¿CÓMO PUEDO SABER SI MIS CLIENTES ME VAN A PAGAR?

En las diferentes empresas a las que asistimos y en las capacitaciones que bridamos, hay una pregunta que se reitera y que nos obliga a dar una explicación.

¿Cómo puedo hacer para darme cuenta si mis clientes me van a pagar lo que me deben?

La pregunta en general viene acompañada de una carga de dramatismo en algunos casos, curiosidad en otros, o simplemente “preocupación” por un escenario que aparece como inestable e incierto.

No es sencilla la respuesta porque detrás de la pregunta, existe una masa crítica de recursos que conocemos como capital de trabajo que se encuentra expuesta. Son servicios que ya se prestaron y que se tienen que cobrar, o productos que se enviaron al cliente. En algunos casos se puede recuperar por devolución, en otros no porque fueron vendidos.

El empresario PYME, y no tan PYME, expresa su preocupación por que sabe que un cliente en default, una venta que no se cobra, representa en muchos casos, caer en cesación de pagos.  En el mercado coexisten diferentes realidades.  En algunos casos  no cobrar una venta puede significar  perder la rentabilidad de un mes de facturación. Entonces, la respuesta no es sencilla en la práctica, y en virtud de lo que representa para un proveedor de productos y servicios, intentaremos ofrecerla de la forma más sencilla y responsable posible.

En primer lugar debemos decir que cuando hablamos del “comportamiento de pago” de una persona o una empresa, tenemos que hablar de “incertidumbre”. Y al hablar de incertidumbre, debemos hablar de “probabilidad de ocurrencia”.  No existe una máquina que estudie el cerebro de las personas y determine que decisiones va a tomar a cada segundo. Si bien contamos con ciencias exactas para trabajar sobre ello, lo que podemos hacer es un estudio de campo que nos permita “aproximar el comportamiento” de las personas ante una situación específica y a partir de allí, determinar la probabilidad de ocurrencia de un hecho.

Por supuesto, esto es mucho mejor que trabajar a ciegas o confiar en la buena fe de la gente porque las probabilidades nos permiten tomar decisiones. Por ejemplo, asegurar el capital de trabajo prestado, acortar las condiciones de pago, solicitar una garantía por operación, dosificar los pedidos (la entrega de productos), etc...

Expuesto el tema en el marco que corresponde, pasaremos a describir un ejemplo que le sirva para entender, cuán importante es realizar un ANÁLISIS DE CARTERA de los clientes para determinar el rango de incobrabilidad y mostrar cuan expuesto se encuentra a una pérdida por default.

Veamos el caso de un “crédito de consumo”. Queremos diferenciar grupos para distinguir los clientes “malos pagadores” de los buenos. Para ello podemos usar una variable que se llame crédito, que tomará el valor 0 si el cliente hizo default y el valor 1 si el cliente no hizo default.

La población 1 hizo default, son los malos clientes, crédito = 0.

La población 2 no hizo default, son los buenos clientes, crédito = 1.

Luego podemos usar una fórmula matemática para poder calcular el puntaje o score de cada individuo (sujeto de crédito)

Las variables independientes que utilizaremos para el ejemplo (se deben estudiar por cada caso específico – empresa – segmento) en el análisis son: activos, ahorro, duración, monto, edad y ocupación.

Primero y principal lo que podemos hacer (hay diferentes metodologías, este simplemente es un ejemplo) es realizar un test de igualdad de medias que se rechaza,  con lo cual tiene significancia la realización de la división entre ambos grupos.

De una muestra total de 600 observaciones , analizamos los grupos por separado.

Grupo 1, CREDITO=0, es el grupo de los malos

Variable	Obs	Mean	Std, Dev,	Min	Max
activos	180	0,8	0,4011158	0	1
ahorro	180	1,594444	1,235857	1	5
duración	180	25,16667	13,73309	6	72
monto	180	3959,411	3700,731	433	18424
edad	180	33,81111	11,34959	19	74
ocupación	180	0,7888889	0,4092354	0	1

Grupo 2, CREDITO=1, es el grupo de los buenos

Variable	Obs	Mean	Std, Dev,	Min	Max
activos	420	0,6857143	0,4647844	0	1
ahorro	420	2,4	1,677309	1	5
duracion	420	19,2119	10,68313	4	60
monto	420	2990,162	2350,254	276	14179
edad	420	36,54524	11,50678	20	75
ocupación	420	0,8047619	0,3968566	0	1

Para realizar el cálculo de la variable score, primero calculamos la matriz de varianzas y covarianzas a la menos 1:

Luego renombramos las variables y generamos los vectores de medias, xmedia1 para la población de los malos y xmedia2 para la población de los buenos. Luego calculamos la diferencia xmedia2-xmedia1

	Mean x1	Mean X2	mean x2-xmeanx1
activos	0,8	0,6857143	-0,1142857
ahorro	1,594444	2,4	0,805556
duración	25,16667	19,2119	-5,95477
monto	3959,411	2990,162	-969,249
edad	33,81111	36,54524	2,73413
ocupación	0,7888889	0,8047619	0,015873

TABLA[2,2]
	c1	c2
r1	65	115
r2	42	378

El resultado es PREDICCIONES CORRECTAS= 443 y PREDICCIONES INCORRECTAS= 157. Lo cual indica un 73,83% bien asignadas y un 26,33% mal asignadas.

REALIZANDO EL CALCULO DEL ESTADISTICO DE KOLMOROGOV-SMIRNOV

Con estos datos de SCORE calculamos  el estadístico de Kolmorogov-Smirnov y dividimos  los grupos tomando en consideración el valor 0,8298. El resultado de esta regla fue:

TABLA[2,2]
	c1	c2
r1	133	47
r2	121	299

El resultado es PREDICCIONES CORRECTAS= 432 y PREDICCIONES INCORRECTAS= 168. Lo cual indica un 72% bien clasificadas y un 28% mal clasificadas.

GRÁFICO K-S

OTRA FORMA DE REALIZAR EL ANALISIS DISCRIMINANTES ES UTILIZANDO EL COMANDO STATA DISCRIM LDA, CON LA OPCIÓN DE PROBABILIDADES A PRIORI.

El resultado es:

Classified
True	credito	0	1	Total
	0	81	99	180
		45.00	55.00	100.00
	1	56	364	420
		13.33	86.67	100.00
Total		137	463	600
		22.83	77.17	100.00
Priors		0.3000	0.7000

Lo cual indica 445 bien clasificadas y 155 mal clasificadas, la variable ngroup es la columna que indica la nueva clasificación. El porcentaje es 74,16% bien clasificados y  25,84% mal clasificados.

Ahora formamos la variable SCORE=index2-index1-log(prob1/prob2) y el resultado es:

TABLA[2,2]
	c1	c2
r1	40	140
r2	10	410

Lo cual indica PREDICCIONES CORRECTAS= 450 y PREDICCIONES INCORRECTAS= 150. En porcentajes sería un 75% bien clasificadas y un 25% mal clasificadas.

OTRA FORMA DE CALCULAR EL ESTADISTICO DE KOLMOROGOV.SMIRNOV ES CON EL COMANDO DE STATA ksmirnov. El valor frontera es en este caso 0,4698. El resultado es:

TABLA[2,2]
	c1	c2
r1	54	126
r2	32	388

Lo cual indica PREDICCIONES CORRECTAS= 442 y PREDICCIONES INCORRECTAS= 158. En porcentajes sería 73,66% bien clasificadas y 26,33% mal clasificadas.

CONCLUSIONES

Como vemos, y como usted se imaginará, es IMPOSIBLE, tener un 100% de certeza acerca de un acontecimiento humano en lo que respecta a la toma de decisiones, pero no obstante ello, lo que acabamos de demostrar es SIGNIFICATIVO en términos de riesgo de crédito.

Antes del ejemplo, su cartera de clientes (si fuese el caso del ejemplo), tendría el mismo valor en términos de riesgo, es decir que usted consideraría iguales a todos sus clientes, o estimaría una probabilidad de incumplimiento en función a su “intuición” devenido del trato con los clientes que conoce o ha tratado en forma personal. Como observará, utilizar el instinto para considerar las probabilidades de incobrabilidad de una cartera es muy riesgoso, por otro lado, ¿cómo se puede conocer una cartera de 1.000 o 10.000 clientes y saber quién le pagará y quien no?

Con el ejemplo descrito demostramos que utilizando métodos estadísticos y realizando un estudio profundo de la cartera de clientes, es posible estimar su probabilidad de incumplimiento. A la pregunta:

¿Cómo puedo hacer para darme cuenta si mis clientes me van a dejar de pagar?

La respuesta es: utilizando las herramientas de investigación que más se enfoquen al caso en particular. Con ello usted podrá MEDIR EL RIESGO DE SU CARTERA DE CLIENTES, SEPARAR LOS CLIENTES BUENOS DE LOS MALOS, ASEGURAR SUS OPERACIONES, ASIGNAR MEJOR LAS LÍNEAS DE CRÉDITO,  VENDER MÁS Y MEJOR Y ASEGURARSE LA RENTABILIDAD DE LAS OPERACIONES QUE REALIZA.

¿Qué le parece?, no es poca cosa, ¿verdad?

En dorbaires trabajamos todos los días para ofrecerle una solución profesional a medida de sus necesidades y posibilidades.

Lic. Claudio M. Pizzi                                                                          Lic. Sabrina Belén

Director                                                                                                   Economísta

www.dorbaires.com                                                                         www.dorbaires.com