Administración del Riesgo Financiero

Yessenia Portal

UNMSM

Octubre, 2018

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
¿Qué es análisis discriminante?

 Es una técnica estadística que utiliza la

información de un conjunto de variables
independientes para predecir el valor de una
variable dependiente discreta o categórica.

 La variable dependiente generalmente es tabulada

como una serie de valores enteros representando
a los diferentes grupos que están representados
en la muestra.
Objetivo del análisis discriminante

 El objetivo del análisis discriminante es

desarrollar una regla para predecir a que
grupo una nueva observación (cliente,
firma, empresa) es probable que
pertenezca.
El concepto de centroide

 Un centroide es el promedio que toman las

variables independientes para un grupo
específico.

 En este caso por cuanto tratamos con dos grupos

se estaría en la presencia de dos centroides.
Calculando los puntajes de
d iscri m i nación

 Desde una perspectiva de regresión queremos

modelar el comportamiento de un grupo
usando las variables independientes referentes
al tamaño de la familia, ingreso familiar,
número de tarjetas de crédito y número de
tarjetas de crédito poseídas:

Ŷ = b0 + b1 X 1 + b2 X 2 + b3 X 3 + b4 X 4
Calculando los puntajes de
d iscri m i nación

 El propósito de la regresión es combinar la

información disponible de las variables con un
valor único estimado para cada grupo.

 El valor estimado de la variable de grupo es

denominado como puntaje discriminante y se
denota por Yˆ
Cálculo del puntaje discriminante
por grupos

 Luego se puede sacar un promedio de los puntajes

por grupo, los cuales se refieren como
^ ^
Y1 y Y2

 Porque los puntajes promedios por grupo son

diferentes, necesitamos una regla para discriminar
entre grupos.
Regla de clasificación - valor de
corte

 Una regla puede ser: si el puntaje es menor

a un valor de corte, asígnelo al grupo 1 o de
lo contrario asígnelo al grupo 2.

 El problema que queda es determinar un

punto apropiado de corte.
Refinando el valor de corte

 Supongamos que definimos que:

 C (1/2) es el costo de clasificar una observación
como 1 dado que pertenece a 2.
 C (2/1) es el costo de clasificar una observación
como 2 dado que pertenece a 1.
 p1= probabilidad previa (a priori) que una
observación pertenezca al grupo 1
 p2= probabilidad previa que una observación
pertenezca al grupo 2
Refinando el valor de corte

Un método más general para estimar el punto de

corte es:
y"'.-'"+ 'y, ....
. 2~ e
'.'.' 1~2' )'.
~.
Valor de ccrte« ·12 2. + <f'l¡~y; x LN I ~211~.

Donde: (n1 - 1) SY21 + (n2 - 1) SY22

SYp2 =
n1 + n2 - 2
El problema para k grupos

 Supongamos que disponemos de la siguiente información

de 20 empresas (clientes) clasificadas en tres grupos.

 Grupo 1= empresas satisfactorias, es decir compradores

que siempre han pagado a tiempo sus obligaciones con la
empresa.
 Grupo 2 = empresas promedio las cuales a pesar de haber
tenido una buena historia de crédito en ocasiones han
presentado mora.
 Grupo 3 = empresas que han presentado una pésima
historia crediticia.
Medidas de distancia

 Una regla de clasificación lógica para una nueva

observación es clasificarla en el grupo que esté más
cerca del centroide.

 Inicialmente se podría graficar y visualmente tratar

de aproximarse para ver la cercanía de una
observación con un centroide particular.
Medidas de distancia

 Desde un punto de vista estadístico, la medida de

distancia euclidiana es algo débil porque ignora
las varianzas de las variables independientes.

 Es conveniente entonces refinar la medida de

distancia para tener en cuenta diferencias en las
varianzas de las variables independientes.
Medidas de distancia

 Si hacemos que Dij represente la distancia desde la

observación i al centroide del grupo j, podemos
definir la distancia como:

xik representa el valor de la

observación i
en la k-ésima variable
( xik - x jk )2
Di j = å
k s 2jk
Varianza del grupo j en
la variable k