EVALUACIN DE MODELOS PARA LA MEDICIN DE RIESGO DE

INCUMPLIMIENTO EN CRDITOS PARA UNA ENTIDAD FINANCIERA DEL

EJE CAFETERO

FANERY ECHEVERRI VALDES

UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MANIZALES

FACULTAD DE CIENCIAS Y ADMINISTRACIN
MAESTRA EN ADMINISTRACIN
MANIZALES, SEPTIEMBRE DE 2006

EVALUACIN DE MODELOS PARA LA MEDICIN DE RIESGO DE

INCUMPLIMIENTO EN CRDITOS PARA UNA ENTIDAD FINANCIERA DEL
EJE CAFETERO

FANERY ECHEVERRI VALDES

Trabajo de Grado: Documento Final

Director. Profesor Ricardo Alfredo Rojas Medina

UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MANIZALES

FACULTAD DE CIENCIAS Y ADMINISTRACIN
MAESTRA EN ADMINISTRACIN
MANIZALES, SEPTIEMBRE DE 2006

Nota de Aceptacin

Firma del Presidente del Jurado

Firma del Jurado

Firma del Jurado

Manizales

de 2006

TABLA DE CONTENIDO

INTRODUCCIN

1. PROBLEMA Y ANTECEDENTES DEL PROBLEMA

2. FORMULACIN DEL PROBLEMA: PREGUNTA DE

INVESTIGACIN

11

3. OBJETIVOS

11

3.1 OBJETIVO GENERAL

11

3.2 OBJETIVOS ESPECFICOS

11

4. JUSTIFICACIN

13

5. MARCO TERICO

16

5.1 MARCO CONCEPTUAL RIESGO DE CRDITO

16

5.2 NORMATIVIDAD LEGAL RIESGO DE CRDITO

23

5.2.1

24

ACUERDO DE BASILEA II

5.2.1.1 PRIMER PILAR: MEDICIN DE RIESGOS INTERNOS

26

5.2.1.2 SEGUNDO PILAR: PROCESO DE SUPERVISIN

27

5.2.1.3 TERCER PILAR: DISCIPLINA DE MERCADO

27

5.2.2

LA SUPERINTENDENCIA BANCARIA EN MATERIA DE

RIESGO DE CRDITO

28

5.2.3. SISTEMA DE ADMINISTRACIN DEL RIESGO DE CRDITO

SARC, EN EL SISTEMA FINANCIERO COLOMBIANO

30

5.3 MODELOS PARA CALCULAR PROBABILIDAD DE

INCUMPLIMIENTO

31

5.3.1. MODELO DE REGRESION LINEAL

31

5.3.1.1 SUPUESTOS

34

5.3.1.2 ESPECIFICACIN DEL MODELO LINEAL DE PROBABILIDAD

35

5.3.1.3. ANALISIS DE LA VARIANZA (ANOVA)

37

5.3.1.4 ANLISIS SECUENCIAL

39

5.3.2 MODELO LOGIT

41

5.3.2.1 MODELO LOGIT DICOTMICO

43

5.3.2.2 FORMA DEL MODELO

43
4

5.3.3

MODELO DISCRIMINANTE

45

6. DISEO METODOLGICO PARA DESARROLLAR EL ANLISIS

CASOS PRCTICOS

50

6.1 DESCRIPCIN Y ANTECEDENTES DE LA EMPRESA

50

6.2 ESTADO DE LA ENTIDAD FINANCIERA FRENTE AL RIESGO

DE CRDITO Y SU MEDICIN

53

6.2.1. FACTORES QUE INFLUYEN SOBRE EL RIESGO

55

6.3. DISEO DE MUESTREO

63

6.3.1 POBLACIN OBJETIVO Y POBLACIN MUESTREADA

63

6.3.2 DISEO DE LA MUESTRA

63

6.3.3 TAMAO DE LA MUESTRA

63

6.3.4 MARGEN DE ERROR

65

6.3.5 NIVEL DE CONFIANZA

65

6.4 MODELO LINEAL DE PROBABILIDAD

66

6.4.1

VARIABLES DEFINIDAS

66

6.4.2

ANLISIS DE RESULTADOS

67

6.4.3

ANLISIS SECUENCIAL

69

6.5 MODELO LOGIT

71

6.5.1 CLASIFICACIN DE LOS CLIENTES POR

VARIABLES CATEGORICAS

71

6.6.MODELO DISCRIMINANTE

76

6.6.1

76

VARIABLES DEFINIDAS

7. CONCLUSIONES

82

BIBLIOGRAFA

84

ANEXO BASE DE DATOS Y

PROBABILIDAD DE INCUMPLIMIENTO

86

TABLA DE CUADROS

Cuadro 1. ANALISIS DE RESULTADOS

67

Cuadro2. ANALISIS DE VARIANZA PARA EL MODELO NUMERO 15

68

Cuadro 3. ANLISIS SECUENCIAL

69

Cuadro 4. CLASIFICACIN DE LOS CLIENTES POR VARIABLES

CATEGORICAS

71

Cuadro 5. PRUEBAS MNIBUS SOBRE LOS COEFICIENTES DEL

MODELO

72

Cuadro 6. RESUMEN DE LOS MODELOS

74

Cuadro 7. CLASIFICACIN

75

Cuadro 8. VARIABLES EN LA ECUACIN

75

Cuadro 9. PRUEBAS DE IGUALDAD DE LAS MEDIAS DE LOS GRUPOS 81

Cuadro 10. VARIABLES EN EL ANLISIS

81

Cuadro11. RESUMEN DE LAS FUNCIONES CANONICAS

DISCRIMINANTES. AUTOVALORES

81

Cuadro12. LAMBDA DE WILKS

81

Cuadro13. COEFICIENTES ESTANDARIZADOS

81

TABLA DE GRAFICOS

Grafico 1. BASE DE DATOS

77

Grafico 2. ANLISIS DISCRIMINANTE

78

Grafico 3. CLASIFICACIN

79

Grafico 4. MODELO DISCRIMINANTE

80

RESUMEN
Se analiza la necesidad de implementar modelos que sean validados con una aplicacin
prctica y se desarrollen bajo metodologas estadsticas, teniendo en cuenta que la gestin
corporativa del riesgo se ha convertido en un elemento importante dentro de las polticas
administrativas de las instituciones dedicadas al otorgamiento de crditos; se presenta la
oportunidad de generar un mtodo de medicin de riesgo de crdito, el cual se abordar
desde tres modelos que permitan estimar la probabilidad de incumplimiento, con los cuales
se puedan efectuar comparaciones de las bondades y desventajas de cada uno de ellos,
siendo estos el Modelo de Probabilidad Lineal, el Logit y el discriminante.

ABSTRACT
This project analyzes the necessity of creating models that are validated with a practical
application. They are developed under statistical methodologies, keeping in mind that the
corporate management of the risk has become an important element for the administrative
politics of the institutions dedicated to offer credits. It is presented the opportunity of
generating a credit risk measurement method. This method will be undertaken since three
models to reckon the probability of breach, with which comparisons of the kindnesses and
disadvantages of each one of them can be performed. These models are: The Lineal
probability, The Logit and the discriminant.

INTRODUCCIN

Esta investigacin se constituye en un aporte frente a la reciente necesidad que tienen las
Instituciones para la medicin del riesgo de crdito, se sustenta en referentes tericos dada
la necesidad de implementar modelos que sean validados con una aplicacin prctica y se
desarrolla bajo metodologas estadsticas, habindose trabajado con las ms usadas de
manera clara y coherente con el fin de ofrecer fcil acceso a personas sin formacin en el
campo estadstico, para lo cual se presentan conceptos clarificadores derivados de dicha
metodologa.

La adecuada gestin de riesgo de crdito es una herramienta y un instrumento til para la

toma de decisiones, al permitir disear modelos y estrategias para prever el
comportamiento de pago de los clientes y optimizar el manejo de cartera. Actualmente las
entidades financieras se han visto precisadas a mejorar la gestin hacindose evidente la
necesidad de trabajar con herramientas de carcter predictivo, que soporten un buen
anlisis y a la vez alcancen los objetivos en forma medible y cuantificable, estableciendo
mecanismos de control sobre la cartera de prstamos.

El documento valida la importancia de la adopcin de modelos de medicin de riesgo en

entidades financieras, facilitando el establecimiento de anlisis cuantitativos y
cualitativos, expone las ventajas de los modelos internos para el manejo adecuado de la
cartera, adems de otorgar elementos para el anlisis de crditos; presenta algunas
tcnicas de construccin de modelos, expone mtodos de medicin y sistemas de
calificacin, de all que los modelos trabajados son presentados de manera comparativa.

1. PROBLEMA Y ANTECEDENTES DEL PROBLEMA

La gestin corporativa del riesgo se ha convertido en un elemento importante dentro de las

polticas administrativas de las instituciones dedicadas al otorgamiento de crditos; de igual
manera en el entorno econmico Colombiano han cobrado especial importancia las figuras
crediticias, como instrumentos para la generacin de alternativas de crecimiento, teniendo
claro que el crdito por s solo no es suficiente para impulsar el desarrollo econmico.

Por diversas cuestiones existe un grupo identificable de agentes que la tecnologa

convencional en la produccin de servicios financieros rechaza, principalmente por
problemas de informacin; es en est sentido que adquiere relevancia la incertidumbre
sobre el reembolso de los prstamos, cuando esta es elevada es posible que simplemente los
prstamos no sean otorgados. Por otro lado, tradicionalmente se presume demasiado
costoso adquirir la informacin que se necesita para pronosticar mejor el comportamiento
del deudor. Siendo el inters del individuo no estar sujeto a dicha restriccin, tiene
incentivos para procurar proveer esta informacin al prestamista, estos problemas
clasificados por la teora como de informacin imperfecta, son causales de racionamiento
del crdito. Mientras exista requerimiento de garantas colaterales y el costo de la
informacin de seleccin y del monitoreo sea alto, los prestamistas convencionales
restringirn los montos a disposicin de los prestatarios o directamente podran decidir no
prestarle a determinado grupo de solicitantes.

As podemos identificar grupos de la poblacin que debido a su bajo nivel de ingresos

presentes y/o flujo futuro de ingresos inciertos, es decir, poseen escasos activos liquidables,
encuentran restringido su acceso al crdito a cualquier tasa de inters y esto implica un
lmite al nivel de bienestar alcanzable. La tecnologa de crdito convencional implica un
alto costo financiero para suplir la demanda de algunos tipos de crditos. Es as como cada
vez ms, los mercados de capitales se han vuelto accesibles a las Pequeas y Medianas
Empresas PYMES, y stas a su vez no presentan estructuras financieras que faciliten su
insercin en modelos de anlisis de riesgo, presentndose inicialmente como altamente
riesgosas por si mismas, por ello, a travs de una adecuada determinacin de perfiles,
9

pueden verse como un mercado potencial interesante que genere un buen ndice de
rentabilidad al atenderlas financieramente.

Vistas estas problemticas se entiende que la restriccin al acceso al crdito no

necesariamente reflejar falta de capacidad de pago del potencial deudor, sino un complejo
entramado de relaciones entre los prestamistas y los aspirantes a crdito; para contrarrestar
los efectos adversos de la operatoria tradicional sobre la distribucin del ingreso, se vuelve
necesario explorar y desarrollar nuevas tecnologas de crdito que superen estas barreras.

Se ha logrado encontrar la manera de solucionar el problema tcnico de producir servicios

financieros para clientelas marginadas a un costo razonable y una tasa de ganancia positiva,
es decir, una funcin de produccin (tecnologa) que ha posibilitado este resultado,
abriendo nuevas posibilidades para relajar las restricciones de liquidez.

Dada la necesidad de establecer mecanismos para medir la probabilidad de no pago, se

deben determinar las variables significativas que expliquen el fenmeno y contribuyan a
generar un modelo de medicin de riesgo de crdito, a travs de mtodos estadsticos
terico-prcticos, que puedan ser implementados para el otorgamiento de crditos en una
Entidad Financiera del eje cafetero, hacindose ampliamente pertinente dado que la
institucin esta interesada en generar modelos con los cuales logre medir la posibilidad de
no pago, en las diferentes lneas de crditos establecidas.

Bajo las situaciones anteriores, se presenta la oportunidad de generar un mtodo de

medicin de riesgo de crdito, el cual se abordar desde tres modelos que permitan estimar
la probabilidad de incumplimiento, con los cuales se puedan efectuar comparaciones de las
bondades y desventajas que cada uno de ellos presenta. Para este efecto, la Entidad
suministrar la informacin acerca del perfil de los clientes actuales en cada lnea de crdito
que permita asumir variables de tipo tanto cualitativo como cuantitativo y as desarrollar los
modelos; bajo un laborioso proceso metodolgico para el diseo y seleccin de una
muestra, la cual generar los valores para las variables exgenas y endgenas con las cuales
se correr cada uno de los modelos.
10

2. FORMULACION DEL PROBLEMA: PREGUNTA DE INVESTIGACIN

Se pueden implementar modelos financieros a partir de fundamentos estadsticos, que

faciliten la toma de decisiones para el otorgamiento de crditos, con una disminucin de la
probabilidad de incumplimiento, al encontrar las variables mas significativas que
determinen el no pago, y generar mecanismos de control sobre la incidencia que ellas
tienen en el aspecto financiero para la empresa?

3.OBJETIVOS

3.1 OBJETIVO GENERAL

Realizar un estudio a nivel terico sobre algunas metodologas establecidas para medir el
riesgo de crdito, y con la informacin crediticia suministrada por la Entidad Financiera,
hacer la aplicacin de estas metodologas, efectuando un anlisis comparativo de cada una
de ellas, considerando sus ventajas y desventajas.

3.2 OBJETIVOS ESPECFICOS

Analizar los aspectos tericos para medir la probabilidad de riesgo de no pago con
el empleo del modelo de Probabilidad Lineal, del Discriminante y de la metodologa
Logit.

Determinar un diseo de muestreo con el cual se logren efectuar inferencias hacia la

poblacin, para medir la probabilidad de no pago en los crditos otorgados por la
Entidad Financiera.

Desarrollar la aplicacin de cada uno de los modelos tericos planteados, con los
anlisis de los resultados y la incidencia que ellos tienen dentro de las polticas
crediticias que tiene actualmente la Entidad Financiera.

11

Efectuar anlisis comparativos de los resultados obtenidos con la aplicacin de los

distintos modelos, haciendo nfasis en las ventajas y desventajas que cada uno de
ellos presenta y los requisitos necesarios a nivel terico para su implementacin.

12

4. JUSTIFICACIN

Las crisis econmicas y financieras que se han presentado en varios lugares del mundo,
como en Asia, Rusia, Brasil, Mxico y Argentina, han motivado al sistema financiero
internacional ha establecer normas y tcnicas para la identificacin, medicin, control y
gestin de los riesgos financieros aplicables a todos los pases. Las crisis financieras son el
deterioro significativo de los indicadores de estabilidad y solidez de las instituciones, que
pueden dar lugar a quiebras, pnicos e intervenciones.

A partir de la dcada de los noventas se dice que ste es un mundo ms riesgoso, ya que
con el proceso de globalizacin que se vive hoy en da, los impactos producidos por un pas
se expanden al resto del mundo por la interrelacin de las economas, las cuales se han
expandido a nivel global con el fin de alcanzar escalas optimas de participacin en varios
mercados, estandarizando productos o concentrando escalas de valor, pero al aumentar la
escala se corren riesgos y es as como se han presentado claros ejemplos de los efectos de la
globalizacin tales como:

1995: Devaluacin del peso mexicano (efecto tequila).

1997: Crisis asitica (efecto dragn).
1998: Crisis rusa, donde se desploma el rublo y su moratoria sobre su deuda pblica dando
como resultado una gran incertidumbre a los mercados internacionales.
1999: Efecto Samba, se devala el real (Brasil).
2000: Cada del ndice Nasdaq.
2001: Desaceleracin econmica de EE.UU. y aumento generalizado de los energticos.
2002: Derrumbe de la economa Argentina (efecto tango).

13

Con todo lo anterior, se puede apreciar que los mercados financieros se han venido
enfrentando a una creciente incertidumbre de precios. El mundo se ha tornado desde el
punto de vista financiero, un lugar ms riesgoso (Pascale, 1999)1.

En Colombia la adecuada gestin de riesgo de crdito se convierte en una herramienta til

para la toma de decisiones y en un instrumento que permite disear modelos y estrategias
para prever el comportamiento de pago de los clientes y optimizar el manejo de cartera.

Es entonces como las entidades financieras se han visto presionadas a aumentar los niveles
de exigencia en su gestin y su capacidad de discriminacin de clientes y para ello, se hace
evidente la necesidad de trabajar con herramientas de carcter predictivo, transparentes en
las pautas de anlisis y capaces de ofrecer un resultado objetivo y cuantificable. Se ha dado
la necesidad de establecer mecanismos de control sobre una de las principales partidas del
activo e indiscutiblemente, para realizar una gestin efectiva de la cartera de prstamos.

Adicionalmente, la superintendencia bancaria, expidi un conjunto de normas mediante las

cuales modific los criterios de evaluacin del riesgo de crdito para las entidades
vigiladas, convergiendo hacia nuevos estndares que permitan un mayor nivel de desarrollo
del mercado financiero, bajo una administracin integral del riesgo y en este contexto se da
la implementacin del Sistema de Administracin del Riesgo Crediticio SARC, que implica
la generacin de bases de informacin de usuarios del sistema de banca formal, para poder
cuantificar el riesgo esperado de las operaciones crediticias, que permitan obtener niveles
de rentabilidad mas certeros y el adecuado clculo de la prdida esperada, como
componente inevitable de dicha actividad, facilitando realizar las provisiones del caso.

Otros factores que determinan la necesidad de desarrollar tcnicas para ser aplicadas en el
clculo y la medicin de riesgo, son generadas por:

Volumen y diversidad de la cartera de clientes.

Citado por ZORRILLA SALGADOR, Juan Pablo. La administracin de riesgos financieros, http://www.gestipolis.com

14

Tipologas de clientes que determinan segmentos en la cartera.

Porcentaje de clientes buenos / malos pagadores.

Incremento de la financiacin mediante fondos externos.

Desfases entre los flujos de caja previstos a consecuencia de la no

materializacin de los fondos previstos en el desarrollo de la actividad.

Estrangulamiento de la liquidez de la compaa.

Significatividad del costo por impagados, incluyendo los costos administrativos

generados por el tiempo incurrido en la gestin del incumplido y de su posible
recuperacin.

Incremento de la dotacin de provisiones por impagados.

El presente trabajo se presenta como un aporte a la teora y mas an a la prctica financiera,

dado que en las instituciones financieras Colombianas el tema de sistematizacin del riesgo
es de reciente consideracin, se da entonces la necesidad de convertir la gestin del riesgo
en una poltica procedimental permanente y constante en pro de reducir el riesgo; en
procura de maximizar el objetivo bsico financiero, lo que hace necesario que incursione en
el desarrollo de procesos, metodologas y sistemas que sean herramientas para identificar,
agregar, evaluar, medir y administrar el riesgo de crdito, que permitan optimizar el
desempeo de la estructura de capital y la toma de decisiones relativas a la actividad
financiera.

15

5. MARCO TERICO

5.1 MARCO CONCEPTUAL RIESGO DE CREDITO

El riesgo de crdito surge cuando las contrapartes estn indispuestas o solamente incapaces
de cumplir sus obligaciones contractuales. El riesgo de crdito abarca tanto el riesgo de
incumplimiento, que es la valuacin objetiva de la probabilidad de que una contraparte
incumpla como el riesgo de mercado que mide la prdida financiera que ser
experimentada si el cliente incumple.2 Se determina entonces que existen dos tipos de
riesgo de crdito:

El riesgo de incumplimiento:

Se refiere a la prdida potencial derivada de que la contraparte no pueda cumplir

con sus obligaciones financieras en las condiciones definidas contractualmente.3

El riesgo de mercado:

Se define como la prdida potencial que podra sufrir un tenedor de un

portafolio de prstamos, instrumentos financieros y derivados, como
consecuencia que el valor del mercado de estos disminuya.

Se refiere a la medicin de la prdida financiera que ser experimentada si el

cliente incumple. Philippe jorion (1999).

Las anteriores definiciones pueden resumirse en el hecho de ocasionarse potencialmente

una prdida, dado el incumplimiento de un deudor o contraparte sobre las obligaciones
adquiridas de acuerdo a los trminos establecidos previamente. Segn la clasificacin, el
riesgo de incumplimiento se divide en:

2
3

JORION, Philippe. Valor en riesgo. Edita Limusa, Mxico. 1999, pag 47

COMIT DE SUPERVISIN BANCARIA DE BASILEA.1999,

16

Riesgo Individual, donde se deben considerar factores tales como la

probabilidad de incumplimiento, la tasa de recuperacin y la migracin del
crdito.

Riesgo de Portafolio, que refiere a la naturaleza y composicin de las carteras,

identificando la concentracin de alguna de ellas.

En todo caso se hace fundamental analizar la correlacin que pueda existir desde diferentes
ngulos en variables tales como: Las fuentes de riesgo, la probabilidad de incumplimiento,
la calidad del crdito, la concentracin del riesgo (entendido como el porcentaje de
participacin en el portafolio) y el riesgo de incumplimiento (incertidumbre en el pago).

En riesgo de crdito es importante estimar un ndice de experiencia de pago que resuma la

informacin del comportamiento de pago en un perodo especifico y se toma como
variable del modelo para estimar la probabilidad de incumplimiento. Cuando el anlisis de
riesgo de crdito de una cartera se lleva a cabo con datos de corte transversal, se puede
incorporar informacin de experiencia de pago; si se cuenta con informacin histrica, se
puede resumir en la estimacin de un ndice que refleje las caractersticas del acreditado,
en una sola pieza de informacin.

La experiencia de pago puede considerarse como una variable categrica con dos o ms
categoras, las cuales presentan los posibles estados o transiciones que puede presentar un
crdito en cierto momento del tiempo.

Si la experiencia de pago est asociada a tres o

ms categoras, deben ser claramente definidas y ser mutuamente excluyentes y

colectivamente exhaustivas.
La definicin del riesgo de crdito habla de los efectos que producira el deterioro de la
calidad de crdito del acreditado, donde a la vez deben considerarse varios riesgos como
la cantidad (saldo del crdito) y la calidad (garantas).

ELIZONDO, Alan. Medicin Integral del Riesgo de Crdito, Limusa Noriega editores. Mxico 2003, pag 66

17

Se entiende por calidad, la capacidad de repago que tiene el cliente, y que hemos
cuantificado a travs de la probabilidad de incumplimiento. El otro parmetro clave es la
cantidad del riesgo, el cual mide la exposicin y que se mide como el valor actual de los
flujos que se devengarn durante el periodo de la financiacin.
Segn los nuevos enfoques del riesgo de crdito expuestos por Galicia, dicho concepto se
puede analizar en tres dimensiones, que conllevan a las prdidas por incumplimiento y
ellas son:

Riesgo de incumplimiento

Riesgo de exposicin

Riesgo de recuperacin

Se denomina incumplimiento cuando un pago programado no se ha realizado en un

perodo determinado, el incumplimiento suele estar motivado por un retroceso en la
solvencia de los agentes prestatarios relacionados con problemas de liquidez, prdidas
continuadas e incluso quiebras o por disminucin de los ingresos, aumento de las tasas de
inters y tambin puede producirse por ausencia de voluntad de pago.
La probabilidad de incumplimiento depende de mltiples factores relacionados
directamente con el crdito en si mismo y con el perfil del solicitante, al igual que con
variables exgenas. El objetivo del anlisis de Riesgo de Incumplimiento consiste en
maximizar la relacin Riesgo Rentabilidad.
El riesgo de exposicin se genera por la incertidumbre respecto a los montos futuros en
riesgo, cuando no se conoce al plazo de liquidacin y se dificulta la estimacin de los
montos en riesgo.
En relacin al riesgo de recuperacin, en el momento de un incumplimiento la
recuperacin no se puede predecir, ya que depende del tipo de incumplimiento y de las
garantas presentadas, las cuales aunque minimizan el riesgo, tambin generan

18

incertidumbre, adems deben considerarse los aspectos legales que conlleva un proceso
de recuperacin y la posibilidad de que dicha diligencia legal no resulte efectiva.

Es as como las instituciones financieras deben contar con una buena organizacin
administrativa y contable, soportada en procedimientos de control interno adecuados que
garanticen la gestin sana y prudente de la entidad.

Recientemente viene observndose una nueva orientacin en la normativa prudencial de las

entidades de crdito, en virtud de la cual el uso de modelos internos de gestin de riesgos
bien fundamentados y verificados, tendr efectos tanto para la valoracin contable de los
activos o compromisos sujetos a riesgo de crdito (clculo de las provisiones) como para la
determinacin de los recursos propios necesarios para cubrir determinados riesgos de la
actividad bancaria (crdito, mercado y operacional). Esta tendencia se concreta en
iniciativas, tales como el Acuerdo de Capital (Basilea II) el cual prev, en el desarrollo del
denominado Pilar 1, que las entidades puedan llegar a utilizar sus propios procedimientos
internos a travs de mtodos de clculo avanzados que permitan medir las necesidades de
recursos propios, no solo para el riesgo de mercado, como est previsto actualmente, sino
tambin para el riesgo de crdito.

Es as como algunas instituciones tienen implantados modelos internos de riesgo de crdito

integrados en su gestin y basados en sistemas de calificacin (rating) o puntuacin
(scoring). Son frecuentes los sistemas de este ltimo tipo, que tradicionalmente se han
venido utilizando para autorizar o denegar operaciones; en entidades de mayor tamao los
modelos internos de riesgo de crdito se implementan con el objeto de que sus resultados
puedan llegar a ser utilizados en el futuro para el clculo de sus recursos propios necesarios,
se prev tambin que las entidades estimen sus provisiones mediante mtodos de clculo
basados en su propia experiencia de impagos y en las expectativas de prdidas por
categoras homogneas de riesgos. Estos mtodos de clculo deben formar parte de un
sistema adecuado de medicin y gestin del riesgo de crdito, usando una base de datos
histrica que abarque un ciclo econmico completo.

19

Entre las ventajas de la adopcin de herramientas estadsticas para la medicin del riesgo de
crdito se encuentra que se incentiva la adopcin de las mejores tcnicas de gestin,
promovindose que las entidades desarrollen cuanto antes modelos internos que puedan ser
utilizados a distintos efectos: gestin del riesgo de crdito, fijacin del precio de las
operaciones, clculo de las provisiones, clculo del capital econmico, implantacin de
enfoques de rentabilidad ajustada al riesgo (Return On Risk Adjusted capital, RORAC) y,
en un futuro, clculo de requerimientos de recursos propios mnimos por riesgo de crdito.

Entre los requisitos, tanto cuantitativos como cualitativos, que deben tenerse en cuenta en el
diseo e implantacin de los modelos internos se resalta:

La responsabilidad de la eleccin del modelo es de la entidad.

La alta direccin debe tener una participacin activa en la revisin y

aprobacin de las estrategias y polticas del riesgo de crdito.

Debe existir una adecuada estructura de control del riesgo de crdito basada
en una correcta segregacin de funciones.

El sistema debe estar integrado dentro de la estructura general de control del

riesgo de crdito y ser utilizado, al menos, para la seleccin de operaciones.

Los procedimientos de concesin de crditos y el sistema de medicin deben

estar adecuadamente documentados en manuales.

La entidad debe contar con sistemas informticos y de informacin de

gestin adecuados para identificar, medir, controlar y seguir el riesgo de
crdito.

La entidad ha de contar con un informe previo de la auditoria interna sobre

el modelo, manifestando una opinin positiva sobre la coherencia e
integridad de las bases de datos de las que se haya obtenido la informacin
para disearlo.

20

Los sistemas de puntuacin (scoring) o calificaciones (rating) que utilizan las entidades no
estn debidamente integrados en su gestin del riesgo y, en algunos casos, son empleados
solamente para facilitar informacin a los analistas de riesgos.

En todo caso deben tenerse muy claras las polticas de crdito, bajo una descripcin
detallada de los lineamientos a seguir en la toma de decisiones para el logro de los
objetivos, este debe contener como mnimo:

Condiciones del crdito (o de las lneas de crdito): actividades a financiar,

montos mnimos y / o mximos, plazo, forma de pago, tasas de inters corriente
y de mora.

Mercado objetivo: perfil del cliente.

Parmetros (polticas) para determinar el precio del crdito (tasa de inters) y

periodicidad de su revisin.

Poltica comercial y estrategia de negocio

Poltica de lmites de exposicin crediticia y de prdida tolerada

Poltica de otorgamiento

Polticas de garantas

Poltica de provisiones

Polticas de seguimiento

Poltica de recuperaciones

Polticas sobre reestructuraciones y su tratamiento en el SARC

Poltica de revelacin de informacin sobre los niveles de riesgo del portafolio

de crditos a nivel externo e interno

Polticas de revisin y ajuste

Polticas de incentivos y tica

Adems debe tenerse presente el manual de procedimientos o Reglamento, el cual

corresponde a la expresin analtica de los procedimientos administrativos a travs de los

21

cuales se canaliza la actividad operativa del organismo. Es una gua (como hacer las cosas)
de trabajo para el recurso humano de la entidad y se utiliza para orientar al personal de
nuevo ingreso. Su implementacin sirve para aumentar la certeza de utilizacin de los
sistemas y procedimientos administrativos prescritos. Debe Contener:

Disposiciones Generales.

Modalidades y Lneas de Crdito.

Requisitos generales para el acceso al crdito (caractersticas especiales del

sujeto de crdito).

Garantas.

Morosidad.

Simultaneidad de prstamos vigentes.

Niveles de aprobacin, comit de crdito.

Niveles de supervisin, administracin de cartera, castigos.

Niveles de endeudamiento permitido por grupos de afinidad.

Documentos requeridos para estudiar la solicitud de crdito.

Procedimiento para la aprobacin. Modalidades y Lneas de Crdito.

Para concluir han de considerarse unos aspectos clave en un proceso de otorgamiento de

crdito a fin de mitigar el riesgo, tales como.

Capacidad de pago, analizada a travs de:

Ingresos y Egresos del deudor
Flujo de caja.
Centrales de riesgo.

Solvencia del deudor

Nivel de endeudamiento y respaldo patrimonial de sus obligaciones, sin embargo

alto patrimonio no implica buena capacidad de pago.

22

Moralidad comercial

Se puede definir como la intencin de la persona a pagar el crdito, cuando se

cuenta con buenos historiales de crdito en las centrales de riesgo y en la misma
Entidad Financiera se tiene un mtodo de evaluacin mucho ms objetivo que las
referencias personales o comerciales.

Se debe estudiar el historial crediticio de manera detallada, con el propsito de

identificar las razones de incumplimientos, y lo ms importante, s ya cumpli con
sus obligaciones, la manera como realiz el pago

Las garantas Admisibles:

Hipotecarias

Valor de mercado (avalo)

Prendaras

Celeridad y costos de realizacin

Aportes sociales

Cuando el monto del crdito > 100%

Otras Garantas:
Firma personal, firma de codeudor, aportes sociales, etc.

La modelizacin del riesgo de crdito no solo ha de incluir el planteamiento como el suceso

desfavorable por el incumplimiento en el pago, si no que debe considerar sucesos
relevantes como los cambios en la calidad crediticia de los diferentes acreditados an sin
producirse el incumplimiento.

5.2 NORMATIVIDAD LEGAL RIESGO DE CRDITO

Las entidades han desarrollado modelos internos, y seguirn hacindolo en el futuro, para
cubrir sus propias necesidades de gestin, con independencia de cules sean en cada
momento las exigencias normativas al respecto. Hasta ahora, estas exigencias se han
referido principalmente a aspectos cualitativos y han sido de tipo general, aunque han dado
suficiente apoyo a la funcin supervisora. En Colombia estamos en un proceso de
culturizacin motivado inicialmente por el cumplimiento a la normatividad que se exige a

23

travs de la Superintendencia Financiera, adicionalmente, la adecuada gestin de riesgo de

crdito se convierte en una herramienta til para la toma de decisiones y en un instrumento
que permite disear modelos y estrategias para prever el comportamiento de pago de los
clientes y optimizar el manejo de cartera.

Con el afn de implementar un sistema moderno de supervisin integral y preventivo, que

responda a las exigencias que impone el actual dinamismo de los negocios financieros, y
para garantizar la transparencia en el desarrollo y funcionamiento del sector bancario, se
han adoptado diversos acuerdos, tales como los que a continuacin se enuncian.

5.2.1

ACUERDO DE BASILEA II

Entrada la dcada de los ochenta, llamada la dcada perdida de Amrica Latina, muchos
bancos

norteamericanos

posean

excedentes

en

dlares,

llamados

comnmente

petrodlares, para ser colocados fuera de su pas, haciendo y dispersando prstamos con
intereses blandos en cientos de empresas y entidades financieras de casi toda Amrica
Latina. Simultneamente a esto, la banca europea efectuaba en forma conservadora
prstamos para proyectos en la regin. A mediados de los aos ochenta, se aglomeraron los
ms importantes bancos de Europa Occidental para crear desde la ciudad de Basilea, Suiza,
las primeras normas tendientes a fortalecer las instituciones financieras. Que ya tenan un
primer apoyo desde el ao 1974, cuando los gobernadores del G-10 (de los diez grandes
bancos centrales europeos) crearon el Comit de Supervisin Bancaria de Basilea con el fin
de mejorar la colaboracin entre las autoridades de supervisin bancaria.
El comit de Basilea se constituyo como un foro de debate para la resolucin de problemas
especficos de supervisin y garantizar un mejor control de las actividades bancarias, que
con el paso del tiempo terminaron siendo normas de supervisin en todo el mundo, que dio
las pautas para desarrollar el 1 acuerdo de Basilea en el ao 1.988, acuerdo en el cual se
estableca que los bancos deben mantener un volumen de capital que, por lo mnimo, sea
del 8% del valor total de sus activos, ponderado por su nivel de riesgo.

24

En 1994 revent una crisis financiera que hizo que muchos de los bancos norteamericanos,
pequeos y medianos, que prestaron dinero por toda Amrica Latina, se fueron al traste,
siendo absorbidos por bancos ms grandes y tenindose que negociar las liquidaciones de
los prstamos con emisiones de bonos denominados Brady, por el antiguo Secretario del
Tesoro de los Estados Unidos llamado James Brady, quien les dio respaldo para poder
recuperar, a mediano y largo plazo, las colocaciones efectuadas. De ah, el famoso y sonado
efecto tequila de la quiebra de bancos en Mxico y Venezuela, pas en el cual quebraron
ms de 16 bancos, con una perdida superior a US$ 8.000.000.000 en bonos de la Repblica.
Despus de la crisis de 1994, ya los bancos fueron capitalizndose aceleradamente para
soportar en 1997 la crisis financiera asitica al igual que la crisis rusa, brasilera y de
Turqua.
El acuerdo de Basilea ha jugado un papel importante en el fortalecimiento de los sistemas
bancarios. La repercusin de ese acuerdo, en cuanto al grado de homogenizacin alcanzado
en la regulacin de los requerimientos de solvencia ha sido extraordinaria. Basilea I ha sido
diseado para bancos con actividad internacional y para los entonces 11 pases
representados en el Comit de Basilea, ms de 130 pases lo han adoptado. Adems, cuenta
con el reconocimiento del Fondo Monetario Internacional y del Banco Mundial como
buena prctica internacional. Y en los mercados emergentes, como los de Amrica Latina y
Asia, que a menudo se enfrentan a situaciones de mayor volatilidad, las normas slidas
sobre adecuacin de capital son probablemente an ms importantes.
Este acuerdo est dirigido a mejorar la seguridad en el sistema financiero, haciendo mayor
nfasis en los controles internos, generando modelos y procesos de administracin de
riesgos, adicionales a los procesos de revisin regulatoria y disciplina del mercado. La
consolidacin de actividades financieras en conglomerados liderados por una sociedad
controladora, ha vuelto imperioso el establecimiento de medidas que ayuden a fortalecer los
procesos de supervisin bancaria. El Acuerdo de Basilea sirve como base para las
instituciones financieras, incluyendo las empresas de ahorro y crdito, y su objetivo es
determinar requerimientos de capital y asegurar un nuevo nivel adecuado de capital en los
sistemas bancarios.
25

Con el afn de asegurar un nivel adecuado de capital en los sistemas bancarios, El Comit
de Supervisin Bancaria de Basilea innov el contenido del Acuerdo de Capital, conocido
como Basilea II, El nuevo marco regulatorio se basa en tres pilares complementarios entre
s: requerimientos mnimos de capital para cubrir riesgos de crdito, de mercado y
operacionales; la revisin por parte del supervisor de los procesos internos, por lo que cada
entidad determina la adecuacin de su capital a los riesgos asumidos y la transparencia en
la informacin facilitada al mercado para que ste puede ejercer correctamente una funcin
disciplinaria.

Con la introduccin de dos pilares adicionales el objetivo es volver ms balanceado el

proceso de estimacin de capital. El documento establece la cobertura que los bancos
deben otorgar a los riesgos derivados de su cartera de negociacin y al tratamiento del
riesgo de fallido simultneo por parte del prestatario y de su garante. Adems, el Nuevo
Acuerdo de Basilea tambin ha dispuesto en sus innovaciones que los bancos que posean
capacidades avanzadas para el manejo de riesgo, podrn utilizar sus sistemas internos de
evaluacin de riesgo crediticio y como tercer pilar, se permite a los bancos usar
calificaciones emitidas por reconocidas calificadoras de riesgo para clasificar a sus propios
deudores.5

En ese marco, el Comit de Basilea para la Supervisin Bancaria ha decidido reforzar su

acuerdo inicial de requerimiento de capital mnimo, con la introduccin de dos nuevos
pilares, para volverlo ms sensible al riesgo crediticio. Los requerimientos de cada uno de
los pilares mencionados estn sustentados en los aspectos siguientes:
5.2.1.1 PRIMER PILAR: MEDICIN DE RIESGOS INTERNOS
El primer pilar del Acuerdo se ha centrado en mejorar los enfoques de medicin de riesgo,
dichos enfoques apuntan hacia la medicin del riesgo crediticio, de mercado y el operativo.

DIARIO DE HOY. El Salvador del 26 al 28 de Agosto de 2002

26

En cuanto respecta al enfoque para medir el riesgo crediticio, este se encuentra basado en
las calificaciones internas que estn sujetas a estndares metodolgicos y de divulgacin
establecidos por el Comit de Basilea.
Con este enfoque, el supervisor permitir que los bancos usen sus calificaciones internas de
los deudores para estimar el riesgo crediticio en sus portafolios. se plantean categoras para
la ponderacin del riesgo crediticio. Adicionalmente, el banco estimar la calidad crediticia
de cada deudor, y con ello estimar una cantidad potencial de prdida la cual formar la
base de los requerimientos de capital.
5.2.1.2 SEGUNDO PILAR: PROCESO DE SUPERVISIN
El pilar de procesos de supervisin remarca la importancia de que la Administracin del
banco desarrolle un proceso para estimar el capital interno de la institucin, y establezca
metas de capital coherentes con el perfil de riesgo y el ambiente de control del banco. Con
el espritu del segundo pilar, el supervisor debe asegurarse de que cada banco tenga
procesos slidos para estimar la suficiencia de capital, basado en una evaluacin global de
sus riesgos.
El pilar del proceso de supervisin puede ser usado para ajustar los requerimientos de
capital y activos, y para definir qu enfoque debe o puede tomar un banco para estimar el
capital interno compatible con el riesgo que presente la institucin. El establecimiento del
elemento de la supervisin obedece a la preocupacin referente a nivelar las reglas del
juego entre los distintos supervisores, debido al empleo de diferentes estndares de
medicin del riesgo.
5.2.1.3 TERCER PILAR: DISCIPLINA DE MERCADO
La disciplina de mercado enfatiza la divulgacin para asegurar que los participantes del
mercado puedan entender los perfiles de riesgo de los bancos y la suficiencia del capital.
La divulgacin se complementa con informacin cualitativa y cuantitativa referente al uso
de modelos de riesgo crediticio, sobre tasas de incumplimiento acumuladas de acuerdo con

27

calificaciones previamente establecidas, y datos de comparacin entre el requerimiento

mnimo de capital, el capital econmico y el capital real.
A travs de estos pilares enunciados el acuerdo de Basilea pone mas nfasis en
metodologas de medicin de riesgo internas de los bancos, supervisin y disciplina de
mercado, creando un men de enfoques e incentivos para el adecuado manejo de riesgos y,
en fin, volver el Acuerdo ms sensible al riesgo y asegurar un nivel adecuado de capital
bancario.
Las implicaciones de mercado que traer la implementacin del Nuevo Acuerdo de Capital
comenzarn por una mayor transparencia en la informacin sobre el riesgo crediticio, se
incrementar la documentacin para los deudores, y tambin se incrementar la
diversificacin del balance a travs de actividades de seguro, de igual manera implicar la
evolucin de estndares de riesgo operativo, la expansin de estndares para riesgo
crediticio a instituciones no bancarias que tengan exposiciones crediticias, y una posible
fusin a largo plazo de estndares regulatorios funcionales.
Todo el proceso de creacin del Nuevo Acuerdo de Capital, deja como conclusin principal
que est ocurriendo un cambio de paradigmas y que algunos costos de corto plazo son
garantizados debido al riesgo de medicin y los beneficios de la administracin. Habr
tambin implicaciones regulatorias, destacando en primer lugar la definicin de nuevas
reglas para provisionar, reglas para el manejo de la liquidez, posibles cambios en los
estndares de contabilidad y nuevos estndares para la banca electrnica y de finanzas.

5.2.2 LA SUPERINTENDENCIA BANCARIA EN MATERIA DE RIESGO DE

CRDITO (Estatuto Orgnico del Sistema Financiero circular externa 088/2000)

En el capitulo XX, denominado Parmetros mnimos de administracin de riesgos que

debern cumplir las entidades vigiladas para la realizacin de sus operaciones de tesorera,
se contemplan algunas disposiciones relacionadas con la presente investigacin as:

28

Las polticas de medicin y control de riesgos deben cubrir todos los riesgos inherentes al
negocio de tesorera. Esto es, deben existir estrategias, polticas y mecanismos de medicin
y control para los riesgos de crdito y/o contraparte, mercado, liquidez, operacionales y
legales.
La gestin del riesgo de crdito y/o contraparte de las actividades de tesorera debe
integrarse con la gestin de riesgo crediticio global de la entidad y ser coherente con sta.

La Junta Directiva y la Alta Gerencia de la entidad, independientemente de sus otras

responsabilidades, deben garantizar la adecuada fijacin de lmites para la toma de riesgos.
Esto implica que los cupos y lmites fijados para las actividades de tesorera deben ser
consistentes y complementarios con los cupos y lmites establecidos para del portafolio de
crditos y dems productos semejantes o complementarios.

La Alta Gerencia de la entidad debe establecer lmites tanto a prdidas mximas como a
niveles mximos de exposicin a los diferentes riesgos.

Estos lmites deben ser

consistentes con la posicin de patrimonio tcnico de la entidad y especficamente con el

capital asignado al rea de tesorera.

Las entidades vigiladas deben tener un sistema manual o automtico para la medicin,
monitoreo, control y gestin de riesgos, debern mantener en todo momento y a disposicin
de esta Superintendencia la siguiente documentacin:

Las actas de los comits de riesgos

Las metodologas de medicin de riesgos

Los reportes elaborados por el rea de control de riesgos sobre el cumplimiento de

lmites y los niveles de exposicin a los diferentes riesgos.

29

5.2.3. SISTEMA DE ADMINISTRACIN DEL RIESGO DE CRDITO SARC, EN

EL SISTEMA FINANCIERO COLOMBIANO

A partir del primer semestre del ao 2002, la Superintendencia Bancaria presenta una
reglamentacin donde exige a las entidades financieras la puesta en marcha de un sistema
de administracin de riesgos, definiendo polticas claras y precisas sobre dichos procesos
para la evaluacin, calificacin, cubrimiento y control de las gestiones correspondientes.

El reto planteado es el desarrollo del mercado financiero y generalizar prcticas de

administracin de riesgo, incorporando un enfoque prospectivo y la constitucin de las
correspondientes provisiones, la utilizacin de recursos conceptuales, estadstica y
tecnolgica para la produccin de bases de informacin. Las entidades vigiladas deben
vincular estructuras directivas y ejecutivas apropiadas para la administracin del riesgo de
crdito, asignar recursos humanos, tcnicos y fsicos para el adecuado desarrollo del SARC
adems de asignar las correspondientes responsabilidades y atribuciones.

Las entidades vigiladas deben conformar estructuras consistentes con la normativa y con
los objetivos estratgicos y con el marco normativo. Una de las caractersticas del SARC es
el uso de informacin histrica sistematizada y su anlisis mediante tcnicas estadsticas
para determinar el comportamiento de las operaciones crediticias actuales y potenciales.

Uno de los procesos de evaluacin es la definicin de incumplimiento, siendo la definicin

de un nivel crtico sobre el cual no resulta rentable asumir mayor riesgo crediticio, dadas las
caractersticas particulares de la Institucin.

El anlisis crediticio debe hacerse bajo un proceso ordenado, sistemtico y gil de la

informacin que debe cumplir con caractersticas de calidad, disponibilidad y relevancia,
deben disearse e implementarse procesos y procedimientos especficos tendientes a
garantizar el cumplimiento de las caractersticas requeridas de las bases de datos.

30

Se hace un anlisis sobre los procedimientos para la evaluacin del proceso de

otorgamiento (anlisis, aprobacin, estructuracin y desembolso), el cual es determinante
de la calidad de los activos crediticios haciendo nfasis en que el proceso de otorgamiento
no se agota en el calculo de probabilidad de incumplimiento y la comparacin con el nivel
critico de incumplimiento aceptable por la entidad, es entonces necesario solicitar
informacin suficiente para determinar la capacidad de pago y un anlisis cuidadoso de las
garantas que respaldan el crdito, teniendo presente que ninguna garanta es suficiente
frente a la evaluacin o para compensar las limitaciones de evaluacin y tener claramente
definidas las polticas de cupos de endeudamiento y limites de riesgo.

Adicionalmente el SARC requiere procesos de seguimiento y evaluacin para determinar

eventuales cambios en la prdida esperada y la gestin del riesgo debe permitir la
recuperacin de cartera a travs de estrategias para asignacin y cobro de cartera morosa y
el establecimiento de procesos y procedimientos de cobranza en cada uno de los segmentos
de cartera, generando a la vez indicadores de gestin en los procesos de recuperacin.

Las entidades deben incorporar los modelos para la estimacin del riesgo de crdito, lo cual
ayudar a la toma de decisiones para constituir provisiones oportunas y suficientes. Se
tienen que superar los criterios Ad hoc empleados histricamente y sustituirlos por tcnicas
estadsticas, donde se evaluaran la consistencia, calidad, eficiencia y estabilidad de los
modelos a travs de los procesos de seleccin y transformacin de variables, pruebas de
bondad de ajuste y capacidad discriminante.

5.3 MODELOS PARA CALCULAR PROBABILIDAD DE INCUMPLIMIENTO

5.3.1. MODELO DE REGRESION LINEAL

El sentar bases para el planteamiento de modelos internos que las entidades financieras
estn llamadas a desarrollar, debe ser impulsado por la investigacin y el desarrollo,
identificando elementos probabilsticos de Riesgo de crdito y adaptando modelos ya
aceptados; la importancia del riesgo de crdito esta enmarcada en trminos de las perdidas
31

potenciales que pueda implicar un inadecuado manejo. Con el objetivo de cubrir las
necesidades de medidas cuantitativas y objetivas que permitan acometer una gestin
precisa, las herramientas y tcnicas aplicadas en el crdito, han buscado apoyo en
metodologas matemticas y estadsticas, las cuales han permitido la elaboracin de los
llamados modelos de calificacin crediticia.

El resultado que se exige a estos modelos, es la evaluacin de la cartera de clientes actuales

y de clientes potenciales en trminos de capacidad de pago mediante la asignacin de una
calificacin crediticia.

La aportacin de los modelos matemticos y estadsticos para

responder a estas cuestiones, ha sido su capacidad para obtener los patrones que asocian
clasificacin crediticia y fundamentos econmicos.

El desarrollo del modelo exige un laborioso proceso de determinacin y tratamiento de la

muestra sobre la que se va a aplicar el modelo, junto con la definicin de las variables
explicativas del modelo y la medida de su peso o determinacin de su importancia.

El

ltimo paso en la obtencin del modelo, es el calculo para cada nivel de probabilidad de
que el cliente no haga frente a sus obligaciones, y que se conoce como la probabilidad de
incumplimiento. Esta fase del desarrollo se la conoce como calibrado y permite, a travs de
la informacin histrica de la compaa, calcular las clasificaciones crediticias de los
clientes durante periodos anteriores, as como los incumplimientos producidos durante esos
periodos.

Paralelamente, la elaboracin del modelo requiere de una sistemtica precisin y mejora de

la informacin de clientes que sirve para la puesta a punto de las bases de datos internas. El
proceso conlleva por tanto, la revisin, actualizacin y, en muchos casos, la ampliacin con
nuevos datos de las bases de datos de clientes. Este hecho, adems de ser un requisito para
la elaboracin del modelo, enriquece la informacin base para la gestin ptima del
conjunto de procesos crediticios.

Bajo las anteriores situaciones y aplicando las tcnicas econometricas a la situacin que
interesa estudiar, se puede definir un modelo en donde la variable explicada sea el no pago
32

y a la cual se deben considerar diferentes variables que tiendan a explicar ese

comportamiento.

La forma general el modelo se presenta as:

= +

que tambin se escribe como:

= 0 + 1 1 + 2 2 + .... + k k +
Donde es la variable que expone el no pago y las son las distintas variables que se
suponen relevantes para explicar . El vector denota una lista de parmetros que
recogen la magnitud con que las variaciones en los valores de las variables se transmiten
a variaciones en la variable .

El modelo de regresin lineal general, viene expresado en forma matricial de la siguiente

manera6:

1


= 2
M

n

1 11 12L 1k

1 21 22L 2 k
=

M
1 n1 n 2L n 1k

0

= 1

k

por lo tanto, la ecuacin estimada de regresin es

CANAVOS, George. Mc Graw Hill. Mxico.1998

33

1


= 2
M

n

donde el vector de n 1 contiene los valores estimados para la respuesta promedio

correspondientes a los n puntos de observacin de las variables de prediccin. La diferencia
entre los vectores y proporciona el vector de residuos.

El inters se centra en la estimacin de los correspondientes valores numricos de los

coeficientes del modelo de regresin. (Vector de parmetros )
La variable recibe el nombre de variable dependiente o endgena y X es la matriz de
valores observados para cada una de las variables independientes, las cuales reciben el
nombre de variables explicativas o exgenas. Los coeficientes 0, 1, 2, 3 ... k se

denominan parmetros del modelo.

Antes de determinar el proceso que se debe seguir para definir el modelo es necesario tener
en cuenta los siguientes supuestos cuyo cumplimiento o no, validan o invalidan el modelo
calculado.

5.3.1.1 SUPUESTOS

1. Linealidad en las variables: En algunos casos el supuesto de que la determinacin

de la probabilidad de incumplimiento a partir de valores como el monto del crdito
otorgado (por ejemplo) es altamente restrictiva, pues se cree que el modelo es no
lineal.
2. Linealidad en los parmetros: Situacin en que los parmetros beta entran en la
relacin entre variable dependiente e independientes de modo lineal.
3. Esperanza matemtica nula: Se supone que la esperanza matemtica del trmino de
error e del modelo es cero
4. Homocedasticidad o varianza constante: Se supone que la varianza del trmino de
error, es constante a lo largo de todas las observaciones muestrales.

34

5. Ausencia de auto correlacin. Se supone que los trminos de error correspondientes

a dos observaciones muestrales cualesquiera, que son dos variables aleatorias
diferentes, son estadsticamente incorrelacionadas.
6. Estabilidad temporal: otro supuesto es que sus coeficientes 0 y 1 son constantes
en el tiempo; igualmente, se cree que el modelo es el mismo para todas las
observaciones muestrales.
7. Causalidad unidireccional: Se supone que existe una relacin causal desde la
variable explicativa hacia la variable endgena , cambios en influyen sobre
cambios en , pero no al revs.
8. Variables explicativas deterministicas: El modelo incorpora el supuesto, claramente
restrictivo, acerca de que la variable explicativa es determinista. La variable
endgena no lo es, pues depende de la evolucin de una variable aleatoria: el
trmino del error del modelo, e

5.3.1.2 ESPECIFICACIN DEL MODELO LINEAL DE PROBABILIDAD

Suponga que se desea considerar la ocurrencia de un evento como "la probabilidad de no

pago de un tenedor de crdito"; para describir este evento, definiremos la variable aleatoria
dicotmica , la cual tomar el valor de 1 si el evento ocurre y 0 si no ocurre. De igual
forma, deberemos asumir que la probabilidad del evento, depende sobre un vector de
variables independientes y un vector de parmetros desconocidos . De esta forma, un
modelo general dicotmico univariado, se puede expresar como:

= 0 + 1 1 + 2 2 + .... + k k +

i = 1, 2,....., n,

La primera tentativa terica desarrollada para estudiar modelos con variables dicotomicas se
planteo como una mera extensin del modelo lineal general, que se expresa de la forma
descrita anteriormente.

35

La distribucin de la muestra en este tipo de modelos, se caracteriza por configurar una nube
de puntos de tal manera que las observaciones muestrales se dividen en dos subgrupos. Uno de
ellos esta formado por las observaciones en las que ocurri el acontecimiento objeto de estudio
( i = 1 ), y el otro, por los puntos muestrales en los que no ocurri ( i = 0 ).

El modelo lineal de probabilidad se puede interpretar en trminos probabilsticas, en el sentido

de que un valor concreto de a recta de regresin mide la probabilidad de que ocurra el
acontecimiento objeto de estudio. i , se puede considerar como la estimacin de la
probabilidad de que ocurra el acontecimiento objeto de estudio, siguiendo el siguiente criterio:
valores prximos a cero se corresponden con una baja probabilidad de ocurrencia del
acontecimiento analizado (menor cuanto mas prximos a cero); mientras que a valores
prximos a uno se les asigna una probabilidad elevada de ocurrencia (mayor cuando mas
prximos a uno).

La interpretacin de los coeficientes estimados en los modelos lineales de probabilidad

(MLP), es la misma que la del modelo lineal general, recogiendo el valor del parmetro el
efecto de una variacin unitaria en cada una de las variables explicativas sobre la probabilidad
de ocurrencia del acontecimiento. As, si se produce un incremento de una unidad en la
variable explicativa K , este aumento provocara una variacin igual a K en la
probabilidad.
) ) )
)
Para determinar los valores 0 , 1 , 2 . k , se emplea un procedimiento conocido como

mtodo de los mnimos cuadrados. Este nombre obedece al hecho de que con su aplicacin, se
hace mnimo el cuadrado de los errores, por lo que se obtiene el mejor ajuste lineal de todos
los posibles que se podan generar.

Los parmetros para cada uno de los modelos son calculados mediante el empleo de un
conjunto de ecuaciones que se denominan ecuaciones normales, las cuales vienen dadas de la
siguiente manera:

36

= n1 + 2 2i + 3 3i + .... + k ki

2i

= 1 2i + 2 2 2i + 3 2i 3i + .... + k 2i ki

3i

= 1 3i + 2

2i

3i + 3 2 3i + .... + k 3i ki

ki

= 1 ki + 2

2i

ki + 3

3i

ki + .... + k 2

ki

La estimacin del Modelo Lineal de Probabilidad a travs Mnimos Cuadrados Ordinarios

MCO no garantiza que los valores estimados de i estn entre 0 y 1, lo cual carece de lgica al
interpretarse el valor estimado como una probabilidad. Este problema se soluciona truncando
el rango de variacin del valor estimado, dando lugar al modelo conocido con el nombre de
Modelo Probabilstico Lineal Truncado, y que, para una variable explicada, se expresa de la
forma:

i + k ki
0

+ k ki 1
0 < + k ki < 1
+ k ki 0

5.3.1.3. ANALISIS DE LA VARIANZA (ANOVA)

Considrese la tcnica del anlisis de varianza para probar la hiptesis nula
0 : 1 = 2 = L = k = 0

37

Contra la alternativa

1 : j 0 para j = 1, 2, ...., k.

Como la hiptesis nula iguala los parmetros de regresin a cero, exceptuando la constante, no
existe entonces ninguna relacin igual a la especificada por el modelo, entre las variables de
prediccin y la respuesta. Por lo que se acostumbra decir entonces:
Ho :Ninguna de las variables tenidas en cuenta es importante para establecer variaciones en la
variable dependiente,
H1: Por lo menos una variable es importante para establecer variaciones en la variable
dependiente.
Argumentando el modelo lineal, puede demostrarse que la suma total de cuadrados7 (STC) se
encuentra dividida en la suma de cuadrados de la regresin8 (SCR) y en la suma de cuadrados

Fuente
variacin

de

Numero
grados
libertad

de
de

Suma de los
cuadrados

( i )2

Regresin

k = m-1

BXY -

Error

n-m

YY - BXY

Cuadrados
medios

SCR/(m-1)

Estadstica F

SCR/(m-1)

SCE/(n-m)

Total

n1
9

YY -

SCE/(n-m)

( i )2
n

de los errores (SCE).

m: Es el nmero de parmetros estimados aumentados en una unidad por la incidencia del
Bo
7

Hace referencia a la suma de los cuadrados de la variable dependiente

Hace Referencia a la suma cuadrtica de los valores estimados
9
Hace referencia a la sumatoria total de las diferencias cuadrticas de las diferencias de los valores estimados frente a los reales
8

38

n: Es el nmero de observaciones
SCE
es el cuadrado medio del error y
La varianza residual o
n m

SCR
m 1 es el cuadrado medio

de la regresin. Bajo la hiptesis nula, la estadstica de prueba apropiada es:

F = CMR/CME que tiene distribucin F con (m-1; n-m) grados de libertad
Si un valor resultante de esta estadstica es suficientemente grande, una porcin considerable
de la variacin en las observaciones, puede atribuirse a la regresin de sobre las variables de
prediccin definidas por el modelo. Entonces se rechaza la hiptesis nula siempre que el valor
calculado se encuentre en el interior de una regin crtica de tamao en el extremo superior
de la distribucin.
2

es una medida relativa de que tanto las variables de prediccin, explican las

variaciones de las observaciones y se calcula por la siguiente expresin:

2 =

SCR
SCE
= 1
SCT
SCT

Otra caracterstica de importancia acerca de este coeficiente es que no presenta unidades,

hecho por el cual puede ser expresado en forma porcentual y su valor siempre deber estar
ubicado dentro del siguiente intervalo.

0 R2 1

5.3.1.4 ANLISIS SECUENCIAL

Hasta este momento se ha hecho referencia al anlisis para determinar si alguna de las
variables consideradas es importante para establecer variaciones en e el modelo. Supongamos

39

que se rechaza la hiptesis nula, es decir, se acepta que por lo menos una variable es
importante dentro del modelo, lo que sigue ahora es determinar de las variables analizadas
cul? o cules? son importantes para establecer variaciones. Esto se logra con el anlisis
secuencial.
En primer lugar es importante recordar que el estadstico muestral denotado como Tc y
definido como aparece enseguida, sigue un distribucin T con n-2 grados de libertad, es decir:
)

BK
Tc = K

Se Distribuye T con n 2 grados de libertad

Donde K es el coeficiente de regresin obtenido en la muestra

BK Es el valor del parmetro poblacional del cual se efecta el contraste

Es el error que se comete al estimar el parmetro de regresin poblacional a travs del

K

coeficiente de regresin muestral

La prueba del coeficiente del parmetro individual en el modelo de regresin mltiple, viene
dada como sigue:

Prueba unilateral

Prueba bilateral

0 : i = 0

0 : i = 0

1 : i < 0(o bien 1 : i > 0

Medida estadstica de prueba

1 : i 0

Medida estadstica de prueba

40

t=

i
s 1

t=

i
s 1

Regin de rechazo:

Regin de rechazo:

t < - t a [n (k + 1)]

t < - ta

t > t a [n (k + 1)]

t > ta

[n (k + 1)]

[n (k + 1)]

n = nmero de observaciones
k = nmero de parmetros en el modelo, excepto 0

5.3.2 MODELO LOGIT

Conocida la distribucin de un conjunto de individuos entre dos o ms grupos, se busca

entender la naturaleza de estas diferencias y a su vez la bsqueda de una regla de
comportamiento que permita la clasificacin de nuevos individuos para los que se
desconoce su pertenencia a un grupo. La solucin de est problema se puede abordar a
travs de la tcnica de Modelizacin Logit.
Los supuestos de este modelo de probabilidad, se basa en el hecho de presentar la variable
dependiente tomando uno de dos posibles valores, 0 o 1. Lo que interesa es valorar el
parmetro y la probabilidad que la variable dependiente sea igual a 1, cuando la relacin
no sigue un comportamiento lineal, sino que viene dada de la forma como se expresa
enseguida::

41

P (Y =

1
) X = Serie de K variables independientes
X 1....... X K

Se puede asumir en la regresin de mnimos cuadrados ordinarios que Y y X tienen la

siguiente relacin:
1

P Y =
X

= exp( bK ......... X K )

El modelo Logit permite, adems de obtener estimaciones consistentes de la probabilidad

de incumplimiento, identificar los factores de riesgo que determinan dichas probabilidades,
as como la influencia o peso relativo de stos sobre las mismas. Adicionalmente estas
estimaciones pueden llevarse a cabo a distintos niveles de desagregacin, incluyendo el
caso de la estimacin de probabilidades para el anlisis de crditos individualmente
considerados. A partir de dicha desagregacin se puede calcular el nivel de provisiones
requerido a nivel individual y posteriormente tomando en consideracin el monto de crdito
expuesto, se logra obtener una medicin de aprovisionamiento para cada cartera.
Este tipo de modelo arroja como resultado un ndice, cuyos determinantes son conocidos,
el cual permite ordenar la cartera crediticia. El contar con un ordenamiento de la calidad
de la cartera permite a su vez, a partir de algn mtodo de estratificacin, el mapear el
ndice con criterios de clasificacin que asocien a cada crdito una calificacin. Existen
muchos criterios para llevar a cabo la asociacin ndice - calificacin, muchos de ellos
con base en ndices de muestreo, donde el criterio es puramente estadstico, otros podran
considerarse como subjetivos, lo cual puede resultar conveniente para la institucin
financiera ya que estos puntos de corte pueden estar asociados a los lmites de exposicin
que la institucin estara dispuesta a asumir.
Para el caso ms sencillo de utilizar una nica variable explicativa se trata de encontrar la
relacin que existe entre la variable explicativa y la endgena, donde la funcin que
relaciona ambas variables puede ser una funcin lineal. Para solucionar los problemas que
plantea el modelo lineal de probabilidad se realiza la modelizacin a travs del uso de
funciones no lineales que permitan acotar el rango de la estimacin. Esto se consigue a
42

travs del uso de cualquier funcin de distribucin. La funcin logstica ha sido

comnmente utilizada y ha dado lugar a la modelizacin Logit.
La modelizacin Logit es similar a la regresin tradicional salvo que utiliza como funcin
de estimacin la funcin logstica en vez de la lineal. Con la modelizacin Logit el
resultado del modelo es la estimacin de la probabilidad de que un nuevo individuo
pertenezca a un grupo o a otro, mientras que por otro lado, al tratarse de un anlisis de
regresin, tambin permite identificar las variables ms importantes que explican las
diferencias entre grupos.
Existen distintos tipos de modelos Logit en funcin de las caractersticas que presenten las
alternativas que definen a la variable endgena, que es la variable que va a medir el nmero
de grupos existentes en el anlisis, para el presente estudio se trabajar con el modelo
Logit dicotmico.

5.3.2.1 MODELO LOGIT DICOTMICO

Se utiliza cuando el nmero de alternativas son dos y excluyentes entre s. Presenta las
siguientes caractersticas principales:
Variable endgena binaria: Identifica la pertenencia del individuo a cada uno de los

grupos analizados: Se identifica con un 1 al individuo que pertenece al grupo cuya

probabilidad de pertenencia estimar el modelo. Se identifica con un 0 al individuo que no
pertenece al grupo objeto de anlisis.
Variables explicativas: Son las variables que sirven para discriminar entre los grupos y

que determinan la pertenencia de un elemento a un grupo u otro. Pueden ser: Variables

cuantitativas que un campo de variacin entre hasta + . Variables cualitativas con
distintas alternativas u opciones posibles.

43

Resultado del anlisis: El resultado es un valor numrico que indica la probabilidad de

pertenencia de un elemento al grupo que se le asign el valor 1, es decir, el grupo objeto de
anlisis.

5.3.2.2 FORMA DEL MODELO

La variable explicada (Y) en este caso es una variable dicotmica, que puede tomar
solamente dos valores a saber: 1 representa incumplimiento en el pago de un crdito y 0 el
hecho de que el crdito sea debidamente cancelado, por lo que se tendra entonces lo
siguiente:

Para determinar cuales de las variables en el modelo no son importantes para determinar
variaciones en la variable dependiente, se debe calcular la estadstica de Wald, para lo cual
se debe observar la escala de medicin de la variable, ya que pueden ocurrir dos
situaciones: que sea categrica o no categrica, teniendo para cada uno de los casos lo
siguiente:

Si la variable no es categrica,

Que tiene distribucin chi cuadrado con un grado de libertad

Si la variable es categrica, se tiene:

Que sigue una distribucin chi cuadrado, con grados de libertad igual
al nmero de parmetros estimados

44

La importancia del estadstico de Wald radica en que a travs de l se puede determinar la

significancia del parmetro en el modelo y el peso que tiene, lo que se logra al establecer
una sencilla prueba de hiptesis en la que se plantea en palabras lo siguiente:
H0: i =0

La variable Xi no es importante para establecer variaciones en el modelo

H1: i 0

La variable Xi si es importante para establecer variaciones en el modelo

Se efecta el contraste y si se llega a rechazar la hiptesis nula, se observa a que nivel de

confianza se efecta el rechazo, y dependiendo del valor, se le da el peso a la variable en el
modelo, segn el siguiente criterio:
95%

Poco significante

97.5%

Significante

99%

Muy significante

99.9%

Altamente significante

Otro valor de importancia que debe ser calculado y tenido en cuenta al realizar el modelo
Logit, es el estadstico Nagelkerke, que indica el porcentaje de las variaciones de la variable
dependiente son explicadas por las variables independientes. Aunque hasta el momento no
existe un valor mnimo de explicacin que valide la utilizacin del modelo, se ha dejado a
juicio del investigador que segn su criterio fije este valor y realice con el modelo obtenido
las proyecciones, aunque se acostumbra tomar porcentajes de explicacin mayores del
60%.

5.3.3 MODELO DISCRIMINANTE

El Anlisis Discriminante es una tcnica estadstica multivariante cuya finalidad es analizar
si existen diferencias significativas entre grupos de objetos respecto a un conjunto de
variables medidas sobre los mismos, y en el caso de existir diferencias explicar en qu

45

sentido se dan y proporcionar procedimientos de clasificacin sistemtica para las

observaciones en cada uno de los grupos considerados. La tcnica tiene como objetivos
principales los siguientes:

Describir las diferencias existentes entre grupos, si es que las hay, con base en
los valores que toman ciertas variables para cada una de las unidades que
integran los distintos grupos considerados.

Clasificar las observaciones de acuerdo a sus valores y a las caractersticas

determinantes en cada uno de los grupos conformados, garantizando una
completa homogeneidad dentro del grupo y heterogeneidad entre grupos.

Tcnicamente, podemos decir que el anlisis discriminante trata de encontrar funciones

cuyos valores separen o discriminen lo ms posible a los grupos existentes. Estas funciones,
denominadas funciones o ejes discriminantes, sern combinaciones lineales de las variables
originales de la forma:

= 0 + 1 1 + 2 2 + .... + k k +
Que para el caso que nos interesa, es la variable que expone el no pago y las son las
distintas variables que se suponen relevantes para explicar . El vector denota una lista
de parmetros que recogen la magnitud con que las variaciones en los valores de las
variables se transmiten a variaciones en la variable .
k hace referencia al nmero de variables explicativas, y los coeficientes 0 , 1 , 2 .... + k se
eligen de tal forma que se consiga la mxima heterogeneidad entre grupos, es decir,
tratando de que los valores que toman las funciones discriminantes en cada uno de sus
grupos sean lo ms diferentes posibles.

46

Estadsticamente, este criterio equivale a maximizar la varianza entre grupos frente a la

varianza dentro de grupos. Por tanto, los coeficientes 0, 1, 2, 3 ... k se eligen de tal

forma que se consiga maximizar el valor del cociente:

Varianza _ entre _ grupos

Varianza _ dentro _ de _ grupos

Si la varianza entre grupos es grande, es decir si hay grandes diferencias entre los valores
que toma la funcin en los distintos grupos, pero la varianza dentro de grupos es
pequea, es decir, los valores de para variables de un mismo grupo son muy similares,
entonces diremos que la funcin discriminante separa bien a los grupos, que sern,
internamente muy homogneos y a la vez muy diferentes entre s.
Hay que sealar que el nmero de funciones que pueden obtenerse es el mnimo entre el
nmero de variables explicativas disponibles y el nmero de grupos menos uno. Estas
funciones se obtienen de forma sucesiva en funcin de su capacidad discriminatoria. As, la
primera funcin discriminante, ser de la forma:

1 = 01 + 11 1 + 21 2 + .... + k k +
Que ser la que tenga mayor poder discriminatorio, es decir, la que mejor separe los grupos.
La segunda funcin, que vendr definida por:

2 = 0 2 + 1 2 1 + 2 2 2 + .... + k k +
y ser la siguiente en capacidad discriminatoria, adems, estar incorrelacionada con la
funcin anterior . A los valores de estas funciones para cada uno de los individuos de la
poblacin se les denomina puntuaciones discriminantes.

47

En ciertas ocasiones, la capacidad discriminatoria de la primera funcin, 1 , es tan grande,

que la informacin aadida por la segunda funcin 2 apenas es relevante y esta se ignora,
ya que su contribucin a la separacin entre los grupos no es significativa.
Una vez obtenidas las funciones discriminantes, el objetivo es establecer la contribucin
relativa de las distintas variables a la discriminacin, o lo que es lo mismo, determinar
cules son las variables que ms contribuyen a discriminar entre un grupo y otro.
Antes de indicar el proceso que se debe seguir para estimar el poder discriminante de las
variables independientes, se hace necesario aclarar un conjunto de conceptos, lo cual se
hace enseguida:
Lambda de Wilks : Para determinar la significancia de la variables que se introducen, se

emplea el estadstico Lambda de Wilks que se obtiene de la razn entre el determinante de

la matriz de variancias y covarianzas dentro de grupos y el determinante de la matriz de
variancias y covarianzas total, que sigue una distribucin F. Con esto es sencillo determinar
si una variable es o no significativa para discriminar, ya que solamente basta realizar una
prueba de significancia en la forma usual.
Distancia de Mahalanobis: Esta tcnica permite el clculo de un indicador llamado

distancia de mahalanobis, que es una medida de la distancia entre dos puntos en el espacio,
definido por dos o ms variables correlacionadas.
Por ejemplo si hay dos variables no correlacionadas, pueden graficarse los puntos en un
espacio de dos dimensiones, la distancia de mahalanobis entre puntos es la distancia
euclidiana. Si hay tres variables no correlacionadas puede usarse una regla para medir las
distancias en el espacio de tres dimensiones para determinar la distribucin entre puntos.
Con ms de tres variables ya no es posible graficar las distancias.

48

Por otro lado, cuando las variables estn correlacionadas los ejes no estn posicionados en
ngulo recto en esos casos la distancia euclidiana no es una medida apropiada, por tanto se
usa la distancia de mahalanobis.
Para cada grupo se puede determinar la localizacin de un punto que representa la media
para todas las variables en el espacio multivariable definido por las variables en el modelo.
Estos puntos se llaman centroides de los grupos. Para cada caso puede calcularse su
distancia de mahalanobis respecto del centroide del grupo. De nuevo, puede clasificarse una
observacin como perteneciente al grupo al que est ms cerca o sea al cual la distancia de
mahalanobis es menor.
Para estimar el poder discriminante de las variables independientes se realizan los
siguientes pasos:
1. Se calcula la media y la desviacin estndar de cada una por grupo (0 y 1) de la
muestra que se determino para anlisis. Aquellas con mayor diferencia en medias
tendern a ofrecer mayor poder. No aplica si es una variable discreta y binaria.
2. Se calcula la lambda de Wilks y el ANOVA univariante (Ratio F univariante) para
valorar la significacin entre las medias. Entre mayor sea el valor del Ratio F
Univariante se puede decir que las diferencias univariantes son ms significativas.
3. Se utiliza la D2 de Mahalanobis para llevar un proceso por etapas en la
determinacin de las variables con mayor capacidad discriminatoria
En caso de no obtener resultados que permitan determinar las variables que sean
significativas para discriminar, se deber realizar un anlisis factorial que permita generar
nuevas variables que pudieran serlo.

49

6. DISEO METODOLGICO PARA DESARROLLAR EL ANLISIS

CASOS PRACTICOS

6.1 DESCRIPCION Y ANTECEDENTES DE LA EMPRESA

Para ilustrar el proceso metodolgico a seguir, se toma como base la informacin de una
empresa con domicilio principal en la ciudad de Bogot, pero tiene como mbito de
operaciones todo el territorio de la Repblica de Colombia. Para efectos del presente
trabajo se tendr en cuenta la informacin correspondiente a las transacciones crediticias
generadas en el eje cafetero.
La organizacin sobre la cual se realizar la medicin de riesgo de incumplimiento, es una
entidad financiera la cual tiene como objeto desarrollar operaciones propias de un
establecimiento bancario comercial, con amplia participacin en el mercado financiero y
bancario. La Entidad se creo para atender sectores con necesidades insatisfechas en materia
de crdito a travs de crditos blandos, que beneficien financieramente a personas naturales
o jurdicas, de forma que cuenten con apoyos econmicos cuando lo requieran, siendo as
un facilitador del desarrollo. El xito del negocio se estriba en poder tener un normal
retorno de las operaciones crediticias financiadas, con un bajo nivel de riesgo, y de esta
manera incrementar el nmero de personas beneficiadas con crdito para desarrollar sus
proyectos productivos, beneficios que se dan, si se logra el objetivo de quien toma prestado,
como del propietario del dinero.
Todas las operaciones de crdito se encuentran enmarcadas en dos grandes modalidades
as: La primera comprende las operaciones financiadas con recursos propios y en la
segunda se encuentran todas las lneas de redescuento que se realizan a travs de los
Bancos de Segundo Piso (BANCOLDEX, FINDETER y FINAGRO entre otras)
Para propsitos de la administracin de la cartera, evaluacin del riesgo crediticio,
aplicacin de normas contables y constitucin de provisiones entre otras, las colocaciones
de la Institucin se clasifica en las siguientes modalidades:
50

Crditos de Vivienda de inters social

Crditos de Consumo
Micro crdito
Crdito Comercial
Financiacin Bancos Segundo Piso

Fondo Para El Financiamiento Del Sector Agropecuario (FINAGRO)

BANCOLDEX

FINDETER

Crditos de vivienda : Son crditos de vivienda, independientemente del monto, aqullos

otorgados a personas naturales destinados a la adquisicin de vivienda nueva o usada, o a la

construccin de vivienda individual. El plazo de amortizacin debe estar comprendido
entre cinco (5) aos como mnimo y treinta (30) aos como mximo.
Crditos de consumo: Se entiende como crditos de consumo los crditos otorgados a

personas naturales cuyo objeto sea financiar la adquisicin de bienes de consumo o el pago
de servicios para fines no comerciales o empresariales, independientemente de su monto.
Micro crdito: Por microempresa se entiende toda unidad de explotacin econmica,

realizada por persona natural o jurdica, en actividades empresariales, agropecuarias,

industriales, comerciales o de servicio, rural o urbano, cuya planta de personal no supere
diez (10) trabajadores y sus activos totales sean inferiores a quinientos uno (501) salarios
mnimos mensuales legales vigentes.
Cada entidad vigilada deber clasificar como micro crdito el conjunto de operaciones
activas de crdito otorgadas a microempresas cuyo saldo de endeudamiento con la
respectiva entidad no supere veinticinco (25) salarios mnimos legales mensuales vigentes.

51

Crditos comerciales: Se definen como crditos comerciales todos los crditos distintos a

los de vivienda, de consumo y micro crdito.

Fondo Para El Financiamiento Del Sector Agropecuario (FINAGRO): El Fondo para el

Financiamiento del Sector Agropecuario, FINAGRO, fue fundado el 22 de enero de 1990,

como una necesidad sentida del sector rural colombiano, que requera una entidad
autnoma y especializada que manejara los recursos de crdito, dispersos en varias
organismos que los asignaban como una variante complementaria de la poltica macro
econmica, bsicamente en manos del Banco de la Repblica.
La colocacin de estos recursos se hace por intermedio de los bancos de primer piso10
encargados estos de entregar crditos con el cumplimiento de los requisitos establecidos por
el manual de redescuento como norma principal, encargada de enmarcar los lineamientos
bajo los cuales se destinarn los recursos y esto de acuerdo a los tipos de usuarios los
mismos que se definirn ms adelante.
La financiacin al sector agropecuario y rural se agrupa en las siguientes lneas de crdito:

Capital de Trabajo

Inversin.

Normalizacin de Cartera

Banco de comercio exterior (BANCOLDEX): Su objetivo es financiar a Microempresas,

Pequeas y Medianas Empresas, de personas jurdicas, personas naturales con

establecimientos de comercio, personas naturales profesionales independientes y los socios
de todas las empresas anteriormente mencionadas, as como los patrimonios autnomos
relacionados con dichas empresas, que se destinen para:

10

Los bancos de primer piso son aquellos que atienden directamente al pblico, se encargan de colocar los recursos destinados por los
bancos de segundo piso para el fomento de las operaciones de crdito a determinados segmentos de la poblacin y de acuerdo a lneas de
crdito creadas con propsitos especficos.

52

Capital de trabajo

Inversiones fijas

Financiera De Desarrollo Territorial S.A. (FINDETER): El objetivo de esta lnea de

crdito es el de financiar los proyectos destinados a promover el desarrollo regional, el

crecimiento econmico y el mejoramiento de la calidad de vida de la sociedad. La lnea de
crdito est dirigida a las entidades territoriales, como distritos, departamentos, municipios,
asociaciones de municipios y reas metropolitanas que destinen los recursos del crdito a
financiar proyectos de inversin contemplados en la ley y programas de ajuste fiscal.
Adicionalmente, previa autorizacin de la Junta Directiva se podrn incluir las empresas
industriales y comerciales del estado, las sociedades pblicas y las sociedades de economa
mixta, que desarrollen actividades inherentes al sector agropecuario y rural. De igual forma,
a travs de esta lnea de crdito se financiarn las entidades de derecho privado como
Empresas Prestadoras de Servicios Pblicos, Establecimientos Educativos, Concesionarios,
Entidades de Salud y Patrimonios Autnomos, que desarrollen proyectos en los sectores y
programas financiables por la Financiera de Desarrollo Territorial.
6.2. ESTADO DE LA ENTIDAD FINANCIERA FRENTE AL RIESGO DE
CRDITO Y SU MEDICIN

La evolucin de las herramientas de administracin de riesgo crediticio han conducido a la

revisin de un conjunto de variables que son determinantes para el otorgamiento del
crdito, las cuales en forma general para cualquier entidad crediticia se puede resumir en
los siguientes aspectos:

Cantidad o valor del activo.

Calificaciones crediticias internas / externas.

Modelos de crdito y portafolio.

53

Inicialmente el riesgo fue medido por una suma terica total. Un multiplicador digamos de
8% era aplicado a esta suma para establecer la cantidad de capital a requerir para mantener
una reserva contra el riego crediticio. El problema con esta aproximacin era que ignoraba
las variaciones en la probabilidad

de ocurrencia de incumplimiento, que consideraba

valores generales y no individuales como debera ser. En 1988 el comit de Basilea

instituye una muy dura categorizacin del riesgo crdito mediante clasificaciones de riesgo
(risk class) proporcionando ponderaciones de riesgo para su medicin. Este fue el primer
intento para forzar a los bancos a mantener el capital adecuado con relacin al riesgo que
estaban asumiendo.
Estas ponderaciones de riesgo demostraron ser simplistas, sin embargo crearon incentivos
para que los bancos alterasen sus portafolios con el objeto de maximizar los retornos de sus
accionistas sujetos a los requerimientos de capital de Basilea. Estos tienen el efecto adverso
de la creacin de ms riesgo dentro de los estados de cuenta de los bancos comerciales, los
cuales no fueron tenidos en cuentas en las normas propuestas en 1988. Como ejemplo se
puede citar que no haba diferenciacin entre crditos corporativos clase AAA y aquellos
con calificacin C. Por lo cual los crditos C eran ms rentables

que los AAA,

determinados con la misma suma de capital regulatorio, el sector bancario respondi

alterando los prstamos, hacia crditos con menor calificacin.
A partir de los conceptos difundidos por el acuerdo de Basilea en 1988, especficamente
sobre adecuacin de capital a riesgo, han surgido en el mundo una serie de modelos
estadsticos y matemticos que pueden constituirse en herramientas para que los entes de
crdito aprendan a valorar el riesgo. Para que una entidad financiera escoja un modelo
especfico debe, antes que todo, conocer los conceptos bsicos sobre los que operan.
Como se ha dicho anteriormente el crdito no es otra cosa que un contrato en el que la parte
deudora se obliga con la Entidad financiera, para cancelar la deuda pendiente, a pagar unas
cuotas de dinero en unos plazos especficos. Cualquier incumplimiento en los dos
componentes bsicos (plazo y monto) del compromiso se considera un fallo. Pero este fallo

54

no implica prdida automtica para la entidad, pues cuando este ocurre se activa una serie
de mecanismos de defensa, tendientes a evitar que el fallo se Traduzca en prdida.
Frente a un fallo en el plazo, el mecanismo ms usado es el cobro de intereses de mora, que
tericamente, debe resarcir a la institucin, de las eventuales prdidas que la mora le
ocasiono por el descalce en el flujo de caja, por el cual asumimos que tuvo que utilizar
pasivos ms costosos.
En el caso de incumplimiento en el pago, los mecanismos ms comunes a seguir son:

Presin por parte del personal de cobros a travs de llamadas telefnicas y/o
cartas.

Procesos jurdicos que implican hacer efectiva la garanta, y cuando procede,

perseguir los bienes del deudor

Reporte a las centrales de informacin crediticia.

Slo cuando se han utilizado estos mecanismos, o cualquier otro diseado, y su resultado
final no se ha traducido en una recuperacin parcial o total del monto adeudado, es que el
Banco puede hablar de prdida.
Por regla general, las instituciones financieras han tenido tradicionalmente dos fortalezas
enormes frente a otros intermediarios que son:

Carteras de colocacin altamente atomizadas.

Un porcentaje de la colocacin esta amparado con aportes que pueden cruzarse

con la deuda en caso de incumplimiento.

An as, para las entidades financieras es vital desarrollar una metodologa que estime sus
prdidas de cartera, pues a travs de este clculo puede planear estrategias que la protejan

55

de tales prdidas. Cuando estas prdidas son elevadas, ponen en riesgo la misma
estabilidad, y la solvencia de la entidad financiera.
En trminos generales las Instituciones de crdito a nivel de Latinoamrica cuentan con
informacin de sus crditos por ms de cinco aos, y esta informacin, esta casi siempre
almacenada en archivos electrnicos, los cuales pueden ser convertidos en bases de datos
que organizadas a travs de un software, y aplicndole tcnicas estadsticas apropiadas
mediante el uso de programas estadsticos y de asesores actuariales, podrn indicarle a los
Bancos su PD (probabilidad de fallo) y su LGD (prdida en caso de fallo), que son los
componentes bsicos para la estimacin de prdidas esperadas.

6.2.1. FACTORES QUE INFLUYEN SOBRE EL RIESGO

En este punto es importante entender que una valoracin en riesgo institucional debe
enfocarse desde la perspectiva de como estamos analizando las operaciones de crdito
diarias, y que mtodos estamos utilizando para garantizar que los estudios de crdito que se
elaboran dentro de la institucin sean adecuados a los objetivos marcados por la direccin
en la colocacin de crditos.
Un crdito tiene, normalmente, tres componentes bsicos para ser estudiados, y determinar
su aprobacin o su rechazo:
1. Capacidad de pago del acreedor: Durante aos las Entidades bancarias confundieron dos
trminos: Solvencia y capacidad de pago, lo que se tradujo en acumulacin de activos
improductivos.
La solvencia la asociamos al nivel de activos que posee el acreedor para hacer frente a la
acreencia. Pero la capacidad de pago, que ahora hemos establecido como factor primordial,
se refiere a la liquidez, y a la disposicin de recursos financieros con que cuenta el acreedor
para cumplir con los instalamentos del crdito. Si el cliente cuenta con activos valiosos
pero difcilmente realizables, y no cuenta con la liquidez necesaria para el pago de las
56

cuotas peridicas del crdito, as estas sean pequeas, nos estamos enfrentando a un crdito
que puede ser complicado.
La manera de obviar este punto, es el estudio, a parte del Balance del acreedor, de un flujo
de caja individual del proyecto, en el que se incluyan los ingresos y gastos proyectados a la
vida del crdito. Este flujo podra ser incluido an en crditos de consumo, porque la idea
es saber si al final de cada perodo de pago, se cuenta con recursos para atender el crdito.
Los ingresos (por ejemplo el sueldo) deben ser estimados de manera conservadora (sueldo
actual ms porcentaje de aumento general en la empresa, o en el sector). Nada de aumentos
extraordinarios basados en una conversacin previa con el jefe, etc. Los gastos deben ser lo
ms aproximados a la realidad, y deben incluirse las erogaciones por instalamentos de otros
crditos.
El anlisis del flujo de caja, se convierte, entonces, en un elemento esencial en el estudio
del crdito.
2. Moralidad comercial: Se le presta a personas, no a hipotecas, ni a proyectos. El historial
crediticio se convierte, quizs, en el nico factor objetivo de medicin de la solvencia moral
de la persona. La afiliacin por parte de la Entidad a centrales de informacin, aunque esto
implique costos, es una magnifica alternativa para determinar la solvencia moral de la
persona.
Definimos como moralidad comercial, la intencin de la persona a pagar el crdito, y sobre
esto debemos tratar de medir su intencionalidad de honrar compromisos en tiempos de
crisis o cuando enfrente dificultades. Desafortunadamente, no existe un mtodo objetivo de
medicin, pero el estudio de su historial crediticio, puede ser una herramienta invaluable de
medicin.
S la persona cuenta con un buen historial de crdito en una central de informacin, se tiene
un mtodo de evaluacin superior a las conocidas referencias. Sobre este punto es necesario
estudiar el historial crediticio de manera detallada, a fin de determinar las causales de su

57

incumplimiento, y lo ms importante, s ya esta al da, y la manera como enfrento la

incapacidad de pago.
3. Solvencia y Garantas: Existen dos tipos de garantas. Reales y personales. En el caso de
las reales el bien se coloca a disposicin del acreedor en caso de incumplimiento, en el caso
de las personales, los bienes sern perseguidos en el curso de un proceso legal. La solvencia
se mide mediante el estudio del Balance, como anotamos anteriormente. Sin embargo, la
constitucin legal de la garanta, es tan importante como la garanta en si. Se parte del
principio que la garanta se har efectiva en un proceso judicial en el que el acreedor
aprovechar cualquier error en la constitucin de la misma para evitar que se haga efectiva.
Si se unen los tres factores anteriormente mencionados, se encuentra con un estudio de
crdito del que depende la aprobacin o no del mismo. En proyectos empresariales, existe
un cuarto factor determinante, y es el capital de riesgo del acreedor, lo que garantiza su
compromiso con el proyecto.
La cuestin de fondo es: Cmo unimos estos factores, para que de manera objetiva,
matemtica y cientfica (hasta donde sea posible) se pueda obtener una evaluacin de
crdito adecuada?
Las evaluaciones de crdito parten de analistas, que en la mayora de casos basan su labor
en manuales de crdito en que indican las polticas de crdito de las entidades financieras,
pero esto no siempre garantiza que los criterios se utilizarn de manera uniforme en su
estudio, y si la interpretacin que le darn los diferentes analistas ser la misma.
Reacomodando a nuestros intereses los criterios de Basilea II, como lo mencionamos atrs,
el estudio del crdito y del cliente, no es una labor que se deba hacer una sola vez, sino que
debemos encontrar mtodos de calificacin del riesgo de incumplimiento en nuestra cartera,
los cuales no se deben ajustar solo al establecimiento de provisiones por mora o certeza de
incumplimiento, (prdida esperada) sino que debemos avanzar en el establecimiento de
mtodos, que nos permitan medir los incumplimientos basados en modelos estadsticos que
58

partiendo una calificacin de nuestro cliente actual nos permita estimar prdidas futuras
(prdidas estimadas).
El documento que activa todo el proceso crediticio, y por tanto del que depende un bajo
riesgo crediticio para los bancos es la solicitud de crdito. De ah la importancia de estudiar
al detalle su formato, la informacin que se exige, y los documentos soporte requeridos.
Las solicitudes de crdito pueden adolecer de dos fallas:

Exceso de informacin: Muchas veces las entidades financieras desarrollan

modelos de solicitud o aplicacin de crditos en las que se pide informacin
que es intil o irrelevante para el analista, y no sirve a los propsitos
jurdicos de adecuada identificacin del cliente o sus activos. Estas
solicitudes alejan a los clientes, que por fsico aburrimiento prefieren buscar
otra institucin.

Falta de informacin: Sucede muchas veces que por simplificar procesos, o

atraer clientes, las solicitudes son recortadas, al punto de perder informacin
valiosa para el analista de crdito.

Existen solicitudes que presentan ambas fallas, por un lado exceso de informacin, y por
otro falta de informacin vital.
Se requiere que los modelos de solicitud de crdito sean revisados peridicamente para
establecer su utilidad, por parte del equipo de crdito. As si otro departamento requiere de
informacin (Por ejemplo cobranzas o mercadeo), esa informacin deber ser migrada a
bases de datos diferentes, dejando en las bases de crditos la informacin indispensable.
Para minimizar el riesgo las instituciones financieras deben fijar en sus manuales lmites a
la exposicin en riesgo por Concentracin en empresas: No prestar ms de determinado

59

porcentaje del patrimonio o del capital. As como lmites en la aprobacin de crditos por
gerente, comit de crdito, Junta Directiva.
Adicionalmente se impone un estudio permanente por parte del rea de crditos de la
situacin macroeconmica del pas, y de los sectores objetivos de crdito de los bancos, y
con base en ese estudio limitar montos de crdito por sector. Una poltica de diversificacin
y segmentacin de crditos por sectores. El crecimiento de la cartera debe ser cauteloso, y
debe estar en relacin con la situacin de la economa.
Finalmente se puede decir que el riesgo de incumplimiento es el componente primario del
riesgo crediticio. Esta representado por la probabilidad del incumplimiento, as como
tambin

por las prdidas determinadas

por un incumplimiento. Cuando ocurre un

incumplimiento la prdida actual es la combinacin de la exposicin al incumplimiento y

las prdidas ocasionadas por el mismo.
La capacidad de medicin depende exclusivamente de la cantidad de informacin que se
tenga sobre su contraparte, informacin que en la mayora de los casos deber obtenerse de
la relacin existente entre las partes.
Clarificados los conceptos y la importancia que tienen los modelos de regresin, entre ellos,
el Lineal, el Logit y el Probit, para estudiar la posibilidad de que una caracterstica de
inters se presente, enseguida se suministrar el proceso metodolgico que se sigui para
medir las probabilidades de incumplimiento en la entidad financiera que interesa y la
utilidad que presentan los modelos y los pasos que se deben seguir para calcular
probabilidades de incumplimiento.
Para encontrar un modelo que explicara el comportamiento de una variable dependiente que
para este caso es incumplimiento se hizo una lista desagregada de posibles variables
explicativas teniendo en cuenta para su inclusin la informacin que se tena de ella en el
banco de datos, y lo actualizada que estaba, encontrando las siguientes situaciones:

60

Definicin de la Variable dependiente (Variable Explicada): Y se define como el estado

del crdito, tomando dos posibles categoras a saber: crdito al da codificado con el valor 0
y crdito en estado de mora calificado con el valor 1.

Definicin De Variables Explicativas (Independientes)

Zona: Esta variable se refiere a la ubicacin geogrfica de las oficinas, las

cuales se encuentran distribuidas entre la zona Manizales, y la Zona de Pereira.

Obligacin nueva o reestructurada: Se refiere al tipo de obligacin, la cual

puede ser: Nueva o Reestructurada. Es Nueva,

aquella que est siendo

desembolsada por primera vez y Reestructurada, es aquella que ha requerido de

un arreglo o acuerdo de pago para normalizar su pago anulando el estado de
mora.

Meses vigentes de la obligacin: Cronolgicamente se refiere al tiempo

transcurrido en meses desde el momento en que fue desembolsada la obligacin

a la cuenta del cliente hasta la fecha de corte de esta informacin. (Se ha
enmarcado para el estudio un horizonte de tiempo de los desembolsos
presentados entre el 01 de marzo de 2004, hasta el 30 de abril de 2006).

Valor desembolso: Es el valor en pesos aprobado y acreditado a la cuenta del

cliente, y cuyo valor es la base para el cobro de intereses desde la fecha de

desembolso.

Numero de pagos al ao: Esta variable, puede definirse como la periodicidad

de pagos que se efectuarn en una ao as: 1, 2, 4, 12, correspondientes estas a

pagos anuales, semestrales, trimestrales, o mensuales respectivamente.

Garanta: Se clasificaron en dos grupos a saber Garantas FAG o especiales, y

Garantas Reales.

Tipo de obligacin: Comprende dos grupos que son: obligaciones del sector

agrcola y obligaciones del sector pecuario.

Genero: Esta variable hace referencia al sexo del deudor del crdito y puede

ser: masculino, y 0 para el gnero femenino.

61

Activos: Es el valor en pesos declarado por el cliente en la solicitud de crdito

como activos totales posedos por este.

Vivienda: Hace referencia a la informacin suministrada por el cliente en lo que

respecta a si su vivienda propia, arrendada, o familiar.

Saldo: Es el valor en pesos adeudado por el cliente a la fecha de corte del

estudio, el cual es el resultado de tomar el valor del prstamo y restarle las

amortizaciones a capital, ms los intereses causados a la fecha.

Das mximos de vencimiento: Esta variable muestra el mayor nmero de das

que un cliente estuvo vencido, cuando entro en mora su obligacin.

Edad: Es la edad en aos de cada uno de los deudores.

Estado civil: Hace referencia a si el cliente es soltero, casado, vive en unin

libre, separado, o viudo.

Escolaridad: En esta variable se determina el nivel de estudios alcanzados por

el deudor y clasificado as:

primaria, bachiller,

tcnico, universitario,

especializacin, ninguno.

Personas a cargo: Esta variable

cuantifica

el nmero de personas que

dependen econmicamente del deudor.

Pasivos: Se refiere al valor en pesos de las deudas del deudor al solicitar la

operacin.

ndice de incumplimiento: Esta variable resulta de efectuar el cociente entre el

nmero de pagos vencidos con la cantidad total de pagos que debi realizar
hasta la fecha de corte.

6.3. DISEO DE MUESTREO

Ante la imposibilidad de estudiar cada uno de los elementos que integran la poblacin, se
decidi realizar un proceso de muestreo y utilizar un proceso de inferencia estadstica por
las siguientes razones:

62

Se disminuye notablemente los costos generados, en la recoleccin y anlisis de

la informacin.

Por tener una menor cantidad de observaciones, se facilita el proceso de anlisis

de la informacin, y por lo tanto, la obtencin de resultados y conclusiones.

6.3.1 POBLACIN OBJETIVO Y POBLACIN MUESTREADA

Se define esta poblacin como toda la cartera que tiene la entidad financiera al 30 de abril
de 2006

6.3.2 DISEO DE LA MUESTRA

Por el diseo de la muestra y por centrarse el inters en el calculo de la probabilidad de

incumplimiento, y por pertenecer cada crdito a un mismo establecimiento financiero, los
cuales son asignados con el cumplimiento

de unas polticas crediticias estables y

permanentes, se considera que la poblacin es homognea y por interesar estudiar una

caracterstica que puede tomar una de dos posibles categoras (Al da o en mora), el mtodo
de muestreo a utilizar, ser el muestreo aleatorio simple para proporciones.

6.3.3 TAMAO DE LA MUESTRA

Teniendo presente que en el muestreo estadstico se debe garantizar una total aleatoriedad,
la seleccin de los elementos se realizarn mediante una seleccin al azar usando un marco
lista en el que se encuentran relacionados e identificados con la cdula de ciudadana los
crditos que fueron asignados a los diferentes clientes que estaban vigentes en la fecha de
corte. La seleccin de los elementos a observar fue determinad mediante el paquete SPSS,
usando la opcin que este trae y que garantiza la aleatoriedad por la misma forma en que
viene estructurado,

63

Bajo esta situacin, se cuenta con una muestra representativa garantizada por el mtodo de
muestreo, y una muestra aleatoria por el proceso de seleccin efectuada. As se cumplen
con todos los requisitos exigidos por la teora estadstica para realizar inferencias vlidas
hacia la poblacin.
Segn lo anterior, el tamao de la muestra se determina con la siguiente expresin:
z2P * Q *
n=

N 1 z2P * Q *
+
N
N 2

Donde:
n = Tamao ptimo de la muestra
z = Valor de la cuantila obtenida en una distribucin normal, para un nivel de confianza
dado.
P = Proporcin de clientes que a la fecha de estudio presentaban mora
Q = 1 P (Proporcin de clientes que a la fecha de inters estaban al da)
= Error mximo admisible
Como se puede observar, para determinar el tamao de muestra, se hace necesario conocer
los valores de P y Q, los cuales son obtenidos al realizar un censo y observar el nmero de
crditos en mora, valor que al ser dividido por el total de crditos que conforma la
poblacin determina el valor de P
Par el caso el valor de P se establece de la siguiente manera:

P=

544
Cantidad _ de _ Crditos _ en _ Mora
=
= 0.0434
12529
Total _ de _ Crditos

1 P = (1 0.0434 ) = 0.9566

64

6.3.4 MARGEN DE ERROR

Es el mximo error permisible al desarrollar el estudio. Por ser un muestreo de

proporciones, su valor es porcentual y con el nimo de disminuir en buena manera el error
que se puede cometer en el proceso de inferencia, se opt por tomar un error del 2%

6.3.5 NIVEL DE CONFIANZA

Es la confiabilidad que se quiere en la determinacin del tamao de muestra, y por ser un

estudio de carcter financiero, este nivel ser del 95% que al buscarlo en la tabla de la
distribucin normal genera un valor para Z = 1.96
El tamao de la muestra ser entonces:
1.962 * 0.0434 * 0.9566
0.022
n=
= 386.45
12529 1 1.962 * 0.0434 * 0.9566
+
12529
12529 * 0.022
Una vez establecido el tamao de muestra y las variables exgenas y endgenas que se
deban tener en cuanta para realizar el modelo, se cre en Excell una base de datos con la
informacin para cada uno de los clientes, que fueron identificados con el nmero de
cdula, segn la seleccin que efectu el paquete estadstico SPSS. Cada cdula
identificaba un cliente en particular, al cual se le observ el expediente. Aqu es importante
resaltar que si bien es cierto la empresa cuenta con ayudas de informtica y software muy
sofisticado, no se pudo hacer uso de ellos, ya que desafortunadamente mucha de la
informacin que se requera no se encontraba registrada, obligando esto a realizar un
trabajo manual.

65

6.4 MODELO LINEAL DE PROBABILIDAD

Con la base de datos realizada y totalmente depurada, se hizo una transformacin a D base,
para luego ser montada en el paquete SPSS, una vez all, se utilizo la opcin que trae el
software en lo referente a modelos de regresin y empleando en particular la opcin
regresin lineal, se obtuvieron los resultados que se indican en este aparte, para las
variables que se definen enseguida:

6.4.1 VARIABLES DEFINIDAS

X 1 Zonal
1: Manizales 0: Pereira.
X 2 Obligacin
1: Nueva
0: Reestructurada
X 3 Meses vigentes de la obligacin
X 4 Valor del desembolso
X 5 Nmero de pagos al ao
X 6 Garanta
1: FAG
0: Real
X 7 Tipo obligacin 1: Agrcola 0: Pecuario
X 8 Gnero
1: Masculino 0 : Femenino
X 9 Valor de los activos
X 10 Vivienda
1: Propia
2: Arrendada
3: Familiar
X 11 Saldo de la deuda
X 12 Das mximos de vencimiento
X 13 Edad en aos
X 14 Estado civil
0: Soltero
1: Casado
2: Unin libre
3: Separado
4: Divorciado 5: Viudo
X 15 Escolaridad
1: Primaria 2: Bachiller 3: Tcnico
5: Universitario
6: Especializacin
7: Ninguno
X 16 Personas a cargo
X 17 Pasivos
X 18 % incumplimiento en pagos

66

6.4.2

ANLISIS DE RESULTADOS
Cuadro 1. ANALISIS DE RESULTADOS
Modelo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

R
,625(a)
,625(b)
,625(c)
,625(d)
,625(e)
,625(f)
,625(g)
,625(h)
,624(i)
,623(j)
,622(k)
,620(l)
,617(m)
,615(n)
,614(o)

R cuadrado
0,391
0,391
0,391
0,391
0,391
0,391
0,391
0,390
0,389
0,388
0,386
0,384
0,381
0,378
0,376

R cuadrado
corregida
0,361
0,363
0,365
0,366
0,368
0,369
0,371
0,372
0,373
0,373
0,373
0,373
0,371
0,370
0,370

Al observar la evolucin del R 2 , en el cuadro de explicacin anterior, es importante aclarar

que se debe observar el r cuadrado corregido, esto en razn a que el numero de variables
independientes tenidas en cuenta esta variando y las comparaciones que se realicen por
intermedio del R 2 no serian valederas, ya que este aplica nicamente para comparar
modelos con el mismo nmero de variables independientes.

Tenido en cuenta lo anterior se nota que en el modelo nmero 15, aparece un R 2 = 0.370,
lo cual indica que un 37% de las variaciones del estado de la cartera estn explicadas por
las variables: meses vigentes de la obligacin, nmero de pagos al ao, das mximos de
vencimiento y porcentaje de incumplimiento

67

Cuadro 2. ANALISIS DE VARIANZA PARA EL MODELO NUMERO 15

Suma de
cuadrados

Modelo
Regresin
Residual
Total

15

Media
cuadrtica

gl

9,779
16,195
25,974

4
382
386

2,445
0,042

Sig.

57,665

,000(o)

En este cuadro se hace un anlisis de la varianza, dividindola en dos grandes grupos a

saber: variaciones explicadas por el modelos (regresin) y variaciones no explicadas por el
modelo (residual), con lo cual se puede entonces plantear la siguiente prueba de hiptesis:
0 : 3 = 5 = 12 = 18 = 0
1 : i 0 Para i = 3, 5, 12, 18

En otras palabras:
Ho: Meses vigentes de la obligacin, nmero de pagos al ao, das mximos de vencimiento y
porcentaje de incumplimiento en los pagos, no son importantes para establecer variaciones en
la probabilidad de incumplimiento
H1: Por lo menos una de las siguientes variables: meses vigentes de la obligacin, nmero de
pagos al ao, das mximos de vencimiento y el porcentaje de incumplimiento en los pagos, es
importantes para establecer variaciones en la probabilidad de incumplimiento
Al calcular el estadstico F se obtiene que:

SCR
SCE

gl

GL

9.779

16.195

382

68

2.445
0.042

57.665

P ( F > Fc ) = 0.000

Se rechaza la hiptesis nula al 100%, es decir por lo menos una de las siguientes variables:
meses vigentes de la obligacin, nmero de pagos al ao, das mximos de vencimiento y
porcentaje de incumplimiento en los pagos, es importantes para establecer variaciones en la
probabilidad de incumplimiento

6.4.3

ANLISIS SECUENCIAL

Cuadro 3. ANLISIS SECUENCIAL

Modelo
15

Coeficientes no
estandarizados
B
Error tp.
(Constante)
x3
x5
x12
x18

-0,065
0,005
0,012
0,002
0,149

0,023
0,002
0,006
0,000
0,033

Coeficientes
estandarizados
Beta
0,133
0,078
0,417
0,215

t
-2,849
3,159
1,913
8,906
4,545

Sig.
0,005
0,002
0,057
0,000
0,000

Orden cero
0,269
0,121
0,558
0,460

Correlaciones
Parcial
Semiparcial
0,160
0,097
0,415
0,226

Como en la hiptesis alternativa se plante que al menos una de las variables

independientes es importante para el modelo, se debe determinar cul o cules de ellas
cumplen dicha caracterstica. Para tal efecto se hacen las pruebas para medir la
significancia de cada uno de los parmetros establecidos en el modelo 15, lo cual se explica
nicamente para 3 , para luego concluir hacia los otros parmetros sin entrar en mayores
detalles, ya que el proceso es repetitivo.

0 : 3 = 0 Los meses vigentes de la obligacin no son importantes para establecer

variaciones en la probabilidad de incumplimiento.
1 : 3 0 Los meses vigentes de la obligacin son importantes para establecer variaciones

en la probabilidad de incumplimiento.

69

0,128
0,077
0,360
0,184

P(T > t0 ) = P(T > 3.159 ) = 0.002

Por lo que se rechaza la hiptesis nula a un nivel del 99.8%, es decir: los meses vigentes de la
obligacin son importantes para establecer variaciones en la probabilidad de incumplimiento.
Aqu debe tenerse en cuenta que el paquete genera el estadstico t (t = 3.159), como tambin el
rea a la derecha (0.002), los cuales e pueden observar en el cuadro anterior.
Realizando este mismo procedimiento para las otras variables dependientes relacionadas en
los coeficientes del modelo, se logra determinar la significancia que cada una de ellas tiene
dentro del modelo por lo que se tiene:

= 0.065 + 0.005 3 + 0.012 5 + 0.002 12 + 0.149 18

bajo la anterior situacin se puede concluir lo siguiente:
Por cada unidad que se incremente el tiempo de vigencia de una obligacin crediticia, la
probabilidad de incumplimiento aumenta en 0.005, si el nmero de pagos al ao, los das
mximos de vencimiento y el porcentaje de incumplimiento en los pagos permanecen
constantes
Si aumenta el numero de pagos al ao en una unidad, la probabilidad de incumplimiento se
incrementa en 0.012, si los meses vigentes de la obligacin, los das mximos de vencimiento
y el porcentaje de incumplimiento en los pagos permanecen constantes
Cuando se incrementa en un da la mora en pago, la probabilidad de incumplimiento se
incrementa en 0.002, si los meses vigentes de la obligacin, el nmero de pagos al ao y el
porcentaje de incumplimiento en los pagos permanecen constantes

70

Al incrementarse en uno por ciento el ndice de incumplimiento en los pagos, se aumenta la

probabilidad de incumplimiento en 0.149, si los meses vigentes de la obligacin, el nmero de
pagos al ao y los das mximos de vencimiento permanecen constantes
Para calcular los valores de probabilidad de incumplimiento, solamente basta con remplazar
cada una de las variables independientes por los valores que en este caso tenga el cliente y
el valor obtenido seria la probabilidad que tiene la persona de no pago.
Como conclusin de la utilizacin de este modelo, se puede llegar a afirmar que la
probabilidad de incumplimiento esta determinada por: los meses vigentes de la obligacin, el
nmero de pagos al ao, los das mximos de vencimiento y el porcentaje de incumplimiento
en los pagos, pero si se observa el valor del R 2 corregido, se encuentra una cifra de 0.370,
que es muy pobre. Esto sencillamente indica que el modelo no explica debidamente la
variable dependiente, por lo tanto no puede ser utilizado para efectuar estimaciones.
La anterior situacin obliga a buscar otro modelo que presente un mejor grado de
explicacin, razn por la cual se analiza la informacin mediante la utilizacin del modelo
Logit.

6.5 MODELO LOGIT

6.5.1 CLASIFICACIN DE LOS CLIENTES POR VARIABLES CATEGORICAS
Cuadro 4. CLASIFICACIN DE LOS CLIENTES POR VARIABLES
CATEGORICAS
No
OBSERVACIONES

VARIABLES / CATEGORIAS
ESCOLARIDAD

ESTADO CIVIL

TIPO DE VIVIENDA

PRIMARIA
BACHILLER
TECNICO
UNIVERSIDAD
ESPECIALIZACION
NINGUNO
SOLTERO
CASADO
UNION LIBRE
SEPARADO
VIUDO
PROPIA
ARRENDADA
FAMILIAR

71

300
64
9
5
1
8
50
256
35
26
20
302
40
45

Para iniciar el proceso, se efecta la medicin de la bondad del modelo calculado, para lo
cual se toma como base la estadstica de Hosmer Lemeshow, ya que esta ayuda a
determinar si el modelo describe adecuadamente los datos. Esta estadstica es la ms
confiable del ajuste del modelo para la regresin logstica binaria que trae el paquete SPSS
porque agrega las observaciones en grupos de casos similares. Para aspectos prcticos y con
el nimo de ofrecer una mayor claridad, se puede decir que la estadstica de Hosmer
Lemeshow, indica un ajuste pobre si el valor de la significacin es mayor de 0.15.

Cuadro 5. PRUEBAS MNIBUS SOBRE LOS COEFICIENTES DEL MODELO

Paso 1

Paso 2(a)

Paso 3(a)

Paso 4(a)

Paso 5(a)

Paso 6(a)

Paso 7(a)

Paso 8(a)

Paso 9(a)

Paso 10(a)

Paso 11(a)

Paso
Bloque
Modelo
Paso
Bloque
Modelo
Paso
Bloque
Modelo
Paso
Bloque
Modelo
Paso
Bloque
Modelo
Paso
Bloque
Modelo
Paso
Bloque
Modelo
Paso
Bloque
Modelo
Paso
Bloque
Modelo
Paso
Bloque
Modelo
Paso
Bloque
Modelo

Chi-cuadrado
111,647
111,647
111,647
-0,630
111,018
111,018
-0,013
111,005
111,005
-1,715
109,290
109,290
-0,430
108,860
108,860
-0,641
108,219
108,219
-0,649
107,570
107,570
-0,706
106,865
106,865
-1,905
104,960
104,960
-1,363
103,596
103,596
-2,147
101,449
101,449

72

gl
26
26
26
5
21
21
1
20
20
4
16
16
2
14
14
1
13
13
1
12
12
1
11
11
1
10
10
1
9
9
1
8
8

Sig.
0,000
0,000
0,000
0,987
0,000
0,000
0,909
0,000
0,000
0,788
0,000
0,000
0,807
0,000
0,000
0,423
0,000
0,000
0,420
0,000
0,000
0,401
0,000
0,000
0,168
0,000
0,000
0,243
0,000
0,000
0,143
0,000
0,000

Por lo anterior, se puede concluir que en el ltimo paso del modelo, se tiene un buen ajuste
para la informacin, y las variables que conforman este modelo son las que se deben tener
en cuenta para estimar las probabilidades.
En el siguiente cuadro se suministra el R 2 de Nagelkerke. Este estadstico indica que el
56.9% de las variaciones de la probabilidad de incumplimiento son explicadas por: los
meses vigentes de la obligacin, el nmero de pagos al ao, los das mximos de vencimiento
y el porcentaje de incumplimiento en los pagos, y cumple la misma funcin que el
coeficiente de determinacin que se utiliza en los modelos lineales de regresin. Por medio
de este, se puede establecer la bondad del ajuste que se esta realizando. Para el caso de
estudio, el R 2 de Nagelkerke arroja un valor aceptable para el modelo ajustado en el paso
nmero 11, que fue confirmado ya con la prueba de hiptesis de Hosmer Lemeshow
explicada anteriormente.
La funcin de verosimilitud puede tambin utilizarse para obtener un estadstico, que tiene
cierta semejanza con el coeficiente de determinacin calculado en la estimacin lineal,
conocido como ndice de coeficiente de verosimilitudes. Este estadstico compara el valor
de la funcin de verosimilitud de dos modelos: uno corresponde al modelo estimado que
incluye todas las variables explicativas (modelo completo) y el otro sera el del modelo
cuya nica variable explicativa es la constante (modelo restringido). El estadstico tambin
conocido como R 2 de McFadden ya que fue propuesto por McFadden en 1974, se define
como:
RV = ICV = 1

log L
log L(0)

Donde L es el valor de la funcin de verosimilitud del modelo completo (el estimado con
todas las variables explicativas) y L(0)es el valor correspondiente del modelo restringido (el
que incluye nicamente en la estimacin el termino constante).

73

El ratio calculado tendr valores comprendidos entre 0 y 1 de forma que:

Valores prximos a 0 se obtendrn cuando L(0) sea muy parecido a L, situacin en

la que nos encontraremos cuando las variables incluidas en el modelo sean poco
significativas, es decir, la estimacin de los parmetros no mejora el error que se
comete si dichos parmetros se igualaran a 0. Por lo que en este caso la capacidad
explicativa del modelo ser muy reducida.

Cuanto mayor sea la capacidad explicativa del modelo, mayor ser el valor de L
sobre el valor de L(0), y mas se aproximara el ratio de verosimilitud calculado al
valor 1.11

Cuadro 6. RESUMEN DE LOS MODELOS

Paso
1
2
3
4
5
6
7
8
9
10
11

-2 log de la
R cuadrado de R cuadrado de
Nagelkerke
verosimilitud
Cox y Snell
89,344(a)
0,251
0,619
89,974(a)
0,249
0,616
89,987(a)
0,249
0,616
91,702(b)
0,246
0,607
92,132(b)
0,245
0,605
92,773(b)
0,244
0,602
93,422(b)
0,243
0,599
94,127(b)
0,241
0,596
96,032(b)
0,238
0,586
97,395(b)
0,235
0,580
99,542(b)
0,231
0,569

Definida la bondad del ajuste y confirmada la utilidad para efectuar estimaciones,

enseguida se establecen las variables que deben ser incluidas y el grado de significancia que
cada una de ellas presenta. Para esto el SPSS genera una salida en la que aparece la
variable, el valor del parmetro, el error muestral cometido al estimar el parmetro
poblacional y el grado de significancia.

11

MEDINA Moral Eva. Modelos de eleccin discreta. 2003.

74

El modelo clasifica correctamente los clientes que desembolsaron crditos en un 100% de

los casos, lo cual verifica que el modelo es aceptable. Por ultimo, se consigue asignar de
forma correcta en su conjunto el 95.1% (vase cuadro adjunto)

Cuadro 7. CLASIFICACION
Pronosticado
y
Paso 11

Observado
y

0
1

355
15

4
13

Porcentaje
correcto
98,9
46,4
95,1

Porcentaje global

Los valores que aparecen en las ultimas cinco columnas del cuadro de enseguida, tienen
una gran importancia para el anlisis estadstico del modelo, ya que con ellos se establece si
la variable considerada es importante o no, para establecer variaciones en la variable
dependiente y en caso de serlo, el nivel de significancia esta indicando que tan importante
es.
Cuadro 8. VARIABLES EN LA ECUACIN
B
Paso 11(a)

MESES VIGENTES DE
LA OBLIGACION
VALOR DEL
DESEMBOLSO
NUMERO DE PAGOS
AL AO
VALOR DE LOS
ACTIVOS
SALDO DE LA DEUDA
DAS MAXIMOS DE
VENCIMIENTO
PASIVOS
% INCUMPLIMIENTO
EN LOS PAGOS

Constante

E.T.

Wald

gl

Sig.

Exp(B)

0,081

0,047

2,944

0,086

1,085

0,000

0,000

3,641

0,056

1,000

0,218

0,113

3,744

0,053

1,244

0,000

0,000

4,370

0,037

1,000

0,000

0,000

2,960

0,085

1,000

0,015

0,005

10,040

0,002

1,015

0,000

0,000

4,233

0,040

1,000

2,673

0,655

16,635

0,000

14,481

-5,332

1,068

24,936

0,000

0,005

Bajo las anteriores situaciones, el modelo que se debe emplear para calcular la probabilidad
de incumplimiento de los clientes que desembolsaron un crdito viene dada por:

75

=
i

0.081X 1 + 0.218 X 2 + 0.015 X 3 + 2.673 X 4 5.332

En donde las variables: meses vigentes de la obligacin, nmero de pagos al ao, das
mximos de vencimiento y el porcentaje de incumplimiento en los pagos, son importantes
para establecer variaciones en la probabilidad de incumplimiento
X 1 = Meses vigentes de la obligacin
X 2 = Nmero de pagos al ao
X 3 = Das mximos de vencimiento
X 4 = Porcentaje de incumplimiento en los pagos
6.6 MODELO DISCRIMINANTE

Para facilitar la comprensin del proceso de la tcnica discriminante, en el clculo de la

probabilidad de no pago y tomando como base los datos de la entidad financiera que ha
sido analizada, se desarrolla el siguiente proceso metodolgico teniendo presente que solo
se pueden incluir variables cuantitativas, razn por la cual las variables cualitativas que
haban sido consideradas en los modelos Logit y de Probabilidad Lineal no pueden ser
tenidas en cuenta, generando esta situacin una limitante en la tcnica.

6.6.1 VARIABLES DEFINIDAS

X3
X4
X5
X9
X 11
X 12
X 13
X 16

Meses vigentes de la obligacin

Valor del desembolso
Nmero de pagos al ao
Valor de los activos
Saldo de la deuda
Das mximos de vencimiento
Edad en aos
Personas a cargo

76

X 17 Pasivos
X 18 % incumplimiento en pagos

Se procede a correr el modelo, utilizando la tcnica del paquete SPSS, una vez all, se
utiliza la opcin analizar, empleando en particular la opcin clasificar y discriminante, tal
como se presenta a continuacin:

Grafico 1. BASE DE DATOS

Se accede al men por la opcin analizar luego clasificar y por ultimo se elige
discriminante

77

Grafico 2. ANLISIS DISCRIMINANTE

Se introducen las variables que fueron previamente definidas.

78

Grafico 3. CLASIFICACIN

Se obtuvieron los resultados que se indican en este aparte, los cuales permiten determinar la
probabilidad de cada una de las observaciones frente al pago o el incumplimiento,
encontrndose que la probabilidad 0 se refiere al pago y la 1 al no pago.

79

Grafico 4. MODELO DISCRIMINANTE

Con base en los datos anteriores y como se comprueba con las salidas que genera el paquete
y que se indican en los cuadros siguientes, se puede ver que las variables 3 , 12 , 18 , son
significativas dentro del modelo a un nivel del 100%. Lo importante de esta situacin esta
en el hecho de que con el modelo genera las probabilidades de pago y no pago para cada
una de los clientes analizados, tal como se muestra en las dos ltimas columnas del grfico
4, lo cual era el inters central de la tcnica.
Los resultados en forma detallada se observan en el anexo 1, donde se presenta la base de
datos y la informacin que dio origen a los resultados mostrados en el presente trabajo y en
donde aparecen los correspondientes valores de probabilidad para cada uno de los clientes
analizados. El modelo definitivo se genera en el paso nmero 3 y esta conformado por las
variables correspondientes a los meses vigentes de la obligacin, das mximos de
vencimiento y % incumplimiento en pagos. Debe notarse que all las variables consideradas
son significantes a un nivel del 100%, como tambin se indican las funciones cannicas y,
los coeficientes estandarizados y el lambda de Willks.

80

Cuadro 9. PRUEBAS DE IGUALDAD DE LAS MEDIAS DE LOS GRUPOS

Lambda de
Wilks
x3
x12
x18

0,927
0,689
0,789

gl1

gl2

30,122
173,821
103,220

1
1
1

Sig.
385
385
385

0,000
0,000
0,000

Cuadro 10. VARIABLES EN EL ANALISIS

Paso
3

Tolerancia
x12
x18
x3

Lambda de
Wilks

F para salir

0,896
0,883
0,978

81,144
21,846
8,704

0,763
0,665
0,644

Cuadro 11. RESUMEN DE LAS FUNCIONES CANONICAS DISCRIMINANTES

AUTOVALORES
Funcin

Autovalor

1
.

% de varianza % acumulado

,589(a)

100,0

Correlacin
cannica

100,0

0,609

Cuadro 12. LAMBDA DE WILKS

Contraste de
las funciones
1

Lambda de
Wilks
0,629

Chi-cuadrado

gl

177,506

Sig.
3

0,000

Cuadro 13. COEFICIENTES ESTANDARIZADOS

Funcin
1
x3
x12
x18

0,248
0,726
0,406

81

7. CONCLUSIONES

A travs del Modelo de Probabilidad lineal, se logra observar las

caractersticas principales de una relacin no evidente entre las variables,
determinando la probabilidad de ocurrencia o no, del pago oportuno de un
crdito. Sin embargo al aplicarse este modelo para el anlisis de la
probabilidad de incumplimiento en los pagos, se tiene grandes limitantes ya
que el Modelo de Probabilidad Lineal presenta problemas en lo que hace
referencia a la heterocedasticidad, ya que la variable dependiente solamente
puede tomar uno de dos valores: uno o cero y esto puede producir varianzas
negativas, situacin que unida al hecho de que al estimar valores de
probabilidad mediante el modelo calculado, los valores estimados pueden
caer fuera del rango (0, 1) lo cual hace que la estimacin sea pobre y gener
estimadores ineficientes.
El modelo aplicado determin como variables explicativas del mismo, los
meses vigentes de la obligacin, el nmero de pagos al ao, los das mximos
de vencimiento y el porcentaje de incumplimiento en los pagos, habindose
planteado la hiptesis de la importancia de estas variables para establecer
variaciones en la probabilidad de incumplimiento, objeto de estudio, pero el
valor arrojado del R 2 corregido, se encuentra una cifra de 0.370, que es muy
pobre, indicando que el modelo no explica debidamente la variable
dependiente, por lo tanto no puede ser utilizado para efectuar estimaciones

El modelo Logit plantea la clasificacin de los datos de acuerdo a unas

caractersticas comunes. Genera un ordenamiento de la cartera y la
estimacin

de

probabilidades

permitiendo

calcular

las

respectivas

provisiones, se solucionan los problemas del modelo lineal a travs del uso
de funciones de distribucin, clasificando los datos y asocindolos con las
variables en diferentes grupos. Se aplic el modelo Logit dicotmico, que
analiz la probabilidad de pertenencia, permitiendo hacer uso de variables

82

tanto cuantitativas como cualitativas y retomo como variables importantes

para el estudio las mismas consideradas en MPL. Cabe anotar que aunque
Logit es el modelo mas conveniente para aplicar en est tipo de estudios, se
debe considerar que el clculo del mismo es difcil dada la necesidad de un
paquete estadstico especializado. El modelo Logit permite, adems de
obtener estimaciones consistentes de la probabilidad de incumplimiento,
identificar los factores de riesgo que determinan dichas probabilidades, as
como la influencia o peso relativo de stos sobre las mismas, permitiendo la
inclusin de variables medidas en una escala nominal.

El Modelo Discriminante analiz las diferencias entre grupos de datos y

explico las variables que logran discriminar, es decir presentar la
heterogeneidad de los grupos; las variables significantes fueron: los meses
vigentes de la obligacin, los das mximos de vencimiento y el porcentaje
de incumplimiento en los pagos. Sin embargo este modelo tiene limitantes
para al tratar de calcular la probabilidad de incumplimiento, puesto que
presenta algunas inconvenientes para su aplicacin, tales como el hecho de
tener la necesidad de incluir en su clculo todos los elementos de una
poblacin, adems de solamente considerar en el proceso de clculo
variables de tipo cuantitativo. Por lo que el modelo no tiene poder
predictorio y deja de lado informacin que en estudios de crdito puede ser
muy relevante

83

BIBLIOGRAFA

ALDRICH, John H. Linear probability, Logit, and Probit models, sage publications.
BACA, Gmez Antonio La Administracin de Riesgos Financieros. Articulo tomado
de la revista Ejecutivos de Finanzas, publicacin mensual, Ao XXVI, No. 11,
Noviembre, Mxico. 1997.
BODIE, Zwi y Robert C. Merton. Finanzas. Editorial Pretince Hall, Mxico. 1999.
CANAVOS, George. Estadistica. Mc Graw Hill. Mxico. 1988
CRUZ, Juan Sergio. Finanzas corporativas. Thomson editores. Colombia.
DAVE Grace, Director del Trade Associations Services, WOCCU. S.F.
ELIZONDO, Alan. Medicin Integral del Riesgo de Crdito, Limusa Noriega editores.
Mxico 2003.
FRAGOSO, J.C. Anlisis y Administracin de Riesgos Financieros. Exposicin de la
materia de Anlisis de Riesgos, de la especialidad en Economa Financiera de la
Universidad Veracruzana, Captulo 13: Mercado de Derivados, Xalapa, Mxico. 2002.
GALICIA Romero, Martha. Nuevos Enfoques de riesgo de crdito, Instituto del
riesgo financiero. Mxico 2003.
GEENE, William H. Anlisis economtrico. Editorial pretince may. Tercera edicin. 1999
JORION, Philippe. Valor en riesgo. Edita Limusa, Mxico. 1999
KRUGMAN, R. Paul y Maurice Obstfeld. Economa Internacional. 3 Edicin, Editorial
McGraw-Hill, Espaa. 1995
LEVI, D. Maurice. Finanzas Internacionales. 3 Edicin. Editorial McGraw-Hill. Mxico.
1997.
LEWENT, Judy C., y A. John Kearney. Identifying, Measuring, and Hedging Currency
Risk at Merck. Continental Bank Journal of Applied Corporate Finance 2, pp. 19-28;
EE.UU. 1990.
LIAO, Tim F. interpreting probability models, Logit, Probit, and other generalized linear
models. Sage Publications.

84

LONG, J. Scout. Regression models for categorical and limited dependent variables. Sage
Publications.
MEDINA Moral Eva. Modelos de eleccin discreta. 2003.
NOVALES, Alfonso. Estadstica y econometra. Mc Graw Hill, Madrid. 1997
PASCALE, Ricardo. Decisiones Financieras. 3 Edicin, Ediciones Machi, Argentina.
1999.
ROJAS Medina Ricardo Alfredo. Aplicaciones estadsticas en la evaluacin financiera de
proyectos. Universidad Autnoma de Manizales. Colombia. 2002.
ROSILLO, Jorge. Modelo de prediccin de quiebras de las empresas colombianas, Revista
de ciencias administrativas y sociales Innovar, Universidad Nacional. Colombia. 2002
RODRIGUEZ TABORDA, Eduardo. Administracin del Riesgo. Alfaomega grupo editor.
Mxico. 2002
SALINAS Avila, John Jairo. Metodologas de Medicin del Riesgo de Mercado en
Instituciones de Fomento y Desarrollo Territorial, Tesis. Manizales, Colombia. 2004.
SCHEAFFER McClave. Probabilidad y estadstica para ingeniera. Iberoamerica s.a. de
c.v. Mexico. 1993.
VILARIO Sanz, Angel. Turbulencias financieras y riesgos de mercado. Pretince hall.
Madrid. 2000.
ZORRILLA SALGADOR, Juan Pablo. La administracin de riesgos financieros.
http://www.gestipolis.com.

85

ANEXO

86