Modelagem da LGD via mistura de distribuições Kumaraswamy

Detalhes bibliográficos
Autor(a) principal: Carvalho, Thiago Morais de
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/19025
http://dx.doi.org/10.26512/2015.07.D.19025
Resumo: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2015.
id UNB_685275a7aab3e3b485f3a017b8329e17
oai_identifier_str oai:repositorio.unb.br:10482/19025
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Modelagem da LGD via mistura de distribuições KumaraswamyRisco (Economia)Distribuição (Probabilidades)Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2015.Atualmente uma determinada instituição financeira (IF) utiliza, para o acompanhamento e verificação do desempenho de modelos de risco de clientes, os testes Kolmogorov-Smirnov (KS), Índice de Gini e a Curva Roc Com o advento do Acordo de Basileia, mais especificamente Basileia II, surgiu a necessidade de criação de modelos referentes aos parâmetros de risco de crédito: probabilidade de descumprimento (PD) que vem de “probability of default”, exposição no momento do descumprimento (EAD), que vem de “exposure at default” e perda dado o descumprimento (LGD) que vem de “loss given default”. Os anos de 2013 e 2014, nesta IF, concentraram os esforços para a construção de tais modelos. Entretanto, ao contrário do que é verificado para os modelos de risco de clientes, esses novos modelos não dispunham de um conjunto de técnicas estatísticas definidas para seu monitoramento. Dessa forma, definiu-se o objetivo deste trabalho, que consiste em modelar os dados de LGD de forma a obtenção de uma distribuição paramétrica, possibilitando assim o conhecimento do comportamento deste tipo de dados e sua avaliação sob o teste KS com a finalidade de subsidiar as decisões de revisão ou remodelagem dos modelos do parâmetro de risco de crédito LGD. Para a modelagem dos dados de LGD foi utilizada a distribuição Kumaraswamy, que tem suporte no intervalo (0,1). A vantagem de sua utilização consiste no comportamento variado que a distribuição pode assumir, bem como pela forma fechada de sua função de distribuição acumulada, que facilita seu uso em procedimentos computacionais. Além disso, há o fato de que dentro de um ambiente não-acadêmico existe uma certa resistência à técnicas mais complexas ou a conceitos não-auto explicáveis. Foi utilizado o algoritmo EM para obter as estimativas de máxima verossimilhança dos parâmetros do modelo. O desempenho do algoritmo foi avaliado por meio de simulação de Monte Carlo, e em seguida o modelo foi aplicado em dois conjuntos de dados reais. Portanto, este trabalho foi realizado com a intenção de fornecer uma técnica alternativa, simples, de monitoramento de modelos de LGD, proporcionando ao leitor entendimento sobre o parâmetro em si, a técnica de mistura de distribuições e a mistura de distribuições Kumaraswamy.Currently, a particular financial institution (FI) uses the Kolmogorov-Smirnov test (KS), Gini index and Roc Curve to monitor and verify the performance of customer risk models. With the advent of the Basel Accord, specifically Basel II, it became necessary to create models related to credit risk parameters: probability of default (PD), exposure at default (EAD) and loss given default (LGD). During the years 2013 and 2014, within this FI, efforts were concentrated for the construction of these models. However, contrary to what is found for the client risk model, these new models did not have a set of statistical techniques defined for monitoring. Thus, the objective of the present work is to model the LGD data in order to obtain a parametric distribution, enabling thus the knowledge of the behavior of this type of data and its review under the KS test, for the purpose of subsidizing review decisions or remodeling of models of LGD credit risk parameter. For the modeling of LGD data, it was used Kumaraswamy distribution, which is supported in the interval (0,1). The advantage of its use is the varied behavior that the distribution can take as well as the closed form of its cumulative distribution function, which facilitates its use in computational procedures. Furthermore, there is the fact that within a non-academic environment there is a certain resistance to the more complex techniques or non-self explainable concepts. The EM algorithm was used to obtain maximum likelihood estimates of the model parameters. The performance of the algorithm was evaluated through Monte Carlo simulation, and then the model was applied in two sets of real data. Therefore, this study was intended to provide an alternative and simple technique for monitoring LGD models, giving the reader an understanding of the parameter itself, the distributions mixture technique and mixture Kumaraswamy distributions.Instituto de Ciências Exatas (IE)Departamento de Estatística (IE EST)Programa de Pós-Graduação em EstatísticaGuevara Otiniano, Cira EtheowaldaCarvalho, Thiago Morais de2015-12-23T11:47:29Z2015-12-23T11:47:29Z2015-12-232015-07-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCARVALHO, Thiago Morais de. Modelagem da LGD via mistura de distribuições Kumaraswamy. 2015. 60 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2015.http://repositorio.unb.br/handle/10482/19025http://dx.doi.org/10.26512/2015.07.D.19025A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-03-01T16:22:38Zoai:repositorio.unb.br:10482/19025Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-03-01T16:22:38Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Modelagem da LGD via mistura de distribuições Kumaraswamy
title Modelagem da LGD via mistura de distribuições Kumaraswamy
spellingShingle Modelagem da LGD via mistura de distribuições Kumaraswamy
Carvalho, Thiago Morais de
Risco (Economia)
Distribuição (Probabilidades)
title_short Modelagem da LGD via mistura de distribuições Kumaraswamy
title_full Modelagem da LGD via mistura de distribuições Kumaraswamy
title_fullStr Modelagem da LGD via mistura de distribuições Kumaraswamy
title_full_unstemmed Modelagem da LGD via mistura de distribuições Kumaraswamy
title_sort Modelagem da LGD via mistura de distribuições Kumaraswamy
author Carvalho, Thiago Morais de
author_facet Carvalho, Thiago Morais de
author_role author
dc.contributor.none.fl_str_mv Guevara Otiniano, Cira Etheowalda
dc.contributor.author.fl_str_mv Carvalho, Thiago Morais de
dc.subject.por.fl_str_mv Risco (Economia)
Distribuição (Probabilidades)
topic Risco (Economia)
Distribuição (Probabilidades)
description Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2015.
publishDate 2015
dc.date.none.fl_str_mv 2015-12-23T11:47:29Z
2015-12-23T11:47:29Z
2015-12-23
2015-07-09
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 CARVALHO, Thiago Morais de. Modelagem da LGD via mistura de distribuições Kumaraswamy. 2015. 60 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2015.
http://repositorio.unb.br/handle/10482/19025
http://dx.doi.org/10.26512/2015.07.D.19025
identifier_str_mv CARVALHO, Thiago Morais de. Modelagem da LGD via mistura de distribuições Kumaraswamy. 2015. 60 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2015.
url http://repositorio.unb.br/handle/10482/19025
http://dx.doi.org/10.26512/2015.07.D.19025
dc.language.iso.fl_str_mv por
language por
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.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508226993979392

Registros relacionados