ANÁLISIS DE LA GESTIÓN DE RIESGOS FINANCIEROS DE LA ...

FACULTAD DE CIENCIAS EMPRESARIALES

Carrera de Administración

ANÁLISIS DE LA GESTIÓN DE RIESGOS FINANCIEROS DE LA FINANCIERA PROEMPRESA,

AÑO 2015 al 2018

Trabajo de investigación para optar el Grado Académico de

Bachiller en Administración

MELODY ANGIE VELIZ HUACACHI

Lima – Perú

2020

2

ÍNDICE Resumen ................................................................................................................................................. 3

Abstract……………………………………………………………………………………………………………………………………………4

Introducción .......................................................................................................................................... 5

Metodo…………………………………................................................................................................7

Tipo y diseño de investigacion. ............................................................................................ 7

Participantes. ..................................................................................................................... 9

Instrumentos ...................................................................................................................... 9

Procedimiento .................................................................................................................................. 10

Analisis de datos. .............................................................................................................. 10

Resultados ............................................................................................................................................ 11

Discusion .............................................................................................................................................. 37

Referencias........................................................................................................................................... 39

INDICE DE TABLAS

Tabla 1 - Matriz de Variables………………………………………………………………………………………………………8

Tabla 2- Coeficientes del año 2015 ……………………………………………………………………………………………….18

Tabla 3 - Coeficientes del año 2016……………………………………………………………………………………………….21

Tabla 4 - Coeficientes del año 2017………………………………………………………………………………………………24

Tabla 5 - Coeficientes del año 2018 ………………………………………………………………………………………………27

3

Resumen

La investigación analizó la gestión de los riesgos financieros y los impactos positivos que se

generan en la rentabilidad de la Financiera Proempresa desde el año 2015 hasta el año

2018.Además, identificó si existe un impacto entre la gestión de los riesgos de

incumplimiento, exposición, créditos castigados y rentabilidad. Asimismo dentro de la

metodología utilizada se consideró la participación de los 49 gerentes de la agencia de

Proempresa durante el periodo de estudio 2015 al 2018.También para la recolección de

información se utilizó los datos proporcionados del portal PROSIS FINANCIERO de la

Financiera Proempresa desde el año 2015 al año 2018, luego se utilizaron hojas de cálculo del

programa Microsoft Excel, posteriormente, se utilizó el programa estadístico Rstudio para

obtener una mejor visualización y análisis econométrico de las variables. En efecto los

resultados muestran que la financiera ha mejorado su gestión de riesgos de créditos

castigados, incumplimiento y de endeudamiento, lo cual se evidencia por las diferentes

estrategias que adoptó. Esto se observa en la mejora de sus indicadores en los años analizados

como: en la disminución de clientes que están con incumplimiento de sus pagos de cuotas y

los que presentan un mayor riesgo de endeudamiento al momento de evaluarlo para darle un

crédito. Se discute si existe un impacto entre la gestión de los riesgos de incumplimiento y de

exposición de los créditos. Además, de cómo influye dentro de la rentabilidad de la financiera

Proempresa.

Palabras claves: Rentabilidad, riesgo de incumplimiento, riesgo de exposición, créditos

castigados.

4

Abstract

The research analyzed the management of financial risks and the positive impacts generated

on the profitability of Financiera Proempresa from 2015 to 2018, and also identified whether

there is an impact between the management of risks of default, exposure, credits punished

and profitability. Likewise, within the methodology used, the participation of the 49

managers of the Proempresa agency during the study period 2015 to 2018 was considered.

Also, for the collection of information, the data provided from the FINANCIAL PROSIS

portal of Financiera Proempresa since the year was used. 2015 to 2018, then Microsoft Excel

program spreadsheets were used, later, the Rstudio statistical program was used to obtain a

better visualization and econometric analysis of the variables. In effect, the results show that

the financial company has improved its risk management of written-off loans, default and

indebtedness, which is evidenced by the different strategies it adopted. This is observed in the

improvement of its indicators in the years analyzed, such as: the decrease in clients who are

in default of their installment payments and those who present a greater risk of indebtedness

when evaluating it to give it a loan. It is discussed whether there is an impact between the

management of credit default and exposure risks. Also, how it influences the profitability of

the financial company Proempresa.

Keywords: Profitability, default risk, exposure risk and level of credits punished.

5

Introducción

Los riesgos financieros, desde su creación es uno de los primordiales motivos del declive de

las empresas financieras. Sin embargo, desde 1988 se crearon mecanismos para poder

mitigarlos. Asimismo, mediante un comité de supervisión integrada por varios países, se

establecieron los lineamientos conocidos como Basilea I, en la cual indican la manera de

poder enfrentar los diferentes riesgos financieros a los cuales pueden estar expuestas.

La quiebra de varios bancos durante la crisis de la burbuja inmobiliaria, provoco que

se tomen nuevas medidas para poder identificar y gestionar de manera oportuna el nivel de

riesgo al cual pueden estar expuestos, debido a que se perdió millones en colocaciones que

se consideraron incobrables. Las entidades financieras en el Perú, no fueron ajenos frente a

esta situación, por ello la Superintendencia de Banca, Seguros y AFP del Perú (SBS),

establece en el año 2008 la creación de un Reglamento consumado de riesgos, aceptado en

la resolución N°37-2008 para que las entidades puedan identificar la complicación de su

compartimiento como negocio, operaciones, servicios y tamaño.

Por lo expuesto, la gestión de los riesgos financieros es esencial para las entidades del

sector financiero, ya que con ello se puede monitorear los peligros a los cuales están

expuestos, de esta manera pueden anticiparse y tomar contingencias para mitigar su impacto.

Sin embargo, se dificulta porque en el Perú no existe una cultura de preparación , es por ello

que las entidades financieras están obligados a establecer un proyecto de prevención de

gestión de riesgos, donde es regulado, inspeccionado y tiene que emitir un informe

financiero al público en general para difundir sus resultados obtenidos al final del periodo.

Debido a la perplejidad económica y financiera que enfrentan las entidades

financieras, la aplicación de una gestión de riesgos ayuda a mitigar su impacto y les permite

contar con una herramienta eficiente para prevenir su impacto y poder optimizar su

rentabilidad frente a sus obligaciones. La rentabilidad financiera es el indicador fundamental

para la institución financiera, debido a que una mayor rentabilidad para sus accionistas les

permitirá optimizar el interés de sus propietarios para mayores inversiones y obtener mayor

financiamiento de parte de externos. El presente estudio busca, por lo tanto, determinar de

qué manera el análisis de la gestión de riesgos financieros impacta en la rentabilidad de la

financiera Proempresa del año 2015 al 2018 mediante la valoración de los gerentes, de modo

que se pueda contar con información empírica.

6

El riesgo de crédito en las empresas

Según Partal y Gómez (2015), las empresas son creadas con el objetivo de producir

valor para sus accionistas, esto se debe a que los gerentes tienen que establecer la manera

en que la incertidumbre de estos riesgos no puedan afectar su esfuerzo por aumentar el

valor patrimonial debido a lo inherente de estos riesgos dentro de la intermediación

financiera, lo cual puede llevar al éxito o fracaso de la entidad financiera. Es por ello que

dependerá de cómo se está manejando su gestión y control de los riesgos, también, el nivel

de riesgo al cual son tolerantes, eso se le denomina el apetito al riesgo que manejan y

dependerá de cómo están preparados para mitigarlos. Es por ello, que las entidades

financieras, manejan un comité riesgos para saber a que riesgos están propensos y que

medidas deben tomar para afrontarlos, ya que se busca obtener una mayor rentabilidad.

Guenaga, A. T. (2018). Una política responsable de la gestión de riesgos de las

empresas que se debe considerar, son los intereses de los involucrados, como los

stakeholders y accionistas. Tomar los riesgos con responsabilidad es una oportunidad. Es por

ello que las empresas en gran parte se comprometen en llevar a cabo una política de gestión

de riesgos, optando planes tradicionales, así como también gestionar las fallas habituales,

para sustituir la carga de gestionar riesgos desconocidos procedimientos de gestión de

riesgos habituales.

7

Método

El estudio tuvo como objetivo determinar de qué manera el análisis de la gestión de riesgos

financieros impacta positivamente en la rentabilidad de la financiera Proempresa , 2015 al

2018. Ya que , actualmente, nos encontramos en un mundo globalizado donde existen

herramientas que permiten a las empresas tener sistemas que puedan gestionar de manera

adecuada la mitigación de sus riesgos, es por ello que esta investigación realiza un énfasis en

la necesidad de las entidades financieras, que para lograr su objetivo de bancarización, deben

contar con una herramienta que les pueda facilitar esta tarea, ya que debido a su naturaleza y

complejidad de sus operaciones pueden encontrarse expuestas. Asimismo, evaluar de qué

manera la norma establecida por el ente regulador ayuda a salvaguardar el diferente interés de

sus accionistas y acreedores.

Tipo y diseño de investigación

Hernández (2014), el tipo de investigación a emplear en este proyecto será cuantitativa

continua, ya que nos posibilita el análisis de la realidad mediante distintos procedimientos

que se basan en la medición. Además de conseguir un nivel de control mayor, en

comparación a otros tipos de investigación, desarrollando experimentos y adquiriendo

explicaciones hipotéticas. Los resultados de estas investigaciones están basados en la

estadística y son generalizables. Para que exista la metodología cuantitativa, tiene que existir

una relación entre los elementos del problema de investigación y tiene que ser interpretado

por algún modelo numérico exponencial, lineal o similar. Esto quiere decir que el problema

debe estar integrado por elementos claros de investigación, de manera que sea se puedan

definir para identificar su origen y hacia dónde se dirige.

Hernández (2014), el diseño de la investigación es no experimental longitudinal, está basado

en los cambios que realizan las variables o la relación que guardan, en un periodo de tiempo

determinado. Es por ello que se tiene que acumular datos a lo largo del tiempo en periodos

determinados para causar un cambio en los determinantes y sus consecuencias.

8

Variables

En el siguiente cuadro se van a definir las variables que pertenecen al modelo del presente

trabajo.

Tabla 1

Variable Tipo Nombre Definición nominal Frecuencia

Rentabilidad Dependiente

Es lo que

espera ganar la

empresa

Representa la

rentabilidad

económica y social

Anual

Nivel de riesgo

de

incumplimiento

Independiente

Cartera en

riesgo de

incumplimiento

Representa el

porcentaje y

motivos por lo que

sus clientes

incumplen sus

pagos.

Anual

Nivel de riesgo

de exposición Independiente

Estrategias que

asumen para

reducir sus

exposición

Representa

porcentaje de la

cartera expuesta ,

perjuicio de sus

metas y estrategias

que emplean

Anual

Nivel de

creditos

castigados

Independiente

Cartera de

créditos

castigados

Representa la

cantidad de

creditos que no

pudieron ser

cobrados

Anual

Fuente: Elaboración propia.

La variable dependiente esta expresada en soles y las variables independientes en porcentajes.

9

Participantes.

Participaron 43 gerentes generales y 6 gerentes de oficinas, cada agencia de la cual se

obtuvo información durante el periodo de estudio 2015 al 2018 estaba conformada por

gerentes generales, ejecutivos de negocio y ejecutivos de servicio. Asimismo las oficinas de

Proempresa estaba conformada por gerentes de oficina, de todos los participantes 17 son

mujeres y 32 hombres, con un rango de edad entre 28 a 45 años. Tanto los gerentes

generales y los gerentes de oficinas estudiaron la carrera de Administración, Negocios

Internacionales, Economía y Finanzas.

Para su inclusión en la muestra se tomó los datos anuales que fueron sacados del

portal PROSIS FINANCIERO y validados por los gerentes de cada agencia y oficina de la

Financiera Proempresa del periodo 2015 al 2018. Como aspecto de exclusión solo se

consideró los datos que no fueron brindados por los gerentes entre los años 2015 al 2018 de

la Financiera Proempresa.

Instrumentos.

Para la recolección de información se utilizaron tres procedimientos. En primer lugar se

ingresó al portal PROSIS FINANCIERO de Proempresa para saber los datos anuales sobre el

tipo de crédito, estado de crédito y nivel de rentabilidad de la empresa, que fueron validados

por los gerentes generales en caso de las agencias y por los gerentes de oficinas en caso de

las oficinas.

Luego se utilizaron las hojas de cálculo del programa Microsoft Excel para

organizar la información en una tabla, dicha tabla contenía los nombres de las agencias y

oficinas de Proempresa , la cantidad de micro y pequeñas empresas , los porcentajes del

nivel de rentabilidad, los saldos de créditos castigados y vigentes, para que así sea más

ordenado , entendible y se pueda dar una mejor interpretación y análisis .

Por último se utilizó el programa estadístico Rstudio para obtener una mejor

visualización y análisis econométrico de las variables (rentabilidad, nivel de riesgo de

incumplimiento, nivel de riesgo de exposición y nivel de créditos castigados) .

Estos tres procedimientos se validaron mediantes los gerentes generales y gerentes de

oficinas

10

Procedimiento.

Se ingresó al portal PROSIS FINANCIERO para la recolección de datos anuales sobre los

tipos de créditos, estado de crédito y rentabilidad de las 49 agencias del año 2015 al 2018.

Luego se corroboro toda la información obtenido del portal con los gerentes para

poder proceder a organizar los datos con software estadísticos como el programa de

Microsoft Excel, en este programa se hizo una tabla que contenía los nombres de las

agencias y oficinas de Proempresa , la cantidad de micro y pequeñas empresas , los

porcentajes del nivel de rentabilidad, los saldos de créditos castigados y vigentes. Para así

obtener una mejor visualización y análisis econométrico de las variables para que sea más

ordenado , entendible y se pueda dar una mejor interpretación y análisis .

Por último se utilizó el programa Rstudio, en donde primero se procesó la

información para evaluar un modelo econométrico, después se verifico si la información era

consistente para el modelo propuesto, luego se realizaron las pruebas de normalización para

las variables (rentabilidad, nivel de riesgo de incumplimiento, nivel de riesgo de exposición

y nivel de créditos castigados) que se obtuvieron del portal PROSIS FINANCIERO de

Proempresa.

Luego se determinó la existencia de una relación entre las variables, las cuales se

verifico si están relacionados a los créditos castigados respecto al total de créditos y poder

identificar la manera de como influenciara a la rentabilidad de la empresa. Después, ver si el

modelo es significativo y no presenta datos atípicos o que distorsionen la relación de las

variables.

Análisis de datos

Los datos fueron procesados por medio de software estadísticos como el Rstudio y Microsoft

Excel, para observar las características de las variables empleadas, luego ordenarlas y generar

un modelo econométrico que permita conseguir conclusiones adecuadas y así lograr con el

objetivo de la investigación.

El análisis de la investigación tiene dos secciones, la primera consta de la descripción

de las variables, ya que permite aplicar las pruebas de normalidad para así verificar que no

11

se presenten datos atípicos que puedan distorsionar el modelo, para asi poder ver que no

haya codependencia entre las variables y que estas sean independientes entre sí.

La segunda es la estimación del modelo lineal (Prueba de Kolmogorov- Smirnov,

Homocedasticidad de los residuos e Independencia de los residuos). La primera estimación

sirvió para verificar si las puntuaciones que se obtuvieron de la muestra siguen o no una

distribución normal. La segunda estimación nos permitió realizar modelos más fiables ya que

se pudo verificar que la varianza del error condicional a las variables explicativas fue

constante a lo largo de las observaciones. La tercera nos permite saber si los residuos se

encuentran independientes o aleatoriamente distribuidos.

Asimismo el modelo lineal estima que la variable Nivel de rentabilidad, Nivel de

incumplimiento , nivel de endeudamiento y los créditos castigados son significativos

individualmente para el modelo con un coeficiente 0.0000 que es menor que 0.05, de igual

manera, se comprueba que el modelo es significativo globalmente al tener coeficiente menor

de 0.05. Por lo tanto, se acepta la hipótesis general nula de significancia.

Mediante la prueba de normalidad permite verificar que las agencias están

manejando sus riesgos de manera constante para evitar distorsiones de kolmogorrow –

smirnov. Asimismo se determinó que existe variable nivel de rentabilidad y nivel de

incumplimiento causalidad de la variable independiente, es decir, que la rentabilidad

depende de cómo manejen sus riesgos de endeudamiento de sus clientes, lo que hace que se

acepte la hipótesis nula de existencia de causalidad.

Resultados

Presentación de resultados

Primero tenemos los datos acumulados por año del 2015 al 2018:

Año N° de

colocaciones

Nivel de Riesgo

incumplimiento Nivel de Riesgo

Exposición

2015 3267 71 3193

2016 4376 284 3893

2017 5299 836 3013

2018 24573 3761 1160

https://es.wikipedia.org/wiki/Varianza

12

Análisis del nivel de riesgo de incumplimiento

Tenemos los datos del total de colocaciones y de su nivel de incumplimiento respectivo.

Primero analizaremos el comportamiento de ambas variables en conjunto, para ello haremos

un gráfico de dispersión, al cual le asociaremos un modelo lineal simple de dispersión.

Debido a que los datos no presentan un comportamiento lineal, crearemos un modelo

cuadrático aplicando log natural a la variable dependiente “nivel de incumplimiento”.

Formula :

lm(formula = log(data3$Nivel.de.Incumplimiento)~data3$Nº.colocaciones+

I(data3$Nº.colocaciones^2).data=data3)

RESIDUALES:

Minimo 1Q Mediana 3Q Maximo

-2.4233 -0.68622 0.7288 0.07035 1.95687

COEFFICIENTES:

Estimado

Error

Estandar

Valor

Probabilidad

(Interceptos) 5.459e-01 1.075e-01 5.078 8.96e-07 ***

data3$Nº.colocaciones 1.067e-02 7.558e-04 14.117 0.02e-16 ***

I(data3$Nº.colocaciones^2) -6.000e-06 1.420e-07 -08.086 6.64e-14 ***

13

Error residual estandar 0.9523 en 193 grados de libertad

Multiple R cuadrado 0.9993,R cuadrado ajustado : 0.9993

Estadistica F En 191 y 193 DF, p-valor : < 2.2e-16

El modelo es:

ln(𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑖𝑛𝑐𝑢𝑚𝑝𝑙𝑖𝑚𝑖𝑒𝑛𝑡𝑜)

=0.5459 + 0.01067 ∗ 𝑁º𝑐𝑜𝑙𝑜𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠 − 0.000006 ∗ (𝑁º𝑐𝑜𝑙𝑜𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠)2

Verificación del modelo en función de sus residuos:

1. Normalidad de los residuos (Prueba de Kolmogorov-Smirnov):

Ho: Los residuos tiene normalidad

H1: Los residuos no tienen normalidad

D = 0.06127, p-value = 0.4536

alternative hypothesis: two-sided

Como el p-valor > 0.05 podemos decir

que los residuos si tiene una distribució

n normal.

2. Homocedasticidad de los residuos:

Podemos verificar mediante la prueba

de Breusch - Pagan

Ho: Los errores tiene varianza constante

H1: Los errores no tienen varianza

constante

data: m3

BP = 0.16542, df = 2, p-value = 0.9206


que los residuos tienen una varianza

constante.

14

3. Independencia de los residuos:


de Durbin-Watson:

Ho: los residuos son independientes.

H1: los residuos no son independientes.

data: m3

DW = 0.88192, p-value = 8.848e-15

Como el p-valor < 0.05 podemos decir

que los residuos no son independientes

.

Observamos que debido a que posiblemente existan observaciones atípicas el modelo no

verifica el supuesto de independencia de los residuos, así se deberá analizar dichos valores

influyentes para obtener un mejor modelo general.

15

Análisis del nivel de riesgo de exposición

Veamos la tendencia de cada variable:

Observamos que para el

total de créditos fue

aumentando

significativamente para el

año 2018, mientras que la

cantidad de créditos

Castigados disminuyo ya

sea que los estados de

créditos fueron

refinanciados, vencidos

y/o en estado vigente.

Debido a esto

analizaremos anualmente

la relación que existe entre

el total de créditos

otorgados con los créditos

castigados.

16

Graficamos respecto a cada año la relación de los créditos con sus respectivos créditos

castigados y trazamos una línea de tendencia suavizada que recolecte lo mayor posible la

cantidad de observaciones por año.

Para esto crearemos modelos lineales para cada año respectivamente.

17

• Para el año 2015:

|AGENCIA | TOTAL_CREDITOS| CREDITOS_CASTIGADOS|

|:-------------------------------|--------------:|-------------------:|

|Agencia Lima Cercado | 91| 91|

|Agencia Arequipa | 57| 52|

|Agencia Ayacucho | 57| 56|

|Agencia Nuevo San Juan | 71| 65|

|Agencia San Juan de Miraflores | 105| 99|

|Agencia Los Olivos | 198| 191|

|Agencia Andahuaylas | 48| 48|

|Agencia Comas | 179| 177|

|Agencia San Borja | 91| 87|

|Agencia Colonial | 120| 119|

|Agencia Carabayllo | 124| 122|

|Agencia Puente Piedra | 135| 134|

|Agencia Paucarpata | 83| 82|

|Agencia Orcopampa | 11| 11|

|Agencia San Miguel | 4| 4|

|Agencia Huaycan | 96| 93|

|Agencia Mariscal Cáceres | 109| 107|

|Agencia Tagore | 157| 153|

|Agencia Villa Maria del Triunfo | 113| 112|

|Agencia Huancayo | 111| 110|

|Agencia Trujillo | 267| 264|

|Agencia Villa el Salvador | 111| 110|

|Agencia Huanuco | 40| 39|

|Agencia Chuquibamba | 6| 6|

|Agencia Chocope | 28| 28|

|Agencia Pichanaqui | 111| 109|

|Agencia Puquio | 13| 11|

|Oficina Huanta Especial | 26| 26|

|Agencia Huancavelica | 55| 52|

|Oficina Pedregal Especial | 63| 60|

|Agencia Manchay | 110| 108|

|Agencia Canta | 5| 5|

|Oficina Huamachuco Especial | 38| 38|

|Agencia Tingo Maria | 53| 53|

|Oficina Uripa | 29| 28|

|Oficina Chivay Especial | 49| 47|

|Agencia Querobamba | 2| 2|

|Oficina San Francisco Especial | 38| 38|

|Agencia Huachipa | 51| 49|

|Oficina Jose Galvez | 38| 38|

|Agencia La Merced | 25| 25|

|Agencia Paucara | 2| 2|

|Agencia Mazamari | 5| 5|

|Agencia Viru | 49| 47|

|Oficina Pamplona | 30| 30|

|Oficina Pichari Especial | 17| 17|

|Oficina Canto Grande | 15| 12|

|Oficina Jicamarca Especial | 20| 20|

|Oficina Yura Especial | 11| 11|

Modelo año 2015:

18

FORMULA:

lm(formula = s1$CREDITOS_CASTIGADOS ~ s1$TOTAL_CREDITOS, data = s1)

RESIDUALES:


-4.4164

-0.7895

0.4645

1.0240

1.9227

COEFFICIENTES:

Estimacion

Error

Estandar

Valor

Probabilidad

(Interceptos)

-0.37972

0.33937

-1.119

0.269

data3$Nº.colocaciones

0.98304

0.00388

253.346

<2e-16 ***

Error residual estandar

1.538 en 47 Grados de libertad

Multiple R cuadrado

0.9993, R cuadrado ajustado: 0.9993

Estadistica F

6.418e+04 en 1 y 47 DF, p-valor: < 2.2e-16

El modelo es:

Nivel_RiesgoExposicion2015 = −0.37972 + 0.98304 ∗ 𝐶𝑟é𝑑𝑖𝑡𝑜2015

19





D = 0.23333, p-value = 0.009635


que los residuos no tiene una distribució

n normal.



de Breusch - Pagan



constante

BP = 3.288, df = 1, p-value = 0.069



constante.



de Durbin-Watson:



DW = 1.6423, p-value = 0.08984


que los residuos son independientes

.

20



|:-------------------------------|--------------:|-------------------:|

















































|Oficina Yura Especial | 44| 38

Formula:

lm(formula = s2$Nivel_RiesgoExposicion~ s2$TOTAL_CREDITOS, data = s2)

21

RESIDUALES:


-35.049

-1.739

0.491

4.268

17.166

COEFFICIENTES:

Estimacion

Error

Estandar

Valor

Probabilidad

(Interceptos)

0.07481

2.20856

0.034

0.973


0.88879

0.01988

44.701

<2e-16 ***



Multiple R cuadrado


Estadistica F

1998 en 1 y 47 DF, p-valor: < 2.2e-16

El modelo es:

Nivel_RiesgoExposicion2016

=0.07481 + 0.88879 ∗ 𝐶𝑟é𝑑𝑖𝑡𝑜2016

22





D = 0.2395, p-value = 0.00587



n normal.



de Breusch - Pagan



constante

BP = 12, df = 1, p-value = 0.00053


que los residuos no tienen una varianza

constante.



de Durbin-Watson:



DW = 2.1343, p-value = 0.6602


que los residuos son independientes

.

23



|:-------------------------------|--------------:|-------------------:|


















































Formula:

lm(formula = s3$Nivel_RiesgoExposicion~ s2$TOTAL_CREDITOS, data = s3)

24

RESIDUALES:


-47.669

-8.827

1.471

15.249

57.015

COEFFICIENTES:

Estimacion

Error

Estandar

Valor

Probabilidad

(Interceptos)

-6.17865

5.46013

-1.132

0.264


0.62573

0.04199

14.903

<2e-16 ***



Multiple R cuadrado


Estadistica F 222.1 en 1 y 47 DF, p-valor: < 2.2e-16

El modelo es:


=− 6.17865 + 0.62573 ∗ 𝐶𝑟é𝑑𝑖𝑡𝑜2017

25





D = 0.11287, p-value = 0.5237



n normal.



de Breusch - Pagan



constante

BP = 7.96, df = 1, p-value = 0.0048



constante.



de Durbin-Watson:



DW = 2.3082, p-value = 0.8523


que los residuos son independientes.

26



|:-------------------------------|--------------:|-------------------:|


















































27

Formula:

lm(formula = s4$Nivel_RiesgoExposicion ~ s4$TOTAL_CREDITOS, data = s4)

RESIDUALES:


-40.495

-8.389

-5.187

7.909

66.024

COEFFICIENTES:

Estimado

Error

Estandar

Valor

Probabilidad

(Interceptos)

5.167250

5.311963

0.973

0.335654


0.036902

0.009051

4.077

0.000175 ***


19.32 en 47 grados de libertad

Multiple R cuadrado


Estadistica F

16.62 en 1 y 47 DF, p-value: 0.0001746

El modelo es:


=5.167250 + 0.036902 ∗ 𝐶𝑟é𝑑𝑖𝑡𝑜2018

28





D = 0.13529, p-value = 0.3031


que los residuos tiene una distribución n

ormal.



de Breusch - Pagan



constante

BP = 3.18, df = 1, p-value = 0.0747



constante.



de Durbin-Watson:



DW = 1.855, p-value = 0.2888



Observamos que debido a que posiblemente existan observaciones atípicas no todos los

modelos verifican los supuestos de los residuos, así se deberá analizar dichos valores

influyentes para obtener una mayor gestión de la rentabilidad.

29

El análisis de la gestión de riesgo de incumplimiento impacta perjudicialmente en la

rentabilidad de la empresa, verificamos que en los modelos se presentan una mejor gestión de

los incumplimientos, al principio la cartera vencida influye sobre el total de las colocaciones

y vemos que al paso del tiempo eso mejora, con lo cual aumentan su rentabilidad.

El impacto positivo del análisis de la gestión de riesgos financieros impacta en la rentabilidad

de la financiera, lo cual es beneficioso para sus accionistas y acreedores.

Análisis de créditos castigados

Veamos la tendencia de la variable:

Observamos que la cantidad de créditos Castigados disminuyo ya sea que los estados de

créditos fueron refinanciados, vencidos y/o en estado vigente. Debido a esto analizaremos

anualmente la relación que existe entre el total de créditos otorgados con los créditos

castigados.

Al analizar los créditos

castigados, observamos

que se mantiene la

tendencia de un modelo

lineal, para lo cual se

verificara si cumple con

los supuestos de

normalidad del modelo.

30





D = 0.12287, p-value = 0.3237



n normal.



de Breusch - Pagan



constante

BP = 4.96, df = 1, p-value = 0.0748



constante.



de Durbin-Watson:



DW = 2.0182, p-value = 0.2852



31

Formula:

lm(formula = sx$CREDITOS_CASTIGADOS ~ sx$TOTAL_CREDITOS, data = s4)

RESIDUALES:


-57.444

-15.389

-3.187

4.909

66.024

COEFiCIENTES:

Estimato

Error

Estandar

Valor

Probabilidad

(Interceptos)

6.17550

4.11963

0.893

0.435654


0.063902

0.00951

5.077

5.077 0.00217

5 ***


15.52 en 47 grados de libertad

Multiple R cuadrado

0.5213,R cuadrado ajustado: 0.2456

R cuadrado ajustado 16.62 en 1 y 47 DF, p-value: 0.0001746

El modelo es:

𝐶𝑟é𝑑𝑖𝑡𝑜. 𝐶𝑎𝑠𝑡𝑖𝑔𝑎𝑑𝑜𝑋 =6.17550 + 4.11963 ∗ 𝐶𝑟é𝑑𝑖𝑡𝑜𝑥

32

Análisis de la rentabilidad

Ahora realizaremos un modelo teniendo como variable dependiente Rentabilidad y las

variables independientes a Nivel de exposición y Nivel de incumplimiento.

Vemos la relación que existen entre las variables mencionadas.





D = 0.068893, p-value = 0.31


que los residuos si tiene una distribució

n normal.

NIVEL.RENTABILIDAD

0 50 100 150 200 250

0.0

0.2

0.4

0.6

0.8

1.0

050

100

150

200

250

NIVEL.DE.EXPOSICION

0.0 0.2 0.4 0.6 0.8 1.0 0 50 100 150 200 250 300

050

100

150

200

250

300

NIVEL.DE.INCUMPLIMIENTO

-3 -2 -1 0 1 2 3

-2-1

01

23

Normal Q-Q Plot

Theoretical Quantiles

Sa

mp

le Q

ua

ntile

s

33



de Breusch - Pagan



constante

BP = 19.1, df = 2, p-value = 7.12e-05



constante.



de Durbin-Watson:



DW = 1.8792, p-value = 0.1745


que los residuos si son independientes

.

También vemos su correlación entre dichas variables.

Tabla 1:

=========================================================================

Estadisticas N Media St. Dev. Min Perc(25) Perc(75) Max

-------------------------------------------------------------------------

NIVEL.RENTABILIDAD 196 0.359 0.365 0.007 0.010 0.766 0.974

NIVEL.DE.EXPOSICION 196 57.464 53.230 1 15 93 264

NIVEL.DE.INCUMPLIMIENTO 196 25.265 41.893 1 1 26 290

CREDITOS.CASTIGADOS 196 57.44 15.230 1 15 66 266

Elaboración Propia

Observamos que Rentabilidad presenta una relación negativa respecto al nivel de exposición

y una relación positiva con el nivel de incumplimiento.

-4 -3 -2 -1 0

-2-1

01

23

HOMOCEDASTICIDAD DE RESIDUOS

Y1

r1

0 50 100 150 200

-2-1

01

23

GRÁFICO DE ORDEN VS RESIDUOS

Orden

r1

34

Tabla 2:

=========================================================================

NIVEL.RENTABILIDAD NIVEL.DE.EXPOSICION NIVEL.DE.INCUMPLIMIENTO CREDITOS.CASTIGADOS

-------------------------------------------------------------------------

0.010 91 1 91

0.433 52 2 52

0.010 56 1 56

0.049 65 4 65

-------------------------------------------------------------------------

Elaboración Propia

Observamos que el modelo resulta ser significativo ya que presenta un p-valor < 0.05.

Una vez que tenemos los datos estructurados adecuadamente, analizamos el comportamiento

de las variables: La rentabilidad, nivel de riesgo de incumplimiento y nivel de riesgo de

exposición.

El modelo Lineal (modelo econométrico) viene dado de la siguiente forma:

Nivel Rentabilidad

Nivel de Riesgo de Incumplimiento

Nivel de Riesgo de Exposición

e = Error

Los coeficientes (parámetros) B1 y B2 indican la magnitud del efecto de las variables

exógenas (nivel de riesgo de incumplimiento y del nivel de riesgo de exposición) que tienen

sobre la variable endógena (Nivel de rentabilidad). El coeficiente B0 es un término constante

o independiente del modelo y, por último, el término se denomina del error del modelo.

Luego se realiza la estimación de los parámetros del modelo econométrico que hemos

planteado. Para ello, usaremos el paquete estadístico Rstudio que nos permite examinar un

cuadro de salida con los siguientes estimadores.

Log(Nivel Rentabilidad) = B0 + B1Log(Nivel Riesgo Incumplimiento) + B2Log(Nivel

Riesgo de exposición) + B3Log(Nivel Riesgo de créditos castigados)+e

e

35

Regresión del modelo

==========================================================================

Variable Dependiente:

-------------------------------------------------

NIVEL.RENTABILIDAD)

(1) (2)

--------------------------------------------------------------------------

NIVEL.DE.INCUMPLIMIENTO 0.857*** -0.858***

(0.058) (0.053)

NIVEL.DE.EXPOSICION -0.403***

(0.067)

CREDITOS.CASTIGADOS 0.868*** -0.748***

(0.058) (0.053)

Constant -3.921*** -2.551***

(0.151) (0.265)

--------------------------------------------------------------------------

Observationes 196 196

R2 0.8995 0.929

Ajustado R2 0.921 0.925

Residual Std. Error 1.325 (df = 194) 1.218 (df = 193)

F Estadistica 213.233*** (df = 1; 194) 144.440*** (df = 2; 193)

==========================================================================

Note: *p<0.1; **p<0.05; ***p<0.01

Elaboración Propia

La ecuación del modelo definitivo ajustado es:

En esta ecuación observamos que un crecimiento del 1% en el riesgo de nivel de

incumplimiento esto produce que la rentabilidad disminuye en 0.85%,

De igual forma, un aumento del 1% en el riesgo de nivel exposición genera una disminución

en la rentabilidad en 0.40%.

El R2 tiene un valor 0.8995 que significa el 89.95% de la variación en la rentabilidad que se

explica mediante el riesgo de incumplimiento y riesgo de exposición, este resultado indica

que la significancia está en un buen porcentaje. Los resultados de la regresión del modelo se

explican con esas dos variables.

Log(NivelRentabilidad) = -0.858 Log(NivelRiesgoIncumplimiento) – 0.403 Log(

NivelRiesgoExposicion) -0.4353 Log(NivelRiesgoDeCreditosCastigados).

36

Prueba de Hipótesis

El modelo planteado es una aproximación de lo investigado, establecemos criterios que

indiquen que se puede demostrar el modelo para verificar si los valores considerados

coincide con las perspectiva de la teoría que deseamos demostrar.

Hipótesis especifica N°1

Se probara que la incidencia de la variable de nivel de riesgo de incumplimiento

Hipótesis estadística

H0: B1=>0; La variable de nivel de riesgo de incumplimiento no afecta al aumento de la

rentabilidad de forma negativa.

H1: B1=>0; La variable de nivel de riesgo de incumplimiento si afecta al crecimiento de la

rentabilidad.

Nivel de significación 𝛼 = 5%

Valor critico t= 1.703 (tabla de distribución t student)

Estadística de Prueba t-stat =B1/sdt error = 16.071

Decisión: como 16.071es mayor que el valor critico entonces se rechaza H0 y se acepta H1.

Hipótesis especifica N°2

Se probara que la incidencia de la variable de nivel de riesgo de exposición

Hipótesis estadística

H0: B1=>0; La variable de nivel de riesgo de exposición no afecta al crecimiento de la

rentabilidad de forma negativa.

H1: B1=>0; La variable de nivel de riesgo de exposición si afecta al aumento de la

rentabilidad.

Nivel de significación 𝛼 = 5%

Valor critico t= 1.703 (tabla de distribución t student)

Estadística de Prueba t-stat =B1/sdt error = -6.047

Decisión: como -6.047 es mayor que el valor critico entonces se rechaza H0 y se acepta H1.

37

Discusión:

A partir de los datos encontrados en la investigación, se puede señalar que la rentabilidad de

la empresa ha mejorado gracias a un buen seguimiento en la gestión de la cartera de parte de

los analistas, que ha sido evidenciado en los gráficos respecto a la evolución de los créditos

otorgados vs los riesgos de incumplimiento y créditos otorgados vs los riesgos en exposición,

en donde se observa una disminución sustancial.

Este trabajo se realizó con el propósito de saber si existe un impacto positivo entre la

gestión de los riesgos de incumplimiento y de exposición de los créditos. Además, de cómo

influye dentro de la rentabilidad de la financiera Proempresa.

Es sustancial predominar las importantes limitaciones de esta investigación, debido a

que la metodología accedió a lograr el objetivo planteado ya que demostró la relación

entre la gestión de riesgos de endeudamiento e incumplimiento y de cómo repercuten en la

rentabilidad, debido a que se usó la estimación estadistica. Sin embargo, esta presenta

limitaciones ya que no se contemplan factores endógenos.

Asimismo en la presente investigación realizada, se encontraron resultados que

prueban que la financiera ha mejorado su gestión de riesgos de incumplimiento y de

endeudamiento, lo cual se evidencia por las diferentes estrategias que adoptó. Esto se

observa en la mejora de sus indicadores en los años analizados como: en la disminución de

clientes que están con incumplimiento de sus pagos de cuotas y los que presentan un mayor

riesgo de endeudamiento al momento de evaluarlo para darle un crédito.

Del mismo modo, es semejante con la tesis de Camac (2018) sobre: “La gestión del

riesgo y rentabilidad en la financiera Proempresa S.A agencia Huánuco en el periodo 2017”

donde explica que ahora en las agencias están aplicando procesos estandarizados, ya que

ahora verifican toda la información de sus clientes aplicando medidas de diligencia para

saber que productos se adecuan a las necesidades del cliente. Otro aspecto, que toman en

cuenta es segmentar a sus clientes, y brindarles alternativas de financiamiento de corto plazo

para superar los posibles endeudamientos que amenacen su récord crediticio y esto se

evidencia en el aumento de la rentabilidad de la Financiera Proempresa entre el 2016 y 2017,

gracias a una buena aplicación de estrategias de recuperación.

38

Al analizar la data de la Financiera Proempresa del presente trabajo sobre su riesgo

de exposición, se muestra que le falta optar medidas que le permitan mejorar su

rentabilidad. Es por ello que optó en establecer estrategias, como realizar un análisis

adecuado de sus clientes, verificar si cumplen los requisitos para solventar el pago de cuotas,

también pedir garantías reales o realizar un adecuado seguimiento de cartera. Así mismo, en

contraste con la tesis realizada por Artaza (2017) titulada “Gestión de riesgos financieros y

su incidencia en la rentabilidad de las empresas del sector bancario, distrito de San Isidro,

año 2017”, indica que la gestión de riesgos financieros incurre en la rentabilidad de las

empresas financieras. Sin embargo, menciona que esto se puede mitigar gracias a que el área

de tesorería puede proyectar estimados de los riesgos de créditos o poner un crédito

otorgado a una persona natural o jurídica que tiene una probabilidad de perdida, es decir, el

dinero no se ha recuperado total o parcialmente, y como consecuencia esto perjudicaría la

rentabilidad y ganancias de la empresa.

39

Referencias

Calderón, R. (2014). La Gestión del Riesgo Crediticio y su Influencia en el Nivel de

Morosidad de la Caja Municipal de Ahorro y Crédito de Trujillo - Agencia Sede

Institucional - periodo 2013. Trujillo: Universidad Nacional de Trujillo.

Carvajal, A. & Escobar, M. (2015). Aplicación de la herramienta integrada de control

interno y administración de riesgos, enmarcada en un buen gobierno corporativo

para pequeñas y medianas empresas en Colombia. Bogotá: Universidad Externado de

Colombia.

Guenaga, A. (2018). Implicaciones éticas de la Gestión de riesgos más allá de la protección

del valor de la Empresa. Recuperado de

https://search.proquest.com/docview/2173475821?accountid=43847

Guiltinan, J. (1984). Administración de Mercado, Estrategias y Programas. México:

McGraw-Hill

Holguín, D. & Mejía, A. (2017). Comparación de metodologías para la gestión de riesgos en

los proyectos de las pymes: Journal of strategic studies journal of strategic

studies. Revista Ciencias Estrategicas, 25(38), 319-338.

Larios, J.; González, C. & Álvarez, V. (2016). Investigación en Economía y Negocios:

Manual de metodología con aplicaciones de E-views. Lima: Fondo editorial de la

Universidad San Ignacio de Loyola.

Ocampo, M. (2014). Sistema bancario colombiano y la educación financiera. Caso banco

Davivienda. Aglala, 5(1), 143-167. doi:10.22519/22157360.757. Recuperado de

http://revistas.curnvirtual.edu.co/index.php/aglala/article/view/757

Partal, A. & Gómez, P. (2015). Gestión de riesgos financieros en la banca internacional.

España: Editorial Pirámide.

Velorio, M. (2016). El Crédito Financiero y su Incidencia en el Desarrollo de la Gestión

Financiero de as MYPES del Distrito de los Olivos - Lima 2014. Lima: Facultad de

Ciencias Económicas de la Universidad San Martin de Porres.

https://search.proquest.com/docview/2173475821?accountid=43847

http://revistas.curnvirtual.edu.co/index.php/aglala/article/view/757

ANÁLISIS DE LA GESTIÓN DE RIESGOS FINANCIEROS DE LA ...

Documents

Transcript of ANÁLISIS DE LA GESTIÓN DE RIESGOS FINANCIEROS DE LA ...