Si trabajas en riesgo de crédito — ya sea en un banco, una fintech o una microfinanciera — existe una herramienta que, bien dominada, puede transformar la forma en que gestionas tu cartera: el análisis de cosechas, conocido en inglés como vintage analysis o análisis cohort.
El análisis de cosechas consiste en agrupar los créditos según su fecha de originación — la cosecha — y luego observar cómo evoluciona su comportamiento a lo largo del tiempo. En lugar de ver tu portafolio como una foto estática, lo conviertes en una película: puedes ver exactamente cuándo y cómo empiezan a deteriorarse (o mejorar) grupos específicos de créditos.
1. ¿Qué es el análisis de cosechas?
El análisis de cosechas de crédito es una metodología de seguimiento de cartera que permite:
- Identificar qué períodos de originación producen créditos de mayor o menor riesgo.
- Detectar el impacto de cambios en políticas de crédito sobre la calidad de la cartera.
- Proyectar pérdidas esperadas de cosechas inmaduras usando el patrón de las maduras.
- Evaluar la efectividad de estrategias de cobranza y recuperación.
- Cumplir con los requerimientos de estimación de Pérdida Esperada bajo NIIF 9 (IFRS 9).
Risk Pill 💊 El análisis de cosechas no es solo una herramienta de reporte — es un sistema de alerta temprana. Una cosecha que muestra mora elevada en los primeros 6 meses está enviando una señal clara: algo salió mal en la originación, no en la cobranza.
2. La matriz de cosechas: el corazón de la metodología
La matriz de cosechas es una tabla donde cada fila representa una cosecha (mes de originación), cada columna representa los meses de vida transcurridos (Mes 1, Mes 2… Mes N), y cada celda muestra el CDR acumulado (Cumulative Default Rate).
Las celdas en blanco son datos que aún no existen — esas cosechas no han alcanzado esa antigüedad. Aquí es donde entra la proyección de cosechas inmaduras: usando la curva promedio de las cosechas maduras, puedes estimar cuánto llegará a ser esa mora.
3. Indicadores clave: CDR, LGD, tasa de recuperación
Cumulative Default Rate (CDR) — Tasa de Morosidad Acumulada
Es el indicador principal del análisis de cosechas. Mide la proporción del saldo originado de una cosecha que ha caído en mora (normalmente >90 días) o ha sido castigado.
Fórmula: CDR = (Saldo vencido >90d + Castigos acumulados) / Saldo desembolsado de la cosecha
La curva de cosecha y sus tres fases
La curva de cosecha es la representación gráfica del CDR a lo largo del tiempo. Su forma típica tiene tres fases:
- Fase de aceleración (Meses 1–6): la mora crece rápidamente. Los créditos más débiles empiezan a fallar.
- Fase de desaceleración (Meses 7–18): el ritmo de deterioro baja. Los créditos supervivientes son más resilientes.
- Fase de estabilización (Mes 18+): la curva se aplana. Se alcanza la mora a la madurez.
Risk Pill 💊 Si una cosecha nueva supera la curva promedio en los primeros 3 meses, no esperes a que madure para actuar. Ese patrón temprano predice con alta precisión el CDR final.
4. Insumos mínimos que necesitas
Para construir un análisis de cosechas riguroso necesitas los siguientes datos por cosecha y por período de observación:
Datos de originación (Mes 0 de cada cosecha)
- Valor total de desembolsos de la cosecha
- Número de créditos desembolsados
Datos de seguimiento (por cada mes de vida)
- Saldo de cartera vigente no castigado
- Saldo vencido >90 días (o >30 o >60 días, según la definición de default)
- Saldo castigado acumulado y número de créditos castigados acumulados
- Valor recuperado acumulado (post-castigo)
5. Cosechas y NIIF 9: la conexión con provisiones
El análisis de cosechas es uno de los insumos más importantes para el cálculo de la Pérdida Crediticia Esperada (ECL) bajo NIIF 9 (IFRS 9). Bajo el modelo de pérdida crediticia esperada, las provisiones deben estimarse considerando:
- PD (Probability of Default): calibrada usando el CDR histórico de las cosechas (§5.5.17b).
- LGD (Loss Given Default): estimada con base en las recuperaciones post-castigo observadas en las cosechas.
- EAD (Exposure at Default): el saldo expuesto al momento del incumplimiento (§B5.5.19).
ECL = PD × LGD × EAD
Risk Pill 💊 Una insight que sorprende a muchos analistas: el tamaño del portafolio puede ser engañoso. Un segmento que representa solo el 28% del EAD puede generar el 79% de la ECL si su LGD es significativamente mayor. El análisis de cosechas por segmento revela estas asimetrías que el análisis agregado oculta.
6. Cómo usar el análisis de cosechas para definir políticas de crédito
Este es el paso que convierte el análisis de cosechas de una herramienta descriptiva en una herramienta prescriptiva. El proceso tiene siete etapas:
- Segmentar correctamente por producto, canal, perfil de cliente, monto y plazo.
- Comparar cosechas antes y después de cambios en políticas de aprobación.
- Identificar factores explicativos de cosechas anómalas.
- Establecer umbrales de alerta temprana basados en la curva promedio.
- Calibrar modelos de scoring con el CDR observado por segmento.
- Definir límites de aprobación diferenciados por nivel de riesgo.
- Monitorear y ajustar continuamente — mensual, trimestral y anual.
7. Errores comunes y cómo evitarlos
Error 1: No tratar adecuadamente los créditos reestructurados
Las reestructuraciones “rejuvenecen” artificialmente una cosecha deteriorada. Define claramente si se mantienen en su cosecha original o generan una nueva.
Error 2: Comparar cosechas con diferente madurez
Cuando compares cosechas, aségúrate de hacerlo al mismo mes de antigüedad, no a la misma fecha calendario.
Error 3: Usar promedios simples para proyectar
Usa promedios ponderados por saldo desembolsado. Los promedios simples sobrerepresentan las cosechas pequeñas.
Error 4: Confundir CDR con la mora puntual del mes
El CDR es acumulado — incluye todos los créditos que han caído en mora desde el origen, incluyendo los ya castigados. La mora puntual generalmente subestima el deterioro real.
8. Herramientas: Excel, Power BI y Python
- Excel: ideal para volúmenes hasta ~50,000 créditos y 24 cosechas. Funciones clave: SUMAR.SI.CONJUNTO, tablas dinámicas, gráficos de líneas.
- Power BI: dashboards interactivos con alertas visuales en tiempo real. Modelo de datos en formato largo + DAX para calcular antigüedad correctamente.
- Python (pandas + matplotlib): para cientos de miles de créditos y docenas de cosechas. Automatiza la construcción de la matriz, proyección y gráficos.
9. Preguntas frecuentes
¿Cuál es la diferencia entre análisis de cosechas y vintage analysis?
Son el mismo concepto. “Vintage analysis” es el término en inglés; “análisis de cosechas” o “análisis de cohortes” son las traducciones usadas en Latinoamérica.
¿Con cuántos meses de historia se puede empezar?
Técnicamente con 3–6 meses ya puedes construir las primeras matrices, pero la utilidad real viene cuando tienes al menos 12–18 meses de historia por cosecha.
¿El análisis de cosechas aplica a tarjetas de crédito?
Sí, pero para productos revolentes el análisis se hace sobre el número de cuentas, no sobre el saldo, ya que el saldo fluctúa mensualmente.
¿Qué es la “mora a la madurez”?
Es el CDR al que una cosecha se estabiliza — el punto en que la curva de morosidad acumulada deja de crecer significativamente. Es el mejor estimador del riesgo “real” de una cosecha y el input principal para el cálculo de provisiones.
¿El análisis de cosechas es obligatorio bajo regulación?
En muchas jurisdicciones latinoamericanas no está explícitamente mandatado, pero es el camino natural para cumplir con la exigencia de NIIF 9 de usar “datos históricos propios” para la estimación de PD y LGD.
10. Conclusión
El análisis de cosechas es la brújula que permite a los equipos de riesgo crediticio navegar en condiciones de incertidumbre con datos propios, no con supuestos genéricos. Cuando dominas esta metodología puedes detectar problemas de originación antes de que escalen, demostrarle a tu comité y regulador que tus provisiones están sustentadas en evidencia histórica, y tomar decisiones de política de crédito con confianza.
¿Quieres dominar el análisis de cosechas con datos reales? Conoce el Curso Completo de Análisis de Cosechas en albertochacon.com.