Escolar Documentos
Profissional Documentos
Cultura Documentos
l.zaldivar@modelacionderiesgos.com
.modelacionderiesgos.com
Agosto 2015
l.zaldivar@modelacionderiesgos.com
www.modelacionderiesgos.com
Agosto 2015
INDICE
I. Propsito
VII. Bibliografa
1
I. Propsito
Una de las debilidades existentes en el campo de las finanzas es que se tienen
muchos indicadores financieros para medir la salud o bienestar en una empresa. En
ciertos momentos cuesta hacer un diagnstico final y se recurre a poner
ponderaciones subjetivas para lograr un resultado final. Esta subjetividad puede
llevar a obtener diferentes diagnsticos para una misma empresa.
En el campo bancario tambin se tiene una tcnica que se llama CAMEL y sus
letras significan lo siguiente: C = Capital (Capital); A = Asset Quality (Calidad de los
Activos); M = Management (Gerencia); E = Earnings (Ganancias): y L = Liquidity
(Liquidez). Otro sistema que es popular en la banca internacional es el CAMELS,
siendo el significado de la ltima letra S = Sensitivity (Sensibilidad al Riesgo de
Mercado y Liquidez).
2
variable de respuesta independiente o la que comnmente denominamos variable
de pronstico Y. Por el contrario, esta tcnica puede analizar cualquier empresa o
banco con todas sus caractersticas o variables independientes X1XN. Este tipo
de tcnicas se denominan Tcnicas No Supervisadas. Las tcnicas que se
emplearn son el Anlisis de Componentes Principales PCA y el Anlisis de
Conglomerados Jerrquicos o Clster Jerarquico.
3
-----------------------------------------------------------------------------------------------------------------
Coeficiente Patrimonial Sistema 16.60 %
Requerimiento del Sistema 12.00
1. Indicadores Legales
2. Rentabilidad y Gestin
3. Calidad de los Activos
4. Financiamiento y Liquidez
4
La definicin de algunos de los indicadores financieros los podemos encontrar en el
siguiente cuadro:
Fuente: Sitio Web SSF, donde pueden encontrar todas las definiciones de los indicadores
financieros empleados para el anlisis del sistema nacional.
5
El Modelo de Componentes Principales PCA es el siguiente:
La frmula es la siguiente:
Dnde:
Zi = PCA i
a = carga o pesos
Xi = datos originales
Crean nuevas variables que son combinaciones lineales de las variables originales
(ellas son promedios ponderados de las variables originales).
6
A continuacin les presentamos la matrz con toda la informacin de los indicadores
por Banco. La dimensin original de la matriz es de 12 bancos comerciales x 24
indicadores financieros. Se presenta a continuacin las primeras filas y columnas
parciales hasta la # 9 dado que son # 24 de la matriz inicial.
Es de notar que la unidad de todos los indicadores son porcentajes, con lo cual no se hace
necesario estandarizar dado que todo est en la misma unidad.
La tarea ser seleccionar el nmero de indicadores financieros que expliquen las diferencias
que existen entre los 12 bancos del sistema financiero de El Salvador. Para eso, se usar la
primera tcnica estadstica multivariante que son los Componentes Principales PCA. Los
resultados que obtendremos al aplicar este algoritmo de PCA, ser el determinar el nmero de
variables que expliquen la diferencia del desempeo de los 12 bancos. Los resultados del PCA
los presentamos a continuacin:
7
Bsicamente, lo que nos indican los Componentes Principales PCA es que con los 4 factores
que hemos nombrado en la tabla anterior: 1) Rentabilidad & Gestin; 2) Calidad de los Activos;
3) Indicador Legal & Rentabilidad y Gestin: y 4) Calidad de los Activos; podemos explicar la
diferencia del desempeo entre los 12 bancos. Hubiramos podido extender ms columnas o
factores hasta llegar al autovalor o varianza arriba de 1 (columna 6). Sin embargo, el nivel del
85.54% de varianza acumulada es una cifra idnea para analizar el desempeo diferente entre
los bancos. Por consiguiente, las variables independientes que debemos emplear ya no son los
24 indicadores, sino solamente los que hemos sombreado con el color amarillo, que son 7
indicadores. Los valores sombreados son los pesos de la ecuacin de los Componentes
Principales PCA. Las variables por factor o columna se seleccionan tomando el mximo valor
absoluto y luego se le da lectura a qu variable corresponde. Las variables a tomar en el
anlisis de los indicadores financieros son las siguientes:
8
Es importante mencionar que en el establecimiento de la categora de riesgos de un banco en
el pas, se toman en cuenta mtricas del CAMEL y lo que algunas clasificadoras como
FitchRatings le llaman Soporte de su Accionista. Es decir si el banco experimenta dificultadas
financieras, su accionista que es un banco internacional de primera lnea, le dara soporte
financiero. Si no se tomara en cuenta el Soporte de su Accionista, en algunos casos el rating
fuera diferente. En el Anlisis de Conglomerados Jerrquicos no se ha tomado en cuenta el
Soporte de su Accionista, sino solamente las mtricas numricas. Esto hace interesante el
estudio de qu pasara si solo empleamos las mtricas numricas o cuantitativas y nos
olvidamos de las cualitativas como es el caso del Soporte de su Accionista?
El motor de clculo del Clster Jerarquico emplea la Distancia Euclidiana bsica y tiene
muchos mtodos de agrupacin tales como el vecino cercano, lejano, mtodo Ward, etc.
9
Es muy popular el uso del Clster Jerrquico dado que produce un Dendograma. Este
Dendograma muestra la formacin de los segmentos o clsters y sus niveles de distancias. Si
deseamos pocos clsters o segmentos, las distancias sern mayores que si empleamos ms
clsters o segmentos. Es importante mencionar que cuando se trabaja a escala grande, se
hace imperante aplicar primero los Componentes Principales PCA para poder reducir la
dimensin de las matrices de distancias. Es as como se ha hecho el procedimiento en este
trabajo.
Las referencias por banco son las siguientes: Agrcola (1), CITI (2), DAVIVIENDA (3),
HIPOTECARIO (4), BFA (5), GT (6), PROMERICA (7), SCOTIA (8), BAC (9), AZTECA (10),
INDUSTRIAL (11) y PROCEDITO (12).
Los clsters ms representativos son los que se obtienen luego de trazar la lnea horizontal
negra. Esto se debe a que son bien exactos dado que podemos ver en el eje de la coordenada
Y que son los que tienen menos distancia. El nmero de clusters de determina por la
interseccin de la lnea horizontal negra con el Dendograma. El nmero de clusters o
segmentos son siete.
Las conclusiones que podemos sacar del Dendograma son las siguientes:
10
Empleando la menor distancia, es decir haciendo que la segmentacin sea ms perfecta o con
menos nivel de diferencia, podemos concluir lo siguiente:
1. Las caractersticas del Banco Agrcola (1), el primer banco del pas, son nicas.
2. Las caractersticas de los Bancos Davivienda (3) y Scotiabank (8) son muy parecidas.
En efecto, la categora de riesgos de emisor de Banco Davivienda y Scotiabank son
EAA+ y EAAA respectivamente.
3. Las caractersticas de los Bancos Hipotecario (4) y Banco Promerica (7) son parecidas y
ambos bancos tienen categoras de emisor de EA+ y EA respectivamente.
4. Los Bancos Industrial, Procredit y Fomento Agropecuario se encuentran en los mismos
segmentos y sus categoras de emisor son respectivamente EA+, EAAA y EBBB.
5. A menor nivel de distancia, podemos ver Banco Amrica Central (9), CITI Bank (2),
Banco GT (6) y el Banco Azteca (10) tienen sus caractersticas muy nicas o propias.
1. El primer segmento seria constituido por el Banco Agrcola (1) que tiene sus propias
caractersticas.
2. El segundo segmento lo formaran los siguientes bancos: CITI (2), DAVIVIENDA (3),
SCOTIABANK (8) y Banco de Amrica Central (9).
3. El tercer segmento estara formado por los Bancos: Hipotecario, Promerica,
Fomento Agropecuario, Industrial, Procredit, GT y Azteca.
Esta segmentacin sera orientada a los tamaos o nivel de activos y patrimonio de los bancos.
11
Para poder analizar los segmentos o clsters hemos empleado las tablas dinmicas de MS
Excel, en la cual se presentan los siguientes promedios de las 7 variables crticas por clster:
Las conclusiones que resultan del cuadro anterior son las siguientes:
2. Los clster 4 y 6 es donde se clasifican los bancos que tienen altos niveles de
Rentabilidad y Gestin sin embargo la Gestin de la Calidad de sus Activos e
Indicadores Legales no son tan altos como los del Banco Agrcola del clster nmero 1.
12
En estos dos clsters o segmentos estn los Bancos de Amrica Central (Clster 6) y
Banco Promerica e Hipotecario (Cluster 4).
4. Los dems clster son bancos que estn en transicin para mejorar su desempeo
como los de los clusters arriba analizados.
5. Las calificaciones de emisores de los clsters que estn formados por ms de un banco
son muy parecidas. Tales son los casos de Banco Hipotecario y Banco Promerica que
tienen EA+ y EA respectivamente, como la del Banco Davivienda y Scotiabank que son
EAA+ y EAAA. Finalmente, los Bancos GT e Industrial tienen tambin las clasificaciones
de emisores EA+ y EA respectivamente. Recordemos que la tcnica de clster
solamente toma en cuenta variables numricas y no as lo que se denomina Soporte de
Su Accionista por FitchRatings.
El siguiente cuadro contiene los clsters que hemos obtenido con la tcnica de estadsticas
multivariantes y hemos incluido los indicadores financieros que se emplean para la valoracin
de bancos.
En el cuadro anterior que ha sido elaborado con algunos de los indicadores financieros que
publica la Superintendencia Financiera de El Salvador, podemos apreciar que los Clusters 1, 4
y 6 contiene los mejores bancos del pas que son Banco Agrcola (EAAA), Banco Amrica
Central (EAAA), Banco Promerica (EA) y Banco Hipotecario (EA+).
13
Puede apreciarse con el presente trabajo lo valioso que es la Minera de Datos o las Tcnicas
Estadsticas Multivariantes en el campo financiero, principalmente cuando se tienen muchos
indicadores. Se hace necesario emplear otras tcnicas como las empleadas en este escrito,
para que validen las tcnicas financieras bsicas y tradicionales que se usan da a dia en los
bancos, empresas y superintendencias. Los beneficios obtenidos con esta tcnica son:
2. Clasificar los bancos bajo estndares puramente numricos, sin tomar en cuenta el
soporte del accionista.
3. Identificar bancos que tienen caractersticas nicas como tambin los bancos que son
homogneos.
14
IX. Bibliografa
Wiston, Wayne L .Marketing Analytics: Data Driven Techniques with Microsoft Excel. Wiley
De la Garza Garca, Jorge; Morales Serrano, Blanca Nieves y Gonzlez Cavazos, Beatriz
Adriana : Analisis Estadstico Multivariante. Mc Graw Hill
Prez Lpez, Cesar; Santin Gonzlez, Daniel: Minera de Datos: Tcnicas y Herramientas.
Thomson.
15
VIII. Hoja de Vida
Luis Francisco Zaldvar, MSE
www.modelacionderiesgos.com
l.zaldivar@modelacionderiesgos.com
Entrenado por Oracle Crystal Ball en Denver en Crystal Ball Introductorio y Avanzado,
Opciones Reales y Seis Sigma.
Facilitador y Consultor Certificado en Anlisis de Riesgos empleando Crystal Ball por Crystal
Ball Global Unit, Denver, Colorado.
Dirigi Bancos Comerciales por 8 aos y empresas de manufactura de exportacin por 16 aos
en El Salvador.
Ha realizado entrenamientos en Anlisis de Riesgo con Crystal Ball aplicado a las siguientes
industrias durante los ltimos nueve aos: Petrleo, Gas, Minera, Banca Comercial y Central,
Educacin y en Empresas Corporativas. Los pases donde se han realizado los entrenamientos
son los siguientes: Mxico, Guatemala, El Salvador, Nicaragua, Costa Rica, Panam,
Repblica Dominicana, Colombia, Per, Chile, Bolivia , Paraguay y Venezuela.
16