Forecasting loss given default with the nearest neighbor algorithm
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.5/10314 |
Resumo: | Mestrado em Matemática Financeira |
id |
RCAP_c8a6459ddf744873aaf19ae0ad8dae75 |
---|---|
oai_identifier_str |
oai:www.repository.utl.pt:10400.5/10314 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Forecasting loss given default with the nearest neighbor algorithmperda em caso de incumprimentorisco de créditoprevisãoBasileia IInearest neighbormodelo LGDloss given defaultcredit riskforecastingBasel IILGD modelMestrado em Matemática FinanceiraNos últimos anos, a previsão do Loss Given Default (LGD) tem sido um dos principais desafios no âmbito da gestão do risco de crédito. Investigadores académicos e profissionais da indústria bancária têm-se dedicado ao estudo deste parâmetro de risco em particular. Apesar de todas as diferentes abordagens já desenvolvidas e publicadas até hoje, a previsão do LGD continua a ser um tema de estudo académico intenso e sobre o qual ainda não existe um "consenso" metodológico na banca. Este trabalho apresenta uma abordagem alternativa para a previsão do LGD baseada na utilização de um simples, mas intuitivo, algoritmo de Machine Learning: o algoritmo nearest neighbor. De forma a avaliar a perfomance desta técnica não paramétrica na previsão do LGD, são utilizadas determinadas métricas de avaliação que permitem a comparação com um modelo paramétrico mais convencional e com a utilização do LGD médio histórico.In recent years, forecasting Loss Given Default (LGD) has been a major challenge in the field of credit risk management. Practitioners and academic researchers have focused on the study of this particular risk dimension. Despite all different approaches that have been developed and published so far, it remains an area of intense academic study and with lack of consensual solutions in the banking industry. This paper presents an LGD forecasting approach based on a simple and intuitive Machine Learning algorithm: the nearest neighbor algorithm. In order to evaluate the performance of this non parametric technique, some proper evaluation metrics are used to compare it to a more ?classical? parametric model and to the use of historical recovery rates to predict LGD.Instituto Superior de Economia e GestãoBastos, João FerreiraRepositório da Universidade de LisboaMoura, Telmo Correia de Pina e2015-11-30T13:29:53Z20122012-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/10314engMoura, Telmo Correia de Pina e (2012). "Forecasting loss given default with the nearest neighbor algorithm". Dissertação de Mestrado, Universidade Técnica de Lisboa. Instituto Superior de Economia e Gestão.info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:40:39Zoai:www.repository.utl.pt:10400.5/10314Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T16:56:45.922151Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Forecasting loss given default with the nearest neighbor algorithm |
title |
Forecasting loss given default with the nearest neighbor algorithm |
spellingShingle |
Forecasting loss given default with the nearest neighbor algorithm Moura, Telmo Correia de Pina e perda em caso de incumprimento risco de crédito previsão Basileia II nearest neighbor modelo LGD loss given default credit risk forecasting Basel II LGD model |
title_short |
Forecasting loss given default with the nearest neighbor algorithm |
title_full |
Forecasting loss given default with the nearest neighbor algorithm |
title_fullStr |
Forecasting loss given default with the nearest neighbor algorithm |
title_full_unstemmed |
Forecasting loss given default with the nearest neighbor algorithm |
title_sort |
Forecasting loss given default with the nearest neighbor algorithm |
author |
Moura, Telmo Correia de Pina e |
author_facet |
Moura, Telmo Correia de Pina e |
author_role |
author |
dc.contributor.none.fl_str_mv |
Bastos, João Ferreira Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Moura, Telmo Correia de Pina e |
dc.subject.por.fl_str_mv |
perda em caso de incumprimento risco de crédito previsão Basileia II nearest neighbor modelo LGD loss given default credit risk forecasting Basel II LGD model |
topic |
perda em caso de incumprimento risco de crédito previsão Basileia II nearest neighbor modelo LGD loss given default credit risk forecasting Basel II LGD model |
description |
Mestrado em Matemática Financeira |
publishDate |
2012 |
dc.date.none.fl_str_mv |
2012 2012-01-01T00:00:00Z 2015-11-30T13:29:53Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.5/10314 |
url |
http://hdl.handle.net/10400.5/10314 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
Moura, Telmo Correia de Pina e (2012). "Forecasting loss given default with the nearest neighbor algorithm". Dissertação de Mestrado, Universidade Técnica de Lisboa. Instituto Superior de Economia e Gestão. |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Superior de Economia e Gestão |
publisher.none.fl_str_mv |
Instituto Superior de Economia e Gestão |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131050740285440 |