Prediction of financial crises by means of rough sets and decision trees

Este trabajo intenta profundizar en los factores queinfluyen en la aparición de crisis financieras. Utilizando unaamplia muestra de datos de países entre 1981 y 1999, se aplicandos metodologías del campo de la Inteligencia Artificial (lateoría Rough Set y el algoritmo C4.5) para analizar el papel deun conjunto de variables macroeconómicas y financieras (tantode tipo cualitativo como de tipo cuantitativo) en la explicaciónde las crisis bancarias. Estos métodos no requieren que las variableso los datos utilizados satisfagan ningún tipo de hipótesis,al contrario que las técnicas estadísticas empleadas tradicionalmente,que presentan el inconveniente de que parten de hipótesisacerca de las propiedades distribucionales de las variablesexplicativas que no se suelen cumplir, lo que dificulta el análisis.Se han obtenido muy buenos resultados en términos de aciertoen la clasificación (80% de clasificaciones correctas sobre unamuestra independiente), lo que demuestra la precisión de ambosmétodos.

• Autores: Díaz-Martínez, Zuleyka; Sánchez-Arellano, Alicia; Segovia-Vargas, Maria Jesús
• Tipo de recurso: Article of journal
• Fecha de publicación: 2011
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/44762
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/44762; http://bdigital.unal.edu.co/34861/; http://bdigital.unal.edu.co/34861/2/
• Palabra clave: crisis financieras; inteligencia artificial; rough sets; árboles de decisión; C4.5.; JEL: G01; E52; C14
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional