ADMINISTRACIÓN DEL RIESGO DE CRÉDITO DE COLOCACIONES DEL INSTITUTO
FINANCIERO PARA EL DESARROLLO DE NORTE DE SANTANDER ¨IFINORTE¨
MÓNICA PAOLA YAÑEZ CASTIBLANCO
UNIVERSIDAD DE SANTANDER
PROGRAMA DE MAESTRÍAS
MAESTRÍA EN FINANZAS
BUCARAMANGA
2016
ADMINISTRACION DEL RIESGO DE CRÉDITO DE COLOCACIONES DEL INSTITUTO
FINANCIERO PARA EL DESARROLLO DE NORTE DE SANTANDER ¨IFINORTE¨
MÓNICA PAOLA YAÑEZ CASTIBLANCO
Director Científico:
GLORIA INÉS MACIASVILLALBA
Asesor Metodológico:
OLGA CHACÓN
UNIVERSIDAD DE SANTANDER
PROGRAMA DE MAESTRÍAS
MAESTRÍA EN FINANZAS
BUCARAMANGA
2016
Contenido
pág.
Introducción 14
1. Problema 16
1.1 Título 16
1.1.1 Planteamiento o descripción del problema 16
1.1.2 Sistematización del problema 17
1.2 Objetivos 17
1.2.1 Objetivo general 17
1.2.2 Objetivos específicos 17
1.3 Justificación 18
1.4 Delimitaciones 19
1.4.1 Delimitación espacial 19
1.4.2 Delimitación temporal 19
1.4.3 Delimitación conceptual 19
2. Marco Referencial 20
2.1 Marco Contextual 20
2.1.1 Instituto Financiero para el Desarrollo de Norte de Santander 20
2.1.2 Sistema de provisiones 23
2.2 Marco Conceptual 24
2.2.1 Riesgo de crédito 24
2.2.2 Tipos de riesgo 25
2.2.3 Crédito 26
2.2.4 Tipos de crédito 26
2.2.5 Árbol de decisión 27
2.2.6 Matriz de transición 28
2.2.7 Análisis discriminante 29
2.2.8 Medición del riesgo de crédito 29
2.2.9 Modelos de medición del riesgo de crédito 30
2.2.10 Scoring de crédito 33
2.3 Marco Legal 34
3. Resultados 35
3.1 Análisis de la Normativa de la Superintendencia Financiera de Colombia 35
3.1.1 Basilea I 35
3.1.2 Basilea II 36
3.1.3 Circular externa 034 de 2013 38
3.2 Selección de la Línea de Crédito para Aplicar el Modelo de Riesgo de Crédito 42
3.2.1 Crédito de fomento 42
3.2.2 Crédito tesorería 44
3.2.3 Crédito factoring 45
3.2.4 Créditos de libranza 45
3.2.5 Clasificación resumida por línea 46
3.3 Identificación del Modelo de Riesgo de Crédito a Aplicar 70
3.3.1 Medición del riesgo de crédito 70
3.3.2 Modelos de medición del riesgo de crédito 71
3.4 Aplicación del Modelo de Riesgo de Crédito 74
3.4.1 Selección de clientes para el modelo 74
3.4.2 Aplicación del modelo 82
3.4.3 Análisis del modelo 93
3.4.4 Validación del modelo 94
3.5 Propuesta del Scoring Financiero 95
4. Conclusiones 96
Referencias Bibliográficas 97
Lista de Figuras
pág.
Figura 1. Elementos que componen el SARC 39
Figura 2. Comportamiento total de la cartera del mes de enero 47
Figura 3. Comportamiento de cada línea de crédito en el mes de enero 48
Figura 4. Datos del comportamiento de la cartera del mes de Febrero 49
Figura 5. Comportamiento de cada línea de crédito en el mes de febrero 50
Figura 6. Datos del comportamiento de la cartera del mes de Marzo 51
Figura 7. Comportamiento de cada línea de crédito en el mes de marzo 52
Figura 8. Datos del comportamiento de la cartera del mes de Abril 53
Figura 9. Comportamiento de cada línea de crédito en el mes de abril 54
Figura 10. Datos del comportamiento de la cartera del mes de Mayo 55
Figura 11. Comportamiento de cada línea de crédito en el mes de mayo 56
Figura 12. Datos del comportamiento de la cartera del mes de Junio 57
Figura 13. Comportamiento de cada línea de crédito en el mes de junio 58
Figura 14. Datos del comportamiento de la cartera del mes de julio 59
Figura 15. Comportamiento de cada línea de crédito en el mes de julio 60
Figura 16. Datos del comportamiento de la cartera del mes de Agosto 61
Figura 17. Comportamiento de cada línea de crédito en el mes de agosto 62
Figura 18. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (A) 63
Figura 19. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (B) 64
Figura 20. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (C) 66
Figura 21. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (D) 67
Figura 22. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (E) 68
Figura 23. Distribución de resultados según género 74
Figura 24. Distribución de resultados según cargo 75
Figura 25. Distribución de resultados según nivel de estudios 76
Figura 26. Distribución de resultados según valor del prestamo 77
Figura 27. Distribución de resultados según valor del sueldo 78
Figura 28. Distribución de resultados según valor de la cuota 79
Figura 29. Distribución de resultados según valor de los egresos 80
Figura 30. Distribución de resultados según número de personas a cargo 81
Figura 31. Paso 1: Se inicia el programa Gretl 83
Figura 32. Paso 2: Se importa el archivo de datos desde Excel 84
Figura 33. Paso 3: Se selecciona la carpeta donde se encuentra la base de datos 85
Figura 34. Paso 4: Se selecciona el archivo de Excel con la base de datos depurada con las
variables 86
Figura 35. Paso 5: Se selecciona la hoja específica 87
Figura 36. Paso 6: Se elige el modelo a aplicar, en este caso se selecciona el modelo no
lineal, logit. 87
Figura 37. Paso 7: Se especifica la variable dependiente y las variables independientes 88
Figura 38. Paso 8: Se generan los resultados en el “modelo inicial con 7 variables porque se
elimino 1 “egresos” por colianidad. 89
Figura 39. Paso 9: Se realiza la depuración de variables menos significativas 90
Figura 40. Resultados para eliminar las variables con menor Valor P. 91
Figura 41. Resultados para eliminar las variables con menor Valor P 91
Figura 42. Modelo depurado “eliminando” variables no significativas 92
Figura 43. Validación del modelo 94
Lista de Tablas
pág.
Tabla 1. Comportamiento de la cartera del mes de enero 47
Tabla 2. Comportamiento de cada línea de crédito en el mes de enero 48
Tabla 3. Datos del comportamiento de la cartera del mes de Febrero 49
Tabla 4. Comportamiento de cada línea de crédito en el mes de febrero 50
Tabla 5. Datos del comportamiento de la cartera del mes de Marzo 51
Tabla 6. Comportamiento de cada línea de crédito en el mes de marzo 52
Tabla 7. Datos del comportamiento de la cartera del mes de Abril 53
Tabla 8. Comportamiento de cada línea de crédito en el mes de abril 54
Tabla 9. Datos del comportamiento de la cartera del mes de Mayo 55
Tabla 10. Comportamiento de cada línea de crédito en el mes de mayo 56
Tabla 11. Datos del comportamiento de la cartera del mes de Junio 57
Tabla 12. Comportamiento de cada línea de crédito en el mes de junio 58
Tabla 13. Datos del comportamiento de la cartera del mes de julio 59
Tabla 14. Comportamiento de cada línea de crédito en el mes de julio 60
Tabla 15. Datos del comportamiento de la cartera del mes de Agosto 61
Tabla 16. Comportamiento de cada línea de crédito en el mes de agosto 62
Tabla 17. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (A) 63
Tabla 18. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (B) 64
Tabla 19. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (C) 65
Tabla 20. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (D) 67
Tabla 21. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (E) 68
Tabla 22. Aplicación del Modelo de Riesgo de Crédito 82
Tabla 23. Propuesta del scoring financiero 95
Titulo: ADMINISTRACIÓN DEL RIESGO DE CRÉDITO DE COLOCACIONES DEL
INSTITUTO FINANCIERO PARA EL DESARROLLO DE NORTE DE SANTANDER
¨IFINORTE¨
Autor: MÓNICA PAOLA YAÑEZ CASTIBLANCO
Palabras clave: scoring financiero, riesgo crediticio, modelo de Altman, modelos Logit y Probit.
Resumen
El presente proyecto se enfoca en la administración, prevención y mitigación del riesgo crediticio
en la etapa de otorgamiento por medio del scoring de credito. El objetivo fue definir un modelo
para la gestión del riesgo de crédito de colocación en IFINORTE. Se utilizó una metodología
descriptiva para recopilar la información sobre las diferentes líneas de crédito y el
comportamiento de pago de los clientes. Se aplicó el análisis de discriminantes lineal y de
regresión lineal múltiple (modelo de Altman) y modelos Logit y Probit para determinar
probabilidades de incumplimiento. En estos modelos, las variables independientes son razones
financieras y variables externas que miden los efectos macroeconómicos. En los resultados se
analiza la normativa de la Superintendencia Financiera de Colombia capítulo II y la circular
externa 034 de 2013. Seguidamente, se seleccionó la línea de crédito y se identificó el modelo de
riesgo de crédito a aplicar. Finalmente, se propuso un modelo de Scoring Financiero que permite
reducir el riesgo en el otorgamiento de crédito y ayuda a definir perfiles de créditos propensos al
incumplimiento de sus obligaciones.
Title: CREDIT RISK MANAGEMENT OF LOANS OF FINANCIAL INSTITUTE FOR
DEVELOPMENT OF NORTH SANTANDER ¨IFINORTE¨
Author: MÓNICA PAOLA YAÑEZ CASTIBLANCO
Keywords: Financial scoring, credit risk, Altman model, logit and probit models.
Abstract
This project focuses on the management, prevention and mitigation of credit risk at the stage of
granting through credit scoring. The aim was to define a model for credit risk management
placement in IFINORTE. A descriptive methodology was used to gather information on the
various lines of credit and payment behavior of customers. Linear discriminant analysis and
multiple linear regression (Altman model) and logit and probit models to determine probabilities
of default was applied. In these models, the independent variables are financial reasons and
external variables measuring macroeconomic effects. In the results the rules of the Financial
Superintendence of Colombia chapter II and External Circular 034 of 2013. Then the credit line
was selected and the credit risk model to implement identified was analyzed. Finally, a model of
scoring that reduces financial risk in granting credit and helps define credit profiles likely to
breach of its obligations was proposed.
14
Introducción
El riesgo se define como posibilidad de que ocurra un acontecimiento que tenga un impacto
en el alcance de los objetivos, se mide en términos de un impacto y probabilidades; El sistema
financiero desde sus inicios ha buscado una mejor administración de los riesgos; en su primer
lugar administrar el riesgo de crédito asegurando que las contrapartes cumplieran en lo posible
las obligaciones que adquirían así mismo en el pasar del tiempo han surgido otros tipos de riesgo
como riesgo de liquidez, riesgo de mercado, riesgo operacional y riesgo SARLAFT.
La Superintendencia Financiera en el capítulo II de la Circular Básica Contable y Financiera
(Circular Externa 100 de 1995), define el Riesgo de Crédito como “la posibilidad de que una
entidad incurra en pérdidas y se disminuya el valor de sus activos, como consecuencia de que un
deudor o contraparte incumpla sus obligaciones”. Siendo así uno de los principales a los que se
enfrenta las entidades financieras.
Este trabajo será realizado con él ánimo de fomentar la investigación y aplicar los
conocimientos adquiridos en el desarrollo de la maestría en finanzas.
La empresa que se apoyó en estos siete meses es IFINORTE, Instituto Financiero para el
Desarrollo de Norte de Santander, que tiene como objetivo social el Fomento y Desarrollo
Regional. Está comprometido con el desarrollo socio económico y cultural del departamento
apoyando a los entes territoriales, entidades públicas y privadas, a través de Créditos, Convenios,
Capacitación y Asesoría en el fortalecimiento de proyectos productivos que permiten la
consolidación de sus clientes.
15
IFINORTE cuenta con la calificación de Sociedades Calificadoras de Valores de riesgos
financieros y durante el desarrollo de esta investigación el instituto dio desarrollo a la aplicación
del sistema de Administración del Riesgo Crediticio SARC para prevenir y medirlos, ya que por
su actividad financiera se enfrenta a la posibilidad de pérdidas.
El objeto principal de este trabajo es el riesgo de crédito, específicamente su adecuada
administración y control. Con tal propósito se examinara algunas de las más importantes
herramientas prudenciales establecidas en la regulación y supervisión que tienen como finalidad
identificar, evaluar, monitorear y controlar o mitigar este riesgo.
Así mismo proponer a IFINORTE la utilización de un scoring financiero para los
otorgamientos de créditos de libranza ya que es la línea con mayores créditos del instituto.
16
1. Problema
1.1 Título
ADMINISTRACIÓN DEL RIESGO DE CRÉDITO DE COLOCACIONES DEL
INSTITUTO FINANCIERO PARA EL DESARROLLO DE NORTE DE SANTANDER
¨IFINORTE¨.
1.1.1 Planteamiento o descripción del problema. La Superintendencia Financiera, en el
capítulo II de la Circular Básica Contable y Financiera (Circular Externa 100 de 1995), define el
Riesgo de Crédito como “la posibilidad de que una entidad incurra en pérdidas y se disminuya el
valor de sus activos, como consecuencia de que un deudor o contraparte incumpla sus
obligaciones”.
IFINORTE cuenta con la calificación de BRC Investor Services S.A. es una Calificadora de
valores que provee a los inversionistas opiniones profesionales, especializadas e independientes
acerca de la calidad crediticia de una emisión de deuda en el mercado de capitales, de la
capacidad de pago de diferentes tipos de empresas y de contrapartes para sus negocios. Estas
calificadoras se orientan a las emisiones de deuda, y no a evaluación de los créditos que se
otorgan, es decir la colocación.
Actualmente IFINORTE está en proceso de lograr los estándares requeridos por la SFC para
empezar a ser vigilados en base a la circular 034 de 2013.
Este proyecto será un gran aporte para este proceso ayudando en la administración,
prevención y mitigación del riesgo crediticio en la etapa de otorgamiento del instituto,
proponiendo la aplicación de un SCORING DE CREDITO.
17
1.1.2 Sistematización del problema. ¿Cuáles serían las ventajas de aplicar un SCORIG DE
CREDITO?
El utilizar un scoring financiero para el otorgamiento del crédito es una alerta de control para
seleccionar los clientes que tengan capacidad de pago; como garantías y fuentes de pago.
¿Qué método utiliza IFINORTE para otorgar el crédito?
El instituto utiliza un simulador en excel para identificar la capacidad de endeudamiento del
cliente, este funciona como filtro al momento de la etapa de otorgamiento.
¿Qué ventajas competitivas representa administrar el riesgo de crédito con la aplicación de un
SCORIG?
La aplicación de un Scoring Financiero en la etapa de otorgamiento genera ventajas
competitivas en el proceso de la aplicación del SARC ya que ayudaría a identificar los clientes
potenciales para el instituto.
1.2 Objetivos
1.2.1 Objetivo general. Definir un modelo para gestión del riesgo de crédito de colocación
de IFINORTE.
1.2.2 Objetivos específicos. Analizar la normativa de la Superintendencia Financiera De
Colombia capítulo II y la circular externa 034 de 2013.
Seleccionar la línea de crédito a la cual se aplicará el modelo de riesgo de crédito.
Identificar el modelo de riesgo de crédito a aplicar.
18
Aplicar el modelo de riesgo de crédito en la línea de crédito seleccionada.
Proponer un SCORING FINANCIERO que apoye en el otorgamiento de crédito para la línea
anteriormente seleccionada.
1.3 Justificación
IFINORTE cuenta con la calificación de BRC Investor Services S.A Sociedad Calificadora
de Valores de riesgos financieros pero internamente no contaba con un proceso de gestión del
riesgo financiero para prevenir y medirlos, ya que por su actividad financiera se enfrenta a la
posibilidad de pérdidas.
Actualmente IFINORTE está en proceso de lograr los estándares requeridos por la
Superintendencia Financiera de Colombia para empezar a ser vigilados en base a la circular 034
de 2013.
El objeto principal del presente trabajo es el riesgo de crédito, específicamente su adecuada
administración y control en la etapa de otorgamiento proponiendo la aplicación de un scoring
financiero, con tal propósito se examinara algunas de las más importantes herramientas
prudenciales establecidas en la regulación y supervisión, que tienen como finalidad identificar,
evaluar, monitorear y controlar o mitigar este riesgo.
Las ventajas de contar con una adecuada administración del riesgo de crédito son las pérdidas
que se evitan y no la generación de ganancias adicionales; administrar el riesgo de crédito genera
una mejor conducta en la productividad del instituto.
19
1.4 Delimitaciones
1.4.1 Delimitación espacial. La ubicación del Instituto Financiero para el Desarrollo de
Norte de Santander IFINORTE, AV 0 # 9-80 Ed. Rosetal. San José de Cúcuta – Norte de
Santander – Colombia.
1.4.2 Delimitación temporal. El proyecto se realizó en los ocho (7) meses después de ser
aprobado del anteproyecto (Octubre de 2014 –Octubre de 2015)
1.4.3 Delimitación conceptual. El riesgo bancario reúnen todos los distintos tipos de riesgos
que enfrentan las instituciones bancarias cuando llevan a cabo sus actividades. Este riesgo varía
dependiendo del tipo de negocios que tenga un banco.
20
2. Marco Referencial
2.1 Marco Contextual
Los institutos financieros (INFIS) generan desarrollo económico y social a los departamentos
del país mediante la colocación de cartera, captaciones y gestión de proyectos, esto orienta a la
ejecución de los planes, proyectos y programas de inversión social que Impulsan y promueven
desarrollo económico, social y cultural.
2.1.1 Instituto Financiero para el Desarrollo de Norte de Santander. El Instituto
Financiero para el Desarrollo de Norte de Santander fue creado con un patrimonio de acciones
que cedió el Departamento y que constituyeron su capital inicial para empezar su actividad
financiera como un Instituto Financiero de Captación y de colocación de Dinero (Instituto
Financiero para el Desarrollo de Norte de Santander, 2012).
El Instituto es uno de los instrumentos fundamentales para alcanzar el desarrollo del
Departamento Norte de Santander y de los Municipios y Entidades descentralizadas que lo
conforman ya que contribuyen al desarrollo económico y social de la región norte santandereana
mediante la financiación de sus Inversiones, la administración de los recursos, el fomento y la
participación en empresas de economía mixta y de la prestación de servicios de Asesoría en
aspectos de mejoramiento y gestión institucional.
Instituto Financiero para el Desarrollo de Norte de Santander, tiene como objetivo social el
Fomento y Desarrollo Regional. Está comprometido con el desarrollo socio económico y cultural
del departamento Norte de Santander apoyando a los entes territoriales, entidades públicas y
privadas, a través de Créditos, Convenios, Capacitación y Asesoría en el fortalecimiento de
21
proyectos productivos que permiten la consolidación de sus clientes (Instituto Financiero para el
Desarrollo de Norte de Santander, 2012).
El portafolio de servicios que tiene IFINORTE es el siguiente:
Crédito de Fomento.
Crédito de Tesorería.
Crédito de Libranza.
Crédito Educativo.
Administración de recursos por convenios.
Descuentos de actas y facturas.
Certificado de desarrollo territorial – CDT.
Depósito a la vista – Cuenta de ahorro.
Microcréditos – Desarrollo Micro empresarial.
Servicios de cooperación y negocios internacionales.
Operaciones de activos de manejo de deuda pública.
Convenios interinstitucionales.
Captación de recursos.
Créditos re descontable con los fondos financieros nacionales.
22
Otros Servicios.
Visión. Ser reconocido en el año 2015 como instituto de Fomento y Desarrollo líder en la
financiación, cofinanciación y Administración de proyectos que contribuyan al desarrollo del
Departamento de Norte de Santander (Instituto Financiero para el Desarrollo de Norte de
Santander, 2015).
Misión. Generar desarrollo económico y social, mediante la prestación de servicios
financieros y gestión de proyectos que impulsen y promuevan el desarrollo del Departamento
Norte de Santander (Instituto Financiero para el Desarrollo de Norte de Santander, 2015).
Política de otorgamiento IFINORTE. La política de otorgamiento de crédito del instituto se
realiza como lo expresa el manual de captaciones y colocaciones de la entidad; cualquier persona
natural contratada por prestación de servicios, fondo de empleados, servidores públicos, los Entes
Territoriales, Empresas Industriales y Comerciales del Estado, Corporaciones Autónomas
Regional, podrán adquirir productos y servicios financieros o bines y servicios financieros o u
horarios, siempre que medie autorización expresa de descuento dada al empleador o entidad
pagadora, quien en virtud de la suscripción de la libranza o descuentos directo otorgada por el
asalario, contratista, estará obligado a girar los recursos y a las políticas comerciales del operador
(Instituto Financiero para el Desarrollo de Norte de Santander, 2015).
Los documentos requeridos son los siguientes:
Solicitud de crédito debidamente diligenciada y firmada.
Fotocopia de la C.C. al 150% del Deudor y Codeudor.
Fotocopia de los 2 últimos desprendibles de pago de nomina del Deudor y Codeudor.
23
Original Constancia Laboral del Deudor y Codeudor donde se certifique claramente el cargo,
sueldo, tiempo de servicio y tipo de vinculación.
Original Convenio Para Prestamos por Libranza a funcionarios públicos.
Cancelación en IFINORTE de la consulta a la CIFIN.
2.1.2 Sistema de provisiones. Para cubrir el RC el SARC debe contar con el siguiente
sistema de provisiones, las cuales deben calcularse en función de las pérdidas esperadas que
arroje la aplicación del modelo interno o el de referencia, según sea el caso:
Provisiones individuales o específicas.
Provisiones individuales contracíclicas.
Provisión general.
Procesos de control interno.
Cada entidad debe hacerse responsable del control y verificación de información generada en
cada crédito con el fin de evaluar permanentemente los riesgos y suministrar a la SFC la
información más acertada y real.
Esta información se debe clasificar y calificar de acuerdo a las 4 modalidades de crédito.
Créditos comerciales.
Créditos de consumo.
Créditos de vivienda.
24
Microcréditos.
Se debe suministrar y actualizar la información a las centrales de riesgo y a su vez informar
cada tres meses de dichas calificaciones a la SFC.
Hay entidades excluidas de adoptar un SARC, como las casas de cambio.
Las entidades fiduciarias, leasing, aseguradoras y todas aquellas que sean vigiladas por la
SFC, deben aplicar el SARC para poder evaluar y así saber como se asignaran las provisiones,
manejo de información y estructura organizacional.
2.3 Marco Conceptual
2.3.1 Riesgo de crédito. En el análisis del riesgo de crédito, se entiende el racionamiento de
crédito, en términos de Stiglitz y Weiss (1981), como una contracción de la oferta causada
exclusivamente por problemas de información por parte de los bancos que no conocen la
verdadera rentabilidad ni el riesgo de los proyectos que sus clientes potenciales desean financiar;
lo cual llevará a los bancos a fijar la tasa de interés de colocación por debajo de la tasa de interés
que iguala a la oferta y la demanda de crédito, generando, por consiguiente, un exceso de
demanda. Por otro lado, el concepto de credit crunch, o estrangulamiento de crédito, es muy
similar al de racionamiento de crédito; sin embargo, éste se genera por factores adicionales al de
información asimétrica (Bustamante, 2005).
Los problemas pueden derivarse de restricciones en la capacidad de los bancos para prestar,
originados en limitaciones de capital o disminución en las fuentes para los créditos, es decir, en
las captaciones. Por tanto, cuando se estudian algunos determinantes del crecimiento de la cartera
en función de factores de oferta que reflejan, por un lado, la capacidad para prestar y, por otro, el
25
deseo de los intermediarios financieros para otorgar crédito, rigurosamente se debería hablar de
estrangulamiento de crédito (Bustamante, 2005).
2.3.2 Tipos de riesgo. Los tipos de riesgos son los siguientes:
Riesgo crediticio: La Superintendencia Financiera, en el capítulo II de la Circular Básica
Contable y Financiera (Circular Externa 100 de 1995), define el Riesgo de Crédito como “la
posibilidad de que una entidad incurra en pérdidas y se disminuya el valor de sus activos, como
consecuencia de que un deudor o contraparte incumpla sus obligaciones”. (Superintendencia
Financiera, 2015).
Riesgo de liquidez: Se entiende como la pérdida potencial ocasionada por eventos que afecten
la capacidad de disponer de recursos para enfrentar sus obligaciones pasivas, ya sea por
imposibilidad de vender activos, por reducción inesperada de pasivos comerciales o por ver
cerradas sus fuentes habituales de financiamiento. En el caso de IFINORTE aplica en los niveles
de concentración de dinero, además de ello, los topes mínimos de disponible en efectivo que
permitan el correcto funcionamiento de la institución (Compañía Aseguradora de Fianzas, 2011).
Riesgo de mercado: Se define como la pérdida potencial en el valor de los activos financieros
debido a movimientos adversos en los factores que determinan su precio, también conocidos
como factores de riesgo las tasas de interés o el tipo de cambio. En el caso de IFINORTE
concretamente, se deben contemplar todas aquellas inversiones que se tengan en activos
financieros, tales como acciones, CDTs y bonos (Compañía Aseguradora de Fianzas, 2011).
Riesgo Operacional: Se define como la posibilidad de incurrir en pérdidas por deficiencias,
fallas o inadecuaciones, en el recurso humano, los procesos, la tecnología, la infraestructura o por
26
la ocurrencia de acontecimientos de acontecimientos externos. Esta definición incluye el riesgo
legal y reputacional, asociados a tales factores (Compañía Aseguradora de Fianzas, 2011).
Riesgo de Lavado de Activos y Financiación del Terrorismo: Según la Circular Externa 022
de 2007 de la Superintendencia Financiera de Colombia, es la posibilidad de pérdida o daño que
puede sufrir una entidad vigilada por su propensión a ser utilizada directamente, o a través de sus
operaciones, como instrumento para el lavado de activos y/o canalización de recursos hacia la
realización de actividades terroristas, o cuando se pretenda el ocultamiento de activos
provenientes de dichas actividades (Compañía Aseguradora de Fianzas, 2011).
Este riesgo se materializa a través de los riesgos asociados: riesgo legal, reputacional,
operativo y de contagio; con el consecuente efecto económico negativo que ello puede
representar para su estabilidad financiera cuando es utilizada para tales actividades.
2.3.3 Crédito. El crédito es una operación financiera donde una persona presta una cantidad
determinada de dinero a otra persona llamada "deudor", en la cual este último se compromete a
devolver la cantidad solicitada en el tiempo o plazo definido según las condiciones establecidas
para dicho préstamo más los intereses devengados, seguros y costos asociados si los hubiera
(Compañía Aseguradora de Fianzas, 2011).
2.3.4 Tipos de crédito. Los tipos de créditos son los siguientes:
Créditos comerciales: Se definen como créditos comerciales los otorgados a personas
naturales o jurídicas para el desarrollo de actividades económicas organizadas, distintos a los
otorgados bajo la modalidad de microcréditos (Superintendencia Financiera, 2015).
27
Créditos de consumo: Se entiende por créditos de consumo, independientemente de su monto,
los otorgados a personas naturales para financiar la adquisición de bienes de consumo o el pago
de servicios para fines no comerciales o empresariales, distintos a los otorgados bajo la
modalidad de microcréditos (Superintendencia Financiera, 2015).
Créditos de vivienda: Son créditos de vivienda, independientemente del monto, aquéllos
otorgados a personas naturales destinados a la adquisición de vivienda nueva o usada, o a la
construcción de vivienda individual (Superintendencia Financiera, 2015).
Microcréditos: Es el constituido por las operaciones activas de crédito a las cuales se refiere
el artículo 39 de la Ley 590 de 2000, o las normas que la modifiquen, sustituyan o adicionen, así
como las realizadas con microempresas en las cuales la principal fuente de pago de la obligación
provenga de los ingresos derivados de su actividad (Superintendencia Financiera, 2015).
Se tendrá por definición de microempresas aquella consagrada en las disposiciones
normativas vigentes.
2.3.5 Árbol de decisión. Un árbol de decisión es un modelo de predicción utilizado en el
ámbito de la inteligencia artificial. Dada una base de datos se construyen diagramas de
construcciones lógicas, muy similares a los sistemas de predicción basados en reglas, que sirven
para representar y categorizar una serie de condiciones que ocurren de forma sucesiva.
Un árbol de decisión tiene unas entradas las cuales pueden ser un objeto o una situación
descrita por medio de un conjunto de atributos y a partir de esto devuelve una respuesta la cual en
últimas es una decisión que es tomada a partir de las entradas. Los valores que pueden tomar las
entradas y las salidas pueden ser valores discretos o continuos. Se utilizan más los valores
28
discretos por simplicidad, cuando se utilizan valores discretos en las funciones de una aplicación
se denomina clasificación y cuando se utilizan los continuos se denomina regresión.
Un árbol de decisión lleva a cabo un test a medida que este se recorre hacia las hojas para
alcanzar así una decisión. El árbol de decisión suele contener nodos internos, nodos de
probabilidad, nodos hojas y arcos. Un nodo interno contiene un test sobre algún valor de una de
las propiedades. Un nodo de probabilidad indica que debe ocurrir un evento aleatorio de acuerdo
a la naturaleza del problema, este tipo de nodos es redondo, los demás son cuadrados. Un nodo
hoja representa el valor que devolverá el árbol de decisión y finalmente las ramas brindan los
posibles caminos que se tienen de acuerdo a la decisión tomada (Ecured, 2015).
En el diseño de aplicaciones informáticas, un árbol de decisión indica las acciones a realizar
en función del valor de una o varias variables. Es una representación en forma de árbol cuyas
ramas se bifurcan en función de los valores tomados por las variables y que terminan en una
acción concreta. Se suele utilizar cuando el número de condiciones no es muy grande (en tal caso,
es mejor utilizar una tabla de decisión).
Refiriéndonos al ámbito empresarial, podemos decir que los árboles de decisión son
diagramas de decisiones secuenciales nos muestran sus posibles resultados. Éstos ayudan a las
empresas a determinar cuáles son sus opciones al mostrarles las distintas decisiones y sus
resultados. La opción que evita una pérdida o produce un beneficio extra tiene un valor. La
habilidad de crear una opción, por lo tanto, tiene un valor que puede ser comprado o vendido
(Ecured, 2015).
2.3.6 Matriz de transición. En matemáticas, una matriz estocástica (también denominada
matriz de probabilidad, matriz de transición, matriz de sustitución o matriz de Markov) es una
29
matriz utilizada para describir las transiciones en una cadena de Markov. Ha encontrado uso en la
teoría de la probabilidad, en estadística y en álgebra lineal, así como en informática (Mosquera,
2011).
2.3.7 Análisis discriminante. El Análisis Discriminante es una técnica estadística
multivariante cuya finalidad es analizar si existen diferencias significativas entre grupos de
objetos respecto a un conjunto de variables medidas sobre los mismos para, en el caso de que
existan, explicar en qué sentido se dan y facilitar procedimientos de clasificación sistemática de
nuevas observaciones de origen desconocido en uno de los grupos analizados (Mosquera, 2011).
2.3.8 Medición del riesgo de crédito. La medición del riesgo de crédito en una entidad
bancaria se hace a partir de la estimación de tres factores fundamentales, los cuales son:
Pérdidas Esperadas (Expected Loss EL). La pérdida esperada indica cuánto se puede
perder en promedio por causa de incumplimiento en un periodo determinado; normalmente está
asociada a la política de reservas preventivas que la institución debe tener contra riesgos
crediticios. Su estimación está dada por (Autoridades de Supervisión del Sistema Financiero de
Bolivia, 2008):
EL = EAD * LGD * PD
Donde:
Exposición en el momento de incumplimiento (Exposure at default- EAD): es el monto que
se arriesga.
Pérdida en el momento de incumplimiento (Loss given default - LGD): pérdidas en caso de
que el deudor caiga en default.
30
Probabilidad de incumplimiento (Probability of default - PD): probabilidad de que el deudor
incurra en default.
Pérdidas inesperadas (Un expected loss - UL). Es la máxima cantidad de recursos que
podría perder una entidad por el incumplimiento de sus deudores. Se puede expresar como un
múltiplo de la desviación estándar (σ) de la distribución de probabilidades de pérdidas y
ganancias. Estas pérdidas determinan el capital económico requerido por el acreedor para hacer
frente a pérdidas no anticipadas.
2.3.9 Modelos de medición del riesgo de crédito. El sistema de medición de riesgo de
crédito tiene por objeto identificar los determinantes del riesgo de crédito de las carteras de cada
institución, con el propósito de prevenir pérdidas potenciales en las que podría incurrir.
Modelos para el cálculo de probabilidades de incumplimiento. La circular 1423 Expedia
por la Comisión Nacional Bancaria y de Valores relativa a las disposiciones que deben
observarse para una adecuada administración integral de riesgos, señala en su disposición
vigésima, sección II, inciso d, que las instituciones de crédito deben calcular la probabilidad de
incumplimiento de los deudores en lo que hace al riesgo de la cartera creditaria.
Los modelos mas utilizados en el mercado para medir riesgos de crédito son los siguientes:
Modelos económicos. Entre estos se encuentran el análisis de discriminantes lineal y de
regresión lineal múltiple (modelo de Altman), y modelos Logit y Probit para determinar
probabilidades de incumplimiento. En estos modelos, las variables independientes son razones
financieras y otros indicadores así como variables externas que miden los efectos
macroeconómicos.
31
Modelo KWV y Modys. Aplica la teoría de opciones para determinar probabilidades de
incumplimiento y la valuación. Este modelo se basa en que es posible simular el comportamiento
de un préstamo mediante una opción y las acciones como una opción call. No obstante que este
modelo es muy robusto para empresas que cotizan en la bolsa, la empresa KWV también lo
aplica para empresas privadas. Este modelo también se conoce como Credit Monitor (CM).
Redes neuronales artificiales. Son sistemas por computadora que intentan imitar el proceso de
aprendizaje humano emulando una red de neuronas interconectadas entre si.
Independientemente del modelo que se elija, el objetivo debe ser, por una parte, contar con la
probabilidad de incumplimiento de la contraparte y, por otra, construir una matriz de
probabilidades de transición para producir la tendencia de un crédito a subir o bajar de
calificación, como se explica mas adelante en la metodología de Credimetries.
El modelo de Z-Score de Altman. Es un modelo econométrico que se construye a partir de
razones financieras. Dichas razones financieras se combinan linealmente con un peso específico
para cada una, a fin de obtener como resultado final una calificación (Z-store) que discrimina las
empresas que incumplen en sus compromisos crediticios, de aquellas que no lo hacen (Rodríguez,
2012).
El modelo de Altman utiliza el análisis discriminante como técnicas estadística multivariado.
De un universo de empresas, discrimina o separa aquellas que están en quiebra de aquellas que no
lo están de tal suerte que la variable dependiente de la función discriminante es 0 a 1 y las
variables independientes son las razones financieras que mejor explica el incumplimiento de las
empresas. Es un proceso secuencial en el analista excluye aquellas razones financieras que no son
estadísticamente significativas e incluye las que si lo son (Rodríguez, 2012).
32
En su primer modelo (1968). Altman escogio 22 razones financieras que formban su lista
original, finalmente escogio cinco de ellas a saber:
Z= 1,2x1 + 1,4x2 + 3,3 x3 + 0,6 x4 + .99x5
Donde:
X1= capital de trabajo activos totales
X2 = utilidades retenidas activos totales
X3= utilidades antes de impuestos activos totales
X4 = valor de mercado de la acción valor en libros de la deuda.
X5= ventas activos totales
Este modelo fue obtenido de una muestra de empresas que cotizan en la Bolsa, pero también
diseño otro modelo para empresas privadas e inclusive un modelo para empresas mexicanas al
que llamo de mercados emergentes. De acuerdo con E. Altman, la situación financiera de la
emisora depende del valor de Z.
Si Z> 2.99 La empresa se considera saludable
Si Z<1.81 la empresa esta en banca rota
Si 1.81 <Z< 2.99 no se puede determinar la condición financiera de la empresa
Modelos Probit o Logit. En econometría, un modelo de elección cualitativa consiste en
determinar la probabilidad de que un individuo que tiene ciertos atributos pertenezca a uno de dos
33
grupos específicos (por ejemplo, empresas que pertenezcan al grupo de cartera vigente y
empresas que están en el grupo de cartera vencida). En nuestro caso, se trata de determinar la
probabilidad de que un acreditado que tiene ciertos atributos (razones financieras) se declare en
incumplimiento o degrade su calificación crediticia. De manera mas general, se trata de
determinar el conjunto de atributos (razones financieras) que explican el incumplimiento del
acreditado que hoy pertenece al grupo de cartera vigente, con el tiempo pertenezca al grupo de
cartera vencida (Medina, 2003).
Para este propósito, los modelos de elección cualitativa asumen que la probabilidad del
incumplimiento es una función lineal de múltiples variables independientes (razones financieras)
que consideran el nivel del capital contable. El modelo se expresa de la siguiente manera:
2.3.10 Scoring de crédito. Busca la automatización del proceso de medición del riesgo y
utiliza técnicas estadísticas de análisis multi-variable.
El credit scoring consiste en asignar una puntuación teniendo en cuenta valores históricos.
Este modelo está basado en modelos matemáticos que operan en función de un conjunto de
muestras o variables que permiten tipificar el valor de una serie de parámetros, a los cuales se les
aplicarán una serie de pesos según su importancia. El sistema nos ofrecerá una pauta de
comportamiento según las variables establecidas y su peso relativo, lo que resultará en una
puntuación que nos indicará el nivel de riesgo del cliente. Este modelo de calificación se suele
utilizar en aquellos riesgos que se encuentran muy estandarizados y/o suponen pequeños
volúmenes de efectivo y/o se formalizan a corto plazo, puesto que agiliza enormemente la
34
valoración del riesgo, pero deja fuera de los mismos factores cualitativos que pueden resultar
importantes para la evolución futura del propio riesgo.
2.4 Marco Legal
Este proyecto, se desarrollará con base a la Circular Básica Contable y Financiera Circular
Externa 100 de 1995 apoyada en la circular externa 034 de 2013 emitida por la Superintendencia
Financiera de Colombia, enfocada especialmente para la regulación de los procesos de los
institutos de fomento INFIS.
35
3. Resultados
3.1 Análisis de la Normativa de la Superintendencia Financiera de Colombia
En este capítulo se analizan tres documentos que estructuran el riesgo de crédito; Acuerdos
de Basilea, Circular externa 034 del 2013 y capitulo II de la Súper financiera llamado reglas
relativas a la gestión del riesgo crediticio.
3.1.1 Basilea I. Basilea I es un acuerdo publicado en el año 1988, por el comité de Basilea en
la ciudad de Basilea, Suiza, el cual era compuesto por los gobernadores de los bancos centrales
de Alemania, Bélgica, Canadá, España, EE. UU., Francia, Italia, Japón, Luxemburgo, Holanda, el
Reino Unido, Suecia y Suiza. Para juntar recomendaciones estableciendo un capital mínimo que
debía tener una entidad bancaria en función de los riesgos que afrontaba (Banco de Pagos
Internacionales, 2004).
El acuerdo establecía una definición de "capital regulatorio" compuesto por elementos que se
agrupan en 2 categorías (o "tiers") si cumplen ciertos requisitos de permanencia, de capacidad de
absorción de pérdidas y de protección ante quiebra. Este capital debe ser suficiente para hacer
frente a los riesgos de crédito, mercado y tipo de cambio. Cada uno de estos riesgos se medía con
unos criterios aproximados y sencillos (Banco de Pagos Internacionales, 2004).
El principal riesgo era el riesgo de crédito, y se calculaba agrupando las exposiciones de
riesgo en 5 categorías según la contraparte y asignándole una «ponderación» diferente a cada
categoría (0%, 10%, 20%, 50%, 100%), la suma de los riesgos ponderados formaba los activos de
riesgo.
36
El acuerdo establecía que el capital mínimo de la entidad bancaria debía ser el 8% del total de
los activos de riesgo (crédito, mercado y tipo de cambio sumados).
Este acuerdo era una recomendación: cada uno de los países signatarios, así como cualquier
otro país, quedaba libre de incorporarlo en su ordenamiento regulatorio con las modificaciones
que considerase oportunas.
Este acuerdo era una recomendación: cada uno de los países signatarios, así como cualquier
otro país, quedaba libre de incorporarlo en su ordenamiento regulatorio con las modificaciones
que considerase oportunas.
Dado que el acuerdo contenía ciertas limitaciones en su definición, en junio de 2004 fue
sustituido por el llamado acuerdo BASILEA II.
3.1.2 Basilea II. La principal limitación del acuerdo de Basilea I es que es insensible a las
variaciones de riesgo y que ignora una dimensión esencial: la de la calidad crediticia y, por lo
tanto, la diversa probabilidad de incumplimiento de los distintos prestatarios. Es decir,
consideraba que los créditos tenían la misma probabilidad de incumplir (Banco de Pagos
Internacionales, 2004).
Para superarla, el Comité de Basilea propuso en 2004 un nuevo conjunto de
recomendaciones. Éstas se apoyan en los siguientes tres pilares.
Pilar I: el cálculo de los requisitos mínimos de capital. Constituye el núcleo del acuerdo e
incluye una serie de novedades con respecto al anterior: tiene en cuenta la calidad crediticia de
los prestatarios (utilizando ratings externos o internos) y añade requisitos de capital por el riesgo
operacional.
37
La norma de Basilea I, que exige fondos propios > 8% de activos de riesgo , considerando:
(riesgo de crédito + riesgo de negociación+ riesgo de tipo de cambio) mientras que ahora
considera: (riesgo de crédito + riesgo de mercado+ riesgo de tipo de cambio + riesgo operacional)
(Banco de Pagos Internacionales, 2004).
A continuación se puede ver la fórmula para hallar el riesgo de crédito.
El riesgo de crédito se calcula a través de tres componentes fundamentales:
PD (Probability of Default), o probabilidad de incumplimiento.
LGD (LossGiven Default), o pérdida dado el incumplimiento (también se conoce como
"severidad", indicando la gravedad de la pérdida).
EAD (Exposure At Default), o exposición en el momento del incumplimiento.
Habida cuenta de la existencia de bancos con distintos niveles de sofisticación, el acuerdo
propone distintos métodos para el cálculo del riesgo crediticio. En el método estándar, la PD y la
LGD se calculan implícitamente a través de las calificaciones de riesgo crediticio publicadas por
empresas especializadas (agencias de rating) utilizando una serie de baremos. En cambio, los
bancos más sofisticados pueden, bajo cierto número de condiciones, optar por el método de
ratings internos avanzado (AIRB), que les permite utilizar sus propios mecanismos de evaluación
del riesgo y realizar sus propias estimaciones. Existe un método alternativo e intermedio
(foundation IRB) en el que los bancos pueden estimar la PD, el parámetro de riesgo más básico, y
utilizar en cambio valores pre calculados por el regulador para la LGD (Banco de Pagos
38
Internacionales, 2004).
Hasta la fecha, muchas entidades bancarias gestionaban su riesgo crediticio en función de la
pérdida esperada, EL = PD x LGD x EAD, que determinaba su nivel de provisiones frente a
incumplimientos. La nueva normativa establece una nueva medida, el RWA (Activos ponderados
por riesgo), que se fija no en la media sino en un cuantil elevado de la distribución de pérdida
estimada a través de una aproximación basada en la distribución normal.
El riesgo de crédito se cuantifica entonces como la suma de los RWA correspondientes a cada
una de las exposiciones que conforman el activo de la entidad.
Dentro del riesgo de crédito se otorga un tratamiento especial a las titulaciones, para las
cuales se debe analizar si existe una transferencia efectiva y significativa del riesgo, y si son
operaciones originadas por la entidad o generados por otras.
3.1.3 Circular externa 034 de 2013. Esta circular es dirigida a los representantes legales de
los institutos de fomento y desarrollo de las entidades territoriales – INFIS; donde imparten
instrucciones relativas al régimen especial de control y vigilancia aplicable a los INFIS que
pretendan administrar excedentes de liquidez. Para tal efecto, se adiciona el numeral 2 al Capítulo
VI del Título III de la Circular Básica Jurídica de la Superintendencia Financiera de Colombia.
A través de esta circular la Superintendencia Financiera estableció el régimen especial de
control y vigilancia para los institutos de fomento y desarrollo de las entidades territoriales,
INFIS, que administren excedentes de liquidez. Explica que “teniendo en cuenta el plazo previsto
en el artículo 8 del Decreto 1117 de 2013, los Institutos de Fomento y Desarrollo de las entidades
territoriales que pretendan administrar excedentes de liquidez con posterioridad al 30 de
39
noviembre de 2014 deberán contar a dicha fecha con la autorización de esta Superintendencia, en
los términos previstos en la presente Circular Externa, y con la calificación de bajo riesgo
crediticio emitida por una sociedad calificadora de valores vigilada por esta Superintendencia, de
acuerdo con lo previsto en el artículo 1 del mencionado Decreto”.
Capitulo II: Reglas relativas a la gestión del riesgo crediticio. Consideraciones generales:
El riesgo de crédito (RC) el riesgo que corre una entidad al ver disminuido su capital por el
incumplimiento en los pagos de sus obligaciones de las personas o entidades a las cuales se les ha
hecho un crédito.
Elementos que componen el SARC
El SARC debe contar al menos con los siguientes componentes básicos:
Políticas de administración del RC
Procesos de administración del RC
Modelos para la estimación o cuantificación de pérdidas esperadas
Sistema de provisiones para cubrir el RC
Procesos de control interno
Figura 1. Elementos que componen el SARC
Todas las entidades deben establecer unas medidas determinadas para reducir este riesgo
implementando medios de evaluación como el SARC, estas medidas deben ser tenidas en cuenta
tanto la asignación de créditos como en el tiempo que duren los mismos, estos están
fundamentados por diferentes elementos de evaluación como:
40
Políticas de administración del RC. Estas políticas de administración deben ser adoptadas
por la junta directiva o el consejo de administración de la entidad, estos deben tener claridad en la
forma de evaluar, calificar, asumir, controlar y cubrir el RC, se deben establecer y asegurar el
cumplimiento de dichas políticas, estas deben tener los siguientes aspectos:
Estructura organizacional. Se debe contar una estructura organizacional apropiada para la
administración del RC. Teniendo en cuenta que se debe contar con el personal apropiado y ético
con el fin de evitar el mal uso de la información y conflicto de intereses, se debe contar a su vez
con la capacidad técnica y tecnológica suficiente para asegurar el cumplimiento de las normas y
evaluar correctamente la información.
Se debe evaluar los montos de los créditos de acuerdo al sector económico, estabilidad y
comportamiento de pago de los beneficiados con un crédito, verificando que la información que
da el cliente sea veraz, completa y además tenga garantías que puedan reponer en algo el crédito
en caso del no pago, se debe hacer un seguimiento estricto al cumplimento de pagos para así
saber y asignar montos de previsión de riesgo.
Procesos de administración del RC. Dentro del proceso también se deben adoptar medidas
acertadas en el caso de incumplimiento en los pagos con el fin de evitar o minimizar el riesgo de
pérdida, tales como asignar responsabilidades a las diferentes áreas de desempeño en la entidad.
Otorgamiento, seguimiento y control, recuperación; son etapas relacionadas con la
operación del crédito. En la etapa de otorgamiento se debe conocer al cliente, en cuanto a
capacidad de pago, solvencia, cumplimento en sus pagos con obligaciones anteriores o actuales,
la cantidad de veces que un deudor haya hechos reestructuración de los productos, garantías,
posición en el mercado, de ser necesario se solicitaran codeudores que puedan cubrir la deuda en
41
caso de no pago por parte del titular del crédito, se debe hacer claridad en la información que
damos a los clientes en el momento de hacer un crédito con respecto a los intereses que se
generarán y otros costos que vayan sujetos al crédito, forma de pago, plazo del crédito y otras
cláusulas, también los derechos y obligaciones que contrae al aceptar o incumplir sus pagos de un
crédito.
En la etapa de seguimiento y control de crédito se debe proporcionar un informe adecuado
como mínimo dos veces al año que debe hacerse en los meses de mayo y noviembre, con el fin de
establecer la calificación de la cartera y buscar diferentes alternativas para contra arrestar perdida
de capital y recuperar cartera.
Modelos para la estimación o cuantificación de pérdidas esperadas: Se deben estimar o
cuantificar las pérdidas, para las diferentes opciones de crédito tales como la cartera comercial,
de consumo, de vivienda y de microcréditos.
Componentes de los modelos internos: En los modelos internos se debe tener en cuenta la
información del comportamiento de créditos, durante los años anteriores, clasificándolos de
acuerdo a los productos que se han colocado en el mercado mencionados anteriormente. Toda
esta información será validada y revisada por la SFC.
La estimación de la pérdida esperada en el marco del SARC resulta de la aplicación de la
siguiente fórmula:
Pérdida esperada= [Probabilidad de incumplimiento] x [Exposición del activo] x [Pérdida
esperada de valor del activo dado el incumplimiento].
42
La posibilidad de pérdida será evaluada de acuerdo a los días de mora que tengan los
productos y su clasificación.
Se debe cuantificar la pérdida en función de las recuperaciones que se han realizado en
efectivo sobre el conjunto de créditos incumplidos.
Se deben terne en cuenta en cuenta como mínimo los créditos incumplidos durante los
últimos tres (3) años.
Debe considerar la existencia e idoneidad de las garantías que respaldan los créditos.
3.2 Selección de la Línea de Crédito para Aplicar el Modelo de Riesgo de Crédito
3.2.1 Crédito de fomento. Las personas que pueden acceder y que son clientes podrán
aprobar a créditos de Fomento para financiar inversiones en proyectos que contribuyan al
mejoramiento de la calidad de vida de la comunidad y que estén incluidos en los planes de
desarrollo y que se adapte a las necesidades y requerimientos del cliente.
Beneficios:
Tasas de interés más bajas del mercado
Financiamiento máximo 4 años
Facilidad de acceder a los recursos
La periodicidad de los pagos se pacta por mutuo acuerdo
43
Requisitos:
1. Autorización del Concejo Municipal para el empréstito y otorgar las garantías ofrecidas.
2. Ejecución Presupuestal de la vigencia anterior.
3. Presupuesto de la presente vigencia
4. Certificación del Tesorero o Hacienda Municipal que indique que la renta ofrecida en
pignoración
5. Decreto de Nombramiento o Acta de Posesión del Alcalde o Representante Legal y
fotocopia de la cédula de ciudadanía
6. Concepto de la Oficina de Planeación municipal sobre la conveniencia Técnica y
económica del proyecto
7. Fotocopia del NIT
8. Fotocopia de la Tarjeta Profesional de Contador Público
9. Certificado de la Secretaría de Hacienda y/o Planeación, respecto al cumplimiento del
ajuste Fiscal sobre racionalización del gasto público según la Ley 617/2000
10. Anexar la distribución del Sistema General de Participaciones (modificaciones Acto Leg
04 y Ley 1176 de 2007)
11. Adjuntar Estudio Técnico Económico y Financiero del Proyecto a Realizar acorde a
Metodologías de Ley.
44
12. Certificación de la Secretaría de Planeación y Nº de registro en Banco de Programas y
Proyectos y Plan de Desarrollo.
13. Certificado expedido por el Alcalde, respecto al cumplimiento de la Ley 358 de 1997
sobre Capacidad de Pago
3.2.2 Crédito tesorería. Es la solución a corto plazo para atender situaciones temporales de
liquidez de nuestros clientes. Las entidades descentralizadas y entes territoriales podrán acceder
de forma ágil y oportuna.
Beneficios:
Facilidad de acceso a los recursos
Tasas de interés más bajas del mercado
Requisitos:
1. Carta Modelo de la Solicitud de Crédito. (art. 15 Ley 819 de junio 9 de 2003)
2. Ejecución Presupuestal de la vigencia anterior.
3. Presupuesto de la presente vigencia y ejecución presupuestal a la fecha.
4. Boletín de cajas actualizadas (PAC).
5. Diligenciar cuadros adjuntos en Excel (todos los campos de los formularios son
obligatorios)
6. Certificación del Tesorero o Hacienda Municipal que indique que la renta ofrecida en
45
pignoración se encuentra libre, y el valor de la garantía durante la vigencia del crédito.
7. Decreto de Nombramiento o Acta de Posesión del Sr. Alcalde y fotocopia de la Cédula de
Ciudadanía
8. Fotocopia del NIT
9. Fotocopia Tarjeta Profesional del Contador Público.
3.2.3 Crédito factoring. Es la alternativa de financiación a corto plazo más eficiente y
moderna del mercado por medio de la cual IFINORTE provee de recursos a los contratistas o
proveedores de los entes territoriales y entidades descentralizadas de Norte de Santander a través
del pago de las facturas o descuento de actas que estas entidades tengan pendientes por saldar.
Condiciones Financieras:
Plazo: hasta 90 días
Tasas de interés: DTF + 7
Monto: el 75 % del valor neto del acta o factura
Beneficios:
Financiación Inmediata
Los proveedores de nuestros clientes disminuyen las cuentas por cobrar
3.2.4 Créditos de libranza. Son descuentos por nómina, pueden ser solicitado por personas
naturales Contratadas por prestación de Servicios, Servidores Públicos vinculados a las entidades
46
Territoriales o entes Descentralizados, Empresas Industriales y Comerciales , Corporaciones
Autónomas Regional del Departamento Norte de Santander, con el fin de cubrir problemas de
liquidez, sujetos a su Capacidad de Endeudamiento del solicitante.
Líneas de Crédito: Las solicitudes por libranzas serán destinadas para Libre Inversión,
Educación, Salud, Vivienda, Recreación y Turismo.
Montos y Plazo: El monto mínimo a prestar es desde un (1) S.M.M.L.V., hasta la Capacidad
de Pago del Solicitante y a un plazo máximo de 60 meses.
Requisitos:
Solicitud de crédito debidamente diligenciada y firmada.
Fotocopia de la C.C. al 150% del Deudor y Codeudor.
Fotocopia de los 2 últimos desprendible de pago de nomina del Deudor y Codeudor.
Original Constancia Laboral del Deudor y Codeudor donde se certifique claramente el
cargo, sueldo, tiempo de servicio y tipo de vinculación.
Original Convenio Para Préstamos por Libranza a funcionarios públicos.
Cancelación en IFINORTE de la consulta a la CIFIN.
3.2.5 Clasificación resumida por línea. A continuación se presenta el estudio de análisis de
la cartera de IFINORTE, para lograr conocer el riesgo de crédito esta información se analiza del
mes de enero hasta agosto de 2015.
Análisis de cartera del mes de Enero:
47
Tabla 1. Comportamiento de la cartera del mes de enero
Línea clasificación
Total
Porcentaje %
Fomento 7,963,699,684.00 28.14%
Tesorería 280.000.000.00 0.98%
Créditos car 12.664.247.825.00 44.74%
Créditos libranza 5,168,246,936.62 18.26%
Educativo 2,223,833,768.00 7,41%
Total general 28,300,028,213.62 100%
Figura 2. Comportamiento total de la cartera del mes de enero
En esta grafica se puede observar el comportamiento total de la cartera del mes de enero en
las diferentes líneas de crédito, se puede evidenciar que las líneas mas significativas son fomento
con un 28.14 %, créditos libranza con un 18.26% y créditos car con un 44.74 %.
48
A continuación se muestra el comportamiento de cada línea de crédito en el mes de Enero,
cartera al día (A) y la cartera en mora (B, C, D y E).
Tabla 2. Comportamiento de cada línea de crédito en el mes de enero
Línea de
crédito
A B C D E
FOMENTO
96.72%
0%
0%
0%
3.27%
CREDITOS
CAR
85.51%
1.19%
1.47%
11.87%
0%
CREDITOS
LIBRANZA
90.57%
6.64%
0.76%
1.85%
0.15%
Figura 3. Comportamiento de cada línea de crédito en el mes de enero
49
Análisis de cartera del mes de Febrero:
Tabla 3. Datos del comportamiento de la cartera del mes de Febrero
Línea
clasificación
Total
Porcentaje %
Fomento 8,020,976,723.00 28,18%
Tesorería 360,000,000.00 1,26 %
Créditos car 12,613,622,843.00 44.31%
Créditos libranza 5,357,872,589.75 18.82%
Educativo 2,110,294,121.00 7.41%
Total general 28,462,766,276.75 100%
Figura 4. Datos del comportamiento de la cartera del mes de Febrero
En esta grafica se puede observar el comportamiento total de la cartera del mes de Febrero en
las diferentes líneas de crédito, se puede evidenciar que las líneas más significativas son fomento
con un 28.18%, créditos car con un 44.31% y créditos libranza con un 18.82%.
50
A continuación se muestra el comportamiento de cada línea de crédito en el mes de Febrero,
cartera al día (A) y la cartera en mora (B, C, D y E).
Tabla 4. Comportamiento de cada línea de crédito en el mes de febrero
Línea de
crédito
A B C D E
FOMENTO
96.70%
0%
0%
0%
3.26%
CREDITOS
CAR
63.29%
23.37%
11.50%
1.82%
0%
CREDITOS
LIBRANZA
89.88%
6.01%
2.36%
1.24%
0.49%
Figura 5. Comportamiento de cada línea de crédito en el mes de febrero
51
Análisis de cartera del mes de Marzo:
Tabla 5. Datos del comportamiento de la cartera del mes de Marzo
Línea
clasificación
Total
Porcentaje %
Fomento 789926713800 28,70%
Tesorería 360,000,000.00 1.30%
Créditos car 12,017,455,601.51 43.67%
Créditos libranza 5,238,942,247.75 19.04%
Educativo 1,998,366,017.00 7.26%
Total general 27,514,031,004.26 100%
Figura 6. Datos del comportamiento de la cartera del mes de Marzo
En esta grafica se puede observar el comportamiento total de la cartera del mes de Marzo en
las diferentes líneas de crédito, se puede evidenciar que las líneas más significativas son fomento
con un 28.70%, créditos car con un 43.67% y créditos libranza con un 19.04%.
52
A continuación se muestra el comportamiento de cada línea de crédito en el mes de marzo,
cartera al día (A) y la cartera en mora (B, C, D y E).
Tabla 6. Comportamiento de cada línea de crédito en el mes de marzo
Línea de
crédito
A B C D E
FOMENTO
96.62%
0%
0%
0%
3.37%
CREDITOS
CAR
80.33%
11.96%
6.86%
0.73%
0.09%
CREDITOS
LIBRANZA
90.97%
4.94%
1.83%
1.76%
0.48%
Figura 7. Comportamiento de cada línea de crédito en el mes de marzo
53
Análisis de cartera del mes de Abril
Tabla 7. Datos del comportamiento de la cartera del mes de Abril
Línea clasificación
Total
Porcentaje %
Fomento 777232570100 29.67%
Tesorería 457,893,436.00 1.74%
Créditos car 10,934,179,583.51 41.75%
Créditos libranza 5,136,436,476.75 19.61%
Educativo 1,886,437,913.00 7.20%
Total general 26,187,273,110.26 100%
Figura 8. Datos del comportamiento de la cartera del mes de Abril
En esta grafica se puede observar el comportamiento total de la cartera del mes de Marzo en
las diferentes líneas de crédito, se puede evidenciar que las líneas más significativas son fomento
con un 29.67%, créditos car con un 41.75% y créditos libranza con un 19.61%.
54
A continuación se muestra el comportamiento de cada línea de crédito en el mes de Abril,
cartera al día (A) y la cartera en mora (B, C, D y E).
Tabla 8. Comportamiento de cada línea de crédito en el mes de abril
Línea de
crédito
A B C D E
FOMENTO
96.54%
0%
0%
0%
3.47%
CREDITOS
CAR
77.83%
18.37%
3.78%
0%
0%
CREDITOS
LIBRANZA
92.40%
3.69%
1.28%
1.45%
1.16%
Figura 9. Comportamiento de cada línea de crédito en el mes de abril
55
Análisis de cartera del mes de Mayo
Tabla 9. Datos del comportamiento de la cartera del mes de Mayo
Línea clasificación
Total
Porcentaje %
Fomento 27.93%
Tesorería 734,190,476.00 2,67%
Créditos car 12,035,736,838.51 43,89%
Créditos libranza 5,214,042,931.00 19,01%
Educativo 1,774,509,809.00 6,47%
Total general 27,417,269,348.51 100%
Figura 10. Datos del comportamiento de la cartera del mes de Mayo
En esta grafica se puede observar el comportamiento total de la cartera del mes de Mayo en
las diferentes líneas de crédito, se puede evidenciar que las líneas más significativas son fomento
56
con un 29.48%, créditos car con un 40.54% y créditos libranza con un 20.17%.
A continuación se muestra el comportamiento de cada línea de crédito en el mes de Abril,
cartera al día (A) y la cartera en mora (B, C, D y E).
Tabla 10. Comportamiento de cada línea de crédito en el mes de mayo
Línea de
crédito
A B C D E
FOMENTO
91.74%
4.71%
0%
0%
3.54%
CREDITOS
CAR
91.28%
5.02%
3.69%
0%
0%
CREDITOS
LIBRANZA
89.21%
6.21%
1.83%
1.07%
1.66%
Figura 11. Comportamiento de cada línea de crédito en el mes de mayo
57
Análisis de cartera del mes de Junio
Tabla 11. Datos del comportamiento de la cartera del mes de Junio
Línea clasificación
Total
Porcentaje %
Fomento 752450854600 29.48%
Tesorería 837,227,780.00 3.28%
Créditos car 10,347,547,183.51 40.54%
Créditos libranza 5,148,050,584.00 20.17%
Educativo 1,662,581,705.00 6.51%
Total general 25,519,915,798.51 100%
Figura 12. Datos del comportamiento de la cartera del mes de Junio
En esta grafica se puede observar el comportamiento total de la cartera del mes de Junio en
las diferentes líneas de crédito, se puede evidenciar que las líneas más significativas son fomento
con un 29.48%, créditos car con un 40.54% y créditos libranza con un 20.17%.
58
A continuación se muestra el comportamiento de cada línea de crédito en el mes de junio,
cartera al día (A) y la cartera en mora (B, C, D y E).
Tabla 12. Comportamiento de cada línea de crédito en el mes de junio
Línea de
crédito
A B C D E
FOMENTO
91.52%
0%
4.83%
0%
3.63%
CREDITOS
CAR
90.28%
5.11%
4.06%
0.54%
0%
CREDITOS
LIBRANZA
89.62%
6.46%
1.09%
0.95%
1.85%
Figura 13. Comportamiento de cada línea de crédito en el mes de junio
59
Análisis de cartera del mes de Julio
Tabla 13. Datos del comportamiento de la cartera del mes de julio
Línea clasificación
Total
Porcentaje %
Fomento 7333865368400 30.46%
Tesorería 800,272,190.00 3.32%
Créditos car 9,330,747,418.00 38.73%
Créditos libranza 5,068,840,905.00 21.04%
Educativo 1,550,653,601.00 6.43%
Total general 24,089,167,798.00 100%
Figura 14. Datos del comportamiento de la cartera del mes de julio
En esta grafica se puede observar el comportamiento total de la cartera del mes de Julio en las
diferentes líneas de crédito, se puede evidenciar que las líneas más significativas son fomento con
un 30.46%, créditos car con un 38.73% y créditos libranza con un 21.04%.
60
A continuación se muestra el comportamiento de cada línea de crédito en el mes de julio,
cartera al día (A) y la cartera en mora (B, C, D y E).
Tabla 14. Comportamiento de cada línea de crédito en el mes de julio
Línea de
crédito
A B C D E
FOMENTO
86.97%
9.26%
0%
0%
3.75%
CREDITOS
CAR
69.59%
21.72%
5.18%
3.49%
0%
CREDITOS
LIBRANZA
88.49%
6.73%
1.53%
1.37%
1.85%
Figura 15. Comportamiento de cada línea de crédito en el mes de julio
61
Análisis de cartera del mes de Agosto
Tabla 15. Datos del comportamiento de la cartera del mes de Agosto
Línea clasificación
Total
Porcentaje %
Fomento 818889840700 33.62%
Tesorería 1,050,267,677.00 4.31%
Créditos car 7,941,685,501.00 32.60%
Créditos libranza 5,235,194,482.00 21.49%
Educativo 1,938,725,497.00 7.96%
Total general 24,354,771,564.00 100%
Figura 16. Datos del comportamiento de la cartera del mes de Agosto
En esta grafica se puede observar el comportamiento total de la cartera del mes de Agosto en
las diferentes líneas de crédito, se puede evidenciar que las líneas más significativas son fomento
con un 29.48%, créditos car con un 40.54% y créditos libranza con un 20.17%.
62
A continuación se muestra el comportamiento de cada línea de crédito en el mes de agosto,
cartera al día (A) y la cartera en mora (B, C, D y E).
Tabla 16. Comportamiento de cada línea de crédito en el mes de agosto
Línea de
crédito
A B C D E
FOMENTO
88.57%
4.11%
4.01%
0%
3.29%
CREDITOS
CAR
39.40%
29.42%
21.61%
9.54%
0%
CREDITOS
LIBRANZA
89.89%
4.87%
2.25%
0.91%
2.06%
Figura 17. Comportamiento de cada línea de crédito en el mes de agosto
63
Comportamiento de la cartera al día (A). A continuación se muestra el comportamiento de
las líneas de crédito desde el mes de enero a agosto en la cartera al día (A).
Tabla 17. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (A)
Línea
de crédito
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agostó
Fomento
96.72%
96.70%
96.62%
96.54%
91.74%
91.52%
86.97%
88.57%
Créditos
car
85.51%
63.29%
80.33%
77.83%
91.28%
90.28%
69.59%
39.40%
Créditos
libranza
90.57%
89.88%
90.97%
92.40%
89.21%
89.62%
88.49%
89.89%
Figura 18. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (A)
64
Comportamiento de la cartera en mora (B, C, D, y E). A continuación se muestra el
comportamiento de las líneas de crédito desde el mes de enero a agosto en la cartera en mora (B).
Tabla 18. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (B)
Línea
de crédito
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agostó
Fomento
0%
0%
0%
0%
4.71%
0%
9.26%
4.11%
Créditos
car
1.19%
23.37%
11.96%
18.37%
5.02%
5.11%
21.72%
29.42%
Créditos
libranza
6.64%
6.01%
4.94%
3.69%
6.21%
6.46%
6.73%
4.87%
0
2
4
6
8
Creditos libranza
Figura 19. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
65
cartera al día (B)
A continuación se muestra el comportamiento de las líneas de crédito desde el mes de enero a
agosto en la cartera en mora (C).
Tabla 19. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (C)
Línea
de crédito
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agostó
Fomento
0%
0%
0%
0%
0%
4.83%
0%
4.01%
Créditos
car
11.87%
11.50%
6.86%
3.78%
3.69%
4.06%
5.18%
21.61%
Créditos
libranza
1.85%
2.36%
1.83%
1.28%
1.83%
1.09%
1.53%
2.25%
66
0
0,5
1
1,5
2
2,5
Creditos libranza
Figura 20. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (C)
A continuación se muestra el comportamiento de las líneas de crédito desde el mes de enero a
agosto en la cartera en mora (D).
67
Tabla 20. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (D)
Línea
de crédito
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agostó
Fomento
0%
0%
0%
0%
0%
0%
0%
0%
Créditos
car
11.87%
1.82%
0.73%
0%
0%
0.54%
3.49%
9.54%
Créditos
Libranza
1.85%
1.24%
1.76%
1.45%
1.07%
0.95%
1.37%
0.91%
Figura 21. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (D)
68
A continuación se muestra el comportamiento de las líneas de crédito desde el mes de enero a
agosto en la cartera en mora (E).
Tabla 21. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
cartera al día (E)
Línea
de crédito
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agostó
Fomento
3.27%
3.260%
3.37%
3.47%
3.54%
3.63%
3.75%
3.29%
Créditos
car
0%
0%
0.09%
0%
0%
0%
0%
0%
Créditos
Libranza
0.15%
0.49%
0.48%
1.16%
1.66%
1.85%
1.85%
2.06%
Figura 22. Comportamiento de cada línea de crédito desde el mes de enero a agosto en la
69
cartera al día (E)
Análisis de resultados. Según los datos obtenidos se realiza el siguiente análisis, a
continuación se presenta el comportamiento total de la cartera en todas las líneas de crédito en los
meses de Enero a agosto. Se observa que las líneas de crédito más significativas fue fomento,
créditos car y créditos libranza. Con estas tres líneas de créditos se observara el riesgo de crédito
de IFINORTE, por tal motivo se analiza la cartera al día (A), y la cartera en mora ( B, C, D, y E).
En el mes de enero la cartera al día presenta un valor significativo con un porcentaje en la en
la línea de crédito fomento de 96.72%, créditos car con un 85.51 % y créditos libranza con un
90.57%, los porcentajes de la cartera en mora son muy bajos. El comportamiento del mes de
febrero fue similar con una diferencia en la línea de créditos car, ya que se observa en la cartera
en mora (B) un porcentaje de 23.37%, en los siguientes meses en esta línea de crédito la cartera
en mora (B, C, D y E) sus porcentajes son significativos.
En las gráficas se puede evidenciar que los clientes de IFINORTE pagan al día, por lo que se
puede decir que los porcentajes de la cartera en mora son muy bajos. Se obtuvo que el mes de
enero la línea de crédito fomento presento el mayor porcentaje con un 96.72% y el mes con la
cartera en mora más alta fue el mes de agosto en la cartera (B) con un porcentaje de 29.42%.
A partir de los resultados anteriores, se tomó la linea de credito de libranza, teniendo en
cuenta que participa con el mayor numero de clientes x% (364) y porque contine el numero de
deudores más alto teniendo, a pesar que el cobro se realiza por medio de libranza.
70
3.3 Identificación del Modelo de Riesgo de Crédito a Aplicar
3.3.1 Medición del riesgo de crédito. La medición del riesgo de crédito en una entidad
bancaria se hace a partir de la estimación de tres factores fundamentales, los cuales son:
Pérdidas Esperadas (Expected Loss EL). La pérdida esperada indica cuánto se puede
perder en promedio por causa de incumplimiento en un periodo determinado; normalmente está
asociada a la política de reservas preventivas que la institución debe tener contra riesgos
crediticios. Su estimación está dada por (Autoridades de Supervisión del Sistema Financiero de
Bolivia, 2008):
EL = EAD * LGD * PD
Donde:
Exposición en el momento de incumplimiento (Exposure at default- EAD): es el monto que
se arriesga.
Pérdida en el momento de incumplimiento (Loss given default - LGD): pérdidas en caso de
que el deudor caiga en default.
Probabilidad de incumplimiento (Probability of default - PD): probabilidad de que el deudor
incurra en default.
Pérdidas inesperadas (Un expected loss - UL). Es la máxima cantidad de recursos que
podría perder una entidad por el incumplimiento de sus deudores. Se puede expresar como un
múltiplo de la desviación estándar (σ) de la distribución de probabilidades de pérdidas y
ganancias. Estas pérdidas determinan el capital económico requerido por el acreedor para hacer
71
frente a pérdidas no anticipadas.
3.3.2 Modelos de medición del riesgo de crédito. El sistema de medición de riesgo de
crédito tiene por objeto identificar los determinantes del riesgo de crédito de las carteras de cada
institución, con el propósito de prevenir pérdidas potenciales en las que podría incurrir.
Modelos para el cálculo de probabilidades de incumplimiento. La circular 1423 Expedia
por la Comisión Nacional Bancaria y de Valores relativa a las disposiciones que deben
observarse para una adecuada administración integral de riesgos, señala en su disposición
vigésima, sección II, inciso d, que las instituciones de crédito deben calcular la probabilidad de
incumplimiento de los deudores en lo que hace al riesgo de la cartera creditaria.
Los modelos mas utilizados en el mercado para medir riesgos de crédito son los siguientes:
Modelos económicos. Entre estos se encuentran el análisis de discriminantes lineal y de
regresión lineal múltiple (modelo de Altman), y modelos Logit y Probit para determinar
probabilidades de incumplimiento. En estos modelos, las variables independientes son razones
financieras y otros indicadores así como variables externas que miden los efectos
macroeconómicos.
Modelo KWV y Modys. Aplica la teoría de opciones para determinar probabilidades de
incumplimiento y la valuación. Este modelo se basa en que es posible simular el comportamiento
de un préstamo mediante una opción y las acciones como una opción call. No obstante que este
modelo es muy robusto para empresas que cotizan en la bolsa, la empresa KWV también lo
aplica para empresas privadas. Este modelo también se conoce como Credit Monitor (CM).
Redes neuronales artificiales. Son sistemas por computadora que intentan imitar el proceso de
72
aprendizaje humano emulando una red de neuronas interconectadas entre si.
Independientemente del modelo que se elija, el objetivo debe ser, por una parte, contar con la
probabilidad de incumplimiento de la contraparte y, por otra, construir una matriz de
probabilidades de transición para producir la tendencia de un crédito a subir o bajar de
calificación, como se explica mas adelante en la metodología de Credimetries.
El modelo de Z-Score de Altman. Es un modelo econométrico que se construye a partir de
razones financieras. Dichas razones financieras se combinan linealmente con un peso específico
para cada una, a fin de obtener como resultado final una calificación (Z-store) que discrimina las
empresas que incumplen en sus compromisos crediticios, de aquellas que no lo hacen.
El modelo de Altman utiliza el análisis discriminante como técnicas estadística multivariado.
De un universo de empresas, discrimina o separa aquellas que están en quiebra de aquellas que no
lo están de tal suerte que la variable dependiente de la función discriminante es 0 a 1 y las
variables independientes son las razones financieras que mejor explica el incumplimiento de las
empresas. Es un proceso secuencial en el analista excluye aquellas razones financieras que no son
estadísticamente significativas e incluye las que si lo son.
En su primer modelo (1968). Altman escogio 22 razones financieras que formban su lista
original, finalmente escogio cinco de ellas a saber:
Z= 1,2x1 + 1,4x2 + 3,3 x3 + 0,6 x4 + .99x5
Donde:
X1= capital de trabajo activos totales
73
X2 = utilidades retenidas activos totales
X3= utilidades antes de impuestos activos totales
X4 = valor de mercado de la acción valor en libros de la deuda.
X5= ventas activos totales
Este modelo fue obtenido de una muestra de empresas que cotizan en la Bolsa, pero también
diseño otro modelo para empresas privadas e inclusive un modelo para empresas mexicanas al
que llamo de mercados emergentes. De acuerdo con E. Altman, la situación financiera de la
emisora depende del valor de Z.
Si Z> 2.99 La empresa se considera saludable
Si Z<1.81 la empresa está en banca rota
Si 1.81 <Z< 2.99 no se puede determinar la condición financiera de la empresa
Modelos Probit o Logit. En econometría, un modelo de elección cualitativa consiste en
determinar la probabilidad de que un individuo que tiene ciertos atributos pertenezca a uno de dos
grupos específicos (por ejemplo, empresas que pertenezcan al grupo de cartera vigente y
empresas que están en el grupo de cartera vencida). En nuestro caso, se trata de determinar la
probabilidad de que un acreditado que tiene ciertos atributos (razones financieras) se declare en
incumplimiento o degrade su calificación crediticia. De manera más general, se trata de
determinar el conjunto de atributos (razones financieras) que explican el incumplimiento del
acreditado que hoy pertenece al grupo de cartera vigente, con el tiempo pertenezca al grupo de
cartera vencida.
74
Para este propósito, los modelos de elección cualitativa asumen que la probabilidad del
incumplimiento es una función lineal de múltiples variables independientes (razones financieras)
que consideran el nivel del capital contable. El modelo se expresa de la siguiente manera:
3.4 Aplicación del Modelo de Riesgo de Crédito
3.4.1 Selección de clientes para el modelo. Inicialmente, se aplicó el modelo con los 90
clientes, pero se presentaron problemas con la clasificación de los clientes en mora, ya que se
estaba clasificando clientes con mora menor a 30 días.
Se trabajó con una muestra de 48 clientes, ya que solo 24 clientes estaban en mora mayor a
30 días y para que el modelo quedara equilibrado, teniendo en cuenta que el sistema debe contar
con 24 clientes al día, es decir el mismo número de clientes en mora.
57%
46%
54%
43%
53%
47%
0%
10%
20%
30%
40%
50%
60%
Proporción Al día En mora
Masculino
Femenino
Figura 23. Distribución de resultados según género
75
Los resultados del análisis indican que del total de clientes de la línea de crédito seleccionada,
el 57% son de género masculino y el 43% del género femenino. De igual manera, el 46% de
clientes hombres y el 53% de mujeres están al día con los pagos. Del total de clientes que están
en mora, el 54% son hombres y el 47% son mujeres.
74%
54%
46%
6%
20%
80%
18%
44%
56%
2%
100%
0%0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Proporción Al día En mora
ADMINISTRATIVO
ALCALDE
CONSEJAL
PERSONERO
Figura 24. Distribución de resultados según cargo
Al analizar los resultados por tipo de cargo, se determina que del total de la muestra
seleccionada, el 74% tienen cargos administrativos, el 6% son alcaldes, el 18% son consejales y
el 2% son personeros. En cuanto a los pagos, están al día el 54% de administrativos, el 20% de
alcaldes, el 44% de consejales y el 100% de los personeros. Están en mora el 46% de
administrativos, el 80% de alcaldes, el 56% de consejales y el 0% de personeros.
76
23%
75%
25%
77%
41%
59%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Proporción Al día En mora
ACADEMICO
PROFESIONAL
Figura 25. Distribución de resultados según nivel de estudios
Al hacer el análisis de los clientes de la línea de crédito por el nivel de estudios, se determina
que el 23% son bachilleres y el 77% profesionales. Del total de clientes que están al día el 75%
son bachilleres y el 41% son profesionales. Del total en situación de mora, el 25% son
académicos y el 59% son profesionales.
77
78%
51%49%
20%
12%
88%
0%
100%
0%1%
100%
0%1%
100%
0%0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Proporción Al día En mora
$ 0 - $ 22.800.000
$ 22.800.000 - $ 45.600.000
$ 45.600.000 - $ 68.400.000
$ 68.400.000 - $ 91.200.000
$ 91.200.000 - $ 114.000.000
Figura 26. Distribución de resultados según valor del préstamo
En la figura anterior se determina que el 78% de clientes tienen un préstamo de hasta
$22.800.000, mientras que el 20% tiene un préstamo entre $22.800.000 y $45.600.000, el 1%
entre $68.400.000 y $91.200.000 y el 1% restante entre $91.200.000 y $114.000.000. De los
prestamos otorgados en el rango de hasta $22.800.000 el 51% se encuentra al día, mientras que
esto sucede con el 12% del rango entre $22.800.000 y $45.600.000. Los prestamos superiores a
$45.600.000 tienen un nivel de cumplimiento en los pagos del 100%. En contraste, el 49% de
préstamos hasta $22.800.000 están en mora y el 88% del rango entre $22.800.000 y $45.600.000
también están en mora.
78
15%
57%
43%47%
52%48%
12%
55%
45%
16%
43%
57%
10% 11%
89%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Proporción Al día En mora
$ 0 - $ 898.372
$ 898.372 - $ 1.796.745
$ 1.796.745 - $ 2.695.117
$ 2.695.117 - $ 3.593.489
$ 3.593.489 - $ 4.491.861
Figura 27. Distribución de resultados según valor del sueldo
La figura indica que el 15% de los clientes de la línea de crédito cuentan con un salario hasta
$898.372, el 47% tiene un salario entre $898.372 y $1.796.745, el 12% entre $1.796.745 y
$2.695.117, el 16% entre $2.695.117 y $3.593.489, y el 10% entre $3.593.489 y $4.491.861. Del
rango más bajo de salario, el 57% está al dia y el 43% en mora, entre $898.372 y $1.796.745 el
52% está al día y el 48% en mora, entre $1.796.745 y $2.695.117 el 55% está al día y el 45% en
mora, entre $2.695.117 y $3.593.489 el 43% está al día y el 57% en mora, y entre $3.593.489 y
$4.491.861 de salario el 11% está al día y el 89% en mora.
79
62%
54%
46%
28%
52%48%
4%0%
100%
3%0%
100%
2%0%
100%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Proporción Al día En mora
$ 0-$ 648.930
$ 648.930 - $ 1.297.860
$ 1.297.860,00 - $ 1.946.790
$ 1.946.790 - $ 2.595.720
$ 2.595.720 - $ 3.244.650
Figura 28. Distribución de resultados según valor de la cuota
Al analizar los resultados del comportamiento de pago de la línea de crédito según el valor de
la cuota, el 62% de clientes paga entre $0 y $648.930, el 28% entre $648.930 y $1.297.860, el 4%
entre $1.297.860 y $1.946.790, el 3% entre $1.946.790 y $2.595.720 y el 2% entre $2.595.720 y
$3.244.650. Del total de clientes, el 54% de los que pagan entre $0 y $648.930 están al día y el
46% están en mora, el 52% que pagan entre $648.930 y $1.297.860 están al día y el 48% en
mora. De los clientes que pagan más de $1.297.860 el 100% se encuentran en mora.
80
64%
52,6%
47,4%
27%
50,0% 50,0%
3%
33,3%
66,7%
2% 0,0%
100%
4%0,0%
100%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Proporción Al día En mora
$0 - $ 898.372
$ 898.372 - $ 1.796.745
$ 1.796.745 - $ 2.695.117
$ 2.695.117 - $ 3.593.489
$ 3.593.489 - $ 4.491.861
Figura 29. Distribución de resultados según valor de los egresos
En la figura anterior se observa que al analizar información de los clientes de la línea de
crédito seleccionada, el 64% de los clientes tienen egresos entre $0 y $898.372, el 27% tiene
egresos entre $898.372 y $1.796.745, el 3% entre $1.796.745 y $2.695.117, el 2% entre
$2.695.117 y $3.593.489 y el 4% restante tiene egresos entre $3.593.489 y $4.491.861. En el
análisis se determina que el 52,6% de los clientes que tienen egresos entre $0 y $898.372 el
52,6% está al día y el 47,4% está en mora, 50% de los clientes con egresos entre $898.372 y
$1.796.745 están al día y el 50% en mora, el 33,3% con rango de egresos entre $1.796.745 y
$2.695.117 están al día y el 66,7% están en mora. De los clientes que cuentan con egresos
superiores a $2.695.117 el 0% se encuentra al día y el 100% en mora.
81
22%
70%
30%
46%
54%
46%
24%27%
73%
6%
20%
80%
2% 0%
100%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Proporción Al día En mora
0 personas
1 persona
2 personas
3 personas
4 personas
Figura 30. Distribución de resultados según número de personas a cargo
Según la figura anterior, al analizar la información de los clientes de la línea de crédito
seleccionada, el 22% de los clientes no tienen personas a cargo, mientras que el 46% tienen 1
persona a cargo, el 24% tiene 2 personas a cargo, el 6% tiene 3 personas a cargo y el 2% tiene 4
personas a cargo. Se determina que el 70% de los clientes que no tienen personas a cargo se
encuentran al día y el 30% en mora, mientras que el 54% de clientes con 1 persona a cargo están
al día y el 46% se encuentra en mora, el 27% con dos personas a cargo están al día en los pagos y
el 73% en mora, el 20% con 3 personas a cargo están al día y el 80% se encuentra en mora y el
100% de los clientes con 4 personas a cargo se encuentran en mora y no realizan los pagos
oportunamente.
82
3.4.2 Aplicación del modelo. Como se muestra a continuación:
Tabla 22. Aplicación del Modelo de Riesgo de Crédito
RIESGO GENERO MONTO CUOTA CARGO FORMACIÓN INGRESOS EGRESOS PERSONAS A CARGO
1 0 18.974.839,00 432.856,00 1 0 1.247.830$ 623.915$ 1
1 0 45.000.000,00 3.244.650,00 1 0 1.436.870$ 718.435$ 2
1 1 45.000.000,00 3.244.650,00 0 0 2.879.348$ 1.439.674$ 2
1 1 34.657.805,00 2.094.236,00 0 0 2.978.398$ 1.489.199$ 2
1 1 15.000.000,00 1.077.038,00 1 0 8.367.500$ 4.183.750$ 1
1 1 15.000.000,00 255.948,93 0 0 8.387.500$ 4.193.750$ 1
1 1 7.000.000,00 1.280.216,00 0 0 931.134$ 465.567$ 2
1 1 26.000.000,00 442.719,00 1 0 1.105.639$ 552.820$ 0
1 0 12.909.165,00 324.642,00 1 0 1.133.108$ 566.554$ 1
1 1 6.000.000,00 430.944,00 1 0 1.386.000$ 693.000$ 1
1 1 6.000.000,00 430.944,00 0 0 1.386.000$ 693.000$ 1
1 1 7.000.000,00 619.682,19 1 0 1.575.052$ 787.526$ 2
1 1 7.000.000,00 151.500,00 1 0 2.177.945$ 1.088.973$ 2
1 1 4.688.836,00 279.090,00 1 0 2.905.395$ 1.452.698$ 1
1 1 25.000.000,00 542.365,00 1 0 1.431.333$ 715.667$ 0
1 0 2.218.001,00 232.575,00 1 0 1.195.521$ 597.761$ 2
1 1 74.731.853,00 1.008.504,00 1 0 6.410.559$ 3.205.280$ 1
1 1 3.301.702,00 914.440,00 0 0 931.134$ 465.567$ 0
1 0 15.380.973,00 389.571,00 1 0 1.182.345$ 591.173$ 1
1 0 14.557.786,00 652.882,00 1 0 1.428.664$ 714.332$ 1
1 0 37.425.509,00 865.713,00 1 0 2.119.466$ 1.059.733$ 1
1 1 3.298.774,00 209.424,00 0 0 785.944$ 392.972$ 2
1 1 25.634.967,00 649.284,00 1 0 2.119.466$ 1.059.733$ 2
1 1 8.208.736,00 1.155.615,00 0 1 728.895$ 364.448$ 1
0 1 2.309.260,00 422.336,00 0 1 555.028$ 277.514$ 2
0 1 2.309.260,00 422.336,00 0 1 566.591$ 283.296$ 0
0 1 3.848.767,00 703.893,00 0 1 566.591$ 283.296$ 0
0 1 2.190.591,00 139.545,00 1 1 566.592$ 283.296$ 1
0 1 5.388.273,00 985.451,00 0 0 566.600$ 283.300$ 1
0 0 12.670.104,00 281.357,00 1 0 687.676$ 343.838$ 1
0 1 6.328.521,00 1.155.615,00 0 1 728.895$ 364.448$ 1
0 1 6.318.702,00 1.155.615,00 0 1 746.000$ 373.000$ 1
0 1 3.500.000,00 309.656,00 1 1 815.335$ 407.668$ 3
0 1 6.054.706,00 1.126.229,00 0 1 908.956$ 454.478$ 1
0 1 3.848.767,00 703.893,00 1 1 911.150$ 455.575$ 2
0 0 18.000.000,00 391.319,80 1 0 952.293$ 476.147$ 1
0 0 16.602.985,00 378.749,00 1 0 1.054.361$ 527.181$ 2
0 0 21.000.000,00 360.260,01 1 0 1.103.538$ 551.769$ 0
0 0 14.761.554,00 367.928,00 1 0 1.124.632$ 562.316$ 1
0 1 19.500.000,00 331.841,00 1 0 1.158.468$ 579.234$ 1
0 0 18.717.302,00 415.542,00 1 1 1.163.588$ 581.794$ 1
0 0 10.000.000,00 258.718,31 1 1 1.200.000$ 600.000$ 1
0 1 18.000.000,00 306.955,22 1 1 1.292.069$ 646.035$ 0
0 0 12.000.000,00 394.546,95 1 1 1.296.048$ 648.024$ 1
0 0 12.000.000,00 205.679,00 1 0 1.328.370$ 664.185$ 1
0 0 18.713.349,00 432.856,00 1 0 1.371.239$ 685.620$ 2
0 1 4.912.569,00 228.509,00 1 1 1.428.664$ 714.332$ 2
0 0 13.000.000,00 281.357,00 1 0 1.431.333$ 715.667$ 1
83
Muestra de 48 clientes que se le aplico el modelo.
A continuación se desarrolla la aplicación en el programa GRETL:
1 Paso: Se inicia el programa Gretl y es la primera pantalla que sale.
Figura 31. Paso 1: Se inicia el programa Gretl
84
2 Paso: Se importa el archivo de datos desde Excel.
Figura 32. Paso 2: Se importa el archivo de datos desde Excel
85
3 Paso: Se selecciona la carpeta donde se encuentra la base de datos.
Figura 33. Paso 3: Se selecciona la carpeta donde se encuentra la base de datos
86
4 Paso: Se selecciona el archivo de Excel con la base de datos depurada con las variables:
RIESGO, GÉNERO, MONTO, CUOTA, CARGO, FORMACIÓN, INGRESOS, EGRESOS,
PERSONAS A CARGO.
Figura 34. Paso 4: Se selecciona el archivo de Excel con la base de datos depurada con las
variables
87
5 Paso: Se selecciona la hoja específica.
Figura 35. Paso 5: Se selecciona la hoja específica
6 Paso: Se elige el modelo a aplicar, en este caso se selecciona el modelo no lineal, logit.
Figura 36. Paso 6: Se elige el modelo a aplicar, en este caso se selecciona el modelo no lineal,
logit.
88
7 Paso: Se especifica la variable dependiente y las variables independientes.
Figura 37. Paso 7: Se especifica la variable dependiente y las variables independientes
Variable dependiente: RIESGO.
Variables independientes: GÉNERO, MONTO, CUOTA, CARGO, FORMACIÓN,
INGRESOS, EGRESOS, PERSONAS A CARGO.
89
8 Paso: Se generan los resultados en el “modelo inicial con 7 variables porque se elimino 1
“egresos” por colianidad.
Figura 38. Paso 8: Se generan los resultados en el “modelo inicial con 7 variables porque se
elimino 1 “egresos” por colianidad.
Resultados del modelo inicial usando las variables RIESGO, GÉNERO, MONTO, CUOTA,
CARGO, FORMACIÓN, INGRESOS, EGRESOS, PERSONAS A CARGO. Se omitió la
variable EGRESOS por colinealidad exacta; y siendo las variables más significativas de este
primer modelo FORMACION y INGRESOS.
Ecuaciones de la aplicación del modelo:
BINARY(D=L) RIESGO CARGO CUOTA FORMACION GENERO INGRESOS MONTO
PERSONAS_A_CARGO C
Estimation Equation:
90
=========================
I_RIESGO = C(1)*CARGO + C(2)*CUOTA + C(3)*FORMACION + C(4)*GENERO +
C(5)*INGRESOS + C(6)*MONTO + C(7)*PERSONAS_A_CARGO + C(8)
Forecasting Equation:
=========================
RIESGO = 1-@CLOGISTIC(-(C(1)*CARGO + C(2)*CUOTA + C(3)*FORMACION +
C(4)*GENERO + C(5)*INGRESOS + C(6)*MONTO + C(7)*PERSONAS_A_CARGO + C(8)))
Substituted Coefficients:
=========================
RIESGO = 1-@CLOGISTIC(-(-1.49592488743*CARGO + 2.33514131578e-06*CUOTA -
4.14665502174*FORMACION + 1.20155646766*GENERO + 5.21740743031e-06*INGRESOS
- 7.63807716673e-08*MONTO - 0.38481764752*PERSONAS_A_CARGO - 4.51915591551))
9 Paso: Se realiza la depuración de variables menos significativas.
Figura 39. Paso 9: Se realiza la depuración de variables menos significativas
91
En este paso se edita la presentación de los resultados para eliminar las variables con menor
Valor P.
Figura 40. Resultados para eliminar las variables con menor Valor P.
En este paso se edita la presentación de los resultados para eliminar las variables con menor
Valor P.
Figura 41. Resultados para eliminar las variables con menor Valor P
92
En este paso se edita la presentación de los resultados para eliminar las variables con menor
Valor P.
Presentación del modelo depurado “eliminando” variables no significativas:
Figura 42. Modelo depurado “eliminando” variables no significativas
En este paso se edita la presentación de resultados, eliminando las variables con menor Valor
P, y quedan como variables significativas en el modelo las variables GENERO, FORMACION,
INGRESOS.
93
3.4.3 Análisis del modelo. Como se muestra a continuaron:
Variables cualitativas:
Género:
Masculino “1”
Femenino “0”
Cargo:
Administrativos “1”
Alcalde ”0”
Concejal “0”
Personero “0”
Formación:
Profesional: “0”
Académico: “1”
94
3.4.4 Validación del modelo. Como se muestra a continuaron:
1)SIGNIFICANCIA GLOBAL DEL MODELO
VALOR CRITICO 14,06714045
GRADOS DE
LIBERTAD 7
NIVEL DE
SIGNIFICANCIA 5%
ESTADISTICO DE PRUEBA 37,7727
LR ESTADISTICO
Contraste de razón de
verosimilitudes:
2) SIGNIFICANCI INDIVIDUAL "QUE TAN SIGNIFICATIVA ES
CADA VARIABLE"
VARIABLE VALOR P
GENERO 37,1%
MONTO 50,0%
CUOTA 31,0%
CARGO 59,2%
FORMACION 1,3%
INGRESOS 7,3%
PERSONAS_A_CARG 68,7%
3) % DE CORRECTOS
Número de casos 'correctamente predichos' 39 (81.3%)
f(beta'x) en la media de las variables independientes = 0.066
Contraste de razón de verosimilitudes: Chi-cuadrado(7) = 37.7727 [0.0000]
Figura 43. Validación del modelo
95
3.5 Propuesta del Scoring Financiero
Se desarrolló una propuesta del SCORING FINANCIERO que apoye en el otorgamiento de
crédito para la línea de servicio anteriormente seleccionada.
Tabla 23. Propuesta del scoring financiero
COEFICIENTES
2,18292
-3,55474
2,91E-06
-3,78614
2,18292 -3,55474 2,91292E-06 -3,78614 CORTE 0,5
GENERO FORMACIÓN INGRESOS Z PROBABILIDAD CLASIFICAR CORRECTOS
0 0 1.247.830$ -0,151311 0,462244 0 0
0 0 1.436.870$ 0,399347 0,598531 1 1
1 0 2.879.348$ 6,784090 0,998870 1 1
1 0 2.978.398$ 7,072615 0,999153 1 1
1 0 8.367.500$ 22,770638 1,000000 1 1
1 0 8.387.500$ 22,828897 1,000000 1 1
1 0 931.134$ 1,109099 0,751961 1 1
1 0 1.105.639$ 1,617418 0,834439 1 1
0 0 1.133.108$ -0,485487 0,380957 0 0
1 0 1.386.000$ 2,434087 0,919390 1 1
1 0 1.386.000$ 2,434087 0,919390 1 1
1 0 1.575.052$ 2,984780 0,951882 1 1
1 0 2.177.945$ 4,740960 0,991345 1 1
1 0 2.905.395$ 6,859963 0,998952 1 1
1 0 1.431.333$ 2,566139 0,928650 1 1
0 0 1.195.521$ -0,303683 0,424657 0 0
1 0 6.410.559$ 17,070226 1,000000 1 1
1 0 931.134$ 1,109099 0,751961 1 1
0 0 1.182.345$ -0,342064 0,415308 0 0
0 0 1.428.664$ 0,375444 0,592774 1 1
0 0 2.119.466$ 2,387695 0,915884 1 1
1 0 785.944$ 0,686172 0,665115 1 1
1 0 2.119.466$ 4,570615 0,989754 1 1
1 1 728.895$ -3,034747 0,045881 0 0
1 1 555.028$ -3,541208 0,028162 0 1
1 1 566.591$ -3,507526 0,029099 0 1
1 1 566.591$ -3,507526 0,029099 0 1
1 1 566.592$ -3,507523 0,029099 0 1
1 0 566.600$ 0,047240 0,511808 1 0
0 0 687.676$ -1,782995 0,143934 0 1
1 1 728.895$ -3,034747 0,045881 0 1
1 1 746.000$ -2,984922 0,048112 0 1
1 1 815.335$ -2,782954 0,058252 0 1
1 1 908.956$ -2,510244 0,075143 0 1
1 1 911.150$ -2,503853 0,075589 0 1
0 0 952.293$ -1,012187 0,266552 0 1
0 0 1.054.361$ -0,714871 0,328523 0 1
0 0 1.103.538$ -0,571622 0,360863 0 1
0 0 1.124.632$ -0,510177 0,375152 0 1
1 0 1.158.468$ 1,771305 0,854620 1 0
0 1 1.163.588$ -3,951441 0,018864 0 1
0 1 1.200.000$ -3,845376 0,020931 0 1
1 1 1.292.069$ -1,394266 0,198728 0 1
0 1 1.296.048$ -3,565596 0,027502 0 1
0 0 1.328.370$ 0,083296 0,520812 1 0
0 0 1.371.239$ 0,208170 0,551855 1 0
1 1 1.428.664$ -0,996376 0,269655 0 1
0 0 1.431.333$ 0,383219 0,594649 1 0
38
% DE CORRECTOS 79,17%
GENERO FORMACIÓN INGRESOS Z PROBABILIDAD CLASIFICAR
1 0 1.200.000,00$ 1,892284 0,869016 1
0,869016
1
NO APROBADO
COEFICIENTES
96
4. Conclusiones
Al analizar la normativa se identificaron los requerimientos solicitados por las entidades que
rigen los riesgos.
Se conocieron los modelos de administración de los riesgos financieros.
Al analizar las líneas de crédito de identificaron las líneas de crédito más significativas
financieramente del instituto, las cuales son de mayor productividad financiera y mayor número
de clientes.
Se seleccionó la línea de crédito libranza; ya que es la línea de crédito con mayor número de
clientes de la entidad, que presenta un comportamiento de pago relativamente normal, pero por
tener la característica de libranza debería presentar un comportamiento de pago normalizado. Esta
situación da lugar a un alto índice de clientes morosos.
Se aplicó el modelo LOGIST a la línea de crédito Libranza, lo que permitió identificar las
variables género, formación e ingresos, como las más significativas dentro del análisis de la base
de datos establecida por IFINORTE.
Se propuso un modelo de Scoring Financiero que puede reducir el riesgo en el otorgamiento
de crédito y ayuda a definir perfiles de créditos propensos al incumplimiento de sus obligaciones,
así como los perfiles de prestatarios de buen comportamiento.
97
Referencias Bibliográficas
Banco de Pagos Internacionales. (2004). Comité de supervisión bancaria de Basilea.
Convergencia internacional de medidas y normas de capital. Basilea, Suiza: Press &
Communicatios.
Bustamante, R. (2005). El problema del racionamiento del crédito en el sistema bancario
peruano: Como factor explicativo fundamental en el costo de crédito. Capitulo 2. La teoría:
Credit Crunch, racionamiento del crédito y las hipótesis de estabilidad. (Economista).
Universidad Mayor de San Marcos, Lima, Perú.
Compañía Aseguradora de Fianzas. (2011). Cartilla de riesgo operativo. Sistema de
administración de riesgos operacionales. Bogotá: Confianza.
Ecured. (2015). Arboles de decisiones. Recuperado de: http://www.ecured.cu/Árbol_de_decisión
Instituto Financiero para el Desarrollo de Norte de Santander. (2012). Manual institucional.
Cúcuta: Ifinorte.
Instituto Financiero para el Desarrollo de Norte de Santander. (2015). Información institucional
de la Entidad. Recuperado de: www.ifinorte.gov.co/
Medina, E. (2003). Modelos de elección discreta. Recuperado:
http://www.uam.es/personal_pdi/economicas/eva/pdf/logit.pdf
Mosquera. W. (2011). Métodos probabilísticos. Santamarta: UNAD.
Rodriguez, G. (2012). La condición financier y la medidicón de riesgo en el sector de alimentos
para animals. Universidad Javeriana. Cuadernos de Contabilidad. 4(19). 121-150
98
Superintendencia Financiera. (2015). Circular básica contable y financiera. (Circular externa 100
de 1995). Recuperado de:
https://www.superfinanciera.gov.co/jsp/loader.jsf?lServicio=Publicaciones&lTipo=publicaci
ones&lFuncion=loadContenidoPublicacion&id=15466
Superintendencia Financiera. (2015). Conceptos financieros. Recuperado de:
https://www.superfinanciera.gov.co/jsp/loader.jsf?lServicio=Publicaciones&lTipo=publicaci
ones&lFuncion=loadContenidoPublicacion&id=60956&reAncha=1