Modelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresas

ilustraciones, diagramas, figuras

Autores:
Góngora Albán, María Camila
Tipo de recurso:
Fecha de publicación:
2023
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/85558
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/85558
https://repositorio.unal.edu.co/
Palabra clave:
330 - Economía::332 - Economía financiera
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
310 - Colecciones de estadística general
Multilevel models (Statistics)
Credit - Risk assessment
Risk management - Econometric models
Crédito - Evaluación del riesgo
Gestión del riesgo - Modelos econométricos
Modelos multinivel (Estadística)
Modelos econométricos
Riesgo (Economía) -- Modelos matemáticos
Riesgo financiero
Calificaciones crediticias
Riesgo de crédito
Econometric models
Risk-Mathematical models
Financial risk
Credit ratings
Finanzas
Finance
Modelo logístico multinivel
Riesgo de crédito
Empresas
Sectores económicos
Estructura jerárquica
Peso de la evidencia
Multilevel logistic model
Credit risk
Companies
Economic sectors
Hierarchical structure
Weight of evidence
Economía financiera
Financial economics
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
id UNACIONAL2_bf6129d3b77a59dcc33e4e467f8cecd2
oai_identifier_str oai:repositorio.unal.edu.co:unal/85558
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Modelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresas
dc.title.translated.eng.fl_str_mv Multilevel models in the construction of a credit risk score for companies linked to a financial entity and for the economic sectors associated with those companies
title Modelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresas
spellingShingle Modelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresas
330 - Economía::332 - Economía financiera
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
310 - Colecciones de estadística general
Multilevel models (Statistics)
Credit - Risk assessment
Risk management - Econometric models
Crédito - Evaluación del riesgo
Gestión del riesgo - Modelos econométricos
Modelos multinivel (Estadística)
Modelos econométricos
Riesgo (Economía) -- Modelos matemáticos
Riesgo financiero
Calificaciones crediticias
Riesgo de crédito
Econometric models
Risk-Mathematical models
Financial risk
Credit ratings
Finanzas
Finance
Modelo logístico multinivel
Riesgo de crédito
Empresas
Sectores económicos
Estructura jerárquica
Peso de la evidencia
Multilevel logistic model
Credit risk
Companies
Economic sectors
Hierarchical structure
Weight of evidence
Economía financiera
Financial economics
title_short Modelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresas
title_full Modelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresas
title_fullStr Modelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresas
title_full_unstemmed Modelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresas
title_sort Modelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresas
dc.creator.fl_str_mv Góngora Albán, María Camila
dc.contributor.advisor.none.fl_str_mv Melo Martínez, Oscar Orlando
dc.contributor.author.none.fl_str_mv Góngora Albán, María Camila
dc.subject.ddc.spa.fl_str_mv 330 - Economía::332 - Economía financiera
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
310 - Colecciones de estadística general
topic 330 - Economía::332 - Economía financiera
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
310 - Colecciones de estadística general
Multilevel models (Statistics)
Credit - Risk assessment
Risk management - Econometric models
Crédito - Evaluación del riesgo
Gestión del riesgo - Modelos econométricos
Modelos multinivel (Estadística)
Modelos econométricos
Riesgo (Economía) -- Modelos matemáticos
Riesgo financiero
Calificaciones crediticias
Riesgo de crédito
Econometric models
Risk-Mathematical models
Financial risk
Credit ratings
Finanzas
Finance
Modelo logístico multinivel
Riesgo de crédito
Empresas
Sectores económicos
Estructura jerárquica
Peso de la evidencia
Multilevel logistic model
Credit risk
Companies
Economic sectors
Hierarchical structure
Weight of evidence
Economía financiera
Financial economics
dc.subject.lcc.eng.fl_str_mv Multilevel models (Statistics)
Credit - Risk assessment
Risk management - Econometric models
dc.subject.lcc.spa.fl_str_mv Crédito - Evaluación del riesgo
Gestión del riesgo - Modelos econométricos
Modelos multinivel (Estadística)
dc.subject.lcsh.spa.fl_str_mv Modelos econométricos
Riesgo (Economía) -- Modelos matemáticos
Riesgo financiero
Calificaciones crediticias
Riesgo de crédito
dc.subject.lcsh.eng.fl_str_mv Econometric models
Risk-Mathematical models
Financial risk
Credit ratings
dc.subject.lemb.spa.fl_str_mv Finanzas
dc.subject.lemb.eng.fl_str_mv Finance
dc.subject.proposal.spa.fl_str_mv Modelo logístico multinivel
Riesgo de crédito
Empresas
Sectores económicos
Estructura jerárquica
Peso de la evidencia
dc.subject.proposal.eng.fl_str_mv Multilevel logistic model
Credit risk
Companies
Economic sectors
Hierarchical structure
Weight of evidence
dc.subject.wikidata.spa.fl_str_mv Economía financiera
dc.subject.wikidata.eng.fl_str_mv Financial economics
description ilustraciones, diagramas, figuras
publishDate 2023
dc.date.issued.none.fl_str_mv 2023
dc.date.accessioned.none.fl_str_mv 2024-01-31T15:51:22Z
dc.date.available.none.fl_str_mv 2024-01-31T15:51:22Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/85558
dc.identifier.instname.spa.fl_str_mv Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.spa.fl_str_mv https://repositorio.unal.edu.co/
url https://repositorio.unal.edu.co/handle/unal/85558
https://repositorio.unal.edu.co/
identifier_str_mv Universidad Nacional de Colombia
Repositorio Institucional Universidad Nacional de Colombia
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Banco de la República de Colombia (2007). Estimación de matrices de transición de la calidad de cartera comercial de las entidades financieras colombianas. Report, Departamento de Estabilidad Financiera. Subgerencia Monetaria y de Reservas, Colombia. Recuperado de https://www.banrep.gov.co/sites/default/files/publicaciones/archivos/sep 2007 estimacion.pdf [Nov 2022].
Banco de la República de Colombia (2021). Reporte de estabilidad financiera segundo semestre 2021. Report ISNN - 1692 - 4029, Departamento de Estabilidad Financiera. Subgerencia Monetaria y de Inversiones Internacionales, Colombia. Recuperado de https://repositorio.banrep.gov.co/bitstream/handle/20.500.12134/10234/reporteestabilidad- financiera-segundo-semestre-2021.pdf [Ene 2022].
Bartolini, M. & Dong, A. (2023). Sector Business Cycle Analysis. State Street Global Advisors Funds.
Bates, D., Maechler, M., Bolker, B., & Walker, S. (2023). lme4: Linear Mixed-Effects Models using ’Eigen’ and S4. R package.
Bhalla, D. (2015). Weight of evidence and Information value. Recuperado de https://www.listendata.com/2015/03/weight-of-evidence-woe-and-information.html [Junio 2023].
Chen, D. & Chen, J. (2021). Statistical Regression Modeling with R. Longitudinal and Multilevel Modeling. Springer, Chapel Hill, NC, USA.
DANE (2020). Clasificación Industrial Internacional Uniforme de todas las actividades económicas Revisión 4 adaptada para Colombia CIIU Rev. 4 A.C. Reporte, Departamento Administrativo Nacional de Estadística, Bogotá, Colombia.
DANE (2022). Producto interno bruto -pib- nacional trimestral. históricos. Technical report, DANE, Colombia. Recuperado de https://www.dane.gov.co/index.php/estadisticas-portema/cuentas-nacionales/cuentas-nacionales-trimestrales/historicos-producto-internobruto-pib [Mayo 2022].
DANE (2023a). Indicador de seguimiento a la economía (ise). anexos. Technical report, DANE, Colombia. Recuperado de https://www.dane.gov.co/index.php/estadisticas-portema/cuentas-nacionales/indicador-de-seguimiento-a-la-economia-ise [Marzo 2023].
DANE (2023b). Mercado laboral. anexo desestacionalizado. Technical report, DANE, Colombia. Recuperado de https://www.dane.gov.co/index.php/estadisticas-por-tema/mercadolaboral/empleo-y-desempleo#empleo-y-desempleo [Marzo 2023].
Dodge, Y. (2008). Kolmogorov–Smirnov Test. In: The Concise Encyclopedia of Statistics. Springer, New York, NY.
Finch, W., Bolin, J., & Kelley, K. (2014). Multilevel Modeling Using R. CRC Press. Taylor - Francis Group, Boca Raton, Florida.
Garanin, D., Lukashevich, N., & Salkutsan, S. (2014). The evaluation of credit scoring models parameters using roc curve analysis. World Applied Sciences Journal, 30(8):938–942.
Goldstein, H., Browne, W., & Rasbash, J. (2002). Partitioning Variation in Multilevel Models. Understanding Statistics, 1(4):223–231. doi:10.1207/s15328031us0104 02.
Gutierrez, M. (2007). Modelos de credit scoring: qué, cómo, cuándo y para qué. Perfil de Coyuntura Económica, (16):191–222.
Hartig, F. (2022a). DHARMa: Residual Diagnostics for Hierarchical (Multi-Level / Mixed) Regression Models. R package version 0.4.6.
Larsen, K. (2015). Data Exploration with Weight of Evidence and Information Value in R. Recuperado de https://multithreaded.stitchfix.com/blog/2015/08/13/weight-of-evidence/[Junio 2023].
Lesnoff, M. & Lancelot, R. (2022). aod: Analysis of Overdispersed Data. R package.
Long, R. (2018). Dealing with singular fit in mixed models. Cross Validated URL:https://stats.stackexchange.com/q/379068 (version: 2018-11-28).
Maas, C. J. & Hox, J. J. (2005). Sufficient sample sizes for multilevel modeling. Methodology, 1:86–92. DOI: https://doi.org/10.1027/1614-2241.1.3.86.
Marin, J. (2007). Tema 6: Análisis Discriminante. Recuperado de http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/AMult/tema6am.pdf [Enero 2022].
Martínez, E. (2014). Metodología para estimar el deterioro de cartera de crédito de libre destinación sin libranza otorgado por instituciones de crédito a personas naturales en Colombia. Tesis de Maestría, Universidad de Medellín, Facultad de Ingeniería, Medellín.
McCullagh, P. & Nelder, J. (1989). Generalized linear models. Chapman and Hall, New York.
Merlo, J., Chaix, B., Ohlsson, H., Beckman, A., Johnell, K., Hjerpe, P., Rastam, L., & Larsen, K. (2006). A brief conceptual tutorial of multilevel analysis in social epidemiology: using measures of clustering in multilevel logistic regression to investigate contextual phenomena. Journal Epidemiol Community Health, (60):290–297. doi: 10.1136/jech.2004.029454.
Moineddin, R., Matheson, F. I., & Glazier, R. H. (2007). A simulation study of sample size for multilevel logistic regression models. BMC Medical Research Methodology, 7(34). DOI:https://doi.org/10.1186/1471-2288-7-34.
Nalborczyk, L. (2017). Three methods for computing the intra-class correlation in multilevel logistic regression. Report. Recuperado de https://www.barelysignificant.com/post/icc/[Nov 2022].
Nehrebecka, N. (2018). Sectoral risk assessment: Evidence from Poland. IFC - Central Bank of Armenia Workshop on “External Sector Statistics”.
Ochoa, J., Galeano, W., & Agudelo, L. (2010). Construcción de un modelo de scoring para el otorgamiento de crédito en una entidad financiera. Perfil de Coyuntura Económica, (16):191–222.
Paccagnella, O. (2011). Sample size and accuracy of estimates in multilevel models: New simulation results. Methodology: European Journal of Research Methods for the Behavioral and Social Sciences, 7:111–120. DOI: https://doi.org/10.1027/1614-2241/a000029.
Pardo, A., Ruiz, M., & San Martín, R. (2007). Cómo ajustar e interpretar modelos multinivel con SPSS. Psicothema, 19(2):308–321.
Parga, A. (2022). Cómo afectó la pandemia la inclusión financiera empresarial en el país. Reporte, Portafolio, Colombia. Recuperado de https://www.portafolio.co/negocios/empresas/como-afecto-la-pandemia-la-inclusionfinanciera-empresarial-en-colombia-560576 [Enero 2022].
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, E. (2021a). Decision Trees. Recuperado de https://scikit-learn.org/stable/modules/tree.html [Enero 2022].
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, E. (2021b). Neural network models (supervised). Recuperado de https://scikitlearn.org/stable/modules/neural networks supervised.html#classification [Enero 2022].
R Core Team (2022). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0.
Red cultural del Banco de la República de Colombia (2021). Sectores económicos. Technical report, Banco de la República de Colombia, Colombia. Recuperado de https://enciclopedia.banrepcultural.org/index.php/Sectores econ%C3 %B3micos [Enero 2022].
Ripley, B. (2022). MASS: Support Functions and Datasets for Venables and Ripley’s MASS. R package.
Robin, X., Turck, N., Hainard, A., Tiberti, N., Lisacek, F., Sanchez, C., & Müller, M. (2022). Package ‘pROC’. R package.
Schatz, I. (2020). Using the Gini coefficient to evaluate the performance of credit score models. Recuperado de https://towardsdatascience.com/using-the-gini-coefficient-toevaluate-the-performance-of-credit-score-models-59fe13ef420 [Junio 2023].
Schoeneberger, J. A. (2016). The impact of sample size and other factors when estimating multilevel logistic models. The Journal of Experimental Education, 84:373–397. DOI: https://doi.org/10.1080/00220973.2015.1027805.
Shaw, M. & Kay, J. (2023). Introduction to Multilevel Modeling. Recuperado de http://www.learn-mlms.com/07-module-7.html [Mayo 2023].
Siddiqi, N. (2017). Intelligent Credit Scoring, building and implementing better credit risk scorecards. Wiley & SAS Business Series, New Jersey, NJ, 2 edition.
Sommet, N. & Morselli, D. (2017). Keep Calm and Learn Multilevel Logistic Modeling: A Simplified Three-Step Procedure Using Stata, R, Mplus, and SPSS. International Review of Social Psychology, 30(1):203–218. DOI: http://doi.org/10.5334/irsp.90.
Superintendencia Financiera de Colombia (1995). Circular básica contable y financiera (circular externa 100 de 1995). Report Capítulo II, Gestión del riesgo de crédito, Superintendencia Financiera de Colombia (SFC), Colombia. Recuperado de https://www.superfinanciera.gov.co/inicio/normativa/normativa-general/circularbasica-contable-y-financiera-circular-externa–de—15466 [Nov 2020].
Superintendencia Financiera de Colombia (2020). Medidas sobre crédito (circular externa 007 de 2020). Report, Superintendencia Financiera de Colombia (SFC), Colombia.
Superintendencia Financiera de Colombia (2021). Circular externa 012 de 2021. Report, Superintendencia Financiera de Colombia (SFC), Colombia.
Superintendencia Financiera de Colombia (2022). Operaciones activas de crédito por sector económico. Technical report, Colombia. Recuperado de https://www.superfinanciera.gov.co/inicio/informes-y-cifras/cifras/establecimientosde-credito/informacion-periodica/trimestral/operaciones-activas-de-credito/por-sectoreconomico-61028 [Octubre 2022].
Swaminathan, H., Rogers, H. J., & Sen, R. (2011). Research Methodology for Decision-Making in School Psychology In: Bray, M. A. and Kehle, T. J. eds. The Oxford Handbook of School Psychology. New York, NY: Oxford University Press, page 103–139. DOI:https://doi.org/10.1093/oxfordhb/9780195369809.013.0038.
Sánchez, E. & Ocaña, R. (1999). Los modelos multinivel o la importancia de la jerarquía. Gaceta Sanitaria, 13(5):391–398. Escuela Andaluza de Salud Pública. Granada, España. https://doi.org/10.1016/S0213-9111(99)71390-7.
Ting, K. (2011). Confusion Matrix. In: Sammut, C., Webb, G.I. (eds) Encyclopedia of Machine Learning. Springer, Boston, MA.
Tody, S. (2022). logiBin: Binning Variables to Use in Logistic Regression. R package.
Vargas, P. (2020). Con un aumento de 8.1 %, los créditos a las empresas fueron los que más crecieron a julio de 2020. Reporte, La República, Colombia. Recuperado de https://www.larepublica.co/finanzas/con-un-aumento-de-81-los-creditos-a-lasempresas-fueron-los-que-mas-crecieron-a-julio-de-2020-3066551 [Noviembre 2021].
Voeten, C. (2023). buildmer: Stepwise Elimination and Term Reordering for Mixed-Effects Regression. R package.
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv xiv, 113 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.country.none.fl_str_mv Colombia
dc.publisher.spa.fl_str_mv Universidad Nacional de Colombia
dc.publisher.program.spa.fl_str_mv Bogotá - Ciencias - Maestría en Ciencias - Estadística
dc.publisher.faculty.spa.fl_str_mv Facultad de Ciencias
dc.publisher.place.spa.fl_str_mv Bogotá, Colombia
dc.publisher.branch.spa.fl_str_mv Universidad Nacional de Colombia - Sede Bogotá
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/85558/1/license.txt
https://repositorio.unal.edu.co/bitstream/unal/85558/2/1032464689.2023.pdf
https://repositorio.unal.edu.co/bitstream/unal/85558/3/1032464689.2023.pdf.jpg
bitstream.checksum.fl_str_mv eb34b1cf90b7e1103fc9dfd26be24b4a
5fbb94bdbf1c6f54f0ccb6109cfc2945
a4bc6bad0549cb5c783dd501443885eb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089562192871424
spelling Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Melo Martínez, Oscar Orlando653518c1f1441d004f4edeffc2a59886Góngora Albán, María Camilafe8570e1f9ef0b1fa43dcb6533a665d62024-01-31T15:51:22Z2024-01-31T15:51:22Z2023https://repositorio.unal.edu.co/handle/unal/85558Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, diagramas, figurasOtorgar créditos a empresas para el desarrollo de sus actividades económicas constituye una gran responsabilidad y también un aporte importante para la economía ya que apalancan su crecimiento. Por lo anterior, es importante contar con herramientas para evaluar la viabilidad en el otorgamiento de créditos a las empresas. Las empresas, en términos generales, se desenvuelven dentro de su contexto sectorial, por lo cual el modelo de riesgo de crédito que se construye incorpora información no sólo de ellas si no también de los sectores económicos asociados. Para tal fin, se emplea la metodología de modelos logísticos multinivel que permiten considerar la estructura jerárquica y de correlación existente dada la naturaleza de los datos. Se analizan las empresas tomadoras de crédito con una entidad financiera entre los meses marzo 2016 y marzo 2019. El problema se aborda bajo dos visiones: longitudinal y transversal; sin embargo, el modelo final corresponde a la visión transversal e incluye variables de balances financieros y de mora histórica, además de un indicador sectorial de calidad de la cartera interna. Finalmente con los modelos construidos, es posible identificar a futuro, los sectores de mayor riesgo crediticio. (Texto tomado de la fuente)Granting loans to companies for the development of their economic activities is a great responsibility and is an important contribution to the economy since it boost its growth. Therefore, it is important to have tools to assess the feasibility of granting credit to companies. In general terms, companies operate within their sectoral context, for which reason the credit risk model that is built incorporates information not only from them but also from the associated economic sectors. For this purpose, the methodology of multilevel logistic models is used, which allows to consider the existing hierarchical and correlation structure given the nature of the data. The companies taking credit with a financial institution between the months of March 2016 and March 2019 are analyzed. The problem is addressed from two visions: longitudinal and transversal; however, the final model corresponds to the transversal vision and includes variables of financial balances and of historical arrears, in addition to a sectoral indicator of the quality of the internal portfolio. Finally, with the built models, it is possible to identify the sectors with the highest credit risk in the future.MaestríaMagíster en Ciencias - EstadísticaModelo logístico multinivelxiv, 113 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias - Maestría en Ciencias - EstadísticaFacultad de CienciasBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá330 - Economía::332 - Economía financiera510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas310 - Colecciones de estadística generalMultilevel models (Statistics)Credit - Risk assessmentRisk management - Econometric modelsCrédito - Evaluación del riesgoGestión del riesgo - Modelos econométricosModelos multinivel (Estadística)Modelos econométricosRiesgo (Economía) -- Modelos matemáticosRiesgo financieroCalificaciones crediticiasRiesgo de créditoEconometric modelsRisk-Mathematical modelsFinancial riskCredit ratingsFinanzasFinanceModelo logístico multinivelRiesgo de créditoEmpresasSectores económicosEstructura jerárquicaPeso de la evidenciaMultilevel logistic modelCredit riskCompaniesEconomic sectorsHierarchical structureWeight of evidenceEconomía financieraFinancial economicsModelos multinivel en la construcción de un score de riesgo crediticio para empresas vinculadas a una entidad financiera y para los sectores económicos asociados a dichas empresasMultilevel models in the construction of a credit risk score for companies linked to a financial entity and for the economic sectors associated with those companiesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMColombiaBanco de la República de Colombia (2007). Estimación de matrices de transición de la calidad de cartera comercial de las entidades financieras colombianas. Report, Departamento de Estabilidad Financiera. Subgerencia Monetaria y de Reservas, Colombia. Recuperado de https://www.banrep.gov.co/sites/default/files/publicaciones/archivos/sep 2007 estimacion.pdf [Nov 2022].Banco de la República de Colombia (2021). Reporte de estabilidad financiera segundo semestre 2021. Report ISNN - 1692 - 4029, Departamento de Estabilidad Financiera. Subgerencia Monetaria y de Inversiones Internacionales, Colombia. Recuperado de https://repositorio.banrep.gov.co/bitstream/handle/20.500.12134/10234/reporteestabilidad- financiera-segundo-semestre-2021.pdf [Ene 2022].Bartolini, M. & Dong, A. (2023). Sector Business Cycle Analysis. State Street Global Advisors Funds.Bates, D., Maechler, M., Bolker, B., & Walker, S. (2023). lme4: Linear Mixed-Effects Models using ’Eigen’ and S4. R package.Bhalla, D. (2015). Weight of evidence and Information value. Recuperado de https://www.listendata.com/2015/03/weight-of-evidence-woe-and-information.html [Junio 2023].Chen, D. & Chen, J. (2021). Statistical Regression Modeling with R. Longitudinal and Multilevel Modeling. Springer, Chapel Hill, NC, USA.DANE (2020). Clasificación Industrial Internacional Uniforme de todas las actividades económicas Revisión 4 adaptada para Colombia CIIU Rev. 4 A.C. Reporte, Departamento Administrativo Nacional de Estadística, Bogotá, Colombia.DANE (2022). Producto interno bruto -pib- nacional trimestral. históricos. Technical report, DANE, Colombia. Recuperado de https://www.dane.gov.co/index.php/estadisticas-portema/cuentas-nacionales/cuentas-nacionales-trimestrales/historicos-producto-internobruto-pib [Mayo 2022].DANE (2023a). Indicador de seguimiento a la economía (ise). anexos. Technical report, DANE, Colombia. Recuperado de https://www.dane.gov.co/index.php/estadisticas-portema/cuentas-nacionales/indicador-de-seguimiento-a-la-economia-ise [Marzo 2023].DANE (2023b). Mercado laboral. anexo desestacionalizado. Technical report, DANE, Colombia. Recuperado de https://www.dane.gov.co/index.php/estadisticas-por-tema/mercadolaboral/empleo-y-desempleo#empleo-y-desempleo [Marzo 2023].Dodge, Y. (2008). Kolmogorov–Smirnov Test. In: The Concise Encyclopedia of Statistics. Springer, New York, NY.Finch, W., Bolin, J., & Kelley, K. (2014). Multilevel Modeling Using R. CRC Press. Taylor - Francis Group, Boca Raton, Florida.Garanin, D., Lukashevich, N., & Salkutsan, S. (2014). The evaluation of credit scoring models parameters using roc curve analysis. World Applied Sciences Journal, 30(8):938–942.Goldstein, H., Browne, W., & Rasbash, J. (2002). Partitioning Variation in Multilevel Models. Understanding Statistics, 1(4):223–231. doi:10.1207/s15328031us0104 02.Gutierrez, M. (2007). Modelos de credit scoring: qué, cómo, cuándo y para qué. Perfil de Coyuntura Económica, (16):191–222.Hartig, F. (2022a). DHARMa: Residual Diagnostics for Hierarchical (Multi-Level / Mixed) Regression Models. R package version 0.4.6.Larsen, K. (2015). Data Exploration with Weight of Evidence and Information Value in R. Recuperado de https://multithreaded.stitchfix.com/blog/2015/08/13/weight-of-evidence/[Junio 2023].Lesnoff, M. & Lancelot, R. (2022). aod: Analysis of Overdispersed Data. R package.Long, R. (2018). Dealing with singular fit in mixed models. Cross Validated URL:https://stats.stackexchange.com/q/379068 (version: 2018-11-28).Maas, C. J. & Hox, J. J. (2005). Sufficient sample sizes for multilevel modeling. Methodology, 1:86–92. DOI: https://doi.org/10.1027/1614-2241.1.3.86.Marin, J. (2007). Tema 6: Análisis Discriminante. Recuperado de http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/AMult/tema6am.pdf [Enero 2022].Martínez, E. (2014). Metodología para estimar el deterioro de cartera de crédito de libre destinación sin libranza otorgado por instituciones de crédito a personas naturales en Colombia. Tesis de Maestría, Universidad de Medellín, Facultad de Ingeniería, Medellín.McCullagh, P. & Nelder, J. (1989). Generalized linear models. Chapman and Hall, New York.Merlo, J., Chaix, B., Ohlsson, H., Beckman, A., Johnell, K., Hjerpe, P., Rastam, L., & Larsen, K. (2006). A brief conceptual tutorial of multilevel analysis in social epidemiology: using measures of clustering in multilevel logistic regression to investigate contextual phenomena. Journal Epidemiol Community Health, (60):290–297. doi: 10.1136/jech.2004.029454.Moineddin, R., Matheson, F. I., & Glazier, R. H. (2007). A simulation study of sample size for multilevel logistic regression models. BMC Medical Research Methodology, 7(34). DOI:https://doi.org/10.1186/1471-2288-7-34.Nalborczyk, L. (2017). Three methods for computing the intra-class correlation in multilevel logistic regression. Report. Recuperado de https://www.barelysignificant.com/post/icc/[Nov 2022].Nehrebecka, N. (2018). Sectoral risk assessment: Evidence from Poland. IFC - Central Bank of Armenia Workshop on “External Sector Statistics”.Ochoa, J., Galeano, W., & Agudelo, L. (2010). Construcción de un modelo de scoring para el otorgamiento de crédito en una entidad financiera. Perfil de Coyuntura Económica, (16):191–222.Paccagnella, O. (2011). Sample size and accuracy of estimates in multilevel models: New simulation results. Methodology: European Journal of Research Methods for the Behavioral and Social Sciences, 7:111–120. DOI: https://doi.org/10.1027/1614-2241/a000029.Pardo, A., Ruiz, M., & San Martín, R. (2007). Cómo ajustar e interpretar modelos multinivel con SPSS. Psicothema, 19(2):308–321.Parga, A. (2022). Cómo afectó la pandemia la inclusión financiera empresarial en el país. Reporte, Portafolio, Colombia. Recuperado de https://www.portafolio.co/negocios/empresas/como-afecto-la-pandemia-la-inclusionfinanciera-empresarial-en-colombia-560576 [Enero 2022].Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, E. (2021a). Decision Trees. Recuperado de https://scikit-learn.org/stable/modules/tree.html [Enero 2022].Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, E. (2021b). Neural network models (supervised). Recuperado de https://scikitlearn.org/stable/modules/neural networks supervised.html#classification [Enero 2022].R Core Team (2022). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0.Red cultural del Banco de la República de Colombia (2021). Sectores económicos. Technical report, Banco de la República de Colombia, Colombia. Recuperado de https://enciclopedia.banrepcultural.org/index.php/Sectores econ%C3 %B3micos [Enero 2022].Ripley, B. (2022). MASS: Support Functions and Datasets for Venables and Ripley’s MASS. R package.Robin, X., Turck, N., Hainard, A., Tiberti, N., Lisacek, F., Sanchez, C., & Müller, M. (2022). Package ‘pROC’. R package.Schatz, I. (2020). Using the Gini coefficient to evaluate the performance of credit score models. Recuperado de https://towardsdatascience.com/using-the-gini-coefficient-toevaluate-the-performance-of-credit-score-models-59fe13ef420 [Junio 2023].Schoeneberger, J. A. (2016). The impact of sample size and other factors when estimating multilevel logistic models. The Journal of Experimental Education, 84:373–397. DOI: https://doi.org/10.1080/00220973.2015.1027805.Shaw, M. & Kay, J. (2023). Introduction to Multilevel Modeling. Recuperado de http://www.learn-mlms.com/07-module-7.html [Mayo 2023].Siddiqi, N. (2017). Intelligent Credit Scoring, building and implementing better credit risk scorecards. Wiley & SAS Business Series, New Jersey, NJ, 2 edition.Sommet, N. & Morselli, D. (2017). Keep Calm and Learn Multilevel Logistic Modeling: A Simplified Three-Step Procedure Using Stata, R, Mplus, and SPSS. International Review of Social Psychology, 30(1):203–218. DOI: http://doi.org/10.5334/irsp.90.Superintendencia Financiera de Colombia (1995). Circular básica contable y financiera (circular externa 100 de 1995). Report Capítulo II, Gestión del riesgo de crédito, Superintendencia Financiera de Colombia (SFC), Colombia. Recuperado de https://www.superfinanciera.gov.co/inicio/normativa/normativa-general/circularbasica-contable-y-financiera-circular-externa–de—15466 [Nov 2020].Superintendencia Financiera de Colombia (2020). Medidas sobre crédito (circular externa 007 de 2020). Report, Superintendencia Financiera de Colombia (SFC), Colombia.Superintendencia Financiera de Colombia (2021). Circular externa 012 de 2021. Report, Superintendencia Financiera de Colombia (SFC), Colombia.Superintendencia Financiera de Colombia (2022). Operaciones activas de crédito por sector económico. Technical report, Colombia. Recuperado de https://www.superfinanciera.gov.co/inicio/informes-y-cifras/cifras/establecimientosde-credito/informacion-periodica/trimestral/operaciones-activas-de-credito/por-sectoreconomico-61028 [Octubre 2022].Swaminathan, H., Rogers, H. J., & Sen, R. (2011). Research Methodology for Decision-Making in School Psychology In: Bray, M. A. and Kehle, T. J. eds. The Oxford Handbook of School Psychology. New York, NY: Oxford University Press, page 103–139. DOI:https://doi.org/10.1093/oxfordhb/9780195369809.013.0038.Sánchez, E. & Ocaña, R. (1999). Los modelos multinivel o la importancia de la jerarquía. Gaceta Sanitaria, 13(5):391–398. Escuela Andaluza de Salud Pública. Granada, España. https://doi.org/10.1016/S0213-9111(99)71390-7.Ting, K. (2011). Confusion Matrix. In: Sammut, C., Webb, G.I. (eds) Encyclopedia of Machine Learning. Springer, Boston, MA.Tody, S. (2022). logiBin: Binning Variables to Use in Logistic Regression. R package.Vargas, P. (2020). Con un aumento de 8.1 %, los créditos a las empresas fueron los que más crecieron a julio de 2020. Reporte, La República, Colombia. Recuperado de https://www.larepublica.co/finanzas/con-un-aumento-de-81-los-creditos-a-lasempresas-fueron-los-que-mas-crecieron-a-julio-de-2020-3066551 [Noviembre 2021].Voeten, C. (2023). buildmer: Stepwise Elimination and Term Reordering for Mixed-Effects Regression. R package.AdministradoresEstudiantesInvestigadoresMaestrosPúblico generalResponsables políticosLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/85558/1/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD51ORIGINAL1032464689.2023.pdf1032464689.2023.pdfTesis de Maestría en Ciencias - Estadísticaapplication/pdf8979684https://repositorio.unal.edu.co/bitstream/unal/85558/2/1032464689.2023.pdf5fbb94bdbf1c6f54f0ccb6109cfc2945MD52THUMBNAIL1032464689.2023.pdf.jpg1032464689.2023.pdf.jpgGenerated Thumbnailimage/jpeg5250https://repositorio.unal.edu.co/bitstream/unal/85558/3/1032464689.2023.pdf.jpga4bc6bad0549cb5c783dd501443885ebMD53unal/85558oai:repositorio.unal.edu.co:unal/855582024-08-22 23:10:25.397Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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

Publicaciones similares