Facultad de Economía y Empresa
Universidad de Zaragoza

Gestión de Riesgos

1) Concepto

La figura muestra el proceso típico de una gestión de los riesgos, metodología que conlleva una serie de pasos, que son: identificación, evaluación, administración, ejecución y control. Veamos, a modo de ejemplo, como puede razonar un estudiante ante un asignatura...

  • El estudiante puede suspender una asignatura, de hecho el primer control no ha salido muy bien. Ha identificado un riesgo.
  • En la fase de evaluación del riesgo tendrá en cuenta la probabilidad de suspender [Ejemplo Titulaciones], mirando las notas de otros años, así como los efectos o impacto que tiene suspender esa asignatura, como puede ser el mayor precio de la matrícula o la mancha en su expediente. De la combinación de probabilidad e impacto podemos cuantificar el riesgo.
  • Puede plantear varias estrategias:
    • Si es una asignatura optativa puede evitar ese riesgo matriculándose en otra, si está a tiempo.
    • Pero si es obligatoria no puede evitarlo, lo que puede es minimizarlo ¿Cómo? estudiando más. También puede plantearse "copiar" o "llevar chuletas", que disminuye el riesgo de suspender la asignatura pero a costa de asumir otros riesgos.
    • Parece por tanto que lo más razonable es ir a clase, estudiar (hacer los ejercicios recomendados, leer la lección, ejercitar la memoria...) y preguntar las dudas al profesor
    • En ocasiones puede permitirse el lujo de suspender si puede compensar con una buena nota en otra materia [compensación curricular].
    • No puede transferir ese riesgo a otro agente (las empresas pueden contratar un seguro).
  • Finalmente la fase de control permitirá comprobar si se está al día en la materia o si hay que reforzar alguna de las acciones que permiten minimizar el riesgo de suspender.

Lo mismo sucede con los riesgos asociados a los proyectos que cada día acometen las empresas y el planteamiento expuesto anteriormente es perfectamente aplicable a la mayor parte de las situaciones. La Universidad imparte la asignatura "Gestión de Riesgos Financieros" en 3º de ADE.

j

Apartados:


q

Puedes descargar las hojas de cálculo con los ejemplos que veremos en teoría -> [08-ArbolDecision.xls], [08-MatrizRiesgo.xls] y [08-CreditScoring.xls]. A modo de aperitivo, porque en la clase de prácticas se amplía mucho más.

 


2)
Matriz de riesgos

El primer apartado es la correcta identificación de todos los riesgos, para lo que nos sirve la tipología que vimos anteriormente, es decir: riesgos económicos (de producto, operativo, estructura de costes fijos, dependencia de unos pocos clientes o proveedores, riesgos logísticos, jurídicos...) y riesgos financieros (tipos de interés, tipo de cambio, riesgo de crédito a clientes, cambios en las condiciones de pago con proveedores...). Veamos lo que hace una de las empresas líderes como es Inditex (http://static.inditex.com/annual_report_2015/cuentas-anuales/sistemas-de-control-de-riesgos/), la empresa textil propietaria de Zara y otras marcas, para controlar y gestionar sus riesgos. En ese informe titulado "Sistemas de Control del Riesgos del Grupo Inditex" dice que ellos apuntan todos los factores que pueden afectar negativamente al negocio, y que elaboran una mapa de riesgos donde anotan su impacto potencial y la probabilidad de que suceda. También anotan la preparación del Grupo para hacerles frente.

Como vemos, Inditex identifica varios riesgos potenciales.

Hemos leído que Inditex utiliza la metodología llamada "Matriz de Riesgos". La Matriz de Riesgos es una herramienta de control y gestión que permite visualizar los riesgos de una empresa y tiene en cuenta tanto la probabilidad de ocurrencia del suceso como su impacto. Porque hay sucesos muy probables pero con un impacto que puede ser bajo, con lo que este riesgo no es algo que deba preocuparnos. Por ejemplo que haya un cambio político en el Ayuntamiento de la ciudad: es probable pero nos afecta poco... salvo que seamos la empresa que tiene la concesión de la limpieza.

h

Por tanto:

Comprobemos como a un suceso con impacto "grande", pero que sería "excepcional" que sucediera, se le asignaría un riesgo "bajo" y no merecería la pena dedicar muchos esfuerzos a su gestión. Por ejemplo, un analista ha identificado los siguientes riesgos de una juguetería que quiere vender un determinado tipo de juguete en Internet, por ejemplo futbolines:

h

Veamos el primero de los riesgos que el analista ha identificado: "el cambio político". Le parece muy probable, ya que es posible que haya elecciones y cambie el partido el gobierno. Sin embargo, en su opinión el impacto es insignificante, porque ningún partido político habla de prohibir los futbolines, ni mucho menos. Podemos representar de forma visual los riesgos a los que hemos de prestar atención, de acuerdo con la probabilidad y su impacto, como muestra el siguiente gráfico, que se llama "Mapa de Riesgos".

 

 

La valoración anterior la hemos realizado de forma cualitativa. Algunos riesgos los podemos valorar de forma cuantitativa. Por ejemplo, el riesgo de que suban los tipos de interés por cada punto porcentual se puede obtener facilmente con una hoja de cálculo que simule nuestros préstamos y el efecto que, por ejemplo, tiene pasar de un 8% a un 9%.

aÁrboles de decisión. Aplicación en inversión con riesgo

Los árboles de decisión son un técnica que permite modelizar decisiones que contemplan varias alternativas y sus consecuencias. Se basa en el uso de probabilidades y es una ampliación del criterio de Valor Promedio Ponderado. Los árboles de decisión se utilizan en muchas disciplinas, nosotros vamos a aplicarlo al campo de las finanzas [-> Ejemplo noria móvil o una fija] [en Málaga].


q

Puedes descargar la hoja de cálculo con el ejemplo -> [08-ArbolDecision.xls].

El nombre de árbol de decisión proviene de la forma que adopta el modelo, semejante a un árbol. Se compone de:

  • Ramas, que representa las posibles alternativas
  • Cuadrados, que representan los puntos de decisión
  • Círculos, que representan los estados de la naturaleza o escenarios posibles

f

Pasos:

  • Paso 1: Dibujar el árbol: es un tipo de modelo.
  • Paso 2: Asignar las probabilidades de ocurrencia, la inversión inicial y los flujos de caja asociados a cada alternativa. Obtener el Valor Actual Neto de cada alternativa.
  • Paso 3. Calcular el beneficio esperado, teniendo en cuenta las probabilidades de cada escenario.
  • Paso 4. Resolver las decisiones secundarias, es decir "podar el árbol".
  • Paso 5: Resolver la decisión principal.
  • Paso 6. Realizar simulaciones.

h

Veamos un ejemplo. Un feriante está dudando entre dos opciones: comprar una noria móvil o una fija. Veremos las ventajas e inconvenientes de cada opción. Pero además dependiendo de si hace sol o mal tiempo la demanda es alta o baja. El estudio del clima en la ciudad, permite estimar que la probabilidad de que la demanda sea baja es del 40%. Hay otras dos decisiones a tomar.

  • ¿Trasladarse a otra localidad? La noria móvil tiene como ventaja que puede desmontarse y llevarse a otra localidad, con lo que la temporada puede alargarse.
  • ¿Hacer publicidad? La noria fija tiene como ventaja que es más alta, las cabinas están cerradas y con algo de publicidad puede atraer a público de fuera, incluso con mal tiempo, es decir, con demanda baja.

Hay otro escenario posible.

  • Que la campaña de publicidad sea exitosa o no. Por la experiencia pasada en otras ciudades, el tendero afirma que de 10 veces que hizo publicidad, en 6 ocasiones la campaña fue exitosa. Es decir, que la probabilidad de éxito es del 60%.

Paso 1. Veamos el árbol completo:

g

Vamos a calcular todos los Valores Actuales Netos (VAN) de las diferentes alternativas. Hay que tener en cuenta el desembolso inicial (la noria móvil es más cara) y los cobros y pagos de cada opción. Supondremos una determinada tasa de interés. En la práctica de Excel están calculados. Para la noria móvil:

Para la noria fija:

h

Ya tenemos el VAN de cada rama.

g

Ayudemos a resolver la decisión sobre desplazarse.

g

Ahora resolvamos la siguiente decisión sobre anunciarse.

r

Finalmente sobre si comprar la noria fija o móvil.

g

Podemos realizar simulaciones sobre las probabilidades, mediante la hoja de cálculo. Por ejemplo, si la ubicación elegida hace previsible que el tiempo va a ser bueno (concretamente si la probabilidad de demanda baja es menor al 28%) entonces es mejor una noria móvil.

g


3)
Estrategias

Una vez identificados y evaluados los riesgos podemos plantear diversas estrategias.

g

1) Evitar el riesgo. A veces muchos proyectos se desestiman porque no estamos dispuestos a asumir las pérdidas que conlleva correr el riesgo. Por ejemplo, se nos plantea la opción de:

Endeudarse supone un mayor riesgo y, si no estamos dispuestos a asumirlo, podemos comprar el piso barato, evitando ese riesgo.

2) Otra posibilidad es absorber las pérdidas, es decir asumir las pérdidas. Por ejemplo, en un proyecto agrícola la probabilidad de que haya una granizada en esa zona puede ser del 10%, lo que implicaría que uno de cada diez años la cosecha puede afectarse muy negativamente. Tenemos determinado tanto la probabilidad (usando datos de la Agencia Española de Meteorología http://www.aemet.es) como el impacto (perder, por ejemplo, el 75% de la cosecha). Podemos echar números y hacer un autoseguro, es decir, ir ahorrando para cuando se de esa situación.

3) También podemos transferir el riesgo. Nos preocupa que los clientes dejen de pagar y crezca el número de morosos. En este caso podremos contratar un seguro de cobertura por impagos. Lo mismo sucede con la empresa agraria que contrata un seguro para el granizo. Hay muchos instrumentos financieros como las opciones o los futuros que también pueden aplicarse para cubrirnos.

4) Minimizar el riesgo. Hemos visto que el riesgo dependía de la probabilidad de ocurrencia y del impacto. Podemos minimizarlo disminuyendo la probabilidad de ocurrencia o aminorando su impacto. Por ejemplo, se ha detectado riesgo de tener una dependencia excesiva de proveedores. En concreto existe riesgo de que el transportista habitual con el que trabajamos se sume a una huelga y los productos se distribuyan con retraso. [Probabilidad = muy probable] x [Impacto = moderado] -> [Riesgo = alto]

g

Una forma de atenuar el riesgo es mediante la diversificación. Diversificar es lo que hay detrás del consejo de "no poner todos los huevos en la misma cesta". Una empresa cuyas ventas depende de un producto corre más riesgos que si tiene una cartera de varios productos. En mercados financieros se distingue entre:

Esto es especialmente importante en las inversiones en productos financieros. En la lección sobre bolsa y mercados financieros ya comentamos que muchos inversores tratan de buscar inversiones que no estén correlacionadas, incluso tengan correlación negativa. Por ejemplo si tenemos dinero en la bolsa española y queremos diversificar, comprar acciones de la bolsa de Nueva York no es lo más adecuado, porque hay mucha relación entre ambas bolsas. En Google Finance podemos comparar la cotización del Ibex35 y dos índices de Estados Unidos: la bolsa de Nueva York y el Nasdaq (empresas tecnológicas) (https://www.google.com/finance?q=INDEXNAS...) y con la bolsa .

g

En ese sentido, para diversificar, sería mejor comprar acciones de un país emergente. De forma que si baja la bolsa de Madrid nuestras inversiones en ese país compensen las bajadas o viceversa. Podemos ver algunos ejemplos en (http://www.sinewton.org/numeros/numeros/65/ideas_01.php). Aunque siempre existe un riesgo sistemático.


4)
Ingeniería financiera

En la imagen vemos como ante un problema como es cambiar una bombilla de una farola, alguien ha propuesto una solución eficiente y muy económica... aunque posiblemente un ingeniero hubiera propuesto otra solución más adecuada. Los ingenieros utilizan la ciencia y las matemáticas para resolver problemas: para cruzar un río proponen usar puentes, y no un puente cualquiera sino el más adecuado, tras estudiar el cauce, las posibles crecidas, el tipo de material o quien lo va a cruzar. El planteamiento de la ingeniería financiera es similar: dado un problema de tipo financiero se trata de diseñar la mejor estrategia para solucionarlo.

1) Un ejemplo es el riesgo. Podemos diseñar muchas formas de cubrirnos ante un riesgo. Por ejemplo, a un exportador que ha hecho una venta fantástica de cincuenta mil pares de zapatos en Estados Unidos le precupa cobrar en una moneda que no es la suya, el dolar. Hay varias formas de cubrirse frente a ese riesgo, como veremos a continuación.

2) Una empresa agrícola está muy satisfecha con el rendimiento de su explotación y este año la cosecha pinta bien y el precio, al menos a día de hoy, es atractivo. Pero le preocupa el precio al que estará el producto... cuando se coseche. Puede también diseñar algún mecanismo para cubrirse ante ese riesgo.

3) Pero la ingeniería financiera también puede utilizarse para especular. Por ejemplo, si alguien está convencido de que las acciones de una empresa van a bajar, o de que el precio del petróleo o el café va a subir dentro de un año o de que el dólar va a subir, puede especular utilizando productos financieros específicos. Como ya explicamos otro día, esto en principio no es malo: si el exportador encuentra a alguien que va a asumir ese riesgo normalmente es gracias a esos especuladores, que son los que asumirán el riesgo (y también se llevarán el beneficio).

Veamos algunos ejemplos.

aRiesgo de divisas o de tipo de cambio

Un riesgo financiero clásico es el riesgo de divisas. Como sabemos en el mundo existen muchas monedas diferentes, cuya cotización cambia cada día. [Ejemplo Meliá].

h

  • Ya se ha comentado el caso de un exportador que ha hecho una venta fantástica en Estados Unidos pero le precupa cobrar en una moneda que no es la suya, el dolar.
  • Una empresa que compra una máquina compleja en México. La máquina estará dentro de un año y se ha comprometido a pagar un millón de pesos mexicanos dentro de un año. Pero ¿qué pasa si el peso mexicano se aprecia?
  • Otras veces incluso los particulares han contraido una hipoteca en yenes, la moneda de Japón. Los tipos de interés en Japón son muy bajos... pero ¿qué pasa si el Yen sube con respecto al euro? Esa persona está asumiendo un riesgo muy elevado. Imaginemos que el euro se deprecia un 30% frente al Yen... buscar en Google hipotecas en yenes. Plataforma hipoteca multidivisa. Se calcula que unos 60.000 españoles y 1200 aragoneses tienen una hipoteca multidivisa [2 marzo 2015].

Y la cotización del euro con respecto al Yen en Google Finance (https://www.google.com/finance?q=JPYEUR). Gente que se endeudó en Yenes en 2007 o 2008, estuvo 4 años pasándolo verdaderamente mal, ya que el Yen se apreció casi un 50% con respecto al euro.

h

Hay varias soluciones:

t

1) Si importo bienes en dólares o libras puedo comprar ya los dolares que necesito y lo pongo en una cuenta en dolares o libras que me vaya dando algo de intereses, por ejemplo ésta cuenta en dólares de Bankinter. Elimino el riesgo pero no es muy operativo y además tengo que hacer el desembolso ya. Si soy el importador de la máquina mexicana puedo comprar ya el millón de pesos que necesito pero en España no hay bancos que tengan cuentas en esa moneda. Además al exportador de sillas a Estados Unidos no le sirve. Cualquier plataforma de inversión o trading lo permite, por ejemplo: (https://demo-deal.ig.com...).

2) Pueden fijarse unos tipos de cambio mínimos y máximos, de forma que el comprador y el vendedor compartan el riesgo. A veces se llama túnel de divisas, porque las divisas fluctuan como si estuvieran dentro de un túnel, sin poder subir o bajar mucho. Puedes hacer un túnel de divisas en el Banco Sabadell.

3) Con otro producto financiero que se llama SWAP de divisas, que es una permuta financiera de divisas. La empresa española vende sillas a una empresa de Estados Unidos y recibirá un millón de dólares dentro de un año. Le preocupa que baje el dólar y que ese millón de dólares dentro de un año no sea nada. Para reducir el riesgo, podría encontrar un importador español que tenga que pagar un millón de dólares dentro de un año, al que le preocupe que suba el dólar. Ambas empresas pueden firmar un contrato swap: el de las sillas le dará el millón de dólares y el que importa le da el equivalente en euros. Lógicamente sería mucha casualidad que encontráramos alguien que justo necesite lo contrario que nosotros esto se negocia en mercados y es tan sencillo como ir al banco y explicarles lo que queremos. Por ejemplo aquí está el Banco Sabadell (https://www.bancsabadell.com/cs/Satellite/SabAtl/Tipos-de-cambio/1191332199720/es/).

4) Mediante productos derivados, operando con opciones sobre divisas. La opción es un instrumento financiero que da el derecho al que tiene de comprar (o vender) una divisa en un momento futuro a un precio determinado de antemano. En el ejemplo anterior, el importador de la máquina a México necesitará comprar pesos mexicanos dentro de un año. Por tanto, puede adquirir una opción de compra (que se llama "call") que le permita comprar pesos mexicanos a un precio determinado. El caso contrario es el del exportador que va a recibir dólares en un futuro. Lo que puede hacer es adquirir una opción de venta (que se llama "put") que le permita vender esos dólares a un precio determinado. Hay un mercado de opciones sobre divisas, aquí podemos ver un ejemplo (http://www.difbroker.es/web/es_es/forex-options) o (http://es.anyoption.com/). Hay una demo (http://es.anyoption.com/demo-negociacion-opciones-binarias).

5) Puedo optar por un contrato forward, que es la compra (o venta) de una moneda a un plazo determinado y a un tipo de cambio prefijado de antemano. La compra (o venta) de la divisa se realizará cuando llegue el plazo acordado pero se aplicará entonces el tipo de cambio que acordamos cuando firmamos el contrato, que se llama tipo de cambio forward y es distinto del tipo de cambio al contado (que se llama spot). Este contrato puede hacerse en un mercado organizado, que se llamama mercado de futuros y en este caso se trata de un contrato estandarizado o bien en un mercado Over The Counter (OTC) y en este caso es un contrato forward a medida.

Hemos repasado algunas de las posibilidades más normalitas de la ingeniería financiera. Un simple vistazo a la Wikipedia nos permite contemplar docenas de instrumentos muy sofisticados (http://es.wikipedia.org/wiki/Ingenier%C3%ADa_financiera), como:

Opciones asiáticas geométricas - Opción atlántica o bermuda - Basket options - Spread options - Swaptions u opciones sobre swaps - Caption u opciones sobre cap - Forward Rate Agreements (FRAs) - Strip de FRA - Strip de opciones sobre FRA - SAFE (Synthetic Agreement for Forward Exchange) - Roller coaster swap - Margin swaps - Delayed Start Swap - IRS prorrogable - IRS cancelable - Forward Swap Diff Swaps - Equity Swaps

Algunas se estudian en la asignatura Ingeniería Financiera impartida en la Universidad de Zaragoza (http://titulaciones.unizar.es/asignaturas/27548/) en el Grado en Finanzas y Contabilidad.

 

aMercado de futuros agrarios

En los anteriores ejemplos no hemos solucionado el problema del agricultor que espera una buena cosecha pero que se queja de que siempre pasa lo mismo: el precio del producto (maíz, aceite de oliva...) está muy alto cuando lo siembra pero cuando lo va a cosechar baja... Si esa percepción es cierta puede cubrirse del riesgo de que baje el precio futuro del maiz con un producto financiero: un futuro. Por ejemplo, hay un mercado de futuros de zumo de naranja [http://es.investing.com/commodities/orange-juice-contracts].

j

Lo vemos con un ejemplo.

  • Un agricultor tiene olivos y aunque la climatología va bien está preocupado porque cuando coseche en noviembre el precio esté bajo. Otros años ha pasado.
  • Una conservera necesita el aceite para hacer sardinas en lata. Pero le preocupa conseguir el aceite a buen precio, porque ha oído rumores de que la cosecha no será buena y el precio subirá.

Ambos hacen cuentas y llegan a la conclusión de que 1,7€ el litro sería un precio suficiente para el agricultor y justo para la conservera. Firman un contrato por el que la conservera se compromete a comprar el aceite a 1,7€ y el agricultor se compromete a venderlo a esa cifra. La conservera compra un contrato de futuros y el agricultor está vendiendo un contrato de futuros. En el argot financiero la conservera se pone a largo y el agricultor se pone a corto.

En realidad el agricultor no necesita presentarse en los mercados de futuros con la mercancía. Esto funciona mediante una cámara de compensación, en un Mercado electrónico de Futuros en el que los contratos están estandarizados. Lo que hacen ambos es depositar una cantidad para hacer frente al contrato y la cámara de compensación liquida por diferencias. La cobertura consiste en compensar el riesgo implícito de una posición en el mercado físico con una posición opuesta en contratos de futuros. Lo que tiene que hacer el productor para cubrir su siembra, es eliminar el riesgo que tiene a que el precio baje vendiendo contratos de futuros. Al vender contratos de futuros lo que hace es fijar un precio futuro de venta. De esta forma si los precios bajan, gana dinero en el Mercado de Futuros, y lo que gana con los contratos compensa lo que pierde por la caída en el precio del aceite. En Europa, debido a la Política Agraria Común, no hay tanta variabilidad en los precios como en otros países, pero en otros países los agricultores utilizan con frecuencia estas técnicas de ingeniería financiera que les permiten cubrirse ante el riesgo de que baje el precio. En España había un mercado agrario de aceite de oliva, MFAO (http://mfao.es), Sociedad Rectora del Mercado de Futuros del Aceite de Oliva, S.A., y era el único Mercado de Futuros en el mundo donde se negocia aceite de oliva. Estaba ubicado en Jaén pero a la espera de convertirse en Sistema Multilateral de Negociación (SMN) no pudo adaptarse a la nueva normativa europea y finalmente cerró (http://www.olimerca.com/noticiadet/el-consejo-de-administracion-de-mfao-aprueba-hoy-el-cierre-de-la-sociedad/027babd572b87894ac2f28b2697f4a3d) [21-dic-2015].

h

El Mercado de Futuros de Chicago (Chicago Board of Trade) es el más antiguo del mundo. Veamos, por ejemplo, los precios de la avena (http://es.investing.com/commodities/oats-contracts). El mercado ¿cree que el precio de la avena dentro de un año va a subir o bajar? ¿Y el petróleo? (http://es.investing.com/commodities/crude-oil-contracts). Mira el ejemplo del cacao [1] [2]. En España hay un mercado de opciones y futuros, MEFF (http://www.meff.es) pero negocia futuros sobre acciones, no sobre productos agrarios.

 


5)
Seguros

Los seguros son otra forma de cubrirnos frente al riesgo.

a¿Quién necesita más un seguro de vida? ¿Batman, Spiderman o Homer Simpson? h
Antes de responder pensemos cual es el objetivo del seguro.

No se trata de ver quién tiene el trabajo más arriesgado. Con el seguro de vida queremos cubrir el riesgo de que fallezca una persona. Ni Batman ni Spiderman tienen familia (Robin no cuenta y la la tía Mary no precisa del dinero de Peter). El único que tiene esposa (que no tiene ingresos adicionales) e hijos es Homer.

Por ejemplo, una empresa internacionalizada puede estar preocupada por la posibilidad de que le expropien, es decir un tipo de riesgo político.

h

En ese caso puede contratar una Póliza de Seguro de Inversiones en el Exterior en la mayor parte de las entidades financieras o de seguros o especialmente en CESCE (http://www.cesce.es/poliza-seguro-inversiones-exterior), Compañía Española de Seguros de Crédito a la Exportación, empresa de capital mixto cuyo mayor accionista es el Estado.

h

Ese seguro cubre las siguientes situaciones de riesgo político:


6)
Gestión del riesgo de impago

Uno de los riesgos más característicos de las empresas es el riesgo de impago de los clientes. El riesgo surge porque las facturas no se suelen cobrar al contado. Podemos asegurar el cobro utilizando los servicios de entidades especializadas en ello, contratando un seguro de crédito en una empresa especializada. Estas empresas ofrecen pólizas de seguros que protegen todas las operaciones comerciales y gestión de impagados, tanto en España como en cualquier otro país, garantizando la seguridad del cobro en las operaciones de comercio nacional e internacional. Un ejemplo es la empresa Crédito y Caución (http://www.creditoycaucion.es/es/productos/seguro-credito/poliza-lider.html).

h

Con frecuencia la empresa selecciona a qué clientes conceder crédito. Pensemos en un concesionario de automóviles o el caso más claro: un banco. Cuando planteemos una estrategia para minimizar el riesgo asociado a la gestión de clientes una parte muy importante de la misma es determinar el crédito máximo que podemos conceder a cada uno de los clientes. Se trata de recopilar información relevante del cliente, evaluando su riesgo.

h

j

h

A partir de toda esta información se puede obtener una puntuación o calificación crediticia que permite determinar el riesgo de crédito de una empresa o de un particular. Suele hablarse de credit scoring cuando es para un particular y credit rating cuando se trata de una empresa. Algunas empresas desarrollan sus propios modelos de credit scoring y credit rating, aunque lo más habitual es utilizar los de proveedores como Axesor (http://rating.axesor.es) o Experian (http://www.experian.es/gestion-del-riesgo-crediticio/informacion-y-scoring.html).

g

¿Qué variables son importantes para desarrollar un credit scoring? Lógicamente depende de muchos factores. No es lo mismo un banco que se plantea conceder una hipoteca a un cliente o un préstamo a un particular que una empresa industrial que vende a un particular una nevera o un fabricante de puertas que vende a una constructora. A modo de ejemplo, veamos en qué se fijan los bancos a la hora de solicitar un crédito en Bankimia (http://www.bankimia.com/prestamos).

Pero para empresas lo más habitual son los ratios financieros. Veamos el ejemplo de Axesor (http://www.axesor.es/ejemplos/ejemplo-balance-cash-y-ratios.htm).

No todos los datos tienen la misma importancia. Un ejemplo, es el ratio de rentabilidad, que relaciona los beneficios con el activo o con los fondos propios. Sin duda es uno de los ratios más importantes. Por ejemplo, si quiero comprar acciones de una empresa y se trata de una inversión a largo plazo, buscaré que sea una empresa rentable. Pero un banco que le va a prestar dinero posiblemente se fijará más en los ratios de solvencia o de liquidez. No le importa tanto la rentabilidad sino que le pueda devolver el préstamo. Si disponemos de muchos indicadores podemos desarrollar un programa informático que asigne una puntuación o nota a los clientes, que es el credit score y les califique como merecedores o no de crédito. Hay dos formas de realizar un sistema de credit scoring:

aUn sistema experto para credit scoring


Vamos a suponer que trabajamos en el departamento de concesión de créditos de una entidad financiera y nuestro trabajo consiste en analizar la información contable de las empresas, valorar si la empresa es solvente o presenta problemas y, a partir de ahí, decidir si merece un crédito o no. Es un problema típico de análisis contable. Pensamos que el ordenador nos puede ayudar a manejar los datos para lo que queremos una aplicación informática que nos ayude a dicha tarea. Aunque somos algo novatos en nuestro nuevo trabajo, contamos con lo aprendido en la facultad y el apoyo de nuestro compañero de trabajo, especialista en ese campo -aunque no muy ducho en los temas de informática-, a quien pensamos sustituir porque se acerca la fecha de su jubilación. Una herramienta de informática convencional que podríamos utilizar es la hoja de cálculo. Allí podríamos introducir los balances y cuentas de resultados de los clientes y calcular ratios financieros sobre liquidez, endeudamiento, rentabilidad, etc., y otras magnitudes como el fondo de maniobra. Siguiendo las recetas de algún manual de análisis contable, sobre esos ratios podemos realizar algunos cálculos adicionales. Seguro que una de las funciones que más utilizaríamos de la hoja de cálculo es la función condicional, de forma que nos avise cuando la empresa en cuestión tenga valores anormalmente bajos para alguno de los ratios analizados. La capacidad de la hoja de cálculo para realizar simulaciones es también muy notable. Con algo de programación adicional podemos incluir unas macros que enciendan un semáforo rojo en cada uno de los puntos débiles de la empresa, vamos, un sistema de alerta temprana. Orgullosos por haber dotado a nuestra hoja de cálculo de cierta inteligencia, la mostramos a nuestro compañero, pidiendo su consejo. "No está mal, ayudará mucho a facilitar los cálculos que con mi calculadora se hacían muy pesados", exclama, "Aunque es algo sencillo". Por ejemplo, deberías haber tenido en cuenta que para ese sector en concreto es normal que el fondo de maniobra sea negativo. Además, no nos interesa tanto la rentabilidad como su capacidad para devolver el préstamo. Es más, no nos importa que la empresa quiebre, con tal de que pueda devolverlo. Me gustaría charlar contigo para poder mejorar tu programa". En seguida nos damos cuenta de que la hoja de cálculo no es la herramienta más adecuada para representar el conocimiento complejo. En cuanto queramos que las condicionales estén anidadas al estilo: "si esto Y aquello O eso Y...entonces..." la programación se complica y no es eficiente. Ahí es más adecuado utilizar lenguajes de programación específicos para incorporar el conocimiento de especialistas.

RULE 1: si el cliente tiene más de 25 años y gana más de 2000 euros califica como bueno// IF edad.cliente > 25 AND salario.cliente > 2000 THEN SET estado.cliente AS 'bueno' END;

RULE 1: si las ventas han subido un 15% y el coeficiente de de tendencia es mayor que 0.3 califica como evolucion_positiva// IF ABS(TIMESERIES(GROWTH_TREND, LINEAR, 1, Month1, Month2, Month3, Month4, Month5, Month6)) > 0.3 AND TIMESERIES(GROWTH_RATE, LINEAR, 1, Month1, Month2, Month3, Month4, Month5, Month6) > 0.15 THEN SET sales.trend AS 'evolucion_positiva' END;

aUn sistema estadístico para credit scoring


Siguiendo con nuestro ejemplo de los apartados anteriores, podemos animarnos a diseñar un sistema estadístico para realizar un credit scoring que permita analizar si un cliente particular o una empresa es merecedora de crédito.


1)
¿Qué necesitamos?

En este caso, lo que solicitaríamos a nuestro experto no son reglas de decisión sino una base de datos con ejemplos de empresas que anteriormente han solicitado préstamos a nuestro banco. También precisaríamos un programa de estadística , como SPSS.


2)
Los datos

De la base de datos deberíamos extraer un conjunto de ratios e indicadores para cada empresa o cliente, que formarán la base de patrones de aprendizaje. Nótese que en este problema en concreto disponemos también del output a aprender, que consiste en que para cada empresa sabemos si devolvió o no el préstamo. Podemos asignar un 1 a las empresas o clientes que devolvieron el préstamo y un 0 a las que no.

h


3)
Selección del modelo

Podemos aplicar varias técnicas estadísticas, como el análisis discriminante, la regresión logística o redes neuronales, entre otros. En la llamada fase de aprendizaje se ajusta una función matemática que normalmente trata de minimizar los errores, mediante un algoritmo. Debemos hacer un test con datos de clientes que nos hemos guardado y no hemos utilizado para estimar el modelo.

t

La pantalla siguiente nos dice el grado de acierto de nuestro modelo, en este caso un 80%. Finalmente introduciríamos los datos de los clientes que queremos evaluar y el modelo nos los clasificaría como "posiblemente serán morosos" si han obtenido un 0 o "posiblemente serán solventes" si han obtenido un 1. Naturalmente podemos saber qué variables son las más relevantes.

g

Un ejemplo real de utilización exitosa de estos sistemas automatizados es su uso para detectar fraudes en pagos electrónicos, especialmente en tarjetas de crédito. Cada día los bancos monitorizan millones de operaciones como esta con un bajo coste, utilizando FICO Falcon™ Fraud Manager, (http://www.fico.com/en/Products/DMApps/Pages/FICO-Falcon-Fraud-Manager.aspx) que se ha consolidado como el estándar en detección de fraude en pagos con tarjetas de crédito, al supervisar el 65% de las operaciones que se realizan en el mundo.

 

aTendencias en scoring: big data


Recientemente se viene empleando el término Big Data [no hay paro]. Son sistemas que manejan grandes cantidades de datos y a veces con información no estructurada, como pueden ser las tendencias en Twitter. Es la evolución del Data Mining, que consiste en descubrir patrones en grandes volúmenes de datos pero más grande y con datos más complicados de manejar. Veamos en Google Trends (http://www.google.com/trends/?q=data+mining,+big+data&ctab=0&geo=all&date=all&sort=0). Por cierto ¿de qué países y lugares provienen las visitas de las personas que buscan información sobre Big Data?...[de aquí, 100.000 empleados]. El ejemplo típico que se cuenta en las Escuelas de Negocios es que "los clientes masculinos, cuando compran pañales los viernes por la noche, tienen además una gran tendencia a adquirir también cerveza", aunque parece que es una leyenda urbana (http://www.enriquedans.com/2006/08/panales-y-cerveza.html). El que sí es cierto es la inexplicable evidencia de determinadas alergias en la ciudad de Barcelona en ciertos momentos del año, "a destiempo". Con data mining se descubrió la causa: las descargas de soja en el puerto de Barcelona por parte de un barco que generaba mucho polvo y provocaba alergias. Hay ya muchas aplicaciones de análisis y tratamiento de datos como BigML (https://bigml.com/gallery/model/4f89c39b1552686458000038) que te suscribes, subes los datos que quieres que analice y obtienes el resultado. Una ventaja es que puedes manejar una base de datos con Teras de información y una extraordinaria potencia de cálculo, que normalmente nadie tiene en su ordenador personal. En la imagen vemos un ejemplo de sistema en la nube para predecir el riesgo de un préstamo a partir de un conjunto de variables.

f

Veamos, por ejemplo, una adaptación del modelo de Altman que fue pionero en 1968 en utilizar técnicas estadísticas avanzadas para predecir la quiebra d elas empresas a través de los ratios financieros Altman Z-score (https://play.google.com/store/apps/details?id=com.businesscompassllc.altmanzscoreplus). En la imagen vemos un volcado de pantalla del móvil, en el que a partir de los datos financieros de una empresa obtenemos su puntuación y calificación.

w

Otro ejemplo es la herramienta de Google, Big Query (https://developers.google.com/bigquery/) capaz de analizar base de datos de miles de millones de de filas. ¿Cómo funcionan esos algoritmos?. Veamos por ejemplo uno de los primeros que se inventaron, el KNN, K-Nearest Neighbour o vecino más cercano. Ponemos todos juntos los quebrados -un círculo rojo- y los solventes -un rombo azul-. Como vemos los solventes son más rentables y tienen mejor ratio de liquidez. Ahora queremos analizar una nueva entidad, la que tiene un interrogante.

h

1

Lo que hacemos es mirar sus vecinos, en la figura de al lado hamos puesto un círculo verde. En ese círculo vemos que de los 4 vecinos 3 son solventes y uno quebrado: el algoritmo lo clasifica como solvente.

2

 

aPara seguir aprendiendo


Información en Gestoresderiesgo.com (http://www.gestoresderiesgo.com/) y Mario Cantalapiedra (http://www.slideshare.net/MarioCantalapiedra/herramientas-externas-de-gestin-de-la-morosidad).

Mapa de Riesgos: Identificación y Gestión de Riesgos (http://www.unagaliciamoderna.com/Eawp/coldata/upload/mapa_de_riesgos_19_06_13.pdf) de Manuel Rodríguez, Carlos Piñeiro y Pablo de Llano

Ir a CiberContaCitar como: Serrano Cinca C. (2017): "Lecciones de Finanzas", [en línea] 5campus.org <http://www.5campus.org/ifinanzas> [y añadir fecha consulta] Inicio leccion
[Índice