Simulador de riesgo crediticio: del scorecard estático al stress testing dinámico
En banca, fintech y cooperativas de ahorro y crédito de América Latina, la supervisión prudencial ya no se conforma con un scorecard estático alimentado por buró. La CNBV en México, la SBS en Perú, la SFC en Colombia, la SMV/ASFI en Bolivia y la CMF en Chile exigen modelos internos con backtesting trimestral, segmentación por cosecha y pruebas de estrés bajo escenarios adversos alineados a Basilea III. La pérdida esperada anual ya no se reporta como un promedio histórico; se descompone, se estresa y se reconcilia contra el estimado de capital regulatorio. Equipos de riesgos que siguen operando con un Excel maestro y corridas anuales están años atrás del estándar mínimo que el regulador y el consejo esperan.
Un simulador de riesgo crediticio moderno opera sobre la ecuación fundacional del IRB Advanced:
Pérdida Esperada (EL) = PD × LGD × EAD
donde la PD (probability of default) es la probabilidad de que un acreditado caiga en default a 12 meses, la LGD (loss given default) es la porción irrecuperable después de liquidar garantías y recuperar vía cobranza, y la EAD (exposure at default) es el saldo esperado en el momento del incumplimiento. Para productos revolventes (tarjeta, línea PyME, crédito de nómina con tope), la EAD incorpora un CCF (credit conversion factor) que convierte el disponible no usado en exposición proyectada. En hipotecario y automotriz, la EAD incluye el principal vigente más intereses devengados y comisiones pendientes al corte de default.
Ejemplo numérico: cartera consumo mexicana
Supón una financiera no bancaria con cartera consumo de 500 millones de pesos distribuida en 25,000 créditos. Con PD promedio de 4.5%, LGD de 65% y EAD igual al saldo vigente, la pérdida esperada anual es:
EL = 0.045 × 0.65 × 500,000,000 = 14,625,000 MXN
Es decir, 2.93% de la cartera. Si las provisiones están en 3.0%, estás apenas cubriendo la media — cero colchón para escenario adverso. Un stress test que lleve la PD a 8% (recesión moderada, nivel observado en 2009 y parcialmente en 2020) y la LGD a 75% (menor recuperación por desempleo sectorial) eleva la pérdida esperada a 30 millones de pesos, 6% de la cartera. El gap de 15 millones contra provisiones es tu shortfall de capital — la métrica que CNBV y el comité de riesgos observan para activar acciones correctivas antes de que el problema pase de contable a reputacional.
Si además refinas la EAD con un CCF del 85% sobre líneas revolventes (estándar Basel II Foundation), el número sube otros 3-5% en libros con exposición revolvente significativa. Mover de ingenuo a calibrado son usualmente 5-8 puntos básicos adicionales de EL reportada.
RAROC y pricing ajustado por riesgo
La rentabilidad ajustada al riesgo (RAROC) es el puente entre originación y tesorería. Se calcula como:
RAROC = (Ingreso neto − EL − costos operativos) / Capital económico
Si el RAROC de un segmento cae por debajo del costo de capital (típicamente 15-18% para fintech LatAm, 12-14% para banca tradicional), ese segmento destruye valor aunque venda. El simulador permite evaluar cada política de otorgamiento por RAROC antes de firmar el pricing comercial, evitando el clásico error de escalar colocación subsidiando crecimiento con pérdida esperada. La dirección financiera y la dirección de crédito se alinean sobre el mismo número, un número que además es defendible frente al regulador y el comité de auditoría.
El cálculo de capital económico requiere definir intervalo de confianza (99% estándar, 99.9% para instituciones sistémicas), correlación de default asumida y multiplicador alpha sobre la pérdida inesperada. El simulador permite fijar esos parámetros en una pantalla en lugar de construirlos desde cero en una hoja de cálculo cada ciclo de planeación.
VaR crediticio y capital económico
Más allá de la pérdida esperada, el VaR crediticio al 99.9% mide la pérdida máxima plausible en un horizonte de 12 meses con ese nivel de confianza. La diferencia entre VaR y EL es la pérdida inesperada (UL, unexpected loss), que es lo que Basilea obliga a cubrir con capital regulatorio. Para cartera concentrada (más del 20% en un sector o 5% en un solo acreditado), la UL se dispara por correlación de default — el famoso contagio sectorial que destrozó portafolios hipotecarios en 2008 y a varias fintechs LatAm en 2023 cuando el turismo y el delivery se contrajeron a la par.
La matemática del VaR crediticio se simula con Monte Carlo sobre defaults correlacionados. Con 10,000 trayectorias, el percentil 99.9 te da la pérdida en el peor 0.1% de casos — escenarios que matemáticamente ocurren cada 1,000 años pero que en ciclos crediticios reales aparecen cada 20-30 años por los fat tails del mercado. Esa es la cifra que el consejo necesita para decidir capitalización adicional, límites de exposición y reaseguro o titulización de cartera.
Backtesting y cosechas (vintages)
Un modelo de PD no se valida mirando el default total; se valida por cosecha. Segmentas la cartera por mes de originación y sigues la curva de default acumulada a 3, 6, 12, 18 y 24 meses. Si la cosecha de originación junio 2025 muestra default acumulado a 12 meses del 7%, pero tu modelo proyectaba 4%, tienes un drift de calibración del 75% — tu scoring está roto o tu target de mercado cambió. El simulador ejecuta el mismo ejercicio con datos de entrada que tú defines, sin necesidad de data warehouse ni SQL.
El análisis por cosecha también expone el roll rate — la velocidad con que un crédito migra de mora 0-30 a 30-60, a 60-90 y finalmente a castigo contable. Un roll rate 30→60 del 60% significa que 6 de cada 10 créditos que entran a mora temprana acaban en mora avanzada. En carteras saludables ese número está bajo 35%. El simulador carga tus buckets y calcula la cadena de Markov implícita, proyectando NPL formation y carga de provisiones del próximo trimestre.
Segmentación, scorecard y políticas
La ventaja de un simulador sobre Excel aparece cuando quieres evaluar 8 o 12 políticas de otorgamiento en paralelo. Cambios en cut-off de score, montos máximos, plazo máximo por nivel de ingreso, verificación de ingreso flexible vs estricta, uso de datos alternativos (transaccional, telecom, psicométrico) — cada palanca se traduce en deltas de colocación, default y RAROC. En lugar de correr 12 pestañas de Excel, defines las políticas como variantes y la herramienta devuelve una tabla comparativa. Para el comité de crédito eso es la diferencia entre una decisión basada en intuición y una decisión defendida con evidencia cuantitativa y escenarios de estrés.
En segmentos como PyME y microcrédito, donde la data de buró es limitada o inexistente, la segmentación por behavioral scoring con al menos 6 meses de payment history se vuelve la columna vertebral del modelo. La PD se recalibra trimestralmente con ventana móvil de 24 meses y se somete a backtesting out-of-time para evitar overfitting.
Provisiones IFRS 9 y escenarios forward-looking
Desde 2018, IFRS 9 obligó a migrar de provisiones basadas en pérdida incurrida a pérdida esperada forward-looking. El modelo exige estimar EL a 12 meses para cartera en Etapa 1 (sin deterioro significativo) y EL lifetime para Etapa 2 (deterioro significativo) y Etapa 3 (default). El simulador multiplica la complejidad: necesitas probabilidades de transición entre etapas, proyección de macro-variables (PIB, desempleo, tasa de interés) y ajuste por significancia estadística. Hacerlo en Excel para 40,000 créditos es inviable; en el simulador toma horas, no semanas.
Diferenciación frente a hoja de cálculo
Excel resuelve un promedio. No resuelve correlación entre sectores, ni distribuciones log-normal de exposición, ni dependencia condicional entre PD y LGD (downturn LGD). Un simulador de portafolio crediticio con 10,000 iteraciones Monte Carlo sobre la fórmula EL = PD × LGD × EAD — cada variable muestreada de su distribución — entrega percentiles P50/P90/P99 que transforman tu reporte al consejo de anécdota a evidencia cuantitativa alineada a supervisión prudencial.
Además, el simulador produce artefactos listos para el regulador: tablas de stress test con escenarios base, adverso y severamente adverso; descomposición de EL por cosecha y segmento; sensibilidades a tasas y desempleo; y trazabilidad de supuestos. Documentación que en auditoría interna y en la visita de supervisión marca la diferencia entre aprobación limpia y carta de observaciones.
Gobernanza de modelos y tres líneas de defensa
Un modelo de riesgo crediticio no vive en el equipo de analytics; vive dentro de un marco de gobernanza de modelos con tres líneas de defensa. Primera línea: el equipo de originación y cobranza que usa el modelo diariamente. Segunda línea: el área de validación independiente de modelos (Model Risk Management) que cuestiona supuestos, replica cálculos y aprueba o veta el uso productivo. Tercera línea: auditoría interna que revisa el proceso de gobernanza completo. El simulador genera automáticamente la documentación — datasets de entrada, supuestos, resultados por escenario — que alimenta las tres líneas sin reconstruirla a mano cada ciclo.
En LatAm, la CNBV mexicana publicó en 2023 la Circular Única de Bancos artículo 242 bis que exige documentación explícita de gobernanza de modelos para todas las instituciones reguladas, alineada con SR 11-7 y con TRIM europeo. Las sanciones por incumplimiento ya no son hipotéticas; Banxico y CNBV emitieron multas agregadas superiores a 200 millones de pesos en 2024 por deficiencias en validación de modelos internos.
Conclusión
Para equipos de riesgo en fintech, cooperativas y banca mid-market latinoamericana, el simulador es el puente práctico entre la política de otorgamiento y el marco Basilea III — sin invertir en SAS, Moody's CreditMetrics, Numerix o un consultor big-four. Democratizar el stress testing crediticio es parte de la madurez institucional que separa al sector financiero que aprendió de 2008 y 2020 del que va a descubrir la próxima crisis a golpes. La próxima vez que el consejo pregunte '¿qué pasaría si la tasa sube 300 puntos base y el desempleo llega a 7%?', tener una respuesta cuantitativa en 10 minutos en lugar de en 10 días cambia la conversación y la reputación del área de riesgos dentro de la institución.