Buscar en
Estudios Gerenciales
Toda la web
Inicio Estudios Gerenciales Diseño de un sistema experto difuso: evaluación de riesgo crediticio en firmas...
Información de la revista
Vol. 23. Núm. 104.
Páginas 101-129 (Julio - Septiembre 2007)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Vol. 23. Núm. 104.
Páginas 101-129 (Julio - Septiembre 2007)
Open Access
Diseño de un sistema experto difuso: evaluación de riesgo crediticio en firmas comisionistas de bolsa para el otorgamiento de recursos financieros
Design of a fuzzy expert system: Credit risk assessment of stock brokerage firms in granting financial resources
Visitas
2237
Santiago Medina Hurtado
Profesor EIO Universidad Nacional de Colombia, PhD. Facultad de Minas, Medellín, Colombia
Oscar Oswaldo Manco
Ingeniero Administrador, MsT. Universidad Nacional de Colombia. Facultad de Minas, Medellín, Colombia
Este artículo ha recibido

Under a Creative Commons license
Información del artículo
Resumen
Bibliografía
Descargar PDF
Estadísticas
Resumen

Esta investigación estudia y modela un sistema de asignación de recursos financieros a compañías comisionistas de bolsa, con el fin de que dichos recursos sean invertidos a nombre de la empresa (inversionista), de tal forma que se disminuya el riesgo de impago del capital asignado y además; que estos capitales generen rendimientos adicionales para la empresa. El modelo planteado basado en Sistemas Expertos Difusos permite soportar estas decisiones de asignación de recursos financieros. Inicialmente se describe el marco conceptual necesario para el posterior entendimiento del sistema; seguidamente se aborda la descripción general del sistema de inferencia, considerando la elección de variables de entrada y el establecimiento de tres macro – evaluaciones integradas (análisis de riesgo, análisis fundamental y análisis financiero), que posteriormente permitirán calcular el recurso financiero o cupo asignado a cada firma comisionista de bolsa. Por último se hace un estudio para diez firmas elegidas de manera aleatoria, con el fin de probar y validar el modelo, de tal modo que éste entregue resultados consistentes con la evaluación que haría un experto, los cuales se puedan utilizar a posteriori en la evaluación cotidiana de las firmas comisionistas.

Palabras clave:
Sistema de inferencia difuso
riesgo crediticio
cupo de contraparte
análisis de riesgo
Abstract

This research work reviews and describes the model of a system to allocate financial resources to stock brokerage companies and ensure that resources are invested for the benefit of the company (investor) in such a way that it not only mitigates the risk of not receiving equity payments, but also generates additional yields to the company from the equity investment.

The model based on fuzzy expert systems allows sustaining these decisions of allocating financial resources. The paper initially provides a description of the necessary conceptual framework to ensure proper understanding of the system. Then it discusses a general description of the inference system, thereby taking into account the selection of entry variables and the creation of 3 integrated macro-assessments (risk analysis, fundamental analysis, and financial analysis). These assessments allow calculating the financial resources or credit limits allocated to each stock brokerage firm.

The last section provides a review of 10 randomly selected firms to prove and validate the model and ensure that it yields results that are consistent with an expert assessment. The results can then be used in the everyday assessment of brokerage firms.

Key words:
Fuzzy Inference System
risk analysis
tally quota
credit risk
El Texto completo está disponible en PDF
Bibliografía
[Amat et al., 2002]
O. Amat, M. Esteve, J. Tomas.
Cómo analizan las entidades financieras a sus clientes..
Gestión 2000, (2002),
[Bojadziev, 1997]
G. Bojadziev, M. Bojadziev.
Fuzzy logic for business, finance, and management.
World Scientific Publishing Co. Pte. Ltd, (1997),
[Devore, 1998]
J.L. Devore.
Probabilidad y estadística para ingeniería y ciencias..
Thomson Editores, (1998),
[Díez de Castro, 1994]
L. Díez de Castro, J. Mascareñas.
Ingeniería financiera..
McGraw Hill /Interamericana de España, S.A.U, (1994),
[Elizondo, 2004]
A. Elizondo.
Medición integral del riesgo de crédito..
Editorial Limusa (Noriega Editores), (2004),
[Escallón Cortés, 1998]
B. Escallón Cortés, E. Tamayo.
Principios fundamentales y aplicación de técnicas de lógica difusa en el control de un sistema simple..
Universidad Nacional de Colombia – Sede Medellín, (1998),
[Facchinetti et al., 2001]
G. Facchinetti, C.A. Magni, G. Mastroleo, M. Vignola.
Valuing strategic investments with a fuzzy expert system: An Italian case.
Proceedings of International Fuzzy Systems Association and The North American Fuzzy Information Processing Society, Joint Conference,
[García, 1999]
O.L. García.
Administración financiera: Fundamentos y aplicaciones..
Prensa Moderna Impresores S.A, (1999),
[Jorion, 2000]
P. Jorion.
Valor en riesgo..
Limusa (Noriega Editores), Universidad de California, Irvine, (2000),
[Jang et al., 1997]
J.-S.R. Jang, C.-T. Sun, E. Mizutani.
Neuro – Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence..
Prentice Hall, (1997),
[Kasabov, 1998]
N. Kasabov.
Foundations of Neural Networks, Fuzzy Systems and Knowledge Engineering..
MIT Press, (1998),
[Knop et al., 2004]
R. Knop, R. Ordovás, J. Francesc.
Medición de riesgos de mercado y de crédito..
Ariel Económica, (2004),
[Kosko, 1992]
B. Kosko.
Fuzzy Systems as Universal Approximators.
Proc. IEEE Int. Conf. On Fuzzy Systems (p 1153-1162),
[Kosko, 1995]
B. Kosko.
Pensamientos borrosos.
La nueva ciencia de la lógica borrosa., Crítica, (1995),
[Kulkarni, 2001]
A. Kulkarni.
Computer Vision and Fuzzy-Neuronal Systems..
Prentice Hall, (2001),
[Magni et al., 2001]
C.A. Magni, G. Mastroleo, G.A. Facchinetti.
Fuzzy Expert System for Solving Real Option Decision Processes.
Fuzzy Economic Review, VI (2001), pp. 51-73
[Martín del Brío, 2002]
B. Martín del Brío, A. Sanz Molina.
Redes neuronales y sistemas difusos..
Alfaomega Ra – Ma. Cámara Nacional de la Industria Editorial Mexicana, (2002),
[Soler et al., 1999]
J. Soler, K. Staking, A. Ayuso, P. Beato, E. Botín, M. Escrig, B. Falero.
Gestión de riesgos financieros..
Banco Interamericano de Desarrollo – Grupo Santander, (1999),

La investigación hace parte del proyecto Aplicación de la Inteligencia Artificial en la solución de problemas de economía de la empresa del Grupo de Investigación en Finanzas Computacionales.

Copyright © 2007. Universidad ICESI
Opciones de artículo
Herramientas