Actualmente el modelo de liquidez normativo que posee el Banco, no cuenta con una apropiada modelación del comportamiento de los flujos de ingresos y egresos de sus productos de tarjetas y líneas de crédito. Estos flujos se encuentran alocados en el largo plazo, lo que significa que se esta asumiendo que el dinero prestado respecto a estos productos no se recuperará en un plazo menor a 365 días. Esto trae consigo la imposibilidad para el Banco de contar con estos montos de activos en plazos menores, lo que limita normativamente el monto total posible de invertir diariamente. El objetivo que plantea el presente trabajo lo constituye el establecer un modelo que permita distribuir en el tiempo los saldos totales en tarjetas de crédito y líneas de crédito que posee el Banco, respecto al comportamiento de sus clientes, liberando así recursos para ser invertidos y permitiendo una correcta medición del riesgo de liquidez que lo afecta. La metodología a aplicar la constituye el Data Mining. Esta a través de distintas etapas y la aplicación de herramientas estadísticas y análisis cuantitativos permitirá establecer el modelo de comportamiento para estos productos que no poseen vencimiento definido. También forman parte del presente trabajo la medición del impacto en la liquidez del banco con la implantación del modelo. Además del impacto económico generado por la liberación de recursos a ser invertidos. Tras realizar la etapa de segmentación, utilizando el método de la varianza., se puede observar que la cartera de líneas de crédito pueden ser segmentada por variables como el tipo de cliente (persona o empresa), moneda asociada (peso o dólar) y el origen de la deuda (pactada o no pactada). La cartera de tarjetas de crédito fue segmentada por variables como la fecha de pago (día 5, 15 o fin de mes) y por el porcentaje de pago (mas que el mínimo, el mínimo o menor al mínimo). El modelo aplicado permite distribuir los saldos presentes en la cartera de estos productos, de acuerdo al comportamiento que presentan los distintos segmentos definidos. Esta queda fundamentado por la prueba retrospectiva realizada la cual permitió validar la distribución estimada. La holgura que permite obtener, el aplicar el modelo en la medición del riesgo de liquidez del Banco, entrega la disponibilidad de aproximadamente $ 20000 MM. Este monto puede ser invertido en instrumentos financieros tales como las Colocaciones Interbancarias 1 día. Esta alternativa entrega un mayor retorno, el cual supera los $ 4.5 millones diarios. Dado esto es fundamental la próxima implementación del modelo para una correcta gestión del Riesgo de Liquidez del Banco y el retorno asociado.

El presente trabajo investiga el efecto presente del tamaño y la capitalización de las instituciones financieras sobre el riesgo de liquidez medido de dos maneras: el ratio LTD, créditos/depósitos, y el que brinda la SBS, activos líquidos/pasivos de corto plazo, se toma en cuenta 34 instituciones financieras con datos de frecuencia mensual para los años 2013-2019 en Perú. Para propósito de la investigación se utiliza una regresión panel de efectos fijos para capturar el efecto conjunto, posteriormente se desagrega la muestra por tipo de institución financiera para evaluar el impacto desagregado de las variables por especialización bancaria. Los resultados muestran que ambas variables tienen un efecto directo (LTD) e inverso (RL) con el riesgo de liquidez, sin embargo, en cuanto a la capitalización el efecto no es el esperado, incluso cuando se desagrega por la especialización bancaria. El trabajo está dividido en 6 secciones: (1) introducción, (2) marco teórico donde se aborda al sistema financiero y el análisis de los estudios previos, (3) los objetivos e hipótesis de la investigación, (4) la presentación y análisis de los datos, (5) los resultados, la metodología empleada y el análisis con los estudios previos, y por último (6) las conclusiones del presente trabajo. / This paper investigates the present effect of the size and capitalization of financial institutions on liquidity risk measured in two ways: the LTD ratio (loans / deposits), and the one provided by the SBS (liquid assets / short-term liabilities). 34 institutions are taken into account with monthly frequency data for the years 2013-2019 in Peru. For the purpose of the research, a fixed effects panel regression is used to capture the joint effect, then the sample is disaggregated by type of financial institution to evaluate the disaggregated impact of the variables by banking specialization. The results show that both variables have a direct (LTD) and inverse (RL) effect with liquidity risk, however, regarding capitalization, the effect is not as expected, even when broken down by bank specialization. The paper is divided into 6 sections: (1) introduction, (2) theoretical framework, where the financial system and the analysis of previous studies are addressed, (3) the objectives and hypotheses of the research, (4) the presentation and analysis of the data, (5) the results, the methodology used and the analysis with the previous studies, and finally (6) the conclusions of the present paper. / Trabajo de investigación