Análisis y fortalecimiento del sistema de gestión de riesgo para la toma de decisiones en el Banco de la República
Bibliographic record
Abstract
La administracion del riesgo es una de las preocupaciones actuales de las organizaciones debido a la normativa de la Superintendencia Financiera. Esta entidad exige la conformacion de un sistema que permita gestionar el riesgo operativo de todas las organizaciones financieras. La gestion del riesgo operativo permite dar confianza a los clientes internos y externos de las empresas, permitiendo el control efectivo de todos y cada uno de los procesos que tienen lugar en la organizacion. “…dichas entidades deben desarrollar, establecer, implementar y mantener un Sistema de Administracion de Riesgo Operativo (SARO), acorde con su estructura, tamano, objeto social y actividades de apoyo, estas ultimas realizadas directamente o a traves de terceros, que les permita identificar, medir, controlar y monitorear eficazmente este riesgo.” (Superintendencia Financiera, 2006) Segun Pinto (2008) la importancia que se le ha otorgado al riesgo operacional ha influenciado la estructura de los sistemas de control y la regulacion de diferentes sectores economicos especialmente a los mercados financieros. El fenomeno anterior se ha dado como resultado de la difusion de los estudios y tratados establecidos por el Comite de Supervision Bancaria de Basilea. El Comite fue constituido en 1974 por los gobernadores de los bancos centrales del G10, y actualmente esta conformado por representantes de paises como Alemania, Italia, Belgica, Luxemburgo, Canada, Espana, Reino Unido, Estados Unidos, Francia, Suecia, Japon, Paises Bajos y Suiza. En este sentido, el comite de Basilea tiene como objetivo fortalecer la estabilidad monetaria y financiera mundial. Este organo de vigilancia formula estandares de supervision para el sector bancario, que son adoptados por las autoridades de cada pais miembro del comite y por entidades supervisoras en demas paises. El Comite realizo un estudio sobre perdidas del sector bancario en economias desarrolladas y concluyo que se presentaban mas problemas de riesgo de credito y de riesgo operacional que problemas de riesgo de mercado. (Pinto & Leyva, 2008).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".