Tesis y Trabajos de Investigación PUCP
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/6
El Repositorio Digital de Tesis y Trabajos de Investigación PUCP aporta al Repositorio Institucional con todos sus registros, organizados por grado: Doctorado, Maestría, Licenciatura y Bachillerato. Se actualiza permanentemente con las nuevas tesis y trabajos de investigación sustentados y autorizados, así como también con los que que fueron sustentados años atrás.
Ingresa a su web: Repositorio Digital de Tesis y Trabajos de Investigación PUCP
Explorar
2 resultados
Resultados de búsqueda
Ítem Texto completo enlazado El margen financiero como medida de riesgo de incumplimiento de los préstamos personales del Perú entre 2019 y 2022(Pontificia Universidad Católica del Perú, 2024-06-28) Romero Carmen, Juan Alberto; Cáceres Valderrama, Armando Luis AugustoEl presente trabajo persigue cuatro objetivos,(1) estimar el margen financiero de los préstamos personales del Perú para el periodo 2019 y 2022 a través de una base de datos del Reporte Consolidado de Crédito (RCC) y la Encuesta Nacional de Hogares (ENAHO) del INEI, (2) contrastar la hipótesis que el margen financiero es una medida del riesgo de incumplimiento de los préstamos personales, (3) identificar las principales variables que explican el margen financiero de los hogares a través de una regresión logística y (4) evaluar los resultados obtenidos a través de una prueba de estrés que nos permita analizar el impacto de los choques alternativos bajo escenarios relevantes de incumplimiento de los préstamos. Los resultados indican que, para el grupo de deudores con menor nivel de ingreso, las variables que determinan la vulnerabilidad de los prestatarios, ordenados por relevancia, son principalmente de acceso a la tarjeta de crédito. Esto se explica porque los individuos con menor nivel de ingreso acceden a este producto con un menor conocimiento sobre su manejo y, por lo tanto, el desorden en el uso de este producto ocasiona mayor probabilidad de incumplimiento en el futuro. Mientras que en caso de los individuos con mayor nivel de ingreso prevalece el tipo de entidad donde están utilizando el mayor porcentaje de su saldo y la mayor capacidad de ahorro, debido a que la variable reducción de saldos es relevante para determinar el incumplimiento de los préstamos personales.Ítem Texto completo enlazado Probabilidad de default de portafolios de deuda corporativa en economías emergentes(Pontificia Universidad Católica del Perú, 2024-01-11) Estrella Torres, Maykol Alexander; Vega Nuñez, Johan Jose; Bendezú Medina, Luis AlfonsoEn los últimos años, se ha producido una intensa producción de investigación académica con respecto a los modelos que estiman o predicen los eventos de incumplimiento de pago, debido al mayor interés de las empresas por mantener una mejor gestión de riesgo de crédito. Por ello, el presente trabajo tiene como principal objetivo comparar la capacidad predictiva de los modelos tradicionales o estadísticos (Regresión Logística) contra modelos Machine Learning (XGBoost y Random Forest). Para lo cual, se emplea una muestra de compañías latinoamericanas que emitieron bonos corporativos durante el período de 1990 a 2022, analizando así un total de 389 empresas. Asimismo, se usó Bloomberg, como fuente de información para extraer los ratios financieros con frecuencia trimestral en el periodo ya mencionado, obteniendo así 51,060 observaciones. Una de las características de este trabajo es que se usaron las variables del modelo de puntaje Z de Altman junto con otros ratios financieros complementarios, para así mejorar la precisión de los modelos. Sin embargo, para la determinación del mejor modelo predictivo, se usaron las métricas de clasificación como el AUC (Área bajo la curva ROC), Precisión, Recall y Score F1, y los resultados mostraron que los modelos de Machine Learning tuvieron un mejor rendimiento de clasificación con respecto a la Regresión logística, siendo el modelo Random Forest el que mejor performance según las métricas de evaluación.