Aplicación del algoritmo K-MEANS para la segmentación de entidades supervisadas por la SUGEF como apoyo a la supervisión basada en riesgos en el sistema financiero nacional costarricense (análisis con corte al 31 de diciembre de 2024)
Salvato in:
| Autori: | , |
|---|---|
| Data di pubblicazione: | 2026 |
| Descrizione: | La supervisión financiera basada en riesgos exige herramientas analíticas capaces de procesar grandes volúmenes de información y detectar patrones de riesgo de forma sistemática. En ese contexto, la presente investigación propone y evalúa la aplicación del algoritmo de agrupamiento K-means para la segmentación de las entidades financieras supervisadas por la Superintendencia General de Entidades Financieras (SUGEF) de Costa Rica, como apoyo al fortalecimiento del enfoque de supervisión basada en riesgos (SBR). El estudio adopta un enfoque cuantitativo de alcance exploratorio-analítico, utilizando datos de estados financieros auditados al cierre del ejercicio 2024, correspondientes a 39 entidades que incluyen bancos comerciales, cooperativas de ahorro y crédito, financieras y mutuales. Se seleccionaron doce indicadores financieros representativos de las dimensiones de solvencia, riesgo de crédito, liquidez, rentabilidad, eficiencia operativa, riesgo de mercado, tamaño y crecimiento de cartera. Las variables fueron estandarizadas mediante el método zscore previo a la ejecución del algoritmo. Para determinar el número óptimo de clusters se emplearon el método del codo y el coeficiente de silueta, complementados con un criterio de interpretabilidad orientado al contexto supervisor. Los resultados indicaron que k = 4 representa la configuración más adecuada al equilibrar precisión estadística, estabilidad del modelo y utilidad práctica. La segmentación obtenida identificó cuatro perfiles diferenciados: un grupo de bancos comerciales y entidades de mayor tamaño con mayor escala, apalancamiento y diversificación de activos; un grupo amplio de cooperativas y financieras con alta concentración de cartera y mayor morosidad relativa; un grupo de entidades con alta solvencia y liquidez, pero mayor exposición cambiaria y riesgo crediticio; y un caso atípico con métricas altamente diferenciadas del resto del sistema. Estos perfiles son coherentes con la estructura real del sistema financiero costarricense y con los perfiles de riesgo esperados según cada modelo de negocio, lo que respalda la coherencia teórica de la segmentación. El contraste con el tipo de entidad —variable ajena al modelo— arroja un índice de Rand ajustado de 0.576, indicativo de una correspondencia sustancial pero parcial con la clasificación jurídica vigente. Los hallazgos evidencian que el algoritmo K-means constituye una herramienta analítica viable para apoyar la supervisión basada en riesgos, al permitir identificar grupos homogéneos de entidades, detectar casos atípicos y orientar la asignación diferenciada de recursos supervisores. El modelo presenta limitaciones propias de su carácter transversal y de los supuestos del algoritmo, por lo que su adopción institucional debería realizarse como complemento al juicio experto y no como sustituto de los procesos de supervisión existentes. Se formulan recomendaciones dirigidas a la SUGEF, a las entidades financieras supervisadas y a la investigación futura en el ámbito de la Supervisory Technology (SupTech) en Costa Rica y la región centroamericana. |
| Stato: | Kérwá |
| Istituzione: | Universidad de Costa Rica |
| Repositorio: | Kérwá |
| Lingua: | Español |
| OAI Identifier: | oai:kerwa.ucr.ac.cr:10669/105201 |
| Accesso online: | https://hdl.handle.net/10669/105201 |
| Keyword: | Supervisión basada en riesgos Segmentación Financiera Intermediario financiero |