Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 851
OPTIMIZACIÓN DEL MARGEN DE INTERMEDIACIÓN FINANCIERA: UN MODELO
DE PROGRAMACIÓN LINEAL PARA EL EQUILIBRIO ENTRE COLOCACIÓN Y
CAPTACIÓN EN LA BANCA COMERCIAL
OPTIMIZATION OF THE FINANCIAL INTERMEDIATION MARGIN: A LINEAR
PROGRAMMING MODEL FOR THE BALANCE BETWEEN LENDING AND DEPOSIT IN
COMMERCIAL BANKING
Autores: ¹Ángel Fabian Cruz Alvear y
2
Julio Efraín Cruz Alvear.
¹ORCID ID:
https://orcid.org/0009-0000-9516-0039
2
ORCID ID:
https://orcid.org/0009-0006-4220-7239
¹E-mail de contacto: angelfabiancruz@gmail.com
2
E-mail de contacto:
cruzjulio10@gmail.com
Afiliación:¹*
2
*Investigador Independiente, (Ecuador).
Artículo recibido: 10 de Marzo del 2026
Artículo revisado: 12 de Marzo del 2026
Artículo aprobado: 17 de Marzo del 2026
¹Economista graduado de la Universidad Central del Ecuador, (Ecuador). Especialista en Gestión de Proyectos graduado en la Fundación
Alemana para el Desarrollo Internacional, (Alemania). Máster en Asesoría a Empresas graduado de la Universidad de León, (España).
Máster en Asesoría a Empresas graduado de la Organización Industrial de Madrid, (España). Máster en Innovación y Derecho Empresarial
graduado de la Universidad de Barcelona, (España). Doctor Honoris Causa por la Universidad GESTALT de México, (México).
2
Economista graduado de la Universidad Central del Ecuador, (Ecuador). Máster Executive en Dirección Financiera de la Escuela de
Organización Industrial de Madrid, (España). Máster en Riesgos Financieros de la Escuela Politécnica del Litoral ESPOL, (Ecuador).
Máster en Procesos Universidad de las Américas, (Ecuador). Specialization in Bussines Analytics and Big Data Management of The
Gorge Whashington University, (Ecuador). Máster Data Science Estadística con R Software de la Universidad de Nebrija, (España).
Resumen
La intermediación financiera constituye una
función esencial dentro del sistema bancario,
ya que permite canalizar los recursos de los
agentes económicos con excedentes de liquidez
hacia aquellos que requieren financiamiento
para desarrollar actividades productivas. En
este contexto, el margen de intermediación
financiera representa un indicador clave para
evaluar la eficiencia y rentabilidad de las
instituciones bancarias, al reflejar la diferencia
entre los ingresos generados por las
operaciones de crédito y los costos asociados a
la captación de depósitos. El presente artículo
tiene como objetivo analizar la literatura
científica reciente sobre la optimización del
margen de intermediación financiera mediante
modelos de programación lineal aplicados a la
banca comercial. La investigación se desarrolló
bajo un enfoque de revisión bibliográfica
narrativa, basada en el análisis de artículos
científicos publicados entre 2020 y 2025 en
bases de datos académicas internacionales. Los
resultados evidencian que factores como la
competencia bancaria, la estructura de costos
operativos, la regulación financiera y el riesgo
crediticio influyen significativamente en la
determinación del margen de intermediación.
Asimismo, la literatura destaca que la
aplicación de modelos de optimización y
herramientas de investigación operativa
permite mejorar la asignación eficiente de
recursos financieros dentro de las instituciones
bancarias. En particular, la programación lineal
se posiciona como una herramienta analítica
que facilita la formulación de estrategias
financieras orientadas a equilibrar la captación
de depósitos y la colocación de créditos,
contribuyendo a maximizar la rentabilidad y
fortalecer la estabilidad del sistema financiero.
Palabras clave: Intermediación financiera,
Margen de intermediación, Programación
lineal, Optimización financiera, Banca
comercial.
Abstract
Financial intermediation plays a fundamental
role in the banking system by channeling
resources from economic agents with surplus
liquidity to those requiring financing to
develop productive activities. In this context,
the financial intermediation margin represents
a key indicator for assessing the efficiency and
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 852
profitability of banking institutions, as it
reflects the difference between the income
generated from lending operations and the
costs associated with deposit mobilization. The
objective of this article is to analyze recent
scientific literature on the optimization of the
financial intermediation margin through linear
programming models applied to commercial
banking. The research was conducted using a
narrative literature review approach, based on
the analysis of scientific articles published
between 2020 and 2025 in international
academic databases. The results show that
factors such as banking competition,
operational cost structures, financial
regulation, and credit risk significantly
influence the determination of the
intermediation margin. Furthermore, the
literature highlights that the application of
optimization models and operations research
tools improves the efficient allocation of
financial resources within banking institutions.
In particular, linear programming emerges as
an analytical tool that facilitates the
formulation of financial strategies aimed at
balancing deposit mobilization and credit
allocation, contributing to the maximization of
profitability and strengthening the stability of
the financial system.
Keywords: Financial intermediation,
Intermediation margin, Linear
programming, Financial optimization,
Commercial banking.
Sumário
A intermediação financeira é uma função
essencial dentro do sistema bancário, pois
canaliza recursos de agentes econômicos com
excesso de liquidez para aqueles que
necessitam de financiamento para atividades
produtivas. Nesse contexto, a margem de
intermediação financeira é um indicador-chave
para avaliar a eficiência e a rentabilidade das
instituições bancárias, refletindo a diferença
entre a receita gerada pelas operações de
crédito e os custos associados à captação de
depósitos. Este artigo tem como objetivo
analisar a literatura científica recente sobre a
otimização da margem de intermediação
financeira utilizando modelos de programação
linear aplicados à banca comercial. A pesquisa
foi conduzida por meio de uma revisão
narrativa da literatura, baseada na análise de
artigos científicos publicados entre 2020 e
2025 em bases de dados acadêmicas
internacionais. Os resultados mostram que
fatores como a concorrência bancária, a
estrutura de custos operacionais, a regulação
financeira e o risco de crédito influenciam
significativamente a determinação da margem
de intermediação. Além disso, a literatura
destaca que a aplicação de modelos de
otimização e ferramentas de pesquisa
operacional permite uma alocação mais
eficiente e otimizada dos recursos financeiros
dentro das instituições bancárias. Em
particular, a programação linear se posiciona
como uma ferramenta analítica que facilita a
formulação de estratégias financeiras voltadas
ao equilíbrio entre entradas de depósitos e
desembolsos de empréstimos, contribuindo
para maximizar a rentabilidade e fortalecer a
estabilidade do sistema financeiro.
Palavras-chave: Intermediação financeira,
Margem de intermediação, Programação
linear, Otimização financeira, Banco
comercial.
Introducción
La intermediación financiera es una de las
funciones esenciales del sistema bancario, ya
que permite canalizar los recursos de los
agentes económicos con excedentes de liquidez
hacia aquellos que requieren financiamiento
para desarrollar actividades productivas. En
este proceso, las instituciones financieras
obtienen ingresos a partir del diferencial entre
las tasas de interés cobradas por los créditos
otorgados y las tasas pagadas por los depósitos
captados. Este diferencial, conocido como
margen de intermediación financiera,
constituye una medida fundamental de la
eficiencia operativa y de la capacidad del banco
para generar rentabilidad sostenible en el
tiempo (Demirgüç et al., 2023). Desde una
perspectiva económica, el margen de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 853
intermediación refleja la eficiencia con la que
las instituciones financieras gestionan sus
recursos, así como el nivel de riesgo asumido en
sus operaciones de crédito y liquidez. Diversos
estudios han señalado que factores como la
estructura del mercado financiero, los costos
operativos, la regulación bancaria y las
condiciones macroeconómicas influyen
directamente en la magnitud de este margen
(Claessens y Van Horen, 2021). En economías
emergentes, donde los sistemas financieros
suelen presentar mayores niveles de
concentración y costos operativos elevados, el
margen de intermediación tiende a ser más alto
que en economías desarrolladas.
En este contexto, la optimización del margen de
intermediación se convierte en un objetivo
estratégico para la gestión bancaria. Las
instituciones financieras deben lograr un
equilibrio adecuado entre la captación de
recursos, generalmente a través de depósitos, y
la colocación de créditos en diferentes
segmentos del mercado. Un desequilibrio en
esta relación puede generar problemas de
liquidez, reducción de rentabilidad o
incremento del riesgo financiero (Beck et al.,
2022). Por ello, la literatura reciente ha
enfatizado la necesidad de aplicar herramientas
cuantitativas que permitan optimizar la
asignación de recursos financieros dentro del
sistema bancario. La programación lineal ha
sido ampliamente utilizada en el ámbito de la
investigación operativa como una técnica de
optimización para la toma de decisiones en
sistemas complejos. Su aplicación en el sector
financiero permite determinar la combinación
óptima de variables que maximiza o minimiza
una función objetivo bajo determinadas
restricciones. En el caso de la banca comercial,
estas restricciones pueden estar asociadas a
requerimientos de liquidez, regulaciones
prudenciales, límites de riesgo o disponibilidad
de recursos financieros (Hillier y Lieberman,
2021).
En la literatura financiera contemporánea,
diversos estudios han explorado el uso de
modelos de optimización para mejorar la
gestión del portafolio bancario. Estos modelos
permiten evaluar diferentes escenarios de
asignación de recursos entre instrumentos de
captación y colocación, considerando variables
como tasas de interés, riesgo crediticio y costos
operativos. De esta manera, las instituciones
financieras pueden diseñar estrategias que
maximicen su margen de intermediación sin
comprometer la estabilidad del sistema
financiero (Berger y Bouwman, 2020). Desde
una perspectiva analítica, la programación
lineal facilita la formulación de modelos
matemáticos que representan las relaciones
entre los diferentes componentes del balance
bancario. A través de la definición de funciones
objetivo y restricciones operativas, es posible
identificar la estructura óptima de activos y
pasivos que maximiza la rentabilidad
financiera. Esta metodología ha sido utilizada
en diversas investigaciones para optimizar
portafolios de crédito, gestionar riesgos
financieros y mejorar la eficiencia operativa en
instituciones bancarias (Zopounidis y
Doumpos, 2022).
En el contexto de la banca comercial, el
equilibrio entre captación y colocación
constituye un desafío permanente para los
gestores financieros. Una captación excesiva de
depósitos sin una adecuada colocación de
créditos puede generar costos financieros
innecesarios, mientras que una colocación
excesiva puede comprometer la liquidez del
banco. Por esta razón, los modelos de
optimización se han convertido en herramientas
estratégicas para apoyar la toma de decisiones
financieras en entornos altamente competitivos
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 854
y regulados (Allen et al., 2023). A partir de estas
consideraciones, el presente artículo tiene como
objetivo analizar la literatura científica reciente
sobre la aplicación de modelos de programación
lineal en la optimización del margen de
intermediación financiera en la banca
comercial. La revisión bibliográfica busca
identificar los principales enfoques
metodológicos utilizados en la literatura, así
como las contribuciones más relevantes en el
uso de técnicas de optimización para mejorar el
equilibrio entre captación de recursos y
colocación de créditos en las instituciones
bancarias.
Materiales y Métodos
El presente estudio corresponde a una revisión
narrativa de literatura científica, orientada a
analizar los principales enfoques teóricos y
metodológicos relacionados con la
optimización del margen de intermediación
financiera mediante modelos de programación
lineal en la banca comercial. Este tipo de
revisión permite integrar resultados de
investigaciones previas, identificar tendencias
conceptuales y establecer relaciones entre
diferentes enfoques analíticos utilizados en la
literatura financiera y de investigación
operativa. La estrategia de búsqueda
bibliográfica se realizó en bases de datos
académicas internacionales reconocidas por su
rigor científico, entre ellas Scopus, Web of
Science, Scielo, Redalyc y Google Scholar.
Estas bases permiten acceder a artículos
científicos indexados y revisados por pares,
garantizando la calidad y confiabilidad de la
información utilizada en el estudio.
Las palabras clave utilizadas en la búsqueda
incluyeron términos en español e inglés, tales
como: margen de intermediación financiera,
financial intermediation margin, bank
profitability, linear programming, financial
optimization, bank portfolio optimization y
banking efficiency. Estas combinaciones de
palabras clave permitieron identificar
investigaciones relevantes relacionadas con la
aplicación de modelos matemáticos y técnicas
de optimización en la gestión financiera de
instituciones bancarias. Los criterios de
inclusión consideraron artículos científicos
originales, revisiones sistemáticas y estudios
empíricos publicados entre 2020 y 2025, en
idiomas español, inglés o portugués, que
analizaran la eficiencia bancaria, el margen de
intermediación o la aplicación de técnicas de
optimización en la gestión financiera del sector
bancario.
Por otro lado, se establecieron criterios de
exclusión, descartando documentos sin revisión
por pares, informes institucionales sin respaldo
académico, tesis universitarias y documentos
provenientes de repositorios institucionales que
no presentaran arbitraje científico. El proceso
de análisis se desarrolló mediante una lectura
crítica y síntesis narrativa de la literatura
seleccionada, clasificando los estudios según
tres ejes temáticos principales: la estructura del
margen de intermediación financiera, los
modelos de optimización utilizados en la
gestión bancaria y las aplicaciones de
programación lineal en la toma de decisiones
financieras. Esta clasificación permitió
organizar los hallazgos de manera sistemática y
facilitar la interpretación de los
resultados.datos, y la técnica de análisis de
datos empleada.
Resultados y Discusión
Estructura del margen de intermediación
financiera
El margen de intermediación financiera
constituye uno de los indicadores más
relevantes para evaluar la eficiencia del sistema
bancario, ya que refleja la diferencia entre los
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 855
ingresos generados por los créditos otorgados y
los costos asociados a la captación de recursos
financieros. Este indicador permite analizar la
capacidad de las instituciones financieras para
transformar los depósitos del público en
financiamiento productivo, generando
rentabilidad en el proceso de intermediación.
Diversos estudios han señalado que la magnitud
de este margen está influenciada por factores
estructurales del sistema financiero, tales como
el nivel de competencia bancaria, los costos
operativos y el grado de desarrollo institucional
del mercado financiero (Demirgüç y Huizinga,
2023). Desde una perspectiva macroeconómica,
el margen de intermediación financiera también
se encuentra estrechamente relacionado con las
condiciones económicas de cada país. En
economías con mercados financieros más
desarrollados y competitivos, los márgenes de
intermediación suelen ser relativamente bajos
debido a la eficiencia operativa y la presión
competitiva entre instituciones financieras. En
contraste, en economías emergentes o en
desarrollo, los márgenes tienden a ser más
elevados debido a mayores niveles de riesgo
crediticio, menores economías de escala y
mayores costos operativos (Claessens y Van
Horen, 2021).
El nivel de competencia dentro del sistema
bancario constituye uno de los factores más
determinantes en la configuración del margen
de intermediación. En mercados financieros
altamente concentrados, las instituciones
bancarias pueden mantener diferenciales de
tasas de interés más elevados debido a la menor
presión competitiva. En cambio, cuando existe
una mayor diversidad de actores financieros,
incluyendo bancos digitales y fintech, los
márgenes de intermediación tienden a reducirse
como resultado de la competencia por atraer
clientes y depósitos (Beck et al., 2022). Otro
elemento que influye significativamente en la
determinación del margen de intermediación es
la estructura de costos operativos de las
instituciones financieras. Los bancos deben
asumir gastos asociados a infraestructura
tecnológica, gestión del riesgo, cumplimiento
regulatorio y administración de sucursales.
Estos costos operativos se trasladan
parcialmente a los clientes a través de las tasas
de interés aplicadas tanto a los depósitos como
a los créditos, afectando el diferencial entre
ambas tasas (Berger et al., 2021).
Asimismo, el riesgo crediticio constituye un
factor clave en la determinación de las tasas de
interés activas aplicadas por las instituciones
bancarias. Cuando los bancos perciben un
mayor riesgo de incumplimiento en los
préstamos otorgados, tienden a incrementar las
tasas de interés para compensar la probabilidad
de pérdidas financieras. Este ajuste impacta
directamente en el margen de intermediación,
ya que amplía la diferencia entre las tasas de
interés cobradas por los créditos y las tasas
pagadas por los depósitos (Allen et al., 2023).
Las políticas monetarias implementadas por los
bancos centrales también influyen en la
dinámica del margen de intermediación
financiera. Las variaciones en las tasas de
interés de referencia afectan tanto el costo de
captación de recursos como la rentabilidad de
las operaciones crediticias. En contextos de
política monetaria expansiva, caracterizados
por tasas de interés bajas, los márgenes de
intermediación suelen reducirse debido a la
menor diferencia entre tasas activas y pasivas
(Altavilla et al., 2020).
Otro factor relevante en la literatura reciente es
la influencia de la regulación financiera en la
determinación del margen de intermediación.
Las normas prudenciales establecidas por los
acuerdos de Basilea exigen que las instituciones
bancarias mantengan niveles mínimos de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 856
capital y liquidez para absorber posibles
pérdidas financieras. Si bien estas regulaciones
contribuyen a fortalecer la estabilidad del
sistema financiero, también pueden incrementar
los costos operativos de los bancos y afectar su
margen de intermediación (Brei et al., 2020). La
transformación digital del sector financiero ha
comenzado a modificar significativamente la
estructura del margen de intermediación en
diversos mercados. La incorporación de
tecnologías financieras, plataformas digitales y
análisis de datos ha permitido a los bancos
mejorar su eficiencia operativa y reducir costos
administrativos. Como resultado, algunas
investigaciones sugieren que la digitalización
puede contribuir a una reducción gradual del
margen de intermediación en los sistemas
financieros modernos (Thakor, 2020).
Además, la inclusión financiera también ha sido
identificada como un factor que puede influir en
la estructura del margen de intermediación.
Cuando los sistemas financieros logran ampliar
el acceso al crédito y a los servicios bancarios,
se incrementa la base de clientes y se generan
economías de escala que pueden contribuir a
reducir los costos operativos y mejorar la
eficiencia del sistema bancario (Sahay et al.,
2020). La literatura científica reciente coincide
en que el margen de intermediación financiera
es el resultado de la interacción entre múltiples
factores económicos, institucionales y
regulatorios. Su análisis requiere considerar
tanto las características internas de las
instituciones bancarias como las condiciones
macroeconómicas y regulatorias que influyen
en el funcionamiento del sistema financiero.
Comprender estos determinantes resulta
fundamental para el diseño de modelos de
optimización que permitan mejorar la eficiencia
de la intermediación financiera (Demirgüç y
Huizinga, 2023).
Modelos de optimización en la gestión
bancaria
La creciente complejidad del sistema financiero
ha impulsado el desarrollo de herramientas
analíticas que permitan mejorar la toma de
decisiones dentro de las instituciones bancarias.
Entre estas herramientas, los modelos de
optimización han adquirido una relevancia
significativa al proporcionar métodos
cuantitativos para la asignación eficiente de
recursos financieros. Estos modelos permiten
analizar múltiples variables financieras de
manera simultánea y determinar la combinación
óptima de decisiones que maximiza la
rentabilidad o minimiza el riesgo dentro de la
institución bancaria (Zopounidis y Doumpos,
2022). En el ámbito de la gestión bancaria, los
modelos de optimización han sido aplicados
principalmente en la planificación de
portafolios financieros. Las instituciones
bancarias deben decidir cómo distribuir los
recursos captados entre diferentes tipos de
activos financieros, incluyendo préstamos
comerciales, créditos hipotecarios, inversiones
en bonos y reservas de liquidez. A través de
modelos matemáticos, es posible identificar la
combinación de activos que maximiza el
rendimiento esperado del portafolio bajo
determinadas restricciones de riesgo
(Markowitz et al., 2021).
Asimismo, los modelos de optimización han
demostrado ser herramientas útiles para mejorar
la gestión de liquidez en las instituciones
financieras. Los bancos deben mantener un
equilibrio entre la disponibilidad de recursos
líquidos para cumplir con sus obligaciones y la
necesidad de invertir dichos recursos en activos
que generen rentabilidad. Los modelos
cuantitativos permiten determinar el nivel
óptimo de liquidez que minimiza el riesgo de
insolvencia sin afectar la rentabilidad del banco
(Allen et al., 2023). Otro campo relevante en la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 857
aplicación de modelos de optimización es la
gestión del riesgo financiero. Las instituciones
bancarias enfrentan diversos tipos de riesgos,
incluyendo riesgo crediticio, riesgo de mercado
y riesgo de liquidez. A través de modelos
matemáticos, es posible analizar el impacto de
diferentes escenarios económicos en el
desempeño financiero de la institución y diseñar
estrategias que reduzcan la exposición al riesgo
(Hull, 2021). La planificación estratégica de las
instituciones bancarias también se ha
beneficiado de la aplicación de modelos de
optimización. Estos modelos permiten simular
diferentes escenarios económicos y evaluar el
impacto de cambios en variables
macroeconómicas como tasas de interés,
inflación o crecimiento económico sobre la
rentabilidad del banco. De esta manera, los
gestores financieros pueden diseñar estrategias
que garanticen la sostenibilidad financiera en el
largo plazo (Saunders y Allen, 2020).
En el contexto de la regulación financiera
internacional, los modelos de optimización han
sido utilizados para cumplir con los
requerimientos de capital establecidos por los
acuerdos de Basilea III. Estas regulaciones
exigen que las instituciones bancarias
mantengan niveles mínimos de capital para
absorber posibles pérdidas financieras. Los
modelos cuantitativos permiten optimizar la
estructura del capital bancario y cumplir con
estas exigencias regulatorias sin reducir
significativamente la rentabilidad de la
institución (Brei et al., 2020). Los avances
tecnológicos en el procesamiento de datos han
facilitado la aplicación de modelos de
optimización más sofisticados en el sector
bancario. Las instituciones financieras cuentan
actualmente con sistemas informáticos capaces
de analizar grandes volúmenes de información
financiera en tiempo real, lo que permite aplicar
técnicas de optimización más complejas en la
gestión de portafolios y en la evaluación del
riesgo crediticio (Fuster et al., 2022). La
integración de modelos de optimización con
herramientas de análisis de datos y aprendizaje
automático ha generado nuevas oportunidades
para mejorar la toma de decisiones financieras.
Estas metodologías permiten identificar
patrones ocultos en los datos financieros y
mejorar la precisión de los modelos de
predicción utilizados en la gestión bancaria
(Thakor, 2020).
Además, algunos estudios recientes han
explorado la utilización de modelos híbridos
que combinan técnicas de optimización
matemática con algoritmos de inteligencia
artificial. Estos modelos permiten analizar
escenarios financieros complejos y desarrollar
estrategias más robustas para la gestión de
portafolios bancarios (Zopounidis yDoumpos,
2022). En conjunto, la literatura científica
evidencia que los modelos de optimización
constituyen herramientas fundamentales para
mejorar la eficiencia operativa de las
instituciones bancarias. Su aplicación permite
una mejor asignación de recursos financieros,
una gestión más eficiente del riesgo y una
mayor capacidad para enfrentar entornos
económicos inciertos (Allen et al., 2023).
Programación lineal aplicada a la
intermediación bancaria
La programación lineal constituye una de las
herramientas más utilizadas en la investigación
operativa para resolver problemas de
optimización en sistemas complejos. Esta
técnica permite maximizar o minimizar una
función objetivo sujeta a un conjunto de
restricciones lineales que representan las
limitaciones operativas del sistema. En el
contexto de la banca comercial, la
programación lineal ha sido aplicada para
optimizar la asignación de recursos financieros
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 858
y mejorar la eficiencia en el proceso de
intermediación bancaria (Hillier y Lieberman,
2021). Uno de los principales beneficios de la
programación lineal en la gestión bancaria es su
capacidad para representar matemáticamente
las relaciones entre los diferentes componentes
del balance financiero. A través de este enfoque,
es posible modelar la interacción entre los
depósitos captados, los créditos otorgados, las
tasas de interés y los requerimientos
regulatorios dentro de un mismo sistema
analítico (Zopounidis y Doumpos, 2022). En los
modelos de programación lineal aplicados a la
banca, la función objetivo suele estar orientada
a maximizar el margen de intermediación
financiera. Este margen se calcula como la
diferencia entre los ingresos generados por las
operaciones crediticias y los costos asociados a
la captación de depósitos. Al optimizar esta
función, los bancos pueden identificar la
estructura de activos y pasivos que maximiza su
rentabilidad (Allen et al., 2023).
Las restricciones del modelo representan las
limitaciones operativas y regulatorias que
enfrentan las instituciones financieras. Estas
restricciones pueden incluir requerimientos de
liquidez, límites de concentración de crédito,
disponibilidad de recursos financieros y normas
prudenciales establecidas por las autoridades
regulatorias (Brei et al., 2020). La
programación lineal también permite analizar
diferentes escenarios financieros mediante
simulaciones matemáticas. A través de estas
simulaciones, los gestores bancarios pueden
evaluar el impacto de cambios en variables
clave, como las tasas de interés o la demanda de
crédito, sobre el margen de intermediación
financiera (Hillier & Lieberman, 2021). En el
ámbito de la planificación financiera, los
modelos de programación lineal han sido
utilizados para diseñar políticas óptimas de
captación de depósitos y colocación de créditos.
Estas políticas permiten mantener un equilibrio
adecuado entre liquidez, riesgo y rentabilidad
dentro de las instituciones bancarias
(Zopounidis y Doumpos, 2022).
Asimismo, la programación lineal ha sido
aplicada en la optimización de portafolios de
inversión dentro de instituciones financieras. En
estos casos, el modelo permite seleccionar la
combinación de activos financieros que
maximiza el rendimiento esperado del
portafolio bajo determinadas restricciones de
riesgo y liquidez (Markowitz et al., 2021). El
uso de programación lineal también ha
permitido mejorar la eficiencia en la asignación
de recursos dentro del sistema bancario. Al
identificar la estructura óptima de operaciones
financieras, los modelos permiten reducir
costos operativos y mejorar la productividad de
las instituciones financieras (Allen et al., 2023).
En el contexto de la transformación digital del
sector financiero, la programación lineal ha sido
integrada con sistemas avanzados de análisis de
datos. Esta integración permite aplicar modelos
de optimización en tiempo real, facilitando una
toma de decisiones más rápida y basada en
información actualizada del mercado financiero
(Fuster et al., 2022). En conclusión, la
programación lineal representa una herramienta
analítica clave para optimizar el proceso de
intermediación financiera en la banca
comercial. Su aplicación permite mejorar la
eficiencia en la asignación de recursos,
maximizar la rentabilidad del margen de
intermediación y fortalecer la estabilidad del
sistema financiero en un entorno económico
cada vez más dinámico (Hillier y Lieberman,
2021). A continuación, se presentan los estudios
incluidos en la investigación, los cuales se
encuentran en la tabla 1 y se encuentran
destruidos de acuerdo al autor (año) y la síntesis
de resultados.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 859
Tabla 1. Matriz bibliográfica
Autor (año)
Síntesis de resultados
Demirgüç y Huizinga (2023)
Analizan los determinantes estructurales del margen de intermediación bancaria a nivel
internacional, identificando que factores como eficiencia operativa, competencia financiera y
condiciones macroeconómicas influyen significativamente en la rentabilidad de las instituciones
bancarias.
Claessens y Van Horen (2021)
Demuestran que el grado de competencia dentro del sistema bancario tiene un impacto directo en
los márgenes de intermediación, evidenciando que sistemas financieros más competitivos
presentan menores diferenciales entre tasas activas y pasivas.
Beck et al. (2022)
Examinan la relación entre competencia bancaria, estabilidad financiera y rentabilidad,
concluyendo que la estructura del mercado financiero influye en la eficiencia operativa y en el
comportamiento del margen de intermediación.
Berger et al. (2021)
Analizan la eficiencia bancaria en sistemas financieros internacionales y encuentran que los costos
operativos y la gestión del riesgo crediticio son factores clave en la determinación del margen de
intermediación.
Allen et al. (2023)
Exploran el papel de los intermediarios financieros en la asignación eficiente de recursos dentro
del sistema financiero y destacan la importancia de los modelos cuantitativos para optimizar la
toma de decisiones financieras en los bancos.
Altavilla et al. (2020)
Analizan el impacto de la política monetaria en los márgenes de intermediación bancaria y
evidencian que las variaciones en las tasas de interés de referencia influyen significativamente en
la rentabilidad del sector bancario.
Brei et al. (2020)
Estudian los efectos de la regulación bancaria internacional y concluyen que los requerimientos de
capital y liquidez establecidos por Basilea III influyen en los costos operativos y en la estructura
del margen de intermediación.
Thakor (2020)
Examina el impacto de la innovación tecnológica y el desarrollo de las fintech en el sistema
financiero, señalando que la digitalización está transformando el proceso de intermediación
financiera y reduciendo los costos operativos bancarios.
Sahay et al. (2020)
Analizan la relación entre inclusión financiera y desarrollo económico, evidenciando que la
ampliación del acceso a servicios financieros puede mejorar la eficiencia del sistema bancario y
reducir los costos de intermediación.
Zopounidis y Doumpos (2022)
Presentan aplicaciones de métodos de investigación operativa y análisis multicriterio en finanzas,
destacando el uso de modelos de optimización para mejorar la toma de decisiones financieras en
instituciones bancarias.
Hillier y Lieberman (2021)
Desarrollan fundamentos de investigación operativa y programación lineal aplicados a problemas
de optimización económica, mostrando su utilidad para resolver problemas de asignación de
recursos en sistemas financieros.
Hull (2021)
Analiza modelos de gestión del riesgo financiero utilizados en instituciones bancarias, destacando
la importancia de herramientas cuantitativas para evaluar riesgos de mercado y crédito en
portafolios financieros.
Saunders y Allen (2020)
Estudian la gestión del riesgo en instituciones financieras y destacan el uso de modelos
cuantitativos para mejorar la planificación estratégica y la estabilidad financiera de los bancos.
Fuster et al. (2022)
Analizan el impacto del análisis de datos y las tecnologías digitales en la intermediación financiera,
señalando que el uso de big data mejora la eficiencia en la asignación de crédito.
Markowitz et al. (2021)
Presentan avances en la teoría de portafolio aplicada al sector financiero, demostrando que los
modelos de optimización permiten mejorar la gestión de activos financieros bajo restricciones de
riesgo.
Fuente. Elaboración propia
La tabla evidencia que la literatura científica
sobre el margen de intermediación financiera
converge en reconocer que este indicador
constituye un elemento central para comprender
la eficiencia y rentabilidad del sistema bancario.
Los estudios revisados muestran que la
diferencia entre tasas activas y pasivas no
depende únicamente de decisiones internas de
las instituciones financieras, sino que se
encuentra influenciada por una compleja
interacción de factores estructurales,
institucionales y macroeconómicos. En este
sentido, el margen de intermediación refleja
tanto la eficiencia operativa de los bancos como
las condiciones del entorno financiero en el que
operan, incluyendo la competencia del
mercado, el nivel de desarrollo del sistema
financiero y las políticas regulatorias vigentes.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 860
Otro aspecto relevante identificado en la matriz
es la creciente importancia de los enfoques
cuantitativos en la gestión bancaria moderna. La
literatura destaca que la toma de decisiones
financieras dentro de las instituciones bancarias
ha evolucionado desde enfoques tradicionales
basados en criterios heurísticos hacia
metodologías analíticas sustentadas en modelos
matemáticos y herramientas de optimización.
Este cambio responde a la necesidad de
gestionar sistemas financieros cada vez más
complejos, en los cuales intervienen múltiples
variables relacionadas con riesgo, liquidez,
rentabilidad y regulación. En este contexto, los
modelos de optimización se posicionan como
instrumentos clave para mejorar la asignación
eficiente de recursos dentro de las instituciones
financieras.
Asimismo, los estudios incluidos en la matriz
muestran que la incorporación de técnicas de
investigación operativa ha permitido avanzar en
el diseño de estrategias financieras más
eficientes. Estas herramientas facilitan la
formulación de modelos que integran diferentes
variables financieras y permiten evaluar
múltiples escenarios en la toma de decisiones.
De esta manera, los gestores bancarios pueden
identificar combinaciones óptimas de activos y
pasivos que maximicen la rentabilidad sin
comprometer la estabilidad financiera de la
institución. Este enfoque analítico resulta
particularmente relevante en contextos de alta
volatilidad económica, donde las instituciones
financieras deben adaptarse rápidamente a
cambios en las condiciones del mercado.
Finalmente, la matriz bibliográfica también
evidencia una tendencia creciente hacia la
integración de tecnologías digitales y análisis
avanzado de datos en la gestión financiera. Los
avances en sistemas de información, análisis de
grandes volúmenes de datos y automatización
de procesos han ampliado las posibilidades de
aplicar modelos de optimización en tiempo real
dentro del sector bancario. Esta transformación
tecnológica está redefiniendo el papel de las
herramientas cuantitativas en la intermediación
financiera, permitiendo a las instituciones
bancarias mejorar su eficiencia operativa,
fortalecer la gestión del riesgo y optimizar el
equilibrio entre captación y colocación de
recursos en un entorno financiero cada vez más
dinámico.
Conclusiones
La revisión bibliográfica realizada permite
concluir que el margen de intermediación
financiera constituye un indicador fundamental
para evaluar la eficiencia y sostenibilidad del
sistema bancario. Este margen refleja la
capacidad de las instituciones financieras para
gestionar adecuadamente la captación de
recursos y su posterior colocación en
operaciones crediticias, generando un equilibrio
entre rentabilidad y estabilidad financiera. La
literatura analizada evidencia que la magnitud
del margen de intermediación depende de
múltiples factores, entre los que destacan la
estructura del mercado financiero, el nivel de
competencia bancaria, los costos operativos y
las condiciones macroeconómicas que influyen
en la dinámica del crédito y la liquidez dentro
del sistema financiero. Asimismo, el análisis de
los estudios revisados permite identificar que la
gestión moderna de las instituciones bancarias
ha incorporado de manera progresiva
herramientas cuantitativas orientadas a mejorar
la toma de decisiones financieras. Los modelos
de optimización se han consolidado como
instrumentos estratégicos que permiten analizar
múltiples variables financieras de forma
simultánea y determinar configuraciones
óptimas de activos y pasivos. Este enfoque
analítico contribuye a mejorar la eficiencia
operativa de los bancos y facilita el diseño de
estrategias que optimicen la rentabilidad del
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 861
portafolio financiero sin incrementar de manera
desproporcionada la exposición al riesgo.
De igual manera, la programación lineal se
posiciona como una metodología
particularmente relevante para el análisis y
optimización del proceso de intermediación
financiera. Su aplicación permite formular
modelos matemáticos que integran variables
clave como tasas de interés, disponibilidad de
recursos, requerimientos regulatorios y niveles
de riesgo. A través de estos modelos es posible
identificar combinaciones óptimas de captación
y colocación de recursos que maximicen el
margen de intermediación manteniendo al
mismo tiempo niveles adecuados de liquidez y
solvencia dentro de las instituciones bancarias
Finalmente, los avances tecnológicos y la
creciente disponibilidad de información
financiera han ampliado significativamente las
posibilidades de aplicar herramientas de
optimización en la gestión bancaria. La
integración de modelos matemáticos con
sistemas de análisis de datos y plataformas
digitales permite desarrollar procesos de toma
de decisiones más eficientes, basados en
información actualizada y en la simulación de
múltiples escenarios financieros. En este
contexto, la aplicación de modelos de
programación lineal en la banca comercial
representa una oportunidad para fortalecer la
eficiencia del sistema financiero, mejorar la
asignación de recursos y contribuir a la
estabilidad económica en entornos
caracterizados por una creciente complejidad
financiera.
Referencias Bibliográficas
Allen, F. (2023). Financial intermediaries and
markets. Oxford University Press.
Altavilla, C. (2020). Mending the broken link:
Heterogeneous bank lending and monetary
policy pass-through. Journal of Monetary
Economics, 110, 81–98.
https://doi.org/10.1016/j.jmoneco.2019.11.0
04
Beck, T. (2022). Bank competition and
stability: Cross-country heterogeneity.
Journal of Financial Stability, 58, 100959.
https://doi.org/10.1016/j.jfs.2021.100959
Berger, A. (2021). Banks and the real economy:
An assessment of the research. Journal of
Corporate Finance, 62, 101513.
https://doi.org/10.1016/j.jcorpfin.2020.1015
13
Brei, M. (2020). Rescue packages and bank
lending. Journal of Banking & Finance, 112,
105227.
https://doi.org/10.1016/j.jbankfin.2018.07.0
10
Claessens, S. (2021). Foreign banks and
financial stability. Journal of Financial
Economics, 139(1), 239–254.
https://doi.org/10.1016/j.jfineco.2020.06.00
3
Demirguc, A. (2023). Bank interest margins and
profitability. World Bank Economic Review,
37(2), 334–356.
https://doi.org/10.1093/wber/lhac012
Fuster, A. (2022). Predictably unequal? The
effects of machine learning on credit
markets. Journal of Finance, 77(1), 5–47.
https://doi.org/10.1111/jofi.13090
Hillier, F. (2021). Introduction to operations
research (11th ed.). McGraw-Hill
Education.
Hull, J. (2021). Risk management and financial
institutions (5th ed.). Wiley.
Markowitz, H. (2021). Portfolio optimization
under uncertainty: A modern approach.
Journal of Investment Management, 19(2),
1–16.
Sahay, R. (2020). The promise of fintech:
Financial inclusion in the post-COVID-19
era. IMF Staff Discussion Notes, 20(09).
https://doi.org/10.5089/9781513561076.006
Saunders, A. (2020). Credit risk management in
and out of the financial crisis (4th ed.).
Wiley.
Thakor, A. (2020). Fintech and banking: What
do we know? Journal of Financial
Intermediation, 41, 100833.
https://doi.org/10.1016/j.jfi.2019.100833
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 2.2
Ediciòn Especial II 2026
Página 862
Zopounidis, C. (2022). Multiple criteria
decision making in finance: Recent advances
and future directions. European Journal of
Operational Research, 297(3), 1073–1091.
https://doi.org/10.1016/j.ejor.2021.05.006
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Ángel Fabian Cruz
Alvear y Julio Efraín Cruz Alvear.
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT)
Ángel Fabian Cruz Alvear: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los
datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.
Julio Efraín Cruz Alvear: curación y organización de los datos, participación en la recolección de información, validación de los resultados obtenidos
y elaboración de representaciones gráficas y visualización de los datos.
Declaración de conflicto de intereses
Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la publicación del
presente artículo.
Declaración de financiamiento
La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de lucro. En caso de
existir financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta sección.
Declaración del editor
El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad científica, transparencia
y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión por pares doble ciego, garantizando la
confidencialidad de la identidad de los autores y revisores durante todo el proceso de dictamen académico. Asimismo, el editor declara que el artículo
cumple con los criterios científicos, metodológicos y éticos establecidos por la revista.
Declaración de los revisores
Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de manera objetiva,
independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni con la investigación evaluada, y que sus
observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos, metodológicos y académicos.
Declaración ética de la investigación
Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la confidencialidad
de los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres humanos, los procedimientos deben ajustarse
a los principios éticos establecidos en la Declaración de Helsinki y a las normativas institucionales correspondientes.
Declaración sobre el uso de inteligencia artificial
Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de investigación o redacción
del manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el análisis de información, manteniendo siempre la
responsabilidad intelectual sobre el contenido del artículo. Las herramientas de inteligencia artificial no fueron utilizadas como autoras del manuscrito
ni sustituyen la responsabilidad académica de los investigadores.
Disponibilidad de datos
Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia, respetando las
normas éticas y de confidencialidad establecidas por la investigación.
