DIAS DE LA CIENCIA APLICADA

MODELACION DEL RIESGO CREDITICIO PARA ESTIMAR LA

PERDIDA ESPERADA EN UNA INSTITUCION FINANCIERA

Tesis de Maestría en Finanzas: ARMANDO LENIN TAMARA

RAUL ENRIQUE ARISTIZABAL

Asesor : Hermilson Velasquez C

 ESTRUCTURA DEL PROBLEMA

ACUERDO DE
BASILEA

SUPERFINANCIERA INSTITUCIONES
FINANCIERAS

AGENTES :
Personas
naturales jurídicas PROVICIONES

CARACTERISTICAS
 CONTENIDO

1. Objetivo del trabajo.

2. Metodología propuesta por Basilea.

3. Antecedentes.

4. Alternativas de modelización.

5. Propuesta.

6. Resultados.

7. Conclusiones.
 METODOLOGIA
METODOLOGIA PROPUESTA POR BASILEA

PERDIDA ESPERADA

Exposición al
Probabilidad de Perdida dado el
momento de
incumplimiento incumplimiento
incumplimiento

PE = PI x EAI x PDI
M
MODALIDAD DE CREDITOS
O Los otorgados a personas naturales o
D Comercial jurídicas para el desarrollo de
A actividades económicas organizadas.
L
I
D Los otorgados a personas naturales
A para financiar la adquisición de bienes
D Consumo
de consumo o el pago de servicios para
E fines no comerciales o empresariales.
S

Los otorgados a personas naturales

D para financiar la adquisición de
Vivienda vivienda nueva o usada, o a la
E
construcción de vivienda individual.
C
R Los otorgados a personas naturales o
E jurídicas con activos no mayores a 500
D Microcrédito SMMLV y cuyo endeudamiento no
I puede exceder de 120 SM.
T
O Fuente: Superintendencia Financiera
 ANTECEDENTES: ESTUDIOS A NIVEL MUNDIAL
ALGUNOS ESTUDIOS A NIVEL MUNDIAL
INVESTIGADOR AÑO MODELO OBJETIVO VARIABLES CONCLUSIÓN

El ROA y la razón ventas-activos

Balance General
Altman 1968 Análisis Discriminante Estado de quiebra identifican el estado de
Estado de Resultado
bancarrota en las empresas.

Logit - Probit - Análisis Comparar la capacidad de Los modelos Logit y Probit tienen
Lennox 1999 Razones financieras
discriminante predicción de los modelos. mejor nivel de predicción.
Análizar efectos de las Macroeconomicas
Las variables macro determinan
variables macro sobre la Probabilidad de
Alves 2004 Análisis de Cointegración los valores del estado
probabilidad de incumplimiento
estacionario de la PIE.
incumplimiento. esperado (PIE)

Identificar las fuentes de

Las variables macro influyen
Wong 2005 Análisis de Sensibilidad vulnerabilidad estructural Macroeconomicas
sobre el riesgo sistematico.
(riesgo sistemático).
Relación negativa entre los
Análizar efectos de las
Macroeconomicas cambios de la actividad
Hoggarth 2005 Modelo VAR variables macro sobre el
Indicador de mora económica y el indicador de
indicador de mora.
mora.

Relación entre el
Los ciclos del riesgo crediticio
Koopman y Modelos de componentes incumplimiento y el PIB real y PIB
2005 coinciden con el ciclo economico
Lucas no observados el margen de tasas de Tasas de interés
de EU.
interés.
La probabilidad de
Probabilidad de incumplimiento se reduce a
Ruano - Pardo y Modelo de selección de
2006 incumplimiento y sus Razones financieras medida que aumenta el nivel de
Salas - Fumás Heckman
determinantes cobertura, rentabilidad y la
liquidez.
 ANTECEDENTES: ESTUDIOS A NIVEL NACIONAL
ALGUNOS ESTUDIOS EN COLOMBIA
INVESTIGADOR AÑO MODELO OBJETIVO VARIABLES CONCLUSIÓN
PIB
Las probabilidades de transición y
Obligaciones
Zapata 2003 Matrices de Transición de default son generalmente
Probabilidades de transición registradas por los
distintas en cada estado del ciclo.
para la cartera comercial. bancos.
Estimar una relación de largo
plazo entre la actividad
La actividad tiene un efecto
economica, las tasas de
PIB significativo sobre los niveles de
Amaya 2005 Stress testing interés, precios de vivienda y
Indicadores de mora largo plazo de los indicadores de
losindicadores de mora de
mora de las dos carteras.
cartera hipotecaria y de
consumo.
Probabilidad de Mayor incumplimiento con niveles
Zamudio 2007 Logit multinomial Razones financieras
incumplimiento. de liquidez y rentabilidad bajos.
Relación negativa entre el
indicador de mora de cada cartera
PIB
Gutierrez y Complementar el trabajo de y la actividad económica. Y el
2008 Stress testing Indicadores de mora
Vasquez Amaya desempleo es importante en el
Tasa de desempleo
nivel de largo plazo del indicador
de mora.
Liquidez , La liquidez, el tamaño,
Probabilidad de incumplimiento Composición de la composición de la deuda y la
Gomez 2009 Modelo de duración de los créditos de cartera deuda eficiencia explican la migración de
comercial. Tamaño los créditos hacia calificaciones
Eficiencia más bajas.
Edad, PIB, Tasa de Las matrices de transición pueden
Gomez, Acevedo, Probar la validez de los interés real, ser una herramienta importante
2009 Matrices de Transición
García y Zamudio supuestos Markovianos composición de la para el sistema de administración
deuda. de riesgo crediticio.
Estimar con matrices de Liquidez, tamaño, costo
La probabilidad de incumplimiento
transición en tiempo de oportunidad,
Gomez y Orozco 2009 Matrices de Transición esta asociada a la condición
homogeneo la cualidad del composición de la
económica del país.
crédito. deuda, PIB.
MODELOS INTERNOS EMPLEADOS PARA LA MEDICION
DE LA PERDIDA ESPERADA
INVESTIGADORES MODELOS

Altman - Lennox Análisis Discriminante

Lennox - Samudio Logit - Probit

Alves Análisis de
Cointegración

Hopgarth Modelos VAR

Zapata – Gómez – Matrices de Transición

Acevedo – García –
Zamudio - Orozco

Gómez Modelo de Duración Fuente: Favio Villalba Ricaurte (Gerente del Sistema de Administración de
Riesgo Crediticio –SARC- SFC)
 VARIABLE OBJETO DE ESTUDIO

Perdida Esperada = PI x EAI x PDI

PI : Probabilidad de incumplimiento del agente i

 VARIABLE ENDOGENA: INCUMPLIMIENTO
VARIABLES EXOGENAS

Endeudamient Actividad
Activo Ingresos
o económica

Utilidad Edad
Pasivos Solvencia
operativa

Calificación
Patrimonio Utilidad Neta Margen Neto

Tamaño
 MODELOS
Ciencia
Aplicada
(Ing
Matemática)

Investigación Inteligencia
Estadística Econometría
de operaciones Artificial
Arboles de
decisión

Cadenas de Análisis Redes

Markov discriminante Logit-Probit
neuronales
 BASE DE DATOS

Se utilizo información relacionada con clientes clasificados en

cartera comercial de una institución financiera localizada en el
municipio de Medellín-Antioquia. La base de datos se compone de
1500 registros.

Es necesario anotar que la base de datos se conformo con la

información financiera de solo personas naturales con una
actividad económica definida, haciendo claridad que el crédito
solicitado no era para consumo, además, se tuvo en cuenta la
calificación establecida por la institución financiera.
DIAGRAMA DE ARBOL PARA EL MODELO DE VALORACION
DE RIESGO
DIAGRAMA DE ARBOL PARA EL MODELO DE
VALORACION DE RIESGO
Incumplimiento

Endeudamiento

Medio Alto

Activos

Bajos Altos

Edad Ingresos

Bajos Altos
 ECONOMETRÍA LOGIT y PROBIT

Análisis y comparación de alternativas para cuantificar el riesgo operacional

REPORTE MODELO LOGIT Y PROBIT
 ESTADISTICA: ANALISIS DISCRIMINANTE

Análisis y comparación de alternativas para cuantificar el riesgo operacional

 Reporte análisis discriminante

Lambda de Wilks
F exacta
Paso Introducidas Estadístico gl1 gl2 gl3 Estadístico gl1 gl2 Sig.
1 Endeudamiento .988 1 1 796.000 9.301 1 796.000 .002
2 Margen Neto .983 2 1 796.000 6.896 2 795.000 .001
3 Margen operativo .964 3 1 796.000 9.908 3 794.000 .000

Casos utilizados en el análisis

Valoración del Riesgo Previas No ponderados Ponderados
0 .492 393 393.000

1 .508 405 405.000

Total 1.000 798 798.000

Análisis y comparación de alternativas para cuantificar el riesgo operacional

 CADENAS DE MARKOV

Pij: Probabilidad de que un deudor con calificación i, se clasifique en j en un

período de tiempo

Nij: Número de créditos clasificados en i al inicio del período y que terminan

clasificados en j al final del período.

Ni: Número de créditos clasificados en i en un período

Pij= Nij / Ni

Análisis y comparación de alternativas para cuantificar el riesgo operacional

CADENAS DE MARKOV : Resultados

Análisis y comparación de alternativas para cuantificar el riesgo operacional

 MIGRACION DE CALIFICACION

A A A A A
A A A A A
A A A A A
B B B B B
B B B B B
A B C
A B
A B B B B B C B
C C C C C
C C C C C
D 2,6% D 8,2% D 15,8% D 23,7% D 35,9%
COMPARATIVO DE LA PERDIDA ESPERADA
EN LOS DIFERENTES MODELOS
 VALOR DE LA PERDIDA ESPERADA DEL
PORTAFOLIO

COMPARATIVO LOGIT - PROBIT - SFC - INSTITUCION

1.200

1.000

800
millones de pesos

INSTITUCION
600
SFC
LOGIT
400 PROBIT

200

PROBIT LOGIT SFC INSTITUCION

 VALOR DE LA PERDIDA ESPERADA DEL
PORTAFOLIO
COMPARATIVO DISCRIMINANTE - SFC - INSTITUCION
1.200

1.000

800
millones de pesos

INSTITUCION

600 SFC

DISCRIMINANTE

400

200

DISCRIMINANTE SFC INSTITUCION

 VALOR DE LA PERDIDA ESPERADA DEL
PORTAFOLIO
COMPARATIVO MATRICES - SFC - INSTITUCION
1.200

1.000

800
Millones de pesos

INSTITUCION

SFC
600
MATRICES

400

200

MATRICES SFC INSTITUCION

 PRESENTACIÓN
1. Objetivo del trabajo.

2. Metodología propuesta por Basilea.

3. Antecedentes.

4. Alternativas de modelización.

5. Propuesta.

6. Resultados.

7. Conclusiones.
 CONCLUSIONES
 La utilización de arboles de decisión estableció que las variables que más
influyen sobre el incumplimiento de los agentes económicos son:
endeudamiento, activos, ingresos y edad.

 Los modelos utilizados nos permitieron mostrar que con su utilización se

genera una asignación de recursos menor que los que hizo la institución
financiera y los que prevé el ente regulador.
 De manera general, se noto que los deudores que se encontraban en
categoría CC poseen muy poca probabilidad de volver a categorías como AA
y A.
 De acuerdo con el estudio realizado encontramos que cualquiera de los
modelos desarrollados en el trabajo generaría para la institución un nivel de
provisiones menor sin que ello conlleve a un posible detrimento patrimonial
por parte de la institución financiera.
 RED NEURONAL

Una capa de entrada Una capa oculta Una capa salida

Función sigmoide Función lineal

Análisis y comparación de alternativas para cuantificar el riesgo operacional

 RESULTADOS FORMALES

ISSN 1794 – 8347 | Vol. 18 | No. 24 | Jul-Dic 2010 | pp. 259-270

Revista Ciencias Estratégicas | Medellín – Colombia

ESTIMACIÓN DE LAS PROVISIONES ESPERADAS EN UNA INSTITUCIÓN

FINANCIERA UTILIZANDO MODELOS LOGIT Y PROBIT

VIII Coloquio Internacional de Estadística “Métodos Estadísticos Aplicados a Finanzas y

Gestión de Riesgo” Universidad Nacional de Colombia, Sede Medellín Instituto Tecnológico
Metropolitano Medellín, junio 28 a julio 1 de 2011

ESTIMACIÓN DE LAS PROVISIONES ESPERADAS EN UNA INSTITUCIÓN FINANCIERA

UTILIZANDO MODELOS MICROECONOMETRICOS

the XI International Finance Conference, I am pleased to inform that your work "Modelacion
de riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada en una
institucion financiera” has been accepted for presentation during the works of the Conference.

Análisis y comparación de alternativas para cuantificar el riesgo operacional

¡ GRACIAS !