¿Cómo predecir la tasa de incumplimiento crediticio a nivel de cartera del próximo año basándose en las observaciones de incumplimiento del año pasado y la distribución actual de puntuaciones? Un enfoque clásico para este problema consiste en ajustar una mezcla de las distribuciones de puntuación condicional observadas el año pasado a la distribución de puntuación actual. Este es un caso especial (simple) de un modelo de mezcla finita donde los componentes de la mezcla son fijos y solo se estiman los pesos de los componentes. Los pesos óptimos proporcionan una previsión de la tasa de incumplimiento a nivel de cartera del próximo año. Señalamos que el enfoque de máxima verosimilitud (ML) para ajustar la distribución de mezcla no solo da un óptimo, sino incluso un ajuste exacto si permitimos que los componentes de la mezcla varíen pero mantenemos su relación de densidad fija. De esta observación podemos concluir que la previsión estándar de la tasa de incumplimiento basada en las tasas de incumplimiento condicional del año pasado siempre estará ubicada entre la tasa de incumplimiento a nivel de cartera del año pasado y la previsión ML para el próximo año. Como ejemplo de aplicación, se discute la cuantificación de costos. También discutimos cómo los métodos de estimación basados en modelos de mezcla pueden utilizarse para prever la pérdida total. Esto implica la reinterpretación de un problema de clasificación individual como un problema de cuantificación colectiva.