La utilización de un modelo predictivo tiene sentido en la Gestión de Riesgos. Este modelo permite la estimación del beneficio que supone su aplicación versus la situación actual. La aplicación del modelo implica un valor añadido con respecto a la no utilización de un modelo de riesgo en la gestión.

En la práctica, la aportación de valor se obtiene mediante la minimización de la pérdida esperada. Aunque hay varios factores asociados, los principales son:

• Mejora de la tasa de morosidad (PD) mediante la integración en la gestión del RIIM en la admisión y seguimiento del riesgo.
• Mejora del Lost Given Default LGD, mediante la segmentación y focalización de importes a recobrar (mayor tasa de recobro y disminución del Período Medio de Cobro, PMC promedio).

Situación inicial + Aplicación de modelos = Ganancia

Para la simulación, se estructura el análisis mediante un proceso de toma de decisión en el momento de la emisión de una factura/aceptación de un pedido. De esta manera, se decide si se acepta o se deniega otorgar crédito para esa operación. Los resultados pueden ser los siguientes:

• Operaciones que el modelo recomienda aceptar y acaban en mora.
• Operaciones que el modelo deniega y terminan siendo sanos.
• Operaciones que el modelo deniega y acaba siendo en mora.
• Operaciones que el modelo recomienda aceptar y acaba siendo sanas.

Más del 95% de las empresas basan sus decisiones en información pública, para la Gestión de Riesgos de crédito comercial. Los modelos genéricos tienen una capacidad predictiva del 62%, los modelos propios del 77%, al compartir datos propios de base de deudores; los modelos basados en machine learning del 83% en función de la información comportamental propia y del 86% en el caso de la información comportamental mercado atlax, según Axesor.

La optimización de la Gestión de Riesgos de crédito comercial pasa por el uso de estos modelos predictivos.

Información extraída del webinar impartido por Javier Larraz para EALDE Business School.