrito en apartados anteriores, la siguiente definicin: La Lgica Difusa es una extensin de la Lgica Multivaluada, que adems est relacionada y fundamentada en la teora de conjuntos difusos. Segn esta teora, ser una funcin de transferencia (que tomar cualquiera de los valores reales comprendidos en el intervalo [0,1]) la que determine el grado de pertenencia de un elemento a un conjunto. Llegado a este punto del estudio se puede decir que la lgica difusa se basa en la incertidumbre que genera el observar la realidad. A continuacin mencionamos algunas fuentes de incertidumbre derivadas de tres reas:

Las deficiencias de la informacin (incompleta, errnea, imprecisa), Las caractersticas propias del mundo real (no determinista: mismas causas producen efectos diferentes en distintas personas) y las deficiencias de los modelos que intentan explicarlo (incompleto, inexacto).

3.3

CONJUNTOS DIFUSOS Y OPERACIONES

Un conjunto difuso F en U puede ser representado como un conjunto de pares ordenados de un elemento genrico x y su grado de pertenencia. Como se muestra a continuacin:

Estas tres causas hacen que los sistemas utilizados actualmente para determinar el riesgo crediticio se vuelvan obsoletos.

3.2

CONCEPTOS GENERALES Complemento Dado un conjunto A, el conjunto complementario de A est formado por los elementos del universo que no pertenecen a A. En el caso difuso, este conjunto vendr definido por una funcin

A continuacin se presentar una serie de conceptos que ayudarn a la comprensin del captulo siguiente: -Fuzzy Sets o conjuntos difusos: desde el punto de vista de que se aplican palabras a la definicin de cualquier propiedad por

de pertenencia que se calcula para cada elemento a partir de su pertenencia al conjunto A. Es decir: A (x) = c ( (x)) Interseccin En teora de conjuntos clsica, se considera que un elemento pertenece al conjunto interseccin de dos conjuntos si pertenece a ambos. En el caso difuso el problema consiste en determinar el grado de pertenencia al conjunto interseccin, conocido el grado de pertenencia a cada uno de los conjuntos originales. Supongamos: A B (x) = i ( (x), (x)) Unin Al igual que en el caso anterior podemos declarar una axiomtica intuitiva para la unin de dos conjuntos difusos. Sea: A B (x) = u ( (x), (x)) Como la teora sobre lo difuso es bastante compleja e involucra adems de operaciones: Etiquetas lingsticas, grficas estndar y programas que nos permiten manejar tanto las grficas, variables lingsticas y reglas de negocio; se ha credo conveniente explicarlo conforme se avanza con la desarrollo de la aplicacin que se presentar como modelo.

Balance de Publicacin: tambin conocido como balance general o estado de situacin financiera, el cual muestra como se encuentran los recursos totales de la empresa (activos), as como sus deudas (pasivos) y el Patrimonio o Capital para una fecha determinada. Estado de Resultados: este muestra los resultados obtenidos por la empresa en un periodo determinado, como consecuencia de sus operaciones (ingresos, egresos, gastos operativos, etc.). Este par de documentos son la fuente original de datos que permitieron la construccin de las Razones Financieras. Uno de los instrumentos ms usados para realizar los anlisis financieros son las Razones Financieras. Estas pueden medir en alto grado la eficacia y comportamiento de la empresa, ya que, precisan el grado de liquidez, de rentabilidad, el apalancamiento financiero, cobertura y todo lo que tenga que ver con su actividad. El anlisis de las Razones Financieras fue utilizado en la investigacin como variables de entrada a los modelos difusos creados para medir y evaluar el desempeo de los bancos considerados.

4.2 RIESGO FINANCIERO PARA CREDITOS

PERSONALES
Lo mencionado anteriormente sirve para medir lo rentable que pueden llegar a ser las empresas financieras y la capacidad para realizar prstamos con las que cuentan. Recordemos que ellas tambin se encargan de salvaguardar ahorros de personas. Sin embargo cada una de ellas de acuerdo a su estatus y calificacin tambin cuenta con polticas para otorgar prstamos, en sus distintas modalidades, que es quiz lo que ms nos interesa para el presente estudio. Cada entidad bancaria como ya se dijo cuenta con polticas propias para determinar a quienes o que empresas brinda crditos. Generalmente se basan el cantidad de ingresos, egresos; determinan de este modo la capacidad de pago de las personas. Otros de los factores es el tiempo con se cuenta con empleo, se refiere a la estabilidad laboral y finamente podramos tener en cuenta la edad de los solicitante al momento de solicitar y al trmino del prstamo. Adelantando alguna de las polticas de la empresa elegida que es l grupo Scotiabank: Tener un ingreso igual o mayor a 700 soles mensuales. Mnimo de tres meses en el trabajo. Ser mayor de 25 aos y menor de 65. Contar con 80 aos como mximo al momento del trmino del crdito.

4. RIESGO FINANCIERO
El diccionario de la Real Academia Espaola define el riesgo como: contingencia, probabilidad, o proximidad de un peligro o dao. As pues, riesgo es la posibilidad de sufrir algn tipo de perjuicio, o de no tener xito en alguna accin emprendida. El Riesgo Econmico se define como la volatilidad o incertidumbre producida en el rendimiento de la inversin, debido a los cambios producidos en la situacin econmica del sector en el que opera la empresa. Por ejemplo, dicho riesgo puede provenir de la poltica de gestin de la empresa, la poltica de distribucin de productos o servicios, o la aparicin de nuevos competidores. El Riesgo Bancario se refiere a los distintos tipos de riesgos que enfrentan las instituciones bancarias cuando llevan a cabo sus actividades, las cuales varan dependiendo del tipo de negocios que desarrollan dichas instituciones. El Riesgo Bancario se puede clasificar en: Riesgo Financiero, Riesgo Estratgico, Riesgo de Negocios.

4.1 ESTADOS FINANCIEROS

Una forma de estudiar el Riesgo Financiero es a travs de los estados financieros, stos son documentos prcticos, esencialmente numricos que demuestran la situacin financiera de una empresa. El objetivo primordial de un estado financiero es el de informar acerca de la situacin financiera de una entidad para una fecha determinada como resultado de sus operaciones, adems de los cambios en su situacin patrimonial dentro de un periodo contable. Los principales estados financieros son:

5. ELABORACIN DE LA APLICACIN PARA LA EVALUACION DEL RIESGO FINANCIERO EN CREDITOS PERSONALES

El Sistema de Inferencia Difuso, es implementado con el propsito de ayudar en la evaluacin de crditos, de acuerdo con los criterios definidos que incorporan la percepcin de los especialistas de crditos. El problema consiste en analizar algunas caractersticas de los usuarios para tomar la decisin de conceder

o no el crdito, en el caso afirmativo, definir el monto a prestar, todo lo anterior con el fin de minimizar el riesgo crediticio y brindar este servicio financiero de una manera oportuna. Para el desarrollo de la aplicacin se tom en cuenta los datos brindados por la institucin financiera Scotiabank y que han sido descritos en el apartado anterior. Las entradas y salidas han sido ingresadas en MatLab para un mejor anlisis y para una explicacin adecuada, lo que se muestra ms adelante. Lo mostrado en MatLab se implementar posteriormente en un lenguaje de alto nivel. FIGURA 1

FIGURA 2

Tiempo: Se refiere al tiempo de permanencia en el trabajo del postulante. Tenemos las variables: Nuevo, Promedio y Antiguo. Lo ptimo para un prstamo es tener ms de tres meses. Se puede notar en la grfica 3. FIGURA 3

5.1

VARIABLES DE ENTRADA

Se han considerado cuatro entradas para la simplicidad del programa. Ingresos: Se consideran tres variables lingsticas: Ingresos bajos, medios y altos. Se consideran ingresos bajos hasta los 500 soles. Medios de 300 a 700 soles. Tengamos en cuenta que la institucin en estudio otorga prstamos slo a partir de los 700 soles, nuestro trabajo pretender ir un poco ms all. Se adeca a la realidad difusa. Finalmente los ingresos altos se consideran a partir de 600 soles. La grfica utilizada es la trapezoidal que se adeca a nuestro estudio.

Edad: Toma en cuenta la edad del postulante. Se tom en cuenta tres variables lingsticas Joven, adulto y anciano. Lo ideal es entre 25 y 60 aos. Recordemos tambin que al finalizar el crdito el postulante no debe tener ms de 80 aos.

FIGURA 4

FIGURA 6

Finalmente tenemos la variable Capacidad de pago que calcula bsicamente mediante: Capacidad de pago: Ingresos Totales Egresos Totales Los rangos han sido tomados del estudio colombiano y se muestran a continuacin. FIGURA 5

Prstamo: Es la variable de salida que indica la cantidad de sueldos que puede adquirir el postulante. Por ejemplo, si se obtiene como valor 7, quiere decir que el postulante puede solicitar un prstamo de hasta siete veces su sueldo. FIGURA 7

5.3

REGLAS

5.2

VARIABLES DE SALIDA

Se han considerado dos variables de salida que son principalmente el monto de prstamo y el plazo en que deber ser pagado. Plazo: Se refiere a la cantidad de tiempo, en meses, en que deber ser pagado el monto prestado. Recordemos que el valor cero significa que no se ha prestado nada a cierto postulante.

La base de conocimiento fue obtenida mediante criterio experto, es decir, se consult a varios expertos sobre las relaciones de dichas variables y cmo stas determinan el nivel del cupo y el plazo. La base de conocimiento se indican en las Tablas siguientes. Con respecto a la salida Plazo tenemos los siguientes datos de salida.

DE INFERENCIA DIFUSOS. (Oct. 2011). DOI= http://www.udem.edu.co/NR/rdonlyres/AEC59275-9F6A4DB8-B916E9BEFE4FD492/0/Modelaci%C3%B3nderiesgooperativo.pd f. Finalmente respecto a la variable Prstamo se obtuvieron los siguientes datos. [4] SIMON, Andrs. La Lgica Borrosa: Instrumento para el anlisis de las fases entrpicas de la realidad poltico social. [En lnea]. Caracas. 2009. [Fecha de consulta: 31 agosto 2011] Disponible en: http://www.analitica.com/media/9966811.pdf

Recordemos que hemos utilizado el mtodo de Mamdani.

6. INTERFAZ Y FUNCIONAMIENTO DE LA APLICACIN

Aqu debe ir la descripcin del programa

7. CONCLUSIONES
Investigar y elaborar un programa para determinar el riesgo crediticio para prstamos personales basado en lgica difusa. Nos permiti comprender que la realidad no es bivalente y que los programas que funcionan en base a dicha lgica e intentan solucionar problemas reales llegan a colapsar en algn momento. Lo difuso es inherente a la realidad y al mundo humano. El planteamiento de fututos proyectos que relacionados a actividades humanas debe plantear ya no con la lgica tradicional. El sistema implementado va a permitir que las entidades financieras puedan ofrecer crditos a una mayor cantidad de personas y con ello generar mayor rentabilidad y ayudar a las persona a obtener crditos de acuerdo a sus necesidades, sin que sean rechazados sus peticiones debido a restricciones cerradas. Que son resultas por los grados de pertenencia de las que se dispone con la lgica difusa.

8. AGRADECIMIENTOS
A nuestras camas y a Dios por permitirnos gozar de innumerables placeres, carnales y celestiales; que han permitido que este trabajo sea elaborado.

9. REFERENCIAS
[1] Paniagua Gmez, G, L. L. 2007. Modelo de inferencia difuso para estudio de crdito. (Oct. 2011). DOI= http://webdelprofesor.ula.ve/economia/gcolmen/programa/ec onomia/work_paper_sistemas_carlos_martinez_1.pdf. [2] Martnez, C, L. L. 2007. Uso de las Tcnicas de reprocesamiento de Datos e Inteligencia Artificial (Lgica Difusa) en la Clasificacin/Prediccin del Riesgo Bancario. (Oct. 2011). DOI= http://iies.faces.ula.ve/CDCHT/CDCHT%20E2170309B/PR EGRADO/TESIS_CARLOS_MARTINEZ.pdf. [3] Jaramillo Alexandra, J, L. L. 2007. MODELACIN DE RIESGOOPERATIVO MEDIANTE EL USO DE SISTEMAS