¿Cómo se pueden utilizar las pruebas psicométricas o de comportamiento en la banca para evaluar la solvencia?

No es realmente mi área de especialización, pero creo que es una pregunta muy interesante y busqué un poco en Google para obtener respuestas.

EFL (Laboratorio de Finanzas Empresariales) es una empresa con fines de lucro que afirma ser el líder del mercado en la calificación psicométrica de préstamos. La empresa ha surgido de un proyecto de investigación del Centro de Desarrollo Internacional de la Universidad de Harvard. El método de EFL se ha cubierto en una serie de informes de los medios (por ejemplo, aquí y aquí ).

La idea básica es aplicar datos psicométricos como base para determinar si otorgar préstamos de microfinanciamiento a posibles empresarios en países en desarrollo. En tales mercados emergentes, la calificación crediticia tradicional utilizada en las naciones industrializadas no está disponible o es menos confiable. Si funciona, la psicometría podría ayudar a otorgar préstamos a empresarios que tienen menos probabilidades de incumplimiento y, por lo tanto, combatir la pobreza de una manera más eficiente.

Dado que se trata de una prueba patentada, es difícil obtener información detallada sobre el tipo de datos que se utilizan. Según las noticias y el sitio web de la empresa, evalúan la inteligencia fluida , ciertas actitudes y creencias que predicen el éxito empresarial (por ejemplo, locus de control), habilidades comerciales concretas y ética y honestidad . Parte de estos datos se basan en preguntas de autoinforme, otros parecen utilizar más datos de comportamiento (p. ej., rendimiento en tareas de inteligencia o juegos de riesgo).

Para predecir la solvencia, utilizan modelos jerárquicos bayesianos. Por lo que deduzco, inicialmente, utilizaron datos de metanálisis de predictores de éxito empresarial como entrada (p. ej., Rauch & Frese, 2007). Ahora, parecen usar sus propios datos para la construcción de modelos.

Una fuente para obtener más información sobre cómo funciona esto puede ser un libro publicado por los fundadores de EFL (Klinger, Khwaja y del Carpio, 2013). Citando de un resumen del capítulo 2 del libro:

Con respecto a los 5 grandes rasgos de personalidad , se encuentra que la extroversión está fuertemente relacionada con mayores niveles de ganancias, con relaciones más débiles para la amabilidad (positiva) y la escrupulosidad (negativa).

Curiosamente, se encuentra que la integridad tiene una relación negativa débil con las ganancias: los empresarios más honestos no son los más honestos (sic). Por el contrario, al considerar el riesgo de incumplimiento, los empresarios de menor riesgo también tienden a obtener una puntuación más alta en la evaluación de integridad, así como a registrar niveles más altos de conciencia.

La amplitud de dígitos (inteligencia fluida), controlando por el nivel de educación, se relaciona negativamente con los niveles de ganancias, pero no con el riesgo de incumplimiento.

Cuando se combinan , estas relaciones con la escrupulosidad, la honestidad y el nivel de educación tienen un AUC (una métrica común del poder predictivo del puntaje crediticio) de 0,57 a 0,66, que no es extraordinariamente fuerte en comparación con los modelos de puntaje crediticio en países y mercados con mucha información. segmentos, pero es suficiente para agregar un valor significativo a la tarea de análisis de riesgo que enfrentan los bancos que otorgan préstamos a las pymes en los mercados emergentes.

Mostramos que para uno de los bancos de la muestra, el riesgo de incumplimiento para los clientes de bajo puntaje es 50% más alto que para los clientes de alto puntaje. Además, mostramos que estos resultados se pueden mejorar adaptando los modelos a cada país e institución financiera , lo que no sorprende dadas las diferencias culturales entre Perú, Colombia, Kenia y Sudáfrica. Si bien los métodos tradicionales de construcción de modelos enfrentan los desafíos de hacer esta personalización sin grandes cantidades de datos, se muestra que las nuevas metodologías, como los métodos bayesianos, ofrecen la promesa de mejorar aún más los resultados, haciendo posible la personalización sin sobreajuste y fortaleciendo aún más el uso de psicometría. herramientas para el análisis del riesgo de crédito.

Una pregunta obvia es si este tipo de evaluación puede ser manipulada por prestatarios maliciosos y oficiales de crédito (que les dicen a sus clientes cómo creen que deben responder para obtener el préstamo). EFL dice que toman varias medidas para evitar eso (por ejemplo, verificar si ciertos oficiales de crédito causan patrones de respuestas poco probables para sus clientes, aleatorización de respuestas, análisis de preguntas que no tienen una respuesta "correcta" obvia, etc.).

La empresa afirma tener un gran éxito en la mejora de la calidad de las decisiones de préstamo al presentar una serie de estudios de casos. Sin embargo, dado que se trata de una empresa con ánimo de lucro y todos los análisis se realizan a puerta cerrada, puede ser prudente tomar esta información con cautela .

Referencias

Klinger, B., Khwaja, AI y del Carpio, C. (2013). Psicometría Emprendedora y Reducción de la Pobreza. SpringerBriefs en Psicología. Nueva York, NY: Springer Nueva York. Obtenido de http://link.springer.com/10.1007/978-1-4614-7227-8

Rauch, A. y Frese, M. (2007). Volvamos a poner a la persona en la investigación empresarial: un metanálisis sobre la relación entre los rasgos de personalidad de los propietarios de empresas, la creación de empresas y el éxito. Revista europea de psicología laboral y organizacional, 16, 353–385. doi:10.1080/13594320701595438