Pronóstico para la morosidad de clientes de tarjetas de créditos de un retail financiero, mediante el uso de datos transaccionales e historial de pago

Abstract

En Chile el año 2017 se comercializaron US$ 3041 MM con tarjetas de crédito, asociadas a 21 MM de cuentas activas entre la banca y otros tipos de emisores. Estos últimos, principales responsables del aumento de la cobertura hacia segmentos históricamente no bancarizados. Así, el modelo de estos actores se ha caracterizado por un mayor riesgo compensado con carteras de clientes de gran volumen, siendo la gestión de cobranza muy importante por su efecto directo en sus utilidades. El objetivo de este trabajo es la caracterización del comportamiento de la morosidad de los clientes de la tarjeta de crédito de un retail financiero, de cara a potenciales mejoras en la cobranza y acciones preventivas. Así, esta memoria se aborda con metodología CRISP-DM, aproximando la morosidad de clientes mediante un modelo de pronóstico basado en cadenas de Markov y estrategias de clustering para la inclusión de heterogeneidad. Esta última, es realizada a nivel de grupo vía hard clustering y a nivel de cliente a través de lógica difusa. De esta forma la información considerada, abarca tanto el comportamiento de mora, como el historial transaccional y características sociodemográficas de clientes. Por último, dentro de los modelos de Markov, se incluye directamente el efecto del nivel de morosidad, además de los abonos a la deuda, determinando su efecto sobre el pronóstico de los próximos estados. En relación a los resultados obtenidos, destaca la identificación de grupos de clientes que se asocian a distintos perfiles de morosidad. Así, de la aplicación de cadenas de Markov sobre los clústeres, se reconocen grupos caracterizados por un buen comportamiento pasado, cuyas probabilidades de pago ante un episodio de mora son muy altas, además de segmentos en los que cuándo cesan sus pagos, el tránsito al castigo es casi directo. Es en este último tipo de clientes que se identifica un mayor efecto del abono a la deuda, definiendo un subgrupo que en situación de mora disminuye su probabilidad de castigo. Respecto al pronóstico a nivel de cliente, se establece la necesidad de mejorar su desempeño, siendo la recomendación aplicar solo las propuestas a nivel de grupo, que radican en la priorización de las acciones más efectivas en los segmentos con mejores perspectivas, y que la estimación económica ha valorado con cota inferior en los $18 MM. Finalmente, como trabajo futuro, se propone el estudio de la morosidad en niveles de granularidad mayor, así como el uso de los resultados obtenidos para la maximización de la esperanza del recupero, además de la inclusión directa de variables de estado relacionadas con los montos en mora y envejecimiento de la deuda. Por último, para el de comportamiento a nivel de cliente se destaca el potencial de los modelos de supervivencia, como alternativa para mejorar el desempeño de este trabajo.