Riesgo crediticio y morosidad en una tienda comercial de Chiclayo, período 2021-2023

Abstract

Las actividades de crédito son esenciales para las empresas comerciales, las empresas enfrentan desafíos financieros debido a pagos atrasados y mala gestión de deudores, la causa son las deficiencias en la gestión del riesgo crediticio que afectan su solvencia. La presente investigación establece y estima los factores de riesgo crediticio que determina la morosidad en una tienda comercial de la ciudad de Chiclayo, exhibe el comportamiento de dichos factores del riesgo y descubre cual es la situación de su morosidad. El estudio fue aplicada, con un enfoque cuantitativo no experimental y utilizó un diseño explicativo y longitudinal, recolectando datos de clientes durante el periodo 2021-2023. La muestra se seleccionó por conveniencia provenientes de fuentes secundarias. Se utilizó análisis documental y procesamiento de datos en Excel y STATA 14, aplicando el modelo de Regresión Logística Binaria, dado que la morosidad es una variable dependiente dicotómica. Al estimar el modelo con las variables que integran el riesgo crediticio como las cuotas, el número de ventas, el crédito brindado y el crédito recuperado; se evidencia que todas contribuyen con una probabilidad de predicción al 98.87% de que el modelo en su conjunto impacte en la morosidad. A su vez, el crédito recuperado es la variable que tiene mayor impacto, estableciendo que por cada crédito recuperado la morosidad se reduce en 1.48%. Finalmente se determina que, el 81.33% representa a los clientes morosos, evidenciando un alto nivel de morosidad.

Credit activities are essential for commercial companies, companies face financial challenges due to late payments and poor debtor management, the cause is the deficiencies in credit risk management that affect their solvency. The present research establishes and estimates the credit risk factors that determine delinquency in a commercial store in the city of Chiclayo, exhibits the behavior of said risk factors and discovers what is the situation of its delinquency. The study was applied, with a non-experimental quantitative approach and used an explanatory and longitudinal design, collecting customer data during the period 2021-2023. The sample was selected for convenience from secondary sources. Documentary analysis and data processing in Excel and STATA 14 were used, applying the Binary Logistic Regression model, since delinquency is a dichotomous dependent variable. By estimating the model with the variables that make up the credit risk such as installments, number of sales, credit provided and credit recovered; It is evident that all of them contribute with a 98.87% probability of prediction that the model as a whole impacts on delinquency. In turn, the recovered credit is the variable that has the greatest impact, establishing that for each recovered credit, delinquency is reduced by 1.48%. Finally, it is determined that 81.33% represents delinquent clients, evidencing a high level of delinquency.