Mecanismo de alerta temprana para controlar los niveles de morosidad
Barra lateral del artículo
Contenido principal del artículo
Resumen
El crecimiento de las entidades financieras depende en gran manera del otorgamiento de créditos para sus clientes. En este contrato se establecen los valores y plazos en los que el capital se deberá devolver junto a los intereses y comisiones. La morosidad relacionada con los créditos se origina cuando no se realiza un adecuado análisis y control de las políticas establecidas en cada institución. Por ello en este documento se propone un mecanismo de alerta temprana para el control de los niveles de morosidad. También así como la medición del desempeño de estas instituciones financieras a través de la metodología CAMEL. Esto le permitirá a la alta dirección tomar decisiones prontas y acciones correctivas para evitar una disminución en los niveles de liquidez. También se define un mapa de calor que permita detectar oportunamente el riesgo y así poner mayor énfasis en los que son necesarios. Finalmente se exponen las conclusiones y recomendaciones como una base para futuras investigaciones, que incentiven a los lectores a profundizar o replicar el trabajo elaborado.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Citas
F. Assef, M. T. Steiner, P. J. Steiner Neto, y D. G. D. B. Franco, “Classification Algorithms in Financial Application: Credit Risk Analysis on Legal Entities”, IEEE Lat. Am. Trans., vol. 17, núm. 10, pp. 1733–1740, oct. 2019, doi: 10.1109/TLA.2019.8986452.
M. Wadud, H. J. Ali Ahmed, y X. Tang, “Factors affecting delinquency of household credit in the U.S.: Does consumer sentiment play a role?”, North Am. J. Econ. Financ., vol. 52, p. 101132, abr.2020, doi: 10.1016/j.najef.2019.101132.
S. Sangwan, N. C. Nayak, Harshita, y V. Sangwan, “Borrowers’ credit risk factors, perception towards repayment interventions and moral hazard in loan delinquency: an investigation of Indian microfinance institutions”, Appl. Econ., vol. 53, núm. 56, pp. 6554–6569, 2021, doi: 10.1080/00036846.2021.1946478.
G. Gómez, A. Mena, y R. B. López, “Study of the determinant factors of the growth of municipal savings and credit cooperatives in Peru”, Contaduria y Adm., vol. 64, núm. 3, pp. 1–18, 2021, doi: 10.22201/FCA.24488410E.2018.1596.
T. Sun y M. Vasarhelyi, “Predicting Credit Card Delinquency: An Application of the Decision Tree Technique”, Rutgers Stud. Account. Anal. Audit Anal. Financ. Ind., pp. 71–83, oct. 2019, doi: 10.1108/978-1-78743-085-320191006.
A. Assensoh-Kodua, “Credit Risk Aversion Model During Economic Downturns and Recovery”, https://services.igi-global.com/resolvedoi/resolve.aspx?doi=10.4018/978-1-7998-6643-5.ch017, pp. 305–322, ene. 2021, doi: 10.4018/978-1-7998-6643-5.ch017.
N. Mazar, D. Mochon, y D. Ariely, “If You Are Going to Pay Within the Next 24 Hours, Press 1: Automatic Planning Prompt Reduces Credit Card Delinquency”, J. Consum. Psychol., vol. 28, núm. 3, pp. 466–476, jul. 2018, doi: 10.1002/jcpy.1031.
F. Donou-Adonsou y H. C. Basnet, “Credit card delinquency: How much is the Internet to blame?”, North Am. J. Econ. Financ., vol. 48, pp. 481–497, abr. 2019, doi: 10.1016/j.najef.2019.03.013.
T. Mora y F. Prior, “The impact of mobile financial services’ usage on microfinancedelinquency”, Appl. Econ., vol. 50, núm. 50, pp. 5354–5365, oct. 2018, doi: 10.1080/00036846.2018.1486990.
S. Ghosh, “Loan delinquency in banking systems: How effective are credit reporting systems?”, Res. Int. Bus. Financ., vol. 47, pp. 220–236, ene. 2019, doi: 10.1016/j.ribaf.2018.07.011.
V. Baulkaran, “Personal bankruptcy and consumer credit delinquency: The case of personal finance education”, Int. Rev. Financ. Anal., vol. 81, p. 102098, may 2022, doi: 10.1016/j.irfa.2022.102098.
M. G. Fallanca, A. F. Forgione, y E. Otranto, “Forecasting the macro determinants of bank credit quality: a non-linear perspective”, J. Risk Financ., vol. 21, núm. 4, pp. 423–443, oct. 2020, doi: 10.1108/JRF-10-2019-0202.