Determinación del indicador de estabilidad financiera como modelo predictivo de la insolvencia de entidades micro financieras en el Perú / Enrique Jaime Tito Ccopa / Puno : Universidad Nacional del Altiplano. Escuela de Post Grado. Doctorado en Estadística e Informática (2019)

Público ISBD Vista personalizada 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

Reserva

Reservar este documento

Ejemplares (1)

Código de barras	Signatura	Tipo de medio	Ubicación	Sección	Estado
EPG 2050-2831-01	EPG 2050	Tesis Doctorado	Bib. Postgrado	Estanteria (Tesis)	Disponible

Simulación de Montecarlo del Nivel de Riesgo de Pérdida del Productor de Trucha en Función de los Factores Asociados a la Actividad y al Tamaño Mayo - Junio Departamento Puno / Enrique Jaime Tito Ccopa / Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática. Escuela Profesional de Ingeniería Estadística e Informática (2015)

Público ISBD Vista personalizada Título : Simulación de Montecarlo del Nivel de Riesgo de Pérdida del Productor de Trucha en Función de los Factores Asociados a la Actividad y al Tamaño Mayo - Junio Departamento Puno Tipo de documento: texto impreso Autores: Enrique Jaime Tito Ccopa, Autor Editorial: Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática. Escuela Profesional de Ingeniería Estadística e Informática Fecha de publicación: 2015 Número de páginas: 84 p. Il.: diagrs.; tbls. Dimensiones: 30 cm. Material de acompañamiento: 01 CD-ROM Nota general: Para Optar el Título Profesional: Ingeniero Estadístico Idioma : Español (spa) Resumen: La incertidumbre en la producción de trucha en la región Puno, determinado por su nivel de riesgo, limita un adecuado nivel de inversión y operación de la actividad, siendo importante conocer el Nivel de riesgo de pérdida del productor de trucha en función a los riesgos asociados (mercado, técnico y financiero) para cada escala productiva, que permitirá que productores, empresas financieras y el Estado tomen mejores decisiones. Se han aplicado encuestas en una muestra de 175 productores de trucha beneficiarios del programa de PROCOMPITE segmentándolos en 5 escalas representativas de producción (sobrevivencia, menor escala inicial, menor escala intermedia, menor escala avanzada y mayor escala inicial). El uso del método de Montecarlo basada en el método del Valor Presente Neto y en la identificación de los riesgos asociados, permite que mediante una simulación de 100,000 escenarios se determine el nivel de riesgo de pérdida del productor de trucha por cada escala productiva. El modelo de probabilidad representativo es la distribución logística con sesgo cercano a 0 y curtosis de 4, la variable de riesgo de mayor impacto es el precio de la trucha, Para una tasa de descuento del 3.25% (tasa de referencia BCRP), el nivel de pérdida del productor se incrementa de S/. 32,775 en la escala 1 a S/. 488,602 en la escala 5, y la probabilidad de pérdida disminuye de un 61% de la escala 1 a un 8% a la escala 5. Nota de contenido: Zona Territorial de Estudio:. PE: PUNO Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=85058 Simulación de Montecarlo del Nivel de Riesgo de Pérdida del Productor de Trucha en Función de los Factores Asociados a la Actividad y al Tamaño Mayo - Junio Departamento Puno [texto impreso] / Enrique Jaime Tito Ccopa, Autor . - Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática. Escuela Profesional de Ingeniería Estadística e Informática, 2015 . - 84 p. : diagrs.; tbls. ; 30 cm. + 01 CD-ROM. Para Optar el Título Profesional: Ingeniero Estadístico Idioma : Español (spa) Resumen: La incertidumbre en la producción de trucha en la región Puno, determinado por su nivel de riesgo, limita un adecuado nivel de inversión y operación de la actividad, siendo importante conocer el Nivel de riesgo de pérdida del productor de trucha en función a los riesgos asociados (mercado, técnico y financiero) para cada escala productiva, que permitirá que productores, empresas financieras y el Estado tomen mejores decisiones. Se han aplicado encuestas en una muestra de 175 productores de trucha beneficiarios del programa de PROCOMPITE segmentándolos en 5 escalas representativas de producción (sobrevivencia, menor escala inicial, menor escala intermedia, menor escala avanzada y mayor escala inicial). El uso del método de Montecarlo basada en el método del Valor Presente Neto y en la identificación de los riesgos asociados, permite que mediante una simulación de 100,000 escenarios se determine el nivel de riesgo de pérdida del productor de trucha por cada escala productiva. El modelo de probabilidad representativo es la distribución logística con sesgo cercano a 0 y curtosis de 4, la variable de riesgo de mayor impacto es el precio de la trucha, Para una tasa de descuento del 3.25% (tasa de referencia BCRP), el nivel de pérdida del productor se incrementa de S/. 32,775 en la escala 1 a S/. 488,602 en la escala 5, y la probabilidad de pérdida disminuye de un 61% de la escala 1 a un 8% a la escala 5. Nota de contenido: Zona Territorial de Estudio:. PE: PUNO Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=85058 Simulación de Montecarlo del Nivel de Riesgo de Pérdida del Productor de Trucha en Función de los Factores Asociados a la Actividad y al Tamaño Mayo - Junio Departamento Puno La incertidumbre en la producción de trucha en la región Puno, determinado por su nivel de riesgo, limita un adecuado nivel de inversión y operación de la actividad, siendo importante conocer el Nivel de riesgo de pérdida del productor de trucha en función a los riesgos asociados (mercado, técnico y financiero) para cada escala productiva, que permitirá que productores, empresas financieras y el Estado tomen mejores decisiones. Se han aplicado encuestas en una muestra de 175 productores de trucha beneficiarios del programa de PROCOMPITE segmentándolos en 5 escalas representativas de producción (sobrevivencia, menor escala inicial, menor escala intermedia, menor escala avanzada y mayor escala inicial). El uso del método de Montecarlo basada en el método del Valor Presente Neto y en la identificación de los riesgos asociados, permite que mediante una simulación de 100,000 escenarios se determine el nivel de riesgo de pérdida del productor de trucha por cada escala productiva. El modelo de probabilidad representativo es la distribución logística con sesgo cercano a 0 y curtosis de 4, la variable de riesgo de mayor impacto es el precio de la trucha, Para una tasa de descuento del 3.25% (tasa de referencia BCRP), el nivel de pérdida del productor se incrementa de S/. 32,775 en la escala 1 a S/. 488,602 en la escala 5, y la probabilidad de pérdida disminuye de un 61% de la escala 1 a un 8% a la escala 5. Tito Ccopa, Enrique Jaime - Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática. Escuela Profesional de Ingeniería Estadística e Informática - 2015 Para Optar el Título Profesional: Ingeniero Estadístico Zona Territorial de Estudio:. PE: PUNO

Reserva

Reservar este documento

Ejemplares (2)

Código de barras	Signatura	Tipo de medio	Ubicación	Sección	Estado
T22-0272-01	T0272	Tesis Profesional	Bib. Esp. Ing Estadistica e Informática	Estanteria (Tesis)	Consulta en sala Disponible
T19629-26101-01	T19629	Tesis Profesional	Biblioteca Central	Area Tesis (sótano)	Consulta en sala Disponible

---

1 (1 - 2 / 2)