Beneficio real de la regresión logística para estimar la probabilidad de impago

Question

¿Alguien conoce algún suceso en el que el uso de la regresión logística para estimar la probabilidad de impago haya llevado a un banco, institución financiera, gobierno o cualquier cosa realmente a beneficio en la práctica ?

Veo muchas revistas, artículos y tesis sobre la regresión logística utilizada para estimar la EP. Algunos desarrollan modelos y otros los validan. Pero ¿cuántos demuestran realmente beneficioso en la práctica ?

Motivación : Para un proyecto de finanzas matemáticas, tengo que convencer a un banco, a una institución financiera o a un gobierno para que se plantee la idea de utilizar las probabilidades de impago procedentes de la regresión logística. Las justificaciones o predicciones teóricas no servirán. Tienen que ser buenos efectos que realmente se deriven del uso de las EP. Al igual que, el modelo se implementó entonces resultó grande (No importa El Cisne Negro por ahora).

El proyecto ya está terminado, pero es totalmente inútil fuera de una estantería para futuras investigaciones si el banco/la IF/el gobierno no deciden aplicarlo.

No busco necesariamente una revista, un artículo o una tesis. Podría ser un artículo de noticias o de una revista o algo así, cualquier cosa en realidad.

Answer 1

En primer lugar El uso de los modelos logit para estimar las PDs es particularmente apreciado en algunas industrias de crédito, como por ejemplo la de crédito al por menor. El modelo logit predice bastante bien la PD de los préstamos, los créditos al consumo, las tarjetas de crédito, ... y todo lo que concierne al mundo del consumo minorista.

Principalmente, las enumeradas son las principales subindustrias del negocio del crédito en las que el modelo logit funciona bien.

En los demás, el modelo logit no funciona. El caso más famoso es la estimación de la probabilidad de impago de las carteras de bajo impago, en las que hay tan pocos impagos que es imposible estimar la probabilidad de impago utilizando un modelo logit; las carteras de deuda pública son un ejemplo de ellas.

En segundo lugar Sugiero que se analicen los beneficios de este tipo de modelos en términos de dinero ahorrado por el banco; como probablemente saben, generalmente un banco tiene que estimar la probabilidad de impago sobre sus propias exposiciones crediticias para poder reservar la cantidad adecuada de dinero para satisfacer los requisitos de capital según el tratado de Basilea III.

Cuanto más precisas sean las estimaciones de la PD sobre las exposiciones crediticias del banco, más dinero ahorrará el banco (capital necesario).

Esta es la principal razón por la que el banco quiere estimar correctamente PD, EAD, LGD,... porque, de esta manera, al demostrar al Supervisor que puede desarrollar un modelo correctamente y de mejor manera que el modelo sugerido por los reguladores, el banco puede reservar menos dinero en términos de requerimientos de capital y, así, invertir dinero en el negocio.

Ahora, para demostrar al banco por qué debe utilizar ese tipo de modelo, debe estimar los diferentes modelos sugeridos por la literatura:

1. Modelo logístico;
2. Modelo Probit;
3. Redes neuronales;

y compárelos para ver qué modelo le permite, al mismo tiempo, ahorrar dinero en términos de requisitos de capital y ganar dinero en términos de negocio. De hecho, el dinero que apartas para las necesidades de capital no puede ser utilizado por los bancos para el negocio (el banco no puede utilizar ese dinero para emitir, por ejemplo, un préstamo).

En tercer lugar En el caso de la educación, no hay artículos, documentos o algo así en los que pueda basar su respuesta para el trabajo del proyecto, porque este tema es relativamente nuevo y la literatura académica es todavía discutible al respecto. Le sugiero que aporte sus propias consideraciones (razonables) sobre el tema.