Щоб переглянути інші типи публікацій з цієї теми, перейдіть за посиланням: Scoring de crédit.
Статті в журналах з теми "Scoring de crédit"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся з топ-40 статей у журналах для дослідження на тему "Scoring de crédit".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Переглядайте статті в журналах для різних дисциплін та оформлюйте правильно вашу бібліографію.
1
Lazarus, Jeanne. "Prévoir la défaillance de crédit : l'ambition du scoring." Raisons politiques 48, no. 4 (2012): 103. http://dx.doi.org/10.3917/rai.048.0103.
Повний текст джерела
2
Bernal Domínguez, Deyanira, and Verónica Cristina Mendoza García. "La aplicación del modelo credit scoring para evaluar el riesgo de crédito en la empresa comercial “Mueblerías Imperial”." Recherches en Sciences de Gestion N° 156, no. 3 (July 27, 2023): 123–47. http://dx.doi.org/10.3917/resg.156.0123.
Повний текст джерелаАнотація:
L’objectif de cette recherche est de concevoir un modèle de notation de crédit utilisant la technique de régression logistique, afin de calculer la probabilité de paiement et de non-paiement des demandeurs de crédit. La méthodologie utilisée est une étude de cas d’une entreprise commerciale de meubles, anonymement nommée "Meubles Impérial". Le principal résultat est que les variables indépendantes qui se distinguent par leur signification prédictive sont le sexe, l’âge, les personnes qui travaillent et les personnes économiquement à charge. Le modèle proposé est un moyen efficace de gérer le crédit dans l’entreprise étudiée.
3
Omar, Rezazi. "La Gestion des Risques du Crédit par la Méthode Scoring." مجلة الاقتصاد و التنمية البشرية, no. 15 (December 2016): 37–54. http://dx.doi.org/10.12816/0042727.
Повний текст джерела
4
Hurlin, Christophe, and Christophe Pérignon. "Machine learning et nouvelles sources de données pour le scoring de crédit." Revue d'économie financière N°135, no. 3 (2019): 21. http://dx.doi.org/10.3917/ecofi.135.0021.
Повний текст джерела
5
Kapitene, Marcel Héritier. "Crise de la microfinance et scoring de crédit : application d’un modèle Logit des PME dans le système de microcrédit du Nord-Kivu." Revue Congolaise de Gestion Numéro27, no. 1 (2019): 159. http://dx.doi.org/10.3917/rcg.027.0159.
Повний текст джерела
6
Santos, José Odálio dos, and Rubens Famá. "Avaliação da aplicabilidade de um modelo de credit scoring com varíaveis sistêmicas e não-sistêmicas em carteiras de crédito bancário rotativo de pessoas físicas." Revista Contabilidade & Finanças 18, no. 44 (August 2007): 105–17. http://dx.doi.org/10.1590/s1519-70772007000200009.
Повний текст джерелаАнотація:
As concessões de crédito rotativo às pessoas físicas (cheque especial e cartão de crédito) vêm crescendo significativamente nos últimos anos, o que, em parte, é explicado pela relativa estabilização da economia, maior geração de empregos e êxito no controle da inflação - fatores que interferem diretamente na capacidade de pagamento dos tomadores. Paralelamente, observa-se uma maior exposição histórica dos Bancos ao risco de inadimplência, ou seja, o do não-recebimento (parcial ou total) de créditos rotativos utilizados pelas pessoas físicas. Considerando o tamanho e a importância desse mercado aos grandes Bancos Comerciais e a economia como um todo, direciona-se essa pesquisa para: 1. detalhar os processos de análise subjetiva e objetiva de crédito realizada pelos principais Bancos privados nacionais; 2. abordar a função seletiva das taxas de juros em créditos rotativos; 3. destacar as principais características dos modelos de credit scoring e 4. propor um modelo de credit scoring para créditos rotativos composto por variáveis sistêmicas e não-sistêmicas, direcionado à redução do risco de inadimplência. A aplicabilidade do modelo proposto de credit scoring em uma amostra extraída da carteira de crédito de pessoas físicas de um importante Banco Comercial privado nacional de médio porte (Banco X - nome fictício), apresentou satisfatório índice de acerto na identificação de clientes prospectivos (96%) e não-prospectivos (92%), levando à conclusão de que incluía e ponderava, adequadamente, as variáveis representativas da capacidade de pagamento dos tomadores.
7
Martínez Sánchez, José Francisco, and María Teresa Martínez Palacios. "FACTIBILIDAD TÉCNICA Y FINANCIERA DE UN MODELO DE CREDIT SCORING PARA LAS ENTIDADES DE AHORRO Y CRÉDITO POPULAR." PANORAMA ECONÓMICO 10, no. 20 (February 20, 2017): 29. http://dx.doi.org/10.29201/pe-ipn.v10i20.38.
Повний текст джерелаАнотація:
El sistema bancario actual no cubre las necesidades de los servicios financieros y en particular las de los créditos a los sectores más desfavorecidos de la sociedad. La presencia bancaria se localiza fundamentalmente en las ciudades y regiones con actividad económica importante. Para atender a estos sectores excluidos se han creado de forma natural, pero sin supervisión ni soporte de la autoridad, entidades financieras como las cajas populares, cooperativas, sociedades financieras populares, entre otras, que en conjunto se denominan entidades de ahorro y crédito popular. Sin embargo, la mayoría de este tipo de instituciones no son reconocidas ni supervisadas por la Comisión Nacional Bancaria y de Valores (CNBV), lo cual se traduce en riesgos tanto para los usuarios de los servicios como para las instituciones financieras, destacando las ineficiencias en sus procesos de otorgamiento de créditos, ya que las decisiones de aceptar o no una solicitud de crédito se sustenta en el conocimiento, experiencia y criterio del analista de crédito. Este trabajo presenta un análisis de factibilidad de un proceso integral para el análisis y evaluación de las solicitudes de los micro créditos, soportada por un modelo de línea de crédito, tanto en términos de costoeficiencia para las entidades de ahorro y crédito como en términos de costobeneficio para el proveedor de los servicios de evaluación de solicitudes de crédito. Como se mostrará en el desarrollo del trabajo un modelo de esta naturaleza hace más eficiente el proceso crediticio a un costo razonable y es una inversión rentable para el proveedor de servicios de línea de crédito
8
Calderón Romero, Lizardo. "El modelo credit scoring como alternativa de evaluación crediticia en Agrobanco." Quipukamayoc 25, no. 49 (February 12, 2018): 101. http://dx.doi.org/10.15381/quipu.v25i49.14285.
Повний текст джерелаАнотація:
En los últimos años el Perú atraviesa un fuerte crecimiento en el sector financiero, principalmente enfocado en el sector de los créditos, los cuales han permitido dinamizar la economía, lo cual no sucede para los créditos orientados al sector agropecuario por su nivel de riesgo, motivo por el cual el Estado peruano crea Agrobanco como una entidad enfocada al sector agropecuario por medio de la colocación de créditos agropecuarios. El objetivo de la investigación es desarrollar un modelo Credit Scoring que permita apoyar la evaluación inmediata del crédito agropecuario, debido a la deficiente y lenta de la misma por parte de Agrobanco. Asimismo la metodología utilizada se fundamenta en un modelo de Credit Scoring de carácter predictivo, que plantea un método de efectos marginales y la evaluación de toda la cartera de la entidad del periodo 2009 al 2015. Los resultados obtenidos en la investigación determinan que las variables independientes: tasa, periodo, garantía, edad, soltero, calificación normal y antigüedad, son significativamente estadísticas en la morosidad de los créditos otorgados, sin embargo las variables, monto, mujer y hectárea no son representativas. Las conclusiones de la investigación son que se cumple como determinantes socio económicas, estadísticamente, las variables: tasa, periodo, garantía, edad, soltero, califica normal y antigüedad.
9
Banda Ortiz, Humberto, and Rodolfo Garza Morales. "Aplicación teórica del método Holt-Winters al problema de Credit Scoring." Mercados y Negocios, no. 30 (July 7, 2014): 5–22. http://dx.doi.org/10.32870/myn.v0i30.5269.
Повний текст джерелаАнотація:
El incremento de las instituciones de microfinanzas (imf) en México ha agudizado la competencia entre estas instituciones para aumentar su participación de mercado. No obstante las imf deben de valorar de manera adecuada el otorgamiento de créditos a sus clientes potenciales. Que los posibles clientes puedan pagar o no sus créditos depende directamente de los flujos de efectivo que generen por sus operaciones. En este trabajo se hace una revisión de la literatura de los trabajos más relevantes sobre los diferentes modelos de credit scoring y se propone una metodología teórica para analizar el riesgo de crédito en la concesión de microcréditos a partir de los flujos de efectivo esperados haciendo énfasis en la estacionalidad que dichos flujos presentan. Para ello se emplea el método Holt-Winters de pronóstico no lineal, con el fin de predecir el riesgo de que un cliente pague un préstamo (credit scoring).
10
Seijas Giménez, Maria Nela, Milagros Vivel Búa, Rubén Lado Sestayo, and Sara Fernández López. "Financiación con microcréditos en micro y pequeñas empresas uruguayas." REICE: Revista Electrónica de Investigación en Ciencias Económicas 5, no. 10 (January 10, 2018): 15–29. http://dx.doi.org/10.5377/reice.v5i10.5524.
Повний текст джерелаАнотація:
Las micro y pequeñas empresas (MYPES) representan la inmensa mayoría del tejido productivo uruguayo, generando prácticamente la mitad de la fuerza laboral del país. El acceso al crédito por parte de estas instituciones resulta crucial para asegurar su sostenibilidad y potenciar su contribución a la actividad económica. Tradicionalmente estas empresas se encontraban excluidas del financiamiento bancario tradicional. Las fuentes de financiación estaban habitualmente constituidas por fondos propios y crédito no bancario, como los microcréditos. En 2014, la ley de inclusión financiera otorga a las empresas de reducida dimensión económica el acceso a una cuenta bancaria y un conjunto de servicios financieros básicos en forma gratuita, con el objetivo de promover y apoyar el proceso de inclusión financiera de las MYPES. Por un lado, estas normas provocan un redimensionamiento del mercado de crédito, al posibilitar que las instituciones bancarias provean microcréditos a las MYPES. Por otro lado, la incrementada competencia en este mercado crea la oportunidad para que las instituciones de microfinanzas aumenten la eficiencia en su gestión, perfeccionando su sistema de concesión y gestión de créditos a MYPES, permitiendo reflexionar sobre la aplicación de herramientas de credit scoring para evaluar el riesgo de crédito en estas instituciones.
11
Colaço, Hian Silva, and Carolina Vasques Sampaio. "Direito à Autodeterminação Informativa no Mercado de Créditos: Análise Econômica do Cadastro Positivo de Dados no RESP 1419697/RS." Revista de Direito, Governança e Novas Tecnologias 2, no. 2 (December 2, 2016): 158. http://dx.doi.org/10.26668/indexlawjournals/2526-0049/2016.v2i2.1493.
Повний текст джерелаАнотація:
O cadastro positivo de dados permite a redução dos custos de transação e facilita o acesso ao crédito, contudo pode limitar o controle sobre o fluxo informacional, representando uma ameaça ao exercício do direito à autodeterminação informativa. Para tanto, indaga-se acerca da possibilidade de harmonização entre o direito ao acesso à informação e à privacidade, tomando como base a decisão paradigmática no REsp nº 1419697/RS, que reconheceu a legalidade do sistema "credit scoring". Constatou-se que é possível conciliar o exercício da autodeterminação informativa no mercado de créditos, desde que o cadastro positivo respeite às regras de proteção de dados.
12
Peres, Marilia De Moraes, and Adalberto Simão Filho. "Credit scoring e a proteção de dados pessoais." Direito e Desenvolvimento 12, no. 1 (July 29, 2021): 49–63. http://dx.doi.org/10.26843/direitoedesenvolvimento.v12i1.1210.
Повний текст джерелаАнотація:
O avanço da tecnologia propiciou o uso de métodos de tratamento de dados, incorporando, no dia a dia de determinadas empresas, filtros que permitem minuciar o usuário. Mas essa utilização indiscriminada vem sendo limitada em vários países do globo, fazendo com que o emprego do tratamento de dados seja adequado às recentes normas. No Brasil, foi sancionada a Lei nº 13.709, em 14 de agosto de 2018 (LGPD), que entrará em vigência em dezembro de 2020, obrigando as companhias nacionais a fazer os devidos ajustes conforme as exigências legais. As instituições financeiras, normalmente, utilizam o procedimento do credit scoring para auferir pontuação adequada a cada perfil de solicitante de crédito, sendo que esse sistema requer o emprego de dados. Com a implantação da nova legislação, haverá um impacto sobre o setor do crédito. Todavia, este impacto será diminuto, porém essencial tanto para a liberdade individual quanto para a saúde econômica do país.
13
Arroyo i Amayuelas, Esther. "El scoring de Schufa." InDret, no. 3 (August 1, 2024): 134–60. http://dx.doi.org/10.31009/indret.2024.i3.04.
Повний текст джерелаАнотація:
Schufa (Schutzgemeinschaft für allgemeine Kreditsicherung) es la mayor empresa privada en Alemania sobre información crediticia y a la que normalmente recurren los bancos y otros proveedores de servicios. La STJUE C-634/21, de 7 de diciembre de 2023, permite afirmar que el conocimiento que adquiera la entidad bancaria gracias a la empresa de score y sobre cuya base tomará luego una decisión no lleva necesariamente a excluir la aplicación del art. 22 RGPD. El razonamiento es que el credit scoring puede constituir una decisión automatizada, incluso en los casos en que un humano acabe decidiendo luego la denegación del crédito, aunque para ello haya que probar el peso decisivo del scoring en dicha decisión. Hecha abstracción del problema concreto que juzga esa sentencia, su importancia radica en que permite cuestionar por qué el interesado solo debería tener ciertos derechos (a obtener explicaciones adecuadas, expresar su punto de vista, u oponerse a la decisión) cuando la decisión en la que están implicados sus datos haya sido adoptada de forma exclusivamente o predominantemente automatizada.
14
Wanzeller, Wenderson Ferreira, Carlos Manuel Oliveira Alves, and Manuel Pérez Cota. "Decision support system integrating negative registry, scoring, qualitative credit analysis with artificial intelligence, and contract creation: Protocol for scope revision." Research, Society and Development 12, no. 7 (August 1, 2023): e18012742680. http://dx.doi.org/10.33448/rsd-v12i7.42680.
Повний текст джерелаАнотація:
De acordo com o protocolo de revisão de escopo apresentado neste artigo, o crédito é definido como a combinação de confiança e tempo, mas também traz riscos de inadimplência. Empresas que oferecem crédito agregam valor aos clientes e estudos mostram que o crédito privado tem um impacto positivo no crescimento econômico. No entanto, existem problemas de assimetria de informação, seleção adversa e risco moral na relação credor-tomador. O objetivo desta revisão de escopo será mapear sistemas de suporte à decisão de crédito, para empresas não financeiras, que utilizem cadastro negativo, scoring de crédito, análise qualitativa com inteligência artificial e geração automática de contratos, justamente para saber se existem soluções de sistemas de softwares inteligentes e adaptáveis que resolvam ou minimizem os problemas aqui identificados. O protocolo da revisão foi elaborado seguindo os itens do PRISMA Extension for Scopings Reviews (PRISMA-ScR): Checklist and Explanation e o registo do protocolo foi realizado na Open Science Framework, que contribui para a prática científica confiável e reprodutível. A pesquisa será realizada em bases de dados relevantes, com critérios de elegibilidade definidos e os estudos selecionados serão analisados e os dados serão sintetizados em uma tabela para fornecer uma visão abrangente dos sistemas de suporte à decisão de crédito existentes.
15
Torrico Salamanca, Sergio Edwin. "MACRO CREDIT SCORING COMO PROPUESTA PARA CUANTIFICAR EL RIESGO DE CRÉDITO." INVESTIGACION & DESARROLLO 14, no. 2 (January 31, 2015): 42–63. http://dx.doi.org/10.23881/idupbo.014.2-3e.
Повний текст джерела
16
Campos Rivera, Gonzalo. "Credit Scoring como tratamiento de datos personales a la luz del RGPD. Análisis de su finalidad e influencia en los posibles usos secundarios de los datos." Revista de Derecho de la UNED (RDUNED), no. 33 (July 26, 2024): 111–50. http://dx.doi.org/10.5944/rduned.33.2024.41926.
Повний текст джерелаАнотація:
En virtud de los principios de crédito responsable que consagran la Directiva de Crédito al consumo (DCC) y la Directiva de Crédito Inmobiliario (DCI), las entidades financieras quedan obligadas a evaluar la solvencia de los solicitantes con carácter previo a la concesión del crédito. Ello se llevará a cabo empleando modelos estadísticos de credit scoring. Esta práctica comportará un tratamiento de datos personales sujeto al Reglamento General de Protección de datos (RGPD) que habrá de cumplir con los principios de protección de datos que consagra. De este modo, la adecuada identificación de la finalidad del tratamiento de datos será crucial, pues podría proyectar sus efectos en la habilitación de posibles usos secundarios de los datos por parte de las entidades de crédito, permitiéndoles ampliar el espectro de tratamientos posibles de estos datos. Finalmente, valoraremos el interés público como posible base de legitimación, las implicaciones del uso de la IA en la práctica y el tratamiento ulterior de datos seudonimizados.
17
Oliveira, Júlio Moraes. "Dos bancos de dados e cadastro de consumidores ao polêmico scoring de crédito." Unisul de Fato e de Direito: revista jurídica da Universidade do Sul de Santa Catarina 6, no. 11 (October 7, 2015): 177. http://dx.doi.org/10.19177/ufd.v6e112015177-192.
Повний текст джерелаАнотація:
O presente artigo realiza uma análise da proteção dos dados dos consumidores no mercado de consumo. Para tanto, percorre-se a conceituação dos bancos de dados, dos cadastros de consumidores, da nova Lei do Cadastro Positivo e do denominado Score de Crédito que foi atualmente autorizado pelo STJ.
18
Dos Santos, Jose Odalio, Alexandre Franco Godoi, Valeria Regina Bertoncelo, and Bianca Piloto Sincerre. "ENSAIO SOBRE O MICROCRÉDITO E AS METODOLOGIAS DE ANÁLISE DE CRÉDITO: ASPECTOS RELACIONADOS À SUA ORIGEM, DESENVOLVIMENTO E O MODELO DE ESCORAGEM COMPORTAMENTAL – BEHAVIOURAL SCORING." Revista de Administração de Roraima - RARR 5, no. 1 (July 30, 2015): 134. http://dx.doi.org/10.18227/2237-8057rarr.v1i1.2399.
Повний текст джерелаАнотація:
Este ensaio propõe uma abordagem a respeito do microcrédito enquanto modalidade de crédito e concessão de empréstimos de pequena monta para microempreendedores e pequenos grupos de pessoas que são considerados carentes e a margem do sistema financeiro tradicional, pois, usualmente, não apresentam garantias reais por não possuírem os ativos necessários exigidos nas operações tradicionais de empréstimos. Inicialmente, a discussão teórica procura analisar os aspectos que estão associados à primeira experiência com o microcrédito, seu desenvolvimento e expansão para outros mercados em especial o Brasil e o uso como instrumento de inclusão financeira da população de baixa renda fomentada pelo governo federal do país, tendo como objetivo produzir equidade social, geração de renda e trabalho às famílias e aos microempreendedores. Amplia-se a abordagem do ensaio para um entendimento das características e produtos que estão relacionados às operações de microcrédito, incluindo-se ainda as metodologias de análise de crédito, em especial o modelo de escoragem comportamental denominada de Behavioural Scoring, como ferramenta para análise de concessão de crédito para as instituições que fazem este tipo de operação, cuja principal característica de sua estrutura é a ausência de garantias reais para a concessão de crédito e de histórico.
19
Quiroz Calderón, Milagro Baldemar. "CREDIT SCORING UNA HERRAMIENTA PARA MINIMIZAR EL RIESGO DE CRÉDITO DE LAS INSTITUCIONES MICROFINANCIERAS-PERÚ." Quipukamayoc 28, no. 56 (May 7, 2020): 69–75. http://dx.doi.org/10.15381/quipu.v28i56.17697.
Повний текст джерелаАнотація:
Objetivo: Plantear un modelo de Credit Scoring para la cartera de microcréditos de una Caja Municipal de la ciudad de Piura. Método: Se aplicó la Regresión Logística Binaria como técnica para plantear un modelo cuya variable respuesta o dependiente es una variable discreta dicotómica. Resultados: El tratamiento de la base de datos de la cartera de microcréditos de la Caja Municipal de la ciudad de Piura, mediante el módulo de regresión logística binaria del Software SPSS versión 24, se obtuvo como resultado la probabilidad de default. Conclusiones: Se logra obtener un modelo de calificación estadística capaz de predecir correctamente el 96,7% de los créditos de la cartera de la Caja Municipal.
20
Crespi Júnior, Hugo, Luiz Carlos Jacob Perera, and Roberto Borges Kerr. "Gerenciamento do Ponto de Corte na Concessão do Crédito Direto ao Consumidor." Revista de Administração Contemporânea 21, no. 2 (March 2017): 269–85. http://dx.doi.org/10.1590/1982-7849rac2017170025.
Повний текст джерелаАнотація:
Resumo O crédito direto ao consumidor é concedido de forma massificada por meio de modelos informatizados de credit scoring que visam eliminar os maus pagadores, assim evitando prejuízos financeiros decorrentes da inadimplência. No entanto, ao recusarem os maus pagadores, esses modelos, balanceados por critérios meramente financeiros, também recusam um grande número de bons pagadores, o que pode reduzir o potencial de ganhos da empresa varejista. Esta pesquisa teve por objetivo mostrar que, incluindo a margem operacional para definir o ponto de corte para concessão de crédito, a rentabilidade da empresa pode melhorar. Foram utilizadas a medida estatística Receiver Operating Characteristic (ROC) e a abordagem de Stein (2005) para construir simulações em torno de valores reais praticados no mercado, as quais permitiram confirmar que, ao flexibilizar o ponto de corte levando em consideração a margem operacional, o resultado geral da empresa pode ser maximizado.
21
Coelho, Felipe Fernandes, Daniel Penido de Lima Amorim, and Marcos Antônio de Camargos. "Analisando métodos de machine learning e avaliação do risco de crédito." Revista Gestão & Tecnologia 21, no. 1 (March 15, 2021): 89–116. http://dx.doi.org/10.20397/2177-6652/2021.v21i1.2089.
Повний текст джерелаАнотація:
Objetivo do estudo: O objetivo deste artigo é comparar a regressão logística clássica e dois métodos de machine learning para credit scoring, o random forest e o XGBoost, visando identificar qual apresenta melhor desempenho na previsão de inadimplência.Metodologia/abordagem: O desempenho dos modelos estimados foi comparado com base em acurácia, estatística Kolmogorov-Smirnov, além de curva ROC.Originalidade/Relevância: Foi utilizada uma base de dados exclusiva com informações de 3.844 pequenas e médias empresas, clientes de uma locadora de automóveis com atuação em todo o Brasil.Principais resultados: Os resultados sugerem que os métodos de machine learning apresentam capacidade preditiva maior quando comparados com a regressão logística. O XGBoost teve o melhor desempenho, entre os métodos analisados.Contribuições teóricas/metodológicas: Este artigo corrobora a utilização de variáveis não financeiras para a previsão de inadimplência e a superioridade dos métodos estatísticos mais modernos frente à abordagem clássica.
22
Lara Rubio, Juan, Manuel Pedro Rodríguez Bolívar, and Salvador Rayo Cantón. "Un caso empírico en la evaluación del riesgo de crédito de una institución de microfinanzas peruana." Contabilidad y Negocios 6, no. 11 (March 14, 2011): 21–30. http://dx.doi.org/10.18800/contabilidad.201101.002.
Повний текст джерелаАнотація:
El crecimiento del número de microcréditos junto con las excelentes condiciones para llevar a cabo la actividad microfinanciera en la economía y sistema financiero de la República de Perú están impulsando a las instituciones de microfinanzas (IMF) a una mayor competencia con las entidades bancarias por este segmento de negocio. Al igual que en la banca comercial, en microfinanzas preguntas tales como: ¿conviene este cliente?, ¿cuál es el límite de crédito que debo aceptar a su solicitud?, ¿qué tasa de interés debo cobrar?, ¿cómo puedo reducir el riesgo de impago?, etc., son cuestiones que deben valorarse de forma adecuada. Este trabajo plantea un método que podría facilitar una mejora en la calificación de los clientes fallidos y no fallidos. Para ello, se propone una metodología que analiza el riesgo de crédito en la concesión de microcréditos mediante el diseño de un modelo de credit scoring aplicado a una entidad de desarrollo de la pequeña y micro empresa (EDPYME), IMF sometida a supervisión por la Superintendencia en Bancay Seguros (SBS).
23
Delgado-Vaquero, David, and José Morales-Díaz. "Estimating a Credit Rating for Accounting Purposes: A Quantitative Approach." Estudios de Economía Aplicada 36, no. 2 (June 2, 2019): 459. http://dx.doi.org/10.25115/eea.v36i2.2539.
Повний текст джерелаАнотація:
Bajo las NIIF hay muchas ocasiones en las que se necesita estimar la calidad crediticia de una contraparte. Por ejemplo: a la hora de calcular el ajuste por riesgo de crédito de los derivados en NIIF 13, para calcular la provisión por la pérdida esperada bajo NIIF 9 o para estimar el tipo de interés incremental de la propia deuda bajo la NIIF 16. En muchos casos, los inputs necesarios (generalmente la probabilidad de default condicionada -PD- o una tasa interna de rentabilidad –YTM- pueden observarse directamente en el mercado o inferirse del precio cotizado de instrumentos financieros/de crédito (como CDSs o bonos), pero en otros casos esta información no está disponible. Para estos casos proponemos dos modelos de estimación interna de la calidad crediticia de una contraparte como base (como primer paso) para obtener la correspondiente PD o YTM. Los modelos (Financial Ratios Scoring model y Merton KMV Structural Model) se basan, en parte, en literatura previa pero son más “universales” y adaptados a los requerimientos contables. Los modelos utilizan, como inputs, información pública de la contraparte (básicamente información de los estados financieros y otros inputs de mercado) y de empresas comparables.
24
Ossandón, José, Tomás Ariztía, Macarena Barros, and Camila Peralta. "Contabilidad en los márgenes: ecologías financieras entre big y small data." Civitas - Revista de Ciências Sociais 17, no. 1 (May 9, 2017): 1. http://dx.doi.org/10.15448/1984-7289.2017.1.25021.
Повний текст джерелаАнотація:
Los estudios sociales sobre las finanzas domésticas pueden clasificarse en dos tipos: investigaciones enfocadas al estudio de “dispositivos de mercado” (tales como scorings y tarjetas de crédito) utilizados por compañías financieras, e investigaciones que analizan las nuevas prácticas y modos de “cálculo cotidiano” desarrollados por los usuarios de los servicios financieros alrededor del mundo. Este artículo es parte de un proyecto mayor que busca abrir un camino diferente, que intenta situar a los estudios sociales de las finanzas domésticas en la intersección donde ambos tipos de cálculo los big data de los dispositivos de mercado y el small data de los cálculos financieros cotidianos–, puedan ser observados de manera conjunta. Más específicamente, este artículo discute algunos de los desafíos metodológicos enfrentados en esta nueva posición, en particular como usamos las huellas dejadas por el big data y cómo hemos lidiado con un tipo de circuito comercial inesperado.
25
Delgado-Vaquero, David, José Morales-Díaz, and Constancio Zamora-Ramírez. "IFRS 9 Expected Loss: A Model Proposal for Estimating the Probability of Default for non-rated companies." Revista de Contabilidad 23, no. 2 (July 1, 2020): 180–96. http://dx.doi.org/10.6018/rcsar.370951.
Повний текст джерелаАнотація:
Bajo el modelo de provisiones por riesgo de crédito de la NIIF 9, las empresas deben estimar una Probabilidad de Default o quiebra (PD) para todos los activos financieros (y otros elementos) no valorados a valor razonable con cambios en la cuenta de resultados. Existen varias metodologías para estimar dicha PD utilizando información histórica o de mercado. No obstante, en algunos casos las empresas no disponen de información histórica o de mercado acerca de una contraparte. Para estos casos proponemos un modelo denominado Financial Ratios Scoring (FRS), a través del cual la entidad puede obtener un rating interno de la contraparte como primer paso para estimar la PD. El modelo se diferencia de otros modelos recientes en varios aspectos como, por ejemplo, el tamaño de la base de datos o el hecho de que se enfoca en empresas sin rating. Se basa en dar una puntuación a la contraparte en función de sus ratios financieros clave. La puntuación sitúa a la empresa en un percentil dentro de una distribución del sector previamente construida utilizando empresas con rating oficial u ofrecido por vendors. Hemos analizado la fiabilidad del modelo calculando el rating interno para empresas con rating oficial y hemos comparado el rating interno con el oficial, obteniendo resultados positivos. Under the IFRS 9 impairment model, entities must estimate the PD (Probability of Default) for all financial assets (and other elements) not measured at fair value through profit or loss. There are several methodologies for estimating this PD from market or historical information. However, in some cases entities do not possess market or historical information concerning a counterparty. For such cases, we propose a model called Financial Ratios Scoring (FRS), by means of which an entity can obtain a “shadow rating” for a counterparty as a first step in estimating the PD. The model differentiates from other recent models in several aspects, such as the size of the database and the fact that it is focused on non-rated companies, for example. It is based on scoring the counterparty according to its key financial ratios. The score will place the counterparty on a percentile within a previously constructed sector distribution using companies with a credit rating published by rating agencies or financial vendors. We have tested the model reliability by calculating the internal credit rating of several companies (which have an official/quoted credit rating), and by comparing the rating obtained with the official one, and obtained positive results.
26
Timbila, María, Maribel Rios, and Francisco Caicedo. "EFICIENCIA Y RIESGOS FINANCIEROS EN LAS EMPRESAS AGRÍCOLAS DEL CANTÓN LATACUNGA." Universidad Ciencia y Tecnología 24, no. 106 (November 16, 2020): 52–62. http://dx.doi.org/10.47460/uct.v24i106.396.
Повний текст джерелаАнотація:
Las empresas agrícolas del cantón Latacunga enfrentan variaciones constantes en su economía a causa de bajos índices de liquidez, crédito y rentabilidad, siendo los principales motivos de la mala gestión de activos. El objetivo de la investigación es analizar la eficiencia y los riesgos financieros en las empresas agrícolas del cantón Latacunga. Se analizó dos tipos de riesgos financieros, que se ven afectadas las organizaciones como el riesgo de liquidez y el riesgo decrédito adicional obedeciendo al nivel correlaciinal de orden cuantitativo. Como resultado principal, la empresa ASVEGETAL S.A tuvo el mejor nivel de liquidez para cubrir sus obligaciones a corto plazo, al contrario de las que necesitan de una gestión financiera. Del mismo modo, se estableció que la empresa LEALPAVE S.A con mayores deficiencias en lo que respecta al riesgo de crédito; por último, se identificó la empresa QUINOA COTOPAXI S.A. que tuvo mejor desempeño y rendimiento.
Palabras Clave: Riesgo financiero, Eficiencia, Empresas Agrícolas, Liquidez.
Referencias
[1]Ministerio de Agricultura y Ganadería, «Agricultura, la base de la economía y la alimentación,» 09 Septiembre 2019. [En línea]. Disponible: https://www.agricultura.gob.ec/agricultura-la-base-de-la-economia-y-la-alimentacion/. [Último acceso: 09 de marzo de 2020]
[2]S. Ramírez, «La agricultura e industria abarcan el 59% de la economía de Cotopaxi,» Diario El Comercio, 6 Septiembre 2015.
[3]J. Arias, K. Alpizar, I. Ávalos, A. Campos , H. Chavarria, M. Garcia, P. Henriquez, M. Núñez, D. Rodriguez, E. Salazar, T. Díaz, J. Meza, L. Meza y S. Salcedo,«Gestión de riesgos de la agricultura familiar en ALC» 01 Noviembre 2015. [En línea]. Disponible: https://www. researchgate.net/publication 284037088_Gestion_de_ riesgos_de_la_agricultura_familiar_en_ALC. [Último acceso: 09 de marzo de 2020]
[4]M. Arango, «CAF Banco de Desarrollo de America Latina,» 21 Enero 2019.[En línea]. Disponible: https://www.caf.com/es/conocimiento/visiones/2019/01/el-sector agropecua rio-de-america-latina-necesita-mas-y-mejores-datos/. [Último acceso: 09 de marzo de 2020]
[5]F. De Preneuf, «Banco Mundial,» 23 Septiembre 2019. [En línea]. Disponible: bancomundial.org/es/topic/agriculture/overview. [Último acceso: 09 de marzo de 2020]
[6]Indexmundi, «Agricultura, valor agregado (% del PIB),» Agosto 2020. [En línea]. Disponible: https://www.indexmundi.com/es/datos/indicadores/NV.AGR.TOTL.ZS. [Último acceso: 15 de septiembre de 2020]
[7]J. Fiallos, «Importancia del Sector Agrícola en una Economía,» Tésis de Pregrado, Departamento de Economía, USFQ, Quito, 2017.
[8]Banco Central del Ecuador, «Cuentas Nacionales Trimestrales del Ecuador resultados de las variables macroeconómicas,» 2019. [En línea]. Disponible: https://contenido.bce.fin.ec/home1/estadisticas/cntrimestral/ CNTrimestral.jsp. [Último acceso: 23 de marzo de 2020]
[9]Banco Central del Ecuador, «Reporte de Coyuntura Sector Agropecuario,» Abril 2020. [En línea]. Disponible: https://contenido.bce.fin.ec/documentos/PublicacionesNotas/Catalogo/Encuestas/Coyuntura/Integradas/etc201904.pdf. [Último acceso: 09 de septiembre de 2020]
[10]M. Albarracín, «Riesgo financiero: una aproximación cualitativa al interior de las mipymes en Colombia, » Revista Aglala, vol. 8, nº 1, pp. 139-160, 2017.
[11] M. Errázuriz, L. Fajury, C. González, E. Hernández, M. Paredes, R. Quirós y J. Sivilá, «Estrategias Innovadoras de gestión de riesgos en mercados financierosexperiencias en América Latina,» pp. 69-85, 2016.
[12]Superintendencia de Economia Popular y Solidaria, «Análisis de Riesgo de Liquidez del Sector Financiero Popular y Solidario,» Diciembre 2015. [En línea]. Disponible: https://www.seps.gob.ec/documents/20181/26626/Riesgo%20de%20Liquidez%20(Corregido).pdf/71ecd018-0999-4508-8c83-9218d21452c3. [Último acceso: 09 de marzo de 2020]
[13]C. Cepeda , . A. Noguera, M. Moreno, N. Chuquin, P. Villagomez y J. Oleas, «The business competitiveness of SMEs through mathematical modeling,» Espirales Rev Multidiscip Investig, vol. 4, nº 32, p. Marzo, 2020.
[14]L. Gitman y . C. Zutter, Prinpios de administración financiera, vol. 12, Mexico: Pearson, 2015, pp. 130-142.
[15]A. Morales y J. Morales, Administración Financiera, Segunda ed., México: Grupo Editorial Patria, 2016, pp. 152-166.
[16]R. Griffin y R. Ebert, "Negocios", Cuarta ed., Mexico: Pearson Educación, 2016, pp. 570-582.
[17]D. Emery, J. Finnerty y . J. Stowe, Fundamentos de administración financiera, Segunda ed., Mexico: Pearson Educación, 2017, pp. 188 -224.
[18]G. Estrada, J. Cruz, Y. Uribe y J. Rios, «“Innovación tecnológica: Reflexiones teóricas",» Rev. Venez. Gerenc, vol. 24, nº 85, p. 199, Jun 2019.
[19]A. Leal, M. Aranguiz y J. Gallegos, «Análisis de riesgo crediticio, propuesta del modelo credit scoring,» Revista Facultad de Ciencias Económicas: Investigación y Reflexión, vol. XXVI, nº 1, pp. 181-207, 2018.
[20]R. Sampieri, C. Fernández y P. Baptista, Metodología dela investigación, Sexta ed., McGraw-Hill Education, 2019, pp. 8 -60.
[21]B. Render, R. Stair, M. Hanna y T. Hale, Métodos cuantitativos para los negocios, Undécima ed., Mexico: Pearson Educación, 2016, pp. 2-11.
[22]L. Gitman, Principios de administración financiera, Décimocatorce ed., Mexico: Pearson Educación, 2016, pp. 48-58.
[23]M. Córdoba, Gestión financiera, Segunda ed., Bogotá: Ecoe Edici, 2016, pp. 99-111.
[24]Superitendencia de Compañias, «Ranking Empresarial 2020,» 21 Marzo 2019. [En línea]. Disponible: appscvs.supercias.gob.ec. [Último acceso: 09 de septiembre de 2020]
27
Baha, Riad, and Fatima Zohra Soukeur. "Modélisation Du Risque De Solvabilité Des PME: Une Application De La Méthode Du Crédit Scoring." مجلة إقتصاديات شمال إفريقيا, 2019, 59. http://dx.doi.org/10.33858/0470-000-020-031.
Повний текст джерела
28
Leal Fica, Alexi Ludovic, Marco Antonio Aranguiz Casanova, and Juan Gallegos Mardones. "Análisis de riesgo crediticio, propuesta del modelo credit scoring." Revista Facultad de Ciencias Económicas 26, no. 1 (November 8, 2017). http://dx.doi.org/10.18359/rfce.2666.
Повний текст джерелаАнотація:
El presente trabajo aplica en una empresa dedicada a la producción, comercialización y distribución de productos derivados del asfalto en la zona sur Chile. La empresa referida, ha preferido no revelar su razón social, para tal efecto hemos denominado a esta, Fantasía S.A. Durante los últimos años Fantasía ha experimentado un crecimiento significativo en sus ventas y con ello, una disminución de su nivel de liquidez y calidad de sus cuentas por cobrar. Sin embargo, este incremento en cuentas por cobrar está asociado a un mayor riesgo asumido de cobro, dada su política liberalizadora de cuentas por cobrar. Más aún, Fantasía S.A., no dispone de un sistema de gestión de crédito objetivo que permita una evaluación adecuada de la calidad y capacidad crediticia de sus clientes actuales y potenciales. Por tanto, en este artículo se propone a Fantasía un modelo de evaluación crediticia a sus clientes actuales y potenciales ajustado y ponderado a su realidad, que permite disminuir el riesgo de crédito o incobrables. El presente trabajo considera, una descripción de los modelos de evaluación de créditos y en específico de los modelos de credit scoring. A través de entrevistas a expertos, se definieron variables cuantitativas y cualitativas críticas a considerar en un proceso de gestión de créditos. Respecto de la calidad del modelo de evaluación crediticia propuesto, este muestra que un 81,82% de los créditos otorgados a sus clientes han superado el nivel mínino de evaluación o límite de aprobación por la empresa
29
Guerrero Buelvas, Camilo Manuel. "Estadísticas de crédito directo para los estudiantes de la Corporación Universitaria del Caribe - CECAR 2012-I a 2016-I." Perspectiva Socioeconómica, no. 4 (December 12, 2016). http://dx.doi.org/10.21892/24627593.278.
Повний текст джерелаАнотація:
En la Corporación Universitaria del Caribe–CECAR las decisiones de otorgamiento de crédito directo obedecen a criterios y políticas establecidos que normalizan el proceso de matrícula financiera con esta modalidad, pero no se presenta en ellas un manejo del riesgo de otorgar dichos créditos. Por otro lado, en las instituciones financieras que brindan este tipo de créditos a los estudiantes se han desarrollado y usado modelos de credit scoring para estandarizar y automatizar las decisiones de otorgamiento de crédito. Sin embargo, no es común encontrar metodologías para aplicarlos a clientes sin referencias crediticias como es el caso de los estudiantes en universidades de provincia como lo es CECAR, de los cuales no se tiene información de referencia crediticia en las bases de datos de las instituciones que se dedican a estas operaciones a nivel nacional. En este trabajo se presenta la evolución de los créditos directos otorgados por la CECAR a los estudiantes desde la Oficina de Crédito y Cobranzas, actividad que ha venido tomando una gran importancia también en el sector crediticio colombiano. Para ello, se usó la información proveniente de las Solicitudes de Crédito del Departamento de Crédito y Cobranzas de la Corporación, grabada en la base de datos del software Económico.
30
Millán Solarte, Julio César, and Edinson Caicedo Cerezo. "Modelos para otorgamiento y seguimiento en la gestión del riesgo de crédito." Revista de Métodos Cuantitativos para la Economía y la Empresa 25 (June 30, 2018). http://dx.doi.org/10.46661/revmetodoscuanteconempresa.2370.
Повний текст джерелаАнотація:
Esta investigación muestra la aplicación y desempeño de tres modelos para la clasificación de solicitantes de créditos: el modelo de análisis discriminante, el de regresión logística y el de redes neuronales; técnicas empleadas por las instituciones financieras en el cálculo del scoring de crédito. Los resultados obtenidos muestran un mejor desempeño del modelo de redes neuronales en comparación con el de regresión logística y análisis discriminante, logrando una tasa de aciertos en la clasificación del 86.9%. Para los tres modelos se emplearon catorce variables que informan sobre las características socioeconómicas del prestatario y sobre las características propias de la operación crediticia. En el ámbito de la gestión financiera, este resultado es importante dado que puede complementarse con el cálculo de la probabilidad de incumplimiento, con los montos expuestos en cada operación de crédito y con la tasa de recuperación de la entidad para establecer el valor de las pérdidas esperadas a nivel individual y a nivel del portafolio de créditos de la entidad.
31
Francisco, José Roberto de Souza, Hudson Fernandes Amaral, and Luiz Alberto Bertucci. "Risco de Crédito em Cooperativas: Uma análise com base no perfil do cooperado." Sociedade, Contabilidade e Gestão 7, no. 2 (March 8, 2013). http://dx.doi.org/10.21446/scg_ufrj.v7i2.13275.
Повний текст джерелаАнотація:
Este trabalho tem como finalidade analisar dentre as operações de crédito, aquelas que geram maior risco de inadimplência para a cooperativa, com base no perfil do cooperado, e identificar quais as estratégias podem ser apontadas para evitar possíveis falhas nas próximas análises de crédito. O trabalho foi dividido em três etapas. A primeira etapa refere-se ao Sistema Financeiro Nacional, com o objetivo de demonstrar como nele estão inseridas as Cooperativas de Crédito. A segunda etapa aborda o Sistema de Crédito Cooperativo, apresenta de que forma está estruturado e seu nível hierárquico. A terceira etapa trata do Sistema de Risco de Crédito, na qual serão analisados o risco, gerenciamento e os modelos de avaliação de crédito. Verificou-se que os modelos mais adequados para análise das Cooperativas de Crédito são os Modelos de Credit Scoring e o Credit Bureau, nos quais, através de técnicas estatísticas como a análise discriminante e regressão logística, demonstraram-se as características de créditos considerados de maior risco de inadimplência. A análise se baseou em identificar o “pior cliente”, pois este gera maior risco de inadimplência e influencia na gestão financeira. Concluiu-se que as variáveis mais relevantes para identificar o risco de inadimplência foram a renda mensal bruta e o valor liberado na concessão de crédito, pois a maior concentração de risco de inadimplência.
32
Boemer Antunes da Costa, Ari. "Serviço de proteção ao crédito e o sistema “Credit Scoring”." Revista JurisFIB 10, no. 2 (December 5, 2020). http://dx.doi.org/10.59237/jurisfib.v10i2.466.
Повний текст джерелаАнотація:
O Código de Defesa do Consumidor (Lei 8.078/90) no Capítulo V, Das Práticas Comerciais, regulamenta em seu artigo 43 os Bancos de Dados e Cadastros de Consumidores. O caput do referido artigo faz menção a cadastros, fichas, registros e dados pessoais e de consumo arquivados, e prossegue a norma trazendo as diretrizes temáticas. É de se observar, no entanto, que adiante, no §4º, é feita uma distinção, acrescentando-se aos Bancos de Dados e Cadastros de Consumidores os Serviços de Proteção ao Crédito. E mais ainda, no §5º, é acrescentado o Sistema de Proteção ao Crédito. Neste quadro, é objeto de análise a compreensão do que vêm a ser estes dois institutos, ou seja, o Serviço de Proteção ao Crédito e o Sistema de Proteção ao Crédito.
33
Führ, Flávio, José Donizetti de Lima, Gilson Ditzel Santos, and Sady Mazzioni. "UMA PROPOSIÇÃO DE MODELOS DE PREVISÃO DE RISCO DE CRÉDITO PARA PEQUENAS E MÉDIAS EMPRESAS POR MEIO DA REGRESSÃO LOGÍSTICA." Gestão & Regionalidade 38, no. 113 (January 10, 2022). http://dx.doi.org/10.13037/gr.vol38n113.6996.
Повний текст джерелаАнотація:
RESUMO A busca por padrões que contribuam na predição de risco, é crescente nas organizações. A utilização de modelos de credit scoring busca auxiliar o analista de crédito na tomada de decisão. Este trabalho objetiva elaborar procedimentos metodológicos, para estruturar e melhorar os modelos de credit scoring direcionados a análise de pequenas e médias empresas. Com a utilização da técnica estatística da regressão logística, por meio das melhorias elaboradas nos procedimentos metodológicos, como exemplo: divisão da base de dados em classes conforme enquadramento das empresas, foi possível o desenvolvimento de 5 modelos de credit scoring, sendo um modelo para cada classe de empresas e outro para a base geral de dados. Os modelos foram direcionados às entidades de fomento e concessão de crédito para pequenas e médias empresas. As acurácias dos modelos apresentaram percentuais expressivos para base de dados com variáveis não contábeis e não auditáveis, atingindo percentuais satisfatórios.
34
Custódio, Juliana Cândido, Wesley Vieira da Silva, Daniela Torres da Rocha, and Edson Erthal de Medeiros. "ANALYSIS OF FAILURE OF AN HIGH SCHOOL OF PARANA FROM RESOLUTION 2682/99." Revista Contabilidade e Controladoria 1, no. 2 (August 31, 2009). http://dx.doi.org/10.5380/rcc.v1i2.15655.
Повний текст джерелаАнотація:
As Instituições de Ensino Fundamental e Médio (IEFM) de forma geral têm dificuldade de gerir de forma adequada suas políticas de concessão de crédito ao fazerem suas matrículas ano a ano. Analisando sob o ponto de vista que cada matrícula é uma concessão de crédito, se faz necessário utilizar as técnicas disponíveis para aprimorar este procedimento. Deste forma, o presente trabalho visa à aplicação da resolução 2.682/99 do Banco Central para a identificação dos registros por faixa de atraso e o cálculo de uma possível Provisão Para Devedores Duvidosos, criando um modelo de credit scoring por meio de regressão logística e regressão logística multinomial. Após análises verificou-se que a provisão calculada pelo modelo de credit scoring é mais conservadora e que os principais fatores que determinaram a classificação dos saldos em atraso foram: Sexo; Residência; Estar empregado nos últimos 2 anos; Renda; Cartão de Crédito; Inadimplência e Valor da Parcela.
35
Carrasco Preciado, Andy, Jorge García Regalado, and Gino Cornejo Marcos. "Construcción de un modelo Scoring de Probabilidad: el caso de la empresa SEGUMAR S.A." Revista de Métodos Cuantitativos para la Economía y la Empresa, March 27, 2023, 157–74. http://dx.doi.org/10.46661/revmetodoscuanteconempresa.7256.
Повний текст джерелаАнотація:
El objetivo del presente trabajo es la construcción de un modelo credit scoring de probabilidad con la finalidad de minimizar el riesgo de incumplimiento de pago de la cartera de clientes, para lo que se utilizó variables dependientes (cliente “bueno o malo”) y como independientes (características de los clientes) para proporcionar un análisis correcto para determinar si la empresa concede o no un crédito. Se aplicó la metodología descriptiva y enfoques cuantitativos y cualitativos tomando como fuentes primarias los datos de la cartera de clientes de la empresa SEGUMAR S.A. La base de datos consiste de la información de 100 personas solicitantes de un crédito y se incluye en la medición de 7 variables para cada persona. Cada solicitante se clasifica en una de dos categorías posibles, "buen cliente" (70 casos) o "mal cliente" (30 casos). Se desarrolló una regla de credit scoring para determinar si un nuevo solicitante es “Bueno” o “Malo” cliente, basándose en los valores de una o más variables explicativas resultantes del modelo final. Este estudio evaluó las características que tienen los clientes al momento de pedir un crédito y según las características de cada cliente se puede realizar predicciones, clasificarlos como un buen o un mal cliente. En los resultados obtenidos del modelo Logit se puede concluir que las variables seleccionadas que se aplicaron en el modelo arrojaron un 76% de éxito que nos permite clasificar a cada uno de nuestros clientes como un buen cliente o mal cliente en nuestro modelo.
36
Campos Rivera, Gonzalo. "TRATAMIENTO DE DATOS PARA CREDIT SCORING Y USO SECUNDARIO DE DATOS. EXAMEN DESDE LA PRESUNCIÓN DE COMPATIBILIDAD DEL ART. 5.1.B RGPD." Revista Jurídica Universidad Autónoma de Madrid, no. 50 (February 10, 2025). https://doi.org/10.15366/rjuam2024.50.001.
Повний текст джерелаАнотація:
El análisis de la solvencia del prestatario a través de modelos de credit scoring se presenta como una obligación legal de las entidades de crédito para la concesión de préstamos. Estas entidades dan cumplimiento a dicha exigencia realizando perfilados de solvencia de sus clientes, lo que supondrá un tratamiento de datos personales sujeto al RGPD. Por ello, la correcta identificación de la finalidad del tratamiento permitirá definir las posibilidades de tratamiento de los datos y los usos secundarios que las entidades de crédito podrán darles. El análisis de la cuestión conduce a definir la finalidad del tratamiento en sentido amplio como la de evaluación de la solvencia para la prevención del sobreendeudamiento y el mantenimiento de la salud del mercado financiero. Ello proyectará sus efectos en los usos ulteriores susceptibles de considerarse compatibles, cuestión que podría permitir a las entidades de crédito aumentar el espectro de tratamientos posibles de estos datos.
37
Alves, Émerson Mezetti, and Geraldo Girardi. "Inadimplência: estudo sobre o processo de concessão de crédito versus a inadimplência de clientes em uma distribuidora do setor moveleiro com atuação na região sul." Revista Competência 11, no. 1 (October 2, 2018). http://dx.doi.org/10.24936/2177-4986.v11n1.2018.583.
Повний текст джерелаАнотація:
A concessão de crédito apresenta um risco de inadimplência considerável, pois, segundo dados do SPC Brasil (2017), 60,2 milhões de brasileiros estão em situação de inadimplência, representando 39,6% da população adulta do país. O presente trabalho teve por objetivo realizar a análise do processo financeiro da empresa estudada de forma a propor a redução da inadimplência dos clientes. Para tal, delineou-se uma pesquisa de característica quantitativa, na qual foram analisados os dados reais de inadimplência da empresa para entender seus impactos. Como complemento, utilizou-se a análise qualitativa que partiu de duas entrevistas semiestruturadas: com o gestor da empresa analisada e com um gestor de uma instituição financeira. A análise, tanto qualitativa quanto quantitativa, permitiu identificar deficiências nas seguintes etapas do processo estudado, quais sejam: análise de crédito, como a atualização cadastral e o controle pós-liberação de crédito. Permitiu ainda identificar desconhecimento dos impactos da inadimplência na empresa, que previa um percentual médio de 2%, e não o real percentual encontrado na análise de 4,17%. Com base nessas análises, foi possível sugerir melhorias em todos os processos deficitários identificados, como a sugestão e adaptação da ferramenta de análise de crédito credit scoring que, junto com a avaliação do analista de crédito, contribui para a decisão de concessão com risco reduzido.
38
"Pérdida esperada: paneles dinámicos para la cuantificación del riesgo de crédito." Estudios de la Gestión. Revista Internacional de Administración, February 10, 2021. http://dx.doi.org/10.32719/25506641.2021.9.7.
Повний текст джерелаАнотація:
La crisis financiera mundial, iniciada en 2007, ha marcado un antes y un después en la administración de riesgos contemporánea, no desde el punto de vista del desarrollo de la administración de riesgos, sino desde la necesidad de aplicar lo desarrollado y utilizarlo oportunamente, tanto por parte de las instituciones financieras como por los reguladores y el Estado. De acuerdo con Dionne (2013), el estudio de la administración de riesgos se ha desarrollado desde la finalización de la Segunda Guerra Mundial, por lo que ha tenido más de 50 años para evolucionar con relación a técnicas cuantitativas y científicas. Este artículo propone el uso de paneles dinámicos para la cuantificación agregada del riesgo de crédito, utilizando la metodología de Macro Credit Scoring; se construye un modelo econométrico para medir el riesgo de crédito de un sistema bancario en función del crecimiento económico y del perfil financiero de los bancos (que refleja su perfil de riesgo). Para la metodología se utilizó lo propuesto por Arellano-Bond para controlar la endogeneidad entre el riesgo de crédito y el crecimiento económico; se estima la medida de pérdida esperada como producto final. Se determinó que la cobertura por riesgo de crédito es adecuada en Bolivia y se demuestra la aplicabilidad de la metodología propuesta.
39
Hernández Trillo, Fausto, and Bruno Vargas. "UN MODELO PARA LA DETERMINACIÓN DEL RIESGO CREDITICIO MUNICIPAL EN MÉXICO." Investigación Económica 71, no. 280 (April 18, 2013). http://dx.doi.org/10.22201/fe.01851667p.2012.280.37335.
Повний текст джерелаАнотація:
<p>Este trabajo desarrolla un método alternativo para medir el riesgo financiero de los municipios mexicanos. Esto se hace en vista del cambio de normas y reglas que la Comisión Nacional Bancaria y de Valores (cnbv) ha emitido para calcularlo. La metodología es una combinación de análisis de componentes principales con <em>credit</em> <em>scoring</em>. Los resultados se comparan con los de una de las calificadoras de crédito y son robustos.</p><p> </p><strong>T</strong>his work develops an alternative methodology to measure the financial risk of Mexican Municipalities. This is done in response to the change in Mexican financial risk regulation issued by the authority. The idea is to combine a Principal components model with credit scoring. Results are then compared to those of one of the rating agencies’ and yield robust estimations.
40
Soares Cortazio, Renan. "Bancos de dados no Brasil: uma análise do sistema credit scoring à luz da LEI N. 13.709/2018 (LGPD)." REVISTA ELETRÔNICA DA PGE-RJ 2, no. 3 (June 16, 2019). http://dx.doi.org/10.46818/pge.v2i3.99.
Повний текст джерелаАнотація:
O presente trabalho tem por objetivo analisar os métodos utilizados pelos fornecedores na coleta e armazenamento dos dados pessoais dos consumidores. O trabalho realça as principais controvérsias do chamado sistema “credit score” ou “credit scoring”, que utiliza os dados dos consumidores para traçar perfis de consumo, bem como o risco de crédito, atribuindo notas que variam do “bom” ao “mau” pagador. O assunto ganha relevância no atual cenário: as pessoas estão cada vez mais expostas ao mundo virtual, e em muitos casos não sabem nem mesmo com quem firmam seus negócios. A Lei Geral de Proteção de Dados (LGPD) surge como mais uma ferramenta de proteção dos dados pessoais.