Dynamic Balance Sheet Simulation and Credit Default Prediction: A Stress Test Model for Colombian Firms

Cuesta-Mora, Diego Fernando; Gómez-Molina, Andrés Camilo

Dynamic Balance Sheet Simulation and Credit Default Prediction: A Stress Test Model for Colombian Firms

Download

Borradores de Economía; No.1325

Date published

2025-08-29

Authors

Cuesta-Mora, Diego Fernando
Gómez-Molina, Andrés Camilo

Document language

eng

Cargando estadísticas...

Ver PlumX Metrics

Las opiniones contenidas en el presente documento son responsabilidad exclusiva de los autores y no comprometen al Banco de la República ni a su Junta Directiva.

The opinions contained in this document are the sole responsibility of the author and do not commit Banco de la República or its Board of Directors.

Abstract

This paper presents a stress test model used by the Financial Stability Department of the Banco de la República to assess the financial vulnerability of Colombian nonfinancial firms. The model supports the Central Bank’s biannual Financial Stability Report and informs policy decisions by identifying firms that are exposed to credit risk under adverse economic conditions. The proposed model integrates three components: a dynamic balance sheet simulation framework; a suite of machine learning models to estimate credit default probabilities; and a final module that identifies firms at risk of default. This tool strengthens the Central Bank’s capacity to monitor and evaluate risks in the corporate sector with a forward-looking perspective. The paper details each component and illustrates the model’s results using a stress scenario.

Description

Este documento presenta un modelo de prueba de estrés empleado por el Departamento de Estabilidad Financiera del Banco de la República para evaluar la vulnerabilidad financiera de las firmas no financieras colombianas. El modelo apoya el Reporte de Estabilidad Financiera semestral del Banco de la República y aporta al diseño de políticas al identificar firmas expuestas al riesgo crediticio en condiciones macroeconómicas adversas. El modelo propuesto integra tres componentes: un marco dinámico de simulación de balances; un conjunto de modelos de machine learning para estimar probabilidades de incumplimiento crediticio; y un módulo final que identifica firmas en riesgo de incumplimiento crediticio. Esta herramienta fortalece la capacidad del Banco de la República para monitorear y evaluar riesgos en el sector empresarial de forma prospectiva. El documento detalla cada componente e ilustra los resultados mediante un escenario de estrés.