La industria financiera, ha desarrollado una alta dependencia en la analítica predictiva para alcanzar los objetivos de negocio y cumplir con temas regulatorios y de mejores prácticas.  Este modelado toca virtualmente a cada área que tiene poder de decisión y monitoreo en la Entidad, desde el perfil de cliente objetivo, las campañas de marketing, el precio de los créditos y determinación de sus provisiones, la planeación estratégica, el cálculo de capital regulatorio, hasta el manejo de los fraudes y la creación de escenarios para generar proyecciones del negocio incluyendo ahí las pruebas de estrés.

De tal suerte que el modelo de riesgo, interpretado como: el mal uso del modelo,  el deficiente desarrollo del mismo o su implementación errónea.  Y definido como  las posibles consecuencias adversas (incluyendo pérdidas financieras) por la toma de  decisiones basadas en modelos cuantitativos que son incorrectos o equivocadamente aplicados.

Por lo que se ha convertido en centro de atención de reguladores y regulados y, por consiguiente, se estudia con lupa para alcanzar un mayor estándar de ejecución y con ello, cabal observancia de las recientes regulaciones, que incentivan cada vez más a desarrollar e implementar modelos, así como el gobierno de los mismos.

Para los reguladores el término modelo refiere a “un método, sistema o enfoque cuantitativo que aplica teorías, técnicas e hipótesis estadísticas, económicas, financieras o matemáticas, para procesar datos en estimaciones cuantitativas”.

Un modelo consta, idealmente, de tres componentes:

1. Entradas (inputs) que pueden tomar la forma de datos, hipótesis o suposiciones.
2. Un método, técnica, sistema o algoritmo para transformar las entradas de los modelos en salidas (outputs) o estimaciones: estadísticas, matemáticas o críticas.
3. Un componente de reporteo que despliegue dichos resultados en información útil para tomar decisiones empresariales y satisfacer los escrutinios y requerimientos regulatorios.

Son evidentes las consecuencias que se producen a partir de modelos mal diseñados o implementados, incluso aquellas provocadas por el mal uso de dichos modelos, puesto que pueden afectar substancialmente a las instituciones, generando pérdidas, escasez de capital o falta de liquidez, fuga de clientes, multas por incumplimiento, daño reputacional o vulnerabilidad en las estrategias y planes de la organización, entre otras tantas más.

La gestión de los modelos de riesgo incluye el diseño e implementación de un marco que formalice los criterios a seguir en su desarrollo e implementación, asegurando su uso prudente, estableciendo procedimientos para validar su  desempeño, definir el gobierno y, criterios de control y documentación aplicables.

No obstante que se solvente efectivamente las etapas de desarrollo, implementación, uso y validación de los modelos, es necesario un marco de gobierno a la altura de las anteriores fases, de tal manera que exista un Comité y la Alta Gerencia con la debida responsabilidad, políticas y procedimientos, roles y responsabilidades, auditoría interna, en su caso recursos externos que den su opinión sobre el caso, inventario de los modelos y documentación normalizada. Así pues, orquestar y evidenciar apropiadamente todas estas actividades.

SAS considera que la tecnología es un factor importante que puede ayudar eficientemente a las instituciones a crear un marco para la Gestión de los Modelos de Riesgo.  La innovación puede mejorar considerablemente la capacidad de un banco para:

• Crear y administrar eficientemente los modelos, conforme lo requieran las circunstancias, por ejemplo: Basilea, Pruebas de estrés o de resistencia, perfilamiento de clientes y su ciclo de vida en la Entidad, etc.
• Mejorar el estándar de la gestión de los modelos respecto a su riesgo inherente.
• Promover y sensibilizar el riesgo del modelo a nivel institucional.
• Cumplir con los requerimientos regulatorios, en relación al ciclo de vida de los modelos actuales y de aquellos que están en camino.