En febrero de 2022, buscando mejorar la clasificación de riesgo país, el Banco Central estableció que todos los bancos debían contar con la liquidez necesaria para pagar su deuda transaccional con otros bancos.
En este contexto, CCA requería una estimación más precisa de los movimientos transaccionales mensuales de la banca.
Desafío
Lograr mayor precisión en los montos que serían transferidos, buscando estimaciones menores a las del modelo del Banco Central sin perder confiabilidad operacional.
Solución
Microsystem desarrolló un modelo de machine learning Random Forest que predice la Posición Neta Deudora (PND) de todos los bancos para cada día del mes siguiente.
El modelo se ejecuta con frecuencia mensual, entregando una base predictiva para anticipar los movimientos transaccionales de la banca.
Beneficios
- Asegura que la banca no caiga en default.
- Genera ahorros para la banca, con 10.000 millones de pesos menos en desvío mensual promedio en la predicción de PND para cada banco.
- Provee a la banca una estimación de sus movimientos transaccionales mensuales.
