Search

En este artículo se presenta una propuesta que analiza la anticipación del riesgo de incumplimiento de una obligación en préstamos con problemas utilizando modelos de Arima capaces de identificar los indicadores macroeconómicos asociados a la morosidad de la cartera en cada segmento de destino del crédito ecuatoriano. Estas advertencias, sin duda, contribuirán a la construcción de sistemas capaces de anticipar los pagos por defecto. El período de análisis comprende un ciclo de 2010-2015 con valores mensuales.La muestra incluye variables macroeconómicas en el entorno de cada segmento y los riesgos fundamentales del sistema financiero.Cinco de nueve modelos generados fueron validados con una anticipación de al menos doce meses en el período de estudio. AbstractThis paper presents a proposal that analyzes and anticipates the risk of the non-compliance of delayed loans using Arima models that help to identify the macroeconomic indicators associated with the outstanding debt in each segment of the Ecuadorian credit. These warnings will undoubtedly contribute to the construction of systems capable of anticipating payment defaults in advance. The analysis period contains a cycle of 2010-2015 with monthly values. The sample includes macroeconomic variables of each segment and the fundamental risks of the financial system. Five of nine generated models were validated with at least twelve months of anticipation in the study period.

1 CD-ROM : il., La metodología de series de tiempo, analiza las características de los datos del presente y del pasado, para proyectarlas hacia el futuro, donde se infiere que las causas que originan el comportamiento en el pasado y en el presente, son los mismos que condicionan el comportamiento futuro (Makridakis, y otros, 1978). La metodología de series temporales ofrece unos niveles de precisión entre lo predicho y la realidad cercanos e inferiores al 11%. Su metodología se basa en los principios de desarrollo del método científico: observación y análisis, hipótesis y verificación (Carrión, 1999). La hipótesis normal de los modelos proyectivos con múltiples variables, es que las variables no se relacionan entre sí, lo que se puede asumir como una limitación a este método futurístico, pero de todas maneras a pesar de esta condición, son útiles. La gran utilidad de los modelos proyectivos de series temporales es cuando se usan para estudios de una sola variable y cuando de alguna manera se desconoce las causas que los imputan, pues en ese caso donde se tenga claridad de cuáles son las variables que los afectan, más bien se estudia el futuro de estas causas, que el de la variable efecto primaria (Mora, 2006). El concepto de serie temporal se define como un conjunto de datos obtenidos del análisis y de las observaciones de una variable discreta durante un lapso secuencial de tiempo, es importante recordar que existen datos no temporales, son observaciones que se realizan de una forma no hilada en el tiempo. La serie de tiempo es un conjunto de datos de una variable, que se asocia a otro grupo de instantes definidos de tiempo; lo que implica el estudio de dos variables, donde una de ellas es el tiempo y la otra representa el fenómeno que se desea pronosticar (Bas, 1999). Los repuestos de mantenimiento presentan una demanda histórica baja, lo que traduce esto en series de tiempo con presencia de valores de cero, lo que dificulta el análisis de estos datos por los métodos determinísticos clásicos de la metodología de series temporales, requiriendo el uso de modelos genéricos no determinísticos como lo son los modelos AR.I.MA. (Díaz, 1991). La necesidad de disponer de predicciones lo más precisas posibles además del interés en conocer la dinámica de las distintas variables, origina que los métodos de análisis de series de temporales ocupen un lugar central en el estudio de disciplinas y fenómenos muy diversos (Peiró, y otros, 2000)., Ecuaciones -- Ilustraciones -- 0. Estado del arte -- 0.1. Introducción -- 0.3. Justificación -- 0.4. Obejetivos -- 1. Criterios estadísticos -- 2. Cumplimiento de criterios estadísticos -- 3. Uso de aplicación en base excel -- 4. Medida del grado de acierto en las predicciones -- 5. Planteamiento de metodología -- 6. Conclusiones -- Bibliografía

Los modelos de Box y Jenkins han sido ampliamente usados para la modelación y el pronóstico de muchas variables económicas y financieras. En este artículo se explora la utilización de dicha metodología como una alternativa para el análisis de la dinámica de largo plazo del UVR. El modelo SARIMA resultante fue aceptado después de aplicarle una serie de pruebas estándar de diagnóstico; lo cual dio como resultado que el modelo se ajusta de manera adecuada a los datos, y que la precisión del pronóstico extrapolativo se ajusta estadísticamente bien al representar los patrones ciclos y de largo plazo.

Se presentan dos tipos básicos de modelos para pronósticos con series de tiempo univariadas: el modelo de componentes y los modelos Arima-Sarima, con el objetivo de exponer las ventajas de cada uno. Todos los procedimientos, pruebas de hipótesis, etc se implementan con varias librerías de lenguaje R. El contenido es el siguiente: los capítulos 1-6 exponen el modelo de componentes e incluyen: modelos para la tendencia y la estacionalidad, suavizadores y medias móviles. Los capítulos 7,8,9, 10 exponen los modelos arma para los residuos, los modelos arima y sarima. En este ultimo capitulo se incluyen varias pruebas para raiz unitaria ordinaria y estacional.

This articule shows some theoretical elements and a application of the Arima modelation technique for the prediction of epidemiological events. This application was made througn a time series analysis to predict the mortality due to fireman injuries based on the information obtained in Medellín during 1987-1996. RESUMEN: El presente artículo muestra algunos elementos teóricos y una aplicación de la técnica de modelación ARIMA en eventos epidemiolgicos. Esta aplicación consistió en un análisis de series de tiempo para predecir la mortalidad por ataque con arma de fuego y explosivos con base en la información obtenida en la ciudad de Medellín durante los anos de 1987 a 1996.