Publicación: Motor prescriptivo de pricing de CDTs basado en curvas de mercado y aprendizaje automático
Portada
PDF 
FLIP 
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Director
Fecha
Resumen en español
Esta investigación presenta una propuesta de intervención empresarial para fortalecer el pricing de los Certificados de Depósito a Término (CDTs) en Corficolombiana. A partir del análisis de las operaciones de la entidad, surge la siguiente pregunta de investigación: ¿cómo puede Corficolombiana tomar mejores decisiones sobre las tasas de sus CDTs, de manera más consistente, más trazable y menos dependiente del criterio de unas pocas personas? Hoy, ese proceso depende en buena medida del juicio experto individual, carece de una referencia analítica integrada y no siempre deja registro claro de por qué se ofreció una tasa determinada, todo esto en un contexto donde el costo del fondeo ha afectado materialmente los resultados de tesorería. Para responder a esa pregunta, se desarrolla un motor prescriptivo de pricing soportado en ciencia de datos y aprendizaje automático. El motor integra información de curvas de mercado, series macroeconómicas y señales competitivas; construye referencias comparables por plazo e indexación; y calcula una medida relativa de posicionamiento conocida como basis de emisión, que permite comparar cada captación frente a lo que el mercado ofrece en condiciones equivalentes. Sobre esa base, se desarrollaron modelos supervisados que recomiendan tasas y spreads por plazo e indexación, con resultados técnicos suficientes para apoyar la decisión en condiciones normales de mercado. El diagnóstico organizacional mostró que la principal brecha de Corficolombiana no es la falta de información, sino la ausencia de una capa analítica integrada, reproducible y explicable que convierta señales dispersas de mercado en decisiones consistentes. En respuesta a ello, el trabajo formula un plan de intervención orientado a institucionalizar la solución mediante gobierno de datos, validación del modelo, adopción por el usuario de negocio y monitoreo continuo. Se concluye que la propuesta aporta valor no solo por su desempeño técnico, sino por su capacidad de fortalecer la inteligencia decisional sobre el fondeo bajo criterios de uso responsable, supervisión humana y trazabilidad.
Resumen en inglés
This study presents a business intervention proposal aimed at strengthening certificate of deposit (CDT) pricing in Corficolombiana. Based on an analysis of the institution's operations, the following research question emerges: how can Corficolombiana make better decisions about its CDT rates, in a more consistent, traceable, and less expert-dependent way? Today, that process relies heavily on individual expert judgment, lacks an integrated analytical reference, and does not always leave a clear record of why a specific rate was offered — all of this in a context where funding costs have materially affected treasury results. To answer that question, this study develops a prescriptive pricing engine supported by data science and machine learning. The engine integrates market curve data, macroeconomic series, and competitive signals; builds comparable references by maturity and indexation; and computes a relative pricing measure known as issuance basis, which allows each deposit to be benchmarked against what the market offers under equivalent conditions. On that basis, supervised models were developed to recommend rates and spreads by maturity and indexation, with technical results sufficient to support decision-making under normal market conditions. The organizational diagnosis revealed that the institution's main gap is not the lack of data, but rather the absence of an integrated, reproducible, and explainable analytical layer capable of turning dispersed market signals into consistent pricing decisions. In response, the study proposes an implementation plan focused on data governance, model validation, business-user adoption, and continuous monitoring. The study concludes that the proposal adds value not only because of its technical performance, but also because of its potential to strengthen funding-related decision intelligence under principles of responsible use, human oversight, and traceability.