Browsing by Author "Silva Calabrano, Camila Andrea"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
Item Predecir la probabilidad de incumplimiento a través de un modelo de regresión sobre el intervalo unitario.(Universidad de Concepción, 2024) Silva Calabrano, Camila Andrea; Ferreira, Guillermo; Meléndez, PamelaEn un entorno económico y financiero cada vez más complejo, la gestión y evaluación de riesgos es extremadamente fundamental para la toma de decisiones informada y sostenible en instituciones financieras. La capacidad de anticiparse y proyectar eventos adversos y comprender la probabilidad de incumplimiento, así como las pérdidas asociadas, se convierte en un componente crucial para garantizar la estabilidad y solidez de dichas instituciones. Aunque comúnmente se adopta la técnica estadística de regresión múltiple para proyectar tanto la probabilidad de incumplimiento como la pérdida dado el incumplimiento forward-looking, muchos autores sugieren la existencia de varios modelos estadísticos capaces de realizar esta proyección. Es por esto que el objetivo de la presente memoria de titulo consiste en comparar la capacidad predictiva de 5 modelos de regresión y/o series de tiempo para proyectar la probabilidad de incumplimiento y la pérdida dado el incumplimiento forward-looking. Especificamente los modelos estudiados fueron la Regresión Cox, la Regresión Beta, el Modelo Aditivo Generalizado, el Modelo Autorregresivo con Variables Exógenas y el Modelo Autorregresivo Integrado de Media Móvil con Variables Exógenas. Es importante destacar que, si bien el objetivo de la presente memoria de título es comparar la capacidad predictiva de cinco modelos estadísticos en la proyección de la probabilidad de incumplimiento y la pérdida dado el incumplimiento forward-looking, no todos los modelos considerados incorporan explícitamente la dependencia temporal en sus estructuras. Siendo conscientes de esta distinción, se realiza una evaluación exhaustiva de cada modelo en función de su capacidad predictiva y su idoneidad para el análisis de riesgos financieros.