Contribuciones a los modelos multivariantes internos de riesgo de crédito, acordes con Basilea II.

Resumen

En este trabajo se introducen los Modelos Logísticos Lineales Híbridos de Expansiones Lineales por funciones de base, modelos HLLM, los cuales se obtienen al expandir la componente no lineal de Modelos Logísticos Parcialmente Lineales, PLLM, a través de expansiones lineales de funciones de base especificas para cada variable. Además, se propone un método constructivo supervisado para seleccionar las funciones de base que, con criterios de bondad de ajuste, poder explicativo, poder discriminante y eficacia clasificadora, configuran la estructura del modelo HLLM. Se plantea y resuelve el Problema General de Estimación de los Modelos Logísticos por expansiones de funciones de base, cuya función objetivo se configura con la expansión lineal de las funciones de base, la función de pérdida logística como término de ajuste y la funcional de penalización como término de regularización. Se presenta un marco general unificado de la mayoría de los modelos más actuales utilizados en credit scoring, formalizando sus estructuras funcionales como expansión de funciones de base de las variables explicativas del riesgo de crédito. Se clasifican los modelos en cuatro grandes grupos: modelos de probabilidad, logísticos, probit y vector soporte, por expansión lineal de funciones de base. Se aplican las contribuciones anteriores al desarrollo de un modelo HLLM de credit scoring proactivo sobre los datos reales de una Entidad Financiera española , desde la óptica IRB de Basilea II, (77.602 acreditados sobre los que se observan 63 variables de riesgo de crédito).