Evaluación de estimadores basados en modelos para el cálculo del riesgo de crédito en entidades financieras
2017
A lo largo de esta memoria de tesis doctoral, se realiza un estudio comparativo de diversos modelos estadisticos para la estimacion de la probabilidad de exito o fracaso en atender los pagos de un prestamo. Una vez comprobado el modelo a utilizar se estudian distintos metodos para la prediccion del posible impago de un cliente de un prestamo. La investigacion pretende aportar conocimiento sobre el metodo o metodos mas eficaces y eficientes para la prediccion del impago del prestamo, mediante la comparacion bajo distintas condiciones de estos, todo ello bajo la presencia del inconveniente de disponer de grandes volumenes de datos. El objetivo de una entidad financiera es conseguir una mejor redistribucion de los recursos. Si se reducen los impagos se puede disponer de mas recursos, por tanto se puede aumentar el volumen de prestamos. Al mismo tiempo disminuyen los costes y se obtienen mayores beneficios. La presente memoria consta de siete capitulos y un apendice distribuidos del siguiente modo: El Capitulo 1. Antecedentes y estado actual del tema. Se realiza un estudio de la evolucion y estado actual de los distintos metodos que se han aplicado para la prediccion del riesgo de credito. El Capitulo 2. Metodos estadisticos para la estimacion del riesgo de credito. Se analizan cinco metodos estadisticos para su aplicacion. Los metodos analizados son parametricos y no parametricos como, el analisis discriminante, arboles de decision y clasificiacion CART; metodos estadisticos como, modelo lineal mixto y modelo lineal generalizado; y tecnicas de inteligencia artificial como maquina de vectores soporte. El Capitulo 3. Evaluacion de la robustez en modelos lineales. Se compara el modelo lineal con efectos fijos y el modelo mixto, con efectos fijos y aleatorios, ajustados por maxima verosimilitud y maxima verosimilitud residual. Tambien se comprueba el efecto que tienen en los distintos modelos la homocedasticidad y heterocedasticidad. Se comparan los mismos modelos bajo los supuestos de normalidad de los errores, con errores distribuidos Weibull y Gamma. Se realizan 3 experimentos de simulacion Monte Carlo para ver las bondades de cada uno de ellos. El Capitulo 4. Evaluacion de metodos estadisticos para la estimacion del riesgo de credito. Con bases de datos simuladas y bajo el modelo que resulta optimo en los experimentos anteriores se aplican 5 metodos distintos de prediccion para calcular el metodo mas eficaz y eficiente. Se analizara la eficacia a traves de la tasa de acierto y el error cuadratico medio. Los metodos que se analizan son los estudiados en el capitulo 2. El Capitulo 5. Aplicacion a datos semi-reales y reales. En este capitulo se aplica la misma metodologia anterior a una base de datos semi-real y dos bases de datos reales, German Credit y Australian Credit. El objetivo es comprobar si las conclusiones obtenidas con las bases de datos sinteticas son trasladables a una base de datos semi-real y real para su aplicacion en entidades financieras. El Capitulo 6. Seleccion de variables. Una vez obtenidos los metodos mas eficientes y eficaces se realizan pruebas para seleccionar variables con el objetivo de conseguir minimizar el numero de variables que intervienen en el modelo sin perder eficacia en el metodo y ganar eficiencia computacional. El Capitulo 7. Algunas conclusiones de caracter general y planteamiento de futuras lineas de investigacion.
Keywords:
- Correction
- Source
- Cite
- Save
- Machine Reading By IdeaReader
0
References
0
Citations
NaN
KQI