Explore the vast range of titles available.

Este trabajo presenta una aplicación de la teoría de cópulas a un portafolio de crédito de consumo ecuatoriano. Para la aplicación primero se estimaron las distribuciones marginales de la tasa de incumplimiento y del monto de exposición con base en la información histórica; luego, se construyeron cópulas y se aplicó el Teorema de Sklar a través de modelos de distribuciones multivariadas de cópulas (MVDC). Posteriormente, conociendo la estructura de dependencia, se estimó la pérdida total de la cartera, máxima pérdida, Credit VaR y Expected Shortfall (ES). Considerando un nivel de confianza de 99,5 %, en condiciones normales de mercado en un mes, la máxima pérdida que puede presentar el portafolio es de USD 18,65 millones (Credit VaR). De modificarse algún factor yempeorarse las condiciones de mercado, una vez superada la máxima pérdida, la pérdida esperada luego del Credit VaR, es decir el ES, puede alcanzar un valor de USD 21,49 millones (15,22 % más que el Credit VaR). Finalmente, al comparar las estimaciones de los MVDC con la metodología del organismo de control ecuatoriano, se demostró que esta última subestima la pérdida esperada, indicadores de riesgo y eventos de pérdida extrema. Al no predecir los eventos extremos, se subestiman las pérdidas potenciales y aumenta el nivel del riesgo.

Este trabajo presenta una aplicación de la teoría de cópulas a un portafolio de crédito de consumo ecuatoriano. Para la aplicación primero se estimaron las distribuciones marginales de la tasa de incumplimiento y del monto de exposición con base en la información histórica; luego, se construyeron cópulas y se aplicó el Teorema de Sklar a través de modelos de distribuciones multivariadas de cópulas (MVDC). Posteriormente, conociendo la estructura de dependencia, se estimó la pérdida total de la cartera, máxima pérdida, Credit VaR y Expected Shortfall (ES). Considerando un nivel de confianza de 99,5 %, en condiciones normales de mercado en un mes, la máxima pérdida que puede presentar el portafolio es de USD 18,65 millones (Credit VaR). De modificarse algún factor yempeorarse las condiciones de mercado, una vez superada la máxima pérdida, la pérdida esperada luego del Credit VaR, es decir el ES, puede alcanzar un valor de USD 21,49 millones (15,22 % más que el Credit VaR). Finalmente, al comparar las estimaciones de los MVDC con la metodología del organismo de control ecuatoriano, se demostró que esta última subestima la pérdida esperada, indicadores de riesgo y eventos de pérdida extrema. Al no predecir los eventos extremos, se subestiman las pérdidas potenciales y aumenta el nivel del riesgo.

Esta revisión analiza una selección de artículos científicos sobre la implantación de sistemas de evaluación del riesgo de crédito para identificar las soluciones existentes, las más acertadas y las limitaciones y problemas en su desarrollo. Se adoptó la declaración PRISMA del siguiente modo: se formularon las preguntas de investigación, se definieron los criterios de inclusión, se seleccionaron las palabras clave y se diseñó la cadena de búsqueda. Por último, se calcularon varios estadísticos descriptivos de los artículos seleccionados. En los estudios seleccionados se identificaron 31 soluciones, entre métodos, modelos y algoritmos. Algunos de los modelos más utilizados se basan en técnicas de Inteligencia Artificial (IA), especialmente Redes Neuronales y Bosques Aleatorios. Se concluyó que las Redes Neuronales son las soluciones más eficientes, con precisiones medias superiores al 90 %, pero su desarrollo puede tener limitaciones. Estas soluciones deben implementarse teniendo en cuenta el contexto en el que se van a emplear.

El objetivo de este artículo es analizar los efectos en el cálculo de pérdidas esperadas por los impactos del covid-19 en el modelo de deterioro por riesgo de crédito según la NIIF 9, para los activos financieros valuados a costo amortizado de las empresas del sector real. El modelo, basado en las metodologías de Montecarlo e International Scoring, Fair Isaac and Company (FICO), es aplicable a cualquier región. Se obtuvo una calificación de riesgo crediticio para cada sector, contrastando información financiera real con estimaciones. Se analizó la desviación entre la probabilidad de riesgo calculada sin el efecto pandemia y los resultados reales pospandemia. Los resultados evidenciaron efectos adversos en la calificación de riesgo para algunos sectores. Las implicaciones del estudio orientan la formulación de políticas de gestión del riesgo, la adaptación de prácticas contables en contextos de crisis y el desarrollo de modelos predictivos para estudios futuros y análisis de eventos disruptivos.

La crisis financiera mundial, iniciada en 2007, ha marcado un antes y un después en la administración de riesgos contemporánea, no desde el punto de vista del desarrollo de la administración de riesgos, sino desde la necesidad de aplicar lo desarrollado y utilizarlo oportunamente, tanto por parte de las instituciones financieras como por los reguladores y el Estado. De acuerdo con Dionne (2013), el estudio de la administración de riesgos se ha desarrollado desde la finalización de la Segunda Guerra Mundial, por lo que ha tenido más de 50 años para evolucionar con relación a técnicas cuantitativas y científicas. Este artículo propone el uso de paneles dinámicos para la cuantificación agregada del riesgo de crédito, utilizando la metodología de Macro Credit Scoring; se construye un modelo econométrico para medir el riesgo de crédito de un sistema bancario en función del crecimiento económico y del perfil financiero de los bancos (que refleja su perfil de riesgo). Para la metodología se utilizó lo propuesto por Arellano-Bond para controlar la endogeneidad entre el riesgo de crédito y el crecimiento económico; se estima la medida de pérdida esperada como producto final. Se determinó que la cobertura por riesgo de crédito es adecuada en Bolivia y se demuestra la aplicabilidad de la metodología propuesta.

Este estudio busca analizar de qué forma los ingresos diferentes a intereses impactan el riesgo bancario en el caso de la economía colombiana. Para esto, se construye un panel de datos para el periodo 20162022 con 29 establecimientos de crédito. Los resultados muestran que el aumento de los ingresos no tradicionales globales no incrementa ni las probabilidades de quiebra ni el riesgo de crédito. No obstante, cuando se analizan los ingresos por su tipo, se encuentra que el aumento de los ingresos por operaciones con divisas y comisiones sí pueden impulsar el riesgo bancario. Por lo tanto, la sugerencia es mejorar la regulación sobre los ingresos no tradicionales debido a su rápido crecimiento y las posibilidades de generar inestabilidad macrofinanciera.

Given its importance in financial risk management, credit risk analysis, since its introduction in 1950, has been a major influence both in academic research and in practical situations. In this work, a systematic literature review is proposed which considers both “Credit Risk” and “Credit risk” as search parameters to answer two main research questions: are machine learning techniques being effectively applied in research about credit risk evaluation? Furthermore, which of these quantitative techniques have been mostly applied over the last ten years of research? Different steps were followed to select the papers for the analysis, as well as the exclusion criteria, in order to verify only papers with Machine Learning approaches. Among the results, it was found that machine learning is being extensively applied in Credit Risk Assessment, where applications of Artificial Intelligence (AI) were mostly found, more specifically Artificial Neural Networks (ANN). After the explanation of each answer, a discussion of the results is presented.

El objetivo de este artículo es presentar evidencias sobre la evaluación de la probabilidad de incumplimiento en el pago de un crédito otorgado por los fondos de empleados de instituciones de educación superior de Medellín y Área Metropolitana en el periodo 2017-2019. Para determinar la probabilidad de pago de los créditos se estimó un modelo econométrico de regresión logística binaria. Las estimaciones permitieron evidenciar que de los 384 casos estudiados doscientos cuarenta (el 62,5 %) tiene probabilidad de pagar y ciento cuarenta y cuatro (el 37,5 %) presentan probabilidad de no pago de sus compromisos.

Los impagos de particulares fueron una de las causas de la última crisis financiera dando lugar a una necesidad de comprender todo lo relacionado con el riesgo de crédito de los prestatarios personales. La pérdida esperada del crédito generalmente se descompone en probabilidad de incumplimiento, severidad y exposición de incumplimiento (EAD), siendo este último factor el menos investigado. Este trabajo pretende identificar los determinantes de EAD en el sector cooperativo financiero canadiense que ha mostrado una gran capacidad de resistencia durante la crisis. Utilizando una muestra de más de 11000 casos de incumplimiento ocurridos entre 2003 y 2008 en líneas de crédito a personas físicas, los resultados muestran los factores significativos que explican más del 50% de la varianza de EAD: la edad del prestatario, el límite de exposición, el monto retirado, la tasa de interés aplicada en la línea de crédito y el comportamiento de utilización. Además, la relación de EAD con los factores macroeconómicos nos confirma su prociclicidad. En resumen, la investigación aborda el análisis de la EAD sobre créditos a personas físicas poco analizado en la literatura. La mejor comprensión de EAD permite una mejor modelización del riesgo, así como una mejor gestión de crédito y, potencialmente, mejorar la estabilidad financiera.

La micro y la pequeña empresa en Perú se encuentra en constante desarrollo desde hace cuarenta años. Desde entonces, aparecieron las cajas municipales de ahorro y crédito (CMAC), que tienen autonomía administrativa, financiera y económica, y participan de la descentralización de los servicios financieros. Sin embargo, el crecimiento de la cartera de colocaciones viene acompañado de elevados indicadores de morosidad relacionados al riesgo de crédito de estas instituciones. El objetivo del presente trabajo es analizar si el sobreendeudamiento de clientes, medido como el saldo y número de entidades financieras que tiene el deudor, es una variable que tiene una relación positiva y directa al riesgo de crédito, lo que lleva a constituir mayores provisiones que inciden negativamente en los estados de los resultados de este grupo de instituciones. Esta investigación es de enfoque cuantitativo y correlacional. Los datos recolectados de 48 meses (2016-2019) fueron procesados utilizando la metodología estadística CRISP-DM. Como resultado, se determinó la relación directa del sobreendeudamiento con el riesgo de crédito de las CMAC. La relevancia de esta investigación está dirigida a tomar decisiones estratégicas que permitan tener un mejor control del comportamiento de pago de sus operaciones de crédito y que esto se vea reflejado en mejores resultados económicos.