ANÁLISIS DE COMPORTAMIENTO DE CUENTAS CORRIENTES EN ENTIDADES BANCARIAS MEDIANTE EL USO DE FUZZY CLUSTERING Y ANÁLISIS DISCRIMINANTE PARA LA ADMINISTRACIÓN DE RIESGO CREDITICIO

Resumen

Cada entidad bancaria tiene sus propios parámetros de evaluación de clientes y aplica sus propios métodos para hacerlo. Esto forma parte de su política de administración de riesgos. El análisis del comportamiento de la cuenta corriente de cada cliente es de suma importancia en este caso, ya que describe la conducta del cliente en relación a sus deudas y ayuda a evaluar los riesgos que el banco asume. A su vez, este análisis permite la descripción de la evolución de los riesgos mediante el hallazgo de un patrón de conducta de cada cliente. Una vez descripta esta evolución, la entidad podrá definir su política crediticia de corto plazo en cuenta corriente, pudiendo hacer un seguimiento de las cuentas que entran en zonas que el banco evaluaría como indeseables. En el presente trabajo se desarrolla, mediante un modelo simple con datos generados en forma aleatoria, una aplicación referida a estos métodos de evaluación. Se presenta, fundamentalmente, el método de Fuzzy Clustering, utilizando los programas SPSS® y R para desarrollar los cálculos. Además, se hace un análisis discriminante canónico para la asignación de nuevos individuos a los grupos definidos y la reasignación en caso de cambio de las características. Palabras Clave: Fuzzy clustering, validación, Clustering, análisis discriminante. Abstract Each bank has its own parameters to evaluate its clients and applies its own methods to do that. This belongs to its management risk policy. The behavioural analysis of the current accounts of each client is of great importance in this case, since it describes the client’s behaviour related to his debts and helps to evaluate the risks that the bank deals with. In the same way, this analysis permit to describe the risk’s evolution through the gathering of behavioural patterns. Once one has described this evolution, the institution can define its short term credit policy in current account, being able to follow the ones that enter the zones which the bank has defined as unwishable. Over the present paper, an application referred to those methods of evaluation is developed with a simple model using simulated data. Fundamentally, the method of Fuzzy Clustering is shown using SPSS and R software to make the calculations. Additionally, we make a canonical discriminant analysis to assign new individuals to the defined groups and the reorganization in the case of characteristic’s changes. Keywords: Fuzzy clustering, Validation, Clustering, Discriminant analysis, Risk management, Fuzzy theory.