Reducción de la brecha del crédito en México en un ambiente de incertidumbre generada por la pandemia COVID-19: Un enfoque de ciencia de datos (machine learning)

Rodríguez-García, Jair Hissarly and Venegas-Martínez, Francisco (2021): Reducción de la brecha del crédito en México en un ambiente de incertidumbre generada por la pandemia COVID-19: Un enfoque de ciencia de datos (machine learning).

Abstract

Resumen El otorgamiento de microcréditos de forma eficiente y transparente a través de plataformas digitales a individuos que desarrollan actividades económicas y que buscan mantener su empleo y el de sus trabajadores y que no tienen acceso al sistema financiero convencional es, sin duda, un problema urgente por resolver en la crisis sanitaria por la que atraviesa actualmente México. La presente investigación desarrolla varios modelos y estrategias de riesgo de crédito que permiten promover la inclusión crediticia en México de manera justa y sostenible en un ambiente de incertidumbre generada por los estragos presentes y esperados por la pandemia COVID-19. Para ello se utiliza el enfoque de ciencia de datos de machine learning, particularmente, se emplean las herramientas: regresión del árbol de decisión, bosques aleatorios, función de base radial, boosting, K-Nearest Neigbor (KNN) y Redes Neuronales.

Abstract The efficient and transparent granting of microcredits through digital platforms to people who carry out economic activities and who seek to maintain their employment and that of their workers and who do not have access to the conventional financial system is, without a doubt, an urgent problem be solved in the health crisis that Mexico is going through. This research develops various credit risk models and strategies that allow promoting credit inclusion in Mexico in a fair and sustainable manner in an environment of uncertainty generated by the present and expected ravages of the COVID-19 pandemic. For this, the data science approach of machine learning is used, in particular, the used tools are: decision tree regression, random forests, radial basis function, boosting, K-Nearest Neigbor (KNN), and Neural Networks.

• Item Type: MPRA Paper
• English Title: Reducing the credit gap in Mexico in an environment of uncertainty generated by the COVID-19 pandemic: A data science approach (machine learning)
• Language: Spanish
• Keywords: riesgo crédito, ciencia de datos, mercados de créditos, instituciones financieras, inclusión financiera. credit risk, data science, credit markets, financial institutions, financial inclusion.
• Subjects: G - Financial Economics > G2 - Financial Institutions and Services > G23 - Non-bank Financial Institutions ; Financial Instruments ; Institutional Investors

References

Abanto, P. A. R., & Chávez, R. S. (s. f.). Estructura del mercado de créditos y tasas de interés: Una aproximación al segmento de las microfinanzas. 19.

Achieving the Sustainable Development Goals. (s. f.-a). Recuperado 21 de abril de 2020, de https://www.cgap.org/research/publication/achieving-sustainable-development-goals

Achieving the Sustainable Development Goals. (s. f.-b). Recuperado 16 de marzo de 2020, de https://www.cgap.org/research/publication/achieving-sustainable-development-goals

Albarrán Lozano, I., y Alonso González, P., Fundación MAPFRE, e Instituto de Ciencias del Seguro. (2010). Métodos estocásticos de estimación de las provisiones técnicas en el marco de solvencia II. Fundación Mapfre.

Amoroso, C., Noemi, D., y Martínez Jara, M. (2009). Metodología para la evaluación de la capacidad de pago de un sujeto de crédito de consumo. http://www.dspace.espol.edu.ec/handle/123456789/2110

Amoroso, D. N. C., y Jara, I. M. M. (s. f.). Metodología para la evaluación de la capacidad de pago de un sujeto de crédito de consumo.

Angelucci, M., Karlan, D., and Zinman, J. (2015). Microcredit Impacts: Evidence from a Randomized Microcredit Program Placement Experiment by Compartamos Banco. American Economic Journal: Applied Economics, 7(1), 151-182. https://doi.org/10.1257/app.20130537

Balmaseda Pérez, B. I., Necoechea Hasfield, L., Balmaseda Pérez, B. I., y Necoechea Hasfield, L. (2013). Metodología de estimación del número de clientes del sistema bancario en México. El trimestre económico, 80(320), 943-963.

Banco de Pagos Internacionales. (2010). Actividades de microfinanciación y los Principios Básicos para una supervisión bancaria eficaz. (Basilea, Suiza).

Barona, C. V. B., & Villegas, I. M. U. (s. f.). Determinantes de la probabilidad de morosidad en la cartera de microcrédito.

BBVA Financial Report. (2010). Probabilidad de incumplimiento (PD). https://accionistaseinversores.bbva.com/microsites/informes2010/es/Gestiondelriesgo/ProbabilidaddeincumplimientoPD.html

Barraza, J. E. (2015). Modelando time to default sensible al contexto sistémico en carteras de consumo [Text, Universidad de Buenos Aires. Facultad de Ciencias Económicas.]. http://bibliotecadigital.econ.uba.ar/?c=tpos&a=d&d=1502-0868_BarrazaJE

Beck, T., Levine, R., and Loayza, N. (2000). Finance and the sources of growth. Journal of Financial Economics, 58(1), 261-300. https://doi.org/10.1016/S0304-405X(00)00072-6

Bejarano, L., y Fernando, V. (2015). Modelo de suficiencia de capital utilizando una medida de concentración para la cartera de crédito comercial de una institución financiera. http://bibdigital.epn.edu.ec/handle/15000/12555

Beltrán Pascual, M. (2015). Diseño e implementación de un nuevo clasificador de préstamos bancarios a través de la minería de datos. http://e-spacio.uned.es/fez/view/tesisuned:CiencEcoEmp-Mbeltran

Benchmarking de las microfinanzas en México 2015-2016: Un informe del sector (p. 142). (2016). [Documento]. ProDesarrollo: Finanzas y Microempresa A.C. https://www.microfinancegateway.org/es/library/benchmarking-de-las-microfinanzas-en-m%C3%A9xico-2015-2016-un-informe-del-sector

Boser, B. E., Guyon, I. M., & Vapnik, V. N. (1992). A training algorithm for optimal margin classifiers. Proceedings of the fifth annual workshop on Computational learning theory, 144–152. https://doi.org/10.1145/130385.130401

Bruhn, M., & Love, I. (2014). The Real Impact of Improved Access to Finance: Evidence from Mexico. Journal of Finance, 69(3), 1347-1376.

Cáceres, F. U., y Palacios, Y. A. (2017). Análisis de supervivencia como alternativa metodológica para estimar probabilidades de incumplimiento de los deudores de créditos corporativos y a grandes empresas en el Perú. Industrial Data, 20(1), 7-16. https://doi.org/10.15381/idata.v20i1.13486

Cálculo del valor en riesgo operacional mediante redes bayesianas para una empresa financiera. (2016). Contaduría y Administración, 61(1), 176-201. https://doi.org/10.1016/j.cya.2015.09.009

Carlos, J., & García-Cespedes, J.-C. (2018). Nuevas técnicas de medición del riesgo de crédito.

Castillo, F., & León, J. (2019). “SOBRE EL APETITO POR EL RIESGO EN EL MERCADO DE MICROCRÉDITOS: EL CASO DE LAS CAJAS MUNICIPALES”. 26.

Castillo Polanco, L. Alfredo. (2013). Determinantes del desempeño de la tecnología del microcrédito individual. Investigación económica, 72(285), 115-140.

CGAP-Occasional-Paper-Microcredit-Interest-Rates-Nov-2002-Spanish.pdf. (s. f.). Recuperado 19 de junio de 2018, de https://www.cgap.org/sites/default/files/CGAP-Occasional-Paper-Microcredit-Interest-Rates-Nov-2002-Spanish.pdf

Chen, G. (s. f.). Gráfico 1: Cuatro países que recientemente tuvieron crisis de pago en el sector microfinanciero. 20.

Chiapa, C. (s. f.). Diagnóstico de las Políticas Públicas de Microcrédito del Gobierno Federal. 263.

Chong, A., y Schroth, E. (s. f.). Cajas municipales, microcrédito y pobreza en el Perú. 39.

Clavellina Miller, J. L. (2013). Crédito bancario y crecimiento económico en México. Economía Informa, 378, 14-36. https://doi.org/10.1016/S0185-0849(13)71306-9

Clavellina Miller, J. L., & Domínguez Rivas, M. I. (2020). Implicaciones económicas de la pandemia por COVID-19 y opciones de política. http://bibliodigitalibd.senado.gob.mx/handle/123456789/4829

Clavellina-Miller, J. L. (2013, febrero 28). (PDF) Crédito bancario y crecimiento económico en México. https://www.researchgate.net/publication/276378768_Credito_bancario_y_crecimiento_economico_en_Mexico

CNBV. (2006).Disposiciones de carácter general aplicables a las entidades de ahorro y crédito popular, organismos de integración, sociedades financieras comunitarias y organismos de integración financiera rural, a que se refiere la ley de ahorro y crédito popular.

CNBV. (2018). Disposiciones de Carácter General aplicables a las Instituciones de Crédito.

Collins, M. C., Harvey, K. D., & Nigro, P. J. (2002). The Influence of Bureau Scores, Customized Scores and Judgmental Review on the Bank Underwriting Decision-Making Process. Journal of Real Estate Research, 24(2), 129-152.

Dellien, H., and Schreiner, M. (s. f.). Credit Scoring, Banks, and Microfinance: Balancing High-Tech with High-Touch. 16.

Donou-Adonsou, F., and Sylwester, K. (2016). Financial development and poverty reduction in developing countries: New evidence from banks and microfinance institutions. Review of Development Finance, 6(1), 82-90. https://doi.org/10.1016/j.rdf.2016.06.002

Embríz, F. A., Diez-Canedo, J. M., y Aranda, A. R. (s. f.). Implantación del Modelo CyRCE: 45.

Espin-García, O., y Rodríguez-Caballero, C. V. (2013). Metodología para un scoring de clientes sin referencias crediticias. Cuadernos de Economía, 32(59), 139-165.

Esquivel, H. (s. f.). Medición del efecto de las microfinanzas en México. 19.

Esquivel, R. S. (2017). Microfinanzas. Resultados financieros y sociales: México y Perú. 10(27), 22.

Fernández, D. (s. f.). Suficiencia del capital y previsiones de la banca uruguaya por su exposición al sector industrial. Banco Central de Uruguay.

Fernández, D., y Netto, R. S. (s. f.). Valor en riesgo de las carteras de préstamos bancarios. 43.

Figueroa, M. (2006). Minería de datos aplicada a Credit Scoring. http://repositorio.usfq.edu.ec/handle/23000/547 Financial development and poverty reduction in developing countries: New evidence from banks and microfinance institutions | Elsevier Enhanced Reader. (s. f.). https://doi.org/10.1016/j.rdf.2016.06.002

G20-Policy-Guide-Digitisation-and-Informality.pdf. (s. f.). Recuperado 16 de mayo de 2020, de http://www.oecd.org/g20/G20-Policy-Guide-Digitisation-and-Informality.pdf

Gómez Jacinto, L. G. (2008). Información Asimétrica: Selección Adversa y Riesgo Moral. Actualidad Empresarial, 170.

Gómez-González, J. E., Morales-Acevedo, P., Pineda, F., & Zamudio-Gómez, N. E. (2007). Estimación de matrices de transición de la calidad de cartera comercial de las entidades financieras colombianas.

Hernández Corrales, L., Cerón, M., Ángel, L., y Benavides, J. (2005). Desarrollo de una metodología propia de análisis de crédito empresarial en una entidad financiera. Estudios Gerenciales, 21(97), 129-165.

Grimshaw, S. D., & Alexander, W. P. (s. f.). Markov Chain Models for Delinquency: Transition Matrix Estimation and Forecasting. 42.

Guerrero, M., & Rolando, D. (2009). Optimización del capital económico mediante la diversificación de una cartera de crédito: Caso práctico para una Institución Financiera. http://bibdigital.epn.edu.ec/handle/15000/8199

Guo, G., Zhu, F., Chen, E., Liu, Q., Wu, L., & Guan, C. (2016). From Footprint to Evidence: An Exploratory Study of Mining Social Data for Credit Scoring. ACM Transactions on the Web (TWEB), 10. https://doi.org/10.1145/2996465

Hadzimustafa, S., & Cipusheva, H. (2012). Microfinancing as a Poverty Reduction Tool (SSRN Scholarly Paper ID 2368787). Social Science Research Network. https://papers.ssrn.com/abstract=2368787

HR Ratings. (2016). Microfinancieras en México. Análisis Sectorial.

INEGI. (2018). Encuesta Nacional de Inclusión Financiera.

Ivanciuc, O. (2007). Applications of Support Vector Machines in Chemistry. En Reviews in Computational Chemistry (pp. 291-400). John Wiley & Sons, Ltd. https://doi.org/10.1002/9780470116449.ch6

Jung, T., & Strohhecker, J. (2009). Risk-adjusted pricing strategies for the corporate loans business: Do they really create value? System Dynamics Review, 25(4), 251-279. https://doi.org/10.1002/sdr.429

Lara Rubio, J. (2010a). La gestión del riesgo de crédito en las instituciones de microfinanzas. Editorial de la Universidad de Granada.

Lara Rubio, J. (2010b). La gestión del riesgo de crédito en las instituciones de microfinanzas. Editorial de la Universidad de Granada.

Leyshon, A., & Thrift, N. (1995). Geographies of Financial Exclusion: Financial Abandonment in Britain and the United States. Transactions of the Institute of British Geographers, 20(3), 312-341. JSTOR. https://doi.org/10.2307/622654

López, R. A. C. (s. f.). La importancia de áreas de administración de riesgos en las entidades de ahorro y crédito popular. 18.

Maldonado, D., y Pazminño, M. (2008). Nuevas herramientas para la Administración del Riesgo Crediticio: El caso de una Cartera Crediticia Ecuatoriana. Cuestiones Económicas, 24(2).

Marimo, M. (2015). Survival Analysis of Bank Loans and Credit Risk Prognosis. University of the Witwatersrand.

Martínez Sánchez, J. F. (2012). Riesgo Operacional en el Mercado de Dinero. Instituto Politécnico Nacional.

Martínez Sánchez, J. F., y Venegas Martínez, F. (2013). Riesgo operacional en el proceso de pago del Procampo Un enfoque bayesiano. Contaduría y Administración, 58(2), 221-259. https://doi.org/10.1016/S0186-1042(13)71216-6

Martínez-Sánchez, J. F., y Venegas-Martínez, F. (2013). Riesgo operacional en el proceso de liquidación del mercado mexicano de valores: Un enfoque bayesiano. Investigación Económica, 72(286), 101-138.

Marulanda Consultores en colaboración con DAI. (2011). Estudio. Microfinanzas en México.

Méndez, M. C. (s. f.). Modelización estadística con Redes Neuronales. Aplicaciones a la Hidrología, Aerobiología y Modelización de Procesos. 161.

Mermelstein, D. (2006). Defaults en carteras hipotecarias, macroeconomía y arreglos institucionales: Más allá de los modelos de Credit-Scoring tradicionales. Universidad de Buenos Aires. Facultad de Ciencias Económicas.

Mermelstein, D. A. (s. f.). Credit scoring: del uso tradicional, al pricing ajustado por riesgo. 5. Method 8000c - determinative chromatographic separations. (2003). 66.

Microfinanzas en México: Evolución hacia el impacto social. (2015). [Actualidad]. PRONAFIM. https://www.microfinancegateway.org/es/library/microfinanzas-en-m%C3%A9xico-evoluci%C3%B3n-hacia-el-impacto-social

Miled, K. B. H., & Rejeb, J. E. B. (2015). Microfinance and Poverty Reduction: A Review and Synthesis of Empirical Evidence. Procedia - Social and Behavioral Sciences, 195, 705-712. https://doi.org/10.1016/j.sbspro.2015.06.339

Nicolo, G., Jalal, A. M., & Boyd, M. (s. f.). Bank Risk-Taking and Competition Revisited: New Theory and New Evidence. IMF. Recuperado 26 de julio de 2020, de https://www.imf.org/en/Publications/WP/Issues/2016/12/31/Bank-Risk-Taking-and-Competition-Revisited-New-Theory-and-New-Evidence-20126

Nieto Murillo, S., Pérez Salvador, B. R., & Soriano Flores, J. F. (2011). Crédito al Consumo: La Estadística aplicada. Actuarios Trabajando: Revista Mexicana de investigación actuarial aplicada., 6, 109.

Niu, B., Ren, J., & Li, X. (2019). Credit Scoring Using Machine Learning by Combing Social Network Information: Evidence from Peer-to-Peer Lending. Information, 10, 397. https://doi.org/10.3390/info10120397

Ospina Cardona, C. (2015). Modelo avanzado para administrar la cartera crediticia en la empresa. http://repositorio.utp.edu.co/dspace/handle/11059/6054

Ospina Cardona, C. (2015). Modelo avanzado para administrar la cartera crediticia en la empresa. http://repositorio.utp.edu.co/dspace/handle/11059/6054

Otero, M., Rhyne, E., & Martínez Vázquez, S. (1998). El nuevo mundo de las finanzas microempresariales: Estructuración de instituciones financieras sanas para los pobres. Plaza y Valdés : Servicios de Apoyo Local al Desarrollo de Base en México.

Perossa, M. L., y Gigler, S. (2015). Modelos microfinancieros latinoamericanos: Una experiencia para la inclusión social y el desarrollo. Cooperativismo & Desarrollo, 23(106). https://doi.org/10.16925/co.v23i106.1124

Pineda, G. L. A., y Gómez, J. G. M. (2010). Modelos de pérdidas agregadas (LDA) y de la teoría del valor extremo para cuantificar el riesgo operativo teoría y aplicaciones. 2010, 134.

Raccanello, K., y Roldán-Bravo, G. (2014). Instituciones microfinancieras y cajas de ahorro en Santo Tomás Hueyotlipan, Puebla. Economía Sociedad y Territorio. https://doi.org/10.22136/est00201435

Rawlings, J. O., Pantula, S. G., & Dickey, D. A. (1998). Applied regression analysis: A research tool (2nd ed). Springer.

Rayo Cantón, S., Lara Rubio, J., y Camino Blasco, D. (2010). Un Modelo de Credit Scoring para instituciones de microfinanzas en el marco de Basilea II. Journal of Economics, Finance and Administrative Science, 15(28), 89-124.

Rayo Cantón, S., Lara-Rubio, J., y Blasco, D. (2010). Un Modelo de Credit Scoring para instituciones de microfinanzas en el marco de Basilea II. Journal of Economics, Finance and Administrative Science, 15, 89-124.

Rentería, V., Pilar, V. D., Valencia, Z., y Luis, J. (2012). Cálculo de la probabilidad de default para una cartera de créditos vehiculares. http://www.dspace.espol.edu.ec/handle/123456789/24961

Rodríguez Vázquez, V. P., & Hernández Vaquero, J. (s. f.). Matriz de probabilidad de transición de microcréditos: el caso de una microfinanciera mexicana. Estudios Económicos. El Colegio de México, 28(1), 39-77.

Rozo, G., Andrea, E., Montoya, R., & Enrique, L. (2014). Pricing de Crédito en la Banca Comercial Colombiana. reponame:Repositorio Colegio de Estudio Superiores de Administración (CESA). http://repository.cesa.edu.co/handle/10726/1226

Salamanca, T., y Edwin, S. (2014). Macro credit scoring como propuesta para cuantificar el riesgo de crédito. Investigación y Desarrollo, 2(14), 42-63.

Sandiás, A. R., López, S. F., y González, L. O. (1999). Estimación de la capacidad de endeudamiento del proyecto: Propuesta de un modelo de cobertura temporal. La gestión de la diversidad : XIII Congreso Nacional, IX Congreso Hispano-Francés, Logroño (La Rioja), 16, 17 y 18 de junio, 1999, Vol. 1, 1999, ISBN 84-95301-10-5, págs. 761-772, 761-772. https://dialnet.unirioja.es/servlet/articulo;jsessionid=C0B4E2DB83FD6E6150B7698F7F741EA5.dialnet01?codigo=565104

Schreiner, M. (2003). Scoring: The next breakthrough in microcredit ? World Bank. https://documents.worldbank.org/en/publication/documents-reports/documentdetail

Seijas-Giménez, M. N., Vivel-Búa, M., Lado-Sestayo, R., y Fernández-López, S. (2017). Vista de La evaluación del riesgo de crédito en las instituciones de microfinanzas. COMPENDIUM, 4(9), 36-52.

Siddiqi, N. (2005). Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring. Sas Inst.

Simbaña, M., y Rodrigo, R. (2013). Modelación e implementación del control de riesgo operativo del área de riesgos mediante la simulación de Montecarlo y Redes Bayesianas para el caso de la cooperativa de ahorro y crédito Cotocollao. http://bibdigital.epn.edu.ec/handle/15000/8067

Soto Esquivel, R. (2017). Microfinanzas: Resultados financieros y sociales: México y Perú. Ola Financiera, 10(27). http://dx.doi.org/10.22201/fe.18701442e.2017.27.61005

Támara-Ayús, A., Aristizábal, R., y Velásquez, E. (2012). Matrices de transición en el análisis del riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada en una institución financiera colombiana. Revista Ingenierías Universidad de Medellín. Vol. 11, (20), 2012, pp.15-120. http://repository.eafit.edu.co/handle/10784/7632

Téllez Cabrera, M. R. (2010). Medición del riesgo en crédito: Implementación y cálculo del VaR y el CVaR en tres modelos de incumplimiento. Universidad Autónoma Metropolitana.

The CFPB Office of Research. (2015, mayo). Data point: Credit invisibles. Consumer Financial Protection Bureau. https://www.consumerfinance.gov/data-research/research-reports/data-point-credit-invisibles/

Thomas, L., Crook, J., & Edelman, D. (2017). Credit Scoring and Its Applications, Second Edition. SIAM.

Valencia, G. A. D. (2010). Las imperfecciones del mercado de créditos, la restricción crediticia y los créditos alternativos. Revista CIFE: Lecturas de Economía Social, 12(17), 103-134.

Velásquez, A., E, R., Ayús, T., Lenin, A., & Velásquez Ceballos, E. (2010). Modelación de riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada en una institución financiera. http://repository.eafit.edu.co/handle/10784/1187

Venegas-Martínez, F. (2008). Riesgos financieros y económicos: Productos derivados decisiones económicas bajo incertidumbre. Segunda edición. Editorial Cengage Learning. México.

Vergara, D., y Antonio, M. (2010). Método de Segmentación Utilizando Análisis de Supervivencia. Repositorio Académico - Universidad de Chile. http://www.tesis.uchile.cl/tesis/uchile/2010/cf-duarte_mv/html/index-frames.html

Vigano’, L. (1993). A credit scoring model for development banks: An African case study. Savings And Development, 17(4), 441-482.

Villafani-lbarnegaray, M., y Gónzales-Vega, C. (2007). Tasas de interés y desempeño diferenciado de cartera de las entidades de microfinanzas ante múltiples shocks sistémicos: ¿Se cumple el teorema de Stiglitz y Weiss en las microfinanzas bolivianas? Revista Latinoamericana de Desarrollo Económico, 8, 11-52.

Vogelgesang, U. (2003). Microfinance in Times of Crisis: The Efects of Competition, Rising Indebtedness, and Economic Crisis on Repayment Behaviour. 50.

Yang, A. (2013). Research on the Pricing Formula on Small Loan for RCC in China. International Academic Workshop on Social Science (IAW-SC-13). https://doi.org/10.2991/iaw-sc.2013.104