Aproximação de Primeira Ordem da Cadeia de Markov para Modelagem da Previsão de Sinistro na Carteira de Crédito (original) (raw)

Determinando a ordem das cadeias de Markov usadas na modelagem do mercado de ações

2021

Resumo. Em muitos trabalhos sobre aplicação de cadeias de Markov no mercado de ações, a modelagemé feita via cadeias de primeira ordem. Muitos critérios de Informação (AIC, BIC, EDC, etc) foram desenvolvidos e dentre suas diversas aplicações uma delasé: Dado um conjunto de dados provenientes de uma cadeia de Markov, qual a ordem da cadeia de Markov que se ajusta melhor a esses dados? Os trabalhos analisados não se utilizaram de nenhum critério de seleção na determinação da ordem das cadeias utilizadas, e esse trabalho visa completar essa lacuna no estudo da aplicação das cadeias de Markov no mercado de ações.

Uma Análise Da Aplicabilidade Da Simulação De Monte Carlo Na Estimação De Sinistros

Revista Contemporânea

Este trabalho apresenta uma aplicação da simulação de Monte Carlo na estimação dos sinistros ocorridos no ramo de auxílio funerário, evidenciando seu impacto, com base em uma modelagem estatística, com parâmetros de entrada e resultados comparados com o histórico da base vigente. A construção de novas perspectivas está constituída na forma de possibilidades de aplicação da simulação, evidenciando os pontos principais e contrapartida do método apresentado.

Modelagem e Simulação -Cadeias de Markov

Nestas notas de aula serão tratados modelos de probabilidade para processos que evoluem no tempo de maneira probabilística. Tais processos são denominados Processos Estocásticos.

Previsão De Risco De Crédito Para Definição Do Perfil De Clientes De Um Banco De Varejo

Revista de Negócios, 2011

A inadimplência é o custo que mais onera o spread bancário. Sendo assim, o risco de crédito materializado pela inadimplência observada é diretamente ligado ao elevado custo das operações de empréstimo. Haja vista tais pontos, pergunta-se: seria possível prever o risco de crédito para melhorar as relações entre credores e devedores? Por isto, este trabalho tem como principal objetivo, a definição do perfil de clientes inadimplentes ou com risco futuro de inadimplência nas relações de empréstimo pessoal em bancos de varejo no Brasil, a fim de que estes decidam com maior precisão sobre conceder ou não o crédito ao cliente. Foi realizada uma pesquisa quantitativa exploratória com uso da análise logística, com informações de 158 clientes, pessoas físicas, de uma agência bancária situada na cidade de Viçosa, Minas Gerais. As variáveis coletadas foram diretamente relacionadas aos 5 "Cs" do crédito. O modelo proposto foi capaz de prever 92,71% dos clientes adimplentes e 74,19% dos inadimplentes, com um poder total de previsão de 85,44%. Os coeficientes estimados apresentaram ajustamento satisfatório a 1% de probabilidade. Assim, foi possível demonstrar a importância de uma análise de crédito bem sucedida.

Modelagem Sistêmica Baseada em Cadeias de Markov

Neste trabalho implementou-se um método de modelagem sistêmica dos Corais de Bach, por Cadeia de Markov, com o objetivo de formalizar seus aspectos léxicos e sintáticos. Os parâmetros altura e ritmo agregam-se em estados que englobam a estrutura harmônica, condução de vozes e ornamentação. O sistema foi validado por sua capacidade de gerar trechos corais, cuja sintaxe harmônica apresenta um alto grau de similaridade com os modelos analisados.

Redes Neurais Artificiais e Previsão de Séries Econômicas: Uma Introdução 1

Resumo O objetivo central deste artigo é introduzir um novo método de previsão de séries de tempo, baseado em uma modelagem do cérebro humano. Esta modelagem consiste na criação de Redes Neurais Artificiais (RNA), que têm sido usadas com grande sucesso em diferentes áreas do conhecimento. O cérebro humano é extremamente eficaz no reconhecimento de padrões e regularidades, sendo ainda capaz de generalizar com base no conhecimento acumulado. As RNA incorporam estas qualidades do cérebro sendo, portanto, capazes de realizar previsões. Características particulares de uma série de tempo, tais como sazonalidade, tendência e ciclo, podem ser aprendidas por uma RNA, possibilitando, assim, a realização de previsões. Aplicações práticas deste método à previsão de séries econômicas podem ser encontradas em Portugal (1995) e Fernandes, Portugal e Navaux (1994).

Analisando o risco de uma carteira de crédito via simulações de Monte Carlo

2003

2.2 dlsiribl icào d1-. perdas com taxas 1 ixas 2.3 exemplo 1)1-l'ma c artlira dl crédito 2.4 incerte/a das taxas dl! dfj-mit 2.5 Analise setorial e correi ações 2.6 Eventos de/;/•;/■ :-/r/.rcom taxas varia vits ] l 2.6.1 A distribuição gania 2.6.2 Distribuição de defaitlts 2.6.3 Distribuição de perdas com taxas variáveis 2.7 exhmpi.o dh uma carthjra dh crédito com taxas dh dlil-m l.ts variavhis 2.8 Rhsumoda Mf.todoi.oüia dh Cálculo 3 MÉTODO VIA SIMULAÇÕES DE MONTE CARLO 3.1 Metodologia da Simulação 3.2 Vantaghns da Simulação dl MontlCarlo 4 EXEMPLOS 4.1 Simulação vhrsus CreditRisk+ 4.2 Comparação hntre a utilização da distribuição dl Poisson e gama 4.3 Problemas Computacionais em Carteira de Varejo 4.4 efeito da escolha do tamanho da faixa

Modelos Bayesianos Univariados Aplicados à Previsão de Séries Econômicas

Brazilian Review of Econometrics, 1993

Modelos de séries temporais são desenvolvidos para diversas séries econômi cas brasileiras utilizadas no acompanhamento quantitativo da conjuntura econô mica. A abordagem Bayesiana dos modelos dinâmicos é apresentada, incluindo se o desenvolvimento de métodos aproximados de estimação de processos auto regressivos. Discutem-se critérios de monitoramento de mudanças estruturais e apresenta-se uma medida de reversão de tendência da economia. O desempenho preditivo dos modelos dinâmicos Bayesianos aplicados a um amplo conjunto de indicadores macroeconômicos (índice da produção industrial, balança comercial, componentes do PIB etc.) é apresentado. Esses resultados são, também, comparados com os obtidos a partir de modelos estruturais clássicos e de função de transferência utilizando como regressor dias úteis.

Previsibilidade de crises no mercado financeiro

2010

Crises, ou crashes, nos mercados financeiros são estudados desde o notável evento de 1929, e muitos modelos matemáticos foram elaborados na literatura especializada na tentativa de prever mudanças abruptas de comportamento dos investidores. As metodologias que fazem uso de modelos econométricos são comuns em artigos que envolvem ferramentas quantitativas para análise e previsão de cenários. A principal ideia deste trabalho é apresentar um desses métodos tradicionais que utiliza uma equação log-periódica e compará-lo com uma nova proposta de metodologia para previsão de mudanças abruptas no mercado financeiro. Essa metodologia utiliza a Transformada Wavelet para detectar uma possível ocorrência de alterações na tendência dos preços em bolsa de valores. Uma avaliação é realizada utilizando dados históricos pré-crash e pós-crash de 1929, bem como dados recentes para Dow Jones Average (EUA), Hang Seng Index (Hong Kong) e Ibovespa (Brasil). Os dados desses índices são usados para testar o poder de resposta na previsão ou antecipação de crashes nos mercados financeiros pelas duas metodologias.