Resumen de Análisis de los determinantes del riesgo de crédito. Aplicación de técnicas emergentes en el marco de los acuerdos de Basilea II y Solvencia II.

Raquel Florez-Lopez

• Esta Tesis Doctoral presenta una nueva metodología para el análisis de los determinantes del riesgo de crédito combinando técnicas estadísticas clásicas, análisis bayesiano y modelos basados en inteligencia artificial, El interés por realizar esta investigación parte de la necesidad de desarrollar nuevos modelos de gestión del riesgo crediticio que permitan dar respuesta a los retos que afrontan las entidades financieras y aseguradoras, que han desembocado en los recientes acuerdos de Basilea II y Solvencia II.

  Para ello, la Memoria presentada se estructura en los siguientes apartados: en primer término, una introducción, en la que se establecen los objetivos y proposiciones planteados como punto de partida de la investigación.

  A continuación, en el Capítulo 1 se analiza la problemática actual de la gestión del riesgo financiero y la distinta normativa que resulta de aplicación, con especial incidencia en los acuerdos de Basilea II, que afecta a los bancos internacionalmente activos, y Solvencia II, relacionado con las entidades aseguradoras que operan en la Unión Europea.

  El Capítulo 2 se centra en el estudio particular del riesgo de crédito, principal componente del riesgo financiero, analizando su tipología y las características específicas de su proceso de gestión. En particular, se observa la oportunidad de desarrollar modelos internos de gestión basados en calificaciones de crédito o ratings, por lo que en el Capítulo 3 se realiza una aproximación conceptual a los sistemas de calificación crediticia, a fin de identificar sus principales características y los determinantes que les afectan, así como los resultados conseguidos por la literatura en la materia.

  Los siguientes capítulos contienen el desarrollo empírico fundamental de la tesis. El Capítulo 4 contiene los aspectos metodológicos de la aplicación propuesta, que combina modelos estadísticos clásicos (univariantes y multivariantes), análisis bayesiano y modelos