En los ocho primeros meses de 2018 el crédito concedido a las familias españolas creció un 2% respecto al mismo periodo del año pasado, con un volumen total de 156.355 millones de euros en nuevos créditos. Este crecimiento esta liderado por el crédito al consumo, que se sitúa 8 puntos por encima del hipotecario según el análisis realizado por la consultora AIS Group, especialista en gestión de riesgo de crédito.
De acuerdo con los últimos datos publicados por el Banco de España correspondientes a agosto de 2018, entre enero y agosto de 2018 se concedieron créditos al consumo por valor de 22.807 millones de euros, un 22% más que lo otorgado en el mismo periodo de 2017. Esta tasa supera los nuevos créditos destinados a la vivienda, que en el mismo periodo crecieron un 14% respecto al mismo plazo del año pasado. Sí baja el crédito a través de tarjetas de crédito donde, de enero a agosto de 2018, se han producido operaciones por valor de casi 90.325 millones de euros, unos 7.000 millones menos que durante los mismos meses de 2017, con un descenso que ronda el 7,5%.
Si se considera el conjunto de las nuevas operaciones de crédito formalizadas entre enero y agosto de 2018, sea cuál sea su finalidad (consumo, hipotecario, otros…), los datos revelan una tendencia alcista respecto al año anterior. Sin embargo, el total de la cartera de préstamos a las familias, que contiene todos aquellos préstamos pendientes de amortización, independientemente de cuando se hayan formalizado, está cayendo desde 2010.
Según José Manuel Aguirre, economista y director comercial de AIS Group, “la cartera del crédito a familias está en fase de contracción en prácticamente todas las modalidades de financiación desde hace años, lo que no impide que el crédito al consumo (un segmento minoritario de este conjunto) mantenga unas tasas de crecimiento de dos dígitos desde finales de 2014”.
Este comportamiento se corresponde con una mejora de la economía que estimula un mayor consumo por parte de las familias. “Sin embargo, está generando preocupación entre los reguladores -comenta Aguirre– como se pone de manifiesto en el último boletín del Banco de España, que alerta de crecimiento positivo del consumo y sus posibles consecuencias”.
Inteligencia artificial para controlar el riesgo de crédito
La aplicación de herramientas de última generación basadas en técnicas de inteligencia artificial -como el machine learning- para la estimación anticipada de potenciales pérdidas futuras en escenarios macroeconómicos adversos está siendo muy exitosa como medida preventiva en las entidades que las están implementando. Este tipo de software permite visualizar diferentes escenarios futuros y simultáneamente desarrollar modelos que incluyen una cantidad de variables mucho mayor que las técnicas habituales con las que vienen trabajando las entidades. El resultado es que con la aplicación de machine learning se mejora sustancialmente la capacidad predictiva de los modelos estadísticos tradicionales. “El rango de mejora del poder de predicción que aporta el machine learning abarca del 25% al 50%, lo que traducido a términos de negocio son cantidades nada despreciables”, explica el economista.
Son varias las entidades que están aplicando técnicas de machine learning en gestión del riesgo, especialmente en lo que concierne a seguimiento de las carteras a través de sistemas de alertas capaces de anticipar los niveles de deterioro del riesgo “en varios meses” –recalca Aguirre– ayudando efectivamente a la gestión de las carteras, pues da a las entidades margen de actuación para mitigar los efectos adversos antes de que se produzcan.
No obstante, en España salvo alguna excepción, los grandes bancos no están todavía aprovechando el potencial de los modelos de machine learning para otorgar créditos. “Es algo que deben plantearse seriamente” -recomienda Aguirre-, pues integra información no tradicional muy útil, especialmente en el proceso de transformación digital en que está inmersa la banca actualmente. Es el caso de información sobre el comportamiento de usuarios y clientes, por ejemplo. “Esto sumado al mayor poder de discriminación que aportan las técnicas de machine learning se traduce mejores procesos de admisión de créditos, más ajustados al apetito al riesgo de cada entidad y que pueden responder perfectamente a la llamada a la concesión con prudencia que reclama el regulador”, concluye.