Tesis
URI permanente para esta comunidadhttps://hdl.handle.net/20.500.12640/4147
Examinar
3 resultados
Resultados de la búsqueda
Ítem Acceso Abierto Optimización de la toma de decisiones financieras con información obtenida de analizar las posibles causas de la Curva de Yield Invertida(Universidad ESAN, 2020) Coronel Coaquira, Vanessa; Maco Cano, David Alejandro; Rodríguez Pulido, Julia JuanaPredecir recesiones o crisis económicas es aún una labor pendiente de la economía, sin embargo, hay una gráfica que representa rendimientos de diversos instrumentos financieros y a diferentes plazos, pero que, cuando le afecta un fenómeno a su formación –su inversión-, ha logrado predecir con notable anticipación las últimas siete recesiones en EE.UU. Estamos hablando de la curva de Yield. Asimismo se sabe que: 1) las gerencias financieras y/o los inversores en general toman decisiones de inversión y financiación considerando al crecimiento económico como asegurado. 2) la tasa de interés no es una mera compensación que pagan los prestatarios a los prestamistas por el retraso en el consumo, sino que su composición contiene diversos factores que aportan información del mercado. Lo que propone esta investigación es introducir a los análisis que realizan las gerencias financieras y/o los inversores en general, la información que proviene de analizar las causas de la inversión de la curva de Yield. Para esto, antes debemos identificar cuáles son las posibles causas de la inversión de la curva Yield y, posteriormente, analizarlas para saber cuál es la información que los agentes están aportando al mercado y que se ve reflejada en la tasa de interés o, como es el caso, en los rendimientos de ciertos instrumentos.Ítem Acceso Abierto Influencias de las sorpresas macroeconómicas sobre los rendimientos de las acciones peruanas en el corto plazo(Universidad ESAN, 2019) Chavez Molina, Gabriela Lisbeth; Flores Hernandez, Juan AndresEl objetivo de esta tesis es explorar el impacto en la rentabilidad de las acciones de empresas peruanas ante anuncios de indicadores macroeconómicos peruanos seleccionados. Esta tesis pone énfasis a los eventos sorpresa o de shock, es decir los casos en que las publicaciones finales (oficiales) difieren de los estimados previos (proyecciones exante). El presente trabajo establece las relaciones estadísticas bajo modelos de regresión lineal y luego con vectores autorregresivos, siguiendo en parte la metodología empleada en trabajos similares de Bernanke y Kuttner (2004), Funke y Matsuda (2006) para acciones en economías desarrolladas y de Gupta y Reid (2012) para acciones en una bolsa principalmente minera. Los resultados del estudio indican que ninguna de las sorpresas macroeconómicas domésticas tiene un impacto significativo en las rentabilidades de las acciones peruanas, al considerar que las sorpresas macroeconómicas no han sido absorbidas por el mercado antes del anuncio. Las mismas pruebas aplicadas sobre distintos índices por industria, incluyendo a acciones sin componente minero, revelan conclusiones similares. Estos resultados sugieren que serían otros los factores que explican los retornos de corto plazo de las acciones peruanas y que sería necesario profundizar el análisis con sorpresas macroeconómicas internacionales u otros factores económicos.Ítem Acceso Abierto Modelos de clasificación de clientes bancarizados de los niveles socioeconómicos C y D(Universidad ESAN, 2019) Tineo Nieves, Anthony KevinEl objetivo de la presente investigación es desarrollar tres modelos de clasificación de deudores a fin de determinar la probabilidad de incumplimiento asociada a los créditos “retail” solicitados a instituciones microfinancieras. Los modelos utilizados son: una función logística binaria, árbol de decisión y redes neuronales artificiales. Asimismo, la presente investigación busca determinar las variables relevantes para determinar probabilidad de incumplimiento, identificar el nivel de ajuste y discrimancia en cada modelo a través del análisis de la Curva de ROC, estadístico Kolmogorov-Smirnov y coeficiente de GINI. Por último, se busca conocer las principales fortalezas y debilidades de cada modelo. Los resultados muestran que el modelo de redes neuronales artificiales presenta mejor nivel de ajuste y discrimancia en comparación con los otros dos modelos. Adicionalmente, se ha encontrado que las variables más relevantes provienen del historial crediticio del cliente. Finalmente, los modelos de función logística binaria y árbol de decisión también muestran un buen nivel de ajuste y discrimancia, por lo cual soportar una decisión de clasificación de clientes considerando la complementariedad de dichos modelos resulta optima, ya que dichos modelos consideran adicionalmente otras variables provenientes del historial crediticio y otras de tipo demográficas relevantes para la toma de decisiones.
