Utilize este identificador para referenciar este registo: http://hdl.handle.net/10400.5/10314
Título: Forecasting loss given default with the nearest neighbor algorithm
Autor: Moura, Telmo Correia de Pina e
Orientador: Bastos, João Ferreira
Palavras-chave: 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
Data de Defesa: 2012
Editora: Instituto Superior de Economia e Gestão
Citação: 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.
Resumo: Nos 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.
Descrição: Mestrado em Matemática Financeira
URI: http://hdl.handle.net/10400.5/10314
Aparece nas colecções:DM - Dissertações de Mestrado / Master Thesis
BISEG - Dissertações de Mestrado / Master Thesis

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
DM-TCPM-2012.pdf464,6 kBAdobe PDFVer/Abrir


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Degois 

Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.