Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Innovar
Print version ISSN 0121-5051
Abstract
DIAZ-MARTINEZ, Zuleyka; SANCHEZ-ARELLANO, Alicia and SEGOVIA-VARGAS, Maria Jesús. Predicción de crisis financieras mediante conjuntos imprecisos (rough sets) y árboles de decisión. Innovar [online]. 2011, vol.21, n.39, pp.83-100. ISSN 0121-5051.
Este trabajo intenta profundizar en los factores que influyen en la aparición de crisis financieras. Utilizando una amplia muestra de datos de países entre 1981 y 1999, se aplican dos metodologías del campo de la Inteligencia Artificial (la teoría Rough Set y el algoritmo C4.5) para analizar el papel de un conjunto de variables macroeconómicas y financieras (tanto de tipo cualitativo como de tipo cuantitativo) en la explicación de las crisis bancarias. Estos métodos no requieren que las variables o los datos utilizados satisfagan ningún tipo de hipótesis, al contrario que las técnicas estadísticas empleadas tradicionalmente, que presentan el inconveniente de que parten de hipótesis acerca de las propiedades distribucionales de las variables explicativas que no se suelen cumplir, lo que dificulta el análisis. Se han obtenido muy buenos resultados en términos de acierto en la clasificación (80% de clasificaciones correctas sobre una muestra independiente), lo que demuestra la precisión de ambos métodos.
Keywords : crisis financieras; inteligencia artificial; rough sets; árboles de decisión; C4.5.