https://rei.esprint.tech
ISSN: 2960-8317
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
123
Artículo de investigación
Lógica difusa: un escudo para la estabilidad financiera
cooperativa. Caso de estudio: Cooperativa Sumac Llacta Ltda.
Fuzzy logic: a shield for cooperative financial stability. Case study of the Sumac
Llacta Ltda. Cooperative
Vicente Marlon Villa Villa*
Universidad Nacional de Chimborazo.
Riobamba-Ecuador.
mvilla@unach.edu.ec
https://orcid.org/0000-0002-4292-2391
Rodrigo Enrique Velarde Flores
Universidad Nacional de Chimborazo.
Riobamba-Ecuador.
rvelarde@unach.edu.ec
https://orcid.org/0000-0002-5130-6822
Mayra Karina Flores Escobar
Universidad Nacional de Chimborazo.
Riobamba-Ecuador.
k_ariflores@hotmail.com
https://orcid.org/0000-0002-7702-8242
María Genoveva Cuji García
Universidad Nacional de Chimborazo.
Riobamba-Ecuador.
maria.cuji@unach.edu.ec
https://orcid.org/0009-0009-6549-8819
*Correspondencia:
mvilla@unach.edu.ec
Cómo citar este artículo:
Villa, V., Velarde, R., Flores, M., & Cuji, M.
(2024). Lógica difusa: un escudo para la
estabilidad financiera cooperativa. Caso de
estudio: Cooperativa Sumac Llacta Ltda.
Esprint Investigación, 3(3), 123-136.
https://doi.org/10.61347/ei.v3i3.86
Recibido: 8 de noviembre de 2024
Aceptado: 20 de diciembre de 2024
Publicado: 30 de diciembre de 2024
Resumen: La presente investigación evaluó la utilidad de la lógica difusa (fuzzy logic)
para medir la estabilidad financiera de la Cooperativa Sumac Llacta Ltda. durante el
período 2019-2022. El objetivo general fue desarrollar un modelo más preciso y flexible
que los métodos tradicionales, identificando los factores claves que influyen en la
estabilidad de la cooperativa. A través de un análisis exhaustivo de los estados
financieros, se seleccionaron indicadores financieros relevantes y se modelaron
utilizando conj
untos difusos. Estos conjuntos permiten manejar la incertidumbre
presente en los datos financieros. Esta investigación enmarcada en un paradigma
positivista, con un enfoque cuantitativo, un nivel descriptivo, una modalidad de campo
y documental, empleó un diseño no experimental de corte transversal. Se utilizaron
técnicas de análisis documental y lógica difusa con números borrosos trapezoidales,
aplicando la metodología CAMEL, el instrumento fue la guía de análisis de documentos,
la población fue de 16 documentos financieros. Los resultados muestran que el modelo
de lógica difusa es eficaz para evaluar la estabilidad financiera de la cooperativa, al
considerar la imprecisión y la incertidumbre de los datos. Además, el modelo identifica
factores claves para la toma de decisiones estratégicas. Se concluye que la lógica difusa
es una herramienta prometedora para evaluar la estabilidad financiera de las
cooperativas, ya que proporciona una evaluación más flexible y precisa, contribuyendo
a fortalecer la gestión financiera y garantizar la sostenibilidad a largo plazo de estas
instituciones. Los hallazgos de este estudio pueden servir como base para futuras
investigaciones en el campo de la evaluación financiera cooperativa.
Palabras clave: Cooperativas, estabilidad financiera, lógica difusa, modelización
financiera, riesgo financiero.
Abstract: This research evaluated the usefulness of fuzzy logic to measure the financial stability
of the Sumac Llacta Ltda. Cooperative during the period 2019-2022. The general objective was to
develop a more precise and flexible model than traditional methods, identifying the key factors
that influence the stability of the cooperative. Through an exhaustive analysis of the financial
statements, relevant financial indicators were selected and modeled using fuzzy sets. These sets
make it possible to manage the uncertainty present in the financial data. This research, framed in
a positivist paradigm, with a quantitative approach, a descriptive level, a field and documentary
modality, used a non-experimental cross-sectional design. Documentary analysis techniques and
fuzzy logic with trapezoidal fuzzy numbers were used, applying the CAMEL methodology, the
instrument was the document analysis guide, the population was 16 financial documents. The
results show that the fuzzy logic model is effective in assessing the financial stability of the
cooperative, by considering the imprecision and uncertainty of the data. In addition, the model
identifies key factors for strategic decision making. It is concluded that fuzzy logic is a promising
tool for assessing the financial stability of cooperatives, as it provides a more flexible and accurate
assessment, contributing to strengthening financial management and ensuring the long-term
sustainability of these institutions. The findings of this study can serve as a basis for future
research in the field of cooperative financial assessment.
Keywords: Cooperatives, financial modeling, financial risk, financial stability, fuzzy logic.
Copyright: Derechos de autor 2024 Vicente
Marlon Villa Villa, Rodrigo Enrique Velarde
Flores, Mayra Karina Flores Escobar, María
Genoveva Cuji García.
Esta obra está bajo una licencia internacional
Creative Commons Atribución-
NoComercial 4.0.
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 124
1. Introducción
En un contexto global caracterizado por mercados financieros cada vez más dinámicos y complejos,
las herramientas capaces de gestionar la incertidumbre son esenciales para garantizar la sostenibilidad
de las instituciones financieras. En este escenario, la lógica difusa (fuzzy logic) emerge como una
metodología innovadora que revoluciona el análisis financiero, permitiendo una gestión resiliente y
adaptativa frente a las condiciones cambiantes. Este enfoque es especialmente relevante para las
cooperativas de ahorro y crédito, entidades fundamentales para la inclusión financiera y el desarrollo
económico regional, que enfrentan el desafío de equilibrar solvencia, liquidez y rentabilidad para
asegurar su estabilidad a largo plazo (Luna et al., 2019).
La estabilidad financiera de estas cooperativas se define como su capacidad para mantener un
equilibrio sólido entre activos y pasivos, administrando eficientemente recursos, riesgos y operaciones
(Londoño-Patiño, 2020). Este equilibrio no solo les permite resistir alteraciones económicas y
financieras, sino cumplir con sus obligaciones y reforzar la confianza de sus socios. Sin embargo, las
herramientas tradicionales de análisis, como la metodología CAMEL, presentan limitaciones al
abordar la incertidumbre inherente a los datos financieros y las fluctuaciones del entorno económico
(Rodríguez & Donoso, 2022).
Introducido por Zadeh en 1965 (Goguen, 2014), la lógica difusa se presenta como una herramienta
innovadora y poderosa para superar estas limitaciones. Al utilizar conjuntos difusos y funciones
trapezoidales, este enfoque permite modelar datos imprecisos y clasificar indicadores clave como
liquidez, suficiencia patrimonial, rentabilidad (ROE y ROA) e índice de morosidad, convirtiéndose en
una alternativa eficaz para evaluar la salud financiera de las cooperativas (Chanchí et al., 2021).
Además, su capacidad para manejar la incertidumbre y generar escenarios proyectivos mejora
significativamente la precisión del análisis financiero y facilita la toma de decisiones estratégicas
informadas, posicionando a la lógica difusa como un recurso valioso para fortalecer la sostenibilidad
financiera de las cooperativas en un entorno económico incierto (Vidal et al., 2019).
El objetivo de la presente investigación es demostrar cómo la lógica difusa puede ser utilizada como
una herramienta eficaz e innovadora para mejorar la estabilidad financiera de las cooperativas de
ahorro y crédito. A través de la modelización de datos financieros imprecisos, este enfoque supera las
limitaciones de métodos tradicionales como CAMEL y abre nuevas posibilidades para la gestión
estratégica en el sector cooperativo (Moreno et al., 2024).
En síntesis, la aplicación de la lógica difusa representa un avance significativo hacia una gestión
más inteligente y adaptativa en la gestión financiera de las cooperativas de ahorro y crédito en un
entorno caracterizado por la incertidumbre (Carpio-Peralta et al., 2021). Su uso no solo fortalece la
capacidad de las cooperativas para enfrentar desafíos, sino que fomenta un enfoque proactivo y
estratégico en la búsqueda de estabilidad y sostenibilidad financiera (Talledo, 2022).
En el presente estudio se considera ciertas definiciones como:
Fuzzy Logic: es una forma de lógica utilizada para manejar la incertidumbre y la imprecisión,
permitiendo modelar situaciones en las que los valores de verdad pueden tener grados de verdad.
Según Zadeh (1965, como se citó en Goguen, 2014), la lógica difusa es una forma de lógica multivaluada
en la que los valores de verdad de las variables pueden ser cualquier número real entre 0 y 1. Esta
lógica se emplea para manejar el concepto de verdad parcial, donde el valor de verdad puede oscilar
entre completamente verdadero y completamente falso.
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 125
Valuación e Intervalo de Confianza: Tinto (2015) manifiesta que la valuación implica asignar un
valor numérico a un fenómeno percibido, utilizando una escala adecuada. En la lógica borrosa, estas
valuaciones oscilan entre 0 (falso) y 1 (verdadero). Es importante no confundir los términos valuación
y probabilidad, ya que la valuación es un dato subjetivo proporcionado por una o varias personas en
diferentes escalas, mientras que la probabilidad es un dato objetivo validado con el tiempo y
generalmente aceptado.
En el análisis de datos, el intervalo de confianza es un rango que predice dónde caerá el valor
verdadero de un parámetro con cierto nivel de certeza. Este rango usa dos valores (A y B) que no
pueden ser mayores a 1, y A no puede ser mayor que B. Esto simplifica la expresión de las valuaciones
y facilita su interpretación y análisis (0 ≤ A ≤ B ≤ 1).
Escala Endecadaria: de acuerdo con Tinto (2015) es un sistema de valoración que utiliza once puntos
para medir la intensidad o grado de un fenómeno. En el contexto de la lógica difusa, esta escala abarca
de 0 (falso) a 1 (verdadero), permitiendo una evaluación más precisa y detallada en comparación con
sistemas de evaluación más simples, lo cual es crucial para el análisis y la toma de decisiones (ver tabla
1).
Tabla 1
Escala Endecadaria
Valor Descripción
0 Falso
0.1 Prácticamente falso
0.2 Casi falso
0.3 Bastante falso
0.4 Más falso que verdadero
0.5 Tan falso como verdadero
0.6 Más verdadero que falso
0.7 Bastante verdadero
0.8 Casi verdadero
0.9 Prácticamente verdadero
1 Verdadero
Proaño (2023) destaca que, en el ámbito de la operación con números difusos, las funciones más
importantes incluyen las de tipo triangular, trapezoidal, gaussiana y sigmoidal.
Función trapezoidal: Revelo (2006) define la función trapezoidal como una herramienta matemática
utilizada en lógica difusa para representar la pertenencia de elementos a conjuntos difusos. Esta
función, con forma de trapezoide, se caracteriza por cuatro parámetros específicos que marcan los
puntos de inicio y fin, así como los puntos de cambio de pendiente, componiéndose de segmentos
lineales ascendentes y descendentes, y una sección central plana.
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 126
=
0
(
)
(
)
(
)
(
)
(, ]
1
(
,
)
(
)
(
)
(
,
)
(
1
)
La figura 1 muestra la función trapezoidal, una función de pertenencia típica utilizada en lógica
difusa para modelar conjuntos difusos. Su forma general es un trapezoide, definido por los parámetros
a, b, c y d, que delimitan sus límites y pendiente.
Figura 1
Función trapezoidal
Nota. Fuente: Ravelo (2006).
Reglas difusas: a juicio de Saldaña & Guamán (2019), son enunciados que, mediante el uso de
adverbios, modifican conjuntos difusos. Estas reglas siguen una estructura de “Si – Entonces”, donde
tanto el antecedente como el consecuente son proposiciones difusas. Existen dos tipos de reglas: las
atómicas y las compuestas. Las reglas atómicas son proposiciones individuales, mientras que las
compuestas combinan proposiciones atómicas mediante conectivos de conjunciones, disyunciones,
negaciones e implicaciones.
Variables lingüísticas: se definen como variables cuyos valores son palabras o frases en un lenguaje
natural o artificial, como los utilizados en simulaciones por computadora e interacciones de robots. Un
ejemplo de variable lingüística es el costo del transporte, que puede expresarse en términos lingüísticos
como “bajo”, “promedio” o “alto”, en lugar de cantidades específicas como “US$10”, “US$50” o
“US$100”. Además de los términos básicos, los valores lingüísticos pueden incluir conectivos como
“y”, “o”, “ya sea”, “ni”, la negación “no” y modificadores como “muy”, “más o menos”,
“completamente”, “bastante”, “extremadamente”, “algo”, entre otros. Estas variables son muy
comunes en los modelos difusos (Profillidis & Botzoris, 2019, pp. 176-177).
Análisis CAMEL: en opinión de Crespo (2011) es un sistema que evalúa la solidez de las
instituciones financieras mediante cinco parámetros: Capital, Calidad del Activo, Administración,
Rentabilidad y Liquidez. Este método resume factores financieros, operativos y de cumplimiento
normativo en un solo indicador, facilitando a supervisores y al público una comprensión clara del
estado del sistema financiero e identificando debilidades que comprometan la estabilidad financiera y
requerir medidas correctivas.
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 127
En la tabla 2 se presenta el indicador, el significado, la fórmula y el promedio del método CAMEL
utilizado en esta investigación.
Tabla 2
Indicador, significado, fórmula, promedio del método CAMEL
Indicador Significado Fórmulas Metas CAMEL
Liquidez
Evalúa la capacidad de una
organización para actuar
rápidamente en caso de
retiro público.
44.41%
Suficiencia
patrimonial
Indica qué porcentaje de los
resultados están cubiertos
por activos que están
inmovilizados. Una relación
es mejor cuanto más grande
es.
+
620.75%
Rentabilidad
ROE: determina el
rendimiento de las acciones.
Un mejor estado de la
empresa se indica con
valores más altos en el
indicador.
é
: 0.31%
ROA: Evalúa la rentabilidad
de los activos. Los valores
más
altos de esta relación
indican que el negocio va
mejor.
é
: 0.74%
Rendimiento de
cartera
Da una señal de la eficacia
de la institución en el cobro
a sus clientes.
ó
29.04%
ó
41.22%
Índice de
morosidad
El índice muestra los
créditos que podrían
deteriorarse si el cliente se
declara insolvente.
6.99%
5.92%
Nota. Fuente: Díaz et al. (2017).
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 128
2. Metodología
La presente investigación se centró en evaluar la calidad de la información contenida en 16 documentos
financieros de la Cooperativa de Ahorro y Crédito Sumac Llacta Ltda. Adoptó un enfoque cuantitativo
con un nivel descriptivo, enmarcada en un paradigma positivista, con una modalidad de campo y
documental. Se utilizó un diseño no experimental de corte transversal. Se aplicó la metodología
CAMEL combinada con técnicas de análisis documental y lógica difusa trapezoidal. La lógica difusa
permitió modelar la incertidumbre inherente a la evaluación de la calidad de la información, mientras
que la metodología CAMEL proporcionó un marco estructurado para el análisis. Se diseñó una guía
de análisis específica para evaluar criterios como la claridad, la relevancia y la confiabilidad de la
información. Los datos se recolectaron a través de un análisis detallado de cada documento y se
analizaron utilizando software especializado.
Diseño metodológico para evaluar la salud financiera de la Cooperativa de Ahorro y Crédito Sumac
Llacta Ltda. utilizando CAMEL y Lógica Difusa
Para la comparación entre ambos métodos se realizó un proceso estructurado y riguroso que
garantizara la validez y la precisión de los resultados. A continuación, se detallan los pasos
implementados en el proceso:
1. Recolección de datos
La recolección de datos para este estudio se realizó a partir de fuentes confiables, incluyendo los
estados financieros y estados de resultados de la cooperativa, proporcionados por la Superintendencia
de Economía Popular y Solidaria (SEPS). Además, se analizaron informes adicionales relevantes que
aportan información clave sobre la estabilidad financiera del sector cooperativo en Ecuador.
2. Identificación de indicadores claves
Para evaluar la estabilidad financiera de la Cooperativa Sumac Llacta Ltda. se seleccionaron los
siguientes indicadores clave: liquidez, suficiencia patrimonial, rentabilidad (ROE y ROA), eficiencia
microeconómica e índice de morosidad.
3. Evaluación con el Método CAMEL
a. Cálculo de indicadores claves:
Siguiendo las normas del modelo CAMEL se aplicaron las fórmulas establecidas a los datos financieros
sin depurar de los años 2019-2022 para calcular cada indicador clave. Así, por ejemplo:
:
b. Clasificación de Indicadores:
Cada indicador fue evaluado en función de metas predefinidas por la SEPS, asignando calificaciones
como “Débil”, “Bueno”, “Óptimo”, etc.
c. Limitaciones identificadas:
El modelo CAMEL presenta una visión simplificada de la realidad financiera, al no considerar matices
o rangos intermedios, lo que dificulta su aplicación en situaciones complejas o inusuales.
4. Evaluación con Lógica Difusa
a. Definición de variables lingüísticas
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 129
Se asignaron etiquetas lingüísticas a cada indicador financiero. Por ejemplo, para 'liquidez', se
utilizaron los términos 'pesimista', 'ideal' y 'óptimo.
b. Construcción de funciones de pertenencia
Se utilizó la función trapezoidal, que permite representar matemáticamente el grado de pertenencia de
cada indicador a un conjunto difuso.
c. Fuzzificación de datos
Conversión de valores numéricos en términos lingüísticos utilizando el software GeoGebra. Aplicación
de reglas difusas del tipo “Si-entonces” para evaluar escenarios financieros (pésima, mala, regular,
bueno, muy bueno).
d. Defuzzificación:
Los términos lingüísticos obtenidos fueron transformados nuevamente en números para compararlos
con los datos de CAMEL.
5. Comparación entre CAMEL y Fuzzy Logic
a. Criterios de evaluación
Precisión: se evaluó si los métodos detectaron matices específicos en los indicadores financieros.
Adaptabilidad: se analizó cómo cada método responde a datos extremos o variables atípicas.
Consistencia: se compararon los resultados año por año para verificar la coherencia de ambos métodos.
6. Instrumentos
Para el desarrollo del estudio se utilizaron instrumentos que permitieron el análisis de los indicadores
financieros. Entre ellos, el software GeoGebra y Excel fueron empleados para realizar cálculos
matemáticos y generar gráficos ilustrativos. Además, se utilizó una guía de observación financiera, la
cual facilitó la recopilación de datos relevantes, y una matriz de evaluación diseñada específicamente
para calificar los indicadores bajo las dos metodologías de análisis aplicadas, asegurando un enfoque
estructurado y objetivo en la interpretación de los resultados.
3. Resultados
En particular, la Cooperativa de Ahorro y Crédito Sumac Llacta Ltda., al igual que otras instituciones
del sector, enfrenta el desafío de evaluar y garantizar su estabilidad financiera en un entorno
económico dinámico e incierto. Los métodos tradicionales, como la metodología CAMEL, aunque
efectivos en algunos aspectos, muestran limitaciones al tratar con la imprecisión inherente a los datos
financieros y las variaciones en los escenarios económicos. En este ambiente, la lógica difusa se
presenta como una herramienta poderosa y flexible para abordar estas limitaciones.
Durante el período 2019-2022, esta cooperativa desarrolló un modelo de análisis financiero basado
en lógica difusa para evaluar su estabilidad financiera. Este modelo incorporó conjuntos difusos y
funciones trapezoidales para representar indicadores claves como la liquidez, suficiencia patrimonial,
rentabilidad e índice de morosidad. A diferencia de los modelos tradicionales que emplean valores
estrictos y absolutos, la lógica difusa permitió clasificar estos indicadores en términos lingüísticos (por
ejemplo: “Débil”, “Regular”, “Bueno”, “Óptimo”), lo que permitió una evaluación más flexible y
ajustada a la realidad económica de la cooperativa.
Los resultados confirmaron que este modelo fue eficaz para identificar problemas como la
insuficiencia patrimonial y las bajas tasas de liquidez, ofreciendo una evaluación integral y adaptada
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 130
a la realidad económica de la cooperativa. Los hallazgos destacan el potencial de esta metodología para
abordar desafíos comunes en el sector cooperativo, especialmente en contextos de incertidumbre
económica. Por lo tanto, las enseñanzas extraídas de este análisis pueden ser aplicadas tanto a nivel
nacional como internacional, contribuyendo a la sostenibilidad financiera y fortalecimiento de su papel
en el desarrollo económico y social.
Método CAMEL
Los resultados de los indicadores claves del análisis CAMEL para la cooperativa de Ahorro y Crédito
Sumac Llacta Ltda. se muestran en la tabla 3. Durante el período 2019-2022 los indicadores financieros
presentaron variaciones significativas. La liquidez (23,35 %) y la suficiencia patrimonial (255,30 %)
alcanzaron sus máximos en 2021, aunque disminuyeron en 2022 a 9,74 % y 177 %, respectivamente. La
rentabilidad mostró una tendencia negativa, registrando pérdidas en 2021 y 2022, mientras que el
índice de morosidad descendió constantemente, reflejando una posible mejora en la calidad crediticia.
Los indicadores ROE y ROA, junto con los sectores comerciales y de consumo, experimentaron
fluctuaciones, destacando una recuperación en 2022.
Tabla 3
Indicadores financieros según el método CAMEL
Año LQ SP
RT
IM
Comercial
Consumo
ROE ROA
2019 11,27% 31% 2,00% 0,45% 4,15% 5,81%
2020 14,22% 243,12% 1,01% 0,25% 3,53% 5,99%
2021 23,35% 255,30% -13,95% -1,70% 1,81% 3,34%
2022 9,74% 177% -18,87% -3,87% 3,48% 6,94%
Método Fuzzy Logic
Definición de variables lingüísticas: se colocaron etiquetas lingüísticas a cada uno de los indicadores
financieros (ver tabla 4).
Tabla 4
Variables lingüísticas
LQ SP ROE
Inferior a 14.79 Inferior a 206.91 Inferior a 0.09 Inferior
29.61 44.40 413.83 620.74 0.21 0.30 4.66
44.41 59.20 620.75 827.66 0.31 0.40 6.99
59.21 74.00 827.67 1034.58 0.41 0.50 9.32
74.01 En adelante 1034.59 En adelante 0.52 En adelante 11.65
Construcción de funciones de pertenencia: se consideraron los períodos con la mayor suficiencia
patrimonial, correspondiente al año 2021, y con la menor suficiencia patrimonial, correspondiente al
año 2020, para calcular la función trapezoidal de cada indicador.
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 131
Indicador de liquidez
En función de los conjuntos borrosos, es esencial aclarar las condiciones de la función trapezoidal
(
)
(
)
;
donde representa el valor de la variable de liquidez proporcionada por la SEPS; y son los valores
del conjunto borroso “pesimista”, y son cruciales para determinar el grado de pertenencia de la
variable LQ (Liquidez).
Datos:
(
ñ 2020
)
= 14.22%;
(
ñ 2021
)
= 23.35%;
= 14.79; = 29.61;
Estos son los valores que representan el conjunto “Pesimista” según las variables lingüísticas
previamente mencionadas.
AÑO 2020: AÑO 2021:
LQ =
(23,35 14,79)
(29,61 14,79)
LQ =
(14,22 14,79)
(29,61 14,79)
LQ = 0,04 LQ = 0,58
A partir de los datos obtenidos se genera una representación gráfica (figura 2) considerando los
valores del conjunto difuso “Pesimista” ( = 14,79 = 29,61), “Ideal” ( = 29,61 = 59,21)
y “Óptimo” ( = 59,21 = 74,01). En 2020, la liquidez corriente no cumple con los criterios del
conjunto difuso, lo que indica problemas en el cumplimiento de compromisos financieros y operativos.
En 2021, la situación mejora ligeramente, con la liquidez corriente siendo parte del conjunto difuso
pesimista con una intensidad de 0.58, indicando alguna capacidad de cumplimiento financiero.
Figura 2
Variable Liquidez utilizando la función trapezoidal en la lógica difusa
Es importante resaltar que se aplicó el mismo procedimiento para los demás indicadores claves. Se
definieron las reglas difusas para cada indicador, incluyendo el rango de estabilidad, la estabilidad
financiera y el valor asignado. La tabla 5 muestra la regla difusa definida para el indicador Liquidez
como ejemplo.
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 132
Tabla 5
Reglas difusas para el indicador Liquidez
Indicador Rango de estabilidad Estabilidad financiera Valor asignado
Liquidez
0,0 – 0,2 Pésima 0,1
0,3 – 0,4 Mala 0,2
0,5 – 0,6 Regular 0,3
0,7 – 0,8 Bueno 0,6
0,9 – 1 Muy bueno 0,8
Fuzzificación de datos: en esta sección se implementaron las reglas difusas previamente definidas
a los indicadores financieros pertinentes, tales como liquidez, suficiencia patrimonial, rentabilidad,
índices de morosidad y otros, con el objetivo de representar estos datos de forma difusa, que se
presentan en la tabla 6.
Tabla 6
Fuzzificación de datos
Indicador LQ SP ROE ROA Morosidad
Año 2019
Mala
(0.2)
Malo
(0.2)
Muy Bueno
(0.8)
Regular
(0.3)
Regular
(0.3)
Año 2020
Malo
(0.2)
Regular
(0.3)
Muy Bueno
(0.8)
Malo
(0.2)
Regular
(0.3)
Año 2021
Regular
(0.3)
Regular
(0.3)
Pésimo
(0.1)
Pésimo
(0.1)
Pésimo
(0.1)
Año 2022
Mala
(0.2)
Malo
(0.2)
Pésimo
(0.1)
Pésimo
(0.1)
Regular
(0.3)
La figura 3 presenta una comparación de los indicadores financieros (liquidez, suficiencia
patrimonial, ROE, ROA y morosidad) entre 2019 y 2022. En términos de liquidez (LQ), los valores
permanecen bajos a lo largo del período, con una ligera mejora en 2020, pero sin alcanzar niveles
significativos. La suficiencia patrimonial (SP) muestra un aumento considerable en 2020,
estabilizándose en 2021, pero con una leve caída en 2022. El indicador de rentabilidad sobre el
patrimonio (ROE) destaca en 2019 con un pico muy superior al resto de los años, mientras que en los
años posteriores presenta una tendencia descendente marcada. La rentabilidad sobre activos (ROA)
sigue un patrón similar al ROE, con una caída progresiva desde 2019 hasta 2022, indicando una
reducción sostenida en la eficiencia para generar ingresos. Finalmente, el índice de morosidad
experimenta un descenso constante durante el período, lo que sugiere mejoras en el manejo de la
calidad crediticia de la cooperativa. En general, los datos reflejan desafíos financieros persistentes, con
mejoras aisladas en algunos indicadores y caídas significativas en otros, especialmente en la
rentabilidad.
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 133
Figura 3
Comparación de indicadores por año
Comparación entre los métodos CAMEL y Fuzzy Logic
La comparación entre el método CAMEL y la lógica difusa se presenta en la tabla 7. Se analiza que
entre 2019 y 2022, los indicadores CAMEL de la cooperativa reflejan fluctuaciones significativas en su
estabilidad financiera, alternando entre fortalezas y debilidades. En 2019 y 2020, la cooperativa destacó
por un desempeño sobresaliente en ROE y ROA, aunque enfrentó deficiencias en liquidez y suficiencia
patrimonial. En 2021, se evidenció un deterioro generalizado, mientras que en 2022 los resultados
fueron mixtos, con áreas moderadas y otras deficientes. Desde el enfoque de lógica difusa, la
evaluación integra fortalezas y debilidades para ofrecer una visión más equilibrada y conservadora,
calificando la estabilidad financiera como “Buena” en los primeros años, pero como “Pésima” en los
periodos más críticos, subrayando la necesidad de atender las vulnerabilidades estructurales de la
cooperativa.
Tabla 7
Comparación entre el método CAMEL y la Fuzzy Logic
Año
Componente
CAMEL
Valor
CAMEL
Calidad CAMEL
Valor difuso
Estabilidad financiera
Grado de
pertenencia
Estabilidad
financiera
2019
Liquidez 0.3 Débil Mala 0.2
Suficiencia
Patrimonial
0.4 Regular Malo 0.2
Rentabilidad ROE 1.0
Absolutamente
Óptimo
Muy Bueno 0.8
Rentabilidad ROA 0.3 Débil Regular 0.3
Índice de Morosidad
Comercial
0.5
Medianamente
Bueno
Regular 0.3
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 134
2020
Liquidez 0.3 Débil Malo 0.2
Suficiencia
Patrimonial
0.4 Regular Regular 0.3
Rentabilidad ROE 1.0
Absolutamente
Óptimo
Muy Bueno 0.8
Rentabilidad ROA 0.3 Débil Malo 0.2
Índice de Morosidad
Comercial
0.5
Medianamente
Bueno
Regular 0.3
2021
Liquidez 0.5
Medianamente
Bueno
Regular 0.3
Suficiencia
Patrimonial
0.4 Regular Regular 0.3
Rentabilidad ROE 0.0 Pésimo Pésimo 0.1
Rentabilidad ROA 0.0 Pésimo Pésimo 0.1
Índice Morosidad
Comercial
0.2 Malo Pésimo 0.1
2022
Liquidez 0.2 Malo Malo 0.2
Suficiencia
Patrimonial
0.2 Malo Malo 0.2
Rentabilidad ROE 0.0 Pésimo Pésimo 0.1
Rentabilidad ROA 0.0 Pésimo Pésimo 0.1
Índice Morosidad
Comercial
0.5
Medianamente
Bueno
Regular 0.3
4. Conclusiones
La investigación demuestra que el modelo de lógica difusa es altamente efectivo para evaluar la
estabilidad financiera de la Cooperativa Sumac Llacta Ltda. durante el período 2019-2022. Al
considerar la imprecisión y la incertidumbre inherentes en los datos financieros, la lógica difusa
permite una evaluación precisa y detallada en comparación con los métodos tradicionales. Este modelo
ofrece una visión más matizada de los indicadores financieros claves, lo que facilita una toma de
decisiones informada y estratégica.
Al integrar la lógica difusa con la metodología CAMEL, la investigación resalta cómo esta técnica
permite manejar eficazmente la incertidumbre presente en los datos financieros. Mientras que los
métodos tradicionales, como CAMEL, dependen de valores exactos y categorías fijas, la lógica difusa
proporciona una evaluación flexible, permitiendo clasificar los indicadores financieros dentro de un
rango más amplio. Esta característica es crucial para las cooperativas, que suelen enfrentarse a
fluctuaciones en sus datos financieros que no siempre encajan en una clasificación rígida.
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 135
La implementación de la lógica difusa en la evaluación financiera de las cooperativas no solo mejora
la precisión de las decisiones estratégicas, sino que fortalece la gestión financiera y contribuye a la
sostenibilidad a largo plazo de estas instituciones. Los resultados de este estudio sugieren que la lógica
difusa puede ser una herramienta fundamental para optimizar las operaciones financieras de las
cooperativas, ayudándolas a enfrentar desafíos económicos con mayor adaptabilidad y resiliencia, lo
que puede tener un impacto positivo en su estabilidad y crecimiento futuro.
Referencias
Carpio-Peralta, M. C., Álvarez-Gavilanes, J. E., & Orellana-Orellana, E. F. (2021). Modelo de gestión
financiera sostenible aplicando lógica difusa en el Hospital Humanitario. Cienciamatria, 7(12),
4-37. https://doi.org/10.35381/cm.v7i12.418
Chanchí, G. E., Sierra, L. M., & Campo, W. Y. (2021). Aplicación de la lógica difusa en la
implementación de rúbricas de evaluación en el contexto universitario. Revista Ibérica de
Sistemas e Tecnologias de Informação, (42), 174-187. https://n9.cl/3ecym
Crespo, J. Y. (2011). CAMEL vs. discriminante, un análisis de riesgo al sistema financiero venezolano.
Ecos de Economía, 15(33), 25-47. https://n9.cl/puwyp
Díaz, J., Coba, E., Moreno, K., & Santamaría, E. (2017). La lógica difusa aplicada a los ratios financieros
en el sector cooperativo del Ecuador. INNOVA Research Journal, 2(6), 64-82. https://n9.cl/k0kx1
Goguen, J. A. (2014). L. A. Zadeh. Fuzzy sets. Information and control, vol. 8 (1965), pp. 338–353. - L.
A. Zadeh. Similarity relations and fuzzy orderings. Information sciences, vol. 3 (1971), pp. 177–
200. The Journal of Symbolic Logic, (4), 656-657. https://n9.cl/u5w2w
Londoño-Patiño, J. (2020). Toma de decisiones basada en la productividad en Pymes manufactureras:
aproximación desde la Lógica Difusa. Revista CEA, 6(12), 181-207. https://n9.cl/rlgvq
Luna, K., Espinoza, J., Sarmiento, W., Andrade, C., & Chamba, V. (2019). Análisis financiero en el sector
industrial con aplicación de herramientas de la lógica borrosa. Ciencia Digital, 3(2.3), 112-124.
https://doi.org/10.33262/cienciadigital.v3i2.3.566
Moreno, C., Vega, A., & Chanchí, G. (2024). Herramienta de estimación de la confiabilidad de clientes
potenciales del sector financiero mediante el uso de técnicas de análisis de sentimientos y lógica
difusa. Revista Colombiana de Tecnologías de Avanzada, 1(43), 24-34.
https://doi.org/10.24054/rcta.v1i43.2801
Proaño, B. (2023). Análisis financiero (1°. ed). Universidad del Azuay.
https://publicaciones.uazuay.edu.ec/flip/books/libro/uazuay-libro-303.pdf
Profillidis, V. A., & Botzoris, G. N. (2018). Modeling of transport demand: Analyzing, calculating, and
forecasting transport demand. Elsevier.
https://www.sciencedirect.com/book/9780128115138/modeling-of-transport-demand
Revelo, S. (2006). Simulación de un convertidor multinivel apilable controlado con lógica difusa [Tesis de
maestría, Universidad de las Américas Puebla]. Repositorio institucional. https://n9.cl/o1tli
Rodríguez, L., & Donoso, A. (2022). Propuesta teórica de una metodología para el análisis de los riesgos
empresariales por procesos y lógica difusa en el sector turístico cubano. Contaduría y
Administración, 67(3). https://doi.org/10.22201/fca.24488410e.2022.3474
https://rei.esprint.tech
ISSN: 2960-8317
Esprint Investigación
Vol. 3 N° 3 Edición Especial Diciembre (123-136)
Vicente Marlon Villa Villa, Rodrigo Enrique Velarde Flores, Mayra Karina Flores Escobar, María Genoveva Cuji García 136
Saldaña, C. X., & Guamán, G. (2019). Análisis financiero basado en la técnica Fuzzy Logic, como
instrumento para la toma de decisiones en la empresa Italimentos Cía. Ltda. Revista Economía y
Política, (30), 72-95. https://n9.cl/9ddqy
Talledo, D. (2022). Lógica difusa aplicada a la bolsa de valores. Global Business Administration Journal,
6(2), 3-16. https://doi.org/10.31381/gbaj.v6i2.5167
Tinto, J. (2015). Implementación de tecnologías de avanzada (fuzzy-set) aplicadas a los sistemas de control y
gestión en las cadenas agroalimentarias del Ecuador. Universidad Técnica de Machala.
https://n9.cl/a0d5l
Vidal, K., Erazo, J., & Narváez, I. (2019). La lógica difusa como herramienta de evaluación financiera
de proyectos de inversión. Revista Arbitrada Interdisciplinaria Koinonía, 4(1), 309-348.
https://n9.cl/ep6lr
Transparencia
Conflicto de interés
Los autores declaran que no existen conflictos de interés que influyan en la objetividad de este estudio.
Fuente de financiamiento
No se recibieron fondos financieros de ninguna organización que pudiera tener interés en los
resultados presentados.
Contribución de autoría
Vicente Marlon Villa Villa: Conceptualización, metodología, software, validación, análisis formal,
investigación, visualización, redacción - preparación del borrador original, redacción - revisión y
edición, financiamiento, administración del proyecto, recursos, supervisión.
Rodrigo Enrique Velarde Flores: Conceptualización, metodología, software, validación, análisis
formal, investigación, gestión de datos, visualización, redacción - preparación del borrador original,
redacción - revisión y edición, financiamiento, administración del proyecto, recursos, supervisión.
Mayra Karina Flores Escobar: Metodología, software, validación, análisis formal, investigación,
visualización, redacción - revisión y edición, financiamiento, recursos.
María Genoveva Cuji García: Software, validación, análisis formal, investigación, gestión de datos,
visualización, redacción - revisión y edición, financiamiento, recursos.
Los autores contribuyeron activamente en el análisis de los resultados, revisión y aprobación del
manuscrito final.
