Redes neuronales artificiales para calificación de riesgo soberano

Mediante el uso de redes neuronales artificiales se replica la calificación soberana que Fitch, Moody’s y S&P publican. Al considerar la calificación crediticia con ± 1 nivel en la escala crediticia, la precisión alcanza 80 %. Esta investigación es innovadora tanto por utilizar técnicas de aprendizaje de máquina para modelar el riesgo soberano como por incluir en las variables relevantes los indicadores de gobernabilidad mundial. Las pruebas realizadas sobre las diferentes variables permiten discriminar a los emisores por su perfil de riesgo. Los resultados sugieren a los responsables de política pública la necesidad de mejorar el desempeño de las variables analizadas y así lograr progresos en la evaluación crediticia.

• Autores: Avellaneda Hortua, Mauricio
• Tipo de recurso: Part of book
• Fecha de publicación: 2021
• Institución: Universidad Externado de Colombia
• Repositorio: Biblioteca Digital Universidad Externado de Colombia
• Idioma: spa
• OAI Identifier: oai:bdigital.uexternado.edu.co:001/3950
• Acceso en línea: https://bdigital.uexternado.edu.co/handle/001/3950; https://doi.org/10.57998/bdigital.handle.001.3950
• Palabra clave: Riesgo (Finanzas); Política económica; Administración de creditos; Indicadores de gobernabilidad mundial; Redes neuronales artificiales; Macroeconomía; Problemas de deuda; Calificación soberana; Desempeño del gobierno; Agencias calificadoras de riesgo; Worldwide governance indicators; Neural networks; Macroeconomy; Debt problems; Sovereign ratings and rating agencies; Performance of government; Sovereign debt
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2