WOMENS WORLD BANKING LO QUE FUNCIONA

CALIFICACIN AUTOMATIZADA DEL CRDITO EN LAS MICROFINANZAS

LINEAMIENTOS BASADOS EN LA EXPERIENCIA CON LAS AFILIADAS DE WWB EN COLOMBIA Y EN LA REPBLICA DOMINICANA INTRODUCCIN
Esta nota de Lo Que Funciona de WWB est basada en los resultados del Proyecto de WWB para la Calificacin Automatizada del Crdito, que se est llevando a cabo en ADOPEM, en la Repblica Dominicana, y en las cinco afiliadas de WWB en Colombia: FWWB-Cali; FMM-Popayn; CMM-Medelln; CMM-Bogot y FMM-Bucaramanga. Los miembros del equipo global de WWB han trabajado muy de cerca con los gerentes de ms alto nivel de estas instituciones, en el diseo e implementacin de este proyecto. Los gerentes y los agentes de crdito han contribuido con su experiencia en ese campo, a la elaboracin del modelo de calificacin automatizada del crdito y al diseo del proceso de implementacin. Las instituciones microfinancieras (IMF) lderes de la regin de Amrica Latina y el Caribe estn estableciendo estndares de desempeo que habran sido difciles de imaginar hace diez aos. En instituciones tales como FWWB-Cali y FMM-Popayn, ambas en Colombia, y Caja los Andes, en Bolivia, la productividad aument extraordinariamente en la ltima dcada, pasando de 250 a ms de 500 prstamos vigentes por agente de crdito, reduciendo el nivel de costos operativos como una parte de la cartera promedio, del 35% a un porcentaje tan bajo como el 15%. Algunas IMF han logrado estos resultados aumentando el monto promedio de los prstamos, de 400 a ms de 1.000 dlares. El aumento del monto de los prstamos ha sido ms pronunciado en las instituciones que se han transformado en entidades reguladas, tales como Financiera Calpi y Caja los Andes. Por el contrario, en las afiliadas de WWB en Colombia y en la Repblica Dominicana, el monto promedio del prstamo ha permanecido relativamente pequeo, bastante por debajo del nivel de los US$400. Un cierto nmero de instituciones, incluyendo a FWWBCali y FMM-Popayn, han alcanzado la frontera de la productividad de su actual metodologa de crdito. Estas organizaciones han alcanzado el nivel de eficiencia ms alto al que se puede llegar con los sistemas que utilizan actualmente. Es difcil imaginar cmo estas instituciones podran lograr mejoras an mayores en la productividad de sus agentes de crdito, considerando los elevados niveles actuales de 600 prstamos activos por agente de crdito. Durante la crisis financiera de Bolivia, en 1999, se puso de manifiesto que las IMF lderes estaban operando con un nmero de crditos que exceda la capacidad de sus agentes de crdito. La crisis forz a las IMF a reducir la carga de trabajo de los agentes de crdito, para que se ocuparan de la mora. Para mantener los mismos niveles de eficiencia en los costos, muchas IMF recurrieron a la realizacin de prstamos de montos ms elevados, trasladndose as a nuevos nichos de mercado en detrimento de sus clientes microempresarios ms pequeos. La experiencia de Bolivia representa una tendencia comn entre las IMF que se encuentran en los lmites de su rea de productividad: esto es, la bsqueda de una mayor eficiencia a travs de un nmero ms elevado de transacciones por agente de crdito, que trae como consecuencia mayores atrasos y montos de prstamos ms elevados. Las afiliadas de WWB en Colombia y en la Repblica Dominicana no han experimentado dicha erosin en la calidad de su cartera y han continuado enfocndose hacia el servicio para los clientes de bajos

Vol. 1, No. 2

Copyright 2003 Womens World Banking

ingresos, otorgando prstamos de montos relativamente pequeos. Las IMF que se esfuerzan por suministrar servicios financieros de calidad para las personas de bajos ingresos, deben investigar acerca de innovaciones que les permitan continuar aumentando su eficiencia sin apartarse de su misin ni de la base de clientes que constituye su objetivo. Se han realizado nuevos esfuerzos para lograr innovaciones tecnolgicas que extiendan los lmites de la frontera de productividad, sin sobrecargar a los agentes de crdito ni perjudicar a los clientes de bajos ingresos. Estas innovaciones introducen e integran tecnologas tales como la calificacin automatizada del crdito y los palm pilots (agendas electrnicas porttiles). Estas tcnicas pueden mejorar la productividad de los agentes de crdito y reducir los costos de transaccin para la institucin.

indica si el cliente presenta o no un riesgo; tambin proporciona una medida exacta del riesgo previsto. La calificacin estadstica del crdito fue introducida en pases con elevados ingresos, a mediados de la dcada de los 70, como medio para incrementar el acceso de los segmentos de clientes, de medianos y bajos ingresos, a los servicios financieros. Hoy en da, la calificacin es ampliamente utilizada por las compaas de tarjetas de crdito, que utilizan el historial de crdito y otras caractersticas del prestatario, para aprobar automticamente lneas de crdito sin tener un contacto personal con el solicitante.

2. Por qu la Calificacin Automatizada del Crdito Tiene Inters para las Microfinanzas?
El microcrdito supone un costoso esfuerzo. Las instituciones que se especializan en el crdito individual, utilizan mtodos de trabajo intensivo para evaluar las solicitudes de prstamos y controlar los incumplimientos. Para las IMF de mayor tamao, que son bien administradas y poseen bases de datos adecuadas, la calificacin puede incrementar la eficiencia, el alcance y la sostenibilidad mediante una mejora en la asignacin del tiempo de los agentes de crdito. La calificacin puede reducir el tiempo dedicado a la cobranza de pagos atrasados de los prestatarios morosos. En las IMF de mayor tamao, que se especializan en el crdito individual, en Colombia y en la Repblica Dominicana, los agentes de crdito dedican un promedio, de un 40% a un 50% de su tiempo a las actividades de cobranza. La calificacin automatizada puede reducir esa cantidad de tiempo al dar prioridad a las visitas a aquellos prestatarios que presentan una mayor posibilidad de incumplimiento, dejndoles ms tiempo a los agentes de crdito para identificar y acceder a nuevos clientes. Con el tiempo, esta calificacin podra no slo ser utilizada como una herramienta para mejorar la evaluacin del riesgo y el control de la morosidad, sino que podra tambin mejorar notoriamente la administracin de la cartera de clientes sucesivos. Es importante, sin embargo, que las IMF que utilizan la calificacin automatizada del crdito puedan diferenciar entre clientes nuevos y sucesivos. La calificacin automatizada del crdito para nuevos clientes debe ser utilizada slo como una Copyright 2003 Womens World Banking

1. En qu Consiste la Calificacin Automatizada del Crdito?

Tradicionalmente, las IMF han utilizado calificaciones subjetivasparmetros definidos tales como la experiencia en el negocio, el margen neto de las transacciones, la rentabilidad y los ingresos disponiblespara analizar los negocios y el riesgo crediticio. Estos parmetros se definen utilizando los estndares de la industria, la experiencia institucional y las polticas crediticias establecidas. Tambin se utilizan varios indicadores cualitativos como criterios de seleccin. Los agentes de crdito necesitan una cantidad de tiempo considerable y capacitacin para poder entender y aplicar los parmetros y las polticas de la calificacin subjetiva. Por el contrario, la calificacin estadstica del crdito prev el riesgo en funcin de caractersticas cuantificadas, registradas en una base de datos. Las relaciones entre el riesgo y las caractersticas del cliente se expresan como conjuntos de reglas en una frmula matemtica que predice el riesgo como una probabilidad (Schreiner, junio de 2002). Por ejemplo, la calificacin estadstica puede determinar que una modista que desea renovar su crdito, presenta un 12% de posibilidades de incumplimiento, o un hombre, dueo de una fbrica de muebles, que solicita un prstamo por primera vez, tiene un 22% de posibilidades de incumplimiento. La calificacin estadstica no slo Vol. 1, No. 2

-2-

herramienta complementaria para entender y cuantificar mejor las fuentes y niveles de riesgo. Es todava muy arriesgado reemplazar los mtodos tradicionales de evaluacin del riesgo con estos sistemas de calificacin, tal como se ver ms adelante en este documento. Una vez que una institucin ha recopilado datos relevantes acerca de la conducta de pago del cliente, los prestamistas pueden mejorar su productividad reduciendo la frecuencia de visitas a los clientes para actualizar la informacin. En vez de actualizar la informacin sobre el cliente cada vez que se renueva un prstamo, sta se actualiza cada dos aos, o cada vez que el monto del prstamo aumenta en ms de un 20%. Algunos prestamistas en Amrica Latina han agrupado a los antiguos clientes con una buena conducta de pago, clasificndolos como clientes especiales y concedindoles un fcil y rpido acceso a lneas de crdito. Se asignan agentes de crdito especializados para manejar entre 1.000 y 2.000 de esos clientes. Esta calificacin podra ayudar a los prestamistas a establecer prioridades en cuanto a las visitas a los clientes, destinadas a obtener informacin teniendo en cuenta el riesgo previsto para cada uno de ellos, en vez de hacerlo en periodos de tiempo predeterminados. Al reunir cientos de clientes segn el riesgo previsto para ellos, las instituciones podrn aumentar sus niveles de productividad y reducir sus costos operativos significativamente. La calificacin podra tambin ser una herramienta poderosa para que los gerentes ajustaran la composicin de la cartera y las tendencias por actividad econmica, en funcin de un nivel deseado de tolerancia del riesgo. En un futuro cercano, la calificacin podra incluso predecir los niveles de desercin segn el tipo de cliente, para que los prestamistas puedan saber por adelantado el ciclo de vida de sus diferentes tipos de clientes. Al mismo tiempo, las instituciones podran estimar los niveles de ganancia segn el tipo de cliente y el lapso de permanencia. Los prestamistas podran optimizar la rentabilidad institucional o el impacto, mediante la seleccin de una composicin ideal entre clientes muy rentables y los que no lo son. Todas estas posibles aplicaciones de la calificacin automatizada del crdito, incentivan la inversin de tiempo y de recursos para mejorar el conocimiento y la experiencia Vol. 1, No. 2

en cuanto a esta tecnologa. Sin embargo, la calificacin estadstica no reemplazar a la calificacin subjetiva de los agentes de crdito, al menos en un futuro cercano. Existen ciertas debilidades en este mtodo. Primero, el futuro no siempre va a ser como el pasado, y la calificacin fundamenta sus predicciones en eventos pretritos. Con el correr del tiempo, pueden ocurrir cambios, haciendo que el poder de prediccin del modelo sea menos acertado. Segundo, la calificacin no capta todas las caractersticas relevantes de los clientes, que tambin tienen una significativa importancia en el riesgo total asociado.

FACTORES A CONSIDERAR CUANDO UNA IMF INTRODUCE LA CALIFICACIN AUTOMATIZADA

La experiencia, hasta el momento, indica que es necesario tener en cuenta diversos factores cuando una IMF considera utilizar la calificacin automatizada del crdito.

1. Requisitos Previos
Para introducir la calificacin del crdito, la institucin debe contar con una probada metodologa crediticia, capaz de diferenciar entre clientes de bajo y de elevado riesgo. Tal como se mencion, la calificacin pronostica el futuro en funcin de conductas anteriores. Para poder predecir cualquier resultado, la institucin debe tener una base de datos con las caractersticas de sus clientes y su conducta de pago anterior. En pases con elevados ingresos, los prestamistas han utilizado los sistemas de calificacin automatizada durante muchos aos. Sin embargo, en esos pases la calificacin se aplica a clientes que tienen trabajos asalariados e historiales en las oficinas de crdito. En esos casos, una ficha de calificacin con de 15 a 20 variables es suficiente para crear modelos de calificacin eficaces. En las microfinanzas, sin embargo, la mayora de los clientes son autoempleados, dueos de pequeos negocios, normalmente en el sector informal, y carecen de registros de sus ingresos e historiales de crdito en las oficinas de crdito locales. Adems, si existen oficinas de crdito en los pases en desarrollo, su alcance est normalmente limitado a los bancos comerciales. La ausencia de una informacin detallada acerca de la clientela significa que una caracterstica tpica en la calificacin del microprstamo, tiene mucho menos poder de prediccin que una caracterstica tpica de un Copyright 2003 Womens World Banking

-3-

modelo de calificacin en un pas con elevados ingresos econmicos. Por lo tanto, las microfinanzas requieren ms variables para crear un modelo efectivo. Con frecuencia surge la pregunta de si el modelo de calificacin desarrollado para una institucin en particular, puede ser utilizado en otra IMF. Generalmente, las caractersticas de los clientes varan de una institucin a otra. Adems, los procesos de crdito son diferentes entre ellas. Por lo tanto, no es apropiado extrapolar los resultados de una ficha de calificacin de una institucin a otra.

Informacin de Contacto
Telfono en el domicilio (puede ser el telfono de un vecino)* Telfono en el negocio (puede ser el telfono de un vecino)* Distancia entre el negocio y la oficina

Demografa de la Unidad Familiar:

Nmero de personas de 18 aos o mayores (incluyendo al solicitante) Nmero de personas de 17 aos o ms jvenes

2. Requisitos de Datos
Es importante recopilar y guardar los datos de los clientes para crear fichas de calificacin, pero cules son las caractersticas que un microprestamista debe recopilar? Ms adelante proporcionamos una lista de las variables con que debe contar, incluyendo el conjunto fundamental de caractersticas requeridas. La mayora de los microprestamistas que realizan prstamos individuales renen estas variables bsicas como parte de su evaluacin tradicional, sin embargo esta informacin no siempre se almacena en la base de datos y en ciertos casos cuando se guarda la informacin, raramente es utilizada para el anlisis. Para medir el riesgo crediticio de un cliente, el modelo de calificacin considera las caractersticas socio-econmicas del cliente, las del prstamo y las del prestamista. A continuacin se proporciona una lista de las variables de cada grupo. Las principales caractersticas estn marcadas con un asterisco (*).

Activos de la Unidad Familiar:

Tenencia del hogar (propietario, arrendatario, otra) Ao en que se traslad a la actual residencia Nmero de habitaciones Construccin de la vivienda Techo de zinc (presente o ausente) Piso de concreto Conexin para el suministro de agua Conexin de alcantarillado Conexin de electricidad Vehculos en funcionamiento Electrodomsticos Refrigerador (presente o ausente) Cocina de gas o elctrica Televisin en color en funcionamiento Cuenta formal de ahorros

Caractersticas de los Clientes

Demogrficas:
Gnero Ao de nacimiento* Estado Civil* Ultimo grado completado en sus estudios*

La calificacin puede indicar que los clientes con escasos activos presentan un mayor riesgo. Muchos podran argumentar que la utilizacin de instituciones de calificacin podra excluir, sistemticamente, a los clientes de ms bajos ingresos. Por lo tanto es importante destacar que las instituciones deben utilizar la calificacin para entender mejor los riesgos de sus diferentes segmentos de clientes y adaptar los procesos y las polticas para mitigarlos. La calificacin no cambia el riesgo que presentan los prestatarios; solamente mejora el conocimiento del riesgo que ya existe.

Demografa del Negocio:

Sector (industria, servicios, comercio)* Tipo especfico de negocio* Ao de comienzo en este negocio especfico* Copyright 2003 Womens World Banking

Vol. 1, No. 2

-4-

Registro (presente o ausente) Registros escritos (presentes o ausentes) Tipo de local (negocio con escaparate, mvil, apartado de correos, en el hogar, otro) Tenencia Ao en que se traslad al local actual Nmero de empleados

significativamente la capacidad de prediccin del modelo, se detallan a continuacin.

Informacin de la Oficina de Crdito

Informacin sobre el Carcter de la Persona:
Nmero de bebidas alcohlicas que se consumen a la semana Nmero de cigarrillos que se consumen a la semana Nmero de boletos de lotera comprados al mes Nmero de veces que asisti a servicios religiosos en el mes Participacin actual en un comit de barrio o grupo de iglesia (s/no) Participacin en las ROSCAs (s/no) Monto ahorrado y frecuencia

Flujos Financieros de la Unidad Familiar/Empresa:

La solidez y variabilidad del flujo de caja es un importante medio de prediccin del riesgo: Ingresos del negocio* Ingresos de la unidad familiar por salarios* Ingresos de la unidad familiar de otras fuentes* Gastos del negocio por compra de mercadera* Gastos por salarios del negocio* Otros gastos del negocio* Otros gastos de la unidad familiar* Cuotas mensuales a pagar por otras deudas* Pago del alquiler

Juicios Subjetivos Cuantificados:

Para descubrir el riesgo cualitativo, la institucin debe captar y cuantificar el juicio subjetivo del agente de crdito. Esto permitira a la calificacin revelar cmo la probabilidad de ser un cliente de riesgo est vinculada al juicio subjetivo. Para hacerlo, debe asignarse una calificacin de por debajo del promedio, promedio o por encima del promedio, a las siguientes caractersticas de los clientes: Riesgo crediticio general Honestidad y transparencia de las respuestas Calidad de las referencias Pericias administrativas Perspectivas del negocio Variabilidad del flujo de caja Inversiones recientes en el hogar o en el negocio Comprensin de las reglas del contrato de crdito Apoyo informal y de relaciones familiares Organizacin y aseo del hogar y del negocio

Reservas de la Empresa:
Total de activos* Activos fijos* Inventario* Efectivo y cuentas bancarias* Total de pasivos Deuda informal* Deuda formal*

Historial de Reembolsos con la Institucin:

La mejor manera de predecir el desempeo futuro es a travs del desempeo en el pasado. Para cada uno de los prstamos, el prestamista debe registrar la fecha de vencimiento de cada cuota y la fecha en que se pag. Esto permitir establecer la siguiente medida en cuanto a los aspectos de los atrasos: Perodo ms largo* Das de atraso en los reembolsos* Nmero de reembolsos con pagos atrasados*

Caractersticas de los Prstamos

Fecha de presentacin de la solicitud* Fecha de desembolso del prstamo* Fecha de reembolso total* Monto solicitado* Monto desembolsado* Monto de la cuota* Nmero y frecuencia de las cuotas* Copyright 2003 Womens World Banking

Otras informaciones que generalmente no recogen los microprestamistas, pero que podran mejorar Vol. 1, No. 2

-5-

Tasa de inters, honorarios y comisiones* Periodo de gracia* Estatus de la reprogramacin de la deuda* Tipo de garanta*

introduce bases de datos electrnicas en sus sistemas de informacin, mayor debe ser la atencin que se le presta a la calidad de los datos. A continuacin se brindan recomendaciones al respecto. Para asegurar modelos consistentes y el valor de la inversin, los microprestamistas deben analizar y aclarar los siguientes aspectos de la recopilacin de datos. Establecer una definicin consistente para cada tipo de negocio. Identificar y ponerse de acuerdo acerca de una lista de ms o menos 50 de los tipos de negocios ms comunes. Establecer una poltica formal por escrito para codificar cada empresa dentro de los 50 tipos de negocios. Capacitar a los agentes de crdito y al personal encargado de la introduccin de datos para que apliquen correctamente las definiciones acordadas. No se debe desechar informacin. Es necesario influir en las instituciones para que apliquen un enfoque diferente en cuanto al uso de la informacin relativa a sus clientes, de manera que sta sea percibida como una herramienta poderosa que podra ayudar, en el futuro, a los gerentes y al personal a tomar mejores decisiones en los negocios. Introducir las solicitudes rechazadas en el sistema de informacin. Al recopilar informacin sobre las solicitudes rechazadas, es probable que en el futuro disminuyan algunas de las visitas de campo y se puedan prever problemas de reembolso o de rechazo despus de la visita. En algunas instituciones, los agentes de crdito rechazan de un 40% a un 60% de los casos tratados en sus visitas. Es evidente que la introduccin de un sistema de advertencia temprana, antes de la visita al cliente, podra reducir los costos significativamente. Diferenciar a los agentes de crdito que emiten el prstamo de aquellos que lo supervisan. Una de las tres variables ms previsibles es la que tiene que ver con las caractersticas personales del agente de crdito. Sin embargo, el agente de crdito que supervisa los prstamos puede no ser la misma persona que los analiza y emite, quiz porque el agente de crdito original dej la institucin o fue asignado a otra sucursal. Cuando se reubica a un agente de crdito, los sistemas de informacin de la mayora de las IMF, Copyright 2003 Womens World Banking

Caractersticas del Prestamista

La sucursal y el agente de crdito influyen notoriamente en el riesgo: Sucursal* Agente de crdito* Gnero* Ao de nacimiento* Estado civil* Nmero de personas en la unidad familiar* Ultimo grado de estudios completado* La calificacin tiene la capacidad de revelar el perfil del agente de crdito ideal, si se rene una sencilla informacin acerca de sus caractersticas. Con una cantidad suficiente de deudores, se puede elaborar una ficha de calificacin a partir de las caractersticas fundamentales (aquellas indicadas con un asterisco). Una ficha de calificacin con todas las caractersticas enumeradas anteriormente podra, seguramente, predecir con un porcentaje de exactitud mayor, de un 20% a un 40%, que una ficha de calificacin que utilice slo las caractersticas bsicas. (Proyecto de Calificacin de WWB, Colombia, Schreiner, 2002). La inversin inicial para recoger informacin adicional sobre el cliente podra ser elevada. Los costos incluyen el nuevo diseo de los formularios, la inclusin de datos adicionales en el sistema, a los que se agregan costos significativos, que constituyen un desafo, relacionados con la modificacin del sistema de informacin de una institucin.

3. Lineamientos acerca de Cmo Archivar una Mejor Informacin

Despus de los recursos humanos y de las adecuadas tecnologas de crdito, la informacin es una de las mejores armas para el microprestamista. A menudo, sin embargo, los sistemas de informacin formal son dbiles, habiendo sido utilizados en principio para realizar el seguimiento de los prstamos. A medida que un mayor nmero de IMF Vol. 1, No. 2

-6-

registran solamente la informacin proporcionada por el actual agente de crdito y borran los registros de los anteriores agentes. La eliminacin de estos registros histricos reduce la capacidad de prediccin de la calificacin. Para evitar este problema, es importante agregar un campo en la base de datos que registre lo actuado por el agente analista que realiz la seleccin, adems del control realizado por el agente de crdito encargado del seguimiento. Registrar los valores que faltan como desaparecidos, no como cero. La mayora de las instituciones no registran apropiadamente los valores que faltan; ponen ceros en los espacios en blanco o inventan, de forma inconsistente, cdigos para los mismos. A menudo stos pueden brindar una buena prediccin de riesgos mayores, porque representan un anlisis dbil o superficial realizado por el agente de crdito o informacin inconsistente proporcionada por el cliente. Si la institucin no registra los valores que faltan de manera consistente, impide el uso de posibles variables de pronstico o confunde el valor real de una caracterstica dada. Reflexiones adicionales sobre las bases de datos. La calificacin estadstica requiere un volumen significativo de datos de elevada calidad. Aquellas instituciones que ya cuentan con adecuadas bases de datos deben comenzar a incluir, en sus sistemas de informacin, datos acerca de los juicios emitidos por los agentes de crdito, informes de las oficinas de crdito y las solicitudes rechazadas. Aquellas IMF cuyos sistemas de informacin son dbiles, necesitarn llevar a cabo mejoras drsticas para poder utilizar la calificacin automatizada del crdito en el futuro. Mejorar la calidad de la base de datos constituye una ardua labor, pero los numerosos beneficios que la calificacin del crdito puede tener en cuanto a la evaluacin del riesgo y la administracin de la cartera, hacen que dicha tarea valga la pena.

elevados costos de transaccin y mejorar las decisiones respecto a los crditos y el manejo de la cartera. Sin embargo, el desarrollo de modelos de calificacin con un slido poder de prediccin para el sector informal no es una tarea fcil debido a la falta de informacin sobre los ingresos de los clientes y a la cobertura marginal del sector informal por las redes de oficinas de crdito, en la mayora de los pases en desarrollo. Para elaborar fichas de calificacin efectivas, las IMF necesitarn invertir ms recursos y tiempo a fin de mejorar drsticamente la calidad de sus bases de datos. Una vez que las IMF hayan almacenado suficiente informacin de buena calidad, para elaborar modelos de calificacin, debern al principio combinarla con los conocimientos subjetivos de sus agentes de crdito para obtener resultados positivos. Cuando la ficha de calificacin haya sido probada y ajustada, podra ayudar a hacer ms efectiva la aprobacin del crdito en las renovaciones.

1. Costo de Implementacin de la Calificacin Automatizada

a. La recopilacin e introduccin de datos requeridos para la elaboracin de una ficha de calificacin, incurre en gastos derivados de la acumulacin de datos. Para las instituciones menos sofisticadas, dichos costos pueden ser significativos, considerando no slo la necesidad de un mayor incremento en el volumen y la calidad de la informacin obtenida, sino tambin las mejoras necesarias en los sistemas de informacin para captarla y archivarla. Finalmente, la inversin que debe realizarse para capacitar a los agentes de crdito para que renan la informacin requerida, es tambin considerable. Para algunos microprestamistas ms sofisticados, los costos de la acumulacin de datos ya se han absorbido; ellos introducen todas las solicitudes a medida que las reciben. Para estos prestamistas, la calificacin es posible tan pronto tienen en su base datos suficientes casos como para apoyar el modelo de calificacin.

LIMITACIONES DE LA CALIFICACIN EN LAS MICROFINANZAS

Tal como se mencion anteriormente, el desarrollo de los modelos de calificacin puede tener un significativo impacto sobre las microfinanzas al reducir sus todava Vol. 1, No. 2

b. El proyecto de calificacin en s representa un gasto considerable, que incluye: la elaboracin de la ficha de calificacin, la integracin con el sistema de

Copyright 2003 Womens World Banking

-7-

informacin, el ajuste del sistema de informacin, la capacitacin de los usuarios finales y el seguimiento. En particular, el ajuste del sistema de informacin para calcular y registrar automticamente los pronsticos de riesgo puede ser prolongado y difcil, y representar, a la vez, una gran parte del presupuesto proyectado. c. El uso diario de la calificacin implica un tiempo de trabajo intenso para el personal encargado de la introduccin de datos y para los agentes y gerentes de crdito, no slo para reunir informacin adicional, sino tambin para analizar los informes de calificacin durante las reuniones del comit de crdito y para capacitar al personal en el uso e interpretacin de los resultados.

IMPLEMENTACIN DEL PROCESO DE CALIFICACIN AUTOMATIZADA DEL CRDITO

1. Introduccin Inicial y Adecuacin del Modelo
La mayora de los gerentes del nivel superior de las IMF, ha odo hablar acerca de la calificacin automatizada; las actitudes respecto a la tecnologa varan desde grandes expectativas hasta el escepticismo y la resistencia. La introduccin a la calificacin es fundamental para situar a todos en el mismo nivel. Sin embargo, el anlisis con los gerentes de alto nivel es vital a lo largo de todo el proceso. Aunque la calificacin es bsicamente una frmula matemtica, su implementacin requiere importantes cambios en la cultura organizacional. Esto hace que los proyectos de calificacin sean ms amplios, ms largos y ms difciles que lo que la mayora de los gerentes puede suponer. Durante la introduccin inicial es importante crear expectativas realistas y analizar, con los gerentes y el personal, de qu manera la calificacin puede ayudarlos a lograr su misin. Las siguientes preguntas son clave para definir cul es el modelo adecuado para una institucin: De acuerdo con el personal, cules son las caractersticas ms importantes que determinan el riesgo? Qu es lo que se considera como un mal crdito? Cuntos riesgos de crditos buenos sacrificara usted por un mal riesgo crediticio? A qu lapso de tiempo en el pasado debera usted remitirse, para que ste fuera diferente del futuro? Cules son las secciones de la base de datos en las que usted no confa? Cun fcilmente puede ajustarse el sistema de informacin gerencial para acomodar la calificacin? Despus de un intercambio de ideas y conceptos entre el personal y los lderes del proyecto (consultor), ya se puede comenzar el trabajo estadstico para la elaboracin del modelo.

d. Existen costos asociados con la aceptacin de los resultados de la calificacin. La institucin deber determinar cun cmoda se siente con la aprobacin o rechazo automtico de los prstamos, basndose en la calificacin. Una forma de disminuir los costos del rechazo automtico consiste en implementar un proceso para la revisin peridica de los resultados de la muestra de la calificacin del crdito, versus enfoques ms subjetivos, para asegurarse de que las polticas de aprobacin del crdito, en general, se reflejan apropiadamente. Los pronsticos no son 100% exactos, lo que significa que algunos de los solicitantes de crdito rechazados, podran haber sido buenos clientes. e. La implementacin de la calificacin pone nfasis significativo en el departamento de informacin, creando alguna tensin entre este grupo y el personal del departamento de crdito. Algunos empleados se oponen abiertamente a los cambios en la calificacin y otros ignoran las reglas de las polticas o no realizan la evaluacin tradicional. La capacitacin y el seguimiento son las mejores formas de manejar los costos de estos procesos.

Vol. 1, No. 2

Copyright 2003 Womens World Banking

-8-

2. Elaboracin de la Ficha de Calificacin

Para crear modelos estadsticos slidos y exactos, se debe seleccionar como lderes del proyecto a aquellos que cuentan con amplia experiencia en configurar la calificacin estadstica y que ya estn familiarizados con las caractersticas especiales del sector informal que afectarn al modelo de calificacin. El equipo del proyecto (personal de la institucin y lderes del proyecto) deber analizar y definir las atribuciones de los clientes con riesgos, siendo sta una definicin muy delicada y especfica para cada prestamista. Algunos de ellos consideran que un cliente con riesgo es aquel que, en promedio, se atrasa ms de tres das en el pago de cada cuota. Otras instituciones son ms flexibles en su definicin y consideran que son clientes con riesgo aquellos que, en promedio, se atrasan ms de 15 das en el pago de cada cuota. Una vez que se haya definido al cliente con riesgo o la variable dependiente del modelo de calificacin, puede comenzarse con el anlisis de la base de datos; este periodo es clave para determinar la calidad de la base de datos y definir cules son las variables disponibles o tiles para el modelo. Este es un periodo de intensos intercambios y comunicaciones entre el consultor y el departamento de sistemas de informacin gerencial de la institucin, para entender claramente la definicin e interpretacin exacta de cada variable. Una vez que se ha analizado la base de datos y que se ha depurado la informacin, se puede comenzar la etapa de elaboracin del modelo estadstico. Este proceso puede durar desde un par de semanas a varios meses, dependiendo de la calidad de la informacin y del compromiso del departamento de sistemas de informacin gerencial.

ms que nada hacia ejemplos concretos de la prueba histrica y de la ficha de calificacin elaborada. Estas reuniones tienen un costo elevado, pero sera una equivocacin no realizarlas. An despus de probar a los agentes de crdito que la calificacin automatizada funciona, es posible que en principio se resistan a su aplicacin. El personal en la lnea del frente de trabajo, necesita algn tiempo para absorber y aceptar la herramienta. Durante esta etapa, es tambin muy importante estimular la discusin y probar esta calificacin, comparndola con la sabidura y experiencia de los agentes de crdito. Es crucial que se hagan preguntas y que se estimule la discusin: Son los vnculos entre el riesgo y las caractersticas consistentes con su experiencia de campo? Cules son las causas que pueden explicar esos vnculos? Qu es lo que usted trata de hallar cuando realiza una visita de campo? Qu tipo informacin recaba en el campo, que no es fiable para la base de datos? Cules son las caractersticas que usted recomendara registrar para utilizar en futuras fichas de calificacin? Cundo aprueba usted un prstamo provisionalmente? Cmo puede usted modificar los trminos y las condiciones de un contrato de prstamo, para manejar el riesgo? Cunto tiempo a la semana dedica usted a la cobranza? Cunto tiempo a la semana dedica usted a la comercializacin, evaluacin y desembolso?

3. Capacitacin del Personal

Una vez elaborado el modelo de calificacin, se presentan y analizan los resultados con la gerencia superior para revisar conceptos bsicos y presentar resultados concretos y especficos para los prestamistas, incluyendo las conclusiones de la prueba histrica y los vnculos detectados entre las caractersticas y el riesgo. En ese momento, se presentan los resultados a nivel de sucursales, con el objetivo de presentar el modelo a los agentes y gerentes de crdito. Esta presentacin se enfoca Vol. 1, No. 2

4. Integracin de la Calificacin Automatizada en el Sistema de Informacin Gerencial

El prximo paso consiste en automatizar el uso de la calificacin, integrndola en el sistema de informacin gerencial. Muchos gerentes prefieren evitar la realizacin de cambios en los sistemas de informacin, pero para utilizar la calificacin a nivel de sucursales, la automatizacin es la nica alternativa. Existen dos amplios enfoques: En el primero, el microprestamista le compra a un consultor, un programa informtico con sistemas de calificacin ya desarrollados. Esta es una opcin Copyright 2003 Womens World Banking

rpida, pero presenta algunos desafos. El programa es costoso y, al ser un sistema paralelo al sistema de informacin gerencial, es posible que los datos deban ser introducidos dos veces. Finalmente, la falta de integracin en el sistema de informacin gerencial constituye una considerable amenaza en cuanto a que no se utilice en absoluto el sistema de calificacin. En el segundo enfoque, el microprestamista integra la ficha de calificacin y los informes asociados, directamente en el sistema de informacin existente. Este enfoque tambin afronta desafos considerables. Primero, la institucin debe poder modificar y adecuar su sistema de informacin. Segundo, el prestamista debe dedicar un programador, a tiempo completo, a la calificacin. Dependiendo de cada sistema, la integracin puede tomar de tres a seis meses, de una persona. Tercero, los desafos tcnicos de la integracin varan segn el prestamista; a veces problemas imprevistos pueden demorarla. De todas formas, la integracin tiene importantes ventajas: la informacin se introduce una sola vez, las calificaciones se producen automticamente y las previsiones del riesgo pueden integrarse directamente en los registros ms relevantes. Ponderando los pros y los contras, la integracin constituye el enfoque preferido.

informan de qu manera el comit de crdito debe dar prioridad a sus intentos por mitigar el riesgo, ya sea disminuyendo el monto del prstamo, reduciendo el plazo de vencimiento y/o incrementando la cobertura de la garanta. Finalmente, la poltica de calificacin debe enfatizar que los riesgos de crdito inaceptables deben ser rechazados.

2. Calificacin Previa a la Aprobacin

Simulador de la Calificacin
Generalmente, el comit de crdito analiza cmo la modificacin de los casos dudosos, afectara al pronstico del riesgo. El simulador de la calificacin produce un anlisis de sensibilidad que puede ayudar al comit de crdito a tomar decisiones sobre las modificaciones en los prstamos. Por ejemplo, en el Cuadro 1 se puede observar cmo el riesgo previsto podra cambiar cuando se modifican ciertos elementos en el contrato de crdito, tales como el monto solicitado, el plazo de vencimiento o la garanta.

Efectos del Informe sobre Caractersticas

Este informe permite al personal observar las razones existentes detrs de un pronstico de riesgo, lo que puede hacer que sienta ms confianza hacia la tecnologa de calificacin. Para una solicitud dada, el informe muestra las caractersticas que mayormente incrementan el riesgo y aquellas que ms lo disminuyen. Vase Cuadro 2.

INFORMES Y APLICACIONES DE LA CALIFICACIN

1. Definicin de una Poltica de Calificacin
Una poltica por escrito debe especificar los umbrales de riesgo, as como las acciones para cada uno de ellos. Por ejemplo, la poltica debe establecer el nivel de riesgo por debajo del cual los casos se califican como riesgos de crdito excelentes y el nivel de riesgo por encima del cual los casos se califican como riesgos de crdito inaceptables. La poltica tambin establece los niveles de riesgo que corresponden a las decisiones de crdito normales y las dudosas. Adems, la poltica de calificacin documentada indica cmo se puede premiar a los clientes que tienen un riesgo excelente de crdito. Para los casos dudosos, stas Vol. 1, No. 2

3. El Informe de Seguimiento Global

Este informe investiga el continuo desempeo de la calificacin. Es como un ensayo histrico que compara el riesgo previsto con el riesgo observado pero, a diferencia de un ensayo histrico, ste se aplica a los prstamos vigentes. El Informe de Seguimiento Global es un informe central de calificacin; verifica si la calificacin funciona con los prstamos activos. Al igual que otros informes de calificacin, el sistema lo produce automticamente. Al principio, es difcil interpretar la calificacin. Por ejemplo, qu significa un 30% del riesgo previsto de incumplimiento? A qu nivel de riesgo podra un cliente Copyright 2003 Womens World Banking

- 10 -

transformarse en un deudor moroso? Durante el primer mes de la calificacin, el prestamista debe consultar el informe semanal para verificar el poder de prediccin y para indicar los ajustes que debern realizarse en la poltica de crdito. Despus de eso, el control puede realizarse mensualmente. El Cuadro 3 muestra el Informe de Seguimiento Global basado en una ficha de calificacin de regresin. El riesgo se define como un promedio de cuatro das de atraso por cuota vencida en el momento en que se realiza el informe, o un periodo de atraso de 30 das. La columna de la izquierda riesgo previsto (%) define el rango del riesgo previsto para cada lnea. El prestamista define el nmero de rangos as como sus lmites. La segunda columna de la izquierda es la participacin de prstamos vigentes cuyos riesgos previstos entran dentro del rango de una lnea. Muestra la distribucin del riesgo previsto en la cartera vigente. Por ejemplo, 0,5% de los prstamos vigentes tena un riesgo previsto de cero a 2%. Del mismo modo, 9,5% tena un riesgo previsto de ms de 40%. Las cuatro columnas del centro: Riesgo observado (%) por los das desde el desembolso muestran el riesgo que se produjo para los prstamos vigentes, dado el riesgo previsto y la antigedad. La comparacin lnea por lnea del riesgo observado con el riesgo previsto, revela el poder de la calificacin. Cuanto ms cercano es el riesgo previsto al observado, mayor es el poder de prediccin. El Cuadro 3 ilustra un punto general: el riesgo observado aument con la antigedad despus del desembolso. Dos factores lo explican. Primero, algunos de los prstamos recientes an no han tenido una cuota vencida, por lo que no hubo oportunidad de que se convirtieran en prstamos morosos. Segundo, la mora aumenta hacia la finalizacin del prstamo (Vogelgesang, 2001, citado por Schreiner, 2002). Por lo tanto, la mejor prueba del poder de prediccin podra observarse en aquellos prstamos recientes totalmente reembolsados o en crditos prximos a su cancelacin. La columna de la derecha del informe muestra el riesgo observado en los prstamos recientemente liquidados (el prestamista determina cuntos meses se deben revisar; el Vol. 1, No. 2

ejemplo utiliza 12 meses). Esta es la columna clave, porque cubre los prstamos de todos los plazos hasta el vencimiento y porque los prstamos recientemente reembolsados han tenido una posibilidad total de convertirse en morosos. Los usos del Informe de Seguimiento Global son los siguientes: Verificar el poder de prediccin. Realizar un seguimiento de los rechazos. Los prstamos desembolsados con un riesgo previsto mayor que el umbral de inaceptables son, por definicin, anulados. Se puede abusar de las anulaciones, por lo que los gerentes deben observar los resultados examinando los cambios a lo largo del tiempo, en el riesgo observado entre prstamos con riesgos supermalos o inaceptables, desembolsados. Ajustar inexactitudes absolutas. Lamentablemente, ninguna ficha de calificacin tiene una exactitud absolutamente perfecta. El Informe de Seguimiento Global, sin embargo, muestra los niveles de riesgo observados que corresponden a niveles dados de riesgo previsto. Obteniendo esta informacin, el usuario puede ajustar el nivel del riesgo previsto para que converja lo ms posible con el riesgo observado. Establecer o ajustar los umbrales de las polticas. Al mostrar la participacin de prstamos en cada rango de riesgo y el nivel de riesgo observado, que corresponde a un nivel dado de riesgo previsto, el microprestamista puede establecer o ajustar los umbrales de las polticas. Este informe es especialmente til para determinar los rangos de riesgo previsto, por encima o por debajo de los cuales un cliente se convierte en un riesgo excelente o inaceptable. Detectar la disminucin del poder de prediccin de la ficha de calificacin. Dado que el futuro se parece al pasado inmediato, ms de lo que se asemeja al pasado distante, el poder de prediccin de una ficha de calificacin disminuye con el tiempo. El informe muestra la evolucin del poder de prediccin de la ficha de calificacin a lo largo del tiempo.

Copyright 2003 Womens World Banking

- 11 -

4. Calificacin Posterior al Desembolso

Informe de Seguimiento del Agente de Crdito
El Informe de Seguimiento Global es fundamental para la calificacin, pero para los agentes y gerentes de crdito, ste puede ser demasiado abstracto y amplio. El personal en la primera lnea de trabajo a menudo prefiere informes ms simples que le permitan comparar el riesgo previsto con el desempeo de pago de los prestatarios individuales, a quienes ellos conocen personalmente. El Informe de Seguimiento del Agente de Crdito que aparece en el Cuadro 4, aade las medidas de riesgo previsto y el desempeo de pago (riesgo observado), a los informes sobre la cartera que los agentes y gerentes de crdito reciben diaria o semanalmente. En este caso, los clientes que constituyen un riesgo se definen como aquellos que tienen por lo menos una mora de 30 das durante la etapa de vida del prstamo. En el lado supermalo, el Cuadro 4 muestra los diez prstamos vigentes con el ms alto riesgo que fueron desembolsados por lo menos 270 das antes de la fecha del informe. En este grupo de prstamos vigentes, el riesgo promedio pronosticado es de 61% (esquina inferior izquierda), y el riesgo promedio acaecido es del 50%. El Cuadro 4 muestra tambin los diez prstamos con el menor riesgo. El riesgo pronosticado promedio es inferior al 1%, sin que haya habido un solo caso de incumplimiento. Para los agentes y gerentes de crdito, el anlisis realizado de los informes de sus propios prestatarios, est muy lejos de disipar las dudas acerca de si la calificacin puede identificar exactamente a los clientes de alto y bajo riesgo, entre aquellos ya aprobados por el comit de crdito. Este informe ayuda a los agentes de crdito a decidir cules son los primeros clientes que visitarn. Por ejemplo, los clientes de la lista del Cuadro 4, incluiran tres prstamos de elevado riesgo y elevado valor, que se han tornado en crditos incobrables: $1.323 en prstamos vigentes con un riesgo pronosticado de 80% $5.773 en prstamos vigentes con un riesgo pronosticado de 62% Vol. 1, No. 2

$5.683 en prstamos vigentes con un riesgo pronosticado de 72%

Los agentes de crdito, en visita de cortesa, entrevistan a estos clientes, no en relacin a actividades de cobranza, sino ms bien para analizar temas menos amenazantes. De ninguna manera los agentes de crdito deben mencionar ante el cliente, el motivo real de esta visita amistosa. Los prestatarios con un buen cumplimiento pueden ofenderse si ven que existe la sospecha de incumplimientos futuros por su parte. La mera presencia de un agente de crdito es suficiente para reforzar, en la mente del prestatario, la importancia del pago puntual.

Calificacin de la Cobranza
La calificacin de la cobranza pronostica la probabilidad de que un prstamo actualmente atrasado en un da, eventualmente se convierta en un prstamo con atrasos de 15 30 das. En la prctica, la calificacin de la cobranza debera agregarse al informe diario sobre prstamos atrasados. Entonces, en funcin de los riesgos de cobranza y del valor, los agentes de crdito decidiran cules son los clientes que deberan visitar primero y qu grado de presin debera ejercerse sobre ellos. Aquellos casos, con alto riesgo y con un valor elevado en riesgo, recibiran visitas inmediatas y asertivas. Con los clientes de bajo riesgo se puede establecer un contacto telefnico, un da despus de su atraso en un pago.

Administracin de las Renovaciones: Cmo Apalancar la Informacin

En un futuro prximo, un importante impacto de la calificacin es la posibilidad que ofrece para automatizar y modernizar el proceso de renovacin de los prstamos. Los clientes que ofrecen una mayor rentabilidad, son los que presentan los ciclos ms largos de relacin con el prestatario y una excelente conducta de reembolso. Los clientes rentables hacen que la institucin tenga mayores mrgenes de ganancia, debido a lo pequeo de las inversiones adicionales necesarias para actualizar la informacin. Algunos prestamistas han creado agentes de crdito especiales que pueden manejar hasta 1.000 2.000 buenos clientes, debido a los bajos costos de mantenimiento. Los agentes de crdito slo visitan a estos Copyright 2003 Womens World Banking

- 12 -

clientes para actualizar la informacin, cada dos aos. La calificacin puede identificar a los clientes con riesgo ms elevado y dar prioridad a sus visitas para actualizar la informacin sobre su economa.

interesadas, potenciales, pueden obtener un cuadro muy detallado de los posibles riesgos que corren sus inversiones.

CONCLUSIONES
La calificacin mide el riesgo de que las personas de bajos ingresos autoempleadas, no paguen tal como lo prometieron. La calificacin tambin identifica los vnculos entre los reembolsos y las caractersticas de los prestatarios, los prstamos y los agentes de crdito, y hace esto explcito. Lo que es ms importante, la calificacin proporciona la posibilidad de tomar decisiones basadas en riesgos cuantificados y concesiones mutuas explcitas. Esto puede inducir a un cambio en la cultura de la organizacin cuando los gerentes comienzan a buscar un mayor conocimiento y precisin acerca de las alternativas y consecuencias de todas sus decisiones. Aunque el simple anlisis de los datos puede proporcionar informacin para la toma de decisiones, la mayora de los microprestamistas tendrn an que invertir en el desarrollo de bases de datos exactas y completas. En promedio, la calificacin en las microfinanzas de los pases en desarrollo, predice con un nivel significativo de exactitud. El nmero y rango de errores, sin embargo, es mucho mayor que para la calificacin realizada en los pases con elevados ingresos. Gran parte del riesgo asociado con el crdito a trabajadores autoempleados no est relacionado con caractersticas cuantificables. As, la calificacin complementa, aunque no reemplaza, las evaluaciones de los agentes de crdito. La calificacin es como una tercera voz en el comit de crdito, un apoyo para los juicios que emiten los agentes y los gerentes de crdito. An si la calificacin funciona perfectamente, la aceptacin requiere una capacitacin repetida para las partes interesadas, a todos los niveles, y un permanente seguimiento con constantes demostraciones de su poder de prediccin con respecto a los prstamos vigentes. La definicin de polticas claras para la calificacin automatizada y su puesta en vigor constituyen la clave para una adecuada implementacin de la calificacin.

Lealtad del Cliente (Calificacin de la Desercin)

La calificacin de la desercin predice la probabilidad de que un prestatario solicite otro prstamo, una vez que se ha reembolsado el actual. Los microprestatarios tratan de evitar la desercin porque la rentabilidad normalmente se incrementa con cada uno de los prstamos sucesivos. (Churchill y Halpern, 2001; Rosenberg, 2001, citado por Schreiner). Si el prestamista puede determinar cules son los clientes con riesgo de desercin, los agentes de crdito podran animar a dichos clientes a solicitar prstamos sucesivos, quiz ofrecindoles tasas de inters reducidas u otro tipo de incentivos.

Calificacin de las Visitas

La calificacin de las visitas predice la probabilidad de rechazo despus de la visita. Esos casos de rechazo consumen tiempo de los agentes de crdito sin que se produzca ningn beneficio. En algunos casos, despus de la visita de campo, el nmero de rechazos representa un 40% de los casos visitados. La calificacin de las visitas disminuye el nmero de visitas infructuosas, al predecir el riesgo de rechazo basado en las caractersticas captadas en un primer contacto durante la solicitud. Por supuesto, la calificacin de la visita puede ser utilizada slo para rechazar sin visitar al cliente, no para aceptar sin una visita.

Manejo de la Cartera en Riesgo

La calificacin podra ser una herramienta poderosa para evaluar los niveles y las tendencias de la cartera en riesgo, entre las diferentes actividades financiadas dentro de la economa. Los gerentes pueden establecer diferentes niveles de tolerancia del riesgo, de acuerdo con su rentabilidad y objetivos de impacto. La calificacin puede ayudarlos a controlar los cambios en el nivel del riesgo peridicamente. Tambin, si el prestamista est interesado en atraer posibles nuevos inversores o acreedores, la calificacin puede ayudar a evaluar el riesgo promedio de la cartera e incluso delinear el nivel de riesgo por tipo de actividad, regin o monto financiado. Las partes Vol. 1, No. 2

Copyright 2003 Womens World Banking

- 13 -

CUADRO 1: EJEMPLO DE SIMULADOR DE CALIFICACIN DE PRONSTICO DEL RIESGO DESPUS DE MODIFICAR EL PLAZO DEL PRSTAMO Cliente: Juan Prez Agente de Crdito: Isabel Snchez Sucursal: Central Comit: 01/03/02 Monto Plazo de Desembolsado Vencimiento (US$) Plazo Solicitado Anlisis de Sensibilidad: Monto Desembolsado 900 800 700 Plazo de Vencimiento 1.000 9 8 7 Garanta (% monto) 1.000 10 125 150 200 100 10 100 38 33 29 37 32 27 39 37 36 1.000 10 Sol. Nm.: 12345 Fecha Sol.: 1/1/02 Riesgo Previsto Garanta (%) (%) 100 40

Vol. 1, No. 2

Copyright 2003 Womens World Banking

- 14 -

CUADRO 2: EJEMPLO EFECTOS DEL INFORME DE CARACTERSTICAS Riesgo: 30 das seguidos de mora Historia: 1/1/95 a 5/1/02 Promedio Histrico 1,7 Efecto (% pts.)

Cliente: Juan Prez

Caso: A 12345 Fecha Solic.: 6/2/02 Valor Real

Agente de Crdito: Isabel Snchez

Caractersticas 1. Das de mora/cuotas, ltimo prstamo reembolsado 8,7 2. Nm. de cuotas atrasadas, ltimo prstamo reembolsado 3. Experiencia del agente de crdito (Nm. desembolsado) 4. Tipo de actividad comercial 5. Telfono en la residencia 6. Plazo de vencimiento, ltimo pago (mes) 7. Rotacin del capital (%) 8. Cargos de reembolsos (%) 36. Cobertura de garanta (%) 37. Gnero del cliente 38. Nm. total de empleados 39. Experiencia del cliente (nm. de meses) 40. Edad del cliente PRONSTICO DE RIESGO 36,0 55,0 23,2

(+) 5,8

6,0 77,0

4,0 535,0

(+) 4,2 (+) 3,7

Carpintera No 8,0 Falta 20,0 350,0 Mujer

N.C. S 10,5 3 18,0 300,0 Mujer 0,3 14,0 43,0 9,3

(+) 1,5 (+) 1,1 (+0,6) (+) 0,3 (+) 0,1 (-) 0,4 (-) 0,7 (-) 1,9 (-) 2,3 (-) 4,4 (+) 13,9

Notas: Valor real: Promedio histrico: Efectos puntos %:

valor de las caractersticas de un cliente particular valor de las caractersticas de un cliente promedio diferencia entre el valor de las caractersticas de un cliente particular y el valor de las caractersticas de un cliente promedio. La varianza de cada caracterstica de su promedio correspondiente representa el efecto actual de cada caracterstica sobre el riesgo total.

Vol. 1, No. 2

Copyright 2003 Womens World Banking

- 15 -

CUADRO 3: EJEMPLO INFORME DE SEGUIMIENTO GLOBAL Riesgo: 4 Das/ Cuotas o 30 das seguidos Fecha de Prueba: 6/2/02

Cantidad en Riesgo: Nmero de Prstamos

Fecha de Elaboracin de la Ficha de Calificacin: 31/07/01 Riesgo Observado (%) por Das desde el Desembolso Riesgo Observado (%) para Prstamos Abonados en los Ultimos 12 Meses 3,2 3,1 4,7 7,8 10,6 16,3 24,7 27,2 36,3 43,1 52,6 60,1 70,3 75,4

Riesgo Previsto (%) 0-2 2-4 4-6 6-8 8-10 10-15 15-20 20-25 25-30 30-40 40-50 50-60 60-70 70-100

% de la Cartera Total 0,5 5,1 7,8 8,1 7,7 17 14,5 11,4 8,4 10 5,1 2,7 1,2 0,5

0,90 1,40 2,80 3,00 3,90 5,30 5,50 6,80 9,00 18,40 14,60 18,40 23,00 32,40 34,30

91-180 2,00 2,80 4,00 4,80 6.70 8,10 12.10 16,90 19.40 25,00 30,40 42,30 42,60 62,90

181-270 0,00 2,10 4,00 5,50 6,40 11,60 17,90 23,80 30,40 37,30 50,90 57,20 65,20 65,50

271 + 4,00 3,50 5,10 8,10 11,50 18,10 27,60 33,10 37,80 45,80 53,60 60.40 70,50 77,90

Vol. 1, No. 2

Copyright 2003 Womens World Banking

- 16 -

CUADRO 4: EJEMPLO INFORME DEL AGENTE DE CRDITO SOBRE SEGUIMIENTO LOS RIESGOS MS ELEVADOS Y LOS MS BAJOS Fecha del Informe: 31/07/2001 Prst. Nm. Cliente Das Fuera Sucursal = Todas $ Vigente Riesgo = 1 periodo >= 30 das Riesgo Previsto

Pago Prx. Mora Nm. Riesgo Periodo Malo Ms Mensual Vencim. Actual Periodos Observado Mora/Cuotas Largo 83 71 132 48 316 22 39 283 111 29 60 26 36 38 36 32 36 103 31 167 3-Ag. 29-Ag. 29-Ag. 29-Ag. 2-Ag. 29-Ag. 29-Ag. 29-Ag. 29-Ag. 29-Ag. 18-Ag. 1-Ag. 5-Ag. 7-Ag. 16-Ag. 11-Ag. 17-Ag. 11-Ag. 20-Ag. 1-Ag. 23 0 2 0 0 0 23 0 0 86 0 0 0 0 0 0 0 0 0 0 2 3 3 3 1 3 2 4 3 2 0 1 0 0 0 1 0 1 0 1 42,5 21,1 14,8 14,8 22,7 45,5 22,2 14,5 25,7 36 0 0 0 0 0,1 7 0 0,1 0 0,8 77 36 25 42 28 101 39 25 67 86 0 0 0 0 1 13 0 1 0 5 Malo Malo Bueno Malo Bueno Malo Malo Bueno Malo Malo Bueno Bueno Bueno Bueno Bueno Bueno Bueno Bueno Bueno Bueno

123 Javela Mara 94 Posada Mara 230 Arboleda Nivelly 95 Beltrn Josefina 96 Nez Dolly 97 Cruz Leonor 98 Rivera Antonia 122 Marn Graciela 123 Muoz Marco 90 Silva Osy 201 Valencia Lucer 202 Betancurt Jos 603 Valencia Juan 604 Fernndez Zorrila 505 Snchez Hernn 506 Escobar Patricia 507 Echandia Henry 508 Jaramillo Emma 509 Guevara Csar 510 Paz Mara

308 334 336 304 337 304 304 337 304 304 292 305 279 281 290 316 322 285 295 336

2.106 1.860 1.323 1.032 5.683 377 603 5.773 2.003 388 59 73 35 289 102 107 102 289 87 768

90 81 80 80 72 71 68 62 60 59 0,5 0,5 0,5 0,5 0,5 0,5 0,6 0,6 0,6 0,6

Vol. 1, No. 2

Copyright 2003 Womens World Banking

- 17 -

REFERENCIAS
Churchill, Craig F. y Sahra S. Halpern. Building Customer Loyalty: a Practical Guide for Microfinance Institutions, Gua Tcnica para Redes de Microfinanzas Nm. 2, 2001. Dellien, Hans. Integrated Technologies for Microfinance, Donacin del Banco Interamericano de Desarrollo para la Iniciativa de Innovacin, 2001. Rosenberg, Richard. Measuring Client Retention, Boletn Microbanking, Nm.6, 2001, pg. 25-26. Schreiner, Mark. Scoring: The Next Breakthrough in Microcredit?, CGAP, 2002. Schreiner, Mark. Gua Tcnica para la Integracin de la Calificacin Automatizada en el Sistema Informtico de FMM/Bucaramanga, WWB - Colombia, 2003. Vogelgesang, Ulrike. Microfinance in Times of Crisis: the Effects of Competition, Rising Indebtedness, and Economic Crisis on Repayment Behavior, Serie de Documentos de Trabajo de Gk. Nm. 2001-06, University of Mannheim, 2001.

Vol. 1, No. 2

Copyright 2003 Womens World Banking

- 18 -

Vol. 1, No. 2

Copyright 2003 Womens World Banking

- 19 -

Esta nota fue preparada sobre la base del trabajo llevado a cabo con seis afiliadas de WWB, por Hans Dellien, Gerente de Servicios de Microcrdito de WWB, y Mark Schreiner, Director de Microfinance Risk Management, LLC (Sitio en Internet: www.microfinance.com).

8 West 40th Street, Nueva York, NY 10018, EEUU Telfono: (212) 768-8513 Fax: (212) 768-8519 Email: wwb@swwb.org Sitio en Internet: www.swwb.org

Vol. 1, No. 2

Copyright 2003 Womens World Banking