Show simple item record

dc.contributor.advisorRino Sotomayor, Ruíz
dc.contributor.authorHurtado Oliva, Katherine Vanessa
dc.date.accessioned2016-08-02T15:52:29Z
dc.date.available2016-08-02T15:52:29Z
dc.date.issued2015
dc.identifier.otherE13.H87-T BAN UNALM
dc.identifier.urihttp://repositorio.lamolina.edu.pe/handle/UNALM/1746
dc.descriptionCiclo Optativo de Especialización y Profesionalización en Marketing y Finanzases_PE
dc.description.abstractEl presente trabajo tiene como objetivo estimar el modelo Vector Autorregresivo (VAR) que permita describir simultáneamente el comportamiento de la morosidad de cartera, el Producto Bruto Interno y la tasa de interés de las empresas financieras peruanas del crédito de consumo durante el período de octubre 2002 – marzo 2014. Así mismo, evaluar a través del análisis de impulso – respuesta y la descomposición de varianza, el impacto de cada una de las variables sobre otra y su contribución a la desviación típica del error. Al realizar el análisis exploratorio de las variables involucradas, se encontró que tanto el porcentaje de morosidad como la tasa de interés muestran una tendencia creciente desde el 2011 en adelante. Finalmente, el modelo Vector Autorregresivo (VAR) que mejor se ajusta, es aquel que considera las primeras diferencias finitas de cada una de las variables bajo cuatro números de rezagos.es_PE
dc.description.abstractThe objective of this research work is to estimate a vector autoregressive model (VAR) that bests simultaneously describes the performance of the portofolio of non-performing loans, Gross Domestic Products and the interest rate for consumer credit of peruvian financial companies for the period from october 2002 to march 2014. Additionally, evaluating through the analysis of impulse-response and variance descomposition, the impact of one variable on another and the contribution of standard error desviation. By making exploratory data analysis was found that the portofolio of non-performing loans and the interest rate have a growing tendency since 2011. Finally, was found that the best adjustment to a vector autorregresive model (VAR) is considerating four lags and first finite difference of each variable.en_US
dc.description.uriTesises_PE
dc.formatapplication/pdfen_US
dc.language.isospaes_PE
dc.publisherUniversidad Nacional Agraria La Molinaes_PE
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.sourceUniversidad Nacional Agraria La Molinaes_PE
dc.sourceRepositorio Institucional - UNALMes_PE
dc.subjectInstituciones financierases_PE
dc.subjectModelos econométricoses_PE
dc.subjectCréditoes_PE
dc.subjectConsumoes_PE
dc.subjectAnalisis de la varianzaes_PE
dc.subjectPerúes_PE
dc.subjectValor autorregresivoes_PE
dc.subjectEmpresas financierases_PE
dc.subjectMorosidades_PE
dc.titleAnálisis de la morosidad de cartera en empresas financieras peruanas para los créditos de consumo aplicando la metodología VARes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
thesis.degree.programCiclo Optativo de Especialización y Profesionalización en Marketing y Finanzases_PE
thesis.degree.disciplineMarketing y Finanzases_PE
thesis.degree.grantorCiclo Optativo de Especialización y Profesionalización en Marketing y Finanzases_PE
thesis.degree.nameIngeniero Estadístico e Informáticoes_PE
thesis.degree.levelTítulo Profesionales_PE


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess