Desarrollo de un modelo de pérdida esperada para la cartera de leasing de una empresa financiera no bancaria

Abstract

El objetivo de este trabajo es desarrollar un modelo de pérdida esperada para la cartera de leasing de una empresa financiera no bancaria. Esto surge tras una auditoría externa que determinó que las provisiones de la empresa estaban subestimadas. El desafío radica en crear un modelo que cumpla con la normativa vigente, utilizando una metodología sencilla y replicable, permitiendo así a la empresa protegerse contra posibles sanciones y mitigar el riesgo reputacional. La pérdida esperada se calcula mediante tres parámetros clave: probabilidad de incumplimiento, exposición al incumplimiento y pérdida dado el incumplimiento. Para obtener estos parámetros, el modelo se desarrolla en cuatro fases principales: levantamiento de información, modelamiento de PD (Probabilidad de Incumplimiento), forward looking, y cálculo de LGD (Pérdida Dada el Incumplimiento) y EAD (Exposición al Incumplimiento). Los resultados más importantes de este proyecto son la obtención de una segmentación de cartera muy precisa con un puntaje AUC de 79% y la identificación de las variables macroeconómicas IPC y TPM como indicadores de la tendencia del incumplimiento. El modelo ha sido validado y aprobado por expertos en riesgo de crédito, lo que refleja su alta calidad. Así, estos resultados son evidencia de un modelo robusto y metodológicamente sólido, el cual permite a la empresa tener confianza en la determinación de la pérdida esperada. En conclusión, el modelo cumple con los objetivos planteados, proporcionando no solo un modelo robusto y alineado con la normativa, sino también una base de datos mejorada y un documento auditable sobre su desarrollo. Aunque el modelo tiene un enfoque conservador, ofrece una solución efectiva a los problemas de la empresa mediante una metodología simple, clara y alineada con las normativas vigentes. Se recomienda a la empresa actualizar el modelo dentro de un año para llegar a un cálculo de provisiones más preciso.