Modelo predictivo para la calificación de riesgo de la COAC Jardín Azuayo mediante Lógica Difusa

Contenido principal del artículo

Juan Méndez
Kleber Luna
Juan Erazo

Resumen

La presente investigación propone un modelo de predicción de datos para la calificación de riesgo en cualquier sector, siendo aplicado a la Cooperativa de Ahorro y Crédito (COAC) Jardín Azuayo de la ciudad de Cuenca-Ecuador, las entidades financieras están sujetas a demostrar su sostenibilidad en el tiempo, por ello el problema del estudio denota que la estructura tradicional de calificación de riesgo no permite a estas entidades tener un enfoque estimado de predicción, por lo que las decisiones no se toman en el momento crítico para adoptar estrategias de cambio oportuno. El objetivo de la investigación es aplicar herramientas de avanzada que ofrece la lógica difusa como la teoría de distancias relativas de Hamming y coeficiente de adecuación con ponderación convexa, otorgando confiabilidad en los datos a partir de información ambigüa, partiendo de estructuras estáticas a sistemas dinámicos, acotando la incertidumbre, con el fin de alcanzar el perfil ideal, revelando su sostenibilidad y estructura organizacional solvente a largo plazo. Dentro de la metodología se explica en forma detallada la aplicación de estas herramientas, llegado a tratar de predecir su calificación en el ranking cooperativo de manera oportuna, para que la gerencia enfoque su estimación en los puntos críticos y en las fortalezas de la entidad, ya que en la opción más pesimista se califica como Buena (BBB+) y en la opción más optimista llega a una categorización de Excelente (A+), pero aún necesita concentrar esfuerzos para alcanzar un nivel de calificación ideal y de excelencia financiera.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Méndez, J., Luna, K., & Erazo, J. (2019). Modelo predictivo para la calificación de riesgo de la COAC Jardín Azuayo mediante Lógica Difusa. 593 Digital Publisher CEIT, 4(1), 32-47. https://doi.org/10.33386/593dp.2019.1.77
Sección
Finanzas

Citas

Alfaro, G., & Alfaro, V. (2015). La afinidad de socios en la integración de cluster: caso mipymes morelianas. Revista Internacional Administración & Finanzas, Vol. 8, No. 7, 29-41. Retrieved from http://www.theibfr2.com/RePEc/ibf/riafin/riaf-v8n7-2015/RIAF-V8N7-2015-3.pdf

Canós, L., Caño, C., & González, B. (2006). Algunos algoritmos de ordenación para el proceso de selección de personal. X Congreso de Ingeniería de Organización (págs. 1-10). Valencia, España: Dpto. de Organización de Empresas, Economía Financiera y Contabilidad. Universidad Politécnica de Valencia. Retrieved from http://adingor.es/congresos/web/articulo/detalle/a/854

Carmona, E. (2013). Ajustes a la calificación del riesgo de mercados de las acciones más volátiles que conforman el índice de precios y cotizaciones de la bolsa mexicana de valores, con la implementación de una red neuronal artificial clasificadora. Revista Mexicana de Economía y Finanzas, Vol. 8, No. 1, 25-51. Retrieved from http://www.remef.org.mx/index.php/remef/article/view/40

Díaz, C., Aguilera, A., & Guillén, N. (2014). Lógica difusa vs. modelo de regresión múltiple para la selección de personal. Ingeniare. Revista chilena de ingeniería, 547-559. Retrieved from https://scielo.conicyt.cl/scielo.php?pid=S0718-33052014000400010&script=sci_arttext

Díaz, J., Coba, E., Moreno, K., & Santamaría, E. (2017). La Lógica Difusa Aplicada a los Ratios Financieros en el Sector Cooperativo del Ecuador. Revista mensual de la UIDE extensión Guayaquil, 64-82. Retrieved from https://dialnet.unirioja.es/servlet/articulo?codigo=6076495

Fernández, H., & Pérez, F. (2005). El modelo logístico: una herramienta estadística para evaluar el riesgo de crédito. Revistas Ingenierías Universidad de Medellín, Vol. 4, No. 6, 55-75. Retrieved from https://www.redalyc.org/html/750/75040605/

Gil, J. (2000). Génesis de una teoría de la incertidumbre. Encuentro multidiciplinarios, 1-8. Retrieved from https://repositorio.uam.es/bitstream/handle/10486/684798/EM_6_4.pdf?sequence=1

Goyoso, V., Hernández, F., Hernández, L., Montoya, F., & Orúe, A. (2014). La transformada de Walsh-Hadamard y otros parametros en la autenticación biométrica. Departamento de Tratamiento de la Información y Criptografía (págs. 2-5). Madrid, España: RECSI 2014, Alicante. Retrieved from http://rua.ua.es/dspace/handle/10045/40426

Guerrero, C., & Terceño, A. (2011). Cómo seleccionar y contratar empresas en el outsourcing utilizando la metodología de números borrosos. Contaduría y Administración, Vol. 57, No. 2, 113-134. Retrieved from http://www.scielo.org.mx/scielo.php?pid=S0186-10422012000200006&script=sci_arttext

Hurtado, A., Tinto, J., & Zerpa, S. (2011). Medición de la calidad de vida en Mérida a través de la lógica difusa. Economía XXXVI, 67-94. Retrieved from https://www.redalyc.org/html/1956/195623319004/

Martín, M., Domínguez, J., Perea, J., Saca, F., & Sánchez, S. (2011). La Concentración Bancaria y su Impacto en los Mercados de Capitales de los Países Emergentes. Anales de Estudios Económicos y Empresariales, Vol. XXI, 159-177. Retrieved from http://uvadoc.uva.es/handle/10324/19834

MicroFinanzas Rating, L. (2016). Rating Institucional de Microfinanzas. Quito, Ecuador; Mexico, Mexico; La Paz, Bolivia; Lima, Perú: MicroFinanza Rating Srl.

Morales, J., & Tuesta, P. (1998). Calificaciones de crédito y riesgo país. Banco Central de la Reserva del Perú. Revista de Estudios Económicos, (3) Retrieved from http://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/1998/Documento-Trabajo-07-1998.pdf

Pérez, F., & Fernandez, H. (2007). Las redes neuronales y la evalución del riesgo de crédito. Revista Ingenierías Universidad de Medellín, Vol. 6, No. 10, 77-91. Retrieved from http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1692-33242007000100007

Rivas, C., & Masci, P. (2004). Impacto del Nuevo Acuerdo de Capitales de Basilea sobre el sistema de calificación de riesgo. Inter-American Development Bank. Retrieved from https://publications.iadb.org/en/publication/14740/impacto-del-nuevo-acuerdo-de-capitales-de-basilea-sobre-el-sistema-de

Samaniego, Á., Reyes, G., & Bachs, J. (2008). Coeficiente de pesimismo relativo. Contaduría y Administración, No. 226, 59-72. Retrieved from http://www.scielo.org.mx/scielo.php?pid=S0186-10422008000300004&script=sci_arttext&tlng=en

Santos, A., & Gil, J. (2016). La segmentación del consumidor en las comunidades virtuales de marca a través del coeficiente de adecuación; el caso empírico eDreams . Revista Electrónica de Comunicaciones y Trabajos de ASEPUMA, Vol. 17, 105-116. Retrieved from https://www.researchgate.net/profile/Adriana_Santos-Caballero/publication/317029027_La_segmentacion_del_consumidor_en_las_comunidades_virtuales_de_marca_a_traves_del_coeficiente_de_adecuacion_El_caso_empirico_eDreams/links/59696c40458515e9afa7ab3b/La-segmentacion-del-consumidor-en-las-comunidades-virtuales-de-marca-a-traves-del-coeficiente-de-adecuacion-El-caso-empirico-eDreams.pdf

Schreiner, M. (1999). Un modelo de calificación del riesgo de morosidad para los créditos de una organización de microfinanzas en Bolivia. St. Louis, USA: Center for Social Development Washington University. Retrieved from http://www.microfinancegateway.org/sites/default/files/mfg-es-documento-un-modelo-de-calificacion-del-riesgo-de-morosidad-para-los-creditos-de-una-organizacion-de-microfinanzas-en-bolivia-10-1999.pdf

Soler, R., & Castillo, A. (2009). Competencia en la incertidumbre. Revista Científica TEKNOS, 54-59. Retrieved from https://revistas-tecnologicocomfenalco.info/index.php/teknos/article/view/649

Tinto, J., Molina, M., & Cisneros, D. (2018). Inferencias en la Incertidumbre para la Optimización de la gestión de Stocks. En B. Flores Romero, & F. Gonzáles Santoyo, La Gestión como Herramienta para el Desarrollo Empresarial (págs. 2262-2281). Morelia, Michuacán, México: Ilustre Academia Iberoamericana de Doctores A.C. Retrieved from http://iaidres.org.mx/assets/gestion_de_desarrollo_empresarial_capitulo_5.pdf

Tinto, J., Molina, M., & Habbid, C. (2015). Instrumentos Fuzzy para la toma de decisiones en las Ciencias Contables. ECA Sinergia, 42-56. Retrieved from https://186.46.160.238/index.php/ECASinergia/article/view/220

Tinto, J., Molina, M., Chávez, H., & Mosquera, S. (2016). Automatización Fuzzy Aplicado en la Contabilidad Decisional. ECA Sinergia, 1-18. Retrieved from https://186.46.160.238/index.php/ECASinergia/article/view/210

Zadeh, L. (1976). A Fuzzy-Algorithmic Approach to the Definition of Complex or Imprecise Concepts. Systems Theory in the Social Sciences. En L. A. Zadeh, Interdisciplinary Systems Research / Interdisziplinäre Systemforschung (Analysis — Modelling — Simulation / Analyse — Formalisierung — Simulation) (págs. 202-282). Basel, Suiza: Birkhäuser, Basel. Retrieved from https://link.springer.com/chapter/10.1007/978-3-0348-5495-5_11

Artículos más leídos del mismo autor/a

1 2 > >>