����������������������������������������������������������������������������������

 

 

Riesgo crediticio y morosidad en pymes manufactureras: un enfoque emp�rico en la toma de decisiones financieras

 

Credit risk and delinquency in manufacturing SMEs: an empirical approach to financial decision-making

 

Risco de cr�dito e incumprimento nas PME do setor da ind�stria transformadora: uma abordagem emp�rica para a tomada de decis�es financeiras

 

 

 

 

 

 

 

 

 

 

Correspondencia: jparedesg@uteq.edu.ec

 

Ciencias Econ�micas y Empresariales

Art�culo de Investigaci�n

 

 

* Recibido: 30 de abril de 2025 *Aceptado: 19 de mayo de 2025 * Publicado: �28 de junio de 2025

 

         I.            Doctor Ciencias Contables y Empresariales, PhD, Mag�ster en Proyectos, Licenciado en Contabilidad y Administraci�n, Docente de la Universidad T�cnica Estatal de Quevedo, Quevedo, Ecuador.

       II.            Mag�ster en Contabilidad y Auditor�a, Licenciado en Contabilidad y Auditor�a, Docente de la Universidad T�cnica Estatal de Quevedo, Quevedo, Ecuador.

     III.            Mag�ster en Costos y Administraci�n Financiera, Licenciada en Ciencias de la Educaci�n en la Especializaci�n de Comercio y Administraci�n, Docente del Instituto Superior Tecnol�gico "La Man�", Cotopaxi, Ecuador.

    IV.            Master en Costos y Administraci�n Financiera, Ingeniero en Administraci�n de Empresas Agropecuarias, Docente de la Universidad T�cnica Estatal de Quevedo, Quevedo, Ecuador.

Resumen

En el contexto econ�mico actual, las peque�as y medianas empresas (PYMES) manufactureras enfrentaron desaf�os significativos derivados de la incertidumbre financiera y la debilidad de sus sistemas internos de gesti�n del riesgo. La exposici�n al riesgo crediticio y los elevados niveles de morosidad representaron una amenaza directa para su sostenibilidad. El objetivo de la investigaci�n fue determinar la incidencia del riesgo crediticio en los niveles de morosidad de las PYMES manufactureras. La metodolog�a adopt� un enfoque cuantitativo, con un dise�o no experimental, transversal, de tipo correlacional y explicativo. Se aplic� un cuestionario estructurado a 80 PYMES manufactureras ubicadas en las provincias de Chimborazo y Pichincha. El instrumento midi� dos variables: riesgo crediticio (con tres dimensiones: evaluaci�n financiera, capacidad de pago y pol�tica de cr�dito) y morosidad (frecuencia de incumplimiento y gesti�n de cobranzas), mediante una escala de Likert de cinco puntos. Los datos fueron procesados en SPSS v.26, utilizando estad�stica descriptiva, correlaci�n de Pearson, ANOVA y regresi�n lineal. Los resultados evidenciaron correlaciones negativas y significativas entre el riesgo crediticio y la morosidad, siendo la pol�tica de cr�dito la dimensi�n con mayor impacto inverso (r = -0,601). Asimismo, el an�lisis ANOVA mostr� diferencias significativas en los niveles de morosidad entre grupos seg�n el grado de implementaci�n de mecanismos crediticios (F = 6,745; p = 0,002), lo cual refuerza la importancia de una gesti�n financiera estructurada. En conclusi�n, el estudio confirm� que una adecuada gesti�n del riesgo crediticio se relacion� con una menor morosidad en las PYMES manufactureras.

Palabras Claves: Riesgo crediticio; morosidad; Pymes manufactureras; gesti�n financiera; an�lisis emp�rico.

 

Abstract

In the current economic climate, small and medium-sized manufacturing enterprises (SMEs) faced significant challenges stemming from financial uncertainty and weak internal risk management systems. Exposure to credit risk and high levels of delinquency represented a direct threat to their sustainability. The objective of this research was to determine the impact of credit risk on the delinquency levels of manufacturing SMEs. The methodology adopted a quantitative approach, with a non-experimental, cross-sectional, correlational, and explanatory design. A structured questionnaire was administered to 80 manufacturing SMEs located in the provinces of Chimborazo and Pichincha. The instrument measured two variables: credit risk (with three dimensions: financial evaluation, payment capacity, and credit policy) and delinquency (frequency of default and collection management), using a five-point Likert scale. The data were processed in SPSS v. 26, using descriptive statistics, Pearson correlation, ANOVA, and linear regression. The results showed significant negative correlations between credit risk and delinquency, with credit policy being the dimension with the greatest inverse impact (r = -0.601). Furthermore, the ANOVA analysis showed significant differences in delinquency levels between groups based on the degree of credit mechanism implementation (F = 6.745; p = 0.002), reinforcing the importance of structured financial management. In conclusion, the study confirmed that adequate credit risk management was associated with lower delinquency rates in manufacturing SMEs.

Keywords: Credit risk; delinquency; Manufacturing SMEs; financial management; empirical analysis.

 

Resumo

No actual clima econ�mico, as pequenas e m�dias empresas transformadoras (PME) enfrentaram desafios significativos decorrentes da incerteza financeira e de sistemas internos de gest�o de risco fracos. A exposi��o ao risco de cr�dito e os elevados n�veis de incumprimento representaram uma amea�a direta � sua sustentabilidade. O objetivo desta investiga��o foi determinar o impacto do risco de cr�dito nos n�veis de incumprimento das PME transformadoras. A metodologia adotou uma abordagem quantitativa, com um desenho n�o experimental, transversal, correlacional e explicativo. Foi aplicado um question�rio estruturado a 80 PME transformadoras localizadas nas prov�ncias de Chimborazo e Pichincha. O instrumento mediu duas vari�veis: risco de cr�dito (com tr�s dimens�es: avalia��o financeira, capacidade de pagamento e pol�tica de cr�dito) e incumprimento (frequ�ncia de incumprimento e gest�o de cobran�as), utilizando uma escala Likert de cinco pontos. Os dados foram processados ​​no SPSS v. 26, utilizando estat�stica descritiva, correla��o de Pearson, ANOVA e regress�o linear. Os resultados mostraram correla��es negativas significativas entre o risco de cr�dito e o incumprimento, sendo a pol�tica de cr�dito a dimens�o com maior impacto inverso (r = -0,601). Al�m disso, a an�lise ANOVA mostrou diferen�as significativas nos n�veis de incumprimento entre os grupos com base no grau de implementa��o do mecanismo de cr�dito (F = 6,745; p = 0,002), refor�ando a import�ncia da gest�o financeira estruturada. Em conclus�o, o estudo confirmou que a gest�o adequada do risco de cr�dito esteve associada a menores taxas de incumprimento nas PME do sector transformador.

Palavras-chave: Risco de cr�dito; inadimpl�ncia; PME do setor da ind�stria transformadora; gest�o financeira; an�lise emp�rica.

 

Introducci�n

En el contexto econ�mico contempor�neo, caracterizado por una elevada incertidumbre y una creciente volatilidad de los mercados financieros, las peque�as y medianas empresas (PYMES) enfrentan m�ltiples desaf�os estructurales para su permanencia y crecimiento sostenido (Quindemil et al., 2023). Estas organizaciones, que constituyen una parte sustancial del tejido empresarial en pa�ses en desarrollo como Ecuador y Colombia, son especialmente vulnerables a los efectos adversos del entorno econ�mico, social y sanitario, como lo evidenci� la crisis originada por la pandemia del COVID-19 (Cagua Hidrovo, 2022). Tal vulnerabilidad no solo se relaciona con factores ex�genos, sino tambi�n con limitaciones end�genas como la escasa profesionalizaci�n de su gesti�n financiera, la debilidad de sus estructuras administrativas y la falta de estrategias sistematizadas para enfrentar el riesgo.

En este sentido, el riesgo financiero emerge como una dimensi�n cr�tica que incide directamente en la sostenibilidad de las PYMES. De acuerdo con Caguana-Mayancela y Ordo�ez-Laso (2023), estos riesgos incluyen, entre otros, los de liquidez, cr�dito, tipo de inter�s, cambiarios, de mercado y operativos, y son exacerbados por la falta de acceso a financiamiento adecuado, la presi�n fiscal, las dificultades en la gesti�n del flujo de caja y la alta dependencia de factores externos. La realidad ecuatoriana es representativa de este fen�meno, donde el sector productivo ha sufrido un grave deterioro a ra�z de la pandemia, obligando a muchas PYMES a reestructurar sus procesos administrativos y financieros para evitar la quiebra (Mu�oz & Cuadors, 2016).

El estudio de Toro y Palomo (2014) refuerza esta perspectiva al demostrar, mediante un an�lisis emp�rico en la ciudad de Manizales, que el 84% de las PYMES evaluadas presentaban alg�n nivel de riesgo financiero, siendo el endeudamiento la variable m�s recurrente. Este dato evidencia no solo la magnitud del problema, sino tambi�n la necesidad urgente de implementar herramientas de gesti�n m�s eficientes y precisas para su identificaci�n, evaluaci�n y mitigaci�n.

A pesar de su importancia econ�mica, las PYMES contin�an enfrentando restricciones considerables en el acceso al cr�dito formal, derivadas de su limitada capacidad para cumplir con los requisitos exigidos por el sistema financiero. Esta situaci�n se agrava por la percepci�n generalizada de un alto riesgo crediticio, en gran parte debido a la ausencia de modelos efectivos que permitan anticipar de manera fiable el comportamiento financiero de estas organizaciones (Gallardo & Avil�s, 2014).

La literatura muestra que los enfoques tradicionales para la predicci�n de riesgo de cr�dito en PYMES Flores-S�nchez et al. (2021) han recurrido hist�ricamente a modelos estad�sticos convencionales o t�cnicas de aprendizaje autom�tico que, si bien aportan valor, suelen verse limitados por la distribuci�n desequilibrada de los datos, es decir, la escasa representaci�n de empresas en estado de incumplimiento respecto a las solventes, lo cual sesga los resultados y reduce la eficacia predictiva de los modelos.

Ante esta problem�tica, investigaciones recientes, como la de Zhang et al. (2024), proponen soluciones innovadoras mediante el uso de aprendizaje profundo y refuerzo, abordando espec�ficamente el problema del Imbalanced Credit Risk Prediction (ICRP) en el contexto de las finanzas en cadena de suministro. El enfoque DRL-Risk, desarrollado por estos autores, incorpora una funci�n de recompensa basada en la instancia, que integra la p�rdida financiera real provocada por la clasificaci�n err�nea de las empresas. Esta metodolog�a representa una ruptura con los enfoques tradicionales, permitiendo una predicci�n m�s precisa y adaptativa de los riesgos crediticios, y ofreciendo un marco te�rico-pr�ctico para su implementaci�n en sectores vulnerables como el de las PYMES.

La propuesta de DRL-Risk se inserta en un contexto donde las soluciones cl�sicas de submuestreo o sobre muestreo para balancear los datos han demostrado limitaciones considerables. Por ejemplo, las t�cnicas de sobre muestreo, como SMOTE, tienden a amplificar el ruido de las clases minoritarias; mientras que el submuestreo puede conllevar a la p�rdida significativa de informaci�n �til, reduciendo la capacidad del modelo para generalizar adecuadamente. Adem�s, las penalizaciones fijas utilizadas en enfoques sensibles al costo (como weighted-SVM o weighted-LR) no logran capturar la heterogeneidad de las p�rdidas entre diferentes empresas, lo cual es esencial para una correcta estimaci�n del riesgo financiero real en entornos como el de las PYMES.

Por otro lado, el an�lisis cualitativo desarrollado por Aguilar y Cruz (2023) en una empresa del sector comercial en Guadalajara demuestra que muchas organizaciones medianas carecen de una cultura consolidada de gesti�n de riesgos. La confusi�n entre los conceptos de control interno y riesgo empresarial, junto con la ausencia de una metodolog�a reconocida como la ISO 31000, refleja una situaci�n preocupante en cuanto a la madurez organizacional para enfrentar riesgos sist�micos y operativos. Esta carencia estructural limita la capacidad de reacci�n frente a crisis ex�genas y compromete la continuidad de las operaciones, reduciendo la competitividad y rentabilidad de las empresas a largo plazo (Farhan et al., 2020).

La conceptualizaci�n contempor�nea del riesgo ha evolucionado hacia una visi�n hol�stica, integrando tanto los aspectos negativos como las posibles oportunidades derivadas de la incertidumbre. Seg�n la norma ISO 31000:2018 Hulchins (2018), el riesgo es el efecto de la incertidumbre sobre los objetivos organizacionales, lo cual puede ser tanto positivo como negativo. Bajo este enfoque, la gesti�n del riesgo se convierte en una herramienta estrat�gica que, m�s all� de prevenir p�rdidas, permite identificar oportunidades para optimizar la asignaci�n de recursos, mejorar procesos y fortalecer la toma de decisiones (de Oliveira et al., 2017). Esta perspectiva resulta particularmente �til para las PYMES, cuya flexibilidad y capacidad de adaptaci�n puede ser explotada como una ventaja competitiva si se implementan mecanismos adecuados de identificaci�n y tratamiento del riesgo (Solarte et al., 2015).

En el caso de Ecuador CAF (2023), las PYMES han mostrado una resiliencia considerable frente a los embates macroecon�micos y sanitarios, aunque esta se ha visto limitada por una gesti�n financiera tradicional que no contempla adecuadamente la evaluaci�n integral de riesgos. La dependencia de instrumentos de corto plazo, la informalidad en los registros contables y la escasa planificaci�n estrat�gica son pr�cticas comunes que aumentan la exposici�n a eventos adversos. En consecuencia, la adopci�n de marcos t�cnicos y normativos basados en est�ndares internacionales, como las Normas Internacionales de Informaci�n Financiera (NIIF) o la ISO 31000, se presenta como una necesidad urgente para fortalecer su estructura financiera y promover su sostenibilidad en el mediano y largo plazo (Ponce & Rosero, 2024).

Es imprescindible avanzar hacia la construcci�n de modelos predictivos que no solo consideren los factores financieros tradicionales, sino que integren t�cnicas modernas de an�lisis de datos, inteligencia artificial y gesti�n de riesgos contextualizada (Guti�rrez Ponce et al., 2024). La combinaci�n de estos enfoques permite formular estrategias de mitigaci�n m�s precisas, mejorar la asignaci�n de recursos y, en definitiva, garantizar la sostenibilidad de las PYMES como motor clave del desarrollo econ�mico y social. De esta forma, el objetivo de esta investigaci�n fue analizar la incidencia del riesgo crediticio y morosidad en la toma de decisiones de las PYMES ecuatorianas.

Metodolog�a

El estudio adopt� un enfoque cuantitativo, ya que se bas� en la recolecci�n y an�lisis de datos num�ricos para probar hip�tesis sobre la relaci�n entre el riesgo crediticio y la morosidad en las PYMES manufactureras. Esta perspectiva permiti� una evaluaci�n objetiva y sistem�tica de los fen�menos financieros mediante m�todos estad�sticos.

En cuanto a su naturaleza, la investigaci�n fue de tipo correlacional y explicativo. La dimensi�n correlacional permiti� identificar y describir la intensidad y direcci�n de las relaciones existentes entre las variables de estudio, mientras que la dimensi�n explicativa permiti� determinar el grado en que el riesgo crediticio influ�a sobre los niveles de morosidad en las empresas analizadas. Asimismo, el dise�o fue no experimental y transversal, puesto que los datos se recolectaron en un �nico momento en el tiempo sin manipulaci�n de variables.

La poblaci�n estuvo compuesta por peque�as y medianas empresas pertenecientes al sector manufacturero, clasificadas conforme a la secci�n C del Clasificador Industrial Internacional Uniforme (CIIU Rev.4), el cual agrupa actividades de transformaci�n de materias primas en productos terminados o semiacabados. Estas empresas operaban en las provincias de Chimborazo y Pichincha, dos zonas con una presencia significativa de unidades productivas de tipo industrial.

Para efectos del estudio, se seleccion� una muestra de 80 PYMES manufactureras, aplicando un muestreo no probabil�stico por conveniencia, debido a la facilidad de acceso a los datos y la disposici�n de los representantes empresariales para colaborar con la investigaci�n. A pesar de no ser probabil�stico, el muestreo garantiz� representatividad sectorial al incluir empresas con caracter�sticas heterog�neas en cuanto a tama�o, a�os de operaci�n y rubros productivos.

La recolecci�n de datos se llev� a cabo mediante la aplicaci�n de un cuestionario estructurado, dise�ado espec�ficamente para medir las variables riesgo crediticio y morosidad. Este instrumento fue elaborado en base a referentes te�ricos financieros y revisiones de instrumentos previos adaptados al contexto de PYMES ecuatorianas, y validado mediante juicio de expertos, quienes evaluaron la claridad, pertinencia y coherencia de los �tems.

En total, el instrumento estuvo conformado por 18 �tems, redactados en forma afirmativa y aplicados a los responsables del �rea financiera o administrativa de cada empresa participante. Para cada �tem se utiliz� una escala de Likert de cinco puntos, la cual permiti� capturar el grado de acuerdo o frecuencia percibida respecto a las pr�cticas crediticias y la morosidad. La escala se defini� de la siguiente manera:� 1 (Totalmente en desacuerdo) hasta 5 (Totalmente de acuerdo).

Una vez recopilada la informaci�n, los datos fueron depurados, codificados y analizados mediante el software estad�stico SPSS v.26, lo que facilit� la aplicaci�n de procedimientos de estad�stica descriptiva e inferencial. En la fase inicial se calcularon medidas de tendencia central (media y moda) y dispersi�n (desviaci�n est�ndar), con el fin de caracterizar el comportamiento general de las respuestas por dimensi�n y variable.

Posteriormente, se verific� la validez interna del instrumento mediante el c�lculo del coeficiente Alfa de Cronbach, con lo cual se midi� la confiabilidad de las escalas utilizadas. Los valores superiores a 0,70 se consideraron aceptables para fines exploratorios. Para establecer la relaci�n entre las variables, se aplic� la correlaci�n de Pearson y ANOVA. lo que permiti� identificar la fuerza y direcci�n de las asociaciones entre el riesgo crediticio y los niveles de morosidad.

 

Resultados

Se presentaron primero los resultados descriptivos que permitieron caracterizar el comportamiento general de las variables de estudio, seguidos de los an�lisis inferenciales que buscaron establecer relaciones significativas entre el riesgo crediticio y los niveles de morosidad. Las dimensiones que conformaron ambas variables fueron analizadas individualmente y en conjunto, con el prop�sito de identificar los factores que m�s incidieron en el comportamiento financiero de las empresas.

Los resultados descriptivos presentados en la Tabla 1 evidenciaron que la variable riesgo crediticio registr� una media de 3,74, lo cual sugiere que, en promedio, las PYMES manufactureras evaluadas manifestaron pr�cticas crediticias moderadamente frecuentes y estructuradas. Este valor se encuentra por encima del punto medio de la escala, lo que indica una tendencia hacia la implementaci�n de pol�ticas de control del riesgo, aunque con cierto margen de mejora. La desviaci�n est�ndar de 0,69 y una varianza de 0,48 reflejan una dispersi�n moderada, lo que implica una relativa homogeneidad en las respuestas de las empresas respecto a sus procedimientos de evaluaci�n financiera, capacidad de pago y pol�ticas de cr�dito.

En cuanto a la morosidad, la media fue de 3,21, lo que revela una percepci�n moderada sobre la frecuencia del incumplimiento de pagos por parte de los clientes. Este valor, apenas por encima del punto medio, indica que las empresas enfrentaron situaciones de morosidad de manera ocasional, aunque no generalizada. La desviaci�n est�ndar de 0,81 y la varianza de 0,66 sugieren una mayor variabilidad entre las empresas encuestadas, lo cual puede atribuirse a diferencias en la gesti�n de cobranzas, el perfil del cliente o las condiciones del cr�dito otorgado.

Tabla N� 1: An�lisis descriptivo de las variables

Elaborado: Autores

 

En primer lugar, se evidenci� una correlaci�n negativa y estad�sticamente significativa entre la morosidad y la evaluaci�n financiera del cliente (r = -0,432, p < 0,01), lo cual sugiere que aquellas empresas que realizaron an�lisis previos de solvencia y antecedentes crediticios tendieron a presentar menores niveles de incumplimiento en los pagos por parte de sus clientes.

De igual manera, la capacidad de pago mostr� una correlaci�n negativa m�s pronunciada (r = -0,517, p < 0,01) con la morosidad. Esto indica que las PYMES que tomaron en cuenta la liquidez, ingresos recurrentes y obligaciones financieras del cliente al momento de conceder cr�dito, lograron reducir significativamente el riesgo de impago. La asociaci�n m�s fuerte se observ� con la dimensi�n pol�tica de cr�dito empresarial (r = -0,601, p < 0,01), lo cual resalta el papel determinante de contar con pol�ticas claras, procedimientos estandarizados y controles internos en la reducci�n de la morosidad.

Adem�s, se encontraron correlaciones positivas y significativas entre las dimensiones del riesgo crediticio entre s�. Por ejemplo, la capacidad de pago se relacion� de forma significativa con la evaluaci�n financiera del cliente (r = 0,634), as� como con la pol�tica de cr�dito empresarial (r = 0,709), lo que indica que estas pr�cticas no se aplicaban de forma aislada, sino que formaban parte de un sistema integrado de gesti�n crediticia dentro de las organizaciones.

 

Tabla N� 2: An�lisis correlacional

Elaborado: Autores

 

Posteriormente, se realiz� un an�lisis de varianza (ANOVA) permiti� contrastar los niveles de morosidad entre tres grupos de empresas, clasificados seg�n su nivel de implementaci�n del riesgo crediticio (bajo, medio y alto). Los resultados mostraron diferencias estad�sticamente significativas entre los grupos (F = 6,745; p = 0,002), lo que indica que el grado de desarrollo de las pr�cticas crediticias influy� de manera significativa en los niveles de morosidad observados.

En t�rminos generales, las empresas que presentaron una implementaci�n alta de mecanismos de riesgo crediticio registraron menores niveles de morosidad, en comparaci�n con aquellas con implementaci�n media o baja. Esto respalda la hip�tesis de que una gesti�n financiera m�s estructurada, que incluya procesos formales de evaluaci�n de clientes y pol�ticas de cr�dito claras, contribuye a minimizar el incumplimiento de pagos.

 

Tabla N� 3: An�lisis de varianza ANOVA

Elaborado: Autores

 

Discusi�n

Los resultados obtenidos en el presente estudio confirmaron la existencia de una relaci�n significativa entre las pr�cticas de gesti�n del riesgo crediticio y los niveles de morosidad en las PYMES manufactureras analizadas. Estos hallazgos resultaron consistentes con lo planteado por Quindemil et al. (2023), quienes destacaron que, en contextos marcados por alta volatilidad econ�mica y financiera, las peque�as y medianas empresas enfrentan serias dificultades para sostener su operatividad, en gran medida por la fragilidad de sus procesos financieros internos. En ese marco, la morosidad aparece como una manifestaci�n concreta del desbalance estructural que enfrentan muchas PYMES al otorgar cr�dito sin una evaluaci�n rigurosa de sus clientes (Altman & Sabato, 2007).

En l�nea con lo anterior, el an�lisis correlacional evidenci� que las tres dimensiones del riesgo crediticio (evaluaci�n financiera, capacidad de pago y pol�tica de cr�dito) mantuvieron relaciones inversas con la morosidad, siendo la pol�tica de cr�dito la que present� la asociaci�n m�s fuerte (r = -0,601). Este resultado valid� la afirmaci�n de Caguana-Mayancela y Ordo�ez-Laso (2023), quienes se�alaron que la falta de mecanismos formales para la identificaci�n, valoraci�n y mitigaci�n del riesgo de cr�dito es uno de los principales factores que incrementan la exposici�n de las PYMES a impagos y p�rdidas financieras (Chang, 2024).

El an�lisis ANOVA, por su parte, confirm� que las diferencias en los niveles de morosidad entre empresas con distintas capacidades de gesti�n del riesgo crediticio fueron estad�sticamente significativas (F = 6,745; p < 0,01), lo que permite inferir que aquellas organizaciones que contaban con sistemas m�s robustos de an�lisis financiero y control de cr�dito tendieron a experimentar menor nivel de morosidad. Esto concuerda con lo reportado por Toro y Palomo (2014), quienes encontraron que un alto porcentaje de las PYMES presentan niveles de riesgo financiero vinculados directamente a pr�cticas crediticias deficientes.

A pesar de la relevancia de estas pr�cticas, las PYMES contin�an enfrentando barreras estructurales para acceder al cr�dito formal, lo que incrementa su vulnerabilidad financiera. Gallardo y Avil�s (2014) advirtieron que esta problem�tica se agrava debido a la ausencia de modelos predictivos eficientes que permitan anticipar con precisi�n el comportamiento crediticio de los clientes. En efecto, aunque los modelos estad�sticos convencionales han sido ampliamente utilizados, como lo se�alan Flores-S�nchez et al. (2021), su efectividad suele verse limitada por la distribuci�n desequilibrada de los datos, dificultando la detecci�n temprana del incumplimiento (Bakoben et al., 2020).

Frente a estas limitaciones, enfoques como el propuesto por Zhang et al. (2024) basado en aprendizaje por refuerzo y t�cnicas de inteligencia artificial ofrecen una alternativa prometedora para mejorar la predicci�n del riesgo crediticio, especialmente en sectores vulnerables como las PYMES. No obstante, estos modelos a�n se enfrentan a desaf�os operativos y t�cnicos para su aplicaci�n generalizada en contextos latinoamericanos, donde muchas empresas a�n operan bajo esquemas de gesti�n tradicional e informal (Wang et al., 2024).

Por otro lado, los hallazgos emp�ricos del presente estudio tambi�n permiten reflexionar sobre la madurez organizacional en materia de gesti�n de riesgos. Como lo advierten Aguilar y Cruz (2023), muchas empresas medianas carecen de una cultura consolidada de control del riesgo, lo que se traduce en la adopci�n de decisiones financieras poco sistematizadas y en una d�bil articulaci�n entre los objetivos estrat�gicos y los mecanismos de control. En este sentido, la implementaci�n de marcos como la norma ISO 31000 podr�a contribuir a institucionalizar una visi�n integral del riesgo, tal como lo plantean Hulchins (2018) y de Oliveira et al. (2017), quienes abogan por un enfoque en el que el riesgo sea entendido no solo como amenaza, sino tambi�n como fuente de oportunidades.

Asimismo, los resultados del estudio reflejaron que las PYMES encuestadas, pese a su resiliencia, presentan una gesti�n crediticia heterog�nea y, en muchos casos, emp�rica. Esto coincide con lo documentado por la CAF (2023), al se�alar que en pa�ses como Ecuador muchas de estas organizaciones operan con estructuras contables informales y sin planificaci�n estrat�gica. Esta situaci�n, sumada a la falta de profesionalizaci�n financiera, incrementa la exposici�n al riesgo de morosidad y reduce la capacidad de recuperaci�n frente a crisis ex�genas (Gonzales-D�az & Becerra-P�rez, 2021).

 

Conclusiones

�                    Los hallazgos del presente estudio permitieron concluir que la gesti�n del riesgo crediticio constituye un factor determinante en la reducci�n de la morosidad dentro de las PYMES manufactureras ecuatorianas. Las empresas que implementaron procedimientos formales para evaluar la capacidad de pago de sus clientes, analizar antecedentes financieros y establecer pol�ticas crediticias claras, registraron menores niveles de incumplimiento en los pagos. Estos resultados ponen en evidencia la necesidad de fortalecer los sistemas de control financiero como una estrategia esencial para mejorar la liquidez y garantizar la sostenibilidad de estas organizaciones.

�                    Las dimensiones del riesgo crediticio mostraron correlaciones inversas y estad�sticamente significativas con la morosidad, siendo la pol�tica de cr�dito la que present� la relaci�n m�s s�lida. Esta evidencia confirma que no basta con realizar an�lisis puntuales del cliente, sino que es fundamental contar con una estructura organizativa que institucionalice criterios y procedimientos en la toma de decisiones financieras. Adem�s, el an�lisis de varianza (ANOVA) revel� diferencias sustanciales en los niveles de morosidad seg�n el grado de implementaci�n del riesgo, lo cual refuerza la hip�tesis de que la madurez en la gesti�n crediticia incide directamente en el comportamiento financiero de las PYMES.

�                    A pesar de estos avances, se identific� que muchas PYMES contin�an operando bajo esquemas financieros emp�ricos y poco sistematizados, lo que limita su capacidad para anticipar eventos de riesgo. La escasa adopci�n de normativas como la ISO 31000 o las NIIF, junto con una d�bil cultura organizacional en torno a la gesti�n del riesgo, constituyen barreras estructurales que comprometen su estabilidad ante crisis econ�micas o sanitarias. En este sentido, la incorporaci�n de marcos normativos y herramientas anal�ticas modernas debe ser entendida como una inversi�n estrat�gica y no como un gasto adicional.

�                    En funci�n de los resultados obtenidos, se recomienda que futuras investigaciones exploren el uso de modelos predictivos avanzados basados en inteligencia artificial, aprendizaje autom�tico y redes neuronales profundas, que permitan anticipar de forma m�s precisa el riesgo crediticio en entornos empresariales vol�tiles. Asimismo, ser�a pertinente ampliar la muestra a otros sectores econ�micos y regiones del pa�s, e incluso incorporar an�lisis longitudinales que permitan observar c�mo evolucionan las pr�cticas crediticias y sus efectos sobre la morosidad en el tiempo. Esto contribuir� al desarrollo de soluciones adaptadas a las realidades operativas y financieras de las PYMES en Am�rica Latina.

 

Referencias

      1.            Agular, P., & Cruz, L. (2023). An�lisis de la Gesti�n de Riesgos: Caso de una empresa mediana del sector comercial en Guadalajara. UDA AKADEM, 12, 12�37. https://doi.org/10.33324/udaakadem.vi12.669

      2.            Altman, E. I., & Sabato, G. (2007). Modelling credit risk for SMEs: Evidence from the U.S. market. Abacus, 43(3), 332�357. https://doi.org/10.1111/j.1467-6281.2007.00234.x

      3.            Bakoben, M., Bellotti, T., & Adams, N. (2020). Identification of credit risk based on cluster analysis of account behaviours. Journal of the Operational Research Society, 71(5), 775�783. https://doi.org/10.1080/01605682.2019.1582586

      4.            CAF. (2023). Las pymes en Ecuador. https://cayaparra.com/

      5.            Cagua Hidrovo, R. J. (2022). An�lisis de Riesgos Financieros en las Pymes en el Ecuador. MQRInvestigar, 6(4), 260�277. https://doi.org/10.56048/mqr20225.6.4.2022.260-277

      6.            Caguana-Mayancela, E. D., & Ordo�ez-Laso, A. L.-R. (2023). Evaluaci�n de la cartera de cr�dito de una cooperativa de ahorro y cr�dito, Ecuador. CIENCIAMATRIA, 9(2), 71�86. https://doi.org/10.35381/cm.v9i2.1142

      7.            Chang, V. (2024). Credit risk evaluation on technological SMEs in China. Enterprise Information Systems, 18(8). https://doi.org/10.1080/17517575.2024.2374741

      8.            de Oliveira, U. R., Marins, F. A. S., Rocha, H. M., & Salomon, V. A. P. (2017). The ISO 31000 standard in supply chain risk management. In Journal of Cleaner Production (Vol. 151, pp. 616�633). Elsevier Ltd. https://doi.org/10.1016/j.jclepro.2017.03.054

      9.            Farhan, M., Alam, H. M., Sattar, A., & Khan, S. (2020). CREDIT RISK MANAGEMENT IN ISLAMIC BANKING: A SYSTEM THINKING APPROACH. International Transaction Journal of Engineering, 11(16). https://doi.org/10.14456/ITJEMAST.2020.319

  10.            Flores-S�nchez, G., Campoverde-Campoverde, J., Romero-Galarza, A., & Coronel-Pangol, K. (2021). Predictive approach to commercial credit risk in ecuadorian food companies. Estudios Gerenciales, 37(160), 413�424. https://doi.org/10.18046/j.estger.2021.160.4022

  11.            Gallardo, L., & Avil�s, E. (2014). Estructura de capital y riesgo financiero: Evidencia emp�rica en pymes hoteleras. Global Conference on Business and Finance Proceedings, 9(2).

  12.            Gonzales-D�az, R. R., & Becerra-P�rez, L. A. (2021). PYMES en Am�rica Latina: clasificaci�n, productividad laboral, retos y perspectivas. CiiD, 1(1), 1�39. https://doi.org/10.46785/ciidj.v1i1.100

  13.            Guti�rrez Ponce, H., Espinoza Rosero, G. B., & Alc�var G�mez, B. A. A. G. (2024). An�lisis de la estructura de financiamiento de las Pymes del Ecuador. Revista San Gregorio, 1(57), 43�55. https://doi.org/10.36097/rsan.v1i57.2745

  14.            Hulchins, G. (2018). ISO 31000: 2018 Enterprise Risk Management.

  15.            Mu�oz, D., & Cuadors, A. (2016). Comparaci�n de metodolog�as para la gesti�n de riesgos en los proyectos de las Pymes. Revista Ciencias Estrat�gicas, 25(38), 319�338. https://doi.org/rces.v25n38.a4

  16.            Ponce, H. G., & Rosero, G. B. E. (2024). La estructura de endeudamiento de las pymes del sector comercial en Ecuador: un estudio emp�rico. Innovar, 34(93). https://doi.org/10.15446/innovar.v34n93.98223

  17.            Quindemil, E. M., Cobo, E. P., Chaparro, E. I., & Padr�n, F. (2023). Estudio bibliom�trico sobre Pymes: an�lisis de art�culos de la base de datos Scopus. Revista Venezolana de Gerencia, 28(101), 228�247. https://doi.org/10.52080/rvgluz.28.101.15

  18.            Solarte, F., Enriquez, E., & Benavides, M. (2015). Metodolog�a de an�lisis y evaluaci�n de riesgos aplicados a la seguridad inform�tica y de informaci�n bajo la norma ISO/IEC 27001. Revista Tecnol�gica ESPOL, 28(5), 493�507. https://rte.espol.edu.ec/index.php/tecnologica/article/view/456/321

  19.            Toro, J., & Palomo, R. (2014). An�lisis del riesgo financiero en las PYMES-estudio de caso aplicado a la ciudad de Manizales*. REVISTA LASALLISTA DE INVESTIGACI�N, 11(2), 78�88. http://www.scielo.org.co/pdf/rlsi/v11n2/v11n2a10.pdf

  20.            Wang, J., Liu, G., Xu, X., & Xing, X. (2024). Credit risk prediction for small and medium enterprises utilizing adjacent enterprise data and a relational graph attention network. Journal of Management Science and Engineering, 9(2), 177�192. https://doi.org/10.1016/j.jmse.2023.11.005

  21.            Zhang, W., Yan, S., Li, J., Peng, R., & Tian, X. (2024). Deep reinforcement learning imbalanced credit risk of SMEs in supply chain finance. Annals of Operations Research. https://doi.org/10.1007/s10479-024-05921-w

 

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).