"Interest rate optimization for consumer credits: Empirical evidence from an online Channel"

Abstract

Mientras que industrias como las aerolíneas, hoteles o cadenas de supermercado continúan desarrollando innovadoras estrategias de pricing, los bancos rara vez discuten nuevas estrategias de precios como una herramienta para diferenciarse del resto y mejorar su rentabilidad. En los últimos 40 años, la gran mayoría de los bancos se han basado en los modelos estadísticos de credit scoring para jar las tasas de interés, sin embargo, sólo pocos han adoptado nuevos enfoques. Un credit score representa la probabilidad de que un cliente caiga en default crediticio. Por lo tanto, esta estrategia basada en el riesgo cobra una mayor tasa de interés a clientes más riesgosos. Esto permite a los bancos compensar por las pérdidas dadas por la incertidumbre en la ganancia esperada y sus costos asociados. Si bien este método ha sido vital en el importante crecimiento de los créditos de consumo, no considera un problema fundamental: la sensibilidad al precio y la selección adversa. Es decir, el fenómeno en que clientes de bajo riesgo son más sensibles a cambios en precios comparados con clientes más riesgosos. Esta tesis investiga créditos de consumo de uno de los bancos más grandes en Chile utilizando datos del canal online por un periodo de dos años. Mediante el uso de un modelo logit, la sensibilidad al precio y selección adversa son integradas para revelar correctamente el comportamiento del consumidor. El modelo calibrado incorpora la probabilidad de aceptar como la variable dependiente y la tasa de interés, riesgo y características personales/crédito como controles. El problema de optimización en este trabajo toma el modelo de probabilidad de compra y genera una tasa de interés óptima para cada cliente. Los resultados basados en data histórica muestran que la rentabilidad puede mejorar en un 6.63% y mejorar la probabilidad de aceptar el crédito de un 13.50% a un 17.72% si se aplican los precios recomendados. Un AB testing se implementa en el canal online del banco para veri car que las elasticidades al precio se estimaron de manera correcta y ver si hubo mejoras de rentabilidad contra un grupo de control. Los resultados muestran que las elasticidades tuvieron valores similares; sin embargo, el número de observaciones fueron insu cientes para probar estadísticamente ganancias o pérdidas. Pese a los problemas relacionados con el tamaño muestral del experimento, el análisis de los datos históricos entregó resultados convincentes. Se encuentra que, ante una simulación de crédito de consumo, los segmentos de ingreso más altos son más elásticos al precio, a mayores montos hay una mayor elasticidad y que clientes más riesgosos tienden a ser menos sensibles al precio. Este estudio utiliza técnicas de data analytics y revenue management para identi car qué segmentos de clientes son más o menos elásticos. Presenta una política de precios que mejora las ganancias esperadas del banco y contribuye a la literatura mediante el desarrollo de un método que cuanti ca los valores de la optimización de precios.