El género es una variable importante a la hora del análisis para identificar el riesgo créditicio, aunque no la única ni la más importante, pero el estudio «Predicción de Default en RD: un enfoque de Machine Learning para la evaluación de riesgo crediticio», muestra en sus resultados que los hombres son más propensos a caer en incumplimiento en comparación con las mujeres.
Publicada recientemente, la investigación de la autoría de Marcos Garcia, del Departamento de Estudios Económicos, plantea que la inclusión del género como variable en un modelo de riesgo de crédito puede generar discusiones sobre equidad y sesgo.
Dice que es fundamental que las instituciones financieras y los responsables de la toma de decisiones tengan en cuenta las implicaciones éticas y legales al utilizar variables como el género en sus modelos y que tomen medidas para garantizar la equidad y la no discriminación en sus prácticas crediticias.
Sostiene que la identificación de los factores que inciden en el comportamiento de un deudor es crucial para minimizar el riesgo de crédito de un acreedor, pues este necesita poder determinar si un potencial deudor podrá honrar su compromiso de deuda y no incurrir en default.
Apunta que una variable que pude aumentar la probabilidad de incumplimiento financiero es el aumento en la utilización de las tarjetas de crédito. Asimismo, los resultados del estudio señalan que la ocurrencia de atrasos en el pasado sugiere una mayores riesgos del crédito.
«El nivel de utilización de tarjetas de crédito es un indicador crítico en la evaluación del riesgo crediticio, y su impacto es coherente con lo reportado en la literatura especializada en el campo», apunta el informe de hallazgos.
Una de las variables más importantes en este estudio, según su autor, es el «atraso máximo del último año», indicando que «si un deudor ha mostrado incumplimiento en el pasado, existe una alta probabilidad de que continúe incumpliendo en el futuro».
La vejez del deudor enla entidad crediticia también se convierte en un factor de riesgo, sostiene el autor, pues «a medida que un deudor permanece más tiempo dentro de la entidad, su probabilidad de incumplimiento tiende a disminuir, y hay un punto donde el valor de esta variable revierte el efecto de la misma sobre la predicción de default del deudor».
El consumo mensual en la tarjeta de crédito también es una variable analizada y se explica que a medida que el consumo aumenta, la probabilidad de caer en incumplimiento disminuye, lo que suele ser un patrón contrario a la intuición.
Los ingresos del deudor es otra variable que proporciona información y se observa que, a partir de un umbral de ingresos de 20,000 pesos, el deudor comienza a ser menos propenso a caer en incumplimiento.
Los hallazgos sugieren que los deudores con ingresos más altos tienden a tener un menor riesgo de incumplimiento. Explica el autor, que la relación entre los ingresos y el riesgo crediticio es un patrón comúnmente observado en el análisis de riesgo de crédito, ya que los ingresos suelen estar relacionados con la capacidad de pago de un individuo.
Otra variable que llama la atención son los reportes a la Tesorería de la Seguridad Social (TSS), pues apunta el estudio que no tener ningún reporte o tener 12 meses continuos de reporte son los dos casos en los que el deudor es menos propenso a caer en incumplimiento.
«La ausencia de reportes en la TSS podría indicar que el deudor trabaja en la economía informal y tener los 12 meses de reporte sugiere una mayor estabilidad laboral en un trabajo formal. Los casos particulares son cuando el deudor tiene algún reporte, pero no los doce, lo que se asocia con una mayor inestabilidad laboral y financiera», señala el estudio.
En la conclusión de la investigación, colgada en el portal web de la Superintendencia de Bancos, se destaca la influencia de variables como la tasa de utilización de tarjetas de crédito y el máximo atraso en créditos existentes, las cuales indica que consistentemente muestran significancia en la predicción de incumplimientos.
Además, se observa la importancia de factores como los ingresos, la estabilidad laboral y la consideración de eventos externos, como la pandemia de COVID-19.