october

Modelos de análisis de riesgos: construcción y aplicación

La crisis sanitaria del Covid-19 ha provocado dos situaciones:

  • Un aumento del número de solicitudes de préstamos relacionadas con el lanzamiento de las garantías del Estado.
  • Un aumento de la incertidumbre sobre la probabilidad de impago.

Para mitigar el riesgo, los bancos e inversores deben acelerar su transformación digital y disponer de un modelo de calificación de riesgos fiable y rápido. En October, desarrollamos nuestros propios modelos de calificación de riesgos. Ahora están disponibles para terceros con el lanzamiento de October Connect, nuestra tecnología de neolending para la financiación de empresas.

Para hablar de nuestros modelos de análisis de riesgos, nos reunimos con Tejas Sherkar, nuestro Head of Data en October. Lea ahora su entrevista.

 


¿Qué es un modelo de calificación del riesgo crediticio? ¿Cuál es la finalidad de estos modelos?

Un modelo de riesgos crediticio es básicamente un conjunto de reglas para cuantificar el riesgo que supone la concesión de un préstamo a una empresa. Estas reglas y los datos que se utilizan determinan la naturaleza, la complejidad y el rendimiento del modelo.

Los modelos de calificación (rating) se centran principalmente en la predicción de la solvencia de la empresa. En cambio, los modelos de puntuación (scoring) pueden predecir la solvencia y el posible impago.

En October, nos centramos en la creación de modelos de calificación mediante el análisis predictivo.

¿Cómo se construye un modelo de calificación? Enfocado en el machine learning, evaluación, implementación, validación

Una vez que tenemos una visión clara de la cuestión a resolver, podemos empezar a construir un modelo. En el caso de October, la pregunta era: ¿cómo podemos procesar las solicitudes de préstamo de forma rápida, escalable y segura para ayudar al mayor número posible de empresas manteniendo nuestro riesgo de impago bajo?

En este caso, nos enfrentamos a un problema de clasificación binaria (impago frente a no impago).

Comenzamos reuniendo los datos de nuestro data lake (un almacén de datos construido internamente con propiedades ACID forzadas) que incluye las empresas existentes en nuestra cartera y su comportamiento de reembolso, todas las solicitudes de préstamo históricas y sus finanzas asociadas, los datos de las transacciones bancarias y los indicadores de impago.

A continuación, se realiza una limpieza de datos, en la que se examina la distribución de todos los puntos de datos relacionados con las solicitudes de préstamo históricas, para tratar los valores atípicos y los que faltan. El objetivo de este ejercicio es comprender nuestra población y construir un conjunto de datos representativo en el que podamos entrenar nuestro modelo.

En October, utilizamos tanto modelos lineales como no lineales entrenados en este conjunto de datos representativo. A menudo se considera que los modelos no lineales se comportan como una caja negra, pero nosotros hacemos uso de SHAP para que los modelos no lineales sean totalmente explicables.

¿Cuál es el ciclo de vida de un modelo de puntuación de riesgos?

Una vez entrenado el modelo y desplegado en producción, controlamos los puntos de datos (que el modelo utiliza para la calificación) de las nuevas solicitudes de préstamo durante un periodo de tiempo (normalmente de 3 a 6 meses).

Si las propiedades estadísticas de estos nuevos puntos de datos han cambiado significativamente en comparación con el último entrenamiento del modelo, es probable que volvamos a entrenar el modelo y despleguemos una iteración mejorada del mismo en producción. Pero esto no es algo que se haga a la ligera, tenemos que entender qué ha cambiado en la población y los sesgos que se han introducido.

También, estamos buscando nuevos puntos de datos, ya sea de nueva creación a partir de datos existentes o de proveedores, que puedan mejorar el rendimiento de nuestro modelo.

October introdujo Magpie en 2020. ¿Qué es Magpie?

Magpie es un modelo de puntuación de riesgo crediticio instantáneo que examina la información financiera (balance + cuenta de resultados) y de comportamiento de la pyme y otorga una puntuación de 1 a 5 en orden de probabilidad creciente de impago.

Kea se lanzó a principios de este mes. ¿Cuál es la diferencia entre Kea y Magpie scoring?

Magpie y Kea están construidos utilizando la misma clase de modelos de aprendizaje automático. Sin embargo, difieren en el tipo de información analizada y en la categoría de empresas a las que se dirigen.

Magpie examina los datos financieros y de comportamiento de las empresas para evaluar la probabilidad de impago.
Mientras que Kea analiza las transacciones bancarias y los datos de comportamiento para calcular la probabilidad de impago de la empresa.

¿Qué analiza Kea en las transacciones bancarias de la empresa?

Las transacciones bancarias proporcionan una visión única de las operaciones cotidianas de una empresa y Kea diseña muchos atributos para analizar la capacidad y la voluntad de la empresa de devolver el posible préstamo.

Los atributos van desde si los costes se pagan con regularidad, hasta los calendarios de reembolso de los préstamos existentes, pasando por la morosidad y la evolución del saldo bancario a lo largo del tiempo.

¿Cuál fue el impacto de la nueva normativa DSP2 (open banking) en la creación de este nuevo modelo de calificación de riesgos?

La normativa DSP2 permite al cliente compartir de forma segura los datos bancarios de su empresa con un inversor (como en October) a través de una API en cuestión de segundos.

Un modelo como Kea (basado íntegramente en las transacciones bancarias) puede, por tanto, analizar estos datos al instante, lo que permite una gestión más segura y rápida.

¿Qué impacto tiene este modelo de puntuación de riesgos en el proceso de crédito?

Los modelos de puntuación de riesgo como Magpie y Kea reducen el tiempo para llegar a una decisión de crédito y ayudan a desarrollar un negocio escalable.

También, aportan cierta previsibilidad a toda la oferta de productos, ya que podemos informar a nuestros socios y empresas en una fase temprana del proceso sobre los pasos necesarios que hay que seguir o los documentos que hay que tener a mano.

¿Se realizará algún paso manualmente?

Aunque la puntuación de crédito se realiza de forma automática, confiamos en la experiencia de nuestro equipo de operaciones para realizar la identificación del cliente, algunas comprobaciones antifraude y la diligencia debida antes de financiar a la empresa.

¿A qué tipo de empresas se dirige el análisis con Kea?

En este momento, Kea califica a las microempresas en Francia 🇫🇷 y en Italia 🇮🇹. El importe del préstamo puede ser de hasta 30.000 euros, con o sin garantía del Estado.