Proceso de ASC - PREDICTING COLOMBIAN SOVEREIGN DEFAULT PROBABILITY USING MACHINE LEARNING
Fecha
2021
Autores
Cortés, Lina M
Mosquera, Stephania
Galeano, Juan
Mena, Luis
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
The purpose of this research is to use a sample to predict the probability of default of the Colombian government, using machine learning techniques that seek to create prediction algorithms. The success of the algorithm relies on the quality of the data used (Mohri et al., 2018). One is interested in applying the best method to create the algorithm, which requires a testing and adjustment process based on the observations taken. The most popular methods in machine learning are logistic regressions, decision trees, random decision forests, support vector machines (SVM), Naive Bayes, K Nearest Neighbor (KNN), K-means (Shafer et al., 1996). The different methods are trained and tested according to the data and literature review.
Descripción
El propósito de esta investigación es utilizar una muestra para predecir la probabilidad de default del gobierno colombiano, mediante técnicas de machine learning que buscan crear algoritmos de predicción. El éxito del algoritmo recae en la calidad de los datos utilizados (Mohri et al., 2018). Se está interesado en aplicar el mejor método para crear el algoritmo, lo cual requiere de un proceso de testeo y ajuste con base en las observaciones tomadas. Los métodos más populares en aprendizaje de máquina son regresiones logísticas, árboles de decisiones, random decision forests, support vector machines (SVM), Naive Bayes, K Nearest Neighbor (KNN), K-means (Shafer et al., 1996). Se entrena y se prueban los diferentes métodos de acuerdo con los datos y a la revisión de literatura.