Resumo

FERNANDEZ FERNANDEZ, José Alejandro; BEJARANO VAZQUEZ, Virginia  e  VICENTE VIRSEDA, Juan Antonio. Evaluación de riesgos con Data Mining: el sistema financiero español. Rev. mex. econ. finanz [online]. 2019, vol.14, n.3, pp.309-328.  Epub 18-Fev-2020. ISSN 2448-6795.  https://doi.org/10.21919/remef.v14i3.349.

El objetivo de este trabajo, basado en técnicas de Data Mining, es llegar a identificar el mejor método de predicción de riesgos para el sistema bancario español, teniendo en cuenta tanto sus características específicas, como la situación económica de España en el período objeto de estudio. Para ello, se definen, en primer lugar, catorce ratios que permiten identificar, en términos de riesgos, la situación de los bancos y cajas de ahorros españoles durante el período examinado. Mediante una técnica de reducción de dimensiones con la que se simplifica la interpretación de resultados, se obtienen cuatro factores latentes sobre los que se evalúa, junto con cuatro variables macroeconómicas adicionales,un conjunto de algoritmos de Data Mining, siendo seleccionado finalmente el arbol CHAID, a diferencia de trabajos previos, en los que nunca se había llegado a proponer la aplicación de técnicas de Data Mining y Machine Learning en la identificación de situaciones de riesgo en la industria bancaria española. Una limitación de este trabajo ha sido la imposibilidad de incorporar variables regulatorias, por tratarse de información reservada que, de haber estado disponible, nos habría permitido incorporar una nueva dimensión en la predicción de riesgos.

Palavras-chave : Data Mining; Machine Learning; métodos de clasificación; predicción de riesgos; solvencia; G21; G33; M41.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )