ACUERDO 14 DE 2013
(julio 2)
Diario Oficial No. 48.841 de 4 de julio de 2013
INSTITUTO COLOMBIANO DE CRÉDITO EDUCATIVO Y ESTUDIOS TÉCNICOS EN EL EXTERIOR
Por el cual se reglamenta el Modelo de Pérdida Esperada de la cartera de crédito educativo del Icetex.
LA JUNTA DIRECTIVA DEL INSTITUTO COLOMBIANO DE CRÉDITO EDUCATIVO Y ESTUDIOS TÉCNICOS EN EL EXTERIOR (ICETEX),
en ejercicio de sus facultades legales y estatutarias en especial de las que le confieren la Ley 1002 de diciembre 30 de 2005, el numeral 1 del artículo 9o del Decreto número 1050 del 6 de abril de 2006, el Acuerdo número 013 del 24 de febrero de 2007, y
CONSIDERANDO:
Que la Ley 1002 del 30 de diciembre de 2005, transformó al Icetex, en una entidad financiera de naturaleza especial, con personería jurídica, autonomía administrativa y patrimonio propio vinculada al Ministerio Nacional;
Que los numerales 1 y 4, respectivamente del artículo 9o del Decreto número 1050 del 6 de abril de 2006, establecen que es función de la Junta Directiva formular la política general, los planes, programas y proyectos para el cumplimiento del objeto legal del Icetex, de sus funciones y operaciones autorizadas, acorde con lo dispuesto por la Ley 1002 de diciembre 30 de 2005 y expedir los actos administrativos que se requieran para el cumplimiento de las funciones del Icetex;
<Considerando suprimido por el artículo 1 del Acuerdo 23 de 2013>
Que la Circular Básica Contable número 100 de 1995, expedida por la Superintendencia Financiera, el Capítulo XXI dispone que a la Junta Directiva le corresponde indelegablemente adoptar las decisiones relativas a la adecuada organización de la administración del riesgo;
Que mediante el Acuerdo número 027 del 7 de noviembre de 2012, se modificaron las provisiones de cartera individuales o específicas, se determinó un esquema propio de asignación de porcentajes de provisiones para las líneas de crédito educativo en la modalidad Acces y Mediano Plazo;
Que la Oficina de Riesgo del Icetex, realizó el estudio técnico de fecha 24 de mayo de 2013, relacionado con la metodología del modelo de provisiones de la cartera de crédito de fomento educativo del Icetex, que incluye la variable de pérdida esperada y los principales objetivos de la aplicación del Modelo como son, la identificación estadística del riesgo para las modalidades Acces, Pregrado, Mediano Plazo y Posgrados, el fortalecimiento de la gestión de Riesgo de Crédito y la estimación de las provisiones de cartera, acorde con el perfil de riesgo de cada una de las modalidades y otros aspectos referentes al Modelo;
Que la Oficina de Riesgo del Icetex, presentó el Modelo de Pérdida Esperada en el Comité Financiero y de Inversiones, en sesión del 15 de mayo de 2013, el cual fue aprobado por unanimidad por los miembros del comité;
Que en la sesión de Junta Directiva Virtual llevada a cabo los días 17 y 18 de junio de 2013, se aprobó el Modelo de Provisiones del Icetex, presentado a consideración por el Jefe de la Oficina de Riesgo;
En virtud de lo anterior,
ACUERDA:
ARTÍCULO 1o. MODELO INTERNO DE PÉRDIDA ESPERADA DEL ICETEX. Adoptar el Modelo Interno de Pérdida Esperada (PE), de la cartera de crédito de fomento educativo del Icetex, el cual se realiza a partir del análisis interno del comportamiento histórico de pagos de los usuarios del Icetex, información sociodemográfica y características del crédito, con esta información se construyen los Modelos Estadísticos de Probabilidad de Incumplimiento (PI), y Modelos Estadísticos de Pérdida (PDI), dado el incumplimiento para el Cálculo de la Pérdida Esperada (PE).
Este Modelo permite el cálculo de la Pérdida Esperada (PE), con lo cual se obtiene un nivel de provisiones acorde con el riesgo de crédito asociado a las características inherentes al portafolio de cartera del Icetex.
ARTÍCULO 2o. COMPONENTES PARA EL CÁLCULO DE LA PÉRDIDA ESPERADA. El Modelo Interno de Pérdida Esperada, para el cálculo de provisiones está compuesto por:
-- Probabilidad de Incumplimiento (PI). Esta se basa en un modelo estadístico, donde se obtiene la probabilidad de caer en Default, se calcula con base en el Score otorgado en el modelo desarrollado.
-- Saldo expuesto: El saldo expuesto es el saldo de cartera.
-- Probabilidad de pérdida dado el incumplimiento (PDI). Es la porción del monto no recuperado (o pérdida) después que la obligación cae en el evento de Default, es el valor que sale del análisis de recuperación y maduración de los pagos.
-- Componente Individual Contracicílico (CIC). Corresponde a la porción de la provisión individual de la cartera de créditos que refleja los posibles cambios en el riesgo de crédito de los deudores en momentos en los cuales el deterioro de dichos activos se incrementa.
ARTÍCULO 3o. METODOLOGÍA DEL MODELO DE PÉRDIDA ESPERADA. Los Modelos para el cálculo de la pérdida esperada son los siguientes:
a) Modelo de Probabilidad de Incumplimiento (PI) y Probabilidad de pérdida dado el incumplimiento (PDI), para la cartera Acces;
b) Modelo de Probabilidad de Incumplimiento (PI) y Probabilidad de pérdida dado el incumplimiento (PDI), para la cartera Mediano Plazo;
c) Modelo de Probabilidad de Incumplimiento (PI) y Probabilidad de pérdida dado el incumplimiento (PDI), para la cartera de posgrado;
d) Componente Contracíclico (CIC).
La sumatoria de los modelos a), b) y c), da el total de las provisiones para el portafolio de la cartera del Icetex.
PARÁGRAFO. De conformidad con lo anterior, la explicación expresa de la metodología a seguir por el Icetex, para la aplicación del Modelo de Pérdida Esperada, se encuentra descrita en el Documento Técnico “Modelo de Provisiones”, el cual contiene, la definición de default, matrices de probabilidad de incumplimiento por rango de score o puntaje, matrices para el componente contracíclico y procedimiento para contabilizar el defecto de provisiones generado por la aplicación del Modelo; y el citado documento hace parte integral del presente Acuerdo.
ARTÍCULO 4o. VIGENCIAS Y DEROGATORIAS. El presente Acuerdo rige a partir de la fecha de su publicación, modifica en lo pertinente el Acuerdo número 27 del 7 de noviembre de 2012.
Publíquese, comuníquese y cúmplase.
Dado en Bogotá, D. C., a 2 de julio de 2013.
La Presidenta,
PATRICIA MARTÍNEZ BARRIOS.
La Secretaria,
MARÍA EUGENIA MÉNDEZ MUNAR.
Justificación:
El Icetex bajo su nuevo carácter de entidad financiera, vigilada por la Superintendencia Financiera de Colombia, debe dar alcance al artículo 10.7.1.1.3 del Libro 7, Título 1 del Decreto número 2555 de 2010: “La Superintendencia Financiera de Colombia vigilará la adecuada administración de los riesgos por parte del Icetex en sus operaciones financieras autorizadas, con sujeción a las reglas aplicables a dicha materia, sin perjuicio de que el Icetex, en cumplimiento de las mismas, presente a consideración de la Superintendencia Financiera de Colombia modelos propios que se ajusten a la naturaleza especial de su actividad financiera.
En consecuencia, la Oficina de Riesgo ha liderado la construcción de modelos internos mediante consultoría con expertos para la elaboración de modelos estadísticos de probabilidad de incumplimiento (PI), modelos estadísticos de pérdida dado el incumplimiento (PDI), y matrices contracíclicas, los cuales son elementos indispensables para el cálculo de la pérdida esperada del portafolio de crédito de la Entidad.
Objetivo:
Aplicar metodologías estadísticas para la estimación de la pérdida esperada del portafolio de crédito de la Entidad, acogiendo las mejores prácticas propuestas por el Ente Supervisor.
Objetivos específicos
-- Identificar estadísticamente el perfil de riesgo para las modalidades de Acces, Pregrado Mediano Plazo y Posgrados.
-- Estimar las provisiones de cartera acorde con el perfil de riesgo de cada una de las modalidades.
-- Robustecer la gestión de riesgo de crédito en el marco del objetivo estratégico de la Oficina de Riesgos: “Contar con un sistema de riesgo de crédito que contribuya a la protección de la cartera y al otorgamiento apropiado del crédito”, alineado con el objetivo estratégico corporativo: “Administrar integralmente los riesgos”.
1. Metodología
Los análisis se realizaron con cartera histórica de los años 2008, 2009, 2010, 2011 y hasta junio de 2012.
Para el análisis se segmentó la población en: Acces, Pregrado Mediano Plazo y Posgrados, en cada uno de estos segmentos se adelantaron los siguientes pasos:
1.1 Definición de Buenos y Malos
De acuerdo con el comportamiento de las obligaciones de Icetex, se establece la clasificación de los clientes en Buenos y Malos sobre la población seleccionada. Para el pronóstico de la pérdida esperada (Provisión) esta definición de bueno y malo se basa en el default que se realiza diferenciado por los tipos de cartera y metodologías establecidas con este fin.
Definición de Default: Es importante definir el Default o incumplimiento total de la obligación, para cada una de las carteras; esta definición puede estar dada por una edad de mora específica. Para esta definición se elaboran matrices de transición históricas sobre la población seleccionada. El Default debe ser analizado de forma independiente según la cartera que se esté analizando.
1.2 Correlación de variables vs. Buenos y Malos
Una vez definido el Indicador de Buenos y Malos, se realiza un análisis del comportamiento, comparando cada una de las variables con el fin de establecer la correlación entre ellas.
Adicionalmente, se hacen segmentaciones de la población, se mira el comportamiento de cada uno de estos segmentos para determinar cuáles son los de mayor nivel de correlación o significancia frente al indicador de buenos y malos.
1.3 Elaboración de la Scorecard
De los análisis de comportamiento se establecen las variables relevantes para la Scorecard. Utilizando los análisis anteriores, se procede a establecer el modelo que permite obtener la Scorecard o tabla de puntajes.
La Scorecard permitirá tener la calificación de todas las obligaciones y a partir de esta calificación elaborar una distribución de clientes que permita la adecuada toma de decisiones respecto a esta cartera y dar las alertas tempranas para identificar los segmentos con mayor probabilidad de incumplimiento.
1.4 Elaboración análisis de recuperaciones (pérdida dado el incumplimiento)
Se estudian todas las obligaciones que han caído en default, con el fin de poder determinar el nivel de recuperaciones y determinar el nivel de pérdida en cada una de las diferentes cosechas de la población de Icetex.
1.5 Cálculo pérdida esperada individual
La pérdida esperada está dada por tres factores:
-- PI (Probabilidad de Incumplimiento): Para calcular la probabilidad de incumplimiento se utiliza el modelo de probabilidad lineal a partir de la técnica de regresión logística; previamente se efectuó el cálculo del default para encontrar el momento a partir del cual se considera que una obligación realmente se incumplió y no se normaliza.
-- EDI (Saldo Expuesto): El saldo expuesto al momento del default es la suma de saldo capital, saldo de intereses y otros cargos. Para el caso de Icetex el saldo expuesto será el “Saldo Final”, que tenga el cliente en el mes analizado.
-- PDI: El PDI hace referencia a la Probabilidad dado el incumplimiento y es la proporción del monto no recuperado (o pérdida) después de que la obligación cae en el evento de Default (Dado en %). Para calcular este porcentaje de recuperación de Icetex, los modelos de PDI, muestran que a medida que el crédito se deteriora el porcentaje de recuperación es menos, es decir, el modelo es progresivo según las moras registradas.
Los resultados obtenidos son:
Punto Default
-- ACCES – Amortización
Buenos: Créditos que alcanza mora al año siguiente hasta 90 días.
Malos: Créditos que presentan con mora mayor a 90 días al año siguiente.
-- Pregrado
Buenos: Créditos que al año siguiente presentan mora hasta 90 días.
Malos: Créditos con mora mayor a 90 días al año siguiente.
-- Exterior y posgrado
Buenos: Créditos que al año siguiente presentan mora hasta 120 días.
Malos: Créditos con mora mayor a 120 días al año siguiente.
Identificado el punto de default se procedió a la construcción de modelos de:
Probabilidad de Incumplimiento (PI) para:
-- ACCES
-- MEDIANO PLAZO
-- POSGRADOS
Probabilidad de pérdida dado el incumplimiento (PDI) para:
-- ACCES
-- MEDIANO PLAZO
-- POSGRADOS
Componente individual contracíclico (CIC) para:
-- ACCES
-- MEDIANO PLAZO
-- POSGRADOS
TABLAS DE PDI POR SEGMENTO Y MORA
Acces (Default de 90 días) Pregrado Mediano Plazo (Default de 90 días)
MATRICES PARA EL CÁLCULO DEL COMPONENTE CONTRACÍCLICO POR SEGMENTO Y MORA
ACCES:
PREGRADO MEDIANO PLAZO:
POSGRADOS:
MODELOS DE PROBABILIDAD DE INCUMPLIMIENTO
ACCES
Distribución de la Scorecard Access
Una vez se ha definido el modelo, esta se aplica a la muestra de población con la que se realizó el modelo de manera que cada cliente adquiere un puntaje.
Dado que para la población objetivo conocemos los clientes considerados como buenos y los considerados como malos, es posible formar una distribución por banda de score de la población analizada.
Como el score de cada operación de crédito está asociado a la probabilidad de incumplimiento o que caiga en un evento de default, en bandas con scores bajos existe una mayor proporción de operaciones definidas malas y esta proporción va disminuyendo en la medida que el puntaje se va incrementando.
Las distribuciones de scores ayudan a evaluar la calidad de la Scorecard. Si la Scorecard se distribuye bien entre buenos y malos, es decir, a mayor score menor probabilidad de caer en default, la Scorecard trabaja correctamente. Las distribuciones contienen las cantidades por banda de score y los porcentajes corresponden a la proporción por banda.
La distribución nos muestra cómo a medida que los clientes obtienen mejor puntaje de score la cantidad de malos se reduce. A partir de la distribución se especifican diferentes niveles de riesgo de caer en evento de default. En el nivel de menor riesgo, se encuentran puntajes superiores a 906 con un nivel de clientes malos de 3,82% en el último rango de score.
MEDIANO PLAZO
Distribución pregrado
Dado que para la población objetivo conocemos los clientes considerados como buenos y los considerados como malos, es posible formar una distribución por banda de score de la población analizada.
Como el score de cada operación de crédito está asociado a la probabilidad de incumplimiento o que caiga en un evento de default, en bandas con scores bajos existe una mayor proporción de operaciones definidas malas y esta proporción va disminuyendo en la medida que el puntaje se va incrementando.
Las distribuciones de scores ayudan a evaluar la calidad de la Scorecard. Si la Scorecard se distribuye bien entre buenos y malos, es decir, a mayor score menor probabilidad de caer en default, la Scorecard trabaja correctamente. Las distribuciones contienen las cantidades por banda de score y los porcentajes corresponden a la proporción por banda.
La distribución nos muestra cómo a medida que los clientes obtienen mejor puntaje de score la cantidad de malos se reduce. A partir de la distribución se especifican diferentes niveles de riesgo de caer en evento de default. En el nivel de menor riesgo, se encuentran puntajes superiores a 942 con un nivel de clientes malos del de 2,54% en el último rango de score.
POSGRADOS
Distribución de la Scorecard de posgrado – exterior
Dado que para la población objetivo conocemos los clientes considerados como buenos y los considerados como malos, es posible formar una distribución por banda de score de la población analizada.
Como el score de cada operación de crédito está asociado a la probabilidad de incumplimiento o que caiga en un evento de default, en bandas con scores bajos existe una mayor proporción de operaciones definidas malas y esta proporción va disminuyendo en la medida que el puntaje se va incrementando.
Las distribuciones de scores ayudan a evaluar la calidad de la Scorecard. Si la Scorecard se distribuye bien entre buenos y malos, es decir, a mayor score menor probabilidad de caer en default, la Scorecard trabaja correctamente. Las distribuciones contienen las cantidades por banda de score y los porcentajes corresponden a la proporción por banda.
La distribución nos muestra cómo a medida que los clientes obtienen mejor puntaje de score la cantidad de malos se reduce. A partir de la distribución se especifican diferentes niveles de riesgo de caer en evento de default. En el nivel de menor riesgo, se encuentran puntajes superiores a 985 con un nivel de clientes malos del 0,88% en el último rango de score.
2. Efectos al momento de aplicar el modelo
Al momento de aplicación de este modelo, las provisiones actuales tendrán un incremento entre un 27% o 28%, lo cual equivale a un incremento promedio de $78 mil millones.
El efecto contable estimado
Según cálculos realizados entre la Vicepresidencia Financiera, Oficina Asesora de Planeación y la Oficina de riesgos el efecto contable estimado es el que se relaciona en el siguiente cuadro:
3. Conclusiones
– Con los modelos desarrollados se logra una adecuada segmentación de los clientes para generar estrategias de provisión acordes con los niveles de riesgo de la población.
– Identificación de perfiles de riesgos por IES, programas, localización geográfica y morosidad que sirva de insumo para estrategias diferenciadas de cobro.
– Mantener la sostenibilidad financiera de la Entidad.
El Jefe Oficina de Riesgos (E),
JAIME EDUARDO GÁLVEZ M.
La Coordinadora de Riesgo Operativo y de Crédito,
MARÍA STELLA CARREÑO J.