Resumen en español

En esta investigación se presentan dos metodologías para la caracterización del default en un portafolio de crédito especializado en la financiación de motocicletas de una entidad financiera del sector real. La primera, a partir de árboles de decisión como técnica exploratoria de autoaprendizaje no paramétrica, la cual se utiliza para clasificar el default en función de sus atributos y mediante particiones recursivas de la población, obtener segmentos o grupos excluyentes significativos. Según los resultados de dicha técnica, el default depende de variables demográficas, financieras, las condiciones en las que fueron otorgados los créditos, entre otros. Principalmente, en variables como el score de la central de riesgo, ubicación geográfica del cliente, cuota inicial, ocupación, número de consultas y número de créditos cerrados. De otra parte, se estiman modelos de elección discreta (Logit y Probit) que se caracterizan por estudiar el comportamiento individual, al vincular la decisión o resultado de elección a un conjunto de factores. El enfoque de estudio de dichos modelos se realiza en el marco general de modelos probabilísticos. Los resultados indican que además de los encontrados previamente en los árboles de decisión, el sexo de los clientes, las personas a cargo, los créditos vigentes en el mercado, marca de la moto, plazo y valor del crédito son determinantes en la explicación del default. En general, se observa que en los árboles de decisión las tasas de correcta clasificación se sitúan por debajo de 60%. Por el contrario, los modelos discretos alcanzan 62.4% y 61.6% para el modelo logit y Probit respectivamente.