Algorithmic-Statistical Model Under a Computational Scheme for Forecasting Insolvency Under Financial Risk

Resumen

Esta investigación se centra en el análisis del riesgo de insolvencia en las cooperativas de crédito de Ecuador utilizando un enfoque predictivo basado en el aprendizaje automático. Basándose en precedentes internacionales y regionales sobre los determinantes de la solvencia financiera, el estudio tiene como objetivo desarrollar un modelo capaz de clasificar las cooperativas de crédito como solventes o no solventes, según un umbral de rentabilidad sobre el capital (ROE) del 5 %. La metodología adoptada fue cuantitativa, explicativa y predictiva, utilizando el algoritmo Random Forest en una base de datos estructurada con variables financieras codificadas. La variable de pendiente, denominada ROE - LOGIC, clasifica como «no solventes» (1) aquellas observaciones con un ROE inferior al 5 %, y como «solventes» (0) el resto. El modelo se entrenó con el 80 % de los datos y se validó con el 20 % restante. Los resultados muestran un rendimiento excelente, con métricas de precisión, recuperación y puntuación F1 superiores a 0,88 en el conjunto de pruebas, y un AUC de 0,95, lo que indica un alto poder discriminatorio. Las variables más influyentes fueron el margen de interés neto sobre los activos prometidos, los gastos operativos en relación con el margen de interés neto y la proporción de activos rentables. Estas se utilizaron para construir una fórmula interpretativa que estima la probabilidad de insolvencia.