How can you predict credit scores using statistical modeling?

Credit score is a quantitative tool for assessing the default risk of a customer. Credit scores usually have a specified numerical range (e.g., between 300 and 850), in which high-risk customers are assigned low credit scores and low-risk customers receive high scores. In most cases, credit scores are created based on logistic regression modeling resulting in an additive model containing risk drivers including payment history, credit utilization, credit mix, and new credit inquiries among other factors. FICO and VantageScore are the most known credit scores in the lending industry.

Un puntaje de crédito es un número que refleja la solvencia crediticia de una persona. Este puntaje se calcula a partir de la información en el informe crediticio de un individuo, como historial de pagos, cantidades adeudadas, duración del historial crediticio, tipos de crédito utilizados y nuevas solicitudes de crédito. Las agencias de informes crediticios como FICO y VantageScore generan estos puntajes, que son utilizados por los prestamistas para evaluar el riesgo asociado con otorgar crédito.

Um score de crédito é uma pontua??o numérica usada para avaliar o risco de crédito de um indivíduo ou empresa. Ele é calculado com base em um modelo estatístico que considera diversos fatores, como histórico de pagamentos, dívidas atuais, dura??o do histórico de crédito, novos créditos e tipos de crédito utilizados. A pontua??o reflete a probabilidade de inadimplência do devedor, sendo utilizada por institui??es financeiras e credores para tomar decis?es sobre concess?o de crédito, taxas de juros e limites de crédito. Quanto maior o score, menor o risco percebido pelo credor.

Según mi experiencia, el puntaje de crédito está estrechamente ligado a las políticas de las compa?ías. Hablo desde el punto de vista de alguien que analiza datos y estados financieros, revisa las variables de cómo se comporta en el mercado desde el área de pagos y compras, y qué compra. Siempre debemos considerar el rubro de la empresa que estamos evaluando, cuál es su objeto social. Personalmente, creo que debemos darle un enfoque más analítico y contextualizar los números en el entorno. Es crucial respaldar las decisiones con un profundo conocimiento del rubro, del cliente y del negocio

A modelagem estatística é utilizada no cálculo do score de crédito para garantir precis?o e objetividade na avalia??o de risco. Ela permite a análise de grandes volumes de dados históricos, identificando padr?es e correla??es que indicam a probabilidade de inadimplência. Isso resulta em previs?es mais confiáveis e consistentes, eliminando vieses subjetivos. Além disso, a modelagem é escalável, podendo processar um grande número de solicita??es rapidamente, e continuamente aprimorável com novos dados. Ela também permite a customiza??o de modelos para diferentes segmentos de clientes, tornando a avalia??o de risco mais adequada e eficaz.

The use of statistical (as well as machine learning) modeling for credit scoring has several important advantages compared to any of the expert-driven methods. The key one is a standardized risk assessment meaning that customers are scored in a consistent manner according to some pre-defined scoring method. Additionally, an incorporation of historical data in modeling allows to apply model outputs to previously unseen data points, which makes model use more reliable and data-driven. It should be noted that statistical modeling is only relevant for portfolios with a large number of defaults (may vary between 100 and 1000 defaults).

Los modelos estadísticos son esenciales en la predicción de puntajes de crédito porque permiten analizar grandes volúmenes de datos y extraer patrones significativos que no son fácilmente identificables de otra manera. Estos modelos ayudan a mejorar la precisión de las predicciones, reducir el riesgo de crédito y tomar decisiones más informadas. Al utilizar técnicas estadísticas avanzadas, como regresión logística, análisis discriminante y métodos de aprendizaje automático, se puede evaluar la probabilidad de que un solicitante incumpla sus obligaciones crediticias.

Para recopilar datos de clientes nuevos, existen varias alternativas en el mercado. Además, también podemos contar con la información financiera proporcionada directamente por el cliente. Esto nos ayuda a tener información veraz, especialmente si es auditada, lo que resulta en un análisis más acertado y efectivo. Por otro lado, si el cliente ya es parte de nuestra cartera, contamos con su historial en nuestros sistemas, lo que nos permite tomar decisiones basadas en un profundo conocimiento del cliente. Sin embargo, no descartamos el uso de estados financieros auditados, ya que proporcionan información numérica valiosa para nuestro análisis.

Data collection is an essential part of the modeling process. There are several choices to use when performing data collection, e.g. use internally available data and falling back to external data (in case there is no internal default and loss experience), which may include either public or credit bureau data. Data availability has a large impact on modeling choices. Data which is collected for modeling purposes must satisfy data quality requirements and be representative of the population, to which the developed model will be applied.

La recopilación de datos para modelos de puntajes de crédito implica obtener información detallada y precisa sobre el comportamiento crediticio de los individuos. Esto incluye datos históricos de pagos, saldos pendientes, tipos de crédito utilizados, consultas de crédito recientes y otros factores relevantes. Estos datos suelen ser obtenidos de agencias de informes crediticios, registros públicos, aplicaciones de crédito y otras fuentes relevantes. Es crucial asegurar la calidad y precisión de los datos para construir modelos confiables.

La preparación de datos es un paso crítico en el desarrollo de modelos estadísticos. Este proceso incluye la limpieza de datos (eliminación de valores atípicos y manejo de valores faltantes), normalización (ajuste de los datos a una escala común), y transformación de variables (creación de variables derivadas y codificación de variables categóricas). Además, es importante dividir los datos en conjuntos de entrenamiento y prueba para evaluar la efectividad del modelo. Técnicas como la validación cruzada ayudan a garantizar que el modelo no esté sobreajustado y que tenga una buena capacidad de generalización.

El proceso de preparación de datos debe basarse en un formato dise?ado por ti o que ya esté establecido en las empresas a las que presentas tu estudio. Este formato debe permitir una toma de decisiones rápida y precisa. Sin embargo, el valor a?adido al análisis de datos de los estados financieros radica en tu experiencia, tu conocimiento y tu capacidad para interpretar los datos. Tu expertise te permite ir más allá de los números y descubrir las causas subyacentes detrás de cualquier anomalía o tendencia. Es importante destacar que la presentación de datos debe estar alineada con las preferencias de tu cliente, ya sea una empresa u otro tipo de cliente.

There are many considerations that influence the choice of a model. Such considerations may range from statistical performance to interpetability. Since credit scoring is a largely regulated application of machine learning, algorithms which are less complex and have fewer input features (parsimonious) are preferred in general. Additionally, a model must be fair and unbiased in order not to discriminate against certain groups of customers based on sensitive attributes (e.g., gender, age).

La elección del modelo adecuado depende de varios factores, incluyendo la naturaleza de los datos, el objetivo de la predicción y las características específicas del problema de crédito. Modelos comunes en la predicción de puntajes de crédito incluyen la regresión logística, árboles de decisión, bosques aleatorios, máquinas de soporte vectorial y redes neuronales. Es esencial evaluar múltiples modelos y comparar su rendimiento utilizando métricas como la precisión, la sensibilidad, la especificidad y el área bajo la curva ROC para seleccionar el modelo más adecuado.

For credit scoring, the most commonly used metric for evaluating discriminatory power is the Gini score, which can viewed as a normalized version of the AUC score (Gini = 2 * AUC - 1). Higher values of the Gini score indicate better risk differentiation. Additionally, it's important to evaluate calibration accuracy of the model. This is usually done via binning predictions into quantiles and evaluating how predicted probabilities are matching observed event rates. The binomial test and/or Hosmer–Lemeshow test are often used to assess calibration.