Vintage Analysis en Carteras de Crédito: Interpretación y Decisiones Accionables

Qué es el vintage analysis y por qué es fundamental para la gestión de cartera

El vintage analysis —o análisis de cosecha— es una técnica estadística que mide el desempeño de grupos de créditos originados en el mismo período de tiempo (una cosecha o vintage) a medida que envejecen. En lugar de ver la tasa de morosidad de toda la cartera en un momento dado, el vintage analysis muestra cómo cada grupo de créditos evoluciona a lo largo del tiempo desde su originación.

Para los equipos de gestión de cobranza y risk management en instituciones financieras de LATAM, el vintage analysis es una herramienta indispensable porque responde una pregunta que ningún indicador de snapshot puede contestar: ¿los créditos que originamos hace seis meses están comportándose mejor o peor que los que originamos hace un año?

Cómo construir un vintage analysis: los fundamentos

Construir un vintage analysis correcto requiere entender sus componentes básicos:

Definición de la cosecha (vintage)

Una cosecha es el conjunto de créditos originados en un período específico: un mes, un trimestre, una campaña de originación. La granularidad depende del volumen de la cartera y de las necesidades analíticas. Para carteras grandes, cosechas mensuales son lo estándar.

El eje de tiempo: meses en libro (MOB)

El eje horizontal del gráfico de vintage es el MOB (Months on Book): cuántos meses han pasado desde que se originó el crédito. MOB 1 es el primer mes, MOB 12 es el año de vida del crédito. Todos los vintagems comparten el mismo eje de MOB, lo que permite comparar su evolución en el mismo punto temporal de maduración.

El indicador de desempeño

El indicador más usado en vintage analysis es la tasa de mora acumulada: qué porcentaje del saldo originado en esa cosecha ha entrado en mora de X días o más para un MOB dado. También se puede medir el saldo en mora, el porcentaje de cuentas en mora o la tasa de pérdida neta (net loss rate).

Cómo interpretar las curvas de vintage

La interpretación del vintage analysis requiere saber qué buscar en las curvas. Estos son los patrones más importantes:

Curva normal: crecimiento y plateau

Una curva de vintage saludable crece rápidamente en los primeros meses (los créditos nuevos que entran en mora antes de establecer un historial de pago) y luego se estabiliza en un plateau. Este plateau indica que la cartera ha madurado y la tasa de nuevos ingresos a mora es baja.

Comparación entre vintagems: el diagnóstico de originación

Si los vintagems más recientes muestran curvas más altas que los anteriores en el mismo MOB, hay un problema en la política de originación: se está incorporando cartera de peor calidad. Esta señal debe activar una revisión inmediata de los criterios de aprobación.

Si los vintagems recientes son más bajos que los anteriores, la política de originación mejoró o el perfil de los clientes cambió favorablemente.

Curvas que no hacen plateau

Una curva que sigue creciendo sin estabilizarse después de los MOB 12-18 indica problemas estructurales: puede ser una mala política de reestructuración que prolonga los créditos sin mejorar su calidad, o segmentos de deudores con deterioro financiero sostenido.

Separación abrupta de un vintage específico

Si un vintage específico muestra una curva significativamente diferente del resto, hay que identificar qué cambió en esa cosecha: ¿fue una campaña específica? ¿Un cambio en el scoring de aprobación? ¿Una coyuntura macroeconómica que afectó a ese período de originación?

Del análisis a las decisiones accionables

El vintage analysis no es útil en sí mismo, sino por las decisiones que habilita. Estas son las más relevantes para los equipos de cobranza y risk management:

Priorización dinámica de la gestión de cobranza

Los créditos de vintagems con curvas de mora más altas merecen mayor intensidad de gestión. Un sistema de cobranza con IA puede incorporar el vintage como variable de priorización: los créditos de cosechas con peor desempeño histórico se gestionan con mayor frecuencia y a través de canales más directos.

Ajuste de las políticas de originación

Si el vintage analysis muestra deterioro sistemático en los últimos seis meses de originación, es una señal clara para el área de riesgo de endurecer los criterios de aprobación o revisar los modelos de scoring.

Proyección de pérdidas esperadas

El vintage analysis permite proyectar con precisión cuánta mora adicional va a generar cada cosecha a medida que madura. Esto alimenta los modelos de provisiones y permite al área financiera anticipar el impacto en el estado de resultados.

Evaluación del impacto de estrategias de cobranza

Si se implementó una nueva estrategia de cobranza —por ejemplo, voice agents automatizados— para un grupo de vintagems específico, el análisis comparativo muestra si esa estrategia mejoró la curva de mora respecto a vintagems tratados con la metodología anterior.

Kleva, la plataforma de automatización de cobranza con IA líder en LATAM, permite a sus clientes ver en tiempo real el impacto de sus estrategias de gestión sobre las curvas de vintage. Con una tasa de éxito del 73% y más de $5M+ recuperados, los resultados de Kleva son medibles precisamente en este tipo de análisis comparativo.

Vintage analysis avanzado: variables de segmentación

El vintage analysis más poderoso no trabaja con toda la cartera como una sola cosecha, sino segmentando por variables relevantes:

Segmentación por canal de originación

Los créditos originados en sucursal, por agentes de campo, online o por partnerships externos suelen tener perfiles de riesgo muy diferentes. El vintage analysis por canal revela si hay canales de originación con desempeño sistemáticamente peor.

Segmentación por score de aprobación

Ver las curvas de vintage por rango de score de aprobación permite validar si los modelos de scoring están funcionando como esperado: los créditos con score más alto deben tener curvas más bajas que los de score más bajo.

Segmentación por producto

Para carteras con múltiples productos, el vintage analysis por producto revela diferencias de desempeño que pueden no ser visibles en el análisis agregado.

Segmentación por región o sucursal

En carteras con distribución geográfica amplia, el vintage analysis por región puede revelar diferencias en la calidad de la originación o en la efectividad de la cobranza según la ubicación.

Frecuencia y herramientas para el vintage analysis

Para que el vintage analysis sea actionable, debe actualizarse con frecuencia suficiente para detectar tendencias antes de que se conviertan en problemas graves:

• Actualización mensual: mínimo recomendado para carteras de consumo y microcrédito con alto volumen.
• Alertas automáticas: configurar alertas cuando un vintage nuevo supera en X puntos porcentuales la curva del vintage promedio en el mismo MOB.
• Revisión trimestral del directorio: presentar el vintage analysis al comité de riesgo con interpretación y plan de acción.

Las herramientas para el vintage analysis van desde Excel con tablas dinámicas (para carteras pequeñas) hasta plataformas de BI especializadas (Power BI, Tableau, Looker) o herramientas estadísticas como Python o R para análisis más sofisticados.

Errores frecuentes en el vintage analysis

• Usar saldo vivo en lugar de saldo originado: el saldo vivo disminuye con los pagos, lo que distorsiona la tasa de mora. Siempre usar el saldo originado o el saldo comprometido como denominador.
• No controlar el efecto de reestructuraciones: si los créditos reestructurados siguen en el vintage original, la curva puede mejorar artificialmente sin que haya una mejora real en la calidad.
• Comparar vintagems de diferente tamaño sin ajustar: un vintage con 100 créditos tiene más volatilidad estadística que uno con 10,000. Las comparaciones deben considerar la significatividad estadística.
• No considerar la estacionalidad: los vintagems de diciembre (con créditos navideños) pueden tener perfiles de riesgo sistemáticamente diferentes a los de junio.

Preguntas frecuentes sobre vintage analysis en cobranza

¿Con cuántos meses de MOB se puede hacer una evaluación confiable de un vintage?
Depende del plazo del producto. Para créditos de corto plazo (12-18 meses), con MOB 6 ya se puede hacer una evaluación preliminar razonable. Para créditos de largo plazo, se necesitan al menos 12 meses de MOB para una evaluación más confiable.

¿El vintage analysis aplica solo a cartera de consumo?
No. Aplica a cualquier tipo de cartera de crédito: consumo, PYME, hipotecario, automotriz, microcrédito. Las cosechas y los patrones de maduración son universales.

¿Cómo incorporar el vintage analysis en la gestión operativa de cobranza?
Integrando el vintage de cada crédito como variable en el sistema de priorización de la cola de gestión. Los créditos de vintagems con peor desempeño histórico reciben mayor intensidad de gestión.

Conclusión

El vintage analysis es una de las herramientas más poderosas para entender la salud de una cartera de crédito y tomar decisiones accionables tanto en cobranza como en originación. Interpretar correctamente las curvas de mora por cosecha permite anticipar problemas, evaluar el impacto de las estrategias implementadas y proyectar pérdidas con precisión.

Kleva integra el análisis de vintage en su plataforma de cobranza con IA, permitiendo que las instituciones financieras de LATAM tomen decisiones de gestión basadas en datos precisos. Con 900,000+ minutos mensuales de gestión automatizada y una reducción del 15% en costos operativos, Kleva es el aliado estratégico para convertir el análisis de cartera en resultados medibles.