Ir al contenido

Documat


Resumen de Contribuciones al análisis estadístico del riesgo de crédito

Andrés Devia Rivera

  • En esta memoria se aborda el problema de la modelización estadística del riesgo de crédito. Aquí se estudian cinco modelos para la predicción de la morosidad en créditos personales. El primero corresponde a un modelo de puntuación crediticia construido con técnicas de regresión logística. Como resultado, se obtiene un modelo de estimación de la propensión a la morosidad del cliente, dado un conjunto de variables explicativas sobre las que se realiza la regresión logística. El segundo modelo corresponde a un modelo de probabilidad de mora (P D) construido con técnicas de análisis de supervivencia. Este modelo de P D se obtiene a partir de la función de distribución condicional del tiempo hasta la mora del crédito y se calcula utilizando tres clases de estimadores (paramétrico, semiparamétrico y no paramétrico). El estimador no paramético de la PD, cp~LG, se obtiene a partir del estimador de Beran (1981) para la función de supervivencia condicional con datos censurados. Resultados asintóticos como la consistencia fuerte uniforme y la normalidad asintótica del estimador cp~ LG, se exponen en el Capítulo 4. Finalmente, el quinto modelo de predicción de la morosidad en créditos personales se propone en el Capítulo 5. Allí se busca dar respuesta a un problema con escaso tratamiento en la literatura sobre riesgo de crédito, denominado reincidencia de la morosidad crediticia. El estudio se centra en obtener un modelo de probabilidad análogo al modelo propuesto en el Capítulo 3, donde se utiliza la perspectiva del análisis de supervivencia con sucesos recurrentes bajo censura y dependencia. Como resultado, se obtienen fórmulas para la probabilidad condicional de reincidencia de los impagos de un mismo sujeto conociendo su puntuación crediticia y los tiempos en los que se han producido los impagos anteriores. Este modelo puede ser utilizado por las entidades financieras como herramienta de seguimiento y evaluación del perfil crediticio de los clientes con más propensión a comenter algún tipo de incumplimiento.


Fundación Dialnet

Mi Documat