INTRODUCCIÓN

Las cooperativas de ahorro y crédito constituyen pilares fundamentales de la inclusión financiera en economías emergentes, facilitando el acceso a servicios bancarios para poblaciones tradicionalmente marginadas del sistema financiero formal. ^{Vásquez et al. (2024}) documentan que el capital social reduce la probabilidad de incumplimiento hasta en 1.5% por organización adicional en cooperativas ecuatorianas, mientras que la educación superior disminuye 3.8% la probabilidad de riesgo potencial. Estos hallazgos resaltan el papel estas instituciones como instrumentos de desarrollo económico y cohesión social, particularmente en contextos donde la banca tradicional presenta limitaciones de cobertura geográfica y accesibilidad socioeconómica.

No obstante, la morosidad crediticia representa una amenaza sistémica para la sostenibilidad operativa y la misión social de estas entidades financieras especializadas. ^{Andrean et al. (2024}) revelan que las cooperativas indonesias gestionan activos por 20.67 trillones de rupias sirviendo a 4.6 millones de miembros, evidenciando la magnitud del sector y la importancia crítica de implementar estrategias robustas de mitigación de riesgos como el análisis 5C (carácter, capacidad, capital, colateral, condiciones). En este contexto, la gestión de riesgo crediticio emerge como el marco conceptual esencial para abordar esta problemática, abarcando procesos sistemáticos de identificación, evaluación, monitoreo y control de factores que influyen en la capacidad de pago de los deudores.

En este marco, la literatura académica ha consolidado evidencia substancial sobre determinantes macroeconómicos y características individuales del prestatario como factores explicativos de la morosidad. ^{Visemih y Azie (2024}) identifican la educación como determinante clave de préstamos no productivos, estableciendo una relación negativa significativa (coeficiente -0.577, p < 0.05) que indica una reducción del 57.7% en NPLs por incrementos en el nivel educativo. Asimismo, ^{Sagala y Fransiscus (2024}) enfatizan la implementación estructurada de procesos de identificación, medición, monitoreo y manejo de riesgos crediticios incobrables, proporcionando un marco operativo que justifica el estudio de prácticas específicas de gestión organizacional.

Pese a estos avances, persiste una brecha importante en la evidencia empírica sobre cómo las prácticas internas de gestión de riesgo crediticio impactan diferentemente los niveles de morosidad en cooperativas financieras. ^{Kedia y Mishra (2024}) realizan una revisión sistemática de 774 artículos (1990-2022) sobre gestión de riesgos crediticios, identificando tendencias hacia modelos estadísticos y aprendizaje automático, pero destacando la escasez de investigaciones focalizadas en cooperativas financieras.

Esta laguna metodológica es particularmente problemática considerando que la literatura predominante trata la gestión de riesgo crediticio como un constructo monolítico, sin desagregar sus componentes funcionales ni cuantificar el impacto predictivo relativo de políticas formales, procesos de evaluación, mecanismos de recuperación y estrategias de diversificación. ^{Zhang y Yu (2024}) reportan incrementos del 13% en tasas de morosidad bancaria china (1.66% en Q3 2022) y crecimiento del 6% en crédito al consumidor estadounidense ($470 mil millones en 2022), subrayando la urgencia de desarrollar modelos predictivos robustos que trasciendan análisis bivariados simples.

Frente a este escenario, este estudio desarrolla y prueba empíricamente un modelo multivariado destinado a identificar los determinantes clave de la morosidad crediticia a nivel de gestor en una cooperativa de ahorro y crédito peruana. La investigación operacionaliza la gestión de riesgo crediticio mediante cuatro dimensiones diferenciadas: políticas de crédito, evaluación del deudor, mecanismos de recuperación y diversificación del portafolio, empleando análisis de regresión múltiple jerárquica para determinar su poder predictivo relativo sobre la tasa de morosidad institucional.

Este estudio contribuye a la literatura académica de tres maneras principales: primero, operacionaliza y mide empíricamente componentes distintivos de la gestión de riesgo crediticio, superando conceptualizaciones agregadas que oscurecen mecanismos causales específicos; segundo, utiliza metodología de análisis multivariado para determinar el poder predictivo relativo de cada dimensión, proporcionando evidencia cuantitativa sobre la efectividad diferencial de prácticas gerenciales; y tercero, ofrece implicaciones prácticas basadas en evidencia para la optimización de procesos en cooperativas de ahorro y crédito, con potencial de generalización a instituciones financieras similares en contextos emergentes. El artículo se estructura siguiendo el formato IMRAD: antecedentes contextualizados, metodología detallada, presentación y análisis de resultados, y discusión crítica en diálogo con la literatura.

En este contexto, el presente estudio tiene como objetivo principal determinar el impacto predictivo de un conjunto de prácticas de gestión de riesgo crediticio sobre la tasa de morosidad en una cooperativa de ahorro y crédito, integrando de manera diferencial las dimensiones mencionadas y considerando las características de los gestores. Esta finalidad se deriva de la necesidad de comprender y optimizar los mecanismos que inciden en la sostenibilidad financiera y social de dichas instituciones, reafirmando la pertinencia y oportunidad de la investigación en el marco de la inclusión financiera y la gestión de riesgos en economías emergentes.

MÉTODO

Se implementó un estudio con enfoque cuantitativo, diseño no experimental, de corte transversal, y alcance correlacional-explicativo para examinar las relaciones entre prácticas de gestión de riesgo crediticio y tasas de morosidad. Esta aproximación metodológica permitió evaluar asociaciones entre variables sin manipulación experimental, capturando la variabilidad natural en un momento temporal específico.

La población de estudio estuvo conformada por todos los colaboradores de la cooperativa de ahorro y crédito involucrados en el ciclo de gestión crediticia, incluyendo analistas de crédito, jefes de créditos y agencias, y gestores de riesgos. En total, participaron 34 profesionales, representando el universo completo de personal operativo en funciones crediticias durante el período de recolección. La cooperativa seleccionada es representativa del sector en la región, con una cartera diversificada compuesta por créditos de consumo y microempresa, orientada a segmentos poblacionales de ingresos medios y bajos.

El procedimiento de recolección de datos se inició mediante contacto formal con la gerencia general. Se implementaron protocolos estrictos de anonimato y confidencialidad para asegurar la integridad de las respuestas y cumplir con estándares éticos de investigación. La recolección se ejecutó mediante cuestionario autoadministrado aplicado en formato digital durante horario laboral, minimizando interferencias con actividades operativas regulares.

El instrumento de medición fue diseñado ad hoc, fundamentado en literatura especializada sobre gestión del riesgo crediticio y finanzas cooperativas. La variable dependiente, tasa de morosidad, se operacionalizó como el porcentaje de cartera con atraso mayor a 30 días, medida en escala cuantitativa de razón.

Las variables independientes incluyeron cuatro dimensiones de gestión de riesgo crediticio: Políticas de Crédito, operacionalizada como promedio de ítems sobre claridad, comunicación y cumplimiento de políticas formales; Evaluación del Deudor, medida a través del rigor en análisis de capacidad de pago, historial crediticio y verificación de garantías; Mecanismos de Recuperación, cuantificada por la proactividad en seguimiento de pagos, contacto temprano y gestión de cobranza; y Diversificación del Portafolio, evaluada mediante concentración de créditos por sector económico o tipo de cliente.

Todas las variables independientes utilizaron escalas Likert de 1 a 5 puntos, calculándose como promedios compuestos de sus respectivos ítems. Las variables de control incluyeron Años de Experiencia, medidos como años completos en gestión crediticia, y Nivel Educativo, codificado ordinalmente (1=Técnico, 2=Universitario, 3=Posgrado).

Para garantizar la confiabilidad del instrumento, se calculó la consistencia interna de las escalas mediante el coeficiente alfa de Cronbach, obteniendo valores satisfactorios: políticas de crédito (α = 0.82), evaluación del deudor (α = 0.88), mecanismos de recuperación (α = 0.85) y diversificación del portafolio (α = 0.79), todos superiores al umbral recomendado de 0.70 para investigaciones exploratorias.

La estrategia de análisis estadístico se ejecutó mediante SPSS versión 28.0, implementando una secuencia analítica estructurada en cuatro fases. El análisis descriptivo inicial calculó medias, desviaciones estándar y frecuencias para caracterizar la muestra y las variables principales. El análisis bivariado utilizó correlaciones de Pearson para examinar asociaciones entre variables cuantitativas y detectar posible multicolinealidad antes de la regresión, considerando problemático cualquier coeficiente r > 0.80 entre predictores.

El análisis inferencial principal consistió en regresión lineal múltiple jerárquica ejecutada en dos pasos: Paso 1 introdujo variables de control (años de experiencia y nivel educativo), mientras que Paso 2 añadió las cuatro dimensiones de gestión de riesgo crediticio para evaluar su poder predictivo incremental sobre la tasa de morosidad. Los análisis adicionales incluyeron pruebas t para muestras independientes y ANOVA para comparaciones específicas entre grupos, complementando el análisis principal con evaluaciones detalladas de diferencias en subpoblaciones relevantes.

RESULTADOS Y DISCUSIÓN

La muestra quedó constituida por 34 participantes distribuidos según roles específicos en la cooperativa, tal como se presenta en la Tabla 1. Los analistas de crédito constituyeron la mayoría, seguidos por los jefes de créditos y agencias, y finalmente por los gestores de riesgos. La experiencia promedio en gestión crediticia fue de 6.82 años (DE = 3.15). En cuanto al nivel educativo, predominaron los profesionales universitarios (55.9%), seguidos por técnicos (32.4%) y una menor proporción con estudios de posgrado (11.8%).

Tabla 1 Características demográficas de los participantes (N = 34) 

Las estadísticas descriptivas de las variables principales del estudio se presentan en la Tabla 2. La tasa de morosidad promedio fue de 6.75% con una desviación estándar de 2.10%. Entre las dimensiones de gestión de riesgo crediticio, la diversificación del portafolio obtuvo la media más alta, mientras que las políticas de crédito registraron la puntuación más baja. Los años de experiencia mostraron considerable variabilidad entre los participantes.

Análisis de correlaciones

La Tabla 2 presenta la matriz de correlaciones de Pearson entre todas las variables cuantitativas del estudio. La tasa de morosidad mostró correlaciones negativas y significativas con tres dimensiones de gestión de riesgo crediticio: políticas de crédito (r = -0.58), evaluación del deudor (r = -0.71), y mecanismos de recuperación (r = -0.65). Estas correlaciones indican asociaciones moderadas a fuertes entre estas prácticas y menores niveles de morosidad. La diversificación del portafolio presentó una correlación negativa no significativa con la morosidad (r = -0.29). Los años de experiencia mostraron correlaciones débiles y no significativas con todas las variables principales.

Tabla 2 Estadísticas Descriptivas y Matriz de Correlaciones de Pearson 

Nota. N = 34. p < 0.05, p < 0.01 (bilateral).

Las correlaciones entre variables independientes oscilaron entre 0.31 y 0.62, descartando problemas de multicolinealidad severa que pudieran comprometer la validez del análisis de regresión múltiple. Todas las correlaciones entre predictores se mantuvieron por debajo del umbral crítico de 0.80, confirmando la independencia relativa de las dimensiones de gestión de riesgo crediticio.

Resultados del análisis de regresión

La Tabla 3 presenta los resultados del análisis de regresión lineal múltiple jerárquica para predecir la tasa de morosidad. El modelo completo (Modelo 2) alcanzó significancia estadística y explicó una porción sustancial de la varianza en la variable dependiente. El añadido de las prácticas de gestión de riesgo crediticio en el Paso 2 produjo un cambio significativo en la capacidad predictiva del modelo.

Tabla 3 Resultados de la regresión lineal múltiple jerárquica para predecir la tasa de morosidad 

Nota. N = 34. VD = Tasa de Morosidad (%). p < 0.05, p < 0.01, p < 0.001.

Al examinar los coeficientes individuales del modelo final, la evaluación del deudor (β = -0.45, p < 0.01) emergió como el predictor más fuerte y significativo de la tasa de morosidad. Los mecanismos de recuperación (β = -0.38, p < 0.05) constituyeron el segundo predictor significativo. Ambos coeficientes negativos indican que mejoras en la calidad de estos procesos se asocian con reducciones en la morosidad, incluso controlando por otros factores. Las políticas de crédito y la diversificación del portafolio no alcanzaron significancia estadística en el modelo multivariado.

Análisis comparativos adicionales

Las comparaciones por tipo de crédito revelaron diferencias significativas en las tasas de morosidad entre carteras. La Tabla 4 muestra que los créditos de consumo presentaron niveles de morosidad significativamente superiores a los créditos de microempresa. Esta diferencia alcanzó significancia estadística según la prueba t para muestras independientes.

Tabla 4 Comparación de la Tasa de Morosidad por Tipo de Crédito Predominante 

Nota. Prueba t para muestras independientes; p < 0.0

El análisis de varianza por nivel educativo reveló diferencias significativas en la percepción de efectividad de la evaluación del deudor. La Tabla 5 documenta que los participantes con formación de posgrado reportaron niveles de efectividad significativamente superiores comparados con aquellos de nivel técnico, según las comparaciones post-hoc.

Tabla 5 Análisis Post-Hoc de la Percepción de Efectividad de la “Evaluación del Deudor” por Nivel Educativo 

Nota. ANOVA de un factor; comparaciones post-hoc Tukey HSD: diferencia significativa Técnico vs. Posgrado, p < 0.05.

Discusión

Este estudio se propuso identificar los determinantes clave de la morosidad crediticia en cooperativas de ahorro y crédito, revelando que no todas las prácticas de gestión de riesgo ejercen un impacto uniforme sobre los niveles de incumplimiento. Los resultados mostraron que la rigurosidad en la evaluación inicial del deudor y la proactividad en los mecanismos de recuperación son los factores más influyentes para mitigar el riesgo crediticio. En contraste, las políticas formales y la diversificación del portafolio no evidenciaron efectos estadísticamente significativos en el modelo multivariado.

En particular, el fuerte impacto predictivo de la evaluación del deudor (β = -0.45, p < 0.01) se alinea conceptualmente con los postulados de la teoría de la agencia, sugiriendo que constituye el principal mecanismo ex-ante para reducir asimetrías informativas y prevenir problemas de selección adversa en las relaciones crediticias. En este sentido, ^{Bambico y Vergara (2024}) caracterizan patrones de morosidad en microfinanzas filipinas utilizando modelos de cadenas de Markov de segundo orden, encontrando que las características comportamentales del prestatario superan en importancia predictiva a las características demográficas. Sin embargo, estos hallazgos contrastan parcialmente con los hallazgos del presente estudio, dado que aquí emerge la evaluación institucional del deudor como un factor crítico, lo cual sugiere que la calidad de los procesos internos de análisis crediticio podría compensar las limitaciones asociadas a la información histórica disponible sobre el comportamiento del solicitante.

De manera paralela, los mecanismos de recuperación (β = -0.38, p < 0.05) funcionan como controles ex-post que mitigan el riesgo moral una vez materializado el incumplimiento. Esta interpretación concuerda con lo identificado por ^{Naz et al. (2024}) quienes evidencian que tanto factores internos, procesos de evaluación ineficientes, como externos, como condiciones económicas adversas, influyen en la morosidad microfinanciera. Por lo tanto, los resultados sugieren que los mecanismos de recuperación proactivos pueden mitigar efectivamente el impacto de estos factores, proporcionando a las instituciones herramientas concretas para gestionar el riesgo una vez que se ha materializado el incumplimiento.

Resulta particularmente notable que las políticas de crédito formales no constituyen un predictor significativo una vez considerados los procesos operativos de evaluación y recuperación. Este hallazgo apunta la existencia de una brecha de implementación entre la documentación formal de políticas y su aplicación efectiva en la práctica crediticia cotidiana. En este sentido, ^{Koffi et al. (2024}) examinan el impacto de factores sociales como la confianza interpersonal, reportando reducciones de 4.2% en la morosidad microfinanciera. Esta evidencia complementa los hallazgos del presente estudio al sugerir que la efectividad de las políticas formales puede estar mediada por factores relacionales y de confianza que trascienden la documentación procedimental.

La comparación con estudios previos revela patrones consistentes, pero con ciertas particularidades. Por ejemplo, ^{Huerta et al. (2024}) reportan tasas de morosidad superiores al 8% para calificación C en microfinanzas peruanas, comparadas con el 6.75% promedio observado en este estudio. Esta discrepancia puede explicarse por las características específicas del sector cooperativo, que tradicionalmente mantiene vínculos más estrechos con sus socios y aplica criterios de inclusión social que pueden traducirse en mejores tasas de recuperación. Además, las diferencias significativas encontradas entre las tasas de morosidad en créditos de consumo (7.95%) y en créditos para microempresa (5.40%) respaldan esta interpretación, pues los préstamos productivos suelen presentar menores riesgos de incumplimiento.

Por otro, lado, ^{Lee et al. (2024}) evidencian que la diversificación financiera en instituciones microfinancieras amplía la frontera de eficiencia media-varianza, aunque advierten que sin posiciones en corto los beneficios disminuyen. En contraste el presente estudio encontró que la diversificación del portafolio no constituyó un predictor significativo, una situación que podría reflejar limitaciones operativas específicas del sector cooperativo. En estas instituciones las restricciones geográficas y la naturaleza de mercado objetivo podrían limitar las oportunidades de diversificación efectiva. Esta interpretación se ve respaldada por los hallazgos de ^{Aurazo y Gasmi (2024}) sobre transiciones de inclusión financiera en Perú, donde la informalidad laboral que afecta al 70% de la fuerza laboral reduce en 20% la probabilidad de inclusión financiera, sugiriendo que las cooperativas operan en segmentos poblacionales con limitadas opciones de diversificación sectorial.

Los hallazgos del presente estudio contrastan con las tendencias identificadas por ^{Talavera et al. (2024}) en su análisis de clústeres de inclusión financiera peruana, donde el 30% de la población rural presenta acceso limitado a servicios bancarios. Si bien las cooperativas desempeñan un papel fundamental en la inclusión financiera rural, los resultados sugieren que la efectividad de sus prácticas de gestión de riesgo puede estar condicionada por factores contextuales específicos. En este sentido, ^{Náñez et al. (2024}) identifican que el 60% de las áreas rurales carecen de acceso a servicios financieros, situación que podría estar correlacionada con mayores tasas de morosidad en las cooperativas que operan en dichos contextos. No obstante, los mecanismos de recuperación proactivos podrían mitigar en parte estos efectos adversos.

En cuanto a las implicaciones prácticas, estos hallazgos ofrecen importantes orientaciones para la gestión de cooperativas de ahorro y crédito. De acuerdo con los resultados, los recursos destinados a capacitación y mejora de procesos deberían priorizarse en el análisis y evaluación de los solicitantes, así como en la implementación de sistemas tempranos de gestión de cobranzas. En línea con esta recomendación, ^{Maehara et al. (2024}) lograron predecir la inclusión financiera en Perú con 90% de precisión, sugiriendo que la incorporación de técnicas analíticas avanzadas en los procesos de evaluación de deudores podría potenciar significativamente la efectividad de estas prácticas. Así, un enfoque que se limite únicamente a la redacción de manuales de políticas, sin asegurar su adecuada implementación operativa, podría resultar insuficiente para lograr reducciones sustanciales en la morosidad.

Este estudio presenta limitaciones que deben reconocerse para contextualizar adecuadamente los hallazgos. En primer lugar, la utilización de una muestra de una sola organización limita la generalización de los resultados a otras cooperativas con características organizacionales o contextos operativos diferentes. En segundo lugar, el carácter transversal de los datos y la dependencia de percepciones autoreferidas por los gestores podrían introducir sesgos de deseabilidad social o errores retrospectivos.

En este sentido, ^{Burgstaller et al. (2024}) reportan que las cooperativas mantienen tasas de incumplimiento menores (2%) comparadas con bancos comerciales (5%) debido a su enfoque en estabilidad financiera, sugiriendo que futuras investigaciones deberían incorporar comparaciones inter-institucionales para validar estos hallazgos. Además, resulta pertinente que los estudios venideros empleen datos longitudinales y fuentes objetivas provenientes de múltiples instituciones, con el fin de confirmar estos patrones, y explorar el rol moderador de variables contextuales como la cultura organizacional, el tamaño institucional y las características del mercado objetivo, en la efectividad de las prácticas de gestión de riesgo crediticio.

CONCLUSIONES

Este estudio ha identificado los determinantes clave de la morosidad crediticia en cooperativas de ahorro y crédito, revelando que los procesos operativos de evaluación del deudor y los mecanismos de recuperación proactivos constituyen los factores más críticos para mitigar el riesgo crediticio. El modelo de regresión múltiple jerárquica explicó el 58% de la varianza en la morosidad, demostrando que no todas las prácticas de gestión de riesgo ejercen el mismo impacto sobre los niveles de incumplimiento.

El aporte principal de esta investigación radica en la operacionalización y medición diferenciada de componentes específicos de la gestión de riesgo crediticio, superando conceptualizaciones agregadas que oscurecen mecanismos causales específicos. Se reafirma que la rigurosidad en la evaluación inicial y la gestión temprana y activa de cobranzas son más determinantes que la mera existencia de políticas formales documentadas o las estrategias de diversificación del portafolio. Este hallazgo sugiere la existencia de una brecha de implementación entre la formalización documental y la aplicación efectiva de prácticas de gestión de riesgo, lo que implica la necesidad de reorientar los esfuerzos hacia la mejora operativa cotidiana.

Desde un enfoque práctico, los resultados señalan la importancia de priorizar recursos en la capacitación de gestores y en la optimización de procesos operativos específicos. En consecuencia, las cooperativas deberían enfocar sus esfuerzos en fortalecer los sistemas de análisis crediticio e implementar mecanismos de monitoreo y recuperación temprana, dejando atrás la dependencia exclusiva en la elaboración de manuales de políticas. Por lo tanto, una gestión efectiva del riesgo crediticio requiere una aproximación centrada en procesos operativos que trascienda la documentación formal para materializarse en prácticas cotidianas de evaluación y recuperación proactiva.