Policy Paper n°3

|1Policy Paper | Mayo 2013 - Chile

Estudios ypolitiCas publiCas

POLICY PAPERMayo 2013

Estudios y politicas publicas

Oportunidades para el sistema de información comercial

I Motivación y antecedentes

II Literatura y evidencia internacional

III Riesgo de Crédito en Chile

IV Evidencia de Banco Santander

V Reflexiones Finales

|2

Oportunidades para el sistema de información comercial

Pablo CorreaEconomista Jefe Grupo SantanderBanco [email protected]

Felipe BravoSubgerente Estudios y Políticas PúblicasBanco [email protected]

Este documento ha sido elaborado como una forma de aportar

a la discusión del Proyecto de Ley sobre Información Comercial,

Boletín N° 7886-03, que fue presentado hace más de un año

en el Congreso. Este informe presenta evidencia relativa a la

mayor inclusión financiera y a las menores tasas de interés a las

que podrán acceder los clientes de productos financieros una

vez que este proyecto sea ley.

Esperamos que las tasas de interés disminuyan entre un 3% y

un 7%, dependiendo del segmento, gracias a una mejor admi-

nistración de los riesgos crediticios. Además, la consolidación

de la información comercial permitirá un mejor control de los

riesgos sistémicos de la economía y resguardar los derechos de

propiedad de los tenedores actuales de la información.

_____________________________________________________________________________________

* La serie de informes Policy Paper pretende contribuir a la discusión de políticas públicas en el país, a través de una visión

amplia de diversos temas. Este documento fue preparado con la colaboración de Leonardo Luna y el apoyo de Sergio Ávila,

José Félix Herrera, Cristián Vásquez, Gonzalo Cueto, Pedro Riveros, María Luisa Careces y Rodrigo Moser.

|3

Estudios ypoliticas publicas

La regulación de la información comercial en Chile data del año 1928 y considera los documentos que aparecen en el Boletín de Información Comercial que confecciona la Cámara de Comercio de Santiago (CCS) a partir del protesto de cheques, letras y pagarés. Por su parte, la SBIF, de acuerdo a lo que establece el artículo 14 de la Ley General de Bancos, mantiene un estado de los deudores con información de la deuda morosa y al día; sin embargo, la información disponible es incompleta pues no todos los agentes que hoy día otorgan créditos entregan información. Tampoco hay garantías de la calidad, seguridad y veracidad de dicha información, existiendo incluso evidencias de malas prácticas en el uso de la misma.

La carencia de información positiva en las Agencias de Crédito se traduce en restricciones y condiciones desmejoradas de acceso al crédito de personas que no tienen historial en el sistema financiero, como mayores tasas de interés debido a la capacidad limitada que tienen los bancos y otras instituciones en asignar en forma adecuada el margen por riesgo a los distintos segmentos de clientes. De esta forma se restringe la inclusión financiera de personas que no tienen historial crediticio. Un sistema que además de la información relativa a impagos considerara información positiva, permitiría aumentar la cobertura y reducir las tasas de interés, no solo a los buenos clientes sino que también a aquellos que alguna vez han sufrido algún percance financiero. Por eso creemos que aún hay espacios para seguir mejorando lo que será el futuro sistema de información comercial, en beneficio de las personas y de la industria financiera en general.

Este documento se estructuró de la siguiente forma: primero, se definen y clasifican las oficinas de información comercial, credit bureaus o agencias de crédito en Chile, así como el tipo de información que recogen. Luego, se presenta una revisión de la literatura y del marco teórico para asignar los pun-tajes de crédito o credit scoring del proceso de asignación de préstamos que utiliza la banca y otros proveedores formales, y se entregan algunas ideas conceptuales de cómo a partir de éste se determi-na el nivel de riesgo y precio (tasa de interés) de las operaciones. Además, se muestra la experiencia internacional relevante, identificando los beneficios de un sistema de información comercial. La ter-cera sección detalla la institucionalidad y el sistema de información comercial que existe actualmente en Chile. La cuarta sección muestra los efectos empíricos que podría ocasionar en Chile la aprobación del proyecto de ley en su versión actual utilizando un modelo como el descrito en la sección anterior con datos de Santander. En la última parte del documento se presentan las principales conclusiones.

I Motivación y antecedentes

Policy Paper | Mayo 2013 - Chile|4

Estado del Proyecto de ley sobre información comercial en Chile

El proyecto de ley que regula el tratamiento de la información de obligaciones de carácter financiero, Boletín N° 7886-03, fue presentado a la Cámara de Diputados el 30 de agosto de 2011 con carácter de Suma Urgencia.

Pareciera que hasta ahora, no ha existido la capaci-dad para comprender los amplios beneficios de dis-poner de toda la información relevante para realizar una correcta evaluación del riesgo de un crédito y que esta información esté disponible para todas las instituciones. De esta forma y por los cambios intro-ducidos, el proyecto ha perdido parte de las ideas matrices planteadas por el Ejecutivo. Por ello, el pro-yecto en su estado actual presenta potenciales cos-tos sobre la gestión de riesgos de las instituciones proveedoras de fondos.

A continuación se presentan las principales ideas del proyecto, que parte por reconocer que las personas naturales y jurídicas son las dueñas de su informa-ción comercial, estableciendo mecanismos que ase-guren el respeto de sus derechos.

_____________________________________________________________________________________

1 Por información positiva se entiende aquella relativa a las obligaciones al día sustentadas en instrumentos de pago o de

crédito con instituciones válidamente emitidas. Por obligaciones al día se entiende aquellas cuyo plazo no ha expirado, así como

los de aquellas que han sido pagadas.

El proyecto:

• Crea un organismo centralizado para mantener la información “Sistema de Obligaciones Económicas” o SOE, que será administrado por la SBIF.

• Propone que toda la información existente no pase automáticamente al SOE, sino que los aportan-tes deberán comunicar al administrador del sistema los datos de obligaciones económicas que se gene-ren sólo a contar de la fecha de entrada en vigencia de la ley.

• Propone aumentar la información disponible de manera de asegurar más competencia de los pro-veedores de crédito en la búsqueda de clientes. Sin embargo, se agregan requisitos de almacena-miento que hacen perder el sentido a la norma y di-ficultan las políticas de riesgo y control de gestión de las instituciones, ya que ahora no podrá guardarse la información utilizada en el proceso de evaluación y asignación de un crédito.

• Establece procedimientos para el consentimiento en el uso de la información.

• Fija un plazo de cinco años para que la informa-ción sea eliminada.

• Considera información positiva1, lo que permi-tirá crear un “colateral reputacional” basado en



Definición y clasificación de las agencias de crédito

su comportamiento de pago y sujeto al consenti-miento de la persona.

• Se establece la figura de los distribuidores de la in-formación, definiendo roles y deberes, y delimitando responsabilidades respecto de sus servicios y manejo de la información.

• Se otorgan nuevas responsabilidades a los tribuna-les de justicia y se asignan penas de cárcel en caso de no respetar la ley.

• Además, se modifican Decretos del Ministerio de Salud y el Código del Trabajo de manera de garantizar los derechos de la información de las personas. Bajo el mismo argumento se modifica la Ley General de Bancos, con lo que se crea una brecha de información entre regulador y regula-do que podría tener efectos no deseados a futu-ro, lo que incidirá directamente en la calificación de gestión de la banca.

_____________________________________________________________________________________

2 Si una transacción no se realiza en forma inmediata entre las partes, siempre va a existir un riesgo de que la otra parte

no cumpla el acuerdo. En este caso se convierte en un problema intertemporal y con información asimétrica: el ofertante

de crédito no sabe diferenciar que tan buen pagador es, por lo que ahí se constatan riesgos de selección adversa y moral.

Los Credit Bureaus o Agencias de Crédito (AC) son instituciones que manejan información sobre el pago de obligaciones, acceso al crédito, nivel de

deuda y otro tipo de información por parte de los participantes del mercado, para luego distribuir-la entre diversas instituciones y agentes que la re-quieren para asignar un nivel de riesgo adecuado al cliente y así determinar una correcta tasa de interés en los préstamos.

Es sabido que los registros de información pueden reducir la asimetría de información no solo a los clientes actuales, sino que también abrir el historial crediticio a potenciales instituciones prestamistas.

Los deudores saben que su información puede ser compartida y por ende su reputación se transforma en un “colateral” que aumenta su valor a medida que su comportamiento sea favorable (positivo) y disminuye en caso de cesación de pagos o incumpli-miento de las obligaciones (negativo).

Jaffe y Russell (1976) y Stiglitz y Weiss (1981) muestran que dado que los mercados del crédito poseen una naturaleza transaccional intertempo-ral, la asimétrica información entre prestamista y deudor presenta un problema de selección adversa y riesgo moral, lo cual hace imposible que la tasa de interés funcione como equilibrio del mercado. 2

Es por ello que la razón más importante para te-ner un registro público sería la colaboración en la supervisión de los proveedores de crédito a través de la mejora en la calidad de la información credi-ticia disponible para el sector financiero.


En los últimos años, las AC se han expandido a través del mundo y aunque en cada país éstas tienen características específicas, hay lecciones que se pueden aprender sobre su funcionamien-to, para así desarrollarlas en lugares donde aún no existen o se están perfeccionando, como es el caso chileno.

Estudios como el de Miller (2003) señalan que las AC son eficaces en países en desarrollo en los cua-les una parte importante de la economía funciona de manera poco formal. Es en estas circunstancias donde la importancia del colateral aumenta en com-paración a mercados de crédito basados en la infor-mación, donde el costo de los créditos es menor y la asignación de los activos es más eficiente. 3

Arteche et al. (2007) y Turner (2010) muestran en su análisis de las AC en Chile, donde éstas están ba-sadas casi exclusivamente en información negativa. Claramente, el hecho de no tener un sistema que contemple información positiva genera un menos-cabo en la asignación eficiente de los recursos, en especial, para las personas con menor acceso al mer-cado crediticio.

Es así como los sistemas de información crediticia ayudan a construir un sistema financiero más efi-ciente en la asignación de recursos, promoviendo la transparencia en el acceso y uso de la información.

Las AC han mostrado ser eficaces para la mitigación de la selección adversa y el riesgo moral en los mer-cados de crédito.

Niveles de Información que recogen las Agencias de crédito

Chandler y Parker (1989) definen varios niveles de información que pueden recoger las AC:

• Simple: Número de consultas en los últimos seis meses y peores referencias de crédito.

• Estándar: Número de consultas en los últimos seis meses, número de consultas financieras en los dos últimos años; número de líneas comerciales nuevas en los últimos seis meses, de análisis satisfactorios, de calificaciones en los últimos 30 días, de calificacio-nes en los últimos 60 días, número de calificaciones en los últimos 90 días o más, y de saldos vencidos y antigüedad de la historia crediticia.

• Detallada: Considera la información estándar, más el número de operaciones de líneas de crédito bancarias, número de transacciones de tarjetas de crédito nacionales y número de operaciones de consumo.

__________________________________________________________________________________

3 La información otorgada tiene un valor debido a que predice el comportamiento de las personas y por ende puede susti-

tuir el uso de garantías como colateral, reduciendo los recursos necesarios para acceder al crédito. Por ende, mientras los

mercados estén menos desarrollados, los requerimientos de colateral serán mayores, ya que la información en estos casos

tiende a ser escasa y de mala calidad.



Información necesaria para el Credit Scoring Una revisión de la literatura muestra que, en térmi-nos generales, cada institución posee formatos e in-formes diferentes. Sin embargo, todos los informes de crédito contienen básicamente las mismas cate-gorías de información:

• Información del individuo: Edad del solicitan-te, tiempo de permanencia en su actual residencia o domicilio, permanencia en actual trabajo, estado de la vivienda (arrendatario o propietario), grupo de ocupación, ingresos, número de dependientes, te-léfono de residencia, banco en que tiene la cuenta corriente, razón de endeudamiento, información del co-deudor y referencias de crédito, número de identificación (RUT), fecha de nacimiento e informa-ción de empleo. Estos antecedentes se utilizan para identificar al individuo, categorizarlo y vincularlo con la información. Las actualizaciones de los datos de-penden de los proveedores de créditos.

• Líneas de crédito: Consideran información sobre cuentas corrientes, líneas de crédito y otros tipos de crédito. Se informa el tipo de cuenta establecido (tarjeta bancaria, préstamos de consumo, préstamos para automóviles, hipotecas, préstamos comerciales,

etc.), la fecha en que abrió la cuenta, su límite de crédito o monto del préstamo, el saldo de la cuenta y su historial de pago.

• Solicitudes de crédito: Considera información de las consultas sobre crédito realizadas y que apare-cen en el informe de crédito de individuo. La sección de consultas contiene una lista de todas las perso-nas que han accedido a su informe de crédito en los últimos dos años. El informe enumera las consultas “voluntarias”, motivadas por solicitudes propias y las “involuntarias”que se dan, por ejemplo, cuando un prestamista solicita un informe a fin de hacer una oferta de crédito pre-aprobado.

• Registros públicos: Las AC también recopilan información de registros públicos, incluida informa-ción de quiebras, embargos, juicios y embargos sa-lariales. También recoge información de tribunales y deuda vencida de las agencias de cobranza.


Modelos de asignación de crédito o credit Scoring

Esta sección describe brevemente a las principales agencias de crédito en Estados Unidos (EE.UU.), como un ejemplo de una economía con alta historia de análisis de riesgo de crédito, altamente sofistica-do y muy extendido. En este caso, se presenta un modelo de medición de riesgo de crédito que ocu-pan estas agencias. Luego se describen los princi-pales modelos teóricos de probabilidad de incum-plimiento.

Equifax, es una agencia de información crediticia con más de 6.900 empleados en 16 países que co-tiza en la bolsa de Nueva York (NYSE:EFX). Focaliza sus servicios principalmente en países de América. En Chile opera desde 1979, entregando servicios a más de 14 mil empresas de distintos sectores. Ac-tualmente utilizan el modelo BEACON de puntaje crediticio, realizado por la empresa FICO.

Experian, agencia crediticia que cotiza en la bolsa de Londres (EXPN), cuenta con cerca de 17.000 em-pleados en 44 países y centros de operaciones en Irlanda, Reino Unido, Estados Unidos y Brasil. Actual-mente utilizan el modelo Experian/FICO Risk Model para obtener el puntaje de crédito.

Transunion es una agencia de información crediticia con más de 40 años en el mercado global, actual-mente provee información a cerca de 45.000 ne-

gocios y contiene registros de más de 500 millones de consumidores en 33 países. Actualmente utiliza el modelo FICO Risk Score Classic para obtener los puntajes crediticios.

Myfico Score (EE.UU.) fue fundado en 1956 y utiliza modelos avanzados para ayudar a tomar decisiones de riesgo. Myfico es uno de los princi-pales agentes utilizados en el proceso de reportes de crédito en Estados Unidos. Actualmente 90 de las 100 entidades financieras más grandes de Es-tados Unidos utilizan el sistema de Myfico Score para tomar decisiones crediticias sobre diversos consumidores; entre ellas se destacan Equifax, Experian y Transunion. Debido a lo integrado que se encuentra este sistema a las AC, las personas han reducido el tiempo de espera en el cual sus créditos son aprobados, al tiempo que los bancos toman decisiones más justas y transparentes para el mercado.

La ponderación que utiliza el modelo de Myfico sobre los grupos de variables que analiza para la asignación de un puntaje de riesgo de crédito es la siguiente:

- Historia de pagos: 35%- Montos de deudas: 30%- Amplitud de historia crediticia: 15%- Nuevo Crédito: 10%- Tipos de Crédito en Uso: 10%

A continuación se define cada categoría:

Historia de pagos: Considera información de pagos a tarjetas de crédito, cuentas del retail, préstamo automotriz, cuentas en compañías financieras y cré-ditos hipotecarios. Como información negativa se

II Literatura y evidencia internacional



consideran: quiebras, obligaciones impagas, juicios, demandas y situación impositiva. En general, Myfico considera cuatro factores de cada ítem: tiempo del evento, monto involucrado, periodicidad y cantidad de eventos.

Montos de deudas: Para determinar cuándo pudie-se existir un exceso de deuda, Myfico considera el monto total adeudado, los tipos de deudas que po-see, cuántas cuentas tienen saldos, cuánto porcen-taje del crédito disponible está siendo utilizado y qué parte de los prestamos todavía se debe en compara-ción al monto original del préstamo.

Amplitud de historia crediticia: Mientras mayor sea el horizonte de información, más fiable son los resul-tados, por lo que una mayor historia permite mejo-rar la estimación del riesgo.

Nuevo crédito: Principalmente considera cuántas cuentas nuevas posee y cuánto tiempo tarda en abrir nuevas cuentas.

Tipos de crédito en uso: Considera el mix de pro-ductos crediticios que tiene el cliente, los tipos de cuentas solicita y qué tipos de crédito adquiere.

La puntuación resultante de los diversos aspec-tos considerados oscilará entre 300-850 puntos: A mayor puntaje, menor es el riesgo. Es impor-tante señalar que la puntuación sólo se utiliza como guía en las decisiones de financiamiento: no necesariamente tener un buen puntaje impli-ca que los bancos ofrecerán crédito a una baja tasa de interés, ya que cada banco o entidad financiera posee su propia estrategia y nivel de aversión al riesgo.

Revisión de los modelos de credit scoring

Los modelos de credit scoring o de medición de ries-go de crédito comenzaron a desarrollarse a principios de los setenta, pero su uso se generalizó durante los noventa. En términos generales, buscan obtener o medir la probabilidad de incumplimiento asociada a un score, rating o calificación y están basados en información contenida en solicitudes de crédito de las mismas agencias más información proveniente de fuentes internas y externas.

Estas metodologías tienen una dimensión individual en contraposición a la medición de riesgo de carte-ras de crédito (Credit VaR, Porfolio VaR). Sin embar-go, en algunos casos también se aplican a grupos de agentes o clases de perfiles de riesgo. En general, los modelos debiesen distinguirse de acuerdo al tipo de crédito o financiamiento, puesto que un mis-mo agente puede tener patrones de pago distintos dependiendo del tipo de crédito, colateral, plazo y monto involucrado en la transacción. En caso de no distinguir se habla de modelos de scoring genéricos.

Los modelos se pueden emplear en distintas etapas del proceso de evaluación de riesgo. En nuestro caso, nos interesan los modelos de originación de crédito, es decir, que ayudan a resolver solicitudes o aplica-ciones de crédito, los cuales se conocen como mo-delos reactivos o application scoring. Sin embargo, también se pueden usar para administrar carteras de créditos: modelos de seguimiento, proactivos o behavioral scoring que también se pueden emplear para análisis de crédito: administrar límites, calcular rentabilidad de clientes, ofrecer nuevos productos, monitorear el riesgo, detectar fraude, etc.


Respecto a las variables que utilizan, la principal distinción tiene que ver con la utilización infor-mación negativa y positiva. 4 Dependiendo de la legislación y a diferencia de aplicaciones más académicas, existen algunas variables que no son posibles de utilizar, por ejemplo: raza, religión, nacionalidad, sexo y estado civil 5.

Existe una gran variedad de metodologías dispo-nibles para la estimación de estos modelos. Entre las técnicas más utilizadas se distinguen: análisis de discriminante, regresión lineal, regresión logística, modelos probit, modelos logit, métodos no para-métricos, métodos de programación matemática, modelos basados en cadenas de Markov, árboles de decisión, sistemas expertos, algoritmos genéticos y redes neuronales 6.

En nuestro caso describiremos más detallada-mente los modelos más usados en la literatura: el modelo de probabilidad lineal y el modelo logit.

Modelo de probabilidad lineal

zi=βTXi+ϵ=β0+β1X1+β2X2+…+βnXn+ϵ

Este modelo permite estimar un modelo lineal en los parámetros para Z. Al respecto, se esperaría que los valores predichos debiesen ser interpre-tados como la probabilidad de default y deberían estar en el intervalo [0,1]. Lo anterior, presenta problemas metodológicos tanto en la distribución esperada de Z como en los posibles valores de X. En particular, uno esperaría que Z tomara valores positivos y menores a la unidad.

Una forma de solucionar el problema anterior es res-tringir la distribución de Z y X. Lo anterior se logra mediante estimaciones por máxima verosimilitud. Si se utiliza el supuesto de distribución normal de los datos se estimará un modelo Probit, si se utiliza una función logística se estimará el modelo Logit.

Modelo de probabilidad logit

En este caso, la estimación del modelo no es li-neal, aunque su interpretación sigue siendo intui-tiva: p es la probabilidad de impago o default y X son las variables explicativas.

_____________________________________________________________________________________

4 Canton et al (2010) definen la información negativa como aquella asociada a los incumplimientos y atrasos en los pagos,

mientras que la positiva es la información de los pagos a término y otra información descriptiva de las deudas, como montos

de préstamos, tasas de interés y plazos. 5 Canton et al (2010), Gutiérrez (2008) y Avery, Calem y Canner (2004) entregan una lista y descripción de las principales

variables que utilizan. Ver anexo.

6 Para una explicación de cada uno de estos modelos revisar Canton et al (2010), quien a su vez cita a varios autores para

cada una de las técnicas mencionadas.

log p1- p( )=β0+β1X1+β2X2+…+βnXn



Si las variables son independientes, la probabili-dad puede ser calculada como:

donde el cálculo de Z, estará dado por lo valores estimados de β y los coeficientes particulares de X. El scoring se calculará en base a la multiplica-ción del parámetro β y el valor particular de X. Este indicador se puede ajustar a 100% para te-ner una escala normalizada.

Un mal puntaje determinará la negación del cré-dito, mientas que un puntaje por encima del mí-nimo requiere una evaluación posterior y depen-diendo de la políticas de riesgo, una evaluación continua. Al respecto, las instituciones financie-ras determinan un límite que distingue sujetos de crédito de aquellos que no lo son. En la práctica, esto determina tres áreas posibles de acuerdo al puntaje del modelo: rechazo automático, revisión y aceptación automática.

Finalmente y tal como se plantea en el capítulo anterior, la utilización de los modelos de medi-ción de riesgo de crédito no determina por si solo la asignación del crédito, ni el monto, ni el plazo

y mucho menos la tasa de interés a cobrar. Estas de-cisiones en general están vinculadas a aspectos tales como la institucionalidad, las condiciones macroeco-nómicas y las políticas comerciales o estratégicas de las instituciones financieras, así como a su propio costo de fondo.

A pesar de las técnicas descritas anteriormente, éstas no han desplazado al juicio humano, conformando lo que se denomina política de crédito.

No obstante lo anterior, Cantón et al (2008) explican que en el caso en que las instituciones financieras operen bajo estándares de Basilea y tengan una po-lítica definida de retorno ajustado por riesgo para distintos grupos de clientes, el spread o diferencial de tasas entre agentes de distinto riesgo estará dado por las diferencias entre los requerimientos de ca-pital asociado a tales clientes. En este sentido, una vez definido un retorno esperado para cada tipo de cliente, la tasa de interés a cobrar quedaría determi-nada bajo ciertos supuestos. Ellos también plantean seis fases en el proceso de otorgamiento de créditos, aunque su ejemplo está enfocado para el caso de microcréditos.

p= ez 11+ez 1+e-z

=


Evidencia internacional

La evidencia internacional es muy útil y abundante en indicar las bondades de las AC y tiene casos exi-tosos de oficinas públicas y privadas.

Según Chandler y Parker (1989) una mayor infor-mación crediticia es necesaria para minimizar los problemas de asignación de créditos, ya que sus estudios indican que a mayor nivel de información, mayor es la certeza en la predicción, con lo cual se logra una mejor apreciación del riesgo y por ende se ofrecen tasas más justas al sujeto de crédito. Para lo anterior, definen tres tipos de nivel de información: simple, estándar y detallado 7 y calculan el poder predictivo de un modelo para el caso de tarjetas de crédito bancarias y comerciales. En cada caso, inten-tan distinguir entre sujetos de crédito y aquellos que no lo son. Ellos definen un máximo poder predictivo y calculan la capacidad de los distintos modelos para lograr ese mismo resultado. El utilizar solo la infor-mación del postulante (applicant) reduce la capaci-dad predictiva hasta en un 60%.

Miller (2000) y Love y Mylenk (2003) revisan expe-riencias globales evidenciando que los impactos de las agencias de crédito son positivos en el sentido

que otorgan menores restricciones arbitrarias para el acceso al crédito y mejoran los niveles de eficiencia en la asignación de recursos.

Miller (2000) también identifica el tipo de informa-ción que recaudan los registros en distintos países del mundo. De los 30 registros públicos a los que ellos tuvieron acceso, en 24 de los casos las agen-cias estudiadas tienen información sobre el nombre de la institución que entrega el crédito y el monto total de la deuda. En 23 casos se obtiene el tipo de deuda, en 20 el número de identificación tributario, en 16 el rating del crédito, en 15 la actividad que desempeña el sujeto, en 11 el tipo y valor del co-lateral que posee, en 10 la madurez de la deuda y en 7 la dirección comercial. Sólo en 5 se registra la tasa de interés de la deuda, nombre de los dueños, grupo o conglomerado al que pertenece y solo en 3 incluyen información impositiva. Por otro lado, Mi-ller concluye que en el caso de las agencias privadas, éstas manejan un mayor nivel de datos en cada uno de los países analizados, en especial, al poseer más información relacionada con las características de la deuda y la situación fiscal de los deudores.

Según Miller (2003), los países 8 donde operan las agencias de crédito han reducido considerablemen-te el tiempo de aprobación de los créditos, dismi-nuyendo los costos de transacción y anotando una caída en la tasa de default 9 en más de 25%.

_____________________________________________________________________________________

7 Los mismos expuestos previamente.

8 Alemania, Argentina, Aruba, Austria, Bahamas, Barbados, Belice, Bélgica, Bermudas, Bolivia, Brasil, Chile, Colombia, Costa

Rica, Dinamarca, Ecuador, El Salvador, España, Finlandia, Francia, Grecia, Guatemala, Guyana, Haití, Holanda, Honduras,

Irlanda, Islas Caimán, Italia, Luxemburgo, Portugal, Reino Unido, República Dominicana y Suecia.

9 Los autores la definen como aquellos que caen en cesión de pagos, aunque no definen ni tiempo ni montos asociados.



Por su parte, Japelli y Pagano (2002) encon-traron evidencia de que la presencia de AC o registros de crédito se asocia a mercados de crédito más amplios y con menores indicado-res de riesgo de crédito. También argumentan que los registros públicos son más propicios en economías donde los derechos de los acreedo-res están poco protegidos.

Luoto, McIntosh y Wydick (2004) analizan la evi-dencia en países subdesarrollados, con especial interés en Guatemala. La historia muestra una significativa baja en las tasas de interés luego de que se implementará un sistema de AC, el cual mostró reducir entre 2% y 3% la tasa de interés exigida. Chakravarti y Chea (2005) utilizan ejemplos del establecimiento de AC en países del Asia Pacifico 10, identificando factores claves para el éxito de estas iniciativas, como son el liderazgo del Go-bierno, requisitos mínimos de reportes crediticios, estructura entre agencias privadas y públicas, es-tandarización de la información, formas de cap-turar correctamente la información del mercado y adecuados marcos legales para evitar un uso abusivo del sistema.

Simovic, Vaskovic y Poznanovic (2009) presentan evidencia de una mayor estabilidad y liquidez en el mercado de Serbia gracias a la implementación de un particular modelo de AC en el cual son los mismos bancos y entidades financieras quienes

_____________________________________________________________________________________

10 Australia, China, Guam, Hong Kong, Indonesia, Japón, Malasia,Filipinas, Singapur, Corea del Sur, Taiwán, Tailandia y Vietnam.

11 42 países analizados.

gestionan la veracidad y precisión de la informa-ción, ya que finalmente son ellos quienes tienen el mayor incentivo a proveer y recibir la mejor in-formación disponible. Por otra parte, cada banco y entidad financiera posee un centro de atención de AC en sus propios locales, lo cual reduce signi-ficativamente los costos operacionales de mante-ner el sistema. La introducción de las AC en Ser-bia tuvo un impacto significativo en la reducción de créditos impagos, desde un 23,8% en 2005 a un 4,1 % en 2006.

Triki y Gajigo (2012) concluyen, a partir de un gru-po de países de África 11, que la inclusión de AC ha facilitado el acceso de la información a todos los agentes del mercado, reduciendo la asimetría de información, además de limitar la selección ad-versa y el riesgo moral.

En relación a la experiencia chilena, Turner (2010) evidenció que existiría un beneficio para los seg-mentos de la sociedad chilena con menor acceso al crédito y menor historia financiera si se incluyera información positiva en el sistema de reportes de crédito. Este efecto ocurre debido a que existe una mayor probabilidad de que la información positi-va sobre personas con poca información negativa crediticia tenga un impacto mayor sobre la evalua-ción de riesgo, principalmente porque al no contar con registros existe una menor capacidad de esti-mar adecuadamente su capacidad de pago.En este sentido, Turner y Varghese (2007) lograron evidenciar un cambio más equitativo en el acceso al


crédito en Colombia, en el cual en un sistema con información negativa los hombres constituían un 67% del mercado crediticio, mientras que las muje-res sólo un 33%. Por otra parte, en un sistema con información positiva y negativa, la proporción ante-rior varía a un 53% y 47%.

A continuación se describen los mecanismos a través de los cuales se producen los efectos sobre tasas de interés, requerimientos de capital y acceso al crédito encontrados en la literatura, derivados de la incorporación de las agencias de crédito en distintas economías.

Efectos sobre las tasas de interés

La International Finance Corporation (2006), en su pu-blicación sobre AC, concluye que si éstas utilizáran información positiva y negativa sobre el crédito, su tasa de incumplimiento (default) caería en 43% comparado con la situación en la cual sólo se use información negativa.

Sin información completa sobre los perfiles de riesgo, el prestamista confundirá un buen nivel de riesgo con uno malo y viceversa. La cartera, por lo tanto, incluirá préstamos más riesgosos, y con el tiempo, las tasas de interés tenderán a subir, ya que se ajustarán para reflejar el rendimiento de los préstamos.

Además, el aumento de las tasas de interés crea in-centivos para desarrollar proyectos más arriesgados, dado que los proyectos de bajo riesgo no compen-sarán el costo del préstamo. Proyectos más riesgosos llegarían a representar una mayor proporción de la cartera, aumentando así la tasa de interés promedio, alimentando este círculo vicioso.

Sin embargo, cuando se comparte la información, la capacidad de detectar a los agentes más riesgo-sos mejora, así como el rendimiento de la cartera, permitiendo a los prestamistas ofrecer precios más bajos a las personas de menor riesgo. Sin esta dis-tinción, algunos proyectos social o económicamente rentables no se financiarían porque el costo del cré-dito hubiese sido muy alto.

Efectos sobre requerimientos de capital

Según Falkenheim y Powell (1999), las agencias de crédito permitirían disminuir los requerimientos de capital para enfrentar pérdidas no esperadas, ya que una mayor información permitiría liberar estos fon-dos para financiamiento de nuevas iniciativas. Lo an-terior es especialmente cierto en países que cuentan con altos niveles de reservas.

Efectos en el acceso al crédito

Las AC permiten aumentar el acceso al crédito a grupos sin historial crediticio o con historial crediti-cio restringido. Según Turner (2010), en este caso, la falta de historia crediticia generalmente merma las posibilidades de acceder a una tasa de interés justa y por ende su tasa de aprobación y los montos son menores. Para estos consumidores, la inclusión de las AC con información tanto negativa como positi-va, aumenta entre 6 y 8% el poder predictivo de los modelos examinados.

Los efectos de la información positiva en las AC probablemente beneficiaran más a aquellos que cuentan con menor información. En estimaciones que consideraban a todos los países, las agencias de crédito privadas incrementaron en un 21% los prés-tamos y si consideramos sólo economías pobres, el



aumento es de 14,5%. El Banco Interamericano de Desarrollo (2005) examinó información de 170 ban-cos en Bolivia, Brasil, Chile, Colombia, Costa Rica, El Salvador y Perú, con el objetivo de medir el impacto de las agencias de crédito sobre el desempeño de los créditos. El resultado fue que los bancos que pres-taban principalmente a consumidores y negocios pequeños y que utilizaban información de las AC te-nían tasas de default 7,75% menores que aquellos que no utilizaban esa información.

Efectos en la conformación del mercado

En un mercado en el cual no existe información posi-tiva, los actores de crédito de mayor tamaño tienden a perpetuarse en sus posiciones dominantes puesto que la inversión necesaria para conocer a un nuevo entrante no logra generar retornos atractivos.

Por tanto, una explicación para la conformación de grandes operadores de crédito en Chile, tanto en bancos como en el retail financiero, también se ex-plica por la falta de información que dificulta el cre-cimiento de los actores de menor tamaño.

III Riesgo de Crédito en Chile

Medición del riesgo de crédito en Chile 12

En Chile, existen diversas empresas que distribuyen

información crediticia: DATA BUSINESS, SINACOFI,

SIISA, TRASUNION y DICOM-EQUIFAX. Ellas reciben

información por parte de los bancos, entidades fi-

nancieras y otros agentes del mercado, la verifican

y validan, distribuyéndola nuevamente a los suscrip-

tores. La Cámara de Comercio de Santiago distribu-

ye el BIC (Boletín de Información Comercial) a estas

cuatro entidades, quienes luego distribuyen al resto

del mercado dicha información junto con otra de

carácter público que recopilan por medios propios.

La SBIF mantiene un registro de deudores que con-

tiene información consolidada sobre las deudas de

las personas en el sistema bancario. Este registro

se realiza con información que proveen los bancos

mensualmente y una vez que está información esta

consolidada, se pone a disposición de las institucio-

nes financieras. Adicionalmente, deudores del siste-

ma bancario pueden solicitar a la SBIF un certificado

de deuda detallando del monto de la deuda y deta-

lle de sus obligaciones.

La SBIF prepara y distribuye regularmente un archivo

conocido como el “Status del Deudor” a todas las

_____________________________________________________________________________________

12 Esta sección está basada en Arreche et al (2007).


instituciones financieras bajo su supervisión. Alguna

de la información básica que incluye dicho informe es:

- Identificación del Deudor: Nombre y Rut.

- Deuda directa corriente (menos de 30 díías

de atraso), mora (de 30 a 90 días de atraso) y

atrasada.

- Deuda indirecta actual y vencida.

- Deuda comercial actual.

- Deuda en moneda extranjera comercial actual

y vencida.

- Deuda de consumo actual y el número de deudores.

- Deuda hipotecaria actual.

- Líneas de crédito disponibles.

- Deuda directa a través de acuerdos de recompra.

- Atrasos o protestos de deuda: Identificación de

institución acreedora.

- Leasing: valor de los contratos.

La tabla 1 resume los principales proveedores de

información crediticia en Chile, diferenciándolos se-

gún su carácter público o privado.

Es importante señalar que ni el Banco Central de

Chile ni la Superintendencia de Bancos tiene un rol

directo sobre las AC.

El decreto supremo 950 realizado por el Ministerio

de Hacienda, determina quién debe proveer infor-

mación y la periodicidad y contenido de la misma.

Por otro lado, deudores del sistema bancario pue-

den solicitar a la SBIF un certificado que informa el

monto de deuda y detalle de sus obligaciones.



Oficinas privadas

Registros públicos

Otros

DICOM –EQUIFAX

DATA BUSINESS

SINACOFI

TRANSUNION

SIISA

CÁMARA DE COMERCIO DE SANTIAGO (CCS)

SBIF

REGISTRO CIVIL

CONSERVADOR DE BIENES RAÍCES

SERVICIO DE IMPUESTOSINTERNOS

AFPs

PODER JUDICIAL

Nombre Descripción

Fundado en 1979, provee información comercial de personas y empresas.

Creado por la CCS en 1999, entrega información sobre el riesgo de crédito, inteligencia de negocios y ranking.

Centraliza información de cuentas, cheques, documentos protestados y distribuye información.

Genera reporte de estado de deudor y lo envía a las instituciones supervisadas.

Procesa información respeto de eventos legales y de identificación personal.

Registra y procesa información de propiedades y bienes inmuebles.

Situación tributaria por contribuyente.

Cotizaciones efectuadas.

Estado de causas.

Se especializa en reportes de crédito.

Empresa que procesa datos de transfe-rencias y reportes.

Se especializa en reportes de crédito.

Fuente: The World Bank (2011)

Tabla 1


Este capítulo muestra los efectos en la medición del riesgo de crédito frente a un cambio en la legislación que incorpore el historial crediticio no bancario, tanto en la admisión de nuevos clientes como en el costo del crédito derivado de las pro-visiones que deban asignar.

Como marco de referencia utilizamos algunos elementos del análisis de riesgo del segmento de rentas masivas. Si bien lo anterior puede generar cierto sesgo en las conclusiones a nivel bancario, el modelo retail del Banco Santander posee una representación amplia y homogénea del mercado de crédito en Chile.

Modelos de Admisión: Probabilidad de Incumplimiento(para distintos niveles de score)

IV Evidencia de Banco Santander

En primer lugar, cabe destacar que la política de riesgo del Banco establece restricciones impor-tantes al momento de aceptar nuevos clientes sin historial crediticio. ¿Por qué esta diferencia? Esto se debe principalmente a dos factores: el primero nos señala que históricamente aquellos clientes nuevos que no poseen historial crediticio, caen en incumplimiento casi el doble de veces que aque-llos que si poseen alguna historia. Lo segundo, los modelos de scoring para la aceptación del Banco muestran que la bondad de ajuste de la distribu-ción de los nuevos clientes es mucho mejor en el caso de “clientes con historial crediticio”.

A modo de referencia, podemos señalar que los modelos de scoring del Banco consideran varia-bles de los clientes de tipo demográficas y de comportamiento financiero.

Es importante hacer notar que los modelos de scoring de aceptación son solo una parte de la política de evaluación de riesgo del Banco. Una

Fuente: Banco Santander



evaluación ex-post de los clientes muestra que aquellos sin historial presentan una tasa de in-cumplimiento 10% mayor que aquellos que si la poseían. Para los modelos de aceptación comer-cial del Banco, el concepto de “historial crediti-cio” considera a aquellas personas que poseen algún tipo de producto con la banca tradicional, el cual se obtiene a partir de lo informado por la SBIF.

Un reflejo de la política antes mencionada es que en marzo de 2013, un tercio de los clientes sin historial crediticio que postularon al segmento de rentas masivas fueron aceptados en la etapa de admisión.

Resulta evidente que si existiera la posibilidad de saber si los potenciales nuevos clientes han sido o son clientes de alguna otra institución provee-dora de crédito no bancaria, se podría incluir dicha variable en la toma de decisiones para la aceptación, ya que en teoría también calificaría dentro de la categoría de “cliente con historial crediticio” para efectos de análisis. Este simple hecho aumentaría la admisión, toda vez que, por ejemplo, más del 50% del mercado del crédito de consumo se encuentra en manos de instituciones no bancarias.

_____________________________________________________________________________________

13 La loss given default (LGD) representa el porcentaje de pérdidas efectivas que ocurre en una cartera de deuda, para un cliente

o grupo de clientes, debido a una situación de incumplimiento (default). Es así que en una situación de default no necesaria-

mente quedará impaga toda la deuda. El porcentaje impago es el que se conoce como LGD. La probability of default (PD) co-

rresponde a la probabilidad de incumplimiento (en un período) que se le asigna al individuo analizado según sus características

y el modelo de scoring aplicado.

14 Tomamos como supuesto que un cliente se comportará de manera similar entre las diversas instituciones financieras en el futuro.

15 Los modelos son revisados por la SBIF anualmente y auditados por empresas externas y, además, cuentan con la autorización

del Grupo Santander. Para su estimación, consideran información de hasta 5 años.

Impacto en provisiones y en tasas de interés

Junto con la etapa de admisión, otra parte importante

del proceso crediticio es el seguimiento que se reali-

za a la cartera de créditos otorgados. A partir de éste

se determinan las provisiones asociadas a las diversas

carteras de clientes, las que se derivan de la probabili-

dad de incumplimiento (probability of default) y de la

pérdida dado el incumplimiento (loss given default)13.

Estos últimos conceptos son importantísimos a la hora

de determinar la prima por riesgo para cada clasifica-

ción de clientes y las provisiones que el Banco debe

constituir para la cartera de consumo. Esta prima es la

principal responsable de las diferencias tarifarias perci-

bidas entre los clientes del Banco.

A continuación presentamos algunos antecedentes

que muestran el impacto en la tasa de interés cobrada

a distintos grupos de clientes14. Lo que se demuestra

es que, en la medida que dispongamos de mayor in-

formación respecto al comportamiento de un cliente

dentro del sistema financiero, mejor será la capacidad

de determinar si posee un perfil más o menos riesgo-

so, y por lo tanto, si se debe provisionar más o menos

sobre sus créditos. El análisis se basa en los modelos de

provisiones utilizados por el Banco 15.

|20 Policy Paper | Mayo 2013 - chile

Primero se clasifica a los clientes entre “antiguos” y “nuevos”, división interna que distingue a los clientes con y sin historial de crédito reciente con el Banco. De esta manera se generan modelos distintos que se alimentan de dos tipos de variables: variables explicativas de tipo demográfico (edad y nivel educacional) y de comportamiento financiero, donde se distingue el comportamiento al interior del Banco, morosidades en el último trimestre del sistema financiero y el plazo de los compromisos financieros contraídos; estas últimas obtenidas de fuentes públicas.

Consistente con lo que ocurre con los modelos de admisión antes presentados, en los modelos de provisiones, el hecho de contar con limitada o nula historia crediticia, limita el poder predicti-vo del modelo y lo hace más sensible a variables demográficas. En efecto, en el caso del modelo de cliente “nuevo”, las variables demográficas toman el doble de relevancia al compararlo con el modelo de cliente “antiguo”.

A modo de ejemplo, en el modelo de clientes “nuevos”, el nivel educacional representa un 6,5% de las variables explicativas. Dicha variable no forma parte del modelo de cliente “antiguo” donde la variable diferenciadora es el mayor nú-mero de meses que un cliente haya pactado en un crédito con el Banco.

Si dispusiéramos de mayor información positiva las estimaciones serían más precisas, permitien-do distinguir adecuadamente a los malos de los buenos pagadores con la consiguiente baja en las tasas de interés enfrentadas por aquellos buenos pagadores que han sido mal calificados por falta de información.

Con la información actual para ambos tipos de cartera y considerando los denominados buenos clientes, podemos encontrar diferencias de tasas de interés de hasta 3% entre las denominaciones de “nuevos” y “antiguos”16, y si consideramos los clientes denominados regulares a los cuales también se les ha otorgado algún crédito, la dife-rencia llega a 6,8%.

_____________________________________________________________________________________

16 Información a marzo de 2013.

|21Policy Paper | Mayo 2013 - chile


Modelos de provisiones: margen de riesgo y probabilidad de incumplimiento.

Clientes buenos

Cliente nuevo

1,3%-3,1% 3,9%-9,5% 0,1%-0,7% 0,24%-2,2%

Cliente antiguo

Margen en Tasa

Margen en TasaPD PD

Clientes regulares

Cliente nuevo

5,8%-9,0% 18%-27,8% 2,2%-4,4% 6,8%-13,5%

Cliente antiguo

Margen en Tasa

Margen en TasaPD PD

Fuente Santander, considera una LGD de 32,1%.

La tabla anterior presenta un resumen de las eva-luaciones de clientes que son catalogados como buenos y regulares, los que dependiendo de la antigüedad de compromisos crediticios con el banco, internamente se clasifican en “nuevos” o “antiguos”. La tabla para cada una de estas clasi-ficaciones, presenta el margen de tasa de interés cobrado a cada segmento junto a su probabilidad de incumplimiento. Como vimos, tanto los bue-nos clientes como los regulares enfrentan tasas de interés significativamente diferentes depen-diendo de la historia crediticia que posean.

En definitiva, si como sistema financiero conta-ramos con una AC con información positiva de-beríamos esperar que las variables de comporta-miento financiero tanto al interior como fuera del Banco aumentaran el poder explicativo y con ello mejorando la capacidad de predecir la morosidad de la cartera. Esto se traduciría en una mayor dife-renciación de los malos y buenos clientes, lo que disminuiría las tasas de interés para los buenos pagadores, así como el costo para éstos genera-do por el subsidio cruzado que se produce por el ingreso de malos clientes. De esta manera, no sólo se reducirá la tasa de interés que enfrentan los nuevos entrantes con historial crediticio no bancario al sistema financiero al poder acceder a segmentos menos riesgosos, sino que la mayor eficiencia en la asignación bajaría el spread de riesgo de todos los clientes del sistema.


V Reflexiones Finales

|23

Al revisar la experiencia comparada de otros países que han incorporado el rol de las agencias de crédito en su accionar diario, la literatura internacional presenta algunos pasos importantes para el éxito de su implementación. Un escenario ideal para el establecimiento de las agencias de crédito es uno en el cual, en un princi-pio, el Gobierno sea quien lidere el establecimiento de las mismas, centralizando la información en conjunto con los participantes financieros. El objetivo sería afianzar un correcto, preciso y consistente proceso de captura de la información. Para esto se debe recoger tanto información negativa como positiva de todos los participantes del mercado, información que ellos mismos debiesen entregar. Además, se debe establecer un programa de educación para el consumidor y las entidades financieras que busque reducir el escepticismo sobre las agencias, junto con un marco legal robusto que no per-mita abusos del sistema. Otra parte esencial, para el éxito de la agencia, es el proceso por el cual se comparte la información; una forma eficiente y simple es la clave que han utilizado los países del Asia Pacífico para generar un mayor crecimiento, es decir, acceso a préstamos más baratos y un menor gasto para acceder a la información crediticia.

Un sistema negativo es inherentemente menos tolerante, puesto que el comportamiento positivo no se informa y no se puede utilizar para reparar un perfil de crédito una vez que está dañado.

La inclusión de los datos en modelos de comportamiento de riesgo de crédito no es aleatoria y la importancia que se les otorga tampoco es arbitraria. La literatura ha mostrado, en las distintas econo-mías, que los datos de investigación de crédito permiten predecir el riesgo de crédito del prestatario.

Condiciones esenciales para la eficacia en el funcionamiento de un sistema de información de riesgo de crédito son: cobertura, actualización, confiabilidad y objetividad; relevancia, rapidez y costo com-petitivo, mecanismos asequibles para el acceso, registro de identificación, marco legal y protección de los titulares de la información.

Tal como se muestra en el último capitulo, la carencia de información positiva en las agencias de crédi-to redunda en restricciones de acceso a nuevos clientes y mayores tasas de interés, que se explican por la capacidad limitada que tiene el banco en asignar el margen por riesgo de los distintos segmentos de clientes. Esto, además, genera problemas con la inclusión financiera de clientes, en especial de aquellos que no poseen un historial crediticio. Un sistema más amplio permitiría aumentar la cober-tura y reducir las tasas de interés, no solo a los buenos sino que también a los clientes que alguna vez han sufrido algún percance financiero. En efecto encontramos diferencias en las tasas de interés cobradas de casi 7% en clientes que han sufrido un percance financiero reciente y de hasta 3% en el caso de nuevos clientes.



Abreú S. (2001) “Case Studies of Selected Cre-dit Bureaus in Several Latin American Countries” Deutsche Gesellschaft für Technische Zusamme-narbeit (GTZ) GmbH.

Arteche, C., F. Montes, J. Hwang, M. Guadami-llas, M. Gutierrez y M. Llenas (2007) “Credit and Loan Reporting Systems in Chile”, Centre for La-tin American Monetary Studies, The World Bank, Agosto 2007.

Avery, Calem y Canner (2004) “Consumer Credit Scoring: Do Situational Circumstances Matter?” Journal of Banking and Finance 28, 835-856.

Blöchlinger, A. y Leippold, M. (2005). “Economic Benefit of Powerful Credit Scoring” Journal of Banking and Finance 30, 851-873.

Boletin-Comercial http://www.boletincomercial.cl/guia/que_es_el_boletin/ds950.aspx

Chakravarti, R y B. Che (2005) “The Evolution of Credit Bureaus in Asia-Pacific” Citibank, N.A. Asia Pacific Consumer Bank Regional Business Analytics Unit, Risk Management.

Chandler, G. y Parker, L. (1989) “Predictive Value of Credit Bureau Reports” Journal of Retail Ban-king. Vol XI, No. 4 1989, pp 47-54. Consumer Financial Protection Bureau (2012) “Key Dimensions and Processes in the US Credit Reporting System: A review of how the nation’s largest credit bureaus manage consumers data” Enlace CFBP: http://www.consumerfinance.gov/reports/key-dimensions-and-processes-in-the-u-s-credit-reporting-system/.

ReferenciasCrook. J. y Banasik, J. (2003) “Does Reject Infe-rence Really Improve the Performance of Appli-cation Scoring Models?” Journal of Banking and Finance 28, 857-874.

Del Villar, R, Díaz, A y Gil, J. (2001) “Regulation of Personal Data Protection and Reporting Agen-cies: A comparison of Selected Countries of Latin America, The United States and European Union Countries” ONU, first draft. Falkenheim M y Powell A, (1999) “The Use of Credit Bureau Information in the Estimation of Appropriate Capital and Provisioning Require-ments” mimeo, Banco Central de Argentina. Frame, S. , Srinivasan, A y Woosley, L. (2001) “The Effect of Credit Scoring on Small-Business Lending” Journal of Money, Credit and Banking, Vol. 33, No3.

Gutiérrez, M (2008), “Anatomía de los modelos de credit scoring” Ensayos Económicos,N°50, Enero-Marzo 2008, Banco Central de la Repúbli-ca Argentina.

Hunt, R. (2002) “The Development and Regula-tion of Consumer Credit Reporting in America” Federal Reserve Bank of Philadelphia. Working Paper N°02-21.

International Finance Corporation, IFC (2006) “Credit Bureau Knowledge Guide”. Washington DC

IADB, “IPES 2005: Unlocking credit; The Quest for Deep and Stable Bank Lending”. Inter Ame-rican Development Bank, Washington DC: IADB 2004).

Jaffee, D y Russell, T (1976) “Imperfect Infor-mation, Uncertainty, and Credit Rationing” The Quarterly Journal of Economics, Volume 90, Issue 4, 651-666.



Love, I. y Mylenk, N. (2003) “Credit Reporting and Financing Constraints” World Bank Policy Research Working Paper 3142. Luoto, McIntosh y Wydick (2004) “Credit Infor-mation Systems in Less- Developed Countries: Recent History and a Test.” Illinois, US: The Uni-versity of Chicago Press.

Miller, M. (2000) “Credit Reporting Systems Around the Globe: The State of the Art in Public and Private Registries” MIT Press.

Miller, M. (2003) “Credit Reporting Systems and the International Economy” MIT Press. Myfico http://www.myfico.com/CreditEducation/articles/ .

Olegario, R. (2001) “Credit-Reporting Agencies: Their historical Roots, Current Status, and Role in Market Development.” University of Michigan Business School.

Peek, J. y Rosengren, E. (1995) “Banks and the Availability of Small Business Loans”. Federal Re-serve Bank of Boston. Working Paper No. 95-1.

Simovic, Vaskovic y Poznanovic (2011) “A Model of Credit Bureau in Serbia – Instrument for Pre-serving Stability of the Banking Sector in Condi-tions of the Global Economic Crisis” Journal of Applied Quantitative Methods 4 (4): 429-39.

Stiglitz, J. y Weiss, A. (1981) “Credit Rationing in Markets with Imperfect Information” Journal of American Economic Review. Vol. 71, Num. 3.

Stuart, G. “A Commercial Bank Does Microfinan-ce: Sogesol Haiti” Kennedy School of Govern-ment. Case program CR16-02-1675.0.

Triki, T y Gajigo, O. (2012) “Credit Bureaus and Registries and Access to Finance: New Evidence from 42 African Countries” African Development Bank Group. Working Paper n°154.

Turner, M y R Varghese (2007) “The Economic Impacts of Payment Reporting in Latin America” p.30.

Turner, M. (2010) “The Consequences of Prohi-biting Credit Inquiry Data in Chilean Credit Files” PERC White Paper.

The World Bank & IFC (2009), “Doing Business 2010”, Co-publication of Palgrave Macmillan, Septiembre 2009.

The World Bank (2011) “General Principles for Credit Reporting”, The World Bank Consultative Report, Washington D.C., Marzo 2011.


Anexo: Ejemplos de Variables Utilizadas en Modelo de Riesgo

Nombre variable Ejemplo modelo 1 Ejemplo modelo 2

DefaultDesempleoDesempleo rezagadoNuevo matrimonioReciente matrimonioOtro matrimonioReciente divorcioOtro divorcioNunca matrimonioPuntajeRevolvingHipotecaLínea de créditoAntigüedad de la cuentaEdad 1Edad 2Edad 3Edad desconocidaMinoría 1Minoría 2Minoría 3Minoría 4Minoría desconocida

Número de observaciones

2,0082,096

64,09

5,266

Promedio0,0694,6225,3840,0620,0660,4530,0060,0860,328647,80,620,0710,01613,70,3050,370,0670,2580,4350,3350,0550,0450,13

254.630

2,0852,186

62,68

5,3

Desviación Estándar

Desviación Estándar Promedio

0,1194,7145,4760,0660,0720,4870,0060,0800,291595,50,5380,0650,01413,650,3020,3720,050,2770,3350,280,0550,050,28

89.566

Fuente: Avery, Calem y Canner “Do Situation Circumstances Matter?”

www.santander.cl

Policy Paper n°3

Documents

Transcript of Policy Paper n°3