se ha leído el artículo
array:24 [ "pii" => "S0186104217300037" "issn" => "01861042" "doi" => "10.1016/j.cya.2017.01.003" "estado" => "S300" "fechaPublicacion" => "2017-04-01" "aid" => "127" "copyright" => "Universidad Nacional Autónoma de México, Facultad de Contaduría y Administración" "copyrightAnyo" => "2017" "documento" => "article" "crossmark" => 1 "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/" "subdocumento" => "fla" "cita" => "Contaduría y Administración. 2017;62:377-98" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 1368 "formatos" => array:3 [ "EPUB" => 38 "HTML" => 1096 "PDF" => 234 ] ] "itemSiguiente" => array:19 [ "pii" => "S018610421730027X" "issn" => "01861042" "doi" => "10.1016/j.cya.2017.02.006" "estado" => "S300" "fechaPublicacion" => "2017-04-01" "aid" => "140" "copyright" => "Universidad Nacional Autónoma de México, Facultad de Contaduría y Administración" "documento" => "article" "crossmark" => 1 "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/" "subdocumento" => "fla" "cita" => "Contaduría y Administración. 2017;62:399-418" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 808 "formatos" => array:3 [ "EPUB" => 47 "HTML" => 662 "PDF" => 99 ] ] "en" => array:12 [ "idiomaDefecto" => true "titulo" => "Credit risk management at retail in Mexico: An econometric improvement in the selection of variables and changes in their characteristics" "tienePdf" => "en" "tieneTextoCompleto" => "en" "tieneResumen" => array:2 [ 0 => "en" 1 => "es" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "399" "paginaFinal" => "418" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Administración del riesgo crediticio al menudeo en México: una mejora econométrica en la selección de variables y cambios en sus características" ] ] "contieneResumen" => array:2 [ "en" => true "es" => true ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:9 [ "identificador" => "fig0005" "etiqueta" => "Figure 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "fuente" => "<span class="elsevierStyleItalic">Source</span>: Own elaboration with Stata packaging 13, based on the logistic regression and the <span class="elsevierStyleItalic">logit</span> distribution." "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 709 "Ancho" => 1575 "Tamanyo" => 58796 ] ] "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at1" "detalle" => "Table " "rol" => "short" ] ] "descripcion" => array:1 [ "en" => "<p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Logistic score distribution versus probability of default current methodology of the CNBV.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "José Carlos Trejo García, Miguel Ángel Martínez García, Francisco Venegas Martínez" "autores" => array:3 [ 0 => array:2 [ "nombre" => "José Carlos" "apellidos" => "Trejo García" ] 1 => array:2 [ "nombre" => "Miguel Ángel" "apellidos" => "Martínez García" ] 2 => array:2 [ "nombre" => "Francisco" "apellidos" => "Venegas Martínez" ] ] ] ] ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S018610421730027X?idApp=UINPBA00004N" "url" => "/01861042/0000006200000002/v1_201704140144/S018610421730027X/v1_201704140144/en/main.assets" ] "itemAnterior" => array:19 [ "pii" => "S0186104217300311" "issn" => "01861042" "doi" => "10.1016/j.cya.2017.03.002" "estado" => "S300" "fechaPublicacion" => "2017-04-01" "aid" => "143" "copyright" => "Universidad Nacional Autónoma de México, Facultad de Contaduría y Administración" "documento" => "article" "crossmark" => 1 "licencia" => "http://creativecommons.org/licenses/by-nc-nd/4.0/" "subdocumento" => "fla" "cita" => "Contaduría y Administración. 2017;62:358-76" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 689 "formatos" => array:3 [ "EPUB" => 52 "HTML" => 405 "PDF" => 232 ] ] "en" => array:12 [ "idiomaDefecto" => true "titulo" => "Corporate governance, financing and gender: A study of SMEs from Argentinean Securities Markets" "tienePdf" => "en" "tieneTextoCompleto" => "en" "tieneResumen" => array:2 [ 0 => "en" 1 => "es" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "358" "paginaFinal" => "376" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Gobierno corporativo, financiamiento y género: un estudio de las pymes emisoras de títulos en los mercados de valores argentinos" ] ] "contieneResumen" => array:2 [ "en" => true "es" => true ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:9 [ "identificador" => "fig0005" "etiqueta" => "Figure 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "fuente" => "<span class="elsevierStyleItalic">Source</span>: Grant Thornton International." "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 1609 "Ancho" => 1635 "Tamanyo" => 103756 ] ] "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at1" "detalle" => "Table " "rol" => "short" ] ] "descripcion" => array:1 [ "en" => "<p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Evolution of the participation of women in managerial positions.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Anahí Briozzo, Diana Albanese, Diego Santolíquido" "autores" => array:3 [ 0 => array:2 [ "nombre" => "Anahí" "apellidos" => "Briozzo" ] 1 => array:2 [ "nombre" => "Diana" "apellidos" => "Albanese" ] 2 => array:2 [ "nombre" => "Diego" "apellidos" => "Santolíquido" ] ] ] ] ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0186104217300311?idApp=UINPBA00004N" "url" => "/01861042/0000006200000002/v1_201704140144/S0186104217300311/v1_201704140144/en/main.assets" ] "es" => array:19 [ "idiomaDefecto" => true "titulo" => "Administración del riesgo crediticio al menudeo en México: una mejora econométrica en la selección de variables y cambios en sus características" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "377" "paginaFinal" => "398" ] ] "autores" => array:1 [ 0 => array:4 [ "autoresLista" => "José Carlos Trejo García, Miguel Ángel Martínez García, Francisco Venegas Martínez" "autores" => array:3 [ 0 => array:4 [ "nombre" => "José Carlos" "apellidos" => "Trejo García" "email" => array:1 [ 0 => "jtrejog@ipn.mx" ] "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">*</span>" "identificador" => "cor0005" ] ] ] 1 => array:2 [ "nombre" => "Miguel Ángel" "apellidos" => "Martínez García" ] 2 => array:2 [ "nombre" => "Francisco" "apellidos" => "Venegas Martínez" ] ] "afiliaciones" => array:1 [ 0 => array:2 [ "entidad" => "Instituto Politécnico Nacional, México" "identificador" => "aff0005" ] ] "correspondencia" => array:1 [ 0 => array:3 [ "identificador" => "cor0005" "etiqueta" => "⁎" "correspondencia" => "Autor para correspondencia." ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Credit risk management at retail in Mexico: An econometric improvement in the selection of variables and changes in their characteristics" ] ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0015" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 883 "Ancho" => 2214 "Tamanyo" => 82804 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">Grado de discriminación de clientes malos por grado de riesgo según el modelo vigente versus el modelo propuesto.</p> <p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con la paquetería Stata 13, de acuerdo con la distribución del porcentaje de reservas entre los grados de riesgos (<a class="elsevierStyleCrossRef" href="#bib0115">CNBV, 2014</a>).</p>" ] ] ] "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0035">Introducción</span><p id="par0005" class="elsevierStylePara elsevierViewall">La administración del riesgo crediticio durante las últimas décadas ha sido una de las áreas con mayor crecimiento. Las técnicas de calificación más utilizadas para la administración del riesgo crediticio han sido el <span class="elsevierStyleItalic">credit scoring</span> (otorgamiento de crédito) y el <span class="elsevierStyleItalic">behavioral scoring</span> (comportamiento crediticio), así como varias herramientas para la estimación del riesgo financiero con relación a los préstamos o financiamientos al menudeo. En el mercado mexicano crediticio al consumo se tiene la siguiente clasificación en tres tipos de <span class="elsevierStyleItalic">pools</span> (carteras): créditos revolventes, créditos personales y créditos a la vivienda<a class="elsevierStyleCrossRef" href="#fn0055"><span class="elsevierStyleSup">1</span></a>.</p><p id="par0010" class="elsevierStylePara elsevierViewall">Todos los solicitantes de crédito, así como los clientes consolidados de instituciones financieras en México, cuentan con una calificación tanto en la solicitud del crédito como en el comportamiento de la vida del crédito. Existen dos objetivos importantes en las técnicas para la calificación crediticia. Uno de ellos es la necesidad de identificar el riesgo de consumo, mientras que el otro es minimizar el porcentaje de clientes incumplidos, con lo cual las instituciones bancarias o crediticias optimizan sus carteras para un buen y mejor negocio.</p><p id="par0015" class="elsevierStylePara elsevierViewall">Por lo anterior, se requiere desarrollar nuevos modelos con base en la información histórica de los clientes que permitan generar modelos de decisión en el otorgamiento y considerar el comportamiento con los clientes consolidados (<a class="elsevierStyleCrossRef" href="#bib0070">Mays, 2004</a>).</p><p id="par0020" class="elsevierStylePara elsevierViewall">De acuerdo con la información, al cierre de junio 2014, por parte de la Comisión Nacional Bancaria y de Valores (CNBV)<a class="elsevierStyleCrossRef" href="#fn0060"><span class="elsevierStyleSup">2</span></a>, uno de los principales instrumentos de crédito en México son las tarjetas de crédito, ya que existen aproximadamente 23 millones de plásticos autorizados por 24 entidades financieras reconocidas.</p><p id="par0025" class="elsevierStylePara elsevierViewall">Esta investigación desarrolla una técnica de calificación crediticia considerando la regulación nacional e internacional. Además, el modelo propuesto es óptimo en el sentido de que minimiza la pérdida esperada en el sector de tarjetas de crédito, con repercusiones positivas en la determinación de reservas crediticias, generando un efecto positivo en los activos, en los resultados netos y en la rentabilidad de las entidades financieras (Banca Múltiple).</p><p id="par0030" class="elsevierStylePara elsevierViewall">El documento se organiza de la siguiente forma: en la segunda sección se presenta el marco teórico en términos de avances estadísticos y econométricos en la administración del riesgo crediticio; en la tercera sección se establecen las bases y criterios regulatorios de créditos revolventes en México; en la cuarta sección se presenta la metodología propuesta y se proporcionan las pruebas de significación estadística; en la quinta sección se establece el modelo de optimización; en la sexta sección se compara la rentabilidad entre el modelo propuesto y el de CNBV; en la séptima sección se presentan y discuten los resultados obtenidos; por último, se presentan las conclusiones.</p></span><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Avances en la administración de riesgos crediticios</span><p id="par0035" class="elsevierStylePara elsevierViewall">Los avances en las tecnologías de información en la administración del riesgo crediticio permiten que las entidades financieras crediticias automaticen las decisiones sobre aceptación o rechazo de una solicitud de crédito y la administración de una cartera crediticia (clientes consolidados) en un <span class="elsevierStyleItalic">cross-sell</span> (venta cruzada). Hace unos años, dicha administración crediticia se realizaba solo con la experiencia o percepción del ejecutivo. Ahora, uno de los modelos más usados para la evaluación de créditos es el <span class="elsevierStyleItalic">scoring model</span> (modelo de calificación), el cual determina un <span class="elsevierStyleItalic">score</span> (puntaje) para clientes que solicitan un crédito identificando a aquellos que tienen la posibilidad de incumplir con sus pagos. La literatura, con respecto de la calificación crediticia, es amplia, y basta mencionar los modelos de <a class="elsevierStyleCrossRef" href="#bib0090">Rosenberg y Gleit (1994)</a>, <a class="elsevierStyleCrossRef" href="#bib0075">Merton (1974)</a>, <a class="elsevierStyleCrossRef" href="#bib0030">Hand y Jacka (1998)</a>, <a class="elsevierStyleCrossRef" href="#bib0095">Thomas, Crook y Edelman (1992)</a> y <a class="elsevierStyleCrossRef" href="#bib0060">Lewis (1992)</a>, mientras que para calificaciones de comportamiento o <span class="elsevierStyleItalic">behavioral scoring</span> se cuenta con el trabajo de <a class="elsevierStyleCrossRef" href="#bib0065">Mays (1998)</a>.</p><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Modelos analíticos de <span class="elsevierStyleItalic">scoring</span></span><p id="par0040" class="elsevierStylePara elsevierViewall">Existen en la literatura especializada un conjunto amplio de métodos y técnicas cuantitativas para predecir la probabilidad de que un cliente falle o incumpla<a class="elsevierStyleCrossRef" href="#fn0065"><span class="elsevierStyleSup">3</span></a> y, por consiguiente, no se recupere el crédito otorgado por alguna institución financiera. Los modelos <span class="elsevierStyleItalic">scoring</span> son herramientas que utilizan la clasificación de los solicitantes o clientes consolidados por nivel de riesgo con base en el suministro de la información de clientes en las solicitudes de crédito y comportamiento de pagos. El modelo proporciona la suma de puntos para cada componente cuantificable, produciendo una puntuación de rango ordenado o escala de puntuación.</p><p id="par0045" class="elsevierStylePara elsevierViewall">La identificación de clientes potenciales que pueden generar pérdidas a la entidad financiera requiere buscar mejores lineamientos para su tratamiento y reservar un capital mínimo en caso de incumplimiento y/o migración de <span class="elsevierStyleItalic">buckets</span> (impagos) tolerables a <span class="elsevierStyleItalic">buckets</span> catalogados como vencidos. Véanse al respecto las investigaciones de <a class="elsevierStyleCrossRef" href="#bib0040">Hsia (1978)</a>, <a class="elsevierStyleCrossRef" href="#bib0085">Reichert, Cho y Wagner (1993)</a>, <a class="elsevierStyleCrossRef" href="#bib0050">Joanes (1993)</a> y <a class="elsevierStyleCrossRef" href="#bib0035">Hand y Henley (1997)</a>, que detallan el estudio de relaciones particulares entre las distribuciones de clientes buenos y malos.</p><p id="par0050" class="elsevierStylePara elsevierViewall">La historia de los modelos de <span class="elsevierStyleItalic">scoring</span> se remonta a <a class="elsevierStyleCrossRef" href="#bib0025">Fisher (1936)</a>, con la idea de discriminar diferentes grupos dentro de una población específica. Esta idea fue desarrollada más ampliamente por <a class="elsevierStyleCrossRef" href="#bib0020">Durand (1941)</a> aplicando contexto financiero para discriminar entre un «buen» y un «mal» pagador. De igual manera, <a class="elsevierStyleCrossRef" href="#bib0100">Thomas, Edelman y Crook (2002)</a> analizan las ventajas y limitaciones de la creación de proveedores de modelos <span class="elsevierStyleItalic">scorging</span> (<span class="elsevierStyleItalic">vendors</span> «Bill Fair y Earl Isaac»<a class="elsevierStyleCrossRef" href="#fn0070"><span class="elsevierStyleSup">4</span></a>), los cuales a finales de los cincuenta empezaron con el desarrollo de un sistema de análisis de riesgo de créditos. En los años sesenta, con la creación de las tarjetas de crédito, los modelos de <span class="elsevierStyleItalic">scoring</span> mostraron su importancia y utilidad. Según <a class="elsevierStyleCrossRef" href="#bib0080">Myers y Forgy (1963)</a>, este tipo de modelos es superior como predictor que cualquier juicio experto cualitativo. Otro aspecto importante en este contexto fue el del Z-Score propuesto por <a class="elsevierStyleCrossRef" href="#bib0005">Altman (1968)</a>, que ha sido aplicado en el sector financiero.</p></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Optimización en entidades financieras</span><p id="par0055" class="elsevierStylePara elsevierViewall">En términos prácticos, los modelos de <span class="elsevierStyleItalic">scoring</span> permiten una reducción significativa en los tiempos de ejecución de los distintos procesos financieros para el otorgamiento y seguimiento de un crédito, permitiendo con ello una mayor automatización y reduciendo la necesidad de la intervención humana en la evaluación y estimación del riesgo crediticio. Los principales usuarios de este tipo de modelos son los bancos y las instituciones financieras, así como las compañías de seguro o las cadenas de <span class="elsevierStyleItalic">retail</span> (créditos al consumo). Entre las principales características del <span class="elsevierStyleItalic">scoring</span> están la posibilidad de gestionar y administrar el riesgo. Los beneficios reportados por la aplicación de estos modelos no solo afectan a los bancos e instituciones financieras, sino también directamente a todos los clientes del sector financiero, pues reduce la discriminación errónea de clientes que solicitan algún crédito y provee un análisis más objetivo, concentrando en un solo modelo múltiples factores que pueden afectar el riesgo de una solicitud o un seguimiento de pagos.</p></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0055">Marco regulatorio local e internacional</span><p id="par0060" class="elsevierStylePara elsevierViewall">Aunque algunas instituciones financieras en México desarrollan sus propios modelos de <span class="elsevierStyleItalic">scoring</span> con base en los lineamientos establecidos por la CNBV<a class="elsevierStyleCrossRef" href="#fn0075"><span class="elsevierStyleSup">5</span></a>, la mayoría de entidades constituyen sus reservas con base en los lineamientos establecidos por dicha comisión. Los vendedores o consultores en la creación de modelos <span class="elsevierStyleItalic">scoring</span> los construyen basándose en la información y en los parámetros específicos proporcionados por las áreas de administración de riesgo crediticio de la entidad financiera. Por lo tanto, la entidad financiera debe asegurarse de que el desarrollo de dichos modelos sea acorde a los objetivos del banco y con respecto de su tolerancia al riesgo.</p><p id="par0065" class="elsevierStylePara elsevierViewall">El acuerdo internacional sobre regulación y supervisión bancaria denominado «Nuevo Acuerdo de Capital»<a class="elsevierStyleCrossRef" href="#fn0080"><span class="elsevierStyleSup">6</span></a> exige a las entidades financieras de los países miembros una revisión de sus dotaciones de capital para cubrir los riesgos. Estos parámetros les obligan a disponer de herramientas que les permitan establecer modelos de medición (<span class="elsevierStyleItalic">scorings</span> y <span class="elsevierStyleItalic">ratings</span>) con el propósito de discriminar entre clientes según su perfil de riesgo y evaluar la exposición y la severidad en el riesgo de crédito. El acuerdo de Basilea<span class="elsevierStyleHsp" style=""></span>II también obliga a las entidades financieras no solo a adaptar sus sistemas de cálculo del consumo de capital, sino también a modificar los sistemas de <span class="elsevierStyleItalic">reporting</span> (informes financieros) y de análisis de la información. Ambos elementos —es decir, los informes financieros y el análisis de los mismos— son aspectos clave en Basilea<span class="elsevierStyleHsp" style=""></span>II necesarios para gestionar grandes bases de datos, capaces de ofrecer la información para cuantificar los riesgos de cada operación, lo que supone un verdadero reto para los bancos.</p><p id="par0070" class="elsevierStylePara elsevierViewall">El elemento clave para analizar el proceso de calificación de riesgos mediante modelos internos (IRB)<a class="elsevierStyleCrossRef" href="#fn0085"><span class="elsevierStyleSup">7</span></a>, según la normativa de Basilea<span class="elsevierStyleHsp" style=""></span>II, es que las entidades financieras crediticias dispongan de un modelo de <span class="elsevierStyleItalic">credit scoring</span> que les permita medir la probabilidad de incumplimiento del crédito que se otorga. Para tal efecto, el método estándar o regulatorio de la CNBV permite la validación con datos actuales y el método IRB de <span class="elsevierStyleItalic">behavioral scoring</span> para el caso mexicano a través de una muestra de información nacional.</p></span></span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0060">Administración del riesgo crediticio al menudeo en México</span><p id="par0075" class="elsevierStylePara elsevierViewall">De manera general, el crédito es un compromiso pactado entre una persona física o moral y una entidad financiera a fin de otorgarle capacidad de compra por adelantado al deudor. El crédito permite realizar compras por anticipado con base en su capacidad de pago. En México, la CNBV menciona que toda actividad crediticia significa la colocación de los recursos tanto propios como captados de terceros (ahorradores) mediante operaciones de préstamo, descuento, asunción, garantías o créditos en su más amplio sentido, así como cualquier operación bancaria que genere o permita un derecho de crédito a favor de las instituciones financieras con un grado de incumplimiento<a class="elsevierStyleCrossRef" href="#fn0090"><span class="elsevierStyleSup">8</span></a>.</p><p id="par0080" class="elsevierStylePara elsevierViewall">La cartera de crédito al consumo se conforma de todos aquellos créditos directos, incluyendo los de liquidez que no cuenten con garantía de inmuebles, denominados en moneda nacional, extranjera, en UDIs o en VSM, así como los intereses que generen, otorgados a personas físicas, derivados de operaciones de tarjeta de crédito, de créditos personales, de créditos para la Adquisición de Bienes de Consumo Duradero (conocidos como ABCD), que considera entre otros al crédito automotriz y las operaciones de arrendamiento financiero que sean celebradas con personas físicas<a class="elsevierStyleCrossRef" href="#fn0095"><span class="elsevierStyleSup">9</span></a>.</p><p id="par0085" class="elsevierStylePara elsevierViewall">Con base en diversas investigaciones de Banxico, el riesgo de crédito es el caso particular cuando el contrato no puede ser cumplido por el deudor hacia el acreedor (otorgante del crédito). Recientemente, además del caso de incumplimiento, se han incorporado eventos que afectan el valor de un crédito, sin que necesariamente signifique incumplimiento del deudor. Normalmente, los factores que se deben tomar en cuenta al medir riesgo de crédito son las probabilidades de incumplimiento y/o de migración en la calidad crediticia del deudor, las correlaciones entre incumplimientos, la concentración o segmentación de la cartera, la exposición a cada deudor y la tasa de recuperación en caso de incumplimiento de los deudores<a class="elsevierStyleCrossRef" href="#fn0050"><span class="elsevierStyleSup">10</span></a>.</p><p id="par0090" class="elsevierStylePara elsevierViewall">Para la determinación de provisiones en México de la cartera crediticia al consumo y administradas por cada entidad financiera se tiene como base la regulación impuesta por la CNBV mediante la Circular Única de Bancos (CUB)<a class="elsevierStyleCrossRef" href="#fn0100"><span class="elsevierStyleSup">11</span></a>, con factores como la Severidad de la Pérdida (SP o <span class="elsevierStyleItalic">Loss Given Default</span>), que es lo que pierde el acreedor en caso de incumplimiento del deudor una vez tomados en cuenta todos los costos implicados en la recuperación (costos de recobro, costos judiciales, etc.). Con respecto a la Exposición al Incumplimiento (EI o <span class="elsevierStyleItalic">Exposure at Default</span>), es el saldo que debe el deudor en un momento dado en caso de incumplimiento. La medida de riesgo crediticio en esta investigación es la Probabilidad de Incumplimiento (PI o <span class="elsevierStyleItalic">Probability of Default</span>), que expresa qué tan probable es que un acreditado deje de cumplir con sus obligaciones contractuales. El mínimo valor es cero, lo cual indicaría que es imposible que incumpla con sus obligaciones, y su máximo valor es uno o cien por ciento, cuando es seguro que incumpla.</p><p id="par0095" class="elsevierStylePara elsevierViewall">Con base en la regulación vigente, la estimación de la PI debe ser por crédito. Las Reservas o Pérdidas Esperadas (R o PE) es la media de la distribución de pérdidas y ganancias. Es decir, indica cuánto se puede perder en promedio y normalmente está asociada a la política de reservas preventivas que la institución debe tener contra riesgos crediticios. Para ello, se calcula la PE considerando el porcentaje de reservas (PI*SP) por la EI<a class="elsevierStyleCrossRef" href="#fn0105"><span class="elsevierStyleSup">12</span></a>.</p></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Metodología propuesta y optimización matemática</span><p id="par0100" class="elsevierStylePara elsevierViewall">La metodología que utiliza esta investigación para la construcción de un modelo óptimo de <span class="elsevierStyleItalic">behavioral scoring</span> para el producto de créditos revolventes administrados por las entidades financieras mexicanas se basa en los lineamientos regulatorios locales de la CUB, la cual estipula en el artículo 92 Fracción<span class="elsevierStyleHsp" style=""></span>III las distintas etapas para administrar el riesgo crediticio del portafolio de créditos revolventes en México.</p><p id="par0105" class="elsevierStylePara elsevierViewall">De acuerdo con la regulación local mencionada, es necesario detallar cada etapa para el desarrollo de la propuesta.</p><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">Etapa 1. Datos y criterio en la determinación del objetivo</span><p id="par0110" class="elsevierStylePara elsevierViewall">Primero se obtuvo una muestra de clientes clasificados a priori como «buenos» y «malos» (de acuerdo con <a class="elsevierStyleCrossRef" href="#bib0045">Huang, Chen y Wang, 2007</a>). De esta manera, se consideró una muestra de 43,323<a class="elsevierStyleCrossRef" href="#fn0110"><span class="elsevierStyleSup">13</span></a> cuentas con los criterios regulatorios y el evento de incumplimiento bajo el criterio de que un cliente no realice dos o más pagos consecutivos<a class="elsevierStyleCrossRef" href="#fn0115"><span class="elsevierStyleSup">14</span></a> en los próximos 12<span class="elsevierStyleHsp" style=""></span>meses, objetivo esencial de la presente investigación.</p></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Etapa 2. Compilación y proceso de información</span><p id="par0115" class="elsevierStylePara elsevierViewall">La construcción del modelo alternativo de <span class="elsevierStyleItalic">behavioral scoring</span> (<a class="elsevierStyleCrossRef" href="#bib0110">Weber, 1999</a>) se realiza a través de la discriminación y la regresión logística, la cual se emplea para validación con mejores niveles de significación.</p><p id="par0120" class="elsevierStylePara elsevierViewall">Para ello, se trabajará con variables cuantitativas independientes y la variable dicotómica dependiente, bajo la condición:<elsevierMultimedia ident="eq0005"></elsevierMultimedia></p><p id="par0125" class="elsevierStylePara elsevierViewall">La técnica estadística más utilizada por la industria financiera corresponde a la regresión logística (<a class="elsevierStyleCrossRef" href="#bib0105">Thomas, Edelman y Crook, 2004</a>). Esta técnica es menos restrictiva, siendo una alternativa del análisis discriminante. Es importante mencionar que en los últimos años han aparecido una serie de técnicas nuevas llamadas «minería de datos» (<a class="elsevierStyleCrossRef" href="#bib0110">Weber, 1999</a>), las cuales han sido utilizadas también para la construcción de modelos de <span class="elsevierStyleItalic">scoring</span>. Estas técnicas presentan la ventaja de no tener demasiados requerimientos y supuestos para las variables de entrada, aumentando su validez. Esta técnica ha sido intensamente utilizada para la construcción de modelos de <span class="elsevierStyleItalic">scoring</span> para la comprensión de patrones complejos de un determinado segmento de clientes, teniendo la capacidad de modelar relaciones no lineales entre las variables.</p></span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Etapa 3. Estimación probabilística</span><p id="par0130" class="elsevierStylePara elsevierViewall">Los modelos probabilísticos lineales plantean una serie de problemas que han llevado a la búsqueda de otros modelos alternativos que permitan estimaciones más confiables cuando se tienen variables dicotómicas. Para evitar que la variable endógena estimada pueda encontrarse fuera del rango (0,<span class="elsevierStyleHsp" style=""></span>1), las alternativas disponibles son utilizar modelos de probabilidad no lineales, donde la función de especificación utilizada garantiza un resultado en la estimación comprendido en el rango (0,<span class="elsevierStyleHsp" style=""></span>1).</p><p id="par0135" class="elsevierStylePara elsevierViewall">Dado que el uso de una función de distribución garantiza que el resultado de la estimación esté acotado entre 0 y 1, en principio las posibles alternativas son varias, siendo las más habituales la función de distribución logística, que ha dado lugar al modelo <span class="elsevierStyleItalic">logit</span>, relacionando la variable endógena <span class="elsevierStyleItalic">Y</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span> con las variables explicativas <span class="elsevierStyleItalic">X</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span> a través de una función de distribución (<span class="elsevierStyleItalic">Y</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">=</span><span class="elsevierStyleHsp" style=""></span>1). En cuanto a la interpretación de los parámetros estimados en un modelo <span class="elsevierStyleItalic">logit</span>, el signo de los mismos indica la dirección en que se mueve la probabilidad cuando aumenta la variable explicativa correspondiente.</p><p id="par0140" class="elsevierStylePara elsevierViewall">A través de la linealización del modelo y partiendo de la ecuación general del modelo <span class="elsevierStyleItalic">logit</span>, se define <span class="elsevierStyleItalic">Y</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span> como la probabilidad del estado o la alternativa<span class="elsevierStyleHsp" style=""></span>1, partiendo de lo siguiente:<elsevierMultimedia ident="eq0010"></elsevierMultimedia></p><p id="par0145" class="elsevierStylePara elsevierViewall">Esto satisface 0 ≤ yi ≤ 1. Por lo tanto:<elsevierMultimedia ident="eq0015"></elsevierMultimedia><elsevierMultimedia ident="eq0020"></elsevierMultimedia><elsevierMultimedia ident="eq0025"></elsevierMultimedia></p><p id="par0150" class="elsevierStylePara elsevierViewall">Al cociente entre la probabilidad de que ocurra un hecho, o de que se elija la opción<span class="elsevierStyleHsp" style=""></span>1, frente a la probabilidad de que no suceda el evento en cuestión, o de que se elija la opción<span class="elsevierStyleHsp" style=""></span>0, se le denomina <span class="elsevierStyleItalic">odds ratio</span>. Su interpretación es la «ventaja» o preferencia de la opción<span class="elsevierStyleHsp" style=""></span>1 frente al<span class="elsevierStyleHsp" style=""></span>0, es decir, el número de veces que es más probable que ocurra el incumplimiento frente al que no ocurra.<elsevierMultimedia ident="eq0030"></elsevierMultimedia></p><p id="par0155" class="elsevierStylePara elsevierViewall">Tomando logaritmos naturales del <span class="elsevierStyleItalic">odds ratio</span> se linealiza la ecuación del modelo <span class="elsevierStyleItalic">logit</span>, respetando el objetivo de que los valores estimados se encuentren dentro del rango (0,<span class="elsevierStyleHsp" style=""></span>1), obteniéndose la expresión:<elsevierMultimedia ident="eq0035"></elsevierMultimedia></p><p id="par0160" class="elsevierStylePara elsevierViewall">La nueva variable Lnpi(1−pi) generada representa en una escala logarítmica la diferencia entre las probabilidades de que ocurra incumplimiento en créditos revolventes (<a class="elsevierStyleCrossRef" href="#bib0055">Lee, Cheung y Chen, 2005</a>).</p><p id="par0165" class="elsevierStylePara elsevierViewall">El <span class="elsevierStyleItalic">odds ratio</span> tal y como está construido (cociente entre probabilidades) siempre será mayor o igual que 0. El campo de variación del ratio va desde 0 hasta +∞, y su interpretación se realiza en función de que el valor sea igual, menor o superior a la unidad: si el antilogaritmo toma el valor<span class="elsevierStyleHsp" style=""></span>1 significa que la probabilidad de incumplimiento es la misma de que no ocurra; si el ratio es menor que<span class="elsevierStyleHsp" style=""></span>1 indica que la ocurrencia de la probabilidad de incumplimiento tiene menor posibilidad que la ocurrencia del cumplimiento del cliente, mientras que si es mayor que<span class="elsevierStyleHsp" style=""></span>1, entonces la probabilidad de incumplimiento del clientes es mayor que el cumplimiento.<elsevierMultimedia ident="eq0040"></elsevierMultimedia></p></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Etapa 4. Estimación con máxima verosimilitud</span><p id="par0170" class="elsevierStylePara elsevierViewall">Para la estimación del modelo <span class="elsevierStyleItalic">logit</span> en la búsqueda de obtener los parámetros predictores, se utiliza el método de máxima verosimilitud (MV). Como <span class="elsevierStyleItalic">p</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span> toma dos valores —con probabilidad de incumplimiento <span class="elsevierStyleItalic">p</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span> y su contraparte 1<span class="elsevierStyleItalic">− p</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span>—, tiene una distribución de estilo Bernoulli.<elsevierMultimedia ident="eq0045"></elsevierMultimedia></p><p id="par0175" class="elsevierStylePara elsevierViewall">La función de MV para una muestra aleatoria de n datos (<span class="elsevierStyleItalic">x</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span><span class="elsevierStyleItalic">,y</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span>) se calcula como:<elsevierMultimedia ident="eq0050"></elsevierMultimedia></p><p id="par0180" class="elsevierStylePara elsevierViewall">Al aplicar logaritmos:<elsevierMultimedia ident="eq0055"></elsevierMultimedia></p><p id="par0185" class="elsevierStylePara elsevierViewall">la función logarítmica de verosimilitud satisface:<elsevierMultimedia ident="eq0060"></elsevierMultimedia><elsevierMultimedia ident="eq0065"></elsevierMultimedia></p><p id="par0190" class="elsevierStylePara elsevierViewall">Ahora la ecuación anterior se sustituye en la ecuación de la función logarítmica de verosimilitud. De aquí se obtiene la función de verosimilitud en logaritmos en términos de los parámetros <span class="elsevierStyleItalic">β</span> dada por:<elsevierMultimedia ident="eq0070"></elsevierMultimedia></p><p id="par0525" class="elsevierStylePara elsevierViewall">Para la obtención de los estimadores <span class="elsevierStyleItalic">β</span> de máxima verosimilitud, se deriva <span class="elsevierStyleItalic">L(β)</span> respecto de cada uno de los parámetros <span class="elsevierStyleItalic">β</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">j</span></span> con <span class="elsevierStyleItalic">j</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">=</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">1, 2,..., p</span> y se iguala a cero. En términos de matrices:<elsevierMultimedia ident="eq0075"></elsevierMultimedia><elsevierMultimedia ident="eq0080"></elsevierMultimedia></p><p id="par0200" class="elsevierStylePara elsevierViewall">Si se expresa cada una de estas derivadas en un vector columna:<elsevierMultimedia ident="eq0085"></elsevierMultimedia></p><p id="par0205" class="elsevierStylePara elsevierViewall">Si ahora se iguala a cero el vector columna:<elsevierMultimedia ident="eq0090"></elsevierMultimedia></p><p id="par0210" class="elsevierStylePara elsevierViewall">La <span class="elsevierStyleItalic">β</span> estimada es el vector de parámetros que cumple el sistema matricial, se calcula <span class="elsevierStyleItalic">p</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span> en términos de esos estimadores y con ello se obtiene una estimación para <span class="elsevierStyleItalic">y</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span>, tal que la estimación de probabilidad sea:<elsevierMultimedia ident="eq0095"></elsevierMultimedia></p><p id="par0215" class="elsevierStylePara elsevierViewall">Linealizando la ecuación 14, permite modelar la PI mediante una regresión logística múltiple:<elsevierMultimedia ident="eq0100"></elsevierMultimedia></p></span></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Resultados empíricos</span><p id="par0220" class="elsevierStylePara elsevierViewall">Para validar la metodología propuesta se han seleccionado variables relevantes en la determinación de la probabilidad de incumplimiento propuesto.</p><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Determinación y selección de variables</span><p id="par0225" class="elsevierStylePara elsevierViewall">Para evitar problemas de multicolinealidad es de gran ayuda que las variables seleccionadas cuenten con pruebas de correlación. Para ello se selecciona el conjunto de variables explicativas y significativas, evitando entonces el incluir variables poco significativas o con información redundante (colinealidad), lo que puede distorsionar la capacidad predictiva de la función discriminante estimada.</p><p id="par0230" class="elsevierStylePara elsevierViewall">Para medir la correlación, se considera el siguiente cálculo:<elsevierMultimedia ident="eq0105"></elsevierMultimedia></p><p id="par0235" class="elsevierStylePara elsevierViewall">Con una base de datos de 43,323 clientes consolidados y administrados por las instituciones financieras mexicanas al cierre de agosto 2014, se consideraron las 6 variables acorde a la metodología regulatoria de la CNBV<a class="elsevierStyleCrossRef" href="#fn0120"><span class="elsevierStyleSup">15</span></a>: variable de cumplimiento/incumplimiento (Y), número de impagos (ACT), historial de impagos (HIST), meses transcurridos de crédito (ANT), relación pago-saldo (%PAGO) y relación saldo a pagar<span class="elsevierStyleHsp" style=""></span>−<span class="elsevierStyleHsp" style=""></span>límite de crédito (%USO).</p><p id="par0240" class="elsevierStylePara elsevierViewall">Para el modelo propuesto, y en relación con la base de datos de los mismos 43,323 clientes, se identificaron solo 5 variables significativas: variable de cumplimiento (Y), meses transcurridos de crédito (ANT), límite de crédito (límite_crédito), historial de impagos (HIST) y relación pago-saldo (%PAGO).</p><p id="par0245" class="elsevierStylePara elsevierViewall">La variable Y para ambos modelos de estudio (vigente y propuesto) fue recodificada a partir de los criterios mencionados en la metodología: variable binaria que adopta el valor<span class="elsevierStyleHsp" style=""></span>1 (incumple) y el valor<span class="elsevierStyleHsp" style=""></span>0 (cumple) (<a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a>).</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><p id="par0250" class="elsevierStylePara elsevierViewall">Como se observa, los problemas de multicolinealidad son notorios al momento de utilizar todas las variables con base en la metodología vigente de la CNBV, principalmente HIST y ANT, con una correlación superior al 60%. Además, se observa la falta de impacto con Y por parte de %USO, lo que puede provocar menor predicción con el modelo actualmente utilizado por la regulación mexicana.</p><p id="par0255" class="elsevierStylePara elsevierViewall">La ausencia de multicolinealidad, así como el alto impacto de las variables independientes (ANT, límite_crédito, HIST y %PAGO) sobre la variable Y, sí influyen significativamente, y esto puede reflejar mayor predictibilidad para medir el nivel de incumplimiento.</p><p id="par0260" class="elsevierStylePara elsevierViewall">De esta manera, las variables propuestas en esta investigación muestran ausencia de multicolinealidad, ya que los niveles de correlación entre variables independientes endógenas son menores al 47%, mientras que la relación de ANT, límite_crédito e HIST con la variable dependiente (Y) es superior al 56%. El impacto de %PAGO con Y es mayor al 92%. Esta prueba de correlación indica que el modelo propuesto podría ser predictivo y más estable.</p></span><span id="sec0070" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Regresión y significatividad logística</span><p id="par0265" class="elsevierStylePara elsevierViewall">De acuerdo con las técnicas de inferencia en regresión logística (<a class="elsevierStyleCrossRef" href="#bib0050">Joanes, 1993</a>), un buen modelo debe satisfacer dos condiciones: la primera es que tenga una fuerte capacidad predictora y la segunda es que la estimación de los parámetros tenga una alta precisión. Una condición adicional es que el modelo sea lo más sencillo posible, esto es, que contenga el mínimo de variables explicativas y que satisfaga las dos condiciones anteriores. Empleando la muestra de 43,323 clientes y las variables propuestas en la <a class="elsevierStyleCrossRef" href="#tbl0015">tabla 2</a>, se estima un modelo <span class="elsevierStyleItalic">logit</span> explicado en la metodología, calculando a su vez la probabilidad de que un cliente pague su préstamo de créditos revolventes.</p><elsevierMultimedia ident="tbl0015"></elsevierMultimedia><p id="par0270" class="elsevierStylePara elsevierViewall">En la estimación de la probabilidad <span class="elsevierStyleItalic">logit</span> fueron necesarias 9 iteraciones para estimar el modelo. La función de <span class="elsevierStyleItalic">LR chi</span><span class="elsevierStyleSup"><span class="elsevierStyleItalic">2</span></span> indica que los coeficientes son conjuntamente significativos para explicar la probabilidad de que los 43,323 clientes se encuentren en incumplimiento; así, el valor estadístico de <span class="elsevierStyleItalic">Prob</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">></span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">chi</span><span class="elsevierStyleSup"><span class="elsevierStyleItalic">2</span></span> indica que se puede rechazar en un 1% la hipótesis de que todos los coeficientes sean igual a cero. Además, el estadístico de <span class="elsevierStyleItalic">Pseudo R</span><span class="elsevierStyleSup"><span class="elsevierStyleItalic">2</span></span> indica que aproximadamente el 97% de la variación de la variable dependiente es explicado por la variación de las variables independientes del modelo propuesto para México.</p><p id="par0275" class="elsevierStylePara elsevierViewall">La calidad de ajuste del modelo es de 99.38%<a class="elsevierStyleCrossRef" href="#fn0125"><span class="elsevierStyleSup">16</span></a>, resultado de la razón de provisiones correctas contra número de observaciones; esto confirma en general que el modelo predice las observaciones correctamente.</p></span><span id="sec0075" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Significación de la regresión logística propuesta</span><p id="par0280" class="elsevierStylePara elsevierViewall">Es necesario destacar que al momento de realizar de nuevo la regresión logística para aquellas variables que actualmente la regulación contempla se obtuvo un error en la obtención de resultados, debido a la alta multicolinealidad de la variable ACT con HIST. Por lo tanto, dichas variables explicativas y utilizadas actualmente por la CNBV no son necesarias del todo para continuar con el modelo; de esta manera la variable ACT debe ser excluida.</p><p id="par0285" class="elsevierStylePara elsevierViewall">Al utilizar criterios estadísticos como el de correlaciones parciales es posible obtener todas las variables potenciales y escoger entre ellas las mejores. Al respecto, para determinar si una variable debe ser incluida en un modelo por un peso significativo, se aplica la prueba de estadístico de <span class="elsevierStyleItalic">Wald</span>. La prueba resulta de contrastar la hipótesis nula <span class="elsevierStyleItalic">H</span><span class="elsevierStyleInf">0</span><span class="elsevierStyleHsp" style=""></span>:<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">β</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span><span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0 contra la alternativa <span class="elsevierStyleItalic">H</span><span class="elsevierStyleInf">1</span><span class="elsevierStyleHsp" style=""></span>:<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">β</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">i</span></span><span class="elsevierStyleHsp" style=""></span>≠<span class="elsevierStyleHsp" style=""></span>0.</p><p id="par0290" class="elsevierStylePara elsevierViewall">La estimación mostrada en la <a class="elsevierStyleCrossRef" href="#tbl0025">tabla 3</a> permite calcular la función <span class="elsevierStyleItalic">score</span> a partir de la ecuación (4). Los niveles de significación para el modelo propuesto indican que todos los valores de significación <span class="elsevierStyleItalic">p-values</span> cuentan con alta significación, puesto que son menores al 5%. Para obtener el score con las variables propuestas se aplica la transformación <span class="elsevierStyleItalic">logit</span> de la ecuación (16) para obtener la probabilidad de incumplimiento calculada (PI<span class="elsevierStyleInf">C</span>).</p><elsevierMultimedia ident="tbl0025"></elsevierMultimedia><p id="par0295" class="elsevierStylePara elsevierViewall">La interpretación de los coeficientes es mediante la medición de la variación del modelo <span class="elsevierStyleItalic">logit</span> estimado para una variación unitaria de la variable explicativa dada. Así, si ANT aumenta en un impago, el <span class="elsevierStyleItalic">logit</span> estimado aumenta en 0.01 unidades, lo que sugiere una relación positiva con respecto a la <span class="elsevierStyleItalic">PI</span><span class="elsevierStyleInf"><span class="elsevierStyleItalic">C</span></span>. El mismo caso es para el límite_crédito e HIST: a mayor límite como a mayor aumento de impagos históricos, la PI<span class="elsevierStyleInf">C</span> aumenta. En caso contrario, si %PAGO es mayor, entonces la PI<span class="elsevierStyleInf">C</span> disminuye en 7.6 unidades. De acuerdo con lo anterior, el modelo econométrico planteado mediante la estimación <span class="elsevierStyleItalic">logit</span> permite mejorar la administración del riesgo de créditos revolventes.</p><p id="par0300" class="elsevierStylePara elsevierViewall">Las oportunidades en los modelos <span class="elsevierStyleItalic">logit</span> son calculadas mediante regresión logística u <span class="elsevierStyleItalic">odds</span>, es decir, mediante la transformación antilogarítmica de <span class="elsevierStyleItalic">β</span><span class="elsevierStyleHsp" style=""></span>≫<span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">e</span><span class="elsevierStyleSup"><span class="elsevierStyleItalic">β</span></span> (<a class="elsevierStyleCrossRef" href="#tbl0035">tabla 4</a>).</p><elsevierMultimedia ident="tbl0035"></elsevierMultimedia><p id="par0305" class="elsevierStylePara elsevierViewall">Estos resultados demuestran cumplimiento a la teoría planteada, ya que si <span class="elsevierStyleItalic">odd</span><span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>1 significa que la ocurrencia de la PI<span class="elsevierStyleInf">C</span> tiende a ser una relación negativa (menor oportunidad), mientras que si <span class="elsevierStyleItalic">odd</span><span class="elsevierStyleHsp" style=""></span>><span class="elsevierStyleHsp" style=""></span>1 significa que la ocurrencia de la PI<span class="elsevierStyleInf">C</span> tiende a ser una relación positiva (mayor oportunidad).</p><p id="par0310" class="elsevierStylePara elsevierViewall">Por lo tanto, las variables ANT, límite_crédito e HIST indican que si aumentan los impagos y el límite de crédito, entonces la PI aumenta de manera conjunta y aproximada por 17 veces, caso contrario a %PAGO, puesto que el coeficiente es menor que la unidad.</p></span><span id="sec0080" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0110">Distribución <span class="elsevierStyleItalic">logit</span></span><p id="par0315" class="elsevierStylePara elsevierViewall">La distribución <span class="elsevierStyleItalic">logit</span> obtenida con la metodología vigente de la CNBV<a class="elsevierStyleCrossRef" href="#fn0130"><span class="elsevierStyleSup">17</span></a> es como se muestra en la <a class="elsevierStyleCrossRef" href="#fig0005">figura 1</a>.</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><p id="par0320" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#fig0005">figura 1</a> indica que no existe una distribución óptima, puesto que hay observaciones negativas fuera del comportamiento normal respecto a las demás observaciones.</p><p id="par0325" class="elsevierStylePara elsevierViewall">La PI promedio de la metodología de la CNBV es del 43.4%; por lo tanto, es necesario validar mediante el modelo propuesto (PI<span class="elsevierStyleInf">C</span>) en esta investigación si existe una distribución <span class="elsevierStyleItalic">logit</span> óptima y con apego al comportamiento teórico.</p><p id="par0330" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#fig0010">figura 2</a> indica que sí existe una distribución óptima, puesto que no hay observaciones fuera del comportamiento normal respecto a la mayoría observaciones. El promedio de la PI<span class="elsevierStyleInf">C</span> es del 42.6%, es decir, menor que la PI de la regulación vigente (43.4%).</p><elsevierMultimedia ident="fig0010"></elsevierMultimedia></span><span id="sec0085" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0115">Análisis de distribución del porcentaje de reservas en México</span><p id="par0335" class="elsevierStylePara elsevierViewall">Mediante pruebas de discriminación poblacional, el análisis discriminante consiste en una técnica multivariante que permite estudiar simultáneamente el comportamiento de un grupo de variables independientes con la intención de clasificar una serie de casos en grupos previamente definidos y excluyentes entre sí (<a class="elsevierStyleCrossRef" href="#bib0025">Fisher, 1936</a>).</p><p id="par0340" class="elsevierStylePara elsevierViewall">Una vez calculadas las PI y PI<span class="elsevierStyleInf">C</span> mencionadas, estas son utilizadas para llevarlas en producto con la SP<a class="elsevierStyleCrossRef" href="#fn0135"><span class="elsevierStyleSup">18</span></a>, obteniendo así el porcentaje de reserva. Al validar mediante la metodología actual (PI*SP) contra el modelo propuesto (PI<span class="elsevierStyleInf">C</span>*SP), en los comportamientos mostrados del porcentaje de reservas y grados de riesgo señalados en la metodología de la CNBV<a class="elsevierStyleCrossRef" href="#fn0140"><span class="elsevierStyleSup">19</span></a> se identifica que el modelo propuesto cuenta con mejor discriminación de clientes buenos y malos en cada grado de riesgo (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>).</p><elsevierMultimedia ident="fig0015"></elsevierMultimedia><p id="par0345" class="elsevierStylePara elsevierViewall">En consecuencia, se muestra que con el modelo propuesto la detección de clientes malos es mayor que el modelo vigente utilizado por la CNBV, lo que garantiza una mejor y mayor discriminación de clientes malos o incumplidos, tal y como se muestra notablemente del grado de riesgo A-2 al C-2, mientras que los grupos de riesgo A-1, D y E mantienen su tendencia discriminatoria entre ambos modelos.</p></span><span id="sec0090" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0120">Prueba de Kolmogorov-Smirnov</span><p id="par0350" class="elsevierStylePara elsevierViewall">Una vez que se ha calculado el <span class="elsevierStyleItalic">score</span> con la fórmula estimada por medio de la regresión <span class="elsevierStyleItalic">logit</span>, se pretende determinar si estos valores calculados en la muestra identifican bien a qué grupo pertenecen. Mientras mayor sea la diferencia de los puntajes de los grupos, mayor será la capacidad discriminante del modelo usado. El indicador de Kolmogorov-Smirnov (K-S) es una prueba no paramétrica para la bondad de ajuste para probar que dos muestras independientes provienen de la misma distribución de una variable aleatoria continua. Estas diferencias están determinadas no solo por las medias, sino también por la dispersión, simetría o la oblicuidad. La prueba se construye sobre las hipótesis nula y alternativa como sigue:<span class="elsevierStyleEnunciation" id="enun0005"><span class="elsevierStyleLabel">H<span class="elsevierStyleInf">0</span></span><p id="par0355" class="elsevierStylePara elsevierViewall">La distribución del <span class="elsevierStyleItalic">score</span> para las cuentas buenas y las cuentas malas es igual.</p></span><span class="elsevierStyleEnunciation" id="enun0010"><span class="elsevierStyleLabel">H<span class="elsevierStyleInf">1</span></span><p id="par0360" class="elsevierStylePara elsevierViewall">La distribución del <span class="elsevierStyleItalic">score</span> para las cuentas buenas y las cuentas malas no es igual.</p></span></p><p id="par0365" class="elsevierStylePara elsevierViewall">El estadístico de prueba es:<elsevierMultimedia ident="eq0110"></elsevierMultimedia></p><p id="par0370" class="elsevierStylePara elsevierViewall">Con dos colas el estadístico dado:<elsevierMultimedia ident="eq0115"></elsevierMultimedia>donde supx es la distancia superior del conjunto.</p><p id="par0380" class="elsevierStylePara elsevierViewall">De esta manera se puede comparar el índice discriminatorio de K-S entre el grado de separación de clientes buenos y malos con el modelo vigente versus el modelo propuesto.</p><p id="par0385" class="elsevierStylePara elsevierViewall">En la <a class="elsevierStyleCrossRef" href="#tbl0045">tabla 5</a> se observa que con el modelo propuesto el poder de discriminación entre grados de riesgos por porcentaje de reservas (PI<span class="elsevierStyleInf">C</span>*SP) es mayor en C-1, lo que permite a la banca de consumo en México la posibilidad de detectar mejor a los clientes buenos y malos, así como aplicar políticas de cobranza más efectivas para poder mejorar ese segmento.</p><elsevierMultimedia ident="tbl0045"></elsevierMultimedia><p id="par0390" class="elsevierStylePara elsevierViewall">Incluso permite al área de riesgos al menudeo de las instituciones financieras el poder proponer un óptimo nivel de <span class="elsevierStyleItalic">cross-selling</span> (venta cruzada) con clientes que se encuentren en grados de riesgos superiores (mejores) a C-1, lo que representa mayor posibilidad de negocio en pro de la rentabilidad en el negocio de créditos al menudeo.</p></span><span id="sec0095" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0125">Elección del <span class="elsevierStyleItalic">cut-off</span> o punto de corte</span><p id="par0395" class="elsevierStylePara elsevierViewall">En relación con el nivel de discriminación presentado en la sección anterior, principalmente en la <a class="elsevierStyleCrossRef" href="#tbl0045">tabla 5</a>, es posible identificar los grados de riesgo que la banca pudo aceptar en administrar la cartera, esto con base en el nivel de probabilidad de incumplimiento dada la máxima separación de distribución de clientes buenos y malos.</p><p id="par0400" class="elsevierStylePara elsevierViewall">El modelo basado en la regresión logística está constituido por un conjunto de pesos relacionados a un grupo de variables o atributos, caracterizando a un conjunto de clientes, y con ello permitiendo la determinación un punto de corte o <span class="elsevierStyleItalic">cut-off</span> (umbral).</p><p id="par0405" class="elsevierStylePara elsevierViewall">Con respecto del <span class="elsevierStyleItalic">cut-off</span>, este determina la frontera entre ser un «mal» o «buen» cliente. En general, en la industria bancaria se tiene que el costo de aceptar un cliente malo es varias veces mayor que el de rechazar a un cliente bueno (<a class="elsevierStyleCrossRef" href="#bib0015">Costa, Boj y Fortiana, 2012</a>).</p><p id="par0410" class="elsevierStylePara elsevierViewall">Con respecto al conjunto de pesos, es posible caracterizar los patrones que describen ambas poblaciones (clientes buenos y malos) y determinar cuál o cuáles de las variables de entrada utilizadas son realmente importantes en términos de una buena predicción por segmentos para la administración de la cartera de créditos revolventes.</p><p id="par0415" class="elsevierStylePara elsevierViewall">De acuerdo a lo anterior, el criterio para la elección del punto de corte, en el modelo logístico propuesto, es basado en distancias. En la aplicación de la técnica de <span class="elsevierStyleItalic">behavior scoring</span>, el criterio de calidad de ajuste se realizó mediante la técnica de discriminación de K-S, considerando que la mayor distancia en separación entre las distribuciones de clientes buenos y malos indica el umbral, tal y como se referencia en la ecuación (19).</p><p id="par0420" class="elsevierStylePara elsevierViewall">Como se observa en la <a class="elsevierStyleCrossRef" href="#tbl0055">tabla 6</a>, el modelo propuesto muestra un índice de separación del 56.68% en el segmento o grado de riesgo C-1, mayor que el determinado con la regulación vigente de la CNBV en el grado de riesgo C-2 por 56.38%.</p><elsevierMultimedia ident="tbl0055"></elsevierMultimedia><p id="par0425" class="elsevierStylePara elsevierViewall">Con la maximización del coeficiente K-S se determinó un punto de corte de nivel de riesgo C-1 para el modelo propuesto, con una probabilidad de incumplimiento para clientes buenos por 12.92%. Dicha probabilidad es mayor que la obtenida con el modelo vigente de la CNBV por 12.05% en el mismo nivel de riesgo.</p><p id="par0430" class="elsevierStylePara elsevierViewall">De acuerdo con la <a class="elsevierStyleCrossRef" href="#tbl0055">tabla 6</a>, se muestra que es más costoso seguir administrando la cartera con nivel de riesgo C-2 con el modelo vigente, que la administrada con el modelo propuesto con un nivel de riesgo C-1. De esta manera, la PI<span class="elsevierStyleInf">C</span> calculada con el modelo propuesto implica mayor coherencia y en cierta manera mejor comportamiento, ya que en niveles de riesgo de A-1 a B-2 (niveles con menor riesgo) se refleja un menor PI<span class="elsevierStyleInf">C</span> en el modelo propuesto, mientras que en los niveles de riesgo de B-3 a D (niveles con mayor riesgo) el modelo propuesto tiende a considerar coherentemente una mayor PI<span class="elsevierStyleInf">C</span>. En el caso del nivel de riesgo E, en el modelo propuesto no fue posible considerar a ningún crédito, ya que es el peor nivel de riesgo.</p><p id="par0435" class="elsevierStylePara elsevierViewall">Por lo tanto, el umbral óptimo en que la banca de consumo en México puede permitir un máximo apetito de riesgo con la administración de tarjetas de crédito es en el punto de corte C-1 con el modelo propuesto. Esto permite analizar cuánto estaría dispuesta la banca en México en aceptar ganar con un nivel de activos (ROA), bajo el costo de permitir contar con clientes que se encuentren en el grado de riesgo C-1 o inferior (peor) con el modelo propuesto.</p></span></span><span id="sec0100" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0130">Activos crediticios y rentabilidad de la banca al menudeo en México</span><p id="par0440" class="elsevierStylePara elsevierViewall">En México, las reservas preventivas de crédito al consumo son determinadas considerando el saldo insoluto registrado en el último día del mes y la calificación obtenida. De acuerdo a la información al cierre de junio 2014 por parte de la Comisión Nacional Bancaria y de Valores (CNBV)<a class="elsevierStyleCrossRef" href="#fn0145"><span class="elsevierStyleSup">20</span></a>, uno de los principales instrumentos de crédito en México son las tarjetas de crédito, puesto que existen aproximadamente 23 millones de plásticos autorizados por 24 entidades financieras reconocidas, las cuales han tenido un crecimiento mínimo anual de tan solo el 0.14% en promedio.</p><p id="par0445" class="elsevierStylePara elsevierViewall">Es notable mencionar que aproximadamente el 54% de tarjetas emitidas están siendo administradas por las entidades financieras de BBVA Bancomer y Banamex, mientras que las entidades de BanCoppel, Santander Consumo, Banorte-IXE y HSBC abarcan el 35% aproximadamente. La cartera vencida en dichos créditos revolventes equivale, al cierre de junio 2014, por un monto de MXN $90,593 millones de pesos mexicanos (MM), es decir, aproximadamente un 34% del total del monto autorizado por las entidades financieras autorizadas por la CNBV, por lo que, en este sentido, es un claro ejemplo del problema que es para las instituciones financieras crediticias en México aprobar un préstamo a personas que no garantizan un pago y con ello no reflejen incumplimiento en los pagos periódicos.</p><p id="par0450" class="elsevierStylePara elsevierViewall">Dando seguimiento a la regulación mexicana vigente para el cálculo de reservas de tarjetas de crédito (para hacer frente a los incumplimientos posibles), las mismas estadísticas de la CNBV reflejan que al cierre de junio 2014 las reservas sumaron a nivel nacional MXN $33,422 MM, que de igual manera, en la concentración de tarjetas de crédito por Bancomer y Banamex, suman aproximadamente el 51% de reservas. Santander Consumo, Tarjetas Banorte-IXE, HSBC y Scotiabank suman en conjunto el 42% aproximadamente.</p><p id="par0455" class="elsevierStylePara elsevierViewall">Dichas provisiones han estado en crecimiento anual durante los últimos 12<span class="elsevierStyleHsp" style=""></span>meses por 12% aproximadamente, ya que el consumo en aumento se ha reflejado por mayor probabilidad de incumplimiento, un aumento en la severidad de la pérdida y un crecimiento en la exposición monetaria al incumplimiento, situación que afecta a los rendimientos netos de flujo bancario y a los activos financieros de todas las entidades, reflejando un rendimiento sobre activos (ROA)<a class="elsevierStyleCrossRef" href="#fn0150"><span class="elsevierStyleSup">21</span></a> por 2.18% a nivel nacional, siendo American Express el que registró mayor rendimiento por 6.6% y Banco Bicentenario con el menor rendimiento por 82.6% negativo.</p><span id="sec0105" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0135">Resultado en provisiones crediticias y rendimiento</span><p id="par0460" class="elsevierStylePara elsevierViewall">Para el tratamiento de las estimaciones para riesgos crediticios revolventes, la CNBV clasifica contablemente a las reservas en el Balance General bajo el concepto Activo y en subcuentas de Estimaciones Preventivas para Riesgo Crediticio, con clasificación de Créditos al Consumo (tarjeta de crédito).</p><p id="par0465" class="elsevierStylePara elsevierViewall">Si se obtienen las reservas mediante el producto de PI*SP*EI y con base en la regulación vigente, además de los resultados obtenidos con la información de los 43,323 clientes de la muestra, se muestra un comparativo en la <a class="elsevierStyleCrossRef" href="#tbl0065">tabla 7</a>.</p><elsevierMultimedia ident="tbl0065"></elsevierMultimedia><p id="par0470" class="elsevierStylePara elsevierViewall">Como se muestra en el <a class="elsevierStyleCrossRef" href="#tbl0065">tabla 7</a>, bajo las propuestas realizadas y con el cálculo de reservas de la muestra de 43,323 clientes por MXN $255 MM, versus la metodología vigente que sumó MXN $266 MM, se podría obtener un ahorro al cierre de junio 2014 por MXN $11 MM (4.18%). Si esta tendencia se siguiera a nivel banca de consumo en México, el ahorro podría ser de $1,395 MM. Lo anterior implica analizar el efecto Rendimiento sobre Activos que implicó con la metodología vigente, por lo que el ROA registró un 2.18% (<a class="elsevierStyleCrossRef" href="#tbl0075">tabla 8</a>).</p><elsevierMultimedia ident="tbl0075"></elsevierMultimedia><p id="par0475" class="elsevierStylePara elsevierViewall">Al considerar los ahorros de la banca de consumo que implica el utilizar el modelo propuesto (PI<span class="elsevierStyleInf">C</span>), el Resultado Neto reportado por la CNBV al cierre de junio 2014 por MXN $151,291 MM aumentaría MXN $1,395 MM, es decir, MXN $152,687 MM.</p><p id="par0480" class="elsevierStylePara elsevierViewall">De igual manera, los Activos del Balance a nivel nacional aumentarían, por lo tanto el ROA pasaría del 2.18% al 2.20%, lo cual representa mayor rentabilidad a la banca de consumo en México al considerar un modelo actualizado PI<span class="elsevierStyleInf">C</span> (<a class="elsevierStyleCrossRef" href="#tbl0085">tabla 9</a>).</p><elsevierMultimedia ident="tbl0085"></elsevierMultimedia></span></span><span id="sec0110" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0140">Conclusiones</span><p id="par0485" class="elsevierStylePara elsevierViewall">Aunque el riesgo mercado es la pérdida potencial más significativo en las instituciones financieras, el riesgo crediticio no deja de ser importante para su administración en cualquier entidad financiera, sobre todo cuando el negocio de créditos al menudeo es el que aporta más de la mitad de los ingresos a la banca.</p><p id="par0490" class="elsevierStylePara elsevierViewall">De acuerdo con lo anterior, el enfoque de análisis en esta investigación fue el riesgo crediticio al menudeo, especialmente el asociado con los créditos revolventes y comúnmente llamados tarjetas de crédito. Se revisaron las condiciones legales con las disposiciones de la CNBV y Basilea<span class="elsevierStyleHsp" style=""></span>II con la finalidad de proponer un nuevo modelo de clasificación <span class="elsevierStyleItalic">behavioral scoring</span> empleando el análisis discriminante lineal con una base de datos compuesta por variables mixtas continuas y una dicótoma (clientes buenos o malos).</p><p id="par0495" class="elsevierStylePara elsevierViewall">Para determinar qué variables tienen que ser excluidas se realizaron diversas pruebas de hipótesis de selección de variables; tal es el caso de la validación de no multicolinealidad. Considerando la metodología de la CNBV en materia de segmentación de grados de riesgo y los resultados obtenidos, se demostró que con el modelo propuesto el «costo» de administrar créditos en niveles de riesgo de B-3 a D es mayor que el costo de mantener clientes en niveles de riesgo de A-1 a B-1.</p><p id="par0500" class="elsevierStylePara elsevierViewall">Aunado a lo anterior, el punto de corte óptimo para la administración de la cartera en el modelo propuesto es el nivel de riesgo C-1, en el cual se identifica antes de la máxima separación de clientes buenos y malos (K-S<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>56.68%) con un aumento drástico en la PI<span class="elsevierStyleInf">C</span> del 12.92%. Ambos resultados son mayores y mejores indicadores que el modelo vigente.</p><p id="par0505" class="elsevierStylePara elsevierViewall">De igual manera se puede confirmar con esta investigación que el modelo propuesto satisface dos condiciones: la primera es que tiene una fuerte capacidad predictora (99.38%) y la segunda es que la estimación de los parámetros cuenta con alta relación de variabilidad de variables dependientes respecto a la variable independiente en un 97%. Sin embargo, esto abre las puertas a futuras investigaciones para la mejora continua de la predicción y con ello la mejora en rentabilidad para la banca de menudeo en México.</p><p id="par0510" class="elsevierStylePara elsevierViewall">La validación del grado de rentabilidad para la banca de consumo en México mediante el indicador conocido por rentabilidad sobre activos (ROA) mostró resultados sumamente importantes. En primera instancia, el ahorro obtenido con el modelo propuesto de probabilidad de incumplimiento (PI<span class="elsevierStyleInf">C</span>) para la muestra analizada fue aproximadamente por MXN $11 MM (4.8% respecto a la metodología vigente de la CNBV). Si esta tendencia es constante, a nivel nacional la banca hubiese tenido un ahorro aproximado de MXN $1,395 MM. En segunda instancia, se pudo validar también que el ahorro aumentaría el registro contable de Activos a MXN $55,268 MM (versus MXN $55,257 MM con modelo CNBV) y el aumento del Resultado Neto a MXN $1,215 MM (versus MXN $1,204 MM con modelo CNBV) al cierre de junio 2014; ayudados ambos casos por la disminución de pérdidas esperadas. Con esto, el ROA pasaría del 2.18% obtenido con el modelo PI de la CNBV, a un posible ROA por 2.20% con el modelo propuesto PI<span class="elsevierStyleInf">C</span>.</p><p id="par0515" class="elsevierStylePara elsevierViewall">La creación de reservas y el castigo de créditos son operaciones significativas que impactan sensiblemente en el nivel de capitalización; incluso las provisiones crediticias son el segundo gasto más importante después de sueldos y salarios, por lo que deben reportarse de inmediato desde el área de Finanzas o Riesgos en el momento que se originen. De esta manera, el Director (CEO) y los órganos facultados (Comité de Riesgos y Consejo de Administración) de la institución financiera tienen conocimiento del efecto financiero y con ello toman decisiones importantes respecto a los límites de crédito y al apetito de riesgo que la institución crediticia se permitirá tolerar con respecto de sus niveles de rentabilidad.</p><p id="par0520" class="elsevierStylePara elsevierViewall">Ante la escasa investigación relacionada a modelos de <span class="elsevierStyleItalic">behavioral scoring</span> para medir el comportamiento del riesgo crediticio de la banca de consumo en México, se tiene que la propia banca y la CNBV tienen todavía un amplio margen de discusión en esta línea, sobre todo para actualizar la metodología vigente en la CUB en materia de provisiones al menudeo.</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:14 [ 0 => array:3 [ "identificador" => "xres827613" "titulo" => "Resumen" "secciones" => array:1 [ 0 => array:1 [ "identificador" => "abst0005" ] ] ] 1 => array:2 [ "identificador" => "xpalclavsec823870" "titulo" => "Palabras clave" ] 2 => array:2 [ "identificador" => "xpalclavsec823869" "titulo" => "Códigos JEL" ] 3 => array:3 [ "identificador" => "xres827612" "titulo" => "Abstract" "secciones" => array:1 [ 0 => array:1 [ "identificador" => "abst0010" ] ] ] 4 => array:2 [ "identificador" => "xpalclavsec823868" "titulo" => "Keywords" ] 5 => array:2 [ "identificador" => "xpalclavsec823867" "titulo" => "JEL classification" ] 6 => array:2 [ "identificador" => "sec0005" "titulo" => "Introducción" ] 7 => array:3 [ "identificador" => "sec0010" "titulo" => "Avances en la administración de riesgos crediticios" "secciones" => array:3 [ 0 => array:2 [ "identificador" => "sec0015" "titulo" => "Modelos analíticos de scoring" ] 1 => array:2 [ "identificador" => "sec0020" "titulo" => "Optimización en entidades financieras" ] 2 => array:2 [ "identificador" => "sec0025" "titulo" => "Marco regulatorio local e internacional" ] ] ] 8 => array:2 [ "identificador" => "sec0030" "titulo" => "Administración del riesgo crediticio al menudeo en México" ] 9 => array:3 [ "identificador" => "sec0035" "titulo" => "Metodología propuesta y optimización matemática" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "sec0040" "titulo" => "Etapa 1. Datos y criterio en la determinación del objetivo" ] 1 => array:2 [ "identificador" => "sec0045" "titulo" => "Etapa 2. Compilación y proceso de información" ] 2 => array:2 [ "identificador" => "sec0050" "titulo" => "Etapa 3. Estimación probabilística" ] 3 => array:2 [ "identificador" => "sec0055" "titulo" => "Etapa 4. Estimación con máxima verosimilitud" ] ] ] 10 => array:3 [ "identificador" => "sec0060" "titulo" => "Resultados empíricos" "secciones" => array:7 [ 0 => array:2 [ "identificador" => "sec0065" "titulo" => "Determinación y selección de variables" ] 1 => array:2 [ "identificador" => "sec0070" "titulo" => "Regresión y significatividad logística" ] 2 => array:2 [ "identificador" => "sec0075" "titulo" => "Significación de la regresión logística propuesta" ] 3 => array:2 [ "identificador" => "sec0080" "titulo" => "Distribución logit" ] 4 => array:2 [ "identificador" => "sec0085" "titulo" => "Análisis de distribución del porcentaje de reservas en México" ] 5 => array:2 [ "identificador" => "sec0090" "titulo" => "Prueba de Kolmogorov-Smirnov" ] 6 => array:2 [ "identificador" => "sec0095" "titulo" => "Elección del cut-off o punto de corte" ] ] ] 11 => array:3 [ "identificador" => "sec0100" "titulo" => "Activos crediticios y rentabilidad de la banca al menudeo en México" "secciones" => array:1 [ 0 => array:2 [ "identificador" => "sec0105" "titulo" => "Resultado en provisiones crediticias y rendimiento" ] ] ] 12 => array:2 [ "identificador" => "sec0110" "titulo" => "Conclusiones" ] 13 => array:1 [ "titulo" => "Referencias" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "fechaRecibido" => "2014-12-09" "fechaAceptado" => "2015-08-10" "PalabrasClave" => array:2 [ "es" => array:2 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Palabras clave" "identificador" => "xpalclavsec823870" "palabras" => array:5 [ 0 => "Banca" 1 => "Crédito" 2 => "Modelos econométricos" 3 => "Metodología de estimación de datos" 4 => "Técnicas de optimización" ] ] 1 => array:4 [ "clase" => "jel" "titulo" => "Códigos JEL" "identificador" => "xpalclavsec823869" "palabras" => array:5 [ 0 => "G21" 1 => "E51" 2 => "C5" 3 => "C80" 4 => "C61" ] ] ] "en" => array:2 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Keywords" "identificador" => "xpalclavsec823868" "palabras" => array:5 [ 0 => "Banks" 1 => "Credit" 2 => "Econometric modeling" 3 => "Data estimation methodology" 4 => "Optimization techniques" ] ] 1 => array:4 [ "clase" => "jel" "titulo" => "JEL classification" "identificador" => "xpalclavsec823867" "palabras" => array:5 [ 0 => "G21" 1 => "E51" 2 => "C5" 3 => "C80" 4 => "C61" ] ] ] ] "tieneResumen" => true "resumen" => array:2 [ "es" => array:2 [ "titulo" => "Resumen" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">La predicción temprana de malos deudores para créditos revolventes en México es un asunto de relevancia actual. El modelo econométrico propuesto de comportamiento crediticio considera los cambios en las características de los acreditados consolidados y proporciona mejores resultados que los obtenidos con la metodología utilizada por la CNBV en materia de provisiones. Los resultados obtenidos muestran que la posibilidad de reemplazar el modelo vigente, minimizando la pérdida esperada y aumentando el ROA por entidad financiera a nivel nacional en un 2.20%, cumple con los criterios metodológicos y pruebas estadísticas de acuerdo a la Circular Única de Bancos y lineamientos de Basilea<span class="elsevierStyleHsp" style=""></span>II en materia de riesgo crediticio.</p></span>" ] "en" => array:2 [ "titulo" => "Abstract" "resumen" => "<span id="abst0010" class="elsevierStyleSection elsevierViewall"><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">The early prediction of bad debtors in revolving loans in Mexico is a relevant current issue. The proposed econometric model of behavioral scoring considers the changes in the characteristics of consolidated clients and produces better results than those obtained with methodology used by the CNBV on provisions. The obtained results show the possibility of replacing the current model, minimizing the expected loss and increasing the ROA of Mexican financial institutions in 2.20% complying the methodology and statistical testing criteria according to the Unique Banking Dispositions and the guidelines of Basel<span class="elsevierStyleHsp" style=""></span>II on credit risk.</p></span>" ] ] "NotaPie" => array:22 [ 0 => array:3 [ "etiqueta" => "1" "nota" => "<p class="elsevierStyleNotepara" id="npar0010">Título Segundo Disposiciones Prudenciales, Capítulo V Calificación de Cartera Crediticia; documentado en las Disposiciones de Carácter General Aplicables a las Instituciones de Crédito, o comúnmente conocidas como la Circular Única de Bancos que emite la Comisión Nacional Bancaria y de Valores, publicada en el Diario Oficial el 2 de diciembre 2005 y con última modificación el 31 de julio 2014.</p>" "identificador" => "fn0055" ] 1 => array:1 [ "nota" => "<p class="elsevierStyleNotepara" id="npar0005">La revisión por pares es responsabilidad de la Universidad Nacional Autónoma de México.</p>" ] 2 => array:3 [ "etiqueta" => "2" "nota" => "<p class="elsevierStyleNotepara" id="npar0015">Sección Información Estadística del Sector Supervisado Banca Múltiple, con datos al cierre del mes de julio 2014 para Créditos al Consumo para Tarjeta de Crédito (http://www.cnbv.gob.mx/SECTORES-SUPERVISADOS/BANCA-MULTIPLE/Paginas/Información-Estadística.aspx).</p>" "identificador" => "fn0060" ] 3 => array:3 [ "etiqueta" => "3" "nota" => "<p class="elsevierStyleNotepara" id="npar0020">Cuando la probabilidad de incumplimiento es mencionada, es usual pensar en el modelo de <a class="elsevierStyleCrossRef" href="#bib0075">Merton (1974)</a>, el cual se basa en la fórmula de <a class="elsevierStyleCrossRef" href="#bib0010">Black y Scholes (1972)</a>. En esta investigación se desarrollará un modelo alternativo.</p>" "identificador" => "fn0065" ] 4 => array:3 [ "etiqueta" => "4" "nota" => "<p class="elsevierStyleNotepara" id="npar0025">Fair-Isaac Company.</p>" "identificador" => "fn0070" ] 5 => array:3 [ "etiqueta" => "5" "nota" => "<p class="elsevierStyleNotepara" id="npar0030">Circular Única de Bancos con última modificación al 31 de julio 2014, Anexo 15 Requisitos Mínimos para la Autorización Metodologías Internas.</p>" "identificador" => "fn0075" ] 6 => array:3 [ "etiqueta" => "6" "nota" => "<p class="elsevierStyleNotepara" id="npar0035">Acuerdo internacional y conocido como Basilea<span class="elsevierStyleHsp" style=""></span>II y aprobado en 2004.</p>" "identificador" => "fn0080" ] 7 => array:3 [ "etiqueta" => "7" "nota" => "<p class="elsevierStyleNotepara" id="npar0040">Section III Credit Risk — The Internal Ratings-Based Approach (IRB), Overview (page 52). Basel II: International Convergence of Capital Measurement and Capital Standards: a Revised Framework, Comprehensive Version (BCBS) (June 2006 Revision) (http://www.bis.org/publ/bcbs128.htm).</p>" "identificador" => "fn0085" ] 8 => array:3 [ "etiqueta" => "8" "nota" => "<p class="elsevierStyleNotepara" id="npar0045">Circular Única de Bancos, actualización 31 de julio 2014, Título Primero Disposiciones Generales del Capítulo I Definiciones, Artículo 1, Fracción I.</p>" "identificador" => "fn0090" ] 9 => array:3 [ "etiqueta" => "9" "nota" => "<p class="elsevierStyleNotepara" id="npar0050">Circular Única de Bancos, actualización 31 de julio 2014, Título Primero Disposiciones Generales del Capítulo I Definiciones, Artículo 1, Fracción XXIX.</p>" "identificador" => "fn0095" ] 10 => array:3 [ "etiqueta" => "10" "nota" => "<p class="elsevierStyleNotepara" id="npar0055">Banxico 2005, Definiciones Básicas de Riesgos (http://www.banxico.org.mx/sistema-financiero/material-educativo/intermedio/riesgos/%7BA5059B92-176D-0BB6-2958-7257E2799FAD%7D.pdf).</p>" "identificador" => "fn0050" ] 11 => array:3 [ "etiqueta" => "11" "nota" => "<p class="elsevierStyleNotepara" id="npar0060">Circular Única de Bancos 2014, actualización 31 de julio 2014, Título Segundo Disposiciones Prudenciales del Capítulo I Otorgamiento de Créditos y Capítulo V Calificación de Cartera Crediticia.</p>" "identificador" => "fn0100" ] 12 => array:3 [ "etiqueta" => "12" "nota" => "<p class="elsevierStyleNotepara" id="npar0065">Circular Única de Bancos 2014, actualización 31 de julio 2014, Título Segundo Disposiciones Prudenciales del Capítulo V Calificación de Cartera Crediticia, Sección Primera, Apartado B.</p>" "identificador" => "fn0105" ] 13 => array:3 [ "etiqueta" => "13" "nota" => "<p class="elsevierStyleNotepara" id="npar0070">La extracción de la base de datos de clientes de algunos bancos mexicanos y de otros temas relacionados al cierre de julio 2014 se puede recurrir a la siguiente página: http://archive.ics.uci.edu, sección de <span class="elsevierStyleItalic">Datasets</span>.</p>" "identificador" => "fn0110" ] 14 => array:3 [ "etiqueta" => "14" "nota" => "<p class="elsevierStyleNotepara" id="npar0075">Circular Única de Bancos con última modificación al 31 de julio de 2014, Anexo 33 Serie B Criterios relativos a los conceptos que integran los estados financieros, B-6 Cartera de Crédito.</p>" "identificador" => "fn0115" ] 15 => array:3 [ "etiqueta" => "15" "nota" => "<p class="elsevierStyleNotepara" id="npar0080">Circular Única de Bancos 2014, actualización 31 de julio 2014, Título Segundo Disposiciones Prudenciales del Capítulo I Otorgamiento de Créditos y Capítulo V Calificación de Cartera Crediticia, art. 92, fracción III.</p>" "identificador" => "fn0120" ] 16 => array:3 [ "etiqueta" => "16" "nota" => "<p class="elsevierStyleNotepara" id="npar0085">Mediante el programa Stata 13, se aplicó el comando <span class="elsevierStyleItalic">«stat clas»</span>.</p>" "identificador" => "fn0125" ] 17 => array:3 [ "etiqueta" => "17" "nota" => "<p class="elsevierStyleNotepara" id="npar0090">Circular Única de Bancos 2014, actualización 31 de julio 2014, Título Segundo Disposiciones Prudenciales del Capítulo I Otorgamiento de Créditos y Capítulo V Calificación de Cartera Crediticia, art. 92, fracciones I y III. ACT<span class="elsevierStyleHsp" style=""></span>≥<span class="elsevierStyleHsp" style=""></span>4, PI<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>100% y ACT<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>4, el cálculo de la PI es mediante el modelo planteado en el art 92 fracción III.</p>" "identificador" => "fn0130" ] 18 => array:3 [ "etiqueta" => "18" "nota" => "<p class="elsevierStyleNotepara" id="npar0095">Circular Única de Bancos 2014, actualización 31 de julio 2014, Título Segundo Disposiciones Prudenciales del Capítulo I Otorgamiento de Créditos y Capítulo V Calificación de Cartera Crediticia, art. 92, fracción III. ACT<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>10, SP<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>75% y ACT<span class="elsevierStyleHsp" style=""></span>≥<span class="elsevierStyleHsp" style=""></span>10, SP<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>100%.</p>" "identificador" => "fn0135" ] 19 => array:3 [ "etiqueta" => "19" "nota" => "<p class="elsevierStyleNotepara" id="npar0100">Circular Única de Bancos 2014, actualización 31 de julio 2014, Título Segundo Disposiciones Prudenciales del Capítulo I Otorgamiento de Créditos y Capítulo V Calificación de Cartera Crediticia, Sección Quinta De la constitución de reservas y su clasificación por grado de riesgo, art. 129.</p>" "identificador" => "fn0140" ] 20 => array:3 [ "etiqueta" => "20" "nota" => "<p class="elsevierStyleNotepara" id="npar0105">Sección Información Estadística del Sector Supervisado Banca Múltiple (22 de agosto 2014), con datos al cierre del mes de junio 2014 para Créditos al Consumo para Tarjeta de Crédito (http://www.cnbv.gob.mx/SECTORES-SUPERVISADOS/BANCA-MULTIPLE/Paginas/Información-Estadística.aspx).</p>" "identificador" => "fn0145" ] 21 => array:3 [ "etiqueta" => "21" "nota" => "<p class="elsevierStyleNotepara" id="npar0110"><span class="elsevierStyleItalic">Return on Assets</span>, que de acuerdo a la CNBV se conforma por la razón del Resultado Neto Flujo entre el Activo Total.</p>" "identificador" => "fn0150" ] ] "multimedia" => array:35 [ 0 => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 984 "Ancho" => 2210 "Tamanyo" => 86542 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Distribución logística <span class="elsevierStyleItalic">score</span> versus probabilidad de incumplimiento con la metodología vigente de la CNBV.</p> <p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con la paquetería Stata 13, de acuerdo con la regresión logística y a la distribución <span class="elsevierStyleItalic">logit</span>.</p>" ] ] 1 => array:7 [ "identificador" => "fig0010" "etiqueta" => "Figura 2" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr2.jpeg" "Alto" => 994 "Ancho" => 2248 "Tamanyo" => 105500 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">Distribución logística <span class="elsevierStyleItalic">score</span> versus probabilidad de incumplimiento mediante el modelo propuesto.</p> <p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con la paquetería Stata 13, de acuerdo con la regresión logística y a la distribución <span class="elsevierStyleItalic">logit</span>.</p>" ] ] 2 => array:7 [ "identificador" => "fig0015" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 883 "Ancho" => 2214 "Tamanyo" => 82804 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">Grado de discriminación de clientes malos por grado de riesgo según el modelo vigente versus el modelo propuesto.</p> <p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con la paquetería Stata 13, de acuerdo con la distribución del porcentaje de reservas entre los grados de riesgos (<a class="elsevierStyleCrossRef" href="#bib0115">CNBV, 2014</a>).</p>" ] ] 3 => array:8 [ "identificador" => "tbl0005" "etiqueta" => "Tabla 1" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at1" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con la paquetería Stata 13, aplicación de pruebas de correlación.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head " align="" valign="top" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Y \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">ACT \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">HIST \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">ANT \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">%PAGO \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">%USO \t\t\t\t\t\t\n \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Y \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">ACT \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">81% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">HIST \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">93% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">89% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">ANT \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−71% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−59% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−40% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">%PAGO \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−95% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−1% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−1% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">1% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">%USO \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">40% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">23% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">40% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−44% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−1% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab1392337.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">Pruebas de multicolinealidad con las variables utilizadas por CNBV</p>" ] ] 4 => array:8 [ "identificador" => "tbl0015" "etiqueta" => "Tabla 2" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at2" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0060" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con la paquetería Stata 13, aplicación de pruebas de correlación.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head " align="" valign="top" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Y \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">ANT \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">límite_crédito \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">HIST \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">%PAGO \t\t\t\t\t\t\n \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Y \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">ANT \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−71% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">límite_crédito \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−52% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">46% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">HIST \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">93% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−40% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−32% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="" valign="top"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">%PAGO \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−95% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">1% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">1% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−1% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100% \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab1392343.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Ausencia de multicolinealidad con las variables propuestas</p>" ] ] 5 => array:8 [ "identificador" => "tbl0025" "etiqueta" => "Tabla 3" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at3" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0070" class="elsevierStyleSimplePara elsevierViewall">Observaciones<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>13,000; LR chi<span class="elsevierStyleSup">2</span>(4)<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>53,200; Prob > chi2<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0.0000; Pseudo R2 o McFadden test<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0.9626; Log likelihood<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>−722.0952.</p><p id="spar0135" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con la paquetería Stata 13 y con base en la muestra de 43,323 clientes.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Y \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Coef. \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">P>z \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">[95% Conf. Interval]</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">ANT \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.012 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.014 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0116 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">SALDO \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.00002 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">HIST \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">2.062 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">2.059 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">2.201 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">%PAGO \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−7.293 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−8.5698 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−6.0548 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">_CONS \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−3.04523 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0000 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−5.3252 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">−4.112 \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab1392341.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0065" class="elsevierStyleSimplePara elsevierViewall">Estimación de la regresión <span class="elsevierStyleItalic">logit</span> del modelo propuesto (PI<span class="elsevierStyleInf">C</span>)</p>" ] ] 6 => array:8 [ "identificador" => "tbl0035" "etiqueta" => "Tabla 4" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at4" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0080" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con la paquetería Stata 13, de acuerdo con la muestra de 43,323 clientes.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Y \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Coef. <span class="elsevierStyleItalic">Odds</span> \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">[95% Conf. Interval]</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">ANT \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">1.01207229 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">1.01 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">1.1555 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">SALDO \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">1.00002 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.9111 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">1.0002 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">HIST \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">7.86167745 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">6.9588 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">8.1516 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">%PAGO \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.00068028 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0001 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0019 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">_CONS \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.04758537 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0311 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.0544 \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab1392345.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0075" class="elsevierStyleSimplePara elsevierViewall">Estimación de la regresión logística del modelo propuesto (PI<span class="elsevierStyleInf">C</span>)</p>" ] ] 7 => array:8 [ "identificador" => "tbl0045" "etiqueta" => "Tabla 5" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at5" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0090" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia de acuerdo con la metodología de Kolmogorov-Smirnov.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Clase \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Separación<br>K-S<br>Metodología vigente \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Separación<br>K-S<br>Modelo propuesto \t\t\t\t\t\t\n \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">A-1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">51.03% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">53.11% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">A-2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">52.25% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">54.24% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">B-1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">53.23% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.10% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">B-2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">54.11% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.15% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">B-3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.01% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.99% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">C-1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.91% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">56.33% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">C-2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">56.01% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">56.59% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">D \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">35.12% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">27.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">E \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab1392338.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0085" class="elsevierStyleSimplePara elsevierViewall">Nivel de separación de población por clientes buenos y malos CNBV vs modelo propuesto</p>" ] ] 8 => array:8 [ "identificador" => "tbl0055" "etiqueta" => "Tabla 6" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at6" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0100" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con base en la metodología de Kolmogorov-Smirnov.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head " align="" valign="top" scope="col"> \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " colspan="3" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Metodología vigente</th><th class="td" title="table-head " colspan="3" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Modelo propuesto</th></tr><tr title="table-row"><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Clase \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Separación K-S \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Probabilidad de incumplimiento clientes buenos \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Probabilidad de incumplimiento clientes malos \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Separación K-S \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Probabilidad de incumplimiento clientes buenos \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Probabilidad de incumplimiento clientes malos \t\t\t\t\t\t\n \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">A-1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">51.03% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">1.12% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">53.11% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.03% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">A-2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">52.25% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">3.89% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">54.24% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">4.02% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">B-1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">53.23% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">5.77% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.10% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">5.72% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">B-2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">54.11% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">7.18% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.15% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">7.14% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">B-3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.01% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">8.90% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.99% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">8.94% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">C-1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">55.91% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">12.05% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">56.33% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">12.92% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">C-2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">56.01% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">21.67% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">56.59% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">21.99% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">D \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">35.12% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">44.54% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">27.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">60.05% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">E \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">0.00% \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">- \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">100.00% \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab1392342.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0095" class="elsevierStyleSimplePara elsevierViewall">Determinación del <span class="elsevierStyleItalic">cut-off</span> con K-S y su relación con la probabilidad de incumplimiento CNBV versus modelo propuesto</p>" ] ] 9 => array:8 [ "identificador" => "tbl0065" "etiqueta" => "Tabla 7" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at7" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0110" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia de acuerdo con el cálculo del Porcentaje de Reservas e Información Nacional con datos al cierre de junio 2014 (<a class="elsevierStyleCrossRef" href="#bib0115">CNBV, 2014</a>).</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head " align="" valign="top" scope="col"> \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Reservas (MXN)</th><th class="td" title="table-head " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Ahorro con reservas propuestas</th></tr><tr title="table-row"><th class="td" title="table-head " align="" valign="top" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">CNBV Metodología vigente \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Modelo propuesto \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Diferencia (MXN) \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">% Ahorro \t\t\t\t\t\t\n \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Muestra 13,000 clientes \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$79,849,731.89 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$76,515,618.05 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$3,334,113.84 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">4.18% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Información de la banca de consumo en México \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$33,422,191,923.94 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$32,026,653,203.41 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$1,395,538,720.53 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="char" valign="top">4.18% \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab1392339.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0105" class="elsevierStyleSimplePara elsevierViewall">Comparativo de Reservas CNBV y Modelo Propuesto, con Nivel de Ahorro en la Banca de Consumo en México al cierre de Junio 2014</p>" ] ] 10 => array:8 [ "identificador" => "tbl0075" "etiqueta" => "Tabla 8" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at8" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0120" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia con base en el cálculo del Porcentaje de Reservas e Información Nacional con datos al cierre de junio 2014 (<a class="elsevierStyleCrossRef" href="#bib0115">CNBV, 2014</a>).</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head " align="" valign="top" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Total de Activos Balance CNBV \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Provisiones metodología vigente CNBV \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Provisiones modelo propuesto \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">ROA % Indicadores CNBV \t\t\t\t\t\t\n \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Muestra 13,000 Clientes \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$16,57,73,19,933 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$7,98,49,732 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$7,65,15,618 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">2.18% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Información de la banca de consumo en México \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$69,38,66,28,51,615 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$33,42,21,91,924 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$32,02,66,53,203 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">2.18% \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab1392340.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0115" class="elsevierStyleSimplePara elsevierViewall">Indicadores de Activos y Rentabilidad en la banca de consumo en México al cierre de junio 2014</p>" ] ] 11 => array:8 [ "identificador" => "tbl0085" "etiqueta" => "Tabla 9" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at9" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0130" class="elsevierStyleSimplePara elsevierViewall">Fuente: elaboración propia de acuerdo con el cálculo del Porcentaje de Reservas e Información Nacional, con datos al cierre de junio 2014 (<a class="elsevierStyleCrossRef" href="#bib0115">CNBV, 2014</a>).</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head " align="" valign="top" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Resultado Neto CNBV \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Resultado Neto con modelo propuesto \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Total de Activos con modelo propuesto \t\t\t\t\t\t\n \t\t\t\t</th><th class="td" title="table-head " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">ROA % con modelo propuesto \t\t\t\t\t\t\n \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Muestra 43,323 Clientes \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$36,14,55,034 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$36,47,89,147 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$16,58,06,54,047 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">2.20% \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Información de la banca de consumo en México \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$1,51,29,19,23,163 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$1,52,68,74,61,883 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">$69,40,05,83,90,336 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="table-entry " align="left" valign="top">2.20% \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab1392344.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0125" class="elsevierStyleSimplePara elsevierViewall">Indicadores de Activos y Rentabilidad en la banca de consumo en México con el modelo propuesto (PI<span class="elsevierStyleInf">C</span>) al cierre de junio 2014</p>" ] ] 12 => array:5 [ "identificador" => "eq0005" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Variable dependiente Yi=1malo; si Impago>2 meses de atraso0bueno; si Impago≤2 meses de atraso" "Fichero" => "STRIPIN_si1.jpeg" "Tamanyo" => 6498 "Alto" => 39 "Ancho" => 457 ] ] 13 => array:6 [ "identificador" => "eq0010" "etiqueta" => "(1)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "EYi=ProbYi=1=pi=eβ0+βkXk1+eβ0+βkXk" "Fichero" => "STRIPIN_si2.jpeg" "Tamanyo" => 3216 "Alto" => 38 "Ancho" => 297 ] ] 14 => array:6 [ "identificador" => "eq0015" "etiqueta" => "(2)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "pi+pieβ0+βkXk=eβ0+βkXk" "Fichero" => "STRIPIN_si3.jpeg" "Tamanyo" => 1460 "Alto" => 18 "Ancho" => 184 ] ] 15 => array:6 [ "identificador" => "eq0020" "etiqueta" => "(3)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "pi=(1−pi)eβ0+βkXk=eβ0+βkXk" "Fichero" => "STRIPIN_si4.jpeg" "Tamanyo" => 1767 "Alto" => 19 "Ancho" => 225 ] ] 16 => array:6 [ "identificador" => "eq0025" "etiqueta" => "(4)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "pi(1−pi)=eβ0+βkXk" "Fichero" => "STRIPIN_si5.jpeg" "Tamanyo" => 1617 "Alto" => 34 "Ancho" => 134 ] ] 17 => array:6 [ "identificador" => "eq0030" "etiqueta" => "(5)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Odds Ratio=pi(1−pi)=eβ0+βkXk" "Fichero" => "STRIPIN_si6.jpeg" "Tamanyo" => 2389 "Alto" => 34 "Ancho" => 231 ] ] 18 => array:6 [ "identificador" => "eq0035" "etiqueta" => "(6)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Lnpi(1−p)=Ln(eβ0+βkXk)=β0+βkXk" "Fichero" => "STRIPIN_si7.jpeg" "Tamanyo" => 3013 "Alto" => 39 "Ancho" => 295 ] ] 19 => array:6 [ "identificador" => "eq0040" "etiqueta" => "(7)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Cociente Odds Ratio=pi(1−p)pj(1−pj)=eβ0+βkXki1+eβ0+βkXkj=eβk(Xii−Xjj)" "Fichero" => "STRIPIN_si9.jpeg" "Tamanyo" => 4806 "Alto" => 50 "Ancho" => 412 ] ] 20 => array:6 [ "identificador" => "eq0045" "etiqueta" => "(8)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Pyi=piyi1−pi1−yiyi=0, 1" "Fichero" => "STRIPIN_si10.jpeg" "Tamanyo" => 1940 "Alto" => 19 "Ancho" => 221 ] ] 21 => array:6 [ "identificador" => "eq0050" "etiqueta" => "(9)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Py1,…,yn=∏i=1npiyi1−pi1−yi" "Fichero" => "STRIPIN_si11.jpeg" "Tamanyo" => 2408 "Alto" => 46 "Ancho" => 232 ] ] 22 => array:6 [ "identificador" => "eq0055" "etiqueta" => "(10)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "LnPy=∑i=1nyiLnpi+∑i=1n1−yiLn1−pi," "Fichero" => "STRIPIN_si12.jpeg" "Tamanyo" => 3892 "Alto" => 46 "Ancho" => 342 ] ] 23 => array:6 [ "identificador" => "eq0060" "etiqueta" => "(11)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "LnPy=∑i=1nyiLnpi1−pi+∑i=1nLn(1−pi)" "Fichero" => "STRIPIN_si13.jpeg" "Tamanyo" => 4029 "Alto" => 46 "Ancho" => 317 ] ] 24 => array:6 [ "identificador" => "eq0065" "etiqueta" => "(12)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Lnpi(1−p)=Ln(eβ0+βkXk)=β0+βkXk" "Fichero" => "STRIPIN_si14.jpeg" "Tamanyo" => 2787 "Alto" => 34 "Ancho" => 275 ] ] 25 => array:6 [ "identificador" => "eq0070" "etiqueta" => "(13)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Lβ=∑i=1nyiβ0+βkXk−∑i=1nLn(1+eβ0+βkXk)" "Fichero" => "STRIPIN_si15.jpeg" "Tamanyo" => 3697 "Alto" => 46 "Ancho" => 323 ] ] 26 => array:6 [ "identificador" => "eq0075" "etiqueta" => "(14)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "∂L(β)∂L(β0)=∑i=1nyixi−∑i=1nxieβ0+βkXki1+eβ0+βkXkj" "Fichero" => "STRIPIN_si16.jpeg" "Tamanyo" => 4652 "Alto" => 46 "Ancho" => 292 ] ] 27 => array:5 [ "identificador" => "eq0080" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "∂Lβ∂Lβ0∂Lβ∂Lβ1⋮∂Lβ∂Lβj⋮∂Lβ∂Lβp=∑i=1nyi1∑i=1nyixi1⋮∑i=1nyixij⋮∑i=1nyixip+∑i=1n(1)eβ0+βkXki1+eβ0+βkXkj∑i=1nxi1eβ0+βkXki1+eβ0+βkXkj⋮∑i=1nxijeβ0+βkXki1+eβ0+βkXkj⋮∑i=1nxipeβ0+βkXki1+eβ0+βkXkj" "Fichero" => "STRIPIN_si17.jpeg" "Tamanyo" => 22353 "Alto" => 272 "Ancho" => 389 ] ] 28 => array:5 [ "identificador" => "eq0085" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "∂L(β)∂L(β0)=∑i=1nyixi−∑i=1nxieβ0+βkXki1+eβ0+βkXkj" "Fichero" => "STRIPIN_si18.jpeg" "Tamanyo" => 4713 "Alto" => 46 "Ancho" => 292 ] ] 29 => array:5 [ "identificador" => "eq0090" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "∑i=1nyixi=∑i=1nxieβ0+βkXki1+eβ0+βkXkj=∑i=1nxipi" "Fichero" => "STRIPIN_si19.jpeg" "Tamanyo" => 4289 "Alto" => 46 "Ancho" => 298 ] ] 30 => array:6 [ "identificador" => "eq0095" "etiqueta" => "(15)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "∑i=1nyixij=∑i=1nxiyestimadai" "Fichero" => "STRIPIN_si20.jpeg" "Tamanyo" => 2260 "Alto" => 46 "Ancho" => 168 ] ] 31 => array:6 [ "identificador" => "eq0100" "etiqueta" => "(16)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "PI=eβ0+βkXki1+eβ0+βkXkj=11+e−(β0+βkXkj)" "Fichero" => "STRIPIN_si21.jpeg" "Tamanyo" => 4021 "Alto" => 41 "Ancho" => 310 ] ] 32 => array:6 [ "identificador" => "eq0105" "etiqueta" => "(17)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "R2=1−D(β)D(β0)" "Fichero" => "STRIPIN_si22.jpeg" "Tamanyo" => 1443 "Alto" => 39 "Ancho" => 111 ] ] 33 => array:6 [ "identificador" => "eq0110" "etiqueta" => "(18)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Fnx=1n∑1=1nIXi≤x" "Fichero" => "STRIPIN_si23.jpeg" "Tamanyo" => 1817 "Alto" => 46 "Ancho" => 133 ] ] 34 => array:6 [ "identificador" => "eq0115" "etiqueta" => "(19)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Dn=supx|Fnx−Fx" "Fichero" => "STRIPIN_si24.jpeg" "Tamanyo" => 1662 "Alto" => 31 "Ancho" => 181 ] ] ] "bibliografia" => array:2 [ "titulo" => "Referencias" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0005" "bibliografiaReferencia" => array:23 [ 0 => array:3 [ "identificador" => "bib0005" "etiqueta" => "Altman, 1968" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Financial ratios, discriminant analysis and the prediction of corporate bankruptcy" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "E.I. Altman" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1111/j.1540-6261.1968.tb00843.x" "Revista" => array:6 [ "tituloSerie" => "Journal of Finance" "fecha" => "1968" "volumen" => "23" "numero" => "4" "paginaInicial" => "589" "paginaFinal" => "609" ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bib0010" "etiqueta" => "Black y Scholes, 1972" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The valuation of option contracts and a test of market efficiency" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "F. Black" 1 => "M. Scholes" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1111/j.1540-6261.1972.tb00969.x" "Revista" => array:6 [ "tituloSerie" => "Journal of Finance" "fecha" => "1972" "volumen" => "27" "numero" => "2" "paginaInicial" => "399" "paginaFinal" => "417" ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bib0115" "etiqueta" => "CNBV, 2014" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "CNBV (2014). Normatividad Comisión Nacional Bancaria y de Valores, Banca Múltiple, Circular Única de Bancos. Disponible en: http://www.cnbv.gob.mx/Paginas/NORMATIVIDAD.aspx" ] ] ] 3 => array:3 [ "identificador" => "bib0015" "etiqueta" => "Costa et al., 2012" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Bondad de ajuste y elección del punto de corte en regresión logística basada en distancias. Aplicación al problema de Credit Scoring" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "T. Costa" 1 => "E. Boj" 2 => "J. Fortiana" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Anales del Instituto de Actuarios Españoles" "fecha" => "2012" "volumen" => "18" "paginaInicial" => "19" "paginaFinal" => "40" ] ] ] ] ] ] 4 => array:3 [ "identificador" => "bib0020" "etiqueta" => "Durand, 1941" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Risk Elements in Consumer Instalment Financing, Studies in Consumer Instalment Financing" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "D. Durand" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:3 [ "fecha" => "1941" "editorial" => "National Bureau of Economic Research" "editorialLocalizacion" => "New York, NY" ] ] ] ] ] ] 5 => array:3 [ "identificador" => "bib0025" "etiqueta" => "Fisher, 1936" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The use of multiple measurements in taxonomic problems" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "R.A. Fisher" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1111/j.1469-1809.1936.tb02137.x" "Revista" => array:6 [ "tituloSerie" => "Annals of Eugenics" "fecha" => "1936" "volumen" => "7" "numero" => "2" "paginaInicial" => "179" "paginaFinal" => "188" ] ] ] ] ] ] 6 => array:3 [ "identificador" => "bib0030" "etiqueta" => "Hand y Jacka, 1998" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Consumer credit and statistics" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "D.J. Hand" 1 => "S.D. Jacka" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "LibroEditado" => array:4 [ "titulo" => "Statistics in Finance" "paginaInicial" => "69" "paginaFinal" => "81" "serieFecha" => "1998" ] ] ] ] ] ] 7 => array:3 [ "identificador" => "bib0035" "etiqueta" => "Hand y Henley, 1997" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Statistical classification methods in consumer credit scoring: A review" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "D.J. Hand" 1 => "W.E. Henley" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1111/j.1467-985X.1997.00078.x" "Revista" => array:6 [ "tituloSerie" => "Journal of the Royal Statistical Society: Series A" "fecha" => "1997" "volumen" => "160" "numero" => "Part 3" "paginaInicial" => "523" "paginaFinal" => "541" ] ] ] ] ] ] 8 => array:3 [ "identificador" => "bib0040" "etiqueta" => "Hsia, 1978" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Credit Scoring and the Equal Credit Opportunity Act" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "D.C. Hsia" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "The Hasting Law Journal" "fecha" => "1978" "volumen" => "30" "paginaInicial" => "371" "paginaFinal" => "448" ] ] ] ] ] ] 9 => array:3 [ "identificador" => "bib0045" "etiqueta" => "Huang et al., 2007" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Credit scoring with a data mining approach based on support vector machines" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "C.-L. Huang" 1 => "M.-C. Chen" 2 => "C.-J. Wang" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.eswa.2006.07.007" "Revista" => array:6 [ "tituloSerie" => "Expert Systems with Applications" "fecha" => "2007" "volumen" => "33" "numero" => "4" "paginaInicial" => "847" "paginaFinal" => "856" ] ] ] ] ] ] 10 => array:3 [ "identificador" => "bib0050" "etiqueta" => "Joanes, 1993" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Reject inference applied to logistic regression for credit scoring" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "D.N. Joanes" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1093/imaman/5.1.35" "Revista" => array:6 [ "tituloSerie" => "IMA Journal of Mathematics Applied in Business and Industry" "fecha" => "1993" "volumen" => "5" "numero" => "1" "paginaInicial" => "35" "paginaFinal" => "43" ] ] ] ] ] ] 11 => array:3 [ "identificador" => "bib0055" "etiqueta" => "Lee et al., 2005" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Acceptance of internet-based learning medium: The role of extrinsic and intrinsic motivation" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "M.K.O. Lee" 1 => "C.M.K. Cheung" 2 => "Z. Chen" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.im.2003.10.007" "Revista" => array:7 [ "tituloSerie" => "Information & Management" "fecha" => "2005" "volumen" => "42" "numero" => "8" "paginaInicial" => "1095" "paginaFinal" => "1104" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/28402618" "web" => "Medline" ] ] ] ] ] ] ] ] 12 => array:3 [ "identificador" => "bib0060" "etiqueta" => "Lewis, 1992" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "An Introduction to Credit Scoring" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "E.M. Lewis" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:4 [ "fecha" => "1992" "paginaInicial" => "86" "editorial" => "Fair, Isaac and Co., Inc." "editorialLocalizacion" => "San Rafael, CA" ] ] ] ] ] ] 13 => array:3 [ "identificador" => "bib0065" "etiqueta" => "Mays, 1998" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Credit Risk Modeling, Design and Application" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "E. Mays" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:3 [ "fecha" => "1998" "editorial" => "Fitzroy Dearborn Publishers" "editorialLocalizacion" => "Chicago" ] ] ] ] ] ] 14 => array:3 [ "identificador" => "bib0070" "etiqueta" => "Mays, 2004" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Credit Scoring for Risk Managers, The Handbook for Lenders" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "E. Mays" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:3 [ "fecha" => "2004" "editorial" => "Thomson South Western, Mason" "editorialLocalizacion" => "Ohio" ] ] ] ] ] ] 15 => array:3 [ "identificador" => "bib0075" "etiqueta" => "Merton, 1974" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "On the pricing of corporate debt: The risk structure of interest rates" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "R.C. Merton" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1111/j.1540-6261.1974.tb03058.x" "Revista" => array:5 [ "tituloSerie" => "Journal of Finance" "fecha" => "1974" "volumen" => "29" "paginaInicial" => "449" "paginaFinal" => "470" ] ] ] ] ] ] 16 => array:3 [ "identificador" => "bib0080" "etiqueta" => "Myers y Forgy, 1963" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The development of numerical credit evaluation systems" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "J.H. Myers" 1 => "E.W. Forgy" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2307/2282727" "Revista" => array:5 [ "tituloSerie" => "Journal of the American Statistical Association" "fecha" => "1963" "volumen" => "58" "paginaInicial" => "799" "paginaFinal" => "806" ] ] ] ] ] ] 17 => array:3 [ "identificador" => "bib0085" "etiqueta" => "Reichert et al., 1983" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "An examination of conceptual issues involved in developing credit scoring models" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "A.K. Reichert" 1 => "C. Cho" 2 => "G.M. Wagner" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2307/1391851" "Revista" => array:6 [ "tituloSerie" => "Journal of Business Economics and Statistics" "fecha" => "1983" "volumen" => "1" "numero" => "2" "paginaInicial" => "101" "paginaFinal" => "114" ] ] ] ] ] ] 18 => array:3 [ "identificador" => "bib0090" "etiqueta" => "Rosenberg y Gleit, 1994" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Quantitative methods in credit management: A survey" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "E. Rosenberg" 1 => "A. Gleit" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1287/opre.42.4.589" "Revista" => array:5 [ "tituloSerie" => "Operations Research" "fecha" => "1994" "volumen" => "42" "paginaInicial" => "589" "paginaFinal" => "613" ] ] ] ] ] ] 19 => array:3 [ "identificador" => "bib0095" "etiqueta" => "Thomas et al., 1992" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Credit Scoring and Credit Control" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "L.C. Thomas" 1 => "J.N. Crook" 2 => "D.B. Edelman" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:3 [ "fecha" => "1992" "editorial" => "Oxford University Press" "editorialLocalizacion" => "Oxford" ] ] ] ] ] ] 20 => array:3 [ "identificador" => "bib0100" "etiqueta" => "Thomas et al., 2002" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Credit scoring and its applications. SIAM Monographs on Mathematical Modeling and Computation" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "L.C. Thomas" 1 => "D.B. Edelman" 2 => "J.N. Crook" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:3 [ "fecha" => "2002" "editorial" => "Siam" "editorialLocalizacion" => "Philadelphia, PA" ] ] ] ] ] ] 21 => array:3 [ "identificador" => "bib0105" "etiqueta" => "Thomas et al., 2004" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Readings in Credit Scoring" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "L.C. Thomas" 1 => "D.B. Edelman" 2 => "J.N. Crook" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1137/1.9780898718317" "Libro" => array:3 [ "fecha" => "2004" "editorial" => "Oxford University Press" "editorialLocalizacion" => "Oxford" ] ] ] ] ] ] 22 => array:3 [ "identificador" => "bib0110" "etiqueta" => "Weber, 1999" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Applications of Fuzzy Logic for Creditworthiness Evaluation" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "R. Weber" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "LibroEditado" => array:4 [ "titulo" => "Soft Computing in Financial Engineering" "paginaInicial" => "388" "paginaFinal" => "401" "serieFecha" => "1999" ] ] ] ] ] ] ] ] ] ] ] "idiomaDefecto" => "es" "url" => "/01861042/0000006200000002/v1_201704140144/S0186104217300037/v1_201704140144/es/main.assets" "Apartado" => array:4 [ "identificador" => "42500" "tipo" => "SECCION" "en" => array:2 [ "titulo" => "Artículos" "idiomaDefecto" => true ] "idiomaDefecto" => "en" ] "PDF" => "https://static.elsevier.es/multimedia/01861042/0000006200000002/v1_201704140144/S0186104217300037/v1_201704140144/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0186104217300037?idApp=UINPBA00004N" ]
año/Mes | Html | Total | |
---|---|---|---|
2024 Octubre | 32 | 0 | 32 |
2024 Septiembre | 47 | 5 | 52 |
2024 Agosto | 37 | 2 | 39 |
2024 Julio | 26 | 7 | 33 |
2024 Junio | 27 | 5 | 32 |
2024 Mayo | 20 | 2 | 22 |
2024 Abril | 72 | 4 | 76 |
2024 Marzo | 22 | 10 | 32 |
2024 Febrero | 19 | 3 | 22 |
2024 Enero | 53 | 3 | 56 |
2023 Diciembre | 30 | 9 | 39 |
2023 Noviembre | 26 | 3 | 29 |
2023 Octubre | 60 | 5 | 65 |
2023 Septiembre | 29 | 4 | 33 |
2023 Agosto | 35 | 4 | 39 |
2023 Julio | 34 | 4 | 38 |
2023 Junio | 67 | 4 | 71 |
2023 Mayo | 66 | 3 | 69 |
2023 Abril | 62 | 0 | 62 |
2023 Marzo | 38 | 1 | 39 |
2023 Febrero | 28 | 2 | 30 |
2023 Enero | 21 | 6 | 27 |
2022 Diciembre | 35 | 3 | 38 |
2022 Noviembre | 21 | 5 | 26 |
2022 Octubre | 15 | 2 | 17 |
2022 Septiembre | 22 | 14 | 36 |
2022 Agosto | 30 | 5 | 35 |
2022 Julio | 32 | 12 | 44 |
2022 Junio | 19 | 10 | 29 |
2022 Mayo | 12 | 11 | 23 |
2022 Abril | 33 | 13 | 46 |
2022 Marzo | 46 | 9 | 55 |
2022 Febrero | 36 | 11 | 47 |
2022 Enero | 74 | 6 | 80 |
2021 Diciembre | 41 | 11 | 52 |
2021 Noviembre | 37 | 7 | 44 |
2021 Octubre | 35 | 9 | 44 |
2021 Septiembre | 37 | 12 | 49 |
2021 Agosto | 41 | 6 | 47 |
2021 Julio | 28 | 5 | 33 |
2021 Junio | 23 | 8 | 31 |
2021 Mayo | 39 | 26 | 65 |
2021 Abril | 125 | 17 | 142 |
2021 Marzo | 71 | 13 | 84 |
2021 Febrero | 38 | 13 | 51 |
2021 Enero | 57 | 12 | 69 |
2020 Diciembre | 60 | 4 | 64 |
2020 Noviembre | 129 | 3 | 132 |
2020 Octubre | 64 | 6 | 70 |
2020 Septiembre | 84 | 10 | 94 |
2020 Agosto | 57 | 10 | 67 |
2020 Julio | 56 | 25 | 81 |
2020 Junio | 58 | 12 | 70 |
2020 Mayo | 46 | 14 | 60 |
2020 Abril | 44 | 6 | 50 |
2020 Marzo | 61 | 12 | 73 |
2020 Febrero | 50 | 9 | 59 |
2020 Enero | 48 | 13 | 61 |
2019 Diciembre | 37 | 10 | 47 |
2019 Noviembre | 32 | 4 | 36 |
2019 Octubre | 34 | 2 | 36 |
2019 Septiembre | 34 | 4 | 38 |
2019 Agosto | 19 | 3 | 22 |
2019 Julio | 20 | 4 | 24 |
2019 Junio | 62 | 16 | 78 |
2019 Mayo | 146 | 45 | 191 |
2019 Abril | 93 | 9 | 102 |
2019 Marzo | 19 | 8 | 27 |
2019 Febrero | 18 | 3 | 21 |
2019 Enero | 16 | 6 | 22 |
2018 Diciembre | 18 | 4 | 22 |
2018 Noviembre | 27 | 10 | 37 |
2018 Octubre | 40 | 19 | 59 |
2018 Septiembre | 37 | 10 | 47 |
2018 Agosto | 29 | 2 | 31 |
2018 Julio | 26 | 1 | 27 |
2018 Junio | 13 | 2 | 15 |
2018 Mayo | 26 | 4 | 30 |
2018 Abril | 27 | 3 | 30 |
2018 Marzo | 18 | 0 | 18 |
2018 Febrero | 15 | 1 | 16 |
2018 Enero | 13 | 0 | 13 |
2017 Diciembre | 15 | 1 | 16 |
2017 Noviembre | 13 | 4 | 17 |
2017 Octubre | 26 | 4 | 30 |
2017 Septiembre | 16 | 1 | 17 |
2017 Agosto | 15 | 1 | 16 |
2017 Julio | 27 | 5 | 32 |
2017 Junio | 40 | 6 | 46 |
2017 Mayo | 37 | 6 | 43 |
2017 Abril | 8 | 0 | 8 |
2017 Marzo | 3 | 13 | 16 |
2017 Febrero | 0 | 5 | 5 |