Por: Jason Grasso
Las instituciones financieras han estado gestionando sus modelos AML para el cumplimiento de las expectativas regulatorias por algún tiempo. Pero, ¿qué pasa con los modelos de clasificación de riesgo de clientes? La tendencia del mercado indica que las empresas están reevaluando sus modelos basados en reglas de riesgos de clientes, para poder resistir a las expectativas regulatorias.
Los modelos basados en reglas siguen un análisis simple, como, “Si un cliente es residente de un determinado país entonces se le asigna un cierto número de puntos de riesgo hacia un puntaje general”. Los modelos estadísticos, por otro lado, describen los datos e incorporan los factores de riesgo más relevantes al modelo.
Los primeros en adoptarlos están encontrando que los modelos de riesgos estadísticos, especialmente la regresión logística ordinal, ofrecen los siguientes beneficios:
- Asignaciones de riesgo más eficaz
- Mayor justificación de las decisiones al regulador
- Más fácil de actualizar, validar y mantener
Comparación de modelos basado en reglas y modelos estadísticos
Un modelo basado en reglas consiste en una simple fórmula analítica, mientras que los
modelos estadísticos tienen un marco establecido que ha sido probado y demostrado en
espacios profesionales y académicos. Los seguidores comparan esta tabla de diferencias entre
los dos enfoques:
Modelo Basado en Reglas | Modelos Estadísticos |
Por lo general es desconocida la importancia de la variable importante |
La variable importante es conocida y medible |
Construido por el criterio de un experto o la intuición del usuario | Construido por una metodología establecida que ha sido probada y demostrada |
No hay una metodología ubyacente a seguir, por lo tanto, hay un suministro sin fin de diseños y opciones de puntaje para el modelo | Establece una metodología que requiere de ciertos supuestos para evaluar con precisión el marco del modelo con un grado de confianza |
Dificultad de validar y probar debido a la falta de una metodología establecida | Permite probar una metodología fácil de validar y explicar |
Modernización de la clasificación de riesgo del cliente utilizando modelos estadísticos
Los principales problemas con la práctica de reglas es que no son repetibles, la eficacia es difícil de medir y son mucho más difícil de explicar y defender ante las regulaciones.
Las empresas se mueven hacia modelos estadísticos con el fin de reducir el costo de administración comparado al modelo basado en reglas, y descubren que su elaboración, prueba y validación es más directo – aún facilitado porque las autoridades regulatorias comprenden y tienen experiencia con este enfoque.
El artículo original lo puede leer en https://blogs.sas.com/content/sascom/2015/08/03/aml-models-moving-from-rules-to-statistical-based-models-to-better-measure-customer-risk/