Descargar 134.92 Kb.


Página9/9
Fecha de conversión28.03.2018
Tamaño134.92 Kb.

Descargar 134.92 Kb.

Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes


1   2   3   4   5   6   7   8   9

8. REFERENCIAS BIBLIOGRÁFICAS


Agarwal, A.; Davis, J.T. y Ward, T. (2001): “Supporting Ordinal Four-State Classification Decisions Using Neural Networks”. Information Technology and Management, vol. 2 pp. 5-26. Kluwer Academic Publishers. The Netherlands.

Alonso, G. y Becerril, J.L.: (1993) Introducción a la Inteligencia Artificial. Técnicas y programas. Multimedia Ediciones, S.A. Barcelona.

Amador Hidalgo, L. (1996): Inteligencia artificial y sistemas expertos,. Universidad de Córdoba.España.

American Bankers Association (1999): “Credit risk analysis software makes e-commerce safer” ABA Banking Journal, Vol. 91, Issue 11 (nov.) pp.54. New York

Arellano Salafranca, I. (1993): “Como recuperar créditos en mora”. Estrategia financiera. Nº 84. Abril 1993. Pág. 13-18.

Ayela Pastor, R. Mª (1993): “Gestión de cuentas a cobrar (III): Análisis de crédito a clientes”. Revista actualidad financiera. Nº. 44, semana 29 Noviembre-5-Diciembre 1993. Págs. F-495-F-503.

Bachiller Cacho, A; Lafuente Felez, A.; Salas Fumas. V (1987): Gestión económico-financiera del circulante. Ed. Pirámide.

Capon, N. (1980): “Discriminación en la concesión de créditos”. Harvard-Deusto Business Review. 2ª Trimestre, 1980. Págs. 31-34.

Castromán Diz, J.L. y Porto Serantes, N. (1995): “Borrosidad, redes neuronales y convergencia matemática. Cálculo neuromimético del tipo de interés de una actualización financiera”. Comunicación presentada al II Congreso Internacional de la Sociedad de Gestión y Economía Fuzzy (Sigef). Santiago de Compostela.

Fensterstock, A. (2003): “Credit scoring basics”, Business Credit. Volume 105, Issue 3 (mar.), pp. 10-14. New York

Fernández Pirla, J. M. (1974): Teoría económica de la contabilidad. Ediciones ICE. Madrid.

Fernández Vicente, Eugenio J. (1993): “Modelos conexionistas: conceptos generales. origen y evolución”. Incluido en Olmeda y Barba-Romero.. Págs. 3-21.

Freeman J.A. y Skapura D.M.: (1993) Redes Neuronales. Algoritmos, aplicaciones y técnicas de programación. Addison-Wesley Iberoamericana, S. A., Wilmington, Delaware, E.U.A.

Fundación BBV (Ed.) (1998): La gestión del riesgo de mercado y del crédito: nuevas técnicas de valoración. Ed. Fundación BBV, Documenta. Madrid.

González Pascual, J. (1994 y 1995): Suspensión de pagos y quiebras. Centro de Estudios Financieros.

Gracia-Díez, M. Y Serrano, G.R. (1992): Algunos aspectos sobre el análisis empírico de “credit scoring”. Ed. Facultad de Ciencias Económicas y Empresariales, Universidad Complutense de Madrid, (Documento de Trabajo nº 9205)

Haugeland, J. (Ed.) (1997): Mind Design II. Massachusetts Institute of Technology. USA.

Kosko, B.: (1992) Neural Networks and Fuzzy Systems. A dinamical systems approach to machine intelligence. Prentice-Hall International, Inc. Englewood Cliffs, New Jersey.

López Díaz, A. Y Menéndez Menéndez, M.(1991): Contabilidad Financiera. Editorial A. C.

López González, Enrique (1994): “Procesamiento humano de información versus redes neuronales: el caso de predicción de la quiebra”. Comunicación presentada al I Congreso de la Sociedad Internacional de Gestión y Económica Fuzzy (Sigef). Reus.

Martín García, M.: (1993) Redes de propagación hacia adelante: retropropagación del gradiente. En Olmeda, I. y Barba-Romero, S.: (Eds.) (1993) Redes Neuronales Artificiales, Fundamentos y Aplicaciones. Universidad de Alcalá de Henares. Alcalá de Henares, España. Págs. 67-82.

McClelland, J. y Rumelhart, D. (1986): Explorations in Parallel Distributed Processing, volúmenes 1 y 2. MIT Press, Cambridge, MA.

Menéndez Menéndez, M. (1991): "Contabilidad de los créditos comerciales". Revista Actualidad Financiera, nº 32, semana 2-8 Septiembre. 1991. Págs. 211- 227.

Minsky, M. y Papert, S. (1969): Perceptrons. MIT Press. Cambridge, MA.

Montaño, A. (1987): Administración de la cobranza. Editorial Trillas. México.

Núzez García, C. (1999): “Aplicaciones empresariales de las Redes neuronales artificiales”. Partida Doble, nº 101 (junio de 1999), págs. 72 –89

Olmeda, I. y Barba-Romero, S. (Eds.) (1993): Redes Neuronales Artificiales, Fundamentos y Aplicaciones. Universidad de Alcalá de Henares, España.

Orduña Moreno, F. J. (1994): La insolvencia. Tirant lo Blanch. Valencia.

Previti Flesca, G. (1989): “Politiche e tecniche di gestione dei crediti commerciali”. Rivista Italiana de Ragioneria e di Economia Aziendale. Nº 3 y 4. Marz-Apr. 1989. Págs. 107- 141.

Rich, E. y Knight, K.: (1994) Inteligencia Artificial. McGraw-Hill/Interamericana de España S. A., Madrid.

Santandreu, E. (1994): Gestión de Créditos. cobros e impagados. Ediciones Gestión 2000. S.A. Barcelona.

Sierra, G. J.; Bonson, E.; Núñez, C. y Orta, M.(1995): Sistemas expertos en contabilidad y administración de empresas. Editorial Ra-ma.

Soldevilla, C. Y Guillén, H. (1997): “Consumer Credit Scoring using Artificial Neural Networks”. International Meeting on Artificial Intelligence in Accounting Finance and Tax. Huelva.

Szymanski Sunal, Karr, Ch.L. y Sunal, D. W. (2003): “Fuzzy logic, neural networks, genetic algorithms: Views of three artificial intelligence concepts used in modeling scientific systems” School Science and Mathematics. Volume 103, issue 2 (feb.) pp. 81-91. Bowling Green.

Valls Pinós, J.R. (1999): La gestión de cobros. Fundación Confemetal. Madrid.

Wasserman, Ph.D.: (1989) Neural Computing: Theory and Practice. Van Nostrand Reinhold, Nueva York.

Werbos, P.: (1974) Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences. Tesis doctoral, Harvard, Cambridge, MA.

Weston, J. F. Y Brigham, E. F.(1987): Finanzas en administración. Ed. Interamericana. México.



Windrow, B. y Hoff, H.E.: (1960) Adaptive Switching Circuits. IRE WESCON Convention Record, part 4. Nueva York.

1 En relación con las políticas de crédito, el análisis de los riesgos, aceptación del crédito puede verse, por ejemplo, a Montaño (1987) y sobre la decisión de otorgar el crédito a Ayela (1993).

2 Asimismo, la empresa puede arbitrar diferentes medidas de cobertura contra las contingencias de pérdidas por insolvencias, por ejemplo las recogidas en el Código de Comercio y en el Código Civil (fianza, aval, retracto, prende hipoteca, etc.).

3 Hemos de dejar constancia de que hay opiniones contrarias a la utilización de este sistema. Por ejemplo, Capon (1980) opina que el credit scoring “excluye la toma de decisiones basadas en el comportamiento individual y utiliza, en cambio, un esquema decisorio fundado en la pertenencia a grupos cuya configuración no está determinada en función de la solvencia crediticia” (p. 31) y añade “...una buena parte de los individuos cuyas solicitudes de crédito han sido rechazadas en virtud de la aplicación de un sistema de puntuación, poseen de hecho, un buen historial como cumplidores de sus obligaciones crediticias” (p. 34).

4 Un problema frecuente para la obtención de dicha función es que las muestras no son aleatorias, sino que resultan de un mecanismo de selección en la que se han descartado aquellos clientes cuyo crédito ha sido denegado. Puede verse una descripción del problema, así como diversas técnicas para superarlo, en Gracia-Díez y Serrano (1992).

5 También es susceptible de otras aplicaciones. Así, por ejemplo, para Arellano (1993, pág. 17) el credit scoring puede utilizarse para pronosticar “poblaciones sobre las que hay mayor posibilidad de producción de morosidad” a través del muestreo periódico para constatar si su situación financiera ha mejorado o empeorado con respecto al momento de la concesión y así determinar si conviene o no la renovación del crédito.

6 Sobre todo cuando en su entrenamiento se emplea una muestra equilibrada de casos de los distintos tipos; véase, por ejemplo, el trabajo de Agarwal, Davis y Ward (2001)

7 A las RNAs también se las denomina modelos conexionistas, modelos de procesamiento distribuido en paralelo, sistemas adaptativos, neurocomputadores o sistemas neuromórficos (Fernández Vicente, 1993, pág. 3) o incluso Sistemas Neuronales, Sistemas Adaptables o Adaptativos, Redes o Sistemas conexionistas (López González, 1994, pág. 243).

8 Al emplear redes feed-forward, tendremos que asumir ciertas restricciones (Fernández Vicente, 1993, pág. 10; Martín García, 1993, pág. 71): a)Los nodos de una capa no se conectan con los nodos de capas anteriores., b) Existe una única capa de entrada y otra de salida y c) Los nodos de una misma capa no se conectan entre sí.

9 El algoritmo de “retropropagación” (“backpropagation” en inglés) fue descrito por primera vez por Werbos (1974) en su Tesis Doctoral. Un resumen de su funcionamiento puede verse en Freeman y Skapura (1993, págs. 93-112), o en Rich y Knight, (1994, págs. 557-562).

10 La regla Delta fue desarrollada por Widrow y Hoff (1960) como filtro adaptativo para procesamiento de señales y eliminación del ruido en centrales telefónicas. La regla Delta Generalizada es una ampliación para poder aplicarla a una red multicapa. Una exposición de su funcionamiento y de su desarrollo matemático puede verse en Martín García (1993, págs. 72-76) o en Freeman y Skapura (1993, págs. 98 –108).

11 Esto era lo esperado, como se desprendía de diversos trabajos consultados, como el ya citado de Agarwal, Davis y Ward (2001). Aún así, hicimos una batería de pruebas iniciales con ficheros de entrenamiento reducidos y pudimos comprobar fehacientemente que esta disposición aceleraba el aprendizaje, reduciendo el número de épocas de entrenamiento necesarias.

12El sobre-entrenamiento se produce cuando la Red, luego de haberse adaptado a las características más importantes de los ejemplos aportados, continúa ajustándose cada vez más a dichos ejemplos hasta memorizarlos por completo, en detrimento de sus posibilidades de generalización y extrapolación. Esto provoca que los resultados obtenidos con el conjunto de entrenamiento sean muy superiores a los obtenidos con un nuevo conjunto de prueba. Es un fenómeno inherente a una red sobreparametrizada por lo que la estructura de la Red ha de ser cuidadosamente determinada para evitar un exceso de potencia. De todas formas, la mejor forma de evitarlo es una detención del aprendizaje en el momento adecuado.


1   2   3   4   5   6   7   8   9

Similar:

Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconRedes neuronales de unidades producto
Las redes neuronales en unidades producto: teoría del modelo y su aplicación a problemas de clasificación del riesgo
Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconModelado de la frecuencia fundamental mediante redes neuronales para síntesis de voz en dominio restringido
Excel es uno de los componentes básicos de Office, es una aplicación englobada dentro de la categoría de hojas de cálculo, y sin...
Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconDistribuciones de probabilidad
En la unidad anterior se analizó el concepto de probabilidad. El objetivo era determinar la probabilidad de un evento. En esta unidad...
Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconProbabilidad
Sabiendo que es abedul, la probabilidad de que esté sano es 8 y sabiendo que es abeto, la probabilidad de que esté enfermo es de
Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconAnálisis de redes sociales 3 cr
Análisis de redes sociales”. En esta nueva edición se contará con la participación de especialistas procedentes de otras Universidades,...
Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconActa nº 005-2018-cf acta de Sesión Ordinaria del Consejo de Facultad de la Facultad de Ciencias de la Salud
Allao, bajo la presidencia de la Decana Dra. Arcelia Olga Rojas Salazar, Dra. Angélica Díaz Tinoco, Dra. Ana Lucy Siccha Macassi,...
Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconNueva Iniciativa Utiliza el Bambú como Herramienta Clave para Combatir la Pobreza y el Cambio Climático en America Latina

Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconFormulario nivel 3 Definiciones iniciales para la medicion de actividades de vinculaciÓn (AV)
Av se encuentren desplegadas en múltiples espacios académicos y niveles de gestión y que no sean visibles de manera homogénea. Por...
Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconPrograma para la transformación de las redes de salud y eficiencia de la gestión sanitaria

Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes iconControl de la gestión basada en actividades
Los tableros de control permiten abordar visiones integrales de la realidad empresarial; como instrumento operativo se constituye...

Página principal
Contactos

    Página principal



Nueva herramienta para la gestión: Medición de la probabilidad de insolvencia, asistida por Redes Neuronales. Dra. Nélida Porto Serantes

Descargar 134.92 Kb.