Matriz de transición: una herramienta para determinar la probabilidad de default en las instituciones microfinancieras

Transition matrix: A tool to determine the probability of default in Microfinance Institutions

Contenido principal del artículo

Resumen

En los últimos años ha habido una constante preocupación por la administración de la morosidad de las entidades microfinancieras (IMF), y sobre todo por calcular la probabilidad de default de la cartera de créditos, y para ello se han utilizado diversas herramientas estadísticas. El objetivo de esta investigación es determinar en forma eficiente la probabilidad de default utilizando una herramienta denominada Matriz de Transición, para lo cual se desarrollará la construcción de una matriz de transición para una cartera de préstamos de una institución microfinanciera, además de comprobar su utilidad n el monitoreo de la cartera de préstamos, lo cual nos permitirá establecer tendencias que nos lleven a conocer y calcular las probabilidades de mantener, mejorar o deteriorar su categoría de riesgo, de manera que las instituciones puedan proyectar tendencias del comportamiento de pago de sus deudores en el futuro. El presente documento tiene un enfoque mixto, con un alcance exploratorio y descriptivo. Finalmente, respecto de la clasificación del deudor los resultados muestran que la mejora de clasificación tiene una baja probabilidad de ocurrencia, pues casi el 80 % de los deudores permanecen en la misma clasificación, y de empeorar (un 18.75 %). Además, la probabilidad de default o pérdida de la clasificación sería del 11.3 %, indicador que está relacionado directamente con la provisión de la cartera de crédito de las instituciones. El uso de la matriz de transición también permite estimar la provisión que tendrán que constituir estas instituciones, las mismas que impactarán en la reducción de la rentabilidad de sus resultados financieros.

Palabras clave:

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Referencias (VER)

Aguilar, G., Camargo, G. y Morales, R. (2004). Análisis de la morosidad en el sistema bancario peruano. Informe final de investigación. Instituto de Estudios Peruanos, 1, 1-108. https://www.cies.org.pe/sites/default/files/investigaciones/analisis-de-lamorosidad-

en-el-sistema-bancario-peruano.pdf.

Cóndor, J. y Cajamarca, R. (2014). Matrices de transición y análisis de cosechas en el contexto de riesgo de crédito. Quito: SBS, 22.

Flores-Ruiz, E.; Miranda-Novales, M. G. y Villasis-Keever, M. Á. (2017). El protocolo de investigación vi: cómo elegir la prueba estadística adecuada. Estadística inferencial. evista Alergia, vol. 64, n. 3, 364-370.

Garrocho, C., Jiménez, E. y Álvarez, J. (2016). Modelando la migración interestatal de México: cadenas de Markov estáticas versus cadenas de Markov dinámicas con

medias móviles. Papeles de Población, 22(90), 109-144.

Jarrow, R., Lando, D. y Turnbull, S. (1997). A Markov model for the term structure of credit risk spreads. The Review of Financial Studies, 10(2), 481-523. https://academic.oup.com/rfs/article-abstract/10/2/481/1589160.

Jiménez, M. (2017). La movilidad socioeconómica intergeneracional en Argentina. Universidad Nacional de La Plata.

Larralde, M., Real, C. y Viana, S. (2011). Matriz de Transición Condicional de los Créditos del Sector No Financiero para Uruguay y sus Ventajas frente al Cálculo Incondicional. Revista de Ciencias Empresariales y Economía, 9, 99-124.

Morales, A. (2018). Calculating for managing: The emergence of the idea of risk management. Apuntes Contables, 89-102. https://doi.org/10.18601/16577175.n21.06.

Peña, L. (2013). Matrices de transición del crédito en Nicaragua. Managua, Nicaragua, 22. https://www.bcn.gob.ni/estadisticas/estudios/2014/DT-31_Matrices_de_Transicion_del_Credito_en_Nicaragua.pdf.

Pereira, C. (2019). Actualidad de la gestión empresarial en las pymes. Apuntes Contables (24), 39-53. https://doi.org/10.18601/16577175.n24.03.

Polanco, C., González, J. y Castañón, A. (2015). Cadenas de Markov, un vistazo al futuro. Archipiélago, 90, 27-28.

Ramírez, F. y Ayús, A. (2012). Análisis discriminante como seleccionador de variables influyentes en el cálculo de la probabilidad de incumplimiento. Revista Ciencias Estratégicas, 20(27), 103-118. https://www.redalyc.org/pdf/1513/151325816008.pdf.

Rodríguez, V. (2013). Matriz de probabilidad de transición de microcréditos: el caso de una microfinanciera mexicana. Estudios Económicos, 39-77. https://www.redalyc.org/pdf/597/59727431002.pdf.

Román, P. (2014). Estadística descriptiva e introducción a la probabilidad. https://docplayer.es/23007685-Tema-4-probabilidad-condicionada-teoremas-basicos-independenciade-sucesos.html.

Romero, M. (2016). Pruebas de bondad de ajuste a una distribución normal. Revista Enfermería del Trabajo, 6(3), 114. https://dialnet.unirioja.es/servlet/articulo?codigo=5633043.

SBS (2008). Superintendencia de Banca Seguro y afp. Resolución n.° 11356.

Solorio, J., Márquez, Z., Montoya, M., Cárdenas, S. y Hernández, R. (2014). Aplicación de Métodos Markovianos en el Modelado del Deterioro de Carreteras. Publicacion Técnica, 396.

Toledo, E. (2020). Microfinanzas en el Perú: del modelo relacional al modelo de eficiencia. Apuntes Contables. vol. 1, 75-93. https://revistas.uexternado.edu.co/index.php/contad/article/view/6878.

Valencia, V. y Zambrano, J. (2012). Cálculo de la probabilidad de default para una cartera de créditos vehiculares. Escuela Superior Politécnica del Litoral, 8. https://pdfs.semanticscholar.org/582d/42a45722e6fea4a088d97d2883784b2cc0e1.pdf.

Vásconez, G. (2010). El riesgo de crédito en las microfinanzas. Asunción, Paraguay.

Citado por