ESCUELA POLITÉCNICA NACIONAL

FACULTAD DE CIENCIAS
CARRERA: Ingeniería en Ciencias Económicas y Financieras 21/ 01/ 2011
DIA / MES / AÑO

TÍTULO DEL PROYECTO DE TITULACIÓN:

APLICACIÓN  DE  MODELOS  DE  MIXTURA  Y  REDES  BAYESIANAS  PARA  LA  GUÍA  DE  OBJETIVOS 
GERENCIALES A TRAVÉS DE UN CUADRO DE MANDO CREDITICIO. 

OBJETIVO GENERAL:
Diseñar  y  construir  una  herramienta  de    gestión  de    riesgo    a  través    de    un  modelo  scoring  de 
mixtura, que permita incorporar los  factores de riesgo sistémico, considerando  dependencias  de los 
clientes asociados a una cartera de  crédito.

OBJETIVOS ESPECÍFICOS:

• Desarrollar  una  herramienta  efectiva    con  la    finalidad    de  determinar  la  probabilidad  de  que  el 
solicitante    tenga  un  comportamiento  adecuado    durante    la  evolución  del  crédito,  de  fácil 
entendimiento  que  permita  potencializar  sus  usos  y  sirva  además  para  la  planeación  de  de 
estrategias tanto de concesión de productos financieros  de la institución. 
• Realizar  un  scoring    de  mixtura    que    permita  predecir  de  manera  confiable,  el  posible 
comportamiento de los clientes y  de esta manera  la  institución  pueda definir un nivel de riesgo 
mínimo y decidir  sobre el otorgamiento o negociación  del crédito. 
• Aplicar  la  técnica  de  redes  bayesianas  y  el  modelo  de  mixtura  como  métodos  alternativos  para 
mejorar los resultados obtenidos por los modelos estadísticos tradicionales. 

BREVE DESCRIPCIÓN DEL PROYECTO:

El  sistema  financiero  juega  un  rol  fundamental  en  el  funcionamiento  de  la  economía.  Instituciones 
financieras sólidas y solventes permiten que los recursos financieros fluyan eficientemente desde los 
agentes  superavitarios  a  los  deficitarios  permitiendo  que  se  aprovechen  las  oportunidades  de 
negocios y de consumo. La principal actividad generadora de ingresos de las instituciones bancarias,  
la representa las operaciones activas a través de los créditos otorgados a los solicitantes, entendidos 
como  el  capital  adeudado,  los  rendimientos  por  cobrar  y  cualquier  otro  monto  que  represente 
derechos  no  recaudados  por  una  operación  crediticia.  Sin  embargo,  en  los  últimos  años,  la 
globalización  de  la  economía  de  mercado  ha  disminuido  la  estabilidad  y  seguridad  del  negocio 
financiero, multiplicando los riesgos a los que se enfrentan estas entidades. 

El riesgo es un conjunto de eventos aleatorios que puede tener un impacto adverso sobre el valor de 
una firma. El riesgo de crédito, en particular, está definido como la incapacidad o el no deseo de un 
deudor  de  pagar  tanto  el  principal  como  los  intereses  de  las  obligaciones  que  ha  contraído  con  su 
acreedor. En otras palabras, es el riesgo asociado con la probabilidad de quiebra o incumplimiento de 
la contraparte responsable de una obligación financiera. 
 
Dadas  las  funciones  de  intermediación  que  cumple  el  sistema  financiero  en  la  economía,    siempre  
existirán  riesgos,  específicamente,  riesgo  de  crédito.  Una  posición  no  adecuada  ante  la 
 materialización  de  este  tipo  de  riesgo  puede  resultar  en  una  profunda  crisis  financiera,  cuyas 
consecuencias son muy costosas para las economías. Dichas crisis se presentan cuando las entidades 
no cuentan con buenos sistemas de administración y manejo del riesgo, dejando como consecuencia 
incrementos  en  el  incumplimiento  por parte  de  los  clientes,  deterioro  en  la  calidad  de  la  cartera  y 
reducción de las utilidades de los bancos.  
 
El riesgo de crédito es así uno de los más importantes que enfrenta el sistema financiero y por esta 
razón debe ser medido y monitoreado de manera eficiente y de acuerdo con las características de la 
economía y del momento del ciclo económico. 

Por lo tanto, una  de las  responsabilidades de las instituciones  financieras es administrar sus riesgos, 
y  tal  como  muchos  de  los  gerentes  de  crédito  en  el  mercado  bancario  saben,  el  seguimiento  de 
riesgo de crédito no es una tarea ni trivial, ni rápida; sino que constituye  un importante reto para las 
instituciones  que  entregan    créditos  a  empresas  o  clientes  individuales.  Este    reto,  consiste  en 
cuantificar, de la mejor forma posible, el riesgo de entregar un préstamo. 

A  nivel mundial, el mayor representante  que busca  alcanzar este reto  es el “Comité de Basilea para 
la Supervisión Bancaria”, el cual agrupa a los representantes de los bancos centrales y supervisores 
de  entidades  financieras.  Éste  comité  establece  que  cualquier  país,  de  acuerdo  con  el  grado  de 
desarrollo de su sistema financiero, puede adoptar prácticas y principios según sus necesidades. En 
general, se reconocen dos conjuntos de principios uno emitido en 1997, llamado “Acuerdo de Capital 
de  Basilea”,  que  reúne  prácticas  básicas  en  Riesgo  Bancario,  y  otro  más  reciente,  conocido  como  
“Convergencia  Internacional  de  Medidas  y  Normas  de  Capital”  ó  “Basilea  II”,  donde  se  establecen 
normas más avanzadas para administrar dicho riesgo (Águila et al 2002). Una adecuada gestión del 
riesgo  evitaría  crisis  bancarias,  como  las  ocurridas  a  lo  largo  de  la  historia  mundial.  Así,  las  nuevas 
regulaciones  internacionales  en  materia  de  riesgos  inciden  en  la  necesidad  de  modernizar  las 
técnicas de medición y gestión de riesgos, promoviendo el desarrollo de modelos internos. 

En  cuanto  a  la  medición  del  riesgo,    hay  una  gran  variedad  de  modelos  de  riesgo  de  crédito,  los 
cuales pueden ser clasificados a partir de distintos criterios. Los  primeros intentos   por cuantificar el 
riesgo  fueron hechos por expertos, desarrollando  así los modelos de Credit Scoring, mismos que han 
sido  ampliamente  discutidos  y  empleados  para  resolver  este  problema  llegando  a  ser  un  tema 
importante  para  muchos  investigadores.  En  la  literatura  se  han  propuesto  varias  técnicas  para 
construir  un  modelo  de  Credit  Scoring,  las  metodologías  de  los  modelos  tradicionales,  basados 
principalmente  en  el  análisis  discriminante  multivariable  ,  Zeta  Score1    ,  los  modelos  de  regresión 
cualitativa (probit y logit2)  que se apoyan en hipótesis, que no se cumplen en la mayoría de los casos 
(normalidad de la distribución, variables independientes, etc.)  ,  más  recientemente  los  modelos de 
redes neuronales. 
 
Sin    embargo,    en  los  últimos    tiempos    la  constante  preocupación  por  encontrar  técnicas  más 
robustas  que permitan  determinar con mayor efectividad  la probabilidad de pérdida, ha hecho que  
se busquen nuevas alternativas  que superen  los modelos anteriormente descritos  dando lugar  a 
modelos  estructurales  y  modelos    de  forma  reducida  o  de  mixtura.  Los  primeros    descienden  del 
modelo  propuesto  por  Merton  (1974),  el  cual  presenta  un  mecanismo  para  cuantificar  el 
incumplimiento de una empresa en términos de la relación entre los activos y sus obligaciones que 
deben ser cubiertas al  final de un periodo, mientras que los modelos  de mixtura  a diferencia de los 
modelos estructurales  no necesitan de información al interior  de cada  elemento de la cartera  ya 
que  se  modela  el  default  mediante  un  proceso  estocástico.  Un  ejemplo  de  ello  es  el  modelo 
CreditRisk+, que es una metodología   que permite modelar el riesgo de crédito de un portafolio por 
incumplimiento,  en  el  cual  se  parte  de  la  idea  de  que  los  eventos  de    impago  por  parte  de  los 
deudores    son    eventos  dependientes,  es  decir    se    rompe  con  el  supuesto  del  modelo  logit 
tradicional  de independencia entre los individuos analizados. 
 

1 Atman (1968) desarrolla un modelo, en donde  cinco razones financieras describen bastante bien la probabilidad de quiebra. 
2  El  análisis  logit    utiliza  un  conjunto  de  variables    para  predecir  la  probabilidad  de  que  el  prestatario    entre  en  estado  de  imapgo,  esto 
supone que la probabilidad de incumplimiento se distribuye logística. 
  De  acuerdo con Elizondo (2004), la  diversificación del riesgo  en un portafolio de  créditos se da de 
manera  natural  al tener un gran número de  firmas o individuos , sin embargo  si varios individuos  
están  afectados    por  los  mismos    factores  de  riesgo,  esta  diversificación    puede  ser  insuficiente  , 
créditos  que  pertenecen  al  mismo  sector    económico  ,  al  mismo  lugar  de  destino  pueden  generar 
altas  correlaciones    entre  sus  probabilidades  de    incumplimiento.  Así,  los  factores  de    riesgo  se 
clasifican  en    sistémicos,  que  son  los  que  afectan  a  un  grupo  de  la  cartera    de  crédito  y  en  no 
sistémico que son los  que afectan particularmente  a un crédito de  la cartera. En la medida   en que 
los factores de riesgo sistémico que son los que afectan a un gran  grupo de créditos  del portafolio , 
dicho portafolio experimenta  una gran concentración  de riesgo , pues cambios no deseados  pueden 
llevar a  pérdidas  extremas. 
 
En  este  tema  ,  Bayona    (2010)    destaca    que  se  han  planteado  dos  marcadas  líneas  de  trabajo,  la 
primera considera que los factores de riesgo no observados responden a variables macroeconómicas 
como el PIB, la inflación, entre otras, luego la determinación de los parámetros de factores de riesgo 
desde este punto de vista, se pueden calcular separadamente de los modelos para el cálculo de las 
probabilidades  de  incumplimiento;  esta  técnica  es  muy  usada  en  la  industria  pues  permiten 
incorporar  los  factores  de  riesgo  sistémico  que  cada  institución  considera  pertinente  para  la 
valoración de su portafolio. La segunda línea de trabajo sugiere que los parámetros de los factores de 
riesgo  se  pueden  determinar  conjuntamente  con  los  coeficientes  del  modelo  que  calculan  las 
probabilidades de incumplimiento. 
 
En resumen ,  en los modelos  de mixtura  para  modelar la  dependencia  se debe   considerar que el 
incumplimiento de un deudor  depende de un conjunto de factores económicos que son modelados 
estocásticamente;  así,  la  dependencia  entre  incumplimientos  se  la  obtiene  de  la  dependencia  que 
tiene cada incumplimiento con el mismo conjunto de factores económicos.  
 
En este contexto, es necesario mencionar que para el desarrollo de estos modelos es  fundamental 
cuantificar  la  dependencia  contemporánea  entre  créditos  incumplidos  y  no  condicionar  a  una 
distribución en particular , para lo cual se utilizará  las técnicas de redes bayesianas  que no realizan  
supuestos  sobre  las  distribuciones  marginales  de  las  variables,  ni  tampoco  sobre  la  relación  de 
dependencia  entre  ellas,  permitiendo  que  capture  la  dinámica  real  entre  las  variables    explicativas 
del modelo. En particular, en los últimos años, existe un buen número de trabajos que demuestran 
las ventajas que pueden aportar en este campo las redes bayesianas por su capacidad de análisis y 
diagnóstico,  ya  que  permiten  combinar  el  conocimiento  de  expertos  con  datos  observacionales,  la 
posibilidad de analizar los modelos resultantes y la facilidad para tratar datos incompletos o erróneos  
(Gerssen    et  al  2004).    Así,  las    redes  bayesianas    permitirán    representar  gráficamente  las 
dependencias condicional e  independencias entre variables aleatorias  y también pueden ser útiles 
en  puntuación  de  crédito.    Además,  el  número  de  variables    en  el  modelo    puede  ser  grande  en 
función  de  la  información  de  los  solicitantes,  las  redes  bayesianas  permitirán    eliminar  algunas 
variables que  no  influya  en  la  puntuación  de crédito de  los  clientes (Hand  et al  1997).  Igualmente, 
algunos nodos de decisión se pueden añadir a las redes en secuencia  en base a un conjunto óptimo 
de  las  decisiones  de  maximización  de  la  utilidad  de  quien  toma  la  decisión.  (Chang  et  al.2000). 
Similarmente,  las  redes  bayesianas  permiten  la  integración  de  los  conocimientos  y  los  datos  de 
manera  que  una  vez  que  la  red  es  construida,  las  probabilidades  condicionales  de  las  variables 
pueden ser calculadas en función de los datos de las variables. 
 
La  presente  investigación  busca  desarrollar  una  herramienta  para  mejorar  la  gestión  de  riesgo  a 
través de la aplicación de un modelo scoring mixto que a más de proporcionar un puntaje para cada 
cliente  de  acuerdo  a  su  riesgo,  como  lo  hace  el  scoring  tradicional,  ayude  a  predecir  el 
comportamiento de los clientes ante eventos externos que  se presentan en la economía; así como 
también presentar un cuadro de mando, del que se podrá obtener una visión más amplia y clara de 
las situaciones de decisión, es decir permita de manera rápida, la visualización del cumplimiento de 
las políticas por parte de los directivos y a la vez ayude a generar nuevas estrategias  enfocadas en 
una  evaluación  más  efectiva  del  riesgo,  en  un  formato  fácilmente  comprensible;  y  de  esta  manera 
desarrollar  una  nueva  inventiva  que  sea  aplicable    a    cualquier  portafolio  crediticio  en  el  mercado 
ecuatoriano. 
IDENTIFICACIÓN DEL PROPONENTES:

Nombres: Loreima Chiriboga Hernandez C.I. #: 1003055934

Gina Torres Cumbicus C.I. #: 1720632205
Dirección: Mariano Ortiz E13-20 y la Condamine
Teléfono1: 087513559
Teléfono2: 098920482

firma ____________________________ firma ____________________________

PROFESOR AUSPICIANTE DEL TEMA:

Msc. Diego Maldonado

firma ____________________________