Propuesta de mejora en el modelo de estimación de las pérdidas crediticias esperadas para desarrollar una cartera crediticia más certera para el área de créditos en la institución bancaria BAM, por medio de nuevos modelos de pronósticos

Abstract

Las reservas para riesgos crediticios representan un componente fundamental en los estados financieros de las entidades bancarias, dado su impacto sustancial en el desempeño financiero de estas instituciones. En el caso específico del Banco Agromercantil, S.A. (BAM), la gestión efectiva de dichas reservas adquiere una relevancia crítica para garantizar su estabilidad financiera a largo plazo. En consecuencia, el fortalecimiento de los métodos de proyección empleados para la estimación de las reservas de riesgo crediticio se torna imperativo, con el fin de facilitar una anticipación adecuada de las decisiones estratégicas y operativas. En ese momento, el BAM contaba con un modelo denominado "cartera crediticia", cuyo objetivo primordial radicaba en monitorear el incumplimiento de pago por parte de los clientes y anticipar posibles escenarios futuros. Dicho modelo se sustentaba en supuestos cuidadosamente seleccionados, con el propósito de reflejar con precisión el comportamiento de la cartera crediticia, lo cual resultaba vital para una toma de decisiones informada y estratégica. En respuesta a la necesidad de mejorar la precisión y eficacia de su cartera crediticia, el BAM propuso la implementación de un nuevo modelo de estimación de pérdidas crediticias. Este enfoque buscaba aplicar pronósticos más precisos y actualizados, lo que le permitió al banco anticipar de manera más certera el comportamiento de la cartera y, por ende, reducir el riesgo crediticio. Además, se integraron herramientas del área de Ingeniería Industrial para apoyar en la gestión del riesgo, ofreciendo planes y estrategias efectivas para abordar situaciones de pérdida o riesgo significativo. Este enfoque multidisciplinario fue clave para enfrentar los desafíos del entorno financiero de ese momento y asegurar la sostenibilidad a largo plazo del banco. Para llevar a cabo este estudio, se implementaron pasos y estrategias cuidadosamente diseñados. Se inició con un análisis exhaustivo de datos, utilizando tanto Excel como Python para explorar y comprender el modelo actual y los datos disponibles. Posteriormente, se realizó una investigación detallada para identificar diferentes metodologías que mejoraran el modelo existente. Una vez seleccionada la metodología más adecuada, se procedió a comparar los resultados obtenidos con el nuevo modelo con los del modelo actual del banco. Además, se proyectaron los resultados de forma gráfica utilizando herramientas como Power BI y se utilizaron técnicas de análisis de riesgo, como la matriz de riesgo, el diagrama de Ishikawa y la valoración de escenarios. Finalmente, se desarrolló un manual de usuario tanto para el nuevo modelo como para las herramientas de análisis de riesgo, asegurando así su correcta implementación y utilización en el banco. La implementación de esta metodología busca mejorar la precisión de la cartera crediticia del BAM en un 20%, prevenir riesgos relacionados con el pago de los clientes y minimizar las pérdidas financieras. Esto fortaleciendo la posición del banco en el mercado y contribuyendo a su crecimiento sostenible y al cumplimiento de sus objetivos estratégicos a largo plazo. Por ende, este estudio se convertirá en una valiosa contribución al sector bancario.

Credit risk reserves represent a fundamental component in the financial statements of banking institutions, given their substantial impact on the financial performance of these entities. In the specific case of Banco Agromercantil, S.A. (BAM), the effective management of such reserves acquires critical relevance to ensure long-term financial stability. Consequently, strengthening the projection methods used for estimating credit risk reserves becomes imperative, in order to adequately anticipate strategic and operational decisions. At that time, BAM had a model called “credit portfolio,” whose primary objective was to monitor customer payment defaults and anticipate possible future scenarios. This model was based on carefully selected assumptions, with the purpose of accurately reflecting the behavior of the credit portfolio, which was vital for informed and strategic decision-making. In response to the need to improve the accuracy and effectiveness of its credit portfolio, BAM proposed the implementation of a new model for estimating credit losses. This approach sought to apply more precise and updated forecasts, enabling the bank to more accurately anticipate portfolio behavior and, therefore, reduce credit risk. In addition, tools from the field of Industrial Engineering were integrated to support risk management, offering effective plans and strategies to address situations of loss or significant risk. This multidisciplinary approach was key to facing the challenges of the financial environment at that time and ensuring the bank’s long-term sustainability. To carry out this study, carefully designed steps and strategies were implemented. It began with an exhaustive data analysis, using both Excel and Python to explore and understand the current model and available data. Subsequently, detailed research was conducted to identify different methodologies that could improve the existing model. Once the most appropriate methodology was selected, the results obtained with the new model were compared with those of the bank’s current model. Furthermore, the results were projected graphically using tools such as Power BI, and risk analysis techniques were applied, including the risk matrix, the Ishikawa diagram, and scenario evaluation. Finally, a user manual was developed for both the new model and the risk analysis tools, thus ensuring their proper implementation and use within the bank. The implementation of this methodology aims to improve the accuracy of BAM’s credit portfolio by 20%, prevent risks related to customer payments, and minimize financial losses. This strengthens the bank’s position in the market and contributes to its sustainable growth and the achievement of its long-term strategic objectives. Therefore, this study will become a valuable contribution to the banking sector.