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

Resumo

Esta pesquisa centra-se na análise do risco de insolvência em cooperativas de crédito no Equador, utilizando uma abordagem preditiva baseada em aprendizagem automática. Com base em precedentes internacionais e regionais sobre os determinantes da solvência financeira, o estudo visa desenvolver um modelo capaz de classificar as cooperativas de crédito como solventes ou não solventes, de acordo com um limiar de retorno sobre o capital próprio (ROE) de 5 %. A metodologia adotada foi quantitativa, explicativa e preditiva, utilizando o algoritmo Random Forest em uma base de dados estruturada com variáveis financeiras codificadas. A variável de inclinação, chamada ROE - LOGIC, classifica como “não solventes” (1) as observações com ROE inferior a 5 % e como “solventes” (0) as restantes. O modelo foi treinado com 80 % dos dados e validado com os 20 % restantes. Os resultados mostram um excelente desempenho, com métricas de precisão, recall e F1-score acima de 0,88 no conjunto de testes e um AUC de 0,95, indicando um alto poder discriminatório. As variáveis mais influentes foram a margem líquida de juros sobre ativos prometidos, despesas operacionais relativas à margem líquida de juros e a proporção de ativos performantes. Estas foram utilizadas para construir uma fórmula interpretativa que estima a probabilidade de insolvência.