Modelo para la estimación del deterioro por riesgo de crédito

Model for the estimation of impairment due to credit risk

Iván Mauricio Bermúdez Vera , Diego Fernando Manotas Duque y  Javier Olaya Ochoa

Suma de Negocios, 11(25), 149-157, julio-diciembre 2020, ISSN 2215-910X

http://doi.org/10.14349/sumneg/2020.V11.N25.A6

Recibido el 28 de enero de 2020
Aceptado el 20 de abril de 2020
Online el 15 de mayo de 2020

Resumen

El artículo desarrolla el modelo de estimación de pérdida esperada como soporte al Sistema de Administración del Riesgo de Crédito para una entidad de economía solidaria. Describe la construcción de un modelo de regresión logística para la estimación de la probabilidad de incumplimiento de sus asociados y valora el desempeño del modelo desde el poder de discriminación entre cumplidos e incumplidos mediante el método Hold Out repetido. Definido el modelo y estimada la probabilidad de incumplimiento de los asociados, se determina la tasa de recuperación de acuerdo con el tipo de garantía que presente cada crédito, permitiendo así estimar la pérdida esperada y las provisiones de cartera necesarias para la entidad.


Palabras clave:
Riesgo de crédito,
pérdida esperada,
modelo Logit,
método Hold Out,
provisión de cartera.

Códigos JEL:
C51, C53, G11, G23

Abstract

The article develops an estimation model for expected loss as support to the Credit Risk Management System for a corporation of social economy. it describes the setting of a logistic binary regression model to estimate the probability the non-compliance of its affiliates and, it evaluates the model’s capacity to discriminate between compliance and non-compliance using the Hold Out recurrent method. Once the model is fixed and the probability is estimated, the recovery rate is determinate according to the guarantee offer by each credit. so, is possible the estimation of expected loss as well as the portfolio provisions required by each fund.


Keywords:
Credit risk,
expected loss,
Logit model,
Hold Out method,
provision of portfolio.

Artículo Completo
Bibliografía

Abdolreza, N., Farnoosh, F., Konstantin H., & Frank, J. (2017). Fuzzy decision fusion approach for loss-given-default modeling. European Journal of Operational Research, (262), 780-791. https://doi.org/10.1016/j.ejor.2017.04.008.

Altman, E. I., & Saunders, A. (1997). Credit risk measurement: Developments over the last 20 years. Journal of Banking & Finance, 21(11-12), 1721-1742. https://doi.org/10.1016/S0378-4266(97)00036-8.

Bennouna, G., & Tkiouat, M. (2019). Scoring in microfinance: Credit risk management tool –Case of Morocco–. Procedia Computer Science, 148, 522-531. https://doi.org/10.1016/j.procs.2019.01.025.

Bülbül, D., Hakenes, H., & Lambert, C. (2019). What influences banks’ choice of credit risk management practices? Theory and evidence. Journal of Financial Stability, 40, 1-14. https://doi.org/10.1016/j.jfs.2018.11.002.

Caicedo, E., Claramunt, M., & Casanovas, M. (2011). Medición del riesgo de crédito mediante modelos estructurales: una aplicación al mercado colombiano. Cuadernos de Administración, 24(42), 73-100. http://www.scielo.org.co/scielo.php?script=sci_abstract&pid=S0120-35922011000100004.

Cardozo, H. (2014). IFRS/NIIF para el sector solidario. Aplicadas a las PYME: modelo catálogo de cuentas. Bogotá: Ecoe Ediciones.

Chadwick, M. G. (2018). Effectiveness of monetary and macroprudential shocks on consumer credit growth and volatility in Turkey. Central Bank Review, 18(2), 69-83. https://doi.org/10.1016/j.cbrev.2018.03.001.

Circulares externas 003 de 2013 y 006 de 2014. Superintendencia de la Economía Solidaria.

Circular Básica Contable y Financiera 004 de 2008. Superintendencia de la Economía Solidaria.

Dobson, A. J., & Barnett, A. G. (2018). An introduction to generalized linear models. Florida: Chapman & Hall/CRC.

Echeverri, F. (2006). Evaluación de modelos para la medición de riesgo de incumplimiento en créditos para una entidad financiera del Eje Cafetero (tesis de maestría). Manizales, Colombia: Universidad Nacional de Manizales.

http://www.bdigital.unal.edu.co/1083/1/faneryecheverrivaldes.2006.pdf.

Fang, F., & Chen, Y. (2019). A new approach for credit scoring by directly maximizing the Kolmogorov–Smirnov statistic. Computational Statistics & Data Analysis, 133, 180-194. https://doi.org/10.1016/j.csda.2018.10.004.

Gómez, J. E., & Orozco, I. P. (2009). Un modelo de alerta temprana para el sistema financiero colombiano. Borradores de Economía, 565. http://www.banrep.gov.co/docum/ftp/borra565.pdf.

González, M., & González, C. (2019). An alternative approach to predicting bank credit risk in Europe with Google data. Finance Research Letters. https://doi.org/10.1016/j.frl.2019.08.029.

Hosmer, D. W., & Lemeshow, S. (2004). Applied logistic regression. Nueva York: Jhon Wiley and Sons.

Jokivuolle, E., & Peura, S. (2003). Incorporating collateral value uncertainty in loss given default estimates and loan-to-value ratios. European Financial Management, 9(3), 299-314. https://doi.org/10.1111/1468-036X.00222.

Kozodoi, N., Lessmann, S., Papakonstantinou, K., Gatsoulis, Y., & Baesens, B. (2019). A multi-objective approach for profit-driven feature selection in credit scoring. Decision Support Systems, 120, 106-117. https://doi.org/10.1016/j.dss.2019.03.011.

López, F. (2014). Pero ¿existe demanda solvente de crédito? Estrategia Financiera, 315, 76-77.

Madeira, C. (2019). Measuring the covariance risk of consumer debt portfolios. Journal of Economic Dynamics and Control, 104, 21-38. https://doi.org/10.1016/j.jedc.2019.05.005.

Nelder, J. A., & Wedderburn, R. W. (1972). Generalized linear models. Source Journal of the Royal Statistical Society. Series A (General), 135(3), 370-384. https://doi.org/10.2307/2344614.

Ochoa, J., Galeano, W., & Agudelo, L. (2010). Construcción de un modelo de scoring para el otorgamiento de crédito en una entidad financiera. Perfil de Coyuntura Económica, 16, 191-222. https://www.redalyc.org/articulo.oa?id=86120022009.

R Core Team. (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/.

Salazar, F. E. (2013). Cuantificación del riesgo de incumplimiento en créditos de libre inversión: Universidad del Valle. Estudios Gerenciales, 29, 416-427. https://doi.org/10.1016/j.estger.2013.11.007.

Támara, A., Aristizábal, R., & Velásquez, E. (2012). Matrices de transición en el análisis del riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada en una institución financiera colombiana. Revista Ingenierías Universidad de Medellín, 11(20), 105-114. https://revistas.udem.edu.co/index.php/ingenierias/article/view/669.

Walke, A. G., Fullerton, T. M., & Tokle, R. J. (2018). Risk-based loan pricing consequences for credit unions. Journal of Empirical Finance, 47, 105-119. https://doi.org/10.1016/j.jempfin.2018.02.006.

Yu, F., Ching, W., Gu, J., & Siu, T. (2017). Interacting default intensity with hidden Markov process. Quantitative Finance, 7(5), 781-794. https://doi.org/10.1080/14697688.2016.1237036.

PDF
EPUB
Métricas

Dimensions

PlumX


Instituciones

Universidad Santiago de Cali, Cali, Colombia
Universidad del Valle, Cali, Colombia
Copyright © 2020. Fundación Universitaria Konrad Lorenz, Colombia

0 comentarios

Dejar un comentario

¿Quieres unirte a la conversación?
Siéntete libre de contribuir

Deja una respuesta

(Visited 677 times, 1 visits today)