Aplicación de Support Vector Machine para la predicción de las calificaciones crediticias

Congreso; XI International Finance Conference; 2021

International Finance Conference

El riesgo es uno de los principales factores que determina la prima requerida por el inversor en bonos corporativos y, en consecuencia, determina el precio de los bonos. El inversor elegirá los bonos que proveen la mayor tasa de retorno al igual nivel de riesgo y madurez. Los inversores y emisores de deuda vienen utilizando las calificaciones crediticias como una medida del riesgo. Las calificaciones a nivel nacional excluyen los efectos del soberano, del riesgo de transferencia y de la posibilidad de que los inversores no puedan repatriar los montos pagados de intereses y capital. Este estudio se propone la aplicación del algoritmo de Support Vector Machine (SVM) para la predicción de las calificaciones crediticias nacionales en empresas argentinas. Esto resulta de utilidad para los inversores que pueden estimar la calificación antes que sean emitidas o verificar las ya emitidas, y para que las empresas pueden prever el costo de la financiación en caso de la emisión de bonos. El algoritmo de clasificación Support Vector Machine con la función kernel radial muestra una mayor precisión en la clasificación que por la función lineal y el método de regresión logística ordinal. El modelo exhibe una mayor precisión en las categorías A y BBB, casos en que la muestra tiene una mayor cantidad de observaciones. Pero, para las categorías BB y B no logra clasificar adecuadamente ningún caso, posiblemente, por las pocas observaciones o por imprecisión del modelo. Si bien, las pocas observaciones en las categorías CCC, CC, C y D el modelo muestra un porcentaje importante de clasificaciones correctas, lo cual resulta importante porque corresponden a las empresas que están con problemas financieros.