Mostrar el registro sencillo del ítem

dc.rights.licensehttps://creativecommons.org/licenses/by-sa/2.5/ar/es_AR
dc.contributor.advisorMartos Venturini, Gabriel
dc.contributor.authorDip, Yanina Soledades_AR
dc.date.accessioned2024-03-07T15:58:12Z
dc.date.available2024-03-07T15:58:12Z
dc.date.issued2020
dc.identifier.urihttps://repositorio.utdt.edu/handle/20.500.13098/12469
dc.description.abstractEl objetivo de este trabajo es estimar la probabilidad de default de los clientes “Pasivos” de una institución bancaria. Una fracción importante de las personas jurídicas que conforman la muestra con la que se estimarán los diferentes modelos presentados en la sección nº4, tiene productos pasivos contratados; y, por el contrario, una fracción pequeña de clientes tiene contratado productos de riesgo, pero no los utilizan. El problema de estimación se enmarca en el contexto del "Big Data"; se dispone de un conjunto de más de 600 co-variables para ajustar los modelos. En consecuencia, el elevado número de regresores en el modelo, y la eventual existencia de fuertes relaciones de colinealidad entre los mismos, producen efectos adversos, no solo en términos de las propiedades estadísticas de los parámetros a estimar. Esta particular situación, conocida en la literatura como la "maldición de la dimensión", tiene también un impacto negativo respecto de la capacidad predictiva del modelo. Por este motivo, se explora la utilización de métodos de regularización (LASSO) que producen un efecto de achicamiento (shrink) en los estimadores, y eventualmente eliminan co-variables innecesarias en el modelo. Si bien este mecanismo produce sesgo en los estimadores, también reduce de manera ostensible la variabilidad de los mismos.es_AR
dc.format.extent32 p.es_AR
dc.format.mediumapplication/pdfes_AR
dc.languagespaes_AR
dc.publisherUniversidad Torcuato Di Tellaes_AR
dc.rightsinfo:eu-repo/semantics/openAccesses_AR
dc.subjectActividad bancaria y financieraes_AR
dc.subjectBanking and financial activityes_AR
dc.subjectAnálisis de datoses_AR
dc.subjectData Analysises_AR
dc.subjectPredicción tecnológicaes_AR
dc.subjectTechnological predictiones_AR
dc.titleModelos Logísticos en Alta Dimensión: Un Caso de Estudio en la Industria Financieraes_AR
dc.typeinfo:eu-repo/semantics/masterThesises_AR
dc.typeinfo:ar-repo/semantics/tesis de maestríaes_AR
UTDT.rights.AUTLa autor autoriza la consulta del contenido de la tesis solo en las instalaciones Biblioteca Di Tella. (Caso Salesforce 00129792)es_AR
thesis.degree.nameMaestría en Econometríaes_AR
dc.subject.keywordBig Dataes_AR
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_AR


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem