Sandra Mateus

www.uderiesgos.com
Abril de 2013
REGRESIN LOGSTICA EN LA
GESTIN DEL RIESGO DE
CRDITO; APLICACIONES Y
VENTAJAS.
SANDRA MATEUS
www.uderiesgos.com
OBJETIVO REGRESIN
LOGSTICA
En modelos de rating y scoring, obtener una funcin lineal
de las variables independientes o predictoras,
de tal manera que
sea posible clasificar los
individuos en una de dos
subpoblaciones de la
variable dependiente (la cual es dicotmica en nuestro
caso), teniendo como insumo un conjunto de una o ms
variables independientes (cuantitativas o cualitativas).
SANDRA MATEUS
www.uderiesgos.com
INSUMOS EN MODELOS DE
RIESGO DE CRDITO
L
I
S
T
A

G
L
O
B
A
L

D
E

V
A
R
I
A
B
L
E
S

PERSONA NATURAL:
- Edad
- Gnero
- Estado civil
- Nro. Personas a cargo
- Tipo contrato
-Actividad econmica
- Ingreso familiar
- Gastos familiares
- Endeudamiento
- Hbitos de pago
PERSONA JURDICA:
- Indicadores financieros:
* Liquidez
* Endeudamiento
* Solidez
* Rentabilidad
* Eficiencia
- Hbitos de pago
- Antigedad
- Actividad econmica

V
A
L
I
D
E
Z

P
R
E
L
I
M
I
N
A
R

VERIFICACIN DE LA CALIDAD
DE LA INFORMACIN:

- Completitud
- Representatividad
- Cobertura
- Calidad

* Anlisis de datos faltantes
* Anlisis de datos atpicos
* Anlisis datos ilgicos o
incoherentes
* Anlisis de patrones de
diligenciamiento de datos
* Anlisis descriptivo de las
variables
* Diseo de cross tabss o
tablas de contingencia.




L
I
S
T
A

R
E
D
U
C
I
D
A

D
E

V
A
R
I
A
B
L
E
S

E
N

E
L

M
O
D
E
L
O

IDENTIFICACIN DE LAS
VARIABLES PREDICTIVAS EN EL
MODELO

* Anlisis de resultados
estadsticos
* Anlisis de lgica de negocios
de las variables en el modelo
* Anlisis de estabilidad del
modelo (muestra de validacin
o bootstrap)
* Anlisis de sensibilidad del
modelo
* Pruebas de escritorio
SANDRA MATEUS
www.uderiesgos.com
INSUMOS EN MODELOS DE
RIESGO DE CRDITO
El problema de clasificacin en grupos puede abordarse introduciendo
una variable Categrica.









Por ejemplo, si se desea discriminar entre crditos que presentan
problemas para su cobro, puede aadirse a la base de datos una
nueva variable y que tome el valor 0, cuando el crdito se devuelve sin
problemas y valor 1 en otro caso.
Si:
Mora > x das
Castigo
Reestructuracin
Dacin en pago
Cobro Jurdico
Y= 1
SANDRA MATEUS
www.uderiesgos.com
INSUMOS EN MODELOS DE
RIESGO DE CRDITO
El problema de discriminacin es equivalente a la
previsin del valor de la variable categrica; as; si
el valor estimado por el modelo est ms prximo
a 0 que a 1, se clasificar al individuo en la
primera poblacin. En otro caso, se clasificar en
la segunda
Si > lmite; se clasifica como 1; de lo contrario se clasifica como 0
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 0,95 1
PROBABILIDAD
LMITE
SANDRA MATEUS
www.uderiesgos.com
LINEA DE TIEMPO
PROYECCIN
VARIABLE DEPENDIENTE
DICOTMICA (DEFAULT NO
DEFAULT)
PUNTO DE REFERENCIA
HISTORIA
VARIABLES PREDICTORAS
X
Y
SANDRA MATEUS
www.uderiesgos.com
OBJETIVO REGRESIN
LOGSTICA
A partir de la regresin logstica es posible estimar
la probabilidad de que un individuo pertenezca a
uno de los grupos diferenciados en la variable
dependiente.

En este caso
no default (0)
default (1).

SANDRA MATEUS
www.uderiesgos.com
FUNCIN LOGSTICA
Tomando la funcin logstica dada por:




Y realizar la transformacin:
SANDRA MATEUS
www.uderiesgos.com
TRANSFORMACIN FUNCIN
LOGSTICA
La variable g representa en una escala logartmica la diferencia
entre las probabilidades de pertenecer a ambas poblaciones.

Esta funcin lineal de las variables explicativas facilita la
estimacin y la interpretacin del modelo.
Se tiene un modelo lineal que se denomina logit.

SANDRA MATEUS
www.uderiesgos.com
OBJETIVO REGRESIN
LOGSTICA
La probabilidad de que un individuo pertenezca a
uno de los dos grupos o subpoblaciones se
obtiene de:


Con:
Z=
o
+
1
* X
1
+
2
* X
2
+
3
* X
3
+ ...+
p
* X
p


PI
z
z
e
e
1
SANDRA MATEUS
www.uderiesgos.com
OBJETIVO REGRESIN
LOGSTICA
Los parmetros del modelo son: 0, la ordenada en el
origen, y 1 = (1, ..., k).

A veces, se utilizan tambin como parmetros exp(0) y
exp(i), que se denominan los odds ratios o ratios de
probabilidades.

Estos valores indican cunto se modifican las
probabilidades por unidad de cambio en las variables x.

SANDRA MATEUS
www.uderiesgos.com
VENTAJAS REGRESIN
LOGSTICA
- Se obtiene una frmula con la combinacin de
variables que marcan la mayor diferencia entre los
grupos de la variable dependiente (0,1).
- A partir de esta frmula se estima directamente la
probabilidad de incumplimiento del cliente.
- Fcil clasificacin de un nuevo individuo en uno de los
subgrupos de la variable dependiente.
- Es posible modelar con variables cualitativas.


SANDRA MATEUS
www.uderiesgos.com
REGRESIN LOGSTICA
MULTINOMIAL
SANDRA MATEUS
www.uderiesgos.com
REGRESIN LOGSTICA
MULTINOMIAL
La Regresin logstica multinomial resulta til en
aquellas situaciones en las que desee poder
clasificar a los sujetos segn los valores de un
conjunto de variables predictoras.

Este tipo de regresin es similar a la regresin
logstica, pero ms general, ya que la variable
dependiente no est restringida a dos
categoras.
SANDRA MATEUS
www.uderiesgos.com
REGRESIN LOGSTICA
MULTINOMIAL
Datos. La variable dependiente debe ser categrica. Las
variables independientes pueden ser factores o
covariables. En general, los factores deben ser variables
categricas y las covariables deben ser variables
continuas.

Supuestos. Se asume que la razn de ventajas de
cualquier par de categoras es independiente de las dems
categoras de respuesta. Si se introduce un nuevo producto
en un mercado, las cuotas de mercado de todos los dems
productos se vern afectadas de manera igualmente
proporcional.
SANDRA MATEUS
www.uderiesgos.com
REGRESIN LOGSTICA
Preguntas..?

CONTCTENOS:
smateus@uderiesgos.com
En Twitter: @Uderiesgos


SANDRA MATEUS
www.uderiesgos.com