Published February 4, 2025 | Version v1
Journal article Open

Pronóstico de morosidad de cartera vencida aplicando series temporales

Authors/Creators

  • 1. ROR icon Universidad Nacional de Chimborazo

Description

El pronóstico de morosidad resulta fundamental para la gestión del riesgo crediticio, ya que permite identificar y anticipar áreas con alta probabilidad de incumplimiento. Al prever estos riesgos, las instituciones pueden implementar medidas preventivas y estrategias de mitigación. Esta investigación se enfoca en el pronóstico de morosidad de cartera vencida mediante el uso de series temporales, un aspecto esencial en la contabilidad financiera de las entidades bancarias. El presente estudio analiza el pronóstico de morosidad de cartera vencida en una cooperativa de ahorro y crédito de la ciudad de Riobamba. Para ello, se empleó un enfoque cuantitativo para analizar el pronóstico de morosidad de cartera vencida aplicando técnicas de series temporales. Se adoptó un diseño no experimental, centrado en la recopilación y análisis de datos históricos con un enfoque longitudinal. A través de este estudio, se examinó la evolución de la morosidad y se desarrollaron modelos predictivos para identificar patrones y tendencias en la cooperativa. Los resultados muestran que las técnicas de pronóstico basadas en series temporales, como los modelos ARIMA, son efectivas para generar predicciones precisas sobre la morosidad de cartera vencida. Además, el análisis reveló variaciones significativas con tendencia decreciente en la morosidad de la cartera de consumo, así como un incremento en la cartera de microcrédito y en la morosidad de cartera total.

Abstract (English)

The delinquency forecast is fundamental for credit risk management, as it allows identifying and anticipating areas with a high probability of default. By anticipating these risks, institutions can implement preventive measures and mitigation strategies. This research focuses on forecasting delinquency of past-due loans using time series, an essential aspect in the financial accounting of banking institutions. This study analyzes the delinquency forecast of past-due loans in a savings and credit cooperative in the city of Riobamba. For this purpose, a quantitative approach was used to analyze the delinquency forecast of past-due loans by applying time series techniques. A non-experimental design was adopted, focused on the collection and analysis of historical data with a longitudinal approach. Through this study, the evolution of delinquency was examined, and predictive models were developed to identify patterns and trends in the cooperative. The results show that time-series based forecasting techniques, such as ARIMA models, are effective in generating accurate predictions of delinquent loan portfolio delinquency. In addition, the analysis revealed significant variations with a decreasing trend in consumer portfolio delinquency, as well as an increase in the microcredit portfolio and in total portfolio delinquency.

Files

Pronóstico morosidad n01.pdf

Files (1.6 MB)

Name Size Download all
md5:8779e9ed08983fe39d574f5055bba8b1
1.1 MB Download
md5:2474b3a2d3c9f0ca3502a74b128b1040
503.7 kB Preview Download

Additional details

Additional titles

Translated title (English)
Forecasting delinquency of overdue loans using time series analysis

Identifiers

ISSN
2960-8317
DOI
10.61347/ei.v4i1.98

Dates

Submitted
2024-12-29
Recibido
Accepted
2025-01-30
Aceptado

References

  • Abril, M. M. (2021). Modelos para el análisis de las series de tiempo. RInCE, 22(11), 1-6. https://n9.cl/r5oeot
  • Cedeño-Jaramillo, J., & Zambrano-Montesdeoca, J. (2022). La recuperación de cartera vencida y su incidencia en la liquidez de la Cooperativa de Ahorro y Crédito Magisterio Manabita LTDA. 2021-2022. Polo del Conocimiento, 7(6), 1949-1973. https://n9.cl/5lf041
  • Cerqueira, V., Torgo, L., & Mozetič, I. (2020). Evaluating time series forecasting models: An empirical study on performance estimation methods. Machine Learning, 109(11), 1997-2028. https://doi.org/10.1007/s10994-020-05910-7
  • Contreras, L. A. C. (2020). Morosidad de la cartera de crédito al consumo y su incidencia en la rentabilidad y liquidez del Banco Mercantil, Banco Universal. Gestión y desarrollo libre, 5 (9). https://doi.org/10.18041/2539-3669/gestionlibre.9.2020.8109
  • Deb, C., Zhang, F., Yang, J., Lee, S., & Shah, K. (2017). A review on time series forecasting techniques for building energy consumption. Renewable and Sustainable Energy Reviews, 74, 902-924. https://doi.org/10.1016/j.rser.2017.02.085
  • Deras, N. J., Ardón, J. A., & Domínguez, V. D. (2023). Sistema de gestión de cartera que contribuya a contrarrestar el riesgo crediticio de la Asociación Cooperativa de Ahorro, Crédito y Consumo de Abogados de El Salvador de R. L. [Tesis de grado, Universidad de El Salvador]. Repositorio institucional. https://n9.cl/prqpaf
  • Garibaldi, L. A., Oddi, F. J., Azuaga, G. D., Behnisch, A. N., & Aristimuño, F. J. (2023). Modelos estadísticos en lenguaje R. Editorial UNRN. https://n9.cl/b9ue6
  • Giorgi, F. M., Ceraolo, C., & Mercatelli, D. (2022). The R Language: An Engine for Bioinformatics and Data Science. Life, 12(5), 648. https://doi.org/10.3390/life12050648
  • Kader, N., Yusof, U., Khalid, M., & Husain, N. (2023). A review of long short-term memory approach for time series analysis and forecasting. En Proceedings of the 2nd International Conference on Emerging Technologies and Intelligent Systems (pp. 12-21). Springer International Publishing. https://doi.org/10.1007/978-3-031-20429-6_2
  • Kimata, J., Khan, M., Sharma, A., Rashid, M., & Tekabu, T. (26 al 30 de agosto de 2019). Forecasting of currency exchange rate using artificial neural network: a case study of Solomon Island dollar. En N. Abhaya & S. Alok (eds.), PRICAI 2019: Trends in Artificial Intelligence (pp. 729-733). Springer International Publishing. https://doi.org/10.1007/978-3-030-29894-4_58
  • Kolambe, M., & Arora, S. (2024). Forecasting the future: a comprehensive review of time series prediction techniques. Journal of Electrical Systems, 20(2), 575-586. https://doi.org/10.52783/jes.1478
  • Li, K., & Zhou, Y. (2024). Improved financial predicting method based on time series long short-term memory algorithm. Mathematics, 12(7). https://doi.org/10.3390/math12071074
  • Lim, B., & Zohren, S. (2021). Time series forecasting with deep learning: a survey. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 379(2194), 20200209. https://doi.org/10.1098/rsta.2020.0209
  • Miller, J., Aldosari, M., Saeed, F., Barna, N., Rana, S., Arpinar, I., & Liu, N. (2024). A survey of deep learning and foundation models for time series forecasting. Cornell University. https://doi.org/10.48550/arXiv.2401.13912
  • Morales, J., Espinosa, P., & Rojas, M. (2022). Efecto de las variables macroeconómicas en los índices de morosidad de los bancos en México, durante el periodo COVID-19 versus el periodo previo. Revista Academia & Negocios, 8(1). https://n9.cl/ik3oa
  • Mosso, M., & López-Herrera, F. (2019). Relación de equilibrio en la morosidad y el deterioro de la cartera de hipotecas bursatilizadas en México. Revista de Investigación en Ciencias Contables y Administrativas, 5(1), 3-31. https://n9.cl/7mqsim
  • Murillo-Robles, M., & Palacios-Cedeño, N. (2022). Cartera vencida y la liquidez de la empresa Camposanto y Exequiales Jardines de la Paz Jipijapa, periodo 2019-2020. Dominio de las Ciencias, 8(2), 185-205. https://n9.cl/gyed1
  • Noriega, J., Rivera, L., & Herrera, J. (2023). Machine learning for credit risk prediction: a systematic literature review. Data, 8(11), 169. https://doi.org/10.3390/data8110169
  • Resolución 129-2015-F [Junta de la Política y Regulación Monetaria y Financiera]. Por la cual se establece la Norma para la gestión de riesgo de crédito en las cooperativas de ahorro y crédito. 23 de septiembre de 2015. https://www.seps.gob.ec/wp-content/uploads/Resol129.pdf
  • Resolución Nro. SEPS-IGT-IGS-INSESF-INR-INGINT-2023-0225 [Superintendencia de Economía Popular y Solidaria]. Por la cual se establece la Norma de control para la gestión del riesgo de crédito. 22 de junio de 2023. https://lc.cx/x-Y6eE
  • Ronquillo, M. (2020). Gestión de mejora continua para proceso de captación y crédito, caso Cooperativa de Ahorro y Crédito San Antonio Montalvo [Tesis de maestría, Universidad Tecnológica Empresarial de Guayaquil]. Repositorio institucional. https://n9.cl/qfkmhx
  • Rubio, G. (2021). Evaluación de gestión al proceso de recuperación de cartera vencida y su incidencia en la liquidez de la compañía Jardines Vida Eterna S. A. [Tesis de grado, Universidad Laica Vicente Rocafuerte de Guayaquil]. Repositorio institucional. https://n9.cl/go9nd
  • Ruiz, S., Leos, V., & Morales, J. (septiembre de 2018). Métodos de clasificación supervisada en series temporales [conferencia]. Conferencia Latinoamericana sobre Uso de R en Investigación+ Desarrollo (LatinR 2018)-JAIIO 47, Sociedad Argentina de Informática e Investigación Operativa, Argentina. https://n9.cl/yzw7kb
  • Siami-Namini, S., & Namin, A. (2018). Forecasting economics and financial time series: ARIMA vs. LSTM. Cornell University. https://doi.org/10.48550/arXiv.1803.06386
  • Superintendencia de Economía Popular y Solidaria [SEPS]. (2024). Estadísticas SFPS. https://n9.cl/eo4tv
  • Toalombo-Villa, J., & Cárdenas-Pérez, A. (2023). Gestión de recaudación de cartera vencida y su incidencia en los resultados financieros de la cooperativa de ahorro y crédito Ambato Ltda. Agencia Tena. Revista Publicando, 10(39), 17-29. https://n9.cl/fvq5z
  • Toapanta-Freire, A., & Vásconez-Acuña, L. (2024). Riesgo crediticio y la estabilidad financiera de las Cooperativas de Ahorro y Crédito del Ecuador. Gestio et Productio, 6(1), 493-524. https://doi.org/10.35381/gep.v6i1.112
  • Tudela-Mamani, J., Cahui-Cahui, E., Aliaga-Melo, G., Tudela-Mamani, J., Cahui-Cahui, E., & Aliaga-Melo, G. (2022). Impacto del COVID-19 en la demanda de turismo internacional del Perú. Una aplicación de la metodología Box-Jenkins. Revista de Investigaciones Altoandinas, 24(1), 27-36. https://doi.org/10.18271/ria.2022.317
  • Vallejo, J., Torres, D., & Ochoa, J. (2021). Morosidad del sistema bancario producido por efectos de la pandemia. ECA Sinergia, 12(2), 17-24. https://doi.org/10.33936/eca_sinergia.v12i2.2959
  • Yadav, M., Pal, N., & Yadav, D. (28 al 29 de enero de 2021). Workload prediction over cloud server using time series data. 2021 11th International Conference on Cloud Computing, Data Science & Engineering (Confluence), IEEE, Noida, India. https://doi.org/10.1109/Confluence51648.2021.9377032
  • Zhou, Q., Han, R., Li, T., & Xia, B. (2019). Joint prediction of time series data in inventory management. Knowledge and Information Systems, 61(2), 905-929. https://doi.org/10.1007/s10115-018-1302-y