Consultoría en econometría y modelos de riesgo
Cuantifique pérdidas, exposición y retorno bajo incertidumbre.
¿Cuánto se puede perder, con qué probabilidad y cómo preparar el negocio para reducir la pérdida?
Cuénteme su exposiciónLa econometría de riesgos estima cuánto puede perder una organización, con qué probabilidad y bajo qué condiciones, y cuánto vale un proyecto cuando sus supuestos son inciertos. Este servicio cubre cinco líneas de trabajo: riesgo de crédito, riesgo operativo, riesgo de mercado y liquidez, prevención de lavado de activos (AML) y evaluación económica de proyectos. Los modelos se construyen alineados con los marcos de la Superintendencia Financiera (SARC, SARO, SARL, SARLAFT), de la Superintendencia de Sociedades (SAGRILAFT) y con la NIIF 9, y se entregan con documentación, backtesting y plan de vigilancia.
Bancos, cooperativas de ahorro y crédito, fintech y originadores digitales; aseguradoras y fondos de empleados; empresas con cartera propia en comercio, servicios públicos o educación; tesorerías e inversiones; áreas de cumplimiento y oficiales de cumplimiento; evaluadores de proyectos de inversión pública y privada; firmas de consultoría y auditoría que necesitan una validación independiente de modelos.
Cinco líneas de trabajo.
Cinco líneas. Cada una indica los problemas que resuelve, los análisis que aplico y lo que se entrega.
01Riesgo de crédito
Estima la probabilidad de incumplimiento, la pérdida en caso de incumplimiento y la exposición de cada obligación, y traduce esas estimaciones en decisiones de originación, seguimiento, cobranza y provisiones. Cubre desde el scorecard hasta el modelo de pérdida esperada bajo NIIF 9 y su validación.
Problemas que resuelve
- ¿A quién aprobar, con qué cupo y a qué tasa, con la información disponible en el momento de la solicitud?
- ¿Cuánto provisionar por etapa bajo NIIF 9, y cómo justificarlo ante el auditor y el supervisor?
- ¿El scorecard sigue discriminando, o se degradó con el cambio de la población?
- ¿Cómo asignar la cartera a cobranza para recuperar más por peso gastado?
Análisis que aplico
- Scorecards de originación y de comportamiento: regresión logística con agrupamiento de variables (WoE); aprendizaje automático cuando la interpretabilidad exigida lo permite.
- Modelos de PD, LGD y EAD y pérdida esperada a doce meses y de por vida (NIIF 9), con escenarios macroeconómicos ponderados.
- Matrices de transición y análisis de cosechas (vintage): deterioro por edad de la cartera y por periodo de originación.
- Calibración y validación: discriminación (Gini, KS), calibración por rango, estabilidad de población (PSI), backtesting.
- Pruebas de estrés de cartera: sensibilidad de provisiones y capital a escenarios adversos.
- Modelos de cobranza y recuperación: probabilidad de pago por estrategia y momento del contacto.
Scorecard documentado con manual de implementación, modelo de provisiones con memoria de cálculo, informe de validación, tablero de desempeño del modelo, simulador de políticas de aprobación.
02Riesgo operativo
Cuantifica las pérdidas por fallas en procesos, personas, sistemas o eventos externos a partir de la base de eventos y de los indicadores de riesgo. Convierte el registro de eventos en distribuciones de frecuencia y severidad, capital estimado y alertas tempranas.
Problemas que resuelve
- ¿Cuánto capital o reserva justifican el historial de eventos y los escenarios extremos?
- ¿Qué procesos concentran la pérdida esperada y cuáles la pérdida inesperada?
- ¿Qué indicadores anticipan un evento y en qué umbral deben alertar?
- ¿La base de eventos está completa, o subregistra las pérdidas pequeñas?
Análisis que aplico
- Análisis de la base de eventos: completitud, umbrales de registro, sesgos de reporte por área.
- Modelos de frecuencia y severidad (LDA): distribuciones ajustadas por línea y proceso; pérdida agregada por simulación.
- Análisis de escenarios: cuantificación de eventos extremos con juicio experto estructurado y documentado.
- Indicadores clave de riesgo (KRI): selección estadística, umbrales y reglas de alerta.
- Mapas de riesgo cuantitativos: probabilidad e impacto estimados con datos en lugar de calificados a juicio.
- Correlación entre riesgos y agregación de pérdidas entre procesos.
Modelo de pérdidas con capital estimado y memoria de cálculo, tablero de KRI con alertas, informe de escenarios, procedimiento de actualización del modelo.
03Riesgo de mercado y liquidez
Mide cuánto puede perder un portafolio o un balance ante movimientos de tasas, precios y monedas, y ante retiros de fondeo. Cubre valor en riesgo, pérdida esperada en la cola, pruebas de estrés, brechas de liquidez e indicadores regulatorios.
Problemas que resuelve
- ¿Cuánto puede perder el portafolio en un día o en diez, con qué nivel de confianza?
- ¿El modelo de valor en riesgo supera el backtesting que el supervisor exige?
- ¿Cuánta liquidez se necesita para cubrir salidas en escenarios de estrés?
- ¿Cómo afectan los cambios de tasas al margen y al valor económico del balance?
Análisis que aplico
- Valor en riesgo (VaR) y pérdida esperada en la cola (Expected Shortfall): paramétrico, histórico, Monte Carlo.
- Modelos de volatilidad (GARCH y familia) y correlaciones dinámicas entre factores.
- Backtesting (Kupiec, Christoffersen) y calibración del modelo de riesgo.
- Pruebas de estrés y escenarios históricos e hipotéticos sobre tasas, precios y monedas.
- Brechas de liquidez y de reprecio: indicador de riesgo de liquidez y proyección de flujos bajo escenarios.
- Riesgo de tasa de interés del libro bancario: sensibilidad del margen y del valor económico del patrimonio.
Motor de cálculo documentado, informe de backtesting, tablero diario de riesgo, escenarios de estrés con supuestos, simulador de brechas de liquidez.
04Prevención de lavado de activos (AML)
Aplica modelos estadísticos a la segmentación de factores de riesgo, la detección de operaciones inusuales y la priorización de alertas que exigen los sistemas de administración del riesgo de lavado de activos: SARLAFT para las entidades vigiladas por la Superintendencia Financiera y SAGRILAFT para las empresas vigiladas por la Superintendencia de Sociedades.
Problemas que resuelve
- ¿Cómo segmentar clientes, productos, canales y jurisdicciones con un criterio estadístico defendible ante el supervisor?
- ¿Qué operaciones se apartan del comportamiento esperado de su segmento?
- ¿Cómo reducir falsos positivos sin perder las alertas que importan?
- ¿Cómo calificar el riesgo de cada cliente y mantenerlo actualizado?
Análisis que aplico
- Segmentación de factores de riesgo con métodos de agrupamiento y pruebas de homogeneidad interna y heterogeneidad entre segmentos.
- Detección de operaciones inusuales: reglas estadísticas por segmento, detección de anomalías, análisis de redes de transacciones.
- Modelos de priorización de alertas: probabilidad de reporte de operación sospechosa a partir del historial de alertas.
- Calificación de riesgo de cliente: matrices y modelos de puntuación con factores documentados.
- Evaluación de escenarios de monitoreo: cobertura, tasa de falsos positivos, umbrales óptimos.
- Documentación metodológica para visitas del supervisor, revisoría fiscal y auditoría.
Segmentación documentada con criterios de validación, reglas de monitoreo calibradas, modelo de priorización de alertas, tablero de cumplimiento, memoria metodológica.
05Evaluación económica de proyectos
Estima el valor de un proyecto de inversión y el riesgo de no alcanzarlo, incorporando la incertidumbre de precios, costos, demanda y plazos en el cálculo, en vez de un único escenario. Cubre evaluación financiera y social, análisis de sensibilidad y simulación.
Problemas que resuelve
- ¿El proyecto crea valor con la tasa de descuento y los supuestos correctos?
- ¿Qué variables explican la mayor parte del riesgo del resultado?
- ¿Con qué probabilidad el valor presente neto es negativo, y qué lo haría inviable?
- ¿Cuánto vale la flexibilidad de esperar, ampliar o abandonar?
Análisis que aplico
- Modelo de flujos de caja con valor presente neto, tasa interna de retorno, periodo de recuperación y tasa de descuento fundamentada (costo de capital o tasa social).
- Análisis de sensibilidad y de escenarios: diagramas de tornado, umbrales de quiebre por variable.
- Simulación Monte Carlo de las variables inciertas con distribuciones justificadas y correlaciones entre ellas.
- Opciones reales para decisiones escalonadas: esperar, ampliar, abandonar.
- Evaluación social y costo-beneficio para proyectos públicos, con precios sombra cuando aplica.
- Proyección de demanda e ingresos conectada con los modelos de pronóstico y elasticidad de la línea de analítica.
Modelo financiero auditable, distribución del valor presente neto con probabilidad de pérdida, informe de riesgo del proyecto, simulador de supuestos para el comité de inversión.
Puede necesitar este servicio si…
El auditor o el supervisor pidió la memoria de cálculo del modelo y la explicación cabe en un correo.
El scorecard tiene más de tres años y nadie ha medido si sigue discriminando.
Las provisiones se estiman con porcentajes fijos que no cambian con el ciclo económico.
La segmentación del SARLAFT o del SAGRILAFT se hizo con criterios de negocio y falta el sustento estadístico.
Un proyecto se aprobó con un solo escenario y el comité quiere saber qué tan probable es perder.
Desde un reporte hasta un motor de cálculo.
Reporte para el comité de riesgos cuando la decisión es puntual; tablero de seguimiento cuando el desempeño del modelo se vigila cada periodo; motor de cálculo en operación cuando las provisiones, el valor en riesgo o las alertas se producen de forma recurrente; simulador de escenarios de crédito, liquidez o inversión cuando el comité necesita mover supuestos. Todos comparten la memoria de cálculo y el código que un supervisor o un auditor pueden revisar.
Ficha de decisión y estimando
la pérdida, la exposición o el valor que la decisión necesita, con horizonte y nivel de confianza.
Informe de viabilidad de los datos
historial disponible, definiciones de incumplimiento o evento, cobertura de la base.
Plan de análisis fechado
metodología, variables, criterios de validación y formato de entrega.
Modelo con informe de validación y tabla de robustez
desempeño, calibración, sensibilidad a supuestos y escenarios.
Memoria metodológica, código reproducible y plan de vigilancia
R o Python en su repositorio, con fecha de recalibración.
R · Python · SQL · Git · tableros en Power BI o Looker Studio · motores de cálculo integrados con el core o el sistema de información del cliente · modelos financieros en Excel con documentación de supuestos.
Dónde suele fallar el análisis
Un scorecard con buen Gini en desarrollo puede aprobar mal en producción. La muestra de desarrollo contiene solo a quienes fueron aprobados; los rechazados no tienen desenlace observado, y el modelo aprende la política de aprobación anterior junto con el riesgo. Sin inferencia de rechazados, o sin una prueba de campo controlada, el modelo nuevo tiende a reproducir los sesgos del anterior con una métrica que parece mejor.
Scorecards viejos: cuándo recalibrar y cuándo reconstruirCómo evita una respuesta bonita pero frágil.
Qué decisión cambia con el resultado: política de aprobación, nivel de provisiones, límite de exposición, aprobación del proyecto.
01Historial de incumplimientos o eventos, definiciones estables, cobertura de la base, ciclos económicos representados.
02Metodología, variables, criterios de validación, escenarios y formato de entrega, fechados antes de estimar.
03Modelo principal, alternativas, backtesting, pruebas de estrés, sensibilidad a supuestos.
04Memoria metodológica, motor o tablero en operación, plan de vigilancia y recalibración, traspaso al equipo de riesgos.
0507 / Herramienta interactiva¿Cuánto puede perder su cartera y cuánto de eso es esperable?
Con un saldo de $1.000.000.000, PD de 5 % y LGD de 45 %, la pérdida esperada anual es $22.500.000. Bajo los supuestos del modelo de un factor, el cuantil al 99 % de la pérdida total es $76.950.000; la pérdida inesperada adicional es $54.450.000. No es una garantía: existe riesgo de superar ese cuantil.
Cálculo en el navegador; no se envía ningún dato. La aproximación usa un solo factor de correlación; un modelo de provisiones exige PD y LGD por segmento y escenarios macroeconómicos.
Supuestos y alcance del cálculo
Horizonte de un año, obligaciones de igual saldo, PD y LGD homogéneas y LGD constante. Un factor gaussiano común induce correlación; dado ese factor, los incumplimientos son independientes. El número de obligaciones interviene mediante una distribución binomial condicional, integrada numéricamente sobre el factor. La correlación es del factor latente, no la correlación observada entre incumplimientos.
Pérdida esperada = saldo × PD × LGD. VaR = cuantil de la pérdida total. Pérdida inesperada = máximo entre cero y VaR − pérdida esperada. Las barras agrupan probabilidades, no observaciones reales. Es una simulación de supuestos, no una provisión contable, certificación regulatoria o garantía de pérdida máxima. Base conceptual: Comité de Basilea, modelo de un factor.
Términos clave
- Probabilidad de incumplimiento (PD)
- Probabilidad de que una obligación entre en incumplimiento en un horizonte definido, estimada por segmento o por obligación.
- Pérdida dado el incumplimiento (LGD)
- Proporción de la exposición que se pierde después de recuperaciones y garantías, cuando ocurre el incumplimiento.
- Pérdida esperada e inesperada
- La esperada es el promedio de pérdidas y se cubre con provisiones; la inesperada es el exceso posible a un nivel de confianza y se cubre con capital.
- Backtesting
- Comparación de las pérdidas o los incumplimientos predichos por el modelo con los observados en un periodo posterior.
- Índice de estabilidad de población (PSI)
- Medida del cambio en la distribución de las variables o del puntaje entre la muestra de desarrollo y la población actual; anticipa la degradación del modelo.
- Inferencia de rechazados
- Técnicas para estimar el desenlace que habrían tenido los solicitantes rechazados, de modo que el scorecard no aprenda solo de los aprobados.
- Valor en riesgo (VaR)
- Pérdida máxima que no se excede con un nivel de confianza en un horizonte dado. La pérdida esperada en la cola (Expected Shortfall) mide el promedio de las pérdidas que sí lo exceden.
- Segmento de riesgo (SARLAFT)
- Grupo de clientes, productos, canales o jurisdicciones con comportamiento transaccional homogéneo, definido con criterios estadísticos verificables; sirve de referencia para detectar operaciones inusuales.
Preguntas frecuentes
¿Cuántos datos hacen falta para construir un scorecard?
Depende de la tasa de incumplimiento y de la ventana de desempeño. Con algunos cientos de incumplimientos observados en una ventana de doce meses se puede construir un modelo defendible; con menos, conviene un modelo por segmentos con reglas explícitas. La auditoría estima esto antes de comprometer un scorecard.
¿Trabaja con cooperativas y fondos de empleados que aplican NIIF 9 con recursos limitados?
Sí. El modelo de pérdida esperada se dimensiona según la información disponible y la exigencia del supervisor, con una memoria de cálculo que el revisor fiscal pueda seguir. Cuando los datos no sostienen un modelo por segmentos, el informe lo dice y propone el enfoque simplificado defendible.
¿Valida un modelo construido por un proveedor o por el área interna?
Sí. La validación independiente revisa datos, metodología, desempeño, calibración, estabilidad y documentación, y entrega hallazgos clasificados por severidad con un plan de corrección. El informe sirve de soporte ante auditoría y supervisor.
¿Qué entrega para la segmentación del SARLAFT o del SAGRILAFT?
La segmentación de cada factor de riesgo con el método, las variables y las pruebas de homogeneidad usadas; las reglas de monitoreo derivadas de cada segmento; y la memoria metodológica en el formato que el oficial de cumplimiento presenta al supervisor y a la revisoría fiscal.
¿La evaluación de proyectos queda en Excel?
El modelo financiero se entrega en Excel con supuestos documentados y hoja de control de versiones, y la simulación Monte Carlo se implementa en el mismo archivo o en R según el volumen de escenarios. El comité recibe la distribución del valor presente neto, no solo un valor puntual.
¿En qué herramientas trabaja?
R o Python para modelos, SQL para extracción y Git para control de versiones. Los motores de cálculo se integran con el sistema del cliente cuando el modelo opera de forma recurrente; los tableros se construyen en la plataforma que ya usa la entidad.
Probabilidad de incumplimiento (PD)
Probabilidad de que una obligación entre en incumplimiento en un horizonte definido, estimada por segmento o por obligación.
Econometría · Entrada de glosarioPérdida dado el incumplimiento (LGD)
Proporción de la exposición que se pierde después de recuperaciones y garantías, cuando ocurre el incumplimiento.
Econometría · Entrada de glosarioPérdida esperada e inesperada
La esperada es el promedio de pérdidas y se cubre con provisiones; la inesperada es el exceso posible a un nivel de confianza y se cubre con capital.