Diseño de modelos econométricos para la estimación de estados financieros de microempresas que se desempeñan en sevicios profesionales y manufactura

Abstract

Para BancoEstado Microempresa (BEME) y para la banca en general, las exigencias del mercado y la industria de microempresas en Chile han ido creciendo constantemente llegando a quintuplicarse en los últimos diez años. Es por eso que es muy importante ir mejorando los procesos de créditos y de atención de clientes para funcionar y responder rápidamente a sus demandas y así no perder frente a la competencia. La Tecnología de Evaluación de Riesgo (TER) es una herramienta que evalúa a los clientes de BEME que necesitan créditos. Actualmente, para la mayoría de los clientes, consiste en visitas en terreno y entrevistas por parte de los ejecutivos con el fin de corroborar la información otorgada por éstos lo cual hace de la TER un procedimiento lento. Con el fin de disminuir este tiempo, se desarrollaron modelos de estimaciones lineales de las variables del estado financiero. De este modo se espera disminuir considerablemente el tiempo que le toma a los ejecutivos realizar un crédito a microempresarios del área Servicios Profesionales y Manufactura. Se generaron seis modelos de regresión lineal para ventas, costo fijo y margen. Esta memoria presenta las variables que más influyeron sobre el estado de resultado operacional como la formalidad del cliente, la cantidad de empleados de la microempresa, el rubro, si tiene línea de crédito y el tipo de vivienda en la que se encuentra. Estos modelos arrojan una variabilidad porcentual (MAPE) de 2% en promedio para los clientes con historia y de un 10% para los clientes sin historia en el banco. La diferencia entre estos valores está dada en gran parte por la variable que da cuenta de cómo fue el comportamiento de los clientes en el periodo anterior, la cual no está presente en los clientes sin historia. Finalmente, se proponen alternativas para realizar estos pronósticos utilizando segmentación por rubro de estos, utilizando modelos como probit o logit para modelos que estiman entre el rango (0,1), como el margen, el cual con regresión lineal podría llegar a dar un valores mayores a 1. Otra opción es crear modelos no lineales, como redes neuronales, los cuales pueden captar patrones de comportamiento que no lo hacen los modelos lineales. Se recomienda al banco integrar variables exógenas al modelo, como el PIB o la tasa de desempleo sectorial, de modo que éstos lleguen a ser más robustos.