Enero 2016
Este es un documento de R Markdown (slidy).
Paquetes utilizados:
library(knitr)
library(linprog)
##library(lpSolve)
rm(list=ls())
Cláusula de exención de responsabilidad
Este documento es un borrador y no debe considerarse la versión final. Toda la información contenida aquí está sujeta a cambios derivados de revisiones posteriores.
Maximizar el margen obtenido en la colocación de crédito.
Los clientes se tienen organizados en segmentos basados en tres características:
– Número de invitaciones
– Propensión a la contratación
– Sensibilidad a la tasa
Para cada segmento de clientes se tienen cuantificadas las condiciones a priori para dos escenarios:
– BAU (Estrategia actual, conservadora)
– Revire (Estrategia alternativa, más agresiva)
El efecto conocido en cuanto al comportamiento de los clientes, asumiendo que actúan como agentes económicos racionales, es que ante un ofrecimiento de crédito a una tasa de interés menor:
– Aumenta la probablidad de contratación
– Aumenta el importe del crédito colocado
– Aumenta el plazo contratado
Por otra parte, se tiene la restricción de los recursos que pueden colocarse.
Para conseguir maximizar el margen es necesario determinar a cúantos clientes se les debe realizar el ofrecimiento BAU y a cuántos el Revire.
Bajo la siguiente racional:
– Si solo se aplica la estrategia BAU, no se logran colocar todos los recursos disponibles
– Si solo se aplica la estrategia Revire, no se logra mantener una tasa media del portafolio adecuada
Para identificar el balance óptimo se plantea un modelo de programción lineal LP, en el que se inyectará la función objetivo y las restricciones conocidas.
Considerando que el ingreso por intereses del primer año se calcula con la siguiente expresión: \[I = Cp\overline{v}\frac{12(1+i)^ni-(1+i)^{12}+1}{(1+i)^n-1}\] donde, \(C\) son los clientes objetivo, \(p\) es la probabilidad de contratar, \(\overline{v}\) es el valor actual medio de la colocación por cliente, \(i\) es la tasa mensual efectiva del crédito y \(n\) es el número de periodos contratados. El costo de fondeo del primer año puede calcularse de igual forma pero utilizando la tasa de fondeo en lugar de la tasa de interés del crédito.
El margen se calcula restando el costo de fondeo a los ingresos: \(m = I - F\)
Sea \(x\) el número de clientes que aceptan el ofrecimiento BAU y \(y\) el número de clientes que aceptan el ofrecimiento Revire. La función objetivo que se requiere maximizar es:
\[\underset{x \in y}{\operatorname{argmax}} (m_{b}x + m_{r}y)\] donde, \(m_{b}\) es el margen en la estrategia BAU y \(m_{r}\) es el margen en la estrategia Revire. Estando sujeta a las siguientes restricciones:
\[\overline{v}_{b}x + \overline{v}_{r}y \leq R\] \[x + y \leq Cp_{r}\] \[x \leq Cp_{b}\] \[y \leq Cp_{r}\] donde, \(R\) son lo recursos disponibles para la colocación, \(v_{b}\) es el valor medio en BAU, \(v_{r}\) es el valor medio en Revire, \(p_{b}\) es la probabilidad de aceptación en BAU y \(p_{r}\) es la probabilidad de aceptación en Revire.
Clientes del segmento: 14,025
Recursos a colocar: $16,000,000
Tasa de fondeo: 12%
Condiciones BAU
– Probabilidad de contratación: 1.64%
– Tasa de interés anual: 41.2%
– Plazo contratado: 45
– Importe medio: $40,669
Condiciones Revire
– Probabilidad de contratación: 2.34%
– Tasa de interés anual: 30.9%
– Plazo contratado: 46.8
– Importe medio: $51,980
La función objetivo maximizada tiene un valor de: $3,521,335 (margen).
Solución
Características
##
##
## Results of Linear Programming / Linear Optimization
##
## Objective function (Maximum): 3521335
##
## Iterations in phase 1: 0
## Iterations in phase 2: 3
## Solution
## opt
## BAU 230.010
## Revire 98.175
##
## Basic Variables
## opt
## BAU 230.010
## Revire 98.175
## S Recursos 1542586.810
## S resp en Revire 230.010
##
## Constraints
## actual dir bvec free dual dual.reg
## Recursos 1.44574e+07 <= 1.60000e+07 1542586.81 0.00 1542586.810
## Clientes 3.28185e+02 <= 3.28185e+02 0.00 9318.31 98.175
## resp en BAU 2.30010e+02 <= 2.30010e+02 0.00 2013.85 136.379
## resp en Revire 9.81750e+01 <= 3.28185e+02 230.01 0.00 230.010
##
## All Variables (including slack variables)
## opt cvec min.c max.c marg
## BAU 230.010 11332.16 9318.309087 Inf NA
## Revire 98.175 9318.31 0.000000 1.13322e+04 NA
## S Recursos 1542586.810 0.00 -0.178044 1.79267e-01 0.00
## S Clientes 0.000 0.00 -Inf 9.31831e+03 -9318.31
## S resp en BAU 0.000 0.00 -Inf 2.01385e+03 -2013.85
## S resp en Revire 230.010 0.00 -2013.852501 9.31831e+03 0.00
## marg.reg
## BAU NA
## Revire NA
## S Recursos NA
## S Clientes 98.175
## S resp en BAU 136.379
## S resp en Revire NA
Consolidar los segmentos en categorías coherentes según sus propiedades
Asignar los recursos disponibles para cada categoría
Aplicar el modelo de optimización a todos las categorías
Validar resultados globales
Aplicar ajustes
Realizar labores de adopción