|
| Título : |
Determinación del indicador de estabilidad financiera como modelo predictivo de la insolvencia de entidades micro financieras en el Perú |
| Tipo de documento: |
texto impreso |
| Autores: |
Enrique Jaime Tito Ccopa, Autor |
| Mención de edición: |
Primera edición |
| Editorial: |
Puno : Universidad Nacional del Altiplano. Escuela de Post Grado. Doctorado en Estadística e Informática |
| Fecha de publicación: |
2019 |
| Número de páginas: |
xi, 120 páginas |
| Il.: |
Diagramas, tablas |
| Dimensiones: |
30 cm |
| Nota general: |
Para optar el grado académico de: Doctor en Estadística e Informática |
| Idioma : |
Español (spa) |
| Resumen: |
El grado de insolvencia máxima representada en la quiebra de una entidad financiera genera stress y un fuerte impacto negativo en la economía; en el presente trabajo se determina un indicador resumen de "estabilidad financiera" como un modelo predictivo de insolvencia de entidades micro financieras en el Perú entre los periodos 2001 al 2017. Los objetivos fueron determinar el set adecuado de indicadores financieros, construir un modelo de índice de estabilidad financiera y validar el modelo analizando la capacidad discriminante mediante agrupamiento clúster. La metodología fue identificar las entidades en insolvencia y quiebra durante el 2001 al 2017, identificar el set de indicadores financieros, construir el índice de estabilidad financiera basado en referentes comparadores del sector y entidades más estables por sector financiero, evaluar el comportamiento de cada indicador para obtener la mejor combinación del índice de estabilidad financiera y finalmente evaluar la capacidad predictiva de cada indicador de estabilidad financiera mediante clustering automático Bietápico y k- medias. Durante el año 2001 al 2017 se identificaron 19 entidades micro financieras con problemas de insolvencia y quiebra, la construcción del Índice de estabilidad financiera con mejores resultados fue usando el set de indicadores de solidez financiera establecidos por el FMI y la técnica de percentiles basado en el VaR, con horizontes de 3 a 12 meses de tipo rolling over comparativo al sector y entidad más estable, los modelos proyectados a 12 meses frecuentes son el TDS y ARIMA (1,1,1), con una efectividad del 89% de la capacidad predictiva fue clustering k-medias.
Palabras clave: análisis clúster bietápico, análisis clúster k-medias, índice de estabilidad financiera, indicador financiero, proyección de tendencias, rolling over, técnica de normalización empírica, técnica de percentiles, VaR |
| Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=119788 |
Determinación del indicador de estabilidad financiera como modelo predictivo de la insolvencia de entidades micro financieras en el Perú [texto impreso] / Enrique Jaime Tito Ccopa, Autor . - Primera edición . - Puno : Universidad Nacional del Altiplano. Escuela de Post Grado. Doctorado en Estadística e Informática, 2019 . - xi, 120 páginas : Diagramas, tablas ; 30 cm. Para optar el grado académico de: Doctor en Estadística e Informática Idioma : Español ( spa)
| Resumen: |
El grado de insolvencia máxima representada en la quiebra de una entidad financiera genera stress y un fuerte impacto negativo en la economía; en el presente trabajo se determina un indicador resumen de "estabilidad financiera" como un modelo predictivo de insolvencia de entidades micro financieras en el Perú entre los periodos 2001 al 2017. Los objetivos fueron determinar el set adecuado de indicadores financieros, construir un modelo de índice de estabilidad financiera y validar el modelo analizando la capacidad discriminante mediante agrupamiento clúster. La metodología fue identificar las entidades en insolvencia y quiebra durante el 2001 al 2017, identificar el set de indicadores financieros, construir el índice de estabilidad financiera basado en referentes comparadores del sector y entidades más estables por sector financiero, evaluar el comportamiento de cada indicador para obtener la mejor combinación del índice de estabilidad financiera y finalmente evaluar la capacidad predictiva de cada indicador de estabilidad financiera mediante clustering automático Bietápico y k- medias. Durante el año 2001 al 2017 se identificaron 19 entidades micro financieras con problemas de insolvencia y quiebra, la construcción del Índice de estabilidad financiera con mejores resultados fue usando el set de indicadores de solidez financiera establecidos por el FMI y la técnica de percentiles basado en el VaR, con horizontes de 3 a 12 meses de tipo rolling over comparativo al sector y entidad más estable, los modelos proyectados a 12 meses frecuentes son el TDS y ARIMA (1,1,1), con una efectividad del 89% de la capacidad predictiva fue clustering k-medias.
Palabras clave: análisis clúster bietápico, análisis clúster k-medias, índice de estabilidad financiera, indicador financiero, proyección de tendencias, rolling over, técnica de normalización empírica, técnica de percentiles, VaR |
| Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=119788 |
Determinación del indicador de estabilidad financiera como modelo predictivo de la insolvencia de entidades micro financieras en el Perú
El grado de insolvencia máxima representada en la quiebra de una entidad financiera genera stress y un fuerte impacto negativo en la economía; en el presente trabajo se determina un indicador resumen de "estabilidad financiera" como un modelo predictivo de insolvencia de entidades micro financieras en el Perú entre los periodos 2001 al 2017. Los objetivos fueron determinar el set adecuado de indicadores financieros, construir un modelo de índice de estabilidad financiera y validar el modelo analizando la capacidad discriminante mediante agrupamiento clúster. La metodología fue identificar las entidades en insolvencia y quiebra durante el 2001 al 2017, identificar el set de indicadores financieros, construir el índice de estabilidad financiera basado en referentes comparadores del sector y entidades más estables por sector financiero, evaluar el comportamiento de cada indicador para obtener la mejor combinación del índice de estabilidad financiera y finalmente evaluar la capacidad predictiva de cada indicador de estabilidad financiera mediante clustering automático Bietápico y k- medias. Durante el año 2001 al 2017 se identificaron 19 entidades micro financieras con problemas de insolvencia y quiebra, la construcción del Índice de estabilidad financiera con mejores resultados fue usando el set de indicadores de solidez financiera establecidos por el FMI y la técnica de percentiles basado en el VaR, con horizontes de 3 a 12 meses de tipo rolling over comparativo al sector y entidad más estable, los modelos proyectados a 12 meses frecuentes son el TDS y ARIMA (1,1,1), con una efectividad del 89% de la capacidad predictiva fue clustering k-medias.
Palabras clave: análisis clúster bietápico, análisis clúster k-medias, índice de estabilidad financiera, indicador financiero, proyección de tendencias, rolling over, técnica de normalización empírica, técnica de percentiles, VaR
Tito Ccopa, Enrique Jaime -
Puno : Universidad Nacional del Altiplano. Escuela de Post Grado. Doctorado en Estadística e Informática - 2019
Para optar el grado académico de: Doctor en Estadística e Informática
|
|  |