Evaluación de proyectos de inversión de la Banca de Desarrollo, mediante modelos credit scoring destinados a pymes. El caso de la provincia de Pichincha (Ecuador)

Abstract

La presente tesis, pretende contribuir con un modelo credit scoring que utilice criterios complementarios de evaluación de proyectos de inversión, considerando variables cualitativas, en el ámbito de mercado, ingeniería y financiero, para el proceso de concesión de crédito, en el caso específico de la banca de desarrollo al sector pymes de la provincia de Pichincha (Ecuador). Se trata con ello de aportar una herramienta que busca mitigar el riesgo tanto para la institución financiera como para las pequeñas y medianas empresas. Credit scoring como definición según algunos autores, es la clasificación como buenos o malos pagadores a los potenciales clientes de la banca, sean estos personas naturales o empresas, por otro lado, también se lo define como algoritmos que permiten calificar a clientes, utilizando métodos estadísticos con técnicas paramétricas y no paramétricas para medir el riesgo. Las técnicas paramétricas sustentan su análisis en una función de distribución conocida, estimando criterios que permitan explicar la variable dependiente y las técnicas no paramétricas no requieren información acerca de la función de distribución (redes neuronales, árboles de decisión, algoritmos de búsqueda e inteligencia artificial). El sistema financiero ecuatoriano se encuentra normado por el Código Orgánico Monetario Financiero, las resoluciones vigentes de la Junta Monetaria y se encuentra bajo la supervisión de la Superintendencia de Bancos, el marco normativo señalado contempla actividades relacionadas al riesgo crediticio y a la aplicación de metodologías para su determinación. En el proceso de investigación se analizan estadísticamente 33 variables agrupadas en 5 dimensiones de 315 empresas, lo cual a través del uso de dos técnicas, una no paramétrica (árboles de decisión) y otra paramétrica (logit), se construyó un modelo credit scoring. El modelo credit scoring diseñado, fue validado con resultados favorables, a través de las pruebas: ómnibus por medio del procedimiento de máxima verosimilitud seleccionando las estimaciones de los parámetros que hagan posible que los resultados observados sean adecuados, Hosmer Lemeshow, ajuste global e índice de Negelkerke.

The present work, intends to contribute with a credit scoring model that uses complementary criteria of evaluation of investment projects, in the field of market, engineering and financial, for the process of credit granting of development banking to the sector pymes of the province of Pichincha Ecuador and in this way mitigate the risk for both the financial institution and small and medium enterprises. Credit scoring as a definition according to some authors, is classified as good or bad payers to potential customers of the bank, whether these individuals or companies, on the other hand is also defined as algorithms that allow customers to qualify, using statistical methods with techniques parametric and nonparametric to measure the risk. Parametric techniques support their analysis in a known distribution function, estimating criteria that explain the dependent variable and nonparametric techniques do not require information about the distribution function (neural networks, decision trees, search algorithms and artificial intelligence). The Ecuadorian financial system is regulated by the Monetary Financial Code, the resolutions of the Monetary Board and is under the supervision of the Superintendency of Banks, all the regulatory framework includes activities related to credit risk and the application of methodologies to your determination In the research process, 33 variables grouped in 5 dimensions are analyzed statistically of 315 companies, which through the use of two techniques, one non-parametric (decision trees) and another parametric (logit), a credit scoring model was built. The credit scoring model was validated with favorable results, through the following tests: omnibus using the maximum likelihood procedure, selecting the parameter estimates that allow the observed results to be adequate, Hosmer Lemeshow, global adjustment and Negelkerke index.