Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
Recibido: 30/05/2025 Aceptado: 27/06/2025 Publicado: 29/07/2025
https://rivinglid.omeditorial.com
17
DOI: https://doi.org/10.63618/omd/revinvlid/v2/n3/38
Enfoques recientes en la gestión del riesgo financiero
en contextos de incertidumbre económica.
Recent approaches in financial risk management in contexts of economic
uncertainty.
Casanova-Villalba, César Iván
1
; Herrera-Sánchez, Maybelline Jaqueline
2
;
Almeida-Blacio, Jorge Hernan
3
; Hurtado Guevara, Richard Fernando
4
.
1
Universidad Técnica Luis Vargas Torres de Esmeraldas; Ecuador; https://orcid.org/0000-0001-6486-
1334; cesar.casanova.villalba@utelvt.edu.ec.
2
Universidad Técnica Luis Vargas Torres de Esmeraldas; Ecuador; https://orcid.org/0000-0001-6840-
3891; maybelline.herrera.sanchez@utelvt.edu.ec.
3
Pontificia Universidad Católica del Ecuador; Ecuador; https://orcid.org/0000-0002-6716-9113;
jhalmeida@pucesd.edu.ec.
4
Universidad Laica Eloy Alfaro de Manabí; Ecuador; https://orcid.org/0000-0002-1918-7472;
Richard.hurtado@uleam.edu.ec.
Cita: Casanova-Villalba, C. I., Herrera-Sánchez, M. J., Jorge Hernan, A.-B., & Hurtado Guevara, R. F.
(2025). Enfoques recientes en la gestión del riesgo financiero en contextos de incertidumbre
económica. Revista De Investigación Y Liderazgo, 2(3), 17-
33. https://doi.org/10.63618/omd/revinvlid/v2/n3/38
Resumen
La creciente incertidumbre macroeconómica, la exposición al riesgo soberano y la fragmentación de los
métodos de evaluación financiera dificultan la anticipación de vulnerabilidades en las entidades de
intermediación del Ecuador. El estudio tuvo como objetivo analizar los enfoques recientes de gestión del
riesgo financiero aplicables al contexto ecuatoriano, considerando la evidencia latinoamericana e
internacional. Se desarrolló una investigación cualitativa, documental, no experimental, transversal y
exploratoria, mediante la revisión de artículos científicos, informes técnicos y documentos regulatorios
publicados principalmente entre 2021 y 2025. Los resultados evidenciaron una transición desde indicadores
históricos y modelos paramétricos hacia aprendizaje automático, arquitecturas híbridas, análisis de contagio
y pruebas de estrés; no obstante, ninguna herramienta integró simultáneamente interpretabilidad, precisión
predictiva, proyección patrimonial y representación del riesgo sistémico. La interpretación de los hallazgos
mostró que estos métodos resultaron complementarios y que su aplicación requirió incorporar variables
macroeconómicas, fiscales, institucionales y externas, especialmente en una economía dolarizada y
dependiente del petróleo. Se concluyó que una gestión eficaz del riesgo financiero debía articular
indicadores tradicionales, modelos predictivos, escenarios adversos, datos confiables y supervisión
institucional dentro de una arquitectura integrada, prospectiva y multidimensional.
Palabras clave: riesgo financiero; incertidumbre económica; aprendizaje automático; pruebas de estrés;
riesgo soberano.
Abstract
The growing macroeconomic uncertainty, exposure to sovereign risk, and fragmentation of financial
evaluation methods hinder the anticipation of vulnerabilities in Ecuador's intermediary entities. The study
aimed to analyze recent approaches to financial risk management applicable to the Ecuadorian context,
considering Latin American and international evidence. A qualitative, documentary, non-experimental, cross-
sectional, and exploratory research was conducted thru the review of scientific articles, technical reports,
and regulatory documents published mainly between 2021 and 2025. The results showed a transition from
historical indicators and parametric models to machine learning, hybrid architectures, contagion analysis,
and stress tests; however, no tool simultaneously integrated interpretability, predictive accuracy, asset
projection, and representation of systemic risk. The interpretation of the findings showed that these methods
were complementary and that their application required incorporating macroeconomic, fiscal, institutional,
and external variables, especially in a dollarized and oil-dependent economy. It was concluded that effective
financial risk management should articulate traditional indicators, predictive models, adverse scenarios,
reliable data, and institutional supervision within an integrated, forward-looking, and multidimensional
architecture.
Keywords: financial risk; economic uncertainty; machine learning; stress tests; sovereign risk.
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
18
1. Introducción
Las entidades de intermediación financiera del Ecuador (bancos privados, cooperativas
de ahorro y crédito y entidades públicas) constituyen la unidad de análisis central,
mientras la evidencia latinoamericana funciona como marco comparativo para
interpretar su exposición al riesgo. Esta delimitación adquiere relevancia porque
América Latina y el Caribe mantiene una trayectoria de crecimiento moderado, estimada
en 2,2 % para 2025 y 2,3 % para 2026, insuficiente para ampliar de manera sostenida
la inversión y el empleo formal (Comisión Económica para América Latina y el Caribe
[CEPAL], 2025). En Ecuador, la economía pasa de una contracción de 2,0 % en 2024 a
una expansión estimada de 3,7 % en 2025, aunque su crecimiento proyectado para
2026–2028 se estabiliza alrededor de 2,5 %. Estas variaciones revelan que la
recuperación convive con restricciones fiscales, productivas e institucionales que
modifican rápidamente la probabilidad de incumplimiento, las necesidades de liquidez y
el costo del financiamiento. Por ello, la gestión del riesgo financiero deja de representar
una función exclusivamente defensiva y se convierte en una capacidad estratégica para
sostener la intermediación, la solvencia y la continuidad operativa (Banco Mundial,
2026).
Este entorno de bajo crecimiento amplifica la incidencia conjunta de la incertidumbre
política, la deuda pública, los precios del petróleo, las condiciones financieras
internacionales y la vulnerabilidad operativa sobre las decisiones de crédito e inversión.
En el caso ecuatoriano, el precio internacional del crudo explica una parte importante de
la dinámica del riesgo soberano, mientras el endeudamiento público constituye el
principal determinante interno del EMBI, lo que conecta el riesgo fiscal con el costo de
capital de empresas y entidades financieras (Carrillo-Maldonado et al., 2023). Aunque
el sistema bancario supervisado registra una solvencia superior al 13 % frente a un
mínimo regulatorio de 9 %, liquidez inmediata mayor al 21 % y morosidad aproximada
de 3,2 %, estos valores agregados pueden ocultar diferencias entre instituciones,
segmentos crediticios y territorios (Superintendencia de Bancos, 2025). La omisión de
tales heterogeneidades favorece una asignación ineficiente del crédito, incrementa las
pérdidas esperadas y reduce la capacidad de financiar actividades productivas. Sus
consecuencias trascienden el balance institucional, pues Ecuador mantiene una
incidencia estimada de pobreza de 30,1 % en 2025, de modo que una contracción
crediticia prolongada afecta el empleo, el consumo y la inclusión financiera (Banco
Mundial, 2026).
La necesidad de anticipar estas perturbaciones impulsa una transición desde
indicadores estáticos hacia pruebas de estrés, análisis de escenarios, modelos
bayesianos, medidas de riesgo sistémico, aprendizaje automático y sistemas de alerta
temprana. Una revisión de 76 investigaciones sobre riesgo crediticio muestra que los
métodos de aprendizaje profundo y los modelos ensamblados suelen superar a los
algoritmos estadísticos individuales, aunque persisten problemas de desbalance de
datos, inconsistencia entre bases y limitada transparencia de los resultados (Shi et al.,
2022). A escala sistémica, el análisis de 889 bancos cotizados en 20 países indica que
un aumento de una desviación estándar en la incertidumbre de política económica se
relaciona con un incremento de 15,2 % en el ΔCoVaR, principalmente mediante los
canales de apalancamiento y deterioro de activos (Duan et al., 2022). Asimismo, la
evidencia procedente de 3.807 bancos de 24 países muestra que la incertidumbre
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
19
restringe la creación de liquidez por el lado de los activos, aunque la calidad institucional
atenúa ese efecto (Wang et al., 2022). En consecuencia, los enfoques recientes
combinan precisión predictiva, simulación de escenarios adversos y gobernanza de
modelos, en lugar de depender únicamente de razones financieras históricas.
Aunque este giro metodológico amplía las posibilidades de anticipación, la literatura
todavía presenta una integración insuficiente entre incertidumbre macroeconómica,
riesgo soberano, contagio crediticio, liquidez y desempeño institucional. Para Ecuador,
Avellán et al. (2022) construyen el primer índice de incertidumbre macroeconómica
aplicado a una economía pequeña y dolarizada, y encuentran respuestas persistentes
de la producción no petrolera, el empleo formal y los precios ante choques de
incertidumbre. Uquillas y Tonato (2022) incorporan factores macroeconómicos y
financieros en la simulación del contagio entre carteras crediticias, pero concentran el
análisis en la transmisión de la morosidad. De forma complementaria, Naula et al. (2025)
estudian información trimestral de 2000–2022 y estiman una elasticidad de largo plazo
de 0,45 % entre depósitos y producto interno bruto, mientras el crédito no muestra un
efecto estadísticamente significativo. Incluso los análisis comparativos más recientes
abarcan 213 entidades (153 cooperativas y 60 bancos) durante 2015–2023, pero
priorizan eficiencia y resiliencia institucional antes que la interacción simultánea de los
riesgos de crédito, liquidez, mercado y operación (Eraso Cisneros et al., 2025). Esta
fragmentación limita la construcción de decisiones coordinadas frente a choques que se
propagan entre balances, mercados y condiciones macroeconómicas.
La superación de esta fragmentación resulta conveniente porque permite vincular cuatro
categorías de riesgo (crédito, liquidez, mercado y operativo) con tres niveles de
observación: macroeconómico, sistémico e institucional. Su relevancia social radica en
que una identificación temprana de vulnerabilidades protege los depósitos, reduce
interrupciones de financiamiento y favorece la continuidad de empresas y empleos; su
valor teórico reside en articular la incertidumbre económica con los mecanismos de
transmisión del riesgo financiero. La utilidad metodológica se sustenta en la posibilidad
de combinar indicadores tradicionales, pruebas de estrés y técnicas predictivas, sin
sustituir el juicio experto ni la rendición de cuentas sobre los modelos (Shi et al., 2022).
La investigación también resulta viable porque existen estados financieros, indicadores
de solvencia, liquidez y morosidad, series macroeconómicas y datos trimestrales de
acceso institucional o público, cuya utilización ya permite analizar paneles de hasta 213
entidades ecuatorianas (Eraso Cisneros et al., 2025; Superintendencia de Bancos,
2025). El tratamiento agregado o anonimizado de estas fuentes reduce la exposición de
información personal y permite mantener principios de confidencialidad, trazabilidad y
uso responsable de los datos.
La evidencia examinada conduce a establecer como objetivo general analizar los
enfoques recientes de gestión del riesgo financiero aplicables a las entidades de
intermediación financiera del Ecuador en contextos de incertidumbre económica,
considerando su correspondencia con la experiencia latinoamericana. Para alcanzar
este propósito se plantean tres objetivos específicos: describir la evolución de los
métodos empleados para identificar y medir los riesgos de crédito, liquidez, mercado y
operación; comparar el alcance de los modelos tradicionales, las pruebas de estrés y
las técnicas de aprendizaje automático; y determinar las relaciones entre incertidumbre
macroeconómica, riesgo soberano, indicadores institucionales y capacidad de
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
20
respuesta financiera. El cumplimiento de estos tres objetivos permite organizar la
evaluación en cuatro dimensiones de riesgo y dos horizontes complementarios, uno
preventivo y otro prospectivo. La contribución esperada consiste en ofrecer un marco
integrado que vincula indicadores macrofinancieros, contagio entre carteras, resiliencia
institucional y explicabilidad de los modelos, componentes que la evidencia ecuatoriana
estudia principalmente de forma separada (Avellán et al., 2022; Uquillas & Tonato,
2022). La originalidad del trabajo reside, por tanto, en trasladar los avances
contemporáneos hacia una arquitectura analítica contextualizada para una economía
dolarizada, expuesta a choques externos y con una estructura financiera heterogénea.
2. Materiales y Métodos
La investigación se orientó desde una perspectiva cualitativa, dado que buscó interpretar
los fundamentos, alcances y limitaciones de los enfoques recientes empleados para
gestionar el riesgo financiero bajo condiciones de incertidumbre económica. Se adoptó
un diseño no experimental porque las variables, los modelos y las respuestas
institucionales se examinaron tal como aparecieron en la literatura científica y en los
documentos económicos, sin manipular sus condiciones de ocurrencia. El carácter
transversal se estableció mediante un corte documental único, que comprendió las
publicaciones difundidas entre enero de 2021 y diciembre de 2025. La unidad de análisis
estuvo constituida por artículos científicos, informes técnicos, estudios económicos y
documentos regulatorios relacionados con Ecuador y Latinoamérica. Esta elección
permitió reconstruir interpretativamente las tendencias de conocimiento y las prácticas
de gestión del riesgo financiero descritas durante el periodo estudiado. La
correspondencia entre las preguntas de investigación, la naturaleza documental de los
datos y la interpretación contextual se sustentó en los principios de la investigación
cualitativa propuestos por Creswell y Poth (2024) y Snyder (2019).
El carácter documental del estudio permitió examinar de manera ordenada los aportes
teóricos, metodológicos y empíricos vinculados con los riesgos de crédito, liquidez,
mercado, operación y contagio sistémico. Su alcance fue exploratorio porque se procuró
reconocer enfoques emergentes, relaciones insuficientemente estudiadas y
posibilidades de aplicación en una economía dolarizada, sin pretender estimar efectos
causales ni generalizar estadísticamente los resultados. El razonamiento deductivo
partió de categorías previamente reconocidas en la gestión del riesgo financiero, entre
ellas la identificación, medición, tratamiento, monitoreo y comunicación del riesgo.
Paralelamente, el razonamiento inductivo permitió incorporar categorías surgidas de la
lectura del corpus, como la incertidumbre regulatoria, el riesgo de modelo, la analítica
predictiva y la interdependencia entre riesgos. El procedimiento analítico descompuso
cada propuesta en supuestos, indicadores, herramientas, ventajas y restricciones,
mientras la síntesis reconstruyó sus coincidencias y diferencias. Esta combinación evitó
que la revisión se limitara a resumir publicaciones y favoreció la elaboración de una
interpretación crítica y conceptualmente articulada (Braun & Clarke, 2022; Snyder,
2019).
Para conformar el corpus documental se consultaron Scopus, Web of Science, SciELO
y Redalyc, junto con repositorios del Banco Central del Ecuador, la Superintendencia de
Bancos, la CEPAL, el Banco Mundial, el Fondo Monetario Internacional y el Banco de
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
21
Pagos Internacionales. Las búsquedas combinaron los términos “gestión del riesgo
financiero”, “incertidumbre económica”, “riesgo crediticio”, “riesgo de liquidez”, “riesgo
de mercado”, “riesgo operacional”, “Ecuador” y “Latinoamérica”, además de sus
equivalentes en inglés, mediante los operadores booleanos AND y OR. La incorporación
de repositorios oficiales permitió contrastar las interpretaciones académicas con
estadísticas monetarias, financieras y regulatorias producidas para el sistema financiero
ecuatoriano. La estrategia de identificación, depuración y selección se documentó
mediante registros de búsqueda que incluyeron base consultada, fecha, ecuación
empleada y decisión de inclusión. Los principios de PRISMA 2020 se adaptaron para
transparentar el flujo documental, sin presentar el estudio como una revisión sistemática
de efectos o intervenciones. La organización de las búsquedas y la trazabilidad de las
decisiones también siguieron las orientaciones para síntesis de evidencia desarrolladas
por Page et al. (2021) y Aromataris et al. (2024).
Los documentos se incluyeron cuando fueron publicados entre 2021 y 2025, estuvieron
disponibles en español o inglés, abordaron explícitamente la gestión del riesgo
financiero y presentaron resultados, modelos o recomendaciones pertinentes para
Ecuador o Latinoamérica. También se admitieron estudios internacionales cuando
desarrollaron herramientas transferibles a economías emergentes, como pruebas de
estrés, sistemas de alerta temprana, modelos de aprendizaje automático o esquemas
integrados de administración de riesgos. Se excluyeron documentos duplicados,
contenidos promocionales, publicaciones sin autoría verificable, trabajos sin acceso al
texto completo y estudios cuyo procedimiento metodológico no pudiera identificarse. La
selección se efectuó mediante la revisión sucesiva de títulos, resúmenes y textos
completos, manteniendo un registro de las razones de exclusión. Cada publicación o
informe seleccionado se consideró una unidad documental independiente, por lo que no
se definió una población de individuos ni se aplicó una fórmula de muestreo para
poblaciones finitas. La ausencia de una muestra probabilística y de encuestas fue
coherente con la finalidad interpretativa y exploratoria del estudio documental
(Aromataris et al., 2024; Page et al., 2021).
La información se extrajo mediante una matriz estructurada que registró autoría, año,
país, sector financiero, fuente de incertidumbre, tipo de riesgo, método de evaluación,
indicadores utilizados, principales aportes, limitaciones y recomendaciones.
Posteriormente, los contenidos se sometieron a un análisis temático que comprendió la
familiarización con los documentos, la codificación inicial, la agrupación de códigos, la
revisión de temas y la construcción de una interpretación integradora. Los códigos
deductivos se asociaron con los riesgos de crédito, liquidez, mercado y operación,
mientras los códigos inductivos recogieron elementos como contagio entre carteras,
riesgo soberano, digitalización, aprendizaje automático y gobernanza de modelos. La
comparación distinguió los métodos tradicionales (razones financieras, calificaciones y
análisis histórico) de los enfoques recientes basados en escenarios, pruebas de estrés,
redes de contagio y técnicas predictivas. La consistencia interpretativa se fortaleció
mediante la contrastación de cada tema con fragmentos documentales y con la pregunta
central del estudio, evitando presentar como hallazgos las afirmaciones que no contaron
con respaldo suficiente. Para contextualizar las categorías ecuatorianas se consideraron
especialmente los estudios sobre determinantes del riesgo soberano y transmisión del
riesgo crediticio desarrollados por Carrillo-Maldonado et al. (2023) y Uquillas y Tonato
(2022).
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
22
El rigor metodológico se reforzó mediante la triangulación de literatura revisada por
pares, estadísticas oficiales, documentos regulatorios e informes de organismos
multilaterales, lo que redujo la dependencia de una sola clase de evidencia. La
credibilidad se sostuvo con criterios explícitos de búsqueda y selección; la dependencia
se atendió mediante una ruta de auditoría documental; y la confortabilidad se promovió
vinculando cada interpretación con los documentos examinados. Asimismo, se
priorizaron versiones recientes y fuentes institucionales vigentes, mientras los textos
anteriores al periodo delimitado solo se admitieron cuando aportaron fundamentos
metodológicos indispensables. El tratamiento ético se concentró en el respeto de la
autoría, la citación completa, la fidelidad interpretativa y la protección de la información,
aunque el estudio no intervino personas ni utilizó datos personales identificables. Las
estadísticas económicas y financieras se emplearon en su forma pública y agregada,
conforme fueron difundidas por las instituciones responsables. Finalmente, se reconoció
que el corte transversal y el alcance exploratorio permitieron identificar tendencias y
vacíos, pero no probaron causalidad ni sustituyeron evaluaciones econométricas
longitudinales posteriores (Aromataris et al., 2024; Banco Central del Ecuador, 2025;
Fondo Monetario Internacional, 2025; Superintendencia de Bancos, 2025).
3. Resultados
Evolución de los métodos de identificación y medición del riesgo financiero
El análisis se orientó a describir el tránsito desde las evaluaciones estadísticas
convencionales hacia herramientas predictivas capaces de incorporar grandes
volúmenes de datos y relaciones no lineales. Debido a que el material compartido no
incluyó una matriz propia con frecuencias documentales, la cuantificación se limitó a los
resultados verificables informados por los estudios examinados. La revisión de Shi et al.
(2022) identificó inicialmente 2.400 publicaciones y seleccionó 76 trabajos pertinentes,
equivalentes al 3,17 % de los registros recuperados, después de excluir duplicados,
documentos incompletos y estudios sin métricas definidas. El conjunto seleccionado
abarcó ocho años de investigación y comprendió métodos estadísticos, aprendizaje
automático y aprendizaje profundo. Los hallazgos mostraron que la identificación del
riesgo pasó de depender de auditorías manuales, regresiones logísticas y análisis
discriminantes a emplear árboles de decisión, máquinas de soporte vectorial, bosques
aleatorios, redes neuronales y modelos ensamblados (Shi et al., 2022).
La distribución de las técnicas confirmó que los métodos tradicionales permanecieron
como líneas de referencia, aunque perdieron centralidad frente a las arquitecturas
híbridas. Una síntesis de 46 investigaciones registró participaciones de 13 % para la
regresión logística, 10 % para Naive Bayes y 7 % para las redes neuronales, mientras
el 72 % de los trabajos examinó alguna modalidad de modelo híbrido; estas
proporciones no fueron mutuamente excluyentes porque varios estudios evaluaron más
de una técnica (Ayari et al., 2026). En otra revisión reciente se seleccionaron 63 estudios
publicados entre 2018 y 2024 y se los organizó en tres familias: aprendizaje automático
tradicional, aprendizaje profundo y aprendizaje ensamblado. Cerca de un tercio utilizó
bases institucionales privadas, mientras las bases German, Australian y Japanese
Credit figuraron entre los conjuntos públicos empleados con mayor frecuencia. La
exactitud y el área bajo la curva ROC fueron los indicadores de evaluación más
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
23
reportados, acompañados por precisión, sensibilidad, especificidad, F1-score y
estadístico de Kolmogórov-Smirnov (Ayari et al., 2026).
Figura 1
Evaluación de los modelos de predicción financiera
Nota: Autores (2025)
La trayectoria representada en la imagen también se observó en los estudios aplicados
al contexto ecuatoriano, donde la medición dejó de concentrarse exclusivamente en
indicadores internos de las instituciones financieras. Avellán et al. (2022) utilizaron una
base semibalanceada desde enero de 2004 hasta diciembre de 2019 y extendieron el
índice de incertidumbre macroeconómica hasta junio de 2020 mediante información
disponible en esa fecha. Los episodios de incertidumbre elevada fueron identificados
con un umbral equivalente a 1,65 desviaciones estándar sobre la media, lo que
incorporó un criterio cuantitativo para distinguir perturbaciones excepcionales. Uquillas
y Tonato (2022), por su parte, examinaron el sistema bancario privado ecuatoriano entre
enero de 2005 y diciembre de 2018 mediante un modelo que diferenció la morosidad
por cartera, estimó mecanismos de contagio e integró variables macroeconómicas y
financieras. La secuencia documental mostró, por tanto, una ampliación desde la
medición individual del incumplimiento hacia estructuras multivariadas que incluyeron
incertidumbre agregada, interdependencia crediticia y simulación de escenarios (Avellán
et al., 2022; Uquillas & Tonato, 2022).
El desempeño publicado reforzó el predominio creciente de los modelos combinados,
aunque la heterogeneidad de bases y procedimientos impidió calcular una media global,
una desviación estándar conjunta, intervalos de confianza o valores p comparables. En
la base German Credit, una combinación de algoritmo genético y red neuronal alcanzó
91,91 % de exactitud y 92,60 % de AUC, mientras los modelos multietapa aplicados a
las bases Australian y Japanese Credit superaron el 91 % de exactitud y el 96 % de
AUC (Ayari et al., 2026). En la mayoría de las familias evaluadas, los valores de
exactitud se situaron por encima del 80 %, aunque los modelos ensamblados
presentaron una variabilidad mayor entre estudios y las configuraciones de aprendizaje
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
24
profundo mostraron resultados más estables. La evidencia también registró que Bagging
obtuvo el AUC más alto y Random Forest la mayor exactitud en la base German,
mientras las redes neuronales artificiales lideraron el AUC en la base Australian (Shi et
al., 2022). El hallazgo central quedó definido por una evolución gradual hacia métodos
híbridos y predictivos, acompañada por la incorporación de métricas de discriminación,
datos alternativos, factores macroeconómicos y relaciones de contagio financiero (Ayari
et al., 2026; Shi et al., 2022).
Alcance de los modelos tradicionales, las pruebas de estrés y el aprendizaje
automático
El contraste documental tuvo como propósito establecer el alcance observado de los
modelos tradicionales, las pruebas de estrés y las técnicas de aprendizaje automático
en la medición del riesgo financiero. Los enfoques paramétricos se concentraron en
probabilidades de incumplimiento y clasificaciones crediticias construidas con variables
previamente seleccionadas, mientras los algoritmos no paramétricos incorporaron
relaciones no lineales y un mayor número de atributos. Las pruebas de estrés ampliaron
la unidad de observación desde el prestatario o la entidad individual hacia sistemas
bancarios sometidos a escenarios macrofinancieros adversos. La revisión de 76
investigaciones mostró que los modelos ensamblados y de aprendizaje profundo
ocuparon posiciones superiores con mayor frecuencia que los métodos estadísticos en
exactitud y área bajo la curva ROC. Sin embargo, las métricas de clasificación no fueron
directamente equivalentes a las pérdidas de capital, probabilidades de incumplimiento y
déficits patrimoniales estimados por las pruebas de estrés (Shi et al., 2022; Ding et al.,
2022).
A partir de esa diferenciación, los modelos tradicionales mantuvieron su función como
referentes comparativos, aunque presentaron un alcance predictivo inferior en las
aplicaciones examinadas. En los datos públicos German Credit, la regresión logística
ocupó el segundo lugar en AUC y el cuarto en exactitud, mientras Random Forest
alcanzó el primer lugar en exactitud y Bagging encabezó el AUC. En Australian Credit,
la regresión logística descendió al quinto puesto en AUC y conservó el cuarto en
exactitud; en contraste, la red neuronal artificial obtuvo el primer lugar en AUC y Extreme
Learning Machine lideró la exactitud. El análisis de 464 pequeñas y medianas empresas
italianas, observadas trimestralmente entre 2015 y 2017, también mostró que Historical
Random Forest superó al modelo probit ordenado en la predicción del riesgo crediticio.
Los principales resultados comparables de cada familia metodológica se sintetizaron,
como se observa en la Tabla 1 (Bitetto et al., 2023; Shi et al., 2022).
Tabla 1
Alcance cuantitativo de los modelos de evaluación del riesgo financiero
Enfoque
analizado
Base o cobertura
examinada
Indicadores cuantitativos
Hallazgo observado
Modelos
tradicionales
German Credit y
Australian Credit
LR: AUC 2.º y ACC 4.º en
German; AUC 5.º y ACC 4.º en
Australian
La regresión logística fue el
método estadístico mejor
posicionado, pero no lideró
ninguna de las dos métricas
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
25
Enfoque
analizado
Base o cobertura
examinada
Indicadores cuantitativos
Hallazgo observado
Aprendizaje
automático
Revisión de 76 estudios y
dos bases públicas de
referencia
RF: ACC 1.º en German;
Bagging: AUC 1.º en German;
ELM: ACC 1.º en Australian;
ANN: AUC 1.º en Australian
Los algoritmos no paramétricos
y ensamblados ocuparon las
primeras posiciones de
desempeño
Aplicación
empresarial
464 pymes italianas,
periodo 2015–2017
Comparación entre probit
ordenado y Historical Random
Forest
Historical Random Forest
registró un desempeño
predictivo superior al modelo
paramétrico
Prueba de
estrés global
257 bancos de 29
economías: 204 de
economías avanzadas y
53 de mercados
emergentes
70 % de los activos bancarios
mundiales; cobertura mínima
de 80 % de los activos de cada
sistema; horizonte de tres
años
El enfoque estimó pérdidas,
capital CET1 y déficits
patrimoniales bajo escenarios
comunes
Pruebas de
estrés
ampliadas
Modelos desarrollados
entre 2018 y 2022
16 modelos nuevos, 13 bases
nuevas, 5 modelos sustituidos
y 11 áreas incorporadas
La cobertura se extendió hacia
riesgos macro-
microeconómicos, contagio y
entidades financieras no
bancarias
Nota: exactitud; AUC = área bajo la curva ROC; ANN = red neuronal artificial; ELM = máquina de
aprendizaje extremo; LR = regresión logística; RF = bosque aleatorio. Las posiciones indicaron
rangos medios comunicados por la revisión y no valores absolutos de desempeño. La
información se obtuvo de Bitetto et al. (2023), Budnik et al. (2024), Ding et al. (2022) y Shi et al.
(2022).
La amplitud prospectiva se hizo más visible en las pruebas de estrés, cuyo alcance
comprendió variables macroeconómicas, resultados bancarios y suficiencia patrimonial
durante horizontes plurianuales. El Global Bank Stress Test incluyó 257 bancos de 29
economías, cuyos activos representaron el 70 % de los activos bancarios mundiales y,
dentro de cada país, al menos el 80 % del sistema correspondiente. La base histórica
cubrió el periodo 1995–2020, mientras las proyecciones de ingresos, gastos, activos
ponderados por riesgo y capital CET1 se realizaron para tres años. La incertidumbre de
especificación se procesó mediante un promedio bayesiano cercano a 5.000
combinaciones de modelos por variable dependiente. En el escenario adverso
inicialmente aplicado, los bancos situados por debajo de los requerimientos mínimos
representaron el 8,3 % de los activos y acumularon un déficit de USD 220.000 millones;
sin políticas mitigadoras, estas cifras ascendieron al 14 % y USD 420.000 millones,
respectivamente (Ding et al., 2022).
La expansión metodológica también quedó reflejada en los modelos de estrés
desarrollados entre 2018 y 2022, periodo en el que se incorporaron 16 modelos y 13
conjuntos de datos adicionales. De los modelos añadidos, cinco —31,3 %— sustituyeron
herramientas anteriores y once —68,8 %— atendieron áreas que no estaban cubiertas;
además, cinco modelos existentes fueron perfeccionados y otros dos permanecieron en
fase de prueba. La cobertura resultante se distribuyó entre modelos descendentes de
riesgo crediticio, riesgo de mercado y rentabilidad, estructuras macro-microeconómicas
y simulaciones sistémicas que integraron bancos y entidades no bancarias. En
contraste, el aprendizaje automático mantuvo un alcance principalmente microfinanciero
y predictivo, centrado en la clasificación de prestatarios y empresas mediante ACC y
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
26
AUC. La síntesis mostró que ninguna familia concentró simultáneamente la mayor
capacidad de clasificación individual, la estimación patrimonial prospectiva y la
representación del contagio sistémico; asimismo, no se obtuvieron medias agregadas,
desviaciones estándar, intervalos de confianza ni valores p comparables debido a la
heterogeneidad de los datos y métricas comunicados (Budnik et al., 2024; Shi et al.,
2022).
Relaciones entre incertidumbre macroeconómica, riesgo soberano y capacidad
de respuesta financiera
El análisis tuvo como propósito identificar los patrones observados entre los episodios
de incertidumbre macroeconómica, la evolución del riesgo soberano y la respuesta del
sistema financiero. Para Ecuador, el índice construido a partir de 24 indicadores
mensuales cubrió el periodo comprendido entre mayo de 2004 y diciembre de 2019, y
estimó la incertidumbre para horizontes de 1, 3 y 12 meses. Los valores aumentaron
durante las cuatro recesiones identificadas en la serie, aunque el umbral de alta
incertidumbre, fijado en 1,65 desviaciones estándar por encima de la media, solo fue
superado en dos episodios: la recesión de 2006–2007 y la crisis asociada con la COVID-
19. Los tres horizontes presentaron trayectorias semejantes, mientras la magnitud
media de la incertidumbre se elevó conforme se amplió el plazo de pronóstico. Los
choques también estuvieron acompañados por respuestas negativas y persistentes de
la producción no petrolera y el empleo formal (Avellán et al., 2022).
La relación con el riesgo soberano se examinó mediante un modelo vectorial
autorregresivo bayesiano integrado por 21 variables, distribuidas en tres bloques:
externo, regional y doméstico. Los resultados atribuyeron la mayor proporción de la
variación del EMBI ecuatoriano al bloque externo, dentro del cual el precio internacional
del petróleo ocupó la primera posición explicativa y las condiciones financieras globales
la segunda. Los índices EMBI de Chile y Perú también registraron efectos de
propagación regional, mientras la deuda pública fue la única variable doméstica con
capacidad explicativa significativa. Esta exposición se observó en una economía donde
los ingresos petroleros equivalieron aproximadamente al 27 % del gasto público entre
2000 y 2019. Además, la participación de los bonos internacionales en la deuda total
aumentó del 13 % al 38 % entre 2014 y 2019, lo que representó un incremento de 25
puntos porcentuales (Carrillo-Maldonado et al., 2023).
El vínculo entre incertidumbre y vulnerabilidad bancaria se manifestó igualmente en la
evidencia internacional utilizada como referencia para la capacidad de respuesta
financiera. El análisis de 889 bancos cotizados pertenecientes a 20 países mostró que
un incremento de una desviación estándar en la incertidumbre de política económica
produjo un aumento de 15,2 % en el ΔCoVaR, indicador que representó la contribución
individual de cada entidad al riesgo del sistema. La transmisión se produjo
principalmente mediante el crecimiento del apalancamiento y el deterioro del riesgo de
los activos, mientras determinadas regulaciones bancarias e instituciones informales
redujeron la magnitud observada del efecto. Por consiguiente, el aumento de la
incertidumbre no solo estuvo asociado con una mayor exposición individual, sino
también con una intensificación cuantificable del riesgo sistémico compartido entre las
instituciones financieras (Duan et al., 2022).
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
27
La respuesta de la intermediación financiera mostró un comportamiento diferenciado
entre la colocación de recursos y la captación de depósitos. En una muestra de 3.807
bancos de 24 países, observados entre el primer trimestre de 1985 y el cuarto trimestre
de 2012, la incertidumbre redujo la creación de liquidez por el lado de los activos y
aumentó la creación de liquidez por el lado de los pasivos. En las pruebas de robustez
diferenciadas por tamaño bancario, el coeficiente asociado con la primera relación fue
de −0,054, con un estadístico t de −6,67, mientras la segunda presentó un coeficiente
de 0,026 y un estadístico t de 3,95. El patrón indicó una contracción del crédito y,
simultáneamente, un incremento de los depósitos orientados a resguardar recursos,
aunque una mejor gobernanza institucional atenuó el efecto negativo sobre la creación
de liquidez bancaria (Wang et al., 2022).
En conjunto, los resultados describieron una secuencia en la que el aumento de la
incertidumbre precedió o acompañó el deterioro de la actividad económica, la elevación
del riesgo soberano y el fortalecimiento de los canales de riesgo bancario. En Ecuador,
la vulnerabilidad se concentró en la exposición al petróleo, las condiciones financieras
internacionales, el contagio regional y el endeudamiento público; en la evidencia
bancaria internacional, se expresó mediante un incremento de 15,2 % en el riesgo
sistémico y una disminución significativa de la liquidez creada a través del crédito. La
capacidad de respuesta no fue homogénea, debido a que la captación de depósitos
aumentó mientras se restringió la creación de activos líquidos y crediticios. No se
calcularon medias conjuntas, desviaciones estándar agrupadas ni intervalos de
confianza globales, porque los estudios utilizaron unidades, periodos, muestras e
indicadores que no resultaron directamente equivalentes (Avellán et al., 2022; Carrillo-
Maldonado et al., 2023; Duan et al., 2022; Wang et al., 2022).
4. Discusión
El estudio analiza los enfoques recientes de gestión del riesgo financiero aplicables a
las entidades de intermediación ecuatorianas y evidencia una transición desde
mediciones históricas hacia arquitecturas híbridas, pruebas de estrés y modelos
sensibles a la incertidumbre macroeconómica. La revisión de 76 investigaciones sugiere
que el aprendizaje automático amplía la capacidad para reconocer relaciones no
lineales, aunque su superioridad predictiva no elimina los problemas de
interpretabilidad, calidad de datos y riesgo de modelo (Shi et al., 2022). A su vez, las
pruebas aplicadas a 257 bancos muestran que el valor de estas herramientas reside en
proyectar pérdidas, capital y déficits patrimoniales bajo escenarios comunes, más que
en sustituir la evaluación institucional tradicional (Ding et al., 2022). En Ecuador, la
asociación entre los episodios de incertidumbre, la actividad no petrolera, el empleo y el
riesgo soberano parece indicar que la gestión financiera requiere incorporar
perturbaciones externas y fiscales en sus sistemas de vigilancia (Avellán et al., 2022;
Carrillo-Maldonado et al., 2023). En consecuencia, los hallazgos respaldan una
concepción multidimensional del riesgo, donde la precisión predictiva debe articularse
con la solvencia, la liquidez y la comprensión del contexto macrofinanciero.
La comparación entre familias metodológicas revela convergencias con los trabajos que
atribuyen mejores resultados clasificatorios a los modelos ensamblados, las redes
neuronales y los bosques aleatorios frente a técnicas paramétricas aisladas (Ayari et al.,
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
28
2026; Bitetto et al., 2023). No obstante, esta ventaja debe interpretarse con cautela,
porque los desempeños superiores al 91 % de exactitud y al 92 % de AUC se obtienen
en bases, muestras y configuraciones que no son directamente equivalentes, por lo que
no demuestran una superioridad universal. Los resultados también coinciden con Budnik
et al. (2024) al mostrar que las pruebas de estrés han ampliado su cobertura hacia
interacciones macro-microeconómicas, contagio y entidades no bancarias, mientras el
aprendizaje automático conserva una orientación predominantemente microfinanciera.
La divergencia principal radica en el alcance de cada enfoque: los modelos tradicionales
ofrecen mayor trazabilidad, los algoritmos avanzados mejoran la discriminación y las
pruebas de estrés estiman la resiliencia patrimonial prospectiva. Así, ninguna
herramienta concentra simultáneamente interpretabilidad, exactitud individual,
proyección de capital y representación del riesgo sistémico, lo que favorece su empleo
complementario y no excluyente (Ding et al., 2022; Shi et al., 2022).
Esta complementariedad adquiere especial relevancia para una economía dolarizada,
donde el precio del petróleo, las condiciones financieras globales y el endeudamiento
público participan en la variación del riesgo soberano y pueden transmitirse hacia el
crédito y la liquidez institucional (Carrillo-Maldonado et al., 2023). El incremento de 15,2
% del ΔCoVaR asociado con una desviación estándar adicional de incertidumbre
sugiere que las perturbaciones económicas pueden intensificar la exposición sistémica
mediante el apalancamiento y el deterioro de los activos, aunque el diseño documental
no permite atribuir causalidad directa para Ecuador (Duan et al., 2022). De manera
consistente, la reducción de la creación de liquidez por el lado de los activos y el
aumento observado por el lado de los pasivos indican que la respuesta bancaria puede
combinar restricción crediticia y mayor captación precautoria (Wang et al., 2022). Estas
relaciones amplían el marco teórico al conectar riesgo soberano, contagio crediticio y
capacidad de respuesta financiera, dimensiones que la evidencia ecuatoriana suele
examinar de manera separada (Uquillas & Tonato, 2022). En términos prácticos, los
hallazgos parecen respaldar sistemas integrados que combinen indicadores
regulatorios, escenarios adversos, alertas tempranas y supervisión humana de los
modelos, sin reducir la decisión financiera a una única métrica predictiva (Eraso
Cisneros et al., 2025; Superintendencia de Bancos, 2025).
Las interpretaciones presentan limitaciones derivadas del carácter cualitativo,
documental, transversal y exploratorio del estudio, así como de la ausencia de una
matriz cuantitativa homogénea que permitiera estimar medias agrupadas, intervalos de
confianza o tamaños de efecto conjuntos (Creswell & Poth, 2024; Snyder, 2019). La
heterogeneidad de periodos, países, definiciones de riesgo, métricas y bases de datos
restringe la comparabilidad, mientras algunos estudios internacionales utilizan series
anteriores al marco temporal de la revisión, por lo que su transferencia al sistema
ecuatoriano requiere prudencia. A partir de estas restricciones, futuras investigaciones
podrían construir paneles longitudinales de bancos y cooperativas ecuatorianas,
comparar modelos con una base común y evaluar conjuntamente incertidumbre, EMBI,
morosidad, liquidez, solvencia y riesgo operacional. También resultaría pertinente
contrastar la exactitud con la explicabilidad y examinar si la gobernanza institucional
modera la transmisión de los choques, siguiendo procedimientos reproducibles de
síntesis y validación (Aromataris et al., 2024; Page et al., 2021). La contribución central
reside en integrar niveles macroeconómicos, sistémicos e institucionales dentro de un
mismo marco analítico, con lo cual se responde a la fragmentación identificada y se
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
29
delimita una ruta metodológica más coherente para gestionar el riesgo financiero bajo
incertidumbre.
5. Conclusiones
Los resultados permiten concluir que la gestión del riesgo financiero en contextos de
incertidumbre económica evoluciona hacia un enfoque integrado, prospectivo y
multidimensional, especialmente pertinente para las entidades de intermediación
financiera del Ecuador. Los modelos recientes amplían la identificación de
vulnerabilidades al combinar información histórica, variables macroeconómicas,
relaciones no lineales y escenarios adversos. Sin embargo, ninguna herramienta reúne
por sí sola interpretabilidad, precisión predictiva, estimación patrimonial y
representación del riesgo sistémico. Por esta razón, la administración del riesgo requiere
complementar indicadores tradicionales, aprendizaje automático y pruebas de estrés,
preservando el juicio profesional y la supervisión institucional. Este hallazgo responde
al objetivo general al mostrar que la efectividad de los enfoques contemporáneos
depende más de su articulación que de la sustitución absoluta de los métodos
convencionales.
En relación con los objetivos específicos, se observa que la identificación y medición del
riesgo pasan de técnicas centradas en razones financieras y regresiones hacia modelos
híbridos capaces de procesar relaciones complejas y datos heterogéneos. Los
desempeños superiores al 91 % de exactitud registrados en determinadas bases
evidencian una mayor capacidad de clasificación, aunque deben interpretarse dentro de
las condiciones particulares de cada muestra. Paralelamente, las pruebas de estrés
aplicadas a 257 bancos muestran un alcance diferente, pues permiten proyectar
pérdidas, suficiencia de capital y déficits patrimoniales durante horizontes plurianuales.
La incertidumbre macroeconómica también se relaciona con mayor riesgo sistémico,
presión sobre el riesgo soberano y respuestas diferenciadas entre crédito y depósitos.
En conjunto, estos hallazgos evidencian que la exposición financiera se configura
mediante interacciones entre factores institucionales, fiscales, externos y tecnológicos.
El principal aporte del estudio consiste en integrar tres niveles de análisis
(macroeconómico, sistémico e institucional) con cuatro dimensiones de riesgo: crédito,
liquidez, mercado y operación. Esta articulación permite comprender que la
incertidumbre no afecta únicamente la probabilidad de incumplimiento, sino también la
creación de liquidez, el costo del financiamiento, la solvencia y la capacidad de
respuesta de las entidades. Para Ecuador, la dependencia petrolera, las condiciones
financieras internacionales y el endeudamiento público refuerzan la necesidad de
incorporar variables externas y soberanas en los sistemas de alerta temprana. En el
ámbito profesional e institucional, los resultados sugieren que las decisiones deben
apoyarse en modelos explicables, datos confiables y mecanismos de validación
continua. De este modo, la investigación contribuye a reducir la fragmentación entre el
análisis macrofinanciero y la gestión operativa del riesgo.
A partir de los resultados se recomienda fortalecer la integración de bases financieras,
regulatorias y macroeconómicas, así como evaluar los modelos con criterios
simultáneos de precisión, estabilidad, trazabilidad y utilidad institucional. Las entidades
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
30
ecuatorianas podrían incorporar pruebas de estrés diferenciadas por cartera, escenarios
asociados con petróleo, deuda pública y liquidez, además de controles específicos para
el riesgo de modelo. Las investigaciones futuras deberían emplear paneles
longitudinales de bancos y cooperativas, comparar algoritmos sobre bases comunes y
examinar conjuntamente EMBI, morosidad, solvencia, liquidez y riesgo operacional.
También resulta pertinente analizar si la gobernanza institucional modera la transmisión
de los choques y mejora la capacidad de respuesta financiera. Dentro del alcance
exploratorio del estudio, estas líneas consolidan su contribución central: proponer una
arquitectura analítica integrada para gestionar el riesgo financiero en una economía
dolarizada y expuesta a incertidumbre persistente.
Referencias Bibliográficas
Alava-Montufar, B. D., Intriago-Castro, A. V., León-Vera, D. S., & Zamora-Mayorga, D.
J. (2025). Variación de ingresos y egresos del GAD Municipal del cantón San
Francisco de Puebloviejo, periodo 2022-2023. Revista Científica Ciencia Y
Método, 3(3), 121-132. https://doi.org/10.55813/gaea/rcym/v3/n3/64
Albán-Molina, F. E., Salguero-Salguero, M. M., & Aimacaña-Chancusig, E. F. (2024).
Modelo de finanzas personales para el manejo adecuado de ahorros de
emprendimientos del GADP de Cotopaxi. Journal of Economic and Social
Science Research, 4(1), 19–32. https://doi.org/10.55813/gaea/jessr/v4/n1/83
Almeida-Blacio, J. H. (2024). Tendencias en la educación financiera y su impacto en la
toma de decisiones económicas personales. Revista Científica Ciencia Y
Método, 2(4), 1-13. https://doi.org/10.55813/gaea/rcym/v2/n4/48
Aromataris, E., Lockwood, C., Porritt, K., Pilla, B., & Jordan, Z. (Eds.). (2024). JBI manual
for evidence synthesis. JBI.
Avellán, G., González-Astudillo, M., & Salcedo Cruz, J. J. (2022). Measuring uncertainty:
A streamlined application for the Ecuadorian economy. Empirical Economics,
62(4), 1517–1542. https://doi.org/10.1007/s00181-021-02069-5.
Ayari, H., Guetari, R., & Kraïem, N. (2026). Machine learning powered financial credit
scoring: A systematic literature review. Artificial Intelligence Review, 59, Article
13. https://doi.org/10.1007/s10462-025-11416-2
Banco Central del Ecuador. (2025). Estadísticas monetarias y financieras.
https://contenido.bce.fin.ec/documentos/informacioneconomica/MonetarioFinan
ciero/ix_ReportesMonetarios.html
Banco Mundial. (2026). Ecuador: Panorama general.
https://www.worldbank.org/ext/en/country/ecuador
Bitetto, A., Cerchiello, P., Filomeni, S., Tanda, A., & Tarantino, B. (2023). Machine
learning and credit risk: Empirical evidence from small- and mid-sized
businesses. Socio-Economic Planning Sciences, 90, 101746.
https://doi.org/10.1016/j.seps.2023.101746.
Bonilla Bonilla, M. A. (2022). Montaigne y el Individualismo en el Capitalismo
Naciente. Journal of Economic and Social Science Research, 2(4), 1–14.
https://doi.org/10.55813/gaea/jessr/v2/n4/22
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
31
Braun, V., & Clarke, V. (2021). Thematic analysis: A practical guide. SAGE Publications.
https://uk.sagepub.com/en-gb/eur/thematic-analysis/book248481
Braun, V., & Clarke, V. (2022). Conceptual and design thinking for thematic analysis.
Qualitative Psychology, 9(1), 3–26. https://doi.org/10.1037/qup0000196
Budnik, K., Ponte Marques, A., Ben Hadj, S., Georgescu, O. M., Giglio, C., Grassi, A.,
Durrani, A., Figueres, J. M., Konietschke, P., Le Grand, C., Metzler, J., Ortl, A.,
Población García, F. J., Shaw, F., Trachana, Z., Chalf, Y., Gross, J., Sydow, M.,
& Franch, F. (2024). Advancements in stress-testing methodologies for financial
stability applications (Occasional Paper Series No. 348). European Central Bank.
https://www.ecb.europa.eu/pub/pdf/scpops/ecb.op348~6b72fbe3cf.en.pdf
Carrera-Torrales, D. S., & Rivera-Pizarro, C. F. (2025). Análisis financiero para la
correcta toma de decisiones a la compañía boutique Sports JyJ en la ciudad de
Guayaquil período 2022-2023. Revista Científica Zambos, 4(1), 205-225.
https://doi.org/10.69484/rcz/v4/n1/87
Carrillo-Maldonado, P., Díaz-Cassou, J., & Flores, M. (2023). What are the main
variables that influence the dynamics of Ecuador’s sovereign risk? Journal of
Applied Economics, 26(1), 2158009.
Casanova-Villalba, C. I., & Casanova-Villalba, L. A. (2024). Uso de análisis de datos
avanzados para la detección de fraudes financieros. Revista Científica Ciencia Y
Método, 2(3), 1-12. https://doi.org/10.55813/gaea/rcym/v2/n3/44
Casanova-Villalba, C. I., Herrera-Sánchez, M. J., & Proaño-González, E. A. (2023).
Impacto de la analítica predictiva en la toma de decisiones gerenciales. Revista
Científica Ciencia Y Método, 1(3), 16-30.
https://doi.org/10.55813/gaea/rcym/v1/n3/17
Concha-Ramírez, J. A., Hurtado Guevara, R. F., & Arias-Rios, J. A. (2025).
Responsabilidad social corporativa y desempeño financiero en empresas
latinoamericanas. Revista Científica Enfoques Del Conocimiento, 2(1), 73-93.
https://doi.org/10.55813/gaea/revistacec/v2/n1/31
Creswell, J. W., & Poth, C. N. (2024). Qualitative inquiry and research design: Choosing
among five approaches (5th ed.). SAGE Publications.
https://uk.sagepub.com/en-gb/eur/qualitative-inquiry-and-research-
design/book266033
Ding, X., Gross, M., Krznar, I., Laliotis, D., Lipinsky, F., Lukyantsau, P., & Tressel, T.
(2022). The global bank stress test (Departmental Paper No. 2022/009).
International Monetary Fund. https://doi.org/10.5089/9798400204524.087.
Duan, Y., Fan, X., & Wang, Y. (2022). Economic policy uncertainty and bank systemic
risk: A cross-country analysis. Pacific-Basin Finance Journal, 75, 101828.
https://doi.org/10.1016/j.pacfin.2022.101828.
Eraso Cisneros, B., Pérez-Rico, C., & Gallizo Larranz, J. L. (2025). Banking and
cooperatives in Ecuador: Comparative evidence of technical efficiency and
financial resilience. Journal of Risk and Financial Management, 18(9), 501.
https://doi.org/10.3390/jrfm18090501
Fondo Monetario Internacional. (2025). Global Financial Stability Report: Enhancing
resilience amid uncertainty.
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
32
García-Osorio, N. E. (2022). Evaluación de la rentabilidad del sector agrocacaotero de
La Concordia ante la disminución de precios en el periodo 2019-2021. Journal of
Economic and Social Science Research, 2(3), 53–66.
https://doi.org/10.55813/gaea/jessr/v2/n3/57
Guerrero-Calero, V. S. (2023). Microfinanzas y disminución de la pobreza en un análisis
exploratorio de investigaciones empíricas. Innova Science Journal, 1(4), 25-
36. https://doi.org/10.63618/omd/isj/v1/n4/25
Hermosa-Vega, G. G. (2022). Mejora de la rentabilidad en almacenes de
electrodomésticos mediante estrategias de marketing digital: evidencia empírica
en La Concordia. Journal of Economic and Social Science Research, 2(3), 40–
52. https://doi.org/10.55813/gaea/jessr/v2/n3/56
Herrera-Sánche, M. J., Casanova-Villalba, C. I., & Jacome-Vélez, T. G. (2024).
Transformación digital en la banca y su efecto en la experiencia del cliente.
Revista Científica Ciencia Y Método, 2(1), 1-13.
https://doi.org/10.55813/gaea/rcym/v2/n1/27
Herrera-Sánchez, M. J., Casanova-Villalba, C. I., Gonzales-Ticona, Y. B., & Casanova-
Villalba, L. A. (2024). Gestión del riesgo financiero y sostenibilidad empresarial
en pequeñas y medianas empresas. Revista Científica Enfoques Del
Conocimiento, 1(2), 34-50. https://doi.org/10.55813/gaea/revistacec/v1/n2/14
Lascano-Rivera, S. B., Vila-Hinojo, B. T., Quimbita-Chiluisa, O. R., Carrera-Sánchez, F.
A., Puente-Ponce, P. F., Guerrero-Bermúdez, Ángel E., Guerrero-Calero, V. S.,
& Hidalgo-Zambrano, K. C. (2026). Administración Inteligente: Estrategias
Empresariales Basadas en Inteligencia Artificial, Analítica de Datos y
Sostenibilidad. Oriente-Manabí Editorial. https://doi.org/10.63618/omeditorial/l15
Llamuca-Damián, J. C., & Montesdeoca-Espín, L. C. (2025). Ahorro e inflación en
Ecuador: análisis mediante el modelo VECM (vector de corrección de errores).
Revista Científica Zambos, 4(3), 92-107. https://doi.org/10.69484/rcz/v4/n3/134
Mindiola-Mindiola, E. J., Landeta-Lara, A. A., Almachi-Hurtado, T. S., & Zamora-
Mayorga, D. J. (2025). El presupuesto participativo en la gestión de los recursos
públicos de Quevedo, 2024. Revista Científica Ciencia Y Método, 3(3), 107-120.
https://doi.org/10.55813/gaea/rcym/v3/n3/63
Montero-de-la-Cueva, J. V., & Caicedo-Aldaz, J. C. (2022). Efectos económicos de la
enfermedad del cogollo en la cadena productiva de la palma aceitera. Journal of
Economic and Social Science Research, 2(3), 13–25.
https://doi.org/10.55813/gaea/jessr/v2/n3/54
Naula, F., Zamora, C., & Gomez, K. (2025). The influence of bank loans and deposits on
Ecuador’s economic growth: A cointegration analysis. International Journal of
Financial Studies, 13(2), 76. https://doi.org/10.3390/ijfs13020076
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C.
D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville,
J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-
Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An
updated guideline for reporting systematic reviews. BMJ, 372, n71.
https://doi.org/10.1136/bmj.n71
Revista de Investigación y Liderazgo Vol. 2 (Num. 3)(Julio –Septiembre 2026) ISSN 3151-8532
Nuevos territorios del saber científico
https://rivinglid.omeditorial.com
33
Preciado-Ramírez, J. D., & Herrera-Enríquez, G. (2023). Modelos de negocio
sostenibles basados en economía circular. Revista Científica Ciencia Y Método,
1(1), 14-27. https://doi.org/10.55813/gaea/rcym/v1/n1/7
Salinas-Arroba, . J. M., Preciado-Ramírez, J. D., & Guerrero-Freire, E. I. (2025). Análisis
de cointegración del índice de precios al consumidor y los salarios nominales en
Ecuador. Journal of Economic and Social Science Research, 5(2), 205-222.
https://doi.org/10.55813/gaea/jessr/v5/n2/198
Shi, S., Tse, R., Luo, W., D’Addona, S., & Pau, G. (2022). Machine learning-driven credit
risk: A systemic review. Neural Computing and Applications, 34, 14327–14339.
https://doi.org/10.1007/s00521-022-07472-2.
Snyder, H. (2019). Literature review as a research methodology: An overview and
guidelines. Journal of Business Research, 104, 333–339.
https://doi.org/10.1016/j.jbusres.2019.07.039
Superintendencia de Bancos. (2025). Portal estadístico: Boletines financieros y series
históricas del sistema financiero.
https://www.superbancos.gob.ec/estadisticas/portalestudios/boletines-
financieros-mensuales/grupos-financieros/
Superintendencia de Bancos. (2025). Sistema financiero estable y seguro: Medidas
firmes ante situación en Banco Pichincha.
https://www.superbancos.gob.ec/bancos/sistema-financiero-estable-y-seguro-
medidas-firmes-ante-situacion-en-banco-pichincha/
Toledo-Castillo, N. del R., Huera-Paltán, B. P., Lemache-Noriega, D. G., & Oñate-
Bastidas, B. A. (2026). Riesgos de responsabilidad legal en el uso de chatbots e
IA para asesoría financiera y tributaria en Ecuador. Journal of Economic and
Social Science Research, 6(1), 46-
58. https://doi.org/10.55813/gaea/jessr/v6/n1/229
Uquillas, A., & Tonato, R. (2022). Inter-portfolio credit risk contagion including
macroeconomic and financial factors: A case study for Ecuador. Economic
Analysis and Policy, 73, 299–320. https://doi.org/10.1016/j.eap.2021.11.006.
Wang, C.-W., Lee, C.-C., & Chen, M.-C. (2022). The effects of economic policy
uncertainty and country governance on banks’ liquidity creation: International
evidence. Pacific-Basin Finance Journal, 71, 101708.
https://doi.org/10.1016/j.pacfin.2022.101708.
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
