Un modelo de alerta temprana para el sistema financiero colombiano

Borradores de Economia
Número: 
565
Publicado: 
Clasificación JEL: 
C12, C41, E44, G01, G21
Palabras clave: 
Modelos estadísticos de alerta temprana, Modelos de duración, Intensidades de transición

Lo más reciente

María Teresa Ramírez-Giraldo, Karina Acosta, Olga Lucia Acosta Navarro, Lucia Arango-Lozano, Fernando Arias-Rodríguez, Oscar Iván Ávila-Montealegre, Oscar Reinaldo Becerra Camargo, Leonardo Bonilla-Mejía, Grey Yuliet Ceballos-Garcia, Luz Adriana Flórez, Juan Miguel Gallego-Acevedo, Luis Armando Galvis-Aponte, Luis M. García-Pulgarín, Andrés Felipe García-Suaza, Anderson Grajales, Daniela Gualtero-Briceño, Didier Hermida-Giraldo, Ana María Iregui-Bohórquez, Juliana Jaramillo-Echeverri, Karen Laguna-Ballesteros, Francisco Javier Lasso-Valderrama, Daniel Márquez, Carlos Alberto Medina-Durango, Ligia Alba Melo-Becerra, María Fernanda Meneses-González, Juan José Ospina-Tejeiro, Andrea Sofía Otero-Cortés, Daniel Parra-Amado, Juana Piñeros-Ruiz, Christian Manuel Posso-Suárez, Natalia Ramírez-Bustamante, Mario Andrés Ramos-Veloza, Jorge Leonardo Rodríguez-Arenas, Alejandro Sarasti-Sierra, Bibiana Taboada-Arango, Ana María Tribín-Uribe, Juanita Villaveces
Carlos David Ardila-Dueñas, Joel Santiago Castellanos-Caballero, Carlos David Murcia-Bustos

En este trabajo se presenta un modelo estadístico de alerta temprana, que utiliza modelos de duración para evaluar el estado corriente y pronosticar el estado futuro de la salud financiera de los bancos en Colombia. En el artículo se discuten las ventajas que tiene utilizar modelos de duración como modelos estadísticos de alerta temprana frente a los más comúnmente utilizados modelos de respuesta binaria. Se argumenta que el modelo aquí presentado, que estudia la probabilidad de deterioro de los créditos a partir la salud financiera de las contrapartes de los bancos, puede ser un buen complemento a un modelo de alerta temprana que estudie directamente la probabilidad de quiebra de las entidades financieras. La capacidad de pronóstico dentro de muestra del modelo es buena, y podría pensarse que la capacidad de pronóstico fuera de muestra también es buena, ya que la muestra de créditos comerciales utilizada en las estimaciones es bastante representativa.