Veuillez utiliser cette adresse pour citer ce document : https://hdl.handle.net/10953/2403
Titre: EXPOSICIONES EN SITUACIÓN DE IMPAGO. ESTIMACIÓN DE PARÁMETROS PARA EL CÁLCULO DE CAPITAL REGULATORIO Y SU PREDICCIÓN MEDIANTE APRENDIZAJE AUTOMÁTICO
Auteur(s): RAMOS GONZÁLEZ, MARTA
metadata.dc.contributor.advisor: Partal Ureña, Antonio
Gómez Fernández-Aguado, Mª del Pilar
Martínez López, Luis
metadata.dc.contributor.other: Universidad de Jaén. Departamento de Economía
Résumé: Los desarrollos regulatorios sobre la medición del riesgo se encuentran en varios documentos publicados tanto por la Autoridad Bancaria Europea como por el Banco Central Europeo. En base a ellos, se presenta una propuesta concreta de la mejor estimación de pérdida esperada (ELBE) y de la pérdida inesperada (LGD in-default). La metodología se calibra utilizando datos hipotecarios de bancos españoles y el resultado sirve para analizar el perfil de riesgo de las carteras. Recientemente, la pandemia de COVID-19 dificultó la gestión del riesgo financiero. Los métodos tradicionales no sirven estimar su impacto. Por ello, la ELBE se predice utilizando una técnica de aprendizaje automático. Se presenta la proyección de dos parámetros ELBE para el 2022 y su comparación. En una se considera impacto del brote y en la otra se presupone su inexistencia. El método tiene un excelente desempeño y sirve para estimar pérdidas futuras esperadas ante cualquier evento similar.
Regulatory developments on risk measurement are included across several documents published both by the European Banking Authority and the European Central Bank. On this basis, a concrete proposal of the Expected Loss Best Estimate (ELBE) and the Loss Given Default (LGD) in-default models is presented. The methodology is eventually calibrated based on data from the mortgage’s portfolios of Spanish banks. The outcome serves to analyse the portfolios’ risk profile. Recently, the economic onslaught of the COVID-19 pandemic compromised the financial risk management. Traditional methods fail to estimate the impact of such unprecedented situation. The ELBE is thus forecasted using a machine learning technique. The projection of two ELBEs for 2022 and their comparison are presented. One accounts for the outbreak’s impact, and the other presumes its nonexistence. The proposed method has excellent performance and serve to estimate future losses amidst any event of extraordinary magnitude.
Mots-clés: Aprendizaje automático
COVID-19
método basado en calificaciones internas
riesgo de crédito
exposiciones en impago
Date de publication: 30-jui-2023
metadata.dc.description.sponsorship: Tesis Univ. Jaén. Departamento de Economía Financiera y Contabilidad
Editeur: Jaén : Universidad de Jaén
ISBN: 978849159
Référence bibliographique: p.[http://hdl.handle.net/10953/]
Collection(s) :Tesis

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
202305_UJaén Tesis_MR_v.FIN.pdf1,26 MBAdobe PDFVoir/Ouvrir


Ce document est protégé par copyright


Ce document est autorisé sous une licence de type Licence Creative Commons
Creative Commons