Este trabajo pretende aportar literariamente una revisión de los modelos para la calificación del riesgo crediticio (modelos de Credit Score) utilizados en el otorgamiento de crédito personal; teniendo en cuenta los métodos de Abdou & Pointon (2011); Glennon, Kiefer, Larson, & Choi (2008); Saavedra-García & Saavedra-García (2010), se pretende crear un esquema de orden para explicar los múltiples modelos matemáticos y econométricos utilizados en el credit score, con el fin de generar un listado actualizado que esté sustentado por académicos y expertos en el tema.
Energy is traded using different products; long-term contracts or electricity forward contracts can assure the future transaction price. However, due to the difficulties in storing electrical energy for long periods and in large amounts, risks must be incorporated when defining contract prices through a Forward Risk Premia (FRP). This study analyzes the transfer of uncertainty from electricity market variables to the FRP in long-term contracts. We evaluate a type of econometric risk with the construction of Autoregressive Distributed Lag contagion models for the FRP using electricity demand, spot price, power generation via different technologies, and the Oceanic Niño Index. As a case study, we consider the Colombian electricity market. Our results show empirical models where the FRP has a short-term response with the following variables: hydropower generation, coal power generation, electricity demand, and Oceanic Niño Index, even though its transaction is reflected one or two years after the occurrence of the event.
16 December 2021 in Revista de Métodos Cuantitativos para la Economía y la Empresa
Los modelos de tipo Credit Score permiten a los analistas de crédito la cuantificación de los riesgos que implican las operaciones de crédito, la segmentación de afiliados y la recomendación de decisiones de otorgamiento o rechazo de un crédito para personas naturales. Estos modelos buscan entregar la información necesaria para inferir sobre las probabilidades de impago de un afiliado, mediante la aplicación de técnicas paramétricas o no paramétricas. En este trabajo se busca identificar cuáles de los siguientes modelos pueden ser más apropiados para medir el riesgo de crédito de personas naturales en una caja de compensación familiar ubicada en Colombia: Logit, Probit, Redes Neuronales o Linear Support-Vector Machine. Los resultados obtenidos muestran que, si bien los Linear Support Vector Machine pueden tener mejor desempeño, los modelos Probit-Stepwise son igualmente útiles y tienen como ventaja la posibilidad de interpretar los parámetros calibrados.
The 'actfts' package provides tools for performing autocorrelation analysis of time series data. It includes functions to compute and visualize the autocorrelation function (ACF) and the partial autocorrelation function (PACF). Additionally, it performs the Dickey-Fuller, KPSS, and Phillips-Perron unit root tests to assess the stationarity of time series. Theoretical foundations are based on Box and Cox (1964) , Box and Jenkins (1976) , and Box and Pierce (1970) . Statistical methods are also drawn from Kolmogorov (1933) , Kwiatkowski et al. (1992) , and Ljung and Box (1978) . The package integrates functions from 'forecast' (Hyndman & Khandakar, 2008) , 'tseries' (Trapletti & Hornik, 2020) , 'xts' (Ryan & Ulrich, 2020) , and 'stats' (R Core Team, 2023) . Additionally, it provides visualization tools via 'plotly' (Sievert, 2020) and 'reactable' (Glaz, 2023) . The package also incorporates macroeconomic datasets from the U.S. Bureau of Economic Analysis: Disposable Personal Income (DPI) , Gross Domestic Product (GDP) , and Personal Consumption Expenditures (PCEC) .
La administración de las empresas de servicios públicos debe velar por el cumplimiento de su demanda, logrando que los recursos financieros cubran los costos y permitan lograr dividendos para sus propietarios. Este trabajo propone una metodología para medir la eficiencia de las empresas de servicios públicos en Colombia, a través de una frontera estocástica, considerando información desde 2014 hasta 2018 de 44 empresas que presentan un ranking de eficiencia de 39% en los recursos de estas empresas.