En este apartado vamos a presentar los datos que utilizaremos, tanto información financiera de empresas, de entidades financieras como las características de particulares que reciben un préstamo.
La morosidad en la banca En este enlace del Banco de España (http://www.bde.es/f/webbde/GAP/prensa/ficheros/es/morosidad.pdf) está la estadística correspondiente a la morosidad de la banca española. Podemos consultar la estadística europea en CEIC Database (https://www.ceicdata.com/en/indicator/spain/non-performing-loans-ratio) [clic en max -> Apply] y en Statista (https://es.statista.com/estadisticas/565807/ratio-de-mora-del-sector-bancario-espanol/) y por entidades en Statista (https://es.statista.com/estadisticas/567842/ratio-de-mora-de-los-bancos-en-espana/).
Predecir si un cliente devolverá el crédito es una de las tareas más importantes de los analistas de riesgos del banco. Para comprobar el efecto de la morosidad en la cuenta de resultados del banco puedes descargar esta hoja de cálculo y hacer alguna simulación.
Usaremos en primer lugar datos de la crisis del sector bancario español durante la década de los ochenta. Esta crisis afectó a una gran cantidad de bancos, que representaban el 27% de todos los recursos ajenos del sistema. Desgraciadamente las crisis son cíclicas, incluidas las bancarias y en el año 2008 se inició una nueva crisis que acabó con un buen número de cajas de ahorro y algunos bancos. Analizaremos también la crisis del sistema financiero del 2007-2008, en este caso utilizando bancos de Estados Unidos.
La mayoría de los modelos estadísticos de predicción de quiebra se basan en comparar los ratios financieros de entidades solventes y aquellas que quebraron.
66 bancos españoles, 29 quebrados y 37 solventes El bancario es un sector del que existe abundante información contable y la presentación de los estados contables es homogénea, al estar sometidos a una normativa común. En la Asociación Española de Banca (https://www.aebanca.es/bancos-socios/) podemos descargar las cuentas anuales de todos los bancos españoles.
La base de datos que usaremos contiene sesenta y seis bancos, veintinueve de los cuales quebraron, siendo el resto solventes. En cuanto a la definición de empresa fracasada, se consideró banco en crisis a aquel que hubiera sido intervenido por el Fondo de Garantía de Depósitos. Los datos de las empresas quebradas corresponden a un año antes de su crisis.
Descarga la base de datos con 9 ratios de 66 bancos quebrados y solventes
Se seleccionaron los siguientes nueve ratios financieros:
R1 Activo Circulante/Activo Total
R2 Act Circulante-Caja/Activo Total
R3 Activo Circulante/Deudas
R4 Reservas/Deudas
R5 Beneficio Neto/Activo Total
R6 Beneficio Neto/Fondos Propios
R7 Beneficio Neto/Deudas
R8 Coste de Ventas/Ventas
R9 Cash Flow/Deudas
Los tres primeros son ratios de liquidez, el cuarto mide la autofinanciación. Los ratios cinco, seis y siete relacionan el beneficio con varias partidas del balance de la entidad. El ratio ocho relaciona el coste de ventas con las ventas. El nueve, el cash-flow de la entidad dividido por la deuda.
Nuestra segunda base de datos se compone de una muestra de préstamos personales P2P (Person to Person) tomada de una plataforma electrónica que opera en Internet. Estas plataformas, como Lendermarket (https://app.lendermarket.com/es/listado-de-prestamos) permiten a los inversores individuales seleccionar varios candidatos, personas que solicitan un préstamo. El inversor recibe los intereses, a los que hay que descontar la comisión de la plataforma. Antes de invertir conviene consultar en la CNMV el listado de las plataformas de financiación participativa (https://www.cnmv.es/portal/consultas/servicios-financiacion-participativa/listado-proveedores.aspx?lang=es) así como en el Foro FinTech su descripción (https://www.forofintech.org/).
Para analizar los préstamos el inversor debe tener en cuenta la rentabilidad, el riesgo y la liquidez.
El problema del riesgo de crédito se acentúa con la información asimétrica, que consiste en que los prestamistas tienen menos información que los prestatarios y es uno de los problemas graves de los mercados de crédito. Pero en el caso del P2P el problema es mayor porque al menos el banco tiene acceso a información histórica de los clientes e incluso a veces los conoce en persona, mientras que un inversor particular escrutando préstamos en su ordenador apenas tiene acceso a una ficha con unos pocos datos del cliente, que puede estar a mucha distancia. La información asimétrica conduce a la selección adversa, situación que surge porque los inversores no pueden diferenciar entre prestatarios buenos, que devuelven el préstamo, de los malos, con alta probabilidad de no devolverlo, como estudió George Akerlof, el Premio Nobel de Economía del año 2001 (Akerlof, 1970), lo que explica el cierre de plataformas pioneras. como Comunitae.
Para mitigar en lo posible la asimetría de la información muchas plataformas permiten descargar todos los datos de los préstamos concedidos, con las características de los clientes y si fueron morosos. Por ejemplo, Bondora (https://www.kaggle.com/datasets/marcobeyer/bondora-p2p-loans).
¿A quién prestarías? El destino del préstamo puede ser una variable que explique la morosidad. La siguiente imagen muestra un inversor que desea invertir en algún préstamo.
