Imagine por un momento que usted es un banco. Su objetivo es captar y prestar dinero, pero no quiere correr riesgos innecesarios. Entonces, ¿qué hace? Se sumerge en un mar de datos e informaciones para evaluar si el solicitante de un préstamo es confiable y tiene la capacidad de devolver lo prestado. En un lenguaje llano, hay que asegurarse de que esa persona es “buena paga” o tiene solvencia.
En este arduo proceso de evaluación, cada detalle cuenta. Desde la calificación crediticia del potencial deudor hasta la estabilidad de su historial laboral, pasando por la relación entre sus deudas y sus ingresos, las entidades de intermediación financiera (EIF) analizan meticulosamente una serie de factores antes de decidir si aprueban o no un préstamo y qué monto otorgarle.
Imagine a Juan y María. Juan tiene una calificación crediticia sobresaliente, una relación deuda-ingreso saludable y un historial intachable de pagos anteriores. Por otro lado, María tiene una calificación promedio y poca experiencia crediticia. ¿Quién cree usted que tiene más posibilidades de obtener el préstamo que necesita?
La investigación “Predicción de Default en RD: Un enfoque de machine learning para la evaluación del riesgo crediticio”, realizado por la Superintendencia de Bancos (SB), revela que elementos como la calificación crediticia del solicitante, la relación entre su deuda y sus ingresos, su historial laboral y financiero, así como sus movimientos bancarios y gestión financiera, son cruciales para predecir la probabilidad de incumplimiento.
Por tanto, para los bancos la predicción del comportamiento financiero es fundamental para gestionar el riesgo crediticio. Así que la próxima vez que usted se encuentre solicitando un préstamo tenga en cuenta que su banco no solo está revisando su solicitud; está construyendo un retrato detallado de su historial financiero para tomar una decisión informada y responsable.
