Estrategias para gestión de riesgo del crédito financiero, análisis de modelos y herramientas en Perú, Colombia y Ecuador al 2024

Abstract

La presente investigación tuvo como objetivo principal identificar estrategias en base a los modelos para la gestión de riesgo del crédito financiero en Perú, Ecuador y Colombia al 2024. El estudio utilizó una metodología cualitativa, de tipo aplicada, bajo un diseño no experimental de corte longitudinal con un muestreo no probabilístico, usando el análisis documental para cada artículo científico. La muestra consistió en 25 artículos científicos recopilados de plataformas como Redalyc, Scopus, Scielo, etc., pertenecientes al periodo 2018 al 2024, de los países Perú, Ecuador y Colombia. De acuerdo con lo mencionado, los resultados presentan diferencias en los tipos de crédito ofrecidos, lo cual influye directamente en los modelos de gestión de riesgo aplicados. Colombia lidera la adopción de herramientas avanzadas como machine learning y Basilea III, logrando una precisión predictiva del 88.29% en la evaluación de riesgo crediticio. Perú evidencia un avance gradual en la implementación de modelos que combinan métodos tradicionales con inteligencia artificial, aunque existe diferencia entre entidades financieras grandes y pequeñas, la efectividad se reflejó en los indicadores de morosidad, donde se registró 8.50%. Ecuador, por su parte, mantiene un enfoque tradicional con una implementación limitada de modelos avanzados, siendo vulnerable ante crisis como la pandemia, con efectividad intermedia. La efectividad estuvo influenciada por las estrategias de gestión aplicadas.

The main objective of this research was to identify strategies based on models for financial credit risk management in Peru, Ecuador, and Colombia by 2024. The study used a qualitative, applied methodology, under a non-experimental longitudinal design with non-probabilistic sampling, using documentary analysis for each scientific article. The sample consisted of 25 scientific articles compiled from platforms such as Redalyc, Scopus, Scielo, etc., belonging to the period 2018 to 2024, from Peru, Ecuador, and Colombia. According to this, the results show differences in the types of credit offered, which directly influences the risk management models applied. Colombia leads the adoption of advanced tools such as machine learning and Basel III, achieving a predictive accuracy of 88.29% in credit risk assessment. Peru is showing gradual progress in the implementation of models that combine traditional methods with artificial intelligence. Although there is a difference between large and small financial institutions, the effectiveness was reflected in the delinquency rate, which was 8.50%. Ecuador, for its part, maintains a traditional approach with limited implementation of advanced models, making it vulnerable to crises such as the pandemic, with intermediate effectiveness. The effectiveness was influenced by the management strategies applied.