Ingeniera Civil Industrial / Para BancoEstado Microempresas (BEME), el monto de las colocaciones en el sector microempresa ha crecido más de 40% en los últimos cinco años. Debido a lo anterior, es importante mejorar el proceso de la otorgación de los créditos, respondiendo de forma más rápida las solicitudes.
La Tecnología de Evaluación de Riesgo (TER) es una herramienta que evalúa a los clientes de BEME que solicitan créditos. Actualmente, para la mayoría de los clientes, este proceso consiste en visitas a terreno y entrevistas por parte de los ejecutivos, con la finalidad de corroborar la información otorgada por éstos, lo cual hace de la TER un procedimiento lento. Con el fin de disminuir este tiempo, se desarrollaron modelos de estimaciones lineales de las variables del estado financiero. De este modo se espera disminuir considerablemente el tiempo que se toman los ejecutivos al otorgar crédito alguno a microempresarios del sector agrícola. De igual manera, al usar el menor valor entre la estimación y lo declarado por el cliente para las variables Venta y Costo fijo y el mayor valor para la variable Margen, se reduce el riesgo de no pago dado que bajaría el monto de otorgamiento, reduciendo el riesgo de crédito del BEME. Asimismo, el almacenamiento de información reduce el riesgo operacional en la verificación de ellas. Además, la información guardada en el sistema le permite al banco generar propuestas comerciales para los clientes. También ayuda a la retención de los clientes, evitando la fuga de ellos, porque se genera un mejor imagen de banco dado que el proceso es más eficiente. En el presente trabajo, se desarrolla la implementación de TER Express en el sector agrícola, actualmente inexistente.
Se estimaron seis modelos de regresión lineal generalizada, ya que este método es más robusto que la regresión lineal ordinaria, para las variables Venta, Costo Fijo y Margen. Esto se realizó para dos casos: por un lado, para los clientes que tienen más de un informe técnico en los últimos 36 meses y por otro, para clientes que sólo tienen uno. Los modelos se han seleccionado al comparar los sub-grupos, eligiendo aquello que tiene menor estadístico BIC.
Las variables, que explican de mejor forma los resultados de este trabajo, son: formalidad del cliente, el sub-segmento al cual pertenece, el tipo de vivienda, entre otro. Se arroja el coeficiente de determinación R^2de 86% para el modelo Venta con historia y 77% para Venta sin historia; en el caso de Costo Fijo con historia y sin historia, el estadístico es de 81% y 48%, respectivamente; y por último, para los modelos de Margen, el estadístico es de 40% y 13%, respectivamente.
Durante el trabajo, se ha intentado agregar la variación de precio de los productos como variable independiente con los datos publicado por la Oficina de Estudios y Policitas Agrarias (ODEPA), pero no se ha logrado encontrar suficientes datos para todos los productos y el tiempo que se requieren.
Finalmente, se recomienda al banco integrar variables exógenas al modelo, como el PIB, la tasa de desempleo sectorial y la variación del precio de los productos que venden los microempresario cuando están disponibles, de modo que éstos lleguen a ser más robustos. / 9/8/2021
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/140538 |
| Date | January 2015 |
| Creators | Hu, Yanxi |
| Contributors | Weber Haas, Richard, Cruz González, José, Contreras Villablanca, Eduardo |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
Page generated in 0.0018 seconds