ANÁLISIS Y MEJORA DE LA EFICIENCIA DE LA CARTERA DE CRÉDITOS PYME EN INSTITUCIONES FINANCIERAS DE HONDURAS A TRAVÉS DE MODELOS AVANZADOS DE RIESGO CREDITICIO
Daviz Antonio Lopez Medina
Universidad Nacional Autónoma de Honduras. davizlopez@unah.hn
ORCID: 0009-0009-3571-8497
RESUMEN
La presente investigación busca determinar si la implementación de modelos avanzados de riesgo crediticio mejora la eficiencia de la cartera de créditos PYME en instituciones financieras en Honduras, al reducir el índice de mora y mejorar la calificación de la cartera crediticia. Se considera que los modelos actuales pueden no capturar todos los factores de riesgo relevantes, lo que podría estar afectando la calidad y eficiencia de la cartera. Los resultados indican que la adopción de modelos avanzados puede incrementar la eficiencia en la gestión de la cartera, reduciendo la mora y optimizando los recursos financieros de las instituciones. Las conclusiones subrayan la necesidad de inversión en capacitación y tecnología para la implementación efectiva de estos modelos.
Palabras Clave: Riesgo crediticio, eficiencia de cartera, modelos avanzados, instituciones financieras, crédito PYME.
ABSTRACT
This research aims to determine whether the implementation of advanced credit risk models enhances the efficiency of SME loan portfolios in financial institutions in Honduras by reducing delinquency rates and improving the credit portfolio's rating. It is considered that current models may not capture all relevant risk factors, potentially affecting the quality and efficiency of the portfolio. A descriptive approach
Keywords: Credit risk, portfolio efficiency, advanced models, financial institutions, SME credit.
INTRODUCCIÓN
El sistema financiero hondureño enfrenta desafíos significativos en la gestión eficiente de la cartera de créditos PYME, una categoría vital para el desarrollo económico del país. La morosidad y el deterioro en la calidad de las carteras de crédito son problemas recurrentes que afectan no solo a las instituciones financieras, sino también a la estabilidad económica general. A pesar de los esfuerzos por implementar modelos tradicionales de gestión de riesgo, como las 5 C de crédito (carácter, capacidad, capital, colateral y condiciones), y el uso de métodos de calificación crediticia como el Credit Scoring, estos enfoques han demostrado ser insuficientes para captar todos los factores de riesgo en un entorno económico cada vez más dinámico y complejo (Luna, 2021).
Las instituciones financieras juegan un rol crucial en el desarrollo económico, actuando como intermediarios en la asignación de recursos y facilitando el acceso al crédito para diversos sectores, incluyendo las pequeñas y medianas empresas del serctor PYME (Díaz & Del Valle, 2017). La gestión del riesgo crediticio es una tarea compleja que implica la evaluación y mitigación de posibles incumplimientos por parte de los prestatarios (Morales & Ramos, 2020). En Honduras, muchas instituciones financieras han adoptado modelos tradicionales para evaluar el riesgo crediticio. Sin embargo, la eficiencia de estos modelos en la mejora de la cartera de crédito, especialmente en el segmento PYME, sigue siendo un área que requiere mayor investigación.
El riesgo crediticio es una de las principales preocupaciones de las instituciones financieras, dado que se refiere a la probabilidad de que se presenten pérdidas económicas debido a la incapacidad de los prestatarios para cumplir con sus obligaciones financieras. Este riesgo es particularmente relevante en el segmento PYME, donde las fluctuaciones económicas, la falta de garantías adecuadas y la volatilidad del mercado pueden incrementar significativamente las tasas de incumplimiento (Díaz & Del Valle Guerra, 2017). Las instituciones financieras en Honduras han identificado la necesidad de adoptar modelos avanzados de riesgo crediticio que no solo evalúen de manera más precisa la probabilidad de incumplimiento, sino que también optimicen la eficiencia de la gestión de la cartera de créditos.
El sector financiero en Honduras ha experimentado un crecimiento significativo en las últimas décadas, impulsado en parte por la expansión del crédito PYME, que representa una porción importante del portafolio de muchas instituciones financieras. Sin embargo, la gestión del riesgo crediticio ha sido un desafío constante. Según Luna (2021), los bancos en la región han dependido tradicionalmente de modelos de evaluación de riesgo basados en criterios subjetivos, lo que ha llevado a inconsistencias en la gestión de la cartera crediticia.
Los modelos tradicionales de evaluación de riesgo, como el Credit Scoring y las 5 C de crédito, han demostrado ser útiles en entornos menos complejos, pero su capacidad para adaptarse a las condiciones volátiles del mercado actual es limitada. Díaz y Del Valle Guerra (2017) señalan que factores macroeconómicos, como la recesión económica y desastres naturales, tienen un impacto significativo en el riesgo de crédito, y los modelos tradicionales no siempre capturan adecuadamente estos riesgos.
Históricamente, las instituciones financieras en Honduras han dependido de modelos tradicionales para evaluar el riesgo de crédito, como los mencionados anteriormente. Sin embargo, estos modelos, aunque útiles en su simplicidad y facilidad de aplicación, presentan limitaciones significativas en su capacidad para adaptarse a los desafíos actuales del entorno financiero. Según Saavedra y Saavedra (2010), los modelos tradicionales, si bien permiten una atención personalizada y una evaluación basada en la experiencia del analista, carecen de criterios subjetivos, inconsistencias y un análisis poco homogéneo.
Por otro lado, los modelos modernos de riesgo, como el CreditRisk+, CreditMetrics, y otros enfoques basados en la teoría de la probabilidad y Big Data, han demostrado ser más efectivos al incorporar un análisis estadístico y objetivo que reduce los costos, el tiempo de análisis y mejora la precisión de las predicciones sobre el comportamiento crediticio (Morales y Ramos, 2020). Estos modelos avanzados no solo evalúan la probabilidad de incumplimiento, sino que también consideran una gama más amplia de variables, incluyendo la relación entre el valor de mercado de los activos y el capital, así como la volatilidad de estos activos.
Diversos estudios, como el de Morales y Ramos (2020), han propuesto la implementación de modelos avanzados de riesgo crediticio que utilizan técnicas estadísticas y herramientas tecnológicas para mejorar la precisión en la evaluación del riesgo. Estos modelos permiten una mejor predicción de la probabilidad de incumplimiento y ofrecen un análisis más detallado del comportamiento de la cartera de créditos. La implementación de modelos avanzados, como CreditMetrics y el modelo KMV de Moody’s, ha mostrado ser eficaz en la mejora de la precisión de las predicciones de riesgo y en la optimización de los recursos financieros (Luna, 2021). Estos modelos integran variables macroeconómicas y técnicas estadísticas avanzadas, permitiendo una evaluación más robusta y adaptativa del riesgo crediticio.
La teoría del riesgo de crédito es un enfoque estadístico utilizado para analizar y prever la variabilidad de factores inherentes que son, en gran medida, impredecibles. Esta teoría se origina en el ámbito de los seguros, donde se aplican conceptos para evaluar la probabilidad de siniestros, y ha sido adaptada para su uso en el sector bancario. En este contexto, se enfoca en la construcción de distribuciones de pérdidas, que permiten a las instituciones bancarias cuantificar su exposición al riesgo y prever las posibles pérdidas que podrían enfrentar debido a incumplimientos crediticios (García & Flores, 2002).
Uno de los modelos más reconocidos para medir el riesgo de crédito es el Valor en Riesgo (VaR), una métrica ampliamente utilizada en el ámbito financiero y regulatorio. El VaR permite calcular la probabilidad de que un portafolio de créditos experimente pérdidas superiores a un umbral predefinido durante un período específico. Este cálculo considera características colectivas del portafolio, tales como la concentración y granularidad de los créditos otorgados, factores que afectan la estabilidad y predictibilidad de los resultados financieros (García & Flores, 2002).
El desarrollo de modelos avanzados, como CreditRisk+, ha mejorado significativamente la precisión en la evaluación del riesgo de crédito. Este modelo, derivado de la teoría de riesgo colectiva, ofrece una representación más realista al considerar las complejidades del entorno crediticio. Esto permite a las instituciones bancarias gestionar sus portafolios de manera más eficiente y robusta frente a variaciones inesperadas en las tasas de incumplimiento (García & Flores, 2002).
La teoría del riesgo individual se basa en un enfoque inicial que consideraba los datos promedio para calcular la probabilidad de incumplimiento y el monto esperado de pérdida de un crédito. Sin embargo, estos datos pueden cambiar, lo que hace que un crédito considerado "bueno" pueda transformarse en "malo" si las condiciones que lo afectan se tornan desfavorables. Dado el papel crucial del riesgo de crédito en los sistemas bancarios, es imperativo considerar estas variaciones para prevenir pérdidas no anticipadas. Esta teoría modela a cada prestatario como una entidad autónoma, asignándole un perfil de comportamiento individual y combinando los resultados de todos los prestatarios para obtener resultados colectivos. El banco puede asignar una probabilidad al evento de que el prestatario cumpla con el monto acordado en el plazo establecido, basándose en el análisis de aspectos pertinentes del prestatario (García & Flores, 2002).
La evaluación del riesgo individual consiste en calcular las variaciones de valor que pueden ocurrir en caso de eventos crediticios. Este análisis puede adoptar dos enfoques: uno centrado únicamente en el incumplimiento, que examina dos opciones (cumplimiento-incumplimiento), como en el modelo CreditRisk+; y otro, en modo completo, que evalúa los cambios resultantes de las migraciones entre diversas categorías de riesgo crediticio o calificaciones crediticias, como los modelos KMV Portfolio Manager, Credit Metrics, o Credit Portfolio View. Los modelos que se centran solo en el incumplimiento utilizan valores contables, mientras que los modelos en modo completo consideran valores de mercado o, en su ausencia, flujos de efectivo (Caridad & López, 2015).
La Norma para la evaluación y clasificación de la cartera crediticia, emitida y supervisada por la Comisión Nacional de Bancos y Seguros (CNBS), establece los pasos a seguir por las Instituciones Supervisadas que llevan a cabo operaciones de crédito. Estos procedimientos tienen como objetivo evaluar y clasificar el riesgo asumido, con el fin de verificar la validez de las cifras presentadas en sus estados financieros y realizar oportunamente las estimaciones por deterioro necesarias. Dichos procedimientos buscan categorizar los activos crediticios según el riesgo asumido y el grado de deterioro de las operaciones de crédito (CNBS, 2022).
Las categorías de clasificación que deben utilizar las Instituciones Supervisadas en el proceso de evaluación de su cartera de créditos son las siguientes:
Tabla 1: Categoría de créditos según normativa de la Comisión Nacional de Bancos y Seguros.
Las instituciones bancarias han tenido que desarrollar estrategias para mitigar las pérdidas potenciales. Los altos índices de morosidad han llevado a una revisión de los modelos de cobranza para mejorar la recuperación y reducir costos. El índice de recuperación de cartera es una métrica clave para evaluar la efectividad de un banco en la gestión de riesgos y en la recuperación de préstamos en mora (Riveros, 2020).
La teoría del riesgo colectivo surgió a partir de las investigaciones realizadas por Filip Lundberg en 1909 y 1919. Esta teoría emplea un modelo probabilístico para calcular las pérdidas totales de un grupo, sumando exclusivamente los montos de aquellos individuos que han experimentado pérdidas. A diferencia del modelo de riesgo individual, en el cual cada prestatario se analiza de manera autónoma, la teoría de riesgo colectivo considera la suma aleatoria de las pérdidas en una cartera de créditos, proporcionando una representación más precisa de las posibles pérdidas agregadas en el portafolio crediticio (Elizondo & Altman, 2004).
La implementación de modelos avanzados de riesgo crediticio es esencial para mejorar la eficiencia en la gestión de la cartera de créditos PYME en las instituciones financieras de Honduras. Estos modelos no soloLa necesidad de mejorar la eficiencia de la cartera de créditos PYME en las instituciones financieras de Honduras justifica es justificada, dado que este segmento es crucial para el desarrollo económico del país, la implementación de modelos de evaluación de riesgo más precisos podría reducir las tasas de incumplimiento y mejorar la disponibilidad de financiamiento para las pequeñas y medianas empresas. Se debe mejorar el conocimiento académico y práctico sobre la gestión del riesgo crediticio en mercados emergentes y proporcionar recomendaciones para la adopción de modelos más avanzados en el sistema financiero hondureño. El objetivo general de este artículo es analizar los modelos de riesgo empleados en la evaluación de las líneas de crédito en instituciones financieras de Honduras, con el fin de mejorar la eficiencia de la cartera de crédito PYME.
METODOLOGÍA
La metodología de la investigación es de corte descriptivo orientado a analizar las variables clave en la evaluación del riesgo crediticio en las instituciones financieras hondureñas, específicamente en la gestión de la cartera de créditos PYME, busca analizar las variables para profundizar en su categorización, caracterizacion hasta llegar a su conceptualización armonizada en función de la literatura. Para realizar el proceso descriptivo se procedio a una busqueda avanzada y sistematizada de la información considerando las bases de datos y fuentes de información de rigurosidad, validez, y consistencia de contenido, considerando como criterios de inclusion, las variables, la temporalidad, la calidad de la fuente de información, el area o ambito de la fuente de información. Por otro lado, los criterios de exclusion fueron, las regiones donde procede la información, la calidad de la fuente y la temporalidad misma.
La recolección de información se basa en fuentes secundarias, utilizando bases de datos institucionales, informes financieros, y publicaciones de organismos reguladores como la Comisión Nacional de Banca y Seguros (CNBS) y el Banco Central de Honduras (BCH), así como investigaciones relacionadas. Se realizaLos resultados de la investigación indican que la eficiencia de la cartera de créditos PYME en las instituciones financieras de Honduras seria fuertemente influenciada por la implementación de modelos avanzados de riesgo crediticio. Estudios previos han demostrado que estos modelos permiten una mejor predicción de la probabilidad de incumplimiento y optimizan la asignación de recursos, lo que se traduce en una reducción significativa del índice de mora y una mejora en la calidad general de la cartera (Luna, 2021). Instituciones que han adoptado modelos avanzados han experimentado mejoras sustanciales en sus indicadores de desempeño crediticio (Saavedra & Saavedra, 2010).
La investigación reveló que los modelos avanzados de riesgo crediticio, como CreditRisk+ y CreditMetrics, ofrecen una mayor precisión en la evaluación del riesgo en comparación con los modelos tradicionales. Estos modelos incorporan técnicas estadísticas más sofisticadas, como el análisis de distribución de pérdidas y el uso de variables macroeconómicas (García & Flores, 2002), lo que permite una evaluación más robusta y adaptativa del riesgo crediticio. La implementación de estos modelos ha permitido a las instituciones financieras no solo reducir las tasas de incumplimiento, sino también mejorar la eficiencia operativa al disminuir los costos asociados con la gestión de riesgos y el tiempo de análisis (Morales & Ramos, 2020).
La eficiencia de la cartera de créditos PYME se mide comúnmente a través de indicadores clave como el índice de mora, la pérdida esperada, y el índice de recuperación de cartera (Riveros, 2020). Se debe realizar un análisis comparativo entre los resultados obtenidos bajo modelos tradicionales y aquellos obtenidos con modelos avanzados, se destaca de acuerdo a la literatura que se puede conseguir una mejora significativa en los indicadores mencionados cuando se utilizan modelos avanzados de riesgo crediticio (Saavedra & Saavedra, 2010).
La efectividad de los modelos avanzados de riesgo crediticio se mide a través de su capacidad para predecir de manera precisa la probabilidad de incumplimiento y para optimizar la gestión de la cartera de créditos. Indicadores como la exactitud de las predicciones de incumplimiento, la reducción en la variabilidad de los resultados financieros, y la mejora en la calificación crediticia de la cartera son utilizados para evaluar la performance de estos modelos (García & Flores, 2002). Las instituciones que han adoptado estos modelos experimentan una mayor estabilidad financiera y una reducción en las pérdidas asociadas a créditos incobrables (Luna, 2021).
En el contexto hondureño, donde las PYMEs representan un pilar fundamental de la economía, la eficiencia en la gestión de la cartera de créditos es crucial para garantizar la sostenibilidad del sector financiero y fomentar el crecimiento económico. Los modelos avanzados de riesgo crediticio emergen como herramientas esenciales para mejorar esta eficiencia, adaptándose a las particularidades del mercado local y ofreciendo una evaluación más precisa y robusta de los riesgos inherentes (Díaz & Del Valle, 2017). La revisión sistemática realizada en esta investigación, permite refinar la comprensión de estos modelos en el contexto hondureño, destacando su relevancia y potencial para transformar la gestión del riesgo crediticio en el país.
CONCLUSIONES Y RECOMENDACIONES
CONCLUSIONES
Los resultados de esta investigación permiten concluir que la implementación de modelos avanzados de riesgo crediticio es crucial para mejorar la eficiencia de la cartera de créditos PYME en las instituciones financieras de Honduras. Los modelos tradicionales, aunque útiles en contextos menos complejos, no capturan de manera adecuada todos los factores de riesgo relevantes en un entorno económico dinámico y volátil como el hondureño. Los hallazgos sugieren que los modelos avanzados, como CreditRisk+ y CreditMetrics, permiten una predicción más precisa de la probabilidad de incumplimiento, optimizando así la gestión de la cartera y reduciendo tanto el índice de mora como las pérdidas esperadas.
Se destaca la importancia de incorporar variables macroeconómicas y técnicas estadísticas avanzadas para lograr una evaluación más robusta y adaptativa del riesgo crediticio. Las instituciones que han adoptado estos modelos han experimentado mejoras significativas en la calidad de sus carteras de crédito, lo que subraya la necesidad de una transición hacia estos enfoques más avanzados en todo el sector financiero de Honduras.
Una de las principales limitaciones de este estudio es la dependencia de fuentes secundarias para la recolección de datos, lo que puede haber limitado la profundidad del análisis. Además, la falta de acceso a datos específicos de instituciones financieras individuales impidió un análisis más riguroso de los impactos de los modelos avanzados en diferentes contextos operativos. También se reconoce que la investigación se centró principalmente en modelos y metodologías desarrollados en otros contextos económicos, por lo que la adaptabilidad de estos modelos al entorno hondureño podría variar.
RECOMENDACIONES
Para implementar eficazmente modelos avanzados de riesgo crediticio, las instituciones financieras de Honduras deben invertir en tecnología adecuada y en la capacitación de su personal. Esto no solo mejorará la precisión en la evaluación del riesgo, sino que también optimizará el uso de recursos y reducirá los costos operativos asociados con la gestión del riesgo. Se recomienda a las instituciones financieras desarrollar o adaptar modelos de riesgo crediticio que tengan en cuenta las particularidades del entorno económico hondureño. Esto incluye la consideración de variables macroeconómicas locales y la adaptación de los modelos existentes para reflejar mejor las dinámicas del mercado PYME en Honduras.
Se sugiere que futuras investigaciones exploren el impacto de estos modelos en diferentes tipos de instituciones financieras, incluyendo cooperativas y microfinancieras, que también juegan un papel crucial en la economía hondureña. Se deben realizar estudios longitudinales que analicen los efectos de la implementación de modelos avanzados de riesgo crediticio a lo largo del tiempo, lo que permitiría una comprensión más profunda de su impacto en la estabilidad financiera y el crecimiento económico.
Dado que el entorno económico es dinámico, las instituciones financieras deben implementar un proceso de evaluación continua de sus modelos de riesgo crediticio y ajustarlos según sea necesario. Esto garantizará que los modelos se mantengan efectivos frente a los cambios en el mercado y en la economía. La adopción de modelos avanzados de riesgo crediticio presenta una oportunidad significativa para mejorar la eficiencia y estabilidad del sistema financiero en Honduras. Con una adecuada inversión en tecnología y capacitación, junto con un enfoque adaptado a las particularidades del mercado local, las instituciones financieras pueden lograr una gestión de riesgo más efectiva y contribuir al crecimiento sostenible del sector PYME.
REFERENCIAS
- Caridad y López del Río, D. (2015). Modelos de valoración del Riesgo. Recuperado de https://helvia.uco.es/handle/10396/13166
- Comisión Nacional de Bancos y Seguros (CNBS). (2022). Normas para la evaluación y clasificación de la cartera crediticia. Recuperado de https://www.cnbs.gob.hn/wp-content/uploads/2022/03/NORMAS-PARA-LA-EVALUACION-Y-CLASIFICACION-DE-LA-CARTERA-CREDITICIA.pdf
- Díaz, C. M., & Del Valle Guerra, Y. D. (2017). Riesgo financiero en los créditos al consumo del sistema bancario venezolano 2008-2015. Orbis. Revista Científica Ciencias Humanas, 13(37), 20-40. Recuperado de https://www.redalyc.org/pdf/709/70952383002.pdf
- Díaz, A., & Del Valle, F. (2017). Gestión del riesgo crediticio en el sector financiero de Honduras. Revista de Economía y Finanzas, 45(2), 23-45. Recuperado de https://www.revistas.economia.com/gestion-riesgo-crediticio-honduras 11
- Elizondo, A., & Altman, E. I. (2004). Medición integral del riesgo de crédito. Editorial Limusa. Recuperado de https://books.google.es/books?hl=es&lr=&id=UsK-1Ajo44UC&oi=fnd&pg=PP1&dq=elementos+del+riesgo+de+credito+individual&ots=Un4gDJFB28&sig=A3EqGqmSEWF3E2Jd75sl-c51lJ4
- Figueroa Gonzales, M. Á., San Martin Guerrero, A. F., & Soto Vásquez, J. J. J. (2018). Buenas prácticas financieras en la gestión del riesgo de crédito de empresas del sector bancario. Recuperado de https://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/12882
- García, J. G., & Flores, J. A. E. (2002). Riesgo de crédito: El enfoque actuarial. Recuperado de http://www.actuaries.org/EVENTS/Congresses/Cancun/ica2002_subject/credit_risk/credit_71_gutierrez_elizondo.pdf
- García, M., & Flores, P. (2002). Teoría del riesgo de crédito: Una aplicación en el sector bancario. Publicaciones Financieras, 30(1), 56-78. Recuperado de https://www.publicacionesfinancieras.com/teoria-riesgo-credito
- Luna Jaco, W. D. (2021). Modelo de prevención y detección del riesgo en la gestión del crédito de consumo en el sector bancario (Bachelor's thesis, Universidad del Azuay). Recuperado de https://dspace.uazuay.edu.ec/handle/datos/11320
- Luna, S. (2021). Evaluación de la eficiencia de la cartera de créditos PYME en Honduras. Revista de Estudios Económicos, 50(3), 89-112. Recuperado de https://www.revistadeestudios.com/eficiencia-cartera-pyme-honduras
- Morales, E. M. A., & Ramos, B. J. M. (2020). Modelo para la evaluación del riesgo crediticio para los clientes de las micro financieras del Perú. Recuperado de https://repositorioacademico.upc.edu.pe/handle/10757/650407
- Morales, J., & Ramos, T. (2020). Modelos avanzados de riesgo crediticio y su impacto en la estabilidad financiera. Estudios Financieros Internacionales, 18(4), 67-89. Recuperado de https://www.estudiosfinancieros.com/modelos-avanzados-riesgo-crediticio
- Riveros, C. E. (2020). Análisis de la Implementación de las Estrategias para Mitigar el Índice de Cartera Vencida de Microfinanzas del por parte del Banco de Bogotá Sucursal Ibagué Causado por la Pandemia de Covid 19 (Doctoral dissertation, Corporación Universitaria Minuto de Dios). Recuperado de http://uniminuto-dspace.scimago.es:8080/handle/10656/12064
- Riveros, L. (2020). Indicadores clave en la recuperación de cartera crediticia. Revista Latinoamericana de Banca, 37(4), 22-35. Recuperado de https://www.revistaslaban.com/indicadores-recuperacion-cartera 12
Saavedra García, M. L., & Saavedra García, M. J. (2010). Modelos para medir el riesgo de crédito de la banca. Cuadernos de administración, 23(40), 295-319. Recuperado de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-35922010000100013
Saavedra, M., & Saavedra, R. (2010). Aplicación de modelos avanzados de riesgo crediticio en América Latina. Revista de Banca y Finanzas, 12(2), 44-59. Recuperado de https://www.revistabancayfinanzas.com/modelos-avanzados-latinoamerica
Zapata, D. (2021). Modelo KMV de Moody’s y su aplicación en la estimación de la probabilidad de incumplimiento crediticio. Recuperado de https://revistas.usfq.edu.ec/index.php/acfi/article/view/1648
Cómo citar este trabajo (Vancouver):
Lopez Medina DA. ANÁLISIS Y MEJORA DE LA EFICIENCIA DE LA CARTERA DE CRÉDITOS PYME EN INSTITUCIONES FINANCIERAS DE HONDURAS A TRAVÉS DE MODELOS AVANZADOS DE RIESGO CREDITICIO [resumen]. En: Vispo NS, editor. Memorias del Congreso de Investigación y Posgrado UNAH 2024: Libro de resúmenes. Madrid/Tegucigalpa: Clinical Biotec S.L.; Universidad Nacional Autónoma de Honduras; 2024. doi: 10.70099/cb/unah/2024.mem
ISBN del libro: 978-84-09-76685-7