Revista Ingenierías Universidad de Medellín
MATRICES DE TRANSICIÓN EN EL ANÁLISIS DEL RIESGO CREDITICIO
COMO ELEMENTO FUNDAMENTAL EN EL CÁLCULO DE LA PÉRDIDA
ESPERADA EN UNA INSTITUCIÓN FINANCIERA COLOMBIANA*
Armando Támara - Ayús**
Raúl Aristizábal***
Ermilson Velásquez****
Recibido: 31/08/2011
Aceptado: 22/05/2012
RESUMEN
En este artículo se busca ampliar aún más el análisis referente al riesgo crediticio y
cómo a través del esquema de matrices de transición se puede calcular la probabilidad
de incumplimiento de un deudor frente a un acreedor para una institución financiera
en Colombia. Se logra así hacer una comparación del cálculo de la pérdida esperada
entre el modelo empleado por la institución financiera, el modelo de referencia de
calificación comercial planteado por la Superintendencia Financiera de Colombia y
el modelo encontrado bajo el esquema de matrices de transición.
Palabras clave: probabilidad de incumplimiento, matrices de transición, pérdida
esperada.
*
Este artículo es uno de los resultados obtenidos en la tesis de la Maestría en Finanzas por Armando Lenin Támara y Raúl Aristizábal bajo
la asesoría del Doctor Hermilson Velásquez C., financiado con fondos internos para proyectos de investigación de la Universidad EAFIT.
**
Economista Universidad de Antioquia. Especialista en Diseño y Evaluación de Proyectos Universidad del Norte. M. Sc. en Finanzas EAFIT.
Docente de tiempo completo Universidad EAFIT Medellín - Colombia. . E - mail: atamaraa@[Link].
***
Administrador de empresas UPB. Especialista en Gerencia Financiera UPB. M. Sc. en Finanzas EAFIT. Docente UPB, EAFIT, EIA. Mede-
llín - Colombia. E - mail: Reave1@[Link].
****
Doctor en Ciencias Matemáticas, Universidad Politécnica de Valencia. Docente de tiempo completo Universidad EAFIT, Medellín - Colombia.
E - mail: evelas@[Link].
Revista Ingenierías Universidad de Medellín, vol. 11, No. 20 pp. 105 - 114 - ISSN 1692 - 3324 - enero - junio de 2012/258 p. Medellín, Colombia
106 Armando Támara - Ayús - Raúl Aristizábal - Ermilson Velásquez
TRANSITION MATRICES IN CREDIT RISK ANALYSIS
AS A FUNDAMENTAL ELEMENT IN THE CALCULATION
OF EXPECTED LOSS IN A COLOMBIAN FINANCIAL INSTITUTION
ABSTRACT
This article seeks to further extend the analysis under Credit Risk as through
the Transition Matrices scheme can calculate the probability of default of a debtor
to a creditor for a financial institution in Colombia. This achieving a comparison
by calculating the expected loss between the model used by the financial institution,
the reference model of commercial rating raised by the Financial Superintendence
of Colombia and the model found under the scheme of Transition Matrices.
Key words: Probability of default, transition matrices, Expected Loss.
Universidad de Medellín
Matrices de transición en el análisis del riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada ... 107
INTRODUCCIÓN Lennox [3] compara la capacidad de predic-
En el quehacer diario de una institución finan- ción de los modelos probit y logit frente al modelo
ciera se hace necesario evaluar constantemente los de análisis discriminante para mostrar que los
diferentes tipos de riesgo que circulan a su alrede- dos primeros poseen una mayor capacidad de
dor, como son: de crédito, de mercado, de liquidez predicción en lo referente a la probabilidad de
y el operativo. Con esto se busca maximizar la incumplimiento.
rentabilidad en este tipo de instituciones a través Zapata [1] utiliza las matrices de transición para
de la minimización de los riesgos. encontrar las probabilidades de transición de una
En los últimos tiempos el desarrollo de dis- cartera comercial, realizando una segmentación
tintos modelos (paramétricos, condicionales y con base en el ciclo económico y concluyendo que
expertos [1]) ha permitido reducir el riesgo en las las probabilidades de transición y de default son
entidades financieras. Sin embargo, aún se hace generalmente distintas en cada estado del ciclo.
necesario implementar métodos que permitan Gómez [4] utiliza el modelo de duración para
cuantificar anticipadamente las pérdidas potencia- estudiar la probabilidad de incumplimiento en
les en las que podrían incurrir dichas instituciones una cartera comercial, a la vez que profundiza en
a la hora de otorgar un crédito. el análisis de dichas probabilidades a través de las
Este estudio pretende ampliar aún más el matrices de transición en tiempo homogéneo.
análisis referente al riesgo crediticio a través del La tabla 1 muestra un resumen de algunos
cálculo de la probabilidad de incumplimiento. estudios que se han desarrollado en Colombia
Para esto se utiliza el método de matrices de tran- (para estudios internacionales remitimos a otro
sición como forma de estimar dicha probabilidad artículo [5] de los mismos autores) enfocados en
tomando como referencia la cartera comercial en el riesgo de crédito, haciendo énfasis en los que
una institución financiera colombiana. tratan el modelo de matrices de transición los
cuales se consideran básicos para el desarrollo de
1 ANTECEDENTES esta investigación:
Los estudios relacionados con el riesgo credi- Es así como existe en la literatura una varie-
ticio se han desarrollando desde que Altman [2]/ dad de estudios referente al análisis del riesgo
utilizó el análisis discriminante para detectar em- crediticio para lo cual se han utilizado diferentes
presas que podrían llegar a un estado de quiebra. metodologías para la búsqueda de la probabilidad
El estudio toma el balance general y el estado de de incumplimiento. Por lo tanto, el modelo a utili-
resultados como insumos, y es a través de estos que zar dependerá de la información con que cuente la
logra concluir que la rentabilidad del activo (ROA) institución financiera, además de tener en cuenta
y la razón ventas sobre activos son las variables de el tipo de producto que se ofrece.
más peso en la identificación del estado de quiebra De lo anterior se puede decir que se hace ne-
de una empresa. cesaria la buena selección de un adecuado modelo
La década de los noventa se caracteriza por que permita predecir el riesgo crediticio por parte
desarrollar modelos que permiten pronosticar la de las entidades financieras, que a la vez permita
pérdida de incumplimiento. Es así como en 1995 reducir la provisión de la pérdida esperada sin la
Salomon Brothers desarrolla el EMS (Emerging necesidad de aumentar el riesgo de la entidad finan-
Markets Corporate); para 1997 JP Morgan desa- ciera y se logre aumentar la rentabilidad a través de
rrolla el Creditmetric, mientras la firma McKinsey la liberación de fondos que pueden ser destinados
crea el CPV (Credit Portfolio View). a la colocación en el mercado financiero.
Revista Ingenierías Universidad de Medellín, vol. 11, No. 20 pp. 105 - 114 - ISSN 1692 - 3324 - enero - junio de 2012/258 p. Medellín, Colombia
108 Armando Támara - Ayús - Raúl Aristizábal - Ermilson Velásquez
Tabla 1. Estudios en Colombia
Investigador Año Modelo Objetivo Variables Conclusión
Zapata [1] 2003 Matrices de Probabilidades de tran- PIB Las probabilidades de
Transición sición para la cartera Obligaciones transición y de default son
comercial registradas por los generalmente distintas en
bancos. cada estado del ciclo.
Amaya [6] 2005 Stress testing Estimar una relación de PIB La actividad tiene un
largo plazo entre la activi- Indicadores de efecto significativo sobre
dad económica, las tasas mora los niveles de largo plazo
de interés, precios de vi- de los indicadores de mora
vienda y los indicadores de de las dos carteras.
mora de cartera hipoteca-
ria y de consumo.
Zamudio [7] 2007 Logit Probabilidad de Razones Mayor incumplimiento
multinomial incumplimiento financieras con niveles de liquidez y
rentabilidad bajos.
Gómez [4] 2007 Matrices de Comprobar la validez del Razones Las matrices de transición
Transición supuesto markoviano financieras es una herramienta para un
y variables sistema de administración
macroeconómicas del riesgo de crédito.
Gutiérrez y 2008 Stress testing Complementar el trabajo PIB Relación negativa entre
Vásquez [8] de Amaya Indicadores de el indicador de mora de
mora Tasa de cada cartera y la actividad
desempleo económica. Y el desempleo
es importante en el nivel de
largo plazo del indicador
de mora.
Gómez [9] 2009 Modelo de Probabilidad de incumpli- Liquidez , La liquidez, el tamaño,
duración miento de los créditos de Composición de composición de la deuda
cartera comercial. la deuda. Tamaño y la eficiencia explican la
Eficiencia migración de los créditos
hacia calificaciones más
bajas.
Gómez, 2009 Matrices de Probar la validez de los Edad, PIB, Tasa Las matrices de
Acevedo, García Transición supuestos Markovianos de interés real, transición pueden ser una
y Zamudio [10] composición de la herramienta importante
deuda. para el sistema de
administración de riesgo
crediticio.
Gómez y Orozco 2009 Matrices de Estimar con matrices de Liquidez, L a probabilidad de
[11] Transición transición en tiempo ho- tamaño, costo i nc u mpl i m ie nt o e s t á
mogéneo la cualidad del de oportunidad, asociada a la condición
crédito. composición de la económica del país.
deuda, PIB.
Fuente: elaboración propia.
Universidad de Medellín
Matrices de transición en el análisis del riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada ... 109
2 LA PÉRDIDA ESPERADA de Colombia (SFC) reglamente las provisiones de
Se define la pérdida esperada como el monto capital que deben tener las instituciones financieras
de capital que podría perder una institución como en sus transacciones crediticias.
resultado de la exposición crediticia en un horizon-
te de tiempo dado [12]. Es así como la probabilidad 3 MARCO TEÓRICO DE LOS MODELOS
de incumplimiento de un cliente está dada cuando El proceso de crédito llevado a cabo por una
este alcance una altura de mora n, en la cual la ins- entidad financiera se encuentra soportado en el
titución financiera asume la pérdida del capital. En conocimiento que esta tiene o espera tener del
este estudio se utiliza la metodología propuesta por cliente a través de la información que aporta el soli-
Basilea [13] en el cálculo de la pérdida esperada, tal citante mediante el diligenciamiento de la solicitud
como se plantea en el siguiente esquema (figura 1): de crédito y la entrega de los estados financieros
Implementando en nuestro análisis la forma en que soportan la actividad generadora de ingresos,
que se calcula la pérdida esperada se concluye que su nivel de inversiones, la capacidad de pago y la
está en relación directa con el monto del crédito y capacidad de endeudamiento [7].
la probabilidad de deterioro asignada a cada activo; Con esta información el banco procede de
por lo tanto, las pérdidas serán menores cuanto acuerdo con las políticas que se tienen para su aná-
más baja sea la severidad. Lo anterior es el punto lisis de crédito identificando variables cualitativas
de partida para que la Superintendencia Financiera y cuantitativas que permitan tomar una decisión
Revista Ingenierías Universidad de Medellín, vol. 11, No. 20 pp. 105 - 114 - ISSN 1692 - 3324 - enero - junio de 2012/258 p. Medellín, Colombia
110 Armando Támara - Ayús - Raúl Aristizábal - Ermilson Velásquez
favorable o desfavorable a la solicitud hecha por el Si denominamos A como la matriz de probabi-
cliente, teniendo en cuenta, además de lo mencio- lidades de transición con un horizonte de tiempo
nado, su historial de pagos con la entidad, el sector dado, esta se puede representar de manera general
financiero, el sector real o con las que consideren como (tabla 2):
pertinentes.
En el análisis de los diferentes tipos de riesgos, Tabla 2. Matriz de probabilidades de transición
en el de crédito es en el que menos se han desa-
Categoría después de transición
rrollado metodologías para medirlo, debido a las Categoría
dificultades para la identificación y medición de inicial 1 2 3 ... j (default)
los factores que intervienen [14]. Es así como la 1 P11 P12 P1j
P13
información asimétrica, el riesgo moral, la ausencia
de una teoría de la quiebra empresarial, la ausencia 2 P21 P22 P23 P2j
de información adecuada y el costo de elaborarla,
... ...
entre otros, conforman las principales barreras en
la cuantificación del riesgo de crédito [1]. ... ...
Sin embargo, los diferentes avances que se han
i - 1 P(i – 1)1 P(i – 1)2 P(i – 1)3 ... P(i – 1)j
dado en las finanzas han podido crear diferentes
metodologías [15] que son aplicadas con el objetivo i (default) 0 0 ... 1
de estimar la probabilidad de incumplimiento.
En esta investigación se emplean las matrices de Fuente: Zapata [1]
probabilidades de transición como herramienta
en el cálculo de la pérdida esperada en una car- Donde pij representa la fracción de créditos
tera comercial para una institución financiera en con calificación i que tienen un mes después ca-
Colombia. lificación j.
Debido a las limitaciones de la información,
4 MATRICES DE PROBABILIDADES DE para este estudio se ha utilizado el método discreto,
TRANSICIÓN donde las probabilidades de transición se calculan
La aplicación Creditmetrics de JP Morgan de la siguiente manera:
fue desarrollada en 1997 y utiliza las matrices de Pij = Nij / Ni para todo i, j.
transición para medir el riesgo de crédito. Para
nuestro caso se define pij como la probabilidad de Dónde:
que un deudor con calificación crediticia i pueda Nij: número de créditos que comenzaron al
“migrar” o moverse a otra calificación crediticia j inicio del periodo en la calificación i y terminaron
en un horizonte de tiempo dado. al finalizar el periodo en la calificación j.
Con base en lo anterior, es posible construir Ni: número de créditos que estaban en la cali-
una matriz de probabilidades de transición A con ficación i al comienzo del período.
i filas y j columnas, de tal manera que satisfagan Después de calculadas las pij para cada momen-
las siguientes condiciones: to del tiempo de la muestra analizada, se procede
a calcular las pij promedio, las cuales representan
1. Todos los elementos de la matriz son no nega- las probabilidades de transición de todo el período
tivos, por lo tanto, pij > 0. analizado. Así:
T
2. La suma de los elementos de cada fila es igual
Pij promedio = ∑Wt Pij (t )
a 1, por lo tanto, Spij = 1 para todo i. t =0
Universidad de Medellín
Matrices de transición en el análisis del riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada ... 111
Dónde: Tabla 3. Categorías del riesgo crediticio.
Wt : ponderación para cada momento del
tiempo analizado. Categoria Condiciones
AA Días de mora ≤ 29 días
5 SERIE DE DATOS A 30 ≤ días de mora ≤ 59
La información utilizada para el caso de es- BB 60 ≤ días de mora ≤ 89
tudio es una muestra aleatoria de 1.500 clientes
B 90 ≤ días de mora ≤ 119
con obligaciones en una institución financiera
colombiana en un período de 12 meses (agosto de CC 120 ≤ días de mora ≤ 149
2009 a julio de 2010) para cada uno de los cuales Default Días de mora ≥ 150 días
la entidad posee registros de las características
Fuente: Superintendencia financiera [19]
que los identifican, dentro de las que tenemos la
calificación del deudor acorde con los días de mora Para el caso de las matrices de probabilidades
que registraba en ese momento [16]. de transición se clasificaron las calificaciones de
Es de anotar que los clientes incluidos en cada uno de los deudores y se observó su compor-
la muestra lo han sido durante todo el período tamiento durante 12 meses, período en el cual se
elegido, evitando que existan entradas y salidas. pudo ver la forma como algunos de estos deudores
Es así como la base de datos se construyó con la pasaban de una calificación de riesgo normal a
información financiera de solo personas naturales una calificación de riesgo medio o aceptable y en
con una actividad definida y haciendo la claridad algunos casos llegaron hasta el incumplimiento
de que el crédito solicitado no era para consumo. (default) [20].
Además, se tuvo en cuenta la calificación La migración de una calificación a otra de
establecida por la institución financiera que tiene mayor o menor riesgo se hace de acuerdo con la
como base las reglas sobre calificación del riesgo información que de este tiene la entidad financiera
crediticio dada por la SFC [17] que estipula las en el momento de realizar su calificación, la cual
siguientes categorías de riesgo crediticio [18]: se realiza con base en la documentación financie-
• Categoría A o “riesgo normal”. ra aportada en ese momento acompañada por la
situación del sector, el comportamiento histórico
• Categoría B o “riesgo aceptable, superior al
de pagos, nivel de endeudamiento, entre otros.
normal”.
Dicha migración puede darse de una califica-
• Categoría C o “riesgo apreciable”. ción de riesgo mínimo a una calificación de riesgo
• Categoría D o “riesgo significativo”. aceptable o incluso de incumplimiento (default)
[21], situación que no ocurre cuando el deudor ha
• Categoría E o “riesgo de incobrabilidad”. subsanado los días de mora a través del pago rea-
lizado colocando la obligación al día; es decir, que
Con el fin de contrastar estos datos con el para migrar a una calificación de menor riesgo se
modelo de referencia comercial presentado por la debe cumplir con lo estipulado en la Ley 1266 del
SFC[17] se hizo necesario homologar dichas cali- 2008 donde se establece la permanencia de una
ficaciones. Haciendo uso de lo establecido en el calificación adversa.
Capítulo II de las Reglas relativas a la gestión del Lo anterior se debe a que la Ley 1266 del
riesgo crediticio (Anexo 3, numeral 4) dado por la 2008 establece que la información negativa tendrá
SFC, se procede así: un término máximo de permanencia de 4 años.
Revista Ingenierías Universidad de Medellín, vol. 11, No. 20 pp. 105 - 114 - ISSN 1692 - 3324 - enero - junio de 2012/258 p. Medellín, Colombia
112 Armando Támara - Ayús - Raúl Aristizábal - Ermilson Velásquez
Cuando hay pago será el equivalente al duplo de la En la tabla 4 se presentan los resultados de
mora, respecto de obligaciones que permanecieron la matriz de probabilidades de transición, la cual
en mora durante un plazo corto. Por ejemplo, la muestra unos resultados consistentes con la teoría
persona que estuvo en mora por 2 meses, estará financiera que se ha manejado en este estudio, al
reportada por 4. igual que con la definición de cada categoría de
Otro aspecto importante para las instituciones riesgo.
financieras es el Índice de calidad de la cartera
(IC), que representa el porcentaje de cartera ven- Tabla 4. Matriz de transición con el método discreto
cida en relación con el total de cartera bruta. La
figura 2 muestra que las obligaciones en categoría AA A BB B CC D
AA representaban un 56,1% en agosto del 2009,
mientras que en julio del 2010 estas eran de un AA 0,855 0,034 0,032 0,030 0,027 0,026
74,1%, reportándose una mejora en este indicador. A 0,116 0,384 0,174 0,135 0,109 0,082
BB 0,009 0,079 0,394 0,188 0,172 0,158
6 RESULTADOS OBTENIDOS
Como el período de análisis es de 12 meses, B 0,008 0,039 0,087 0,396 0,264 0,237
se aplicó un promedio ponderado de cada una de CC 0,000 0,000 0,024 0,122 0,473 0,359
las observaciones individuales. Dicha ponderación Fuente: cálculos de los autores.
utilizada en el período de análisis fue igual para
todos debido a que en un año el comportamiento Del anterior resultado se puede observar una
del individuo tiende a mantenerse constante. mayor estabilidad en las clasificaciones asociadas
Figura 2. Evolución de las categorías en el tiempo
Fuente: cálculos de los autores.
Universidad de Medellín
Matrices de transición en el análisis del riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada ... 113
con mayor fortaleza financiera como son las cate- Tabla 6. Valor de la pérdida esperada mensual del
gorías AA, A y BB, lo cual es coherente en que los portafolio en COP$
individuos de menor riesgo están menos expuestos
a que su capacidad de pago se vea a futuro afectada Mes SFC Modelo Institución
por cambios en la economía. Agosto 870.400.153 687.948.391 957.440.169
Lo anterior se ve reflejado en que una obliga-
Septiembre 871.577.666 706.872.401 958.735.432
ción que esté en categoría AA posee una probabi-
lidad de incumplimiento del 2,6%, mientras que Octubre 818.764.386 668.836.859 900.640.824
una obligación que este en categoría CC posee una Noviembre 806.944.035 670.302.482 887.638.438
probabilidad de incumplimiento del 35,9%. Así, la
provisión esperada establecida por la institución Diciembre 763.744.101 634.362.705 840.118.511
financiera en estudio será mayor para obligaciones Enero 764.273.295 638.234.053 840.700.625
tipo CC que para aquellas que se encuentre en
Febrero 741.837.384 623.503.369 816.021.122
tipo AA.
Tomando como referencia los resultados ob- Marzo 723.861.439 612.124.848 796.247.582
tenidos en la matriz de transición, se compara Abril 701.106.900 591.438.311 771.217.590
la probabilidad de incumplimiento del modelo
Mayo 685.705.738 582.540.200 754.276.312
con los datos propuestos por la Superintendencia
Financiera de Colombia, así: Junio 681.514.077 580.389.834 749.665.485
Julio 630.293.188 533.777.291 693.322.507
Tabla 5. Probabilidad de Default Fuente: cálculos de los autores.
Modelo Sfc
Como se puede ver el modelo obtenido a
través de las matrices de transición plantea un
AA 2,59% 5,27% menor valor de la pérdida esperada por parte de
A 8,18% 9,41% la institución financiera, frente al modelo utiliza-
do por dicha institución y el recomendado por la
BB 15,81% 22,36%
Superintendencia Financiera de Colombia.
B 23,70% 25,81% Cabe anotar que a medida que transcurren
CC 35,92% 37,01 los meses la diferencia entre el modelo obtenido
por matrices de transición y el aplicado por la
Fuente: cálculos de los autores
institución financiera se va disminuyendo; sin
Con base en las probabilidades de la tabla ante- embargo, el monto sigue siendo representativo lo
rior y tomando como referencia los datos de la SFC que implica una disminución en la rentabilidad
en cuanto a la pérdida, dado el incumplimiento, provocada por una disminución en los montos
se calcula la pérdida esperada para el portafolio disponibles al público.
de la institución financiera en estudio tomando el
saldo de la deuda en el momento del cálculo como 7 CONCLUSIONES
la exposición en el momento de incumplimiento, Las matrices de probabilidades de transición
buscando así hacer una comparación entre los di- nos permiten tener una mejor alternativa con
ferentes modelos empleados (SFC - Matrices - Ins- fundamentación teórica diferente, pero de
titución). Los resultados se muestran en la tabla 6. implementación directa y que nos produjo
Revista Ingenierías Universidad de Medellín, vol. 11, No. 20 pp. 105 - 114 - ISSN 1692 - 3324 - enero - junio de 2012/258 p. Medellín, Colombia
114 Armando Támara - Ayús - Raúl Aristizábal - Ermilson Velásquez
resultados que pueden ser comparados con el [8] J. Gutiérrez Rueda, “Un análisis de cointegración
modelo que aplica la institución financiera y el para el riesgo de crédito,” D. Vásquez, ed., Reporte de
recomendado por la Superintendencia Financiera Estabilidad Financiera, 2008.
de Colombia. [9] J. E. Gómez gonzález, “Análisis de la probabilidad con-
De manera general, se notó que los deudores dicional de incumplimiento de los mayores deudores
que se encontraban en categoría CC poseen muy privados del sistema financiero colombiano,” I. P. Oroz-
poca probabilidad de volver a categorías como co Hinojosa, ed., Reporte de Estabilidad Financiera,
Banco de la República, 2009, pp. 93 - 102.
AA y A, es decir, una vez una obligación haya sido
[10] J. E. Gómez - González et al., “An alternative methodo-
colocada en esta clasificación es poco probable que
logy for estimating credit quality transition matrices,”
pase a categorías de menor riesgo.
Journal of Risk Management in Financial Institutions,
De acuerdo con el estudio realizado encontra-
vol. 2, no. 4, pp. 353 - 364, 2007.
mos que el modelo desarrollado generaría para la
[11] J. E. Gómez Gonzalez, “Un Modelo de Alerta Tempra-
institución un nivel de provisiones menores sin que
na para el sistema Financiero Colombiano,” 565, P. I.
ello conlleve a un posible detrimento patrimonial Orozco Hinojosa, ed., Borradores de Economía, 2009.
por parte de la institución financiera. [12] S. J. Press, y S. Wilson, “Choosing Between Logistic
Regression and Discriminant Analysis,” Journal of the
REFERENCIAS American Statistical Association, vol. 73, no. 364, pp.
[1] A. Zapata, “Modelando el riesgo de crédito en Colom- 699 - 705, 1978.
bia,” Matrices de transición para la cartera comercial, [13] G. Torres Avendaño, “El acuerdo de Basilea,” Estado
6, ASOBANCARIA, 2003. del arte del SARC en Colombia, Universidad EAFIT,
[2] E. I. Altman, “FINANCIAL RATIOS, DISCRIMI- 2005.
NANT ANALYSIS AND THE PREDICTION OF [14] J. Z. Wei, “A multi - factor, Markov Chain Model for
CORPORATE BANKRUPTCY,” Journal of Finance, Credit Migrations and Credit Spread,” University of
vol. 23, no. 4, pp. 589 - 609, 1968. Toronto, 2000.
[3] C. S. Lennox, “The Accuracy and Incremental Informa- [15] D. R. Cox, “Regression Models and Life - Tables,” Jour-
tion Content of Audit Reports in Predicting Bankrupt- nal of the Royal Statistical Society. Series B (Methodo-
cy,” Journal of Business Finance & Accounting, vol. logical), vol. 34, no. 2, pp. 187 - 220, 01/01, 1972.
26, no. 5/6, pp. 757 - 778, 1999. [16] J. Gutiérrez Rueda, “Ciclos del riesgo de crédito,” A.
[4] J. E. Gomez Gonzalez, “An Alternative Methodology for Saade Ospina, ed., Reporte de Estabilidad Financiera,
Estimating Credit Quality Transition Matrices,” A. P. 2009.
Morales Acevedo, ed., BANCO DE LA REPÚBLICA, [17] “Carta Circular,” Superintendencia Bancaria de Co-
2007. lombia, 2002.
[5] A. L. Támara Ayús, “Estimación de las provisiones [18] “Circular Externa 100,” Reglas relativas a la gestión del
esperadas en una institución financiera utilizando riesgo crediticio, Capitulo II, 1995.
modelos Logit y Probit,” r. Aristizabal, ed., Revista [19] S. F. d. Colombia, “Reglas relativas a la gestión del
Ciencias Estrategicas, 2010, pp. 259 - 270. riesgo crediticio,” 2008.
[6] C. A. Amaya, “Evaluación del Riesgo de Crédito en el [20] “Circular Externa 011,” 2002.
sistema financiero Colombiano,” Banco de la Repúbli- [21] A. Bangia et al., “Ratings migration and the business
ca, 2005, pp. 67 - 78. cycle, with application to credit portfolio stress testing,”
[7] N. Zamudio, “Determinantes de la probabilidad de JOURNAL OF BANKING AND FINANCE, vol. 26,
incumplimiento de las empresas Colombianas,” Banco no. 2 - 3, pp. 445 - 474, 2002.
de la República, 2007.
Universidad de Medellín
