Acceso usuarios
, María Luisa Martí Selva , María Bonilla Musoles, Leandro García Menéndez
Recientemente se han propuesto diversos modelos no paramétricos para la resolución de problemas de predicción en el entorno bancario, obteniendo potentes estimadores. En el presente trabajo se proponen dos algoritmos no paramétricos, los Árboles de Regresión (CART) y los Splines de Regresión Adaptativa Multivariante (MARS), con objeto de medir su precisión en la determinación del precio de emisión en el mercado primario de eurobonos, realizando un análisis comparativo con un modelo paramétrico, una regresión lineal estimada por Mínimos Cuadrados Ordinarios (MCO). Además, se aborda el dilema de aprendizaje-generalización mediante la validación cruzada para, de este modo, establecer la estructura óptima de los algoritmos que nos permitirá obtener los mejores resultados en el problema que vamos a analizar. El estudio ha concluido que la predicción más potente del modelo CART es sobre el spread de las emisiones de los bancos y los soberanos, mientras que el MARS y la estimación por MCO han resultado más precisos en las emisiones de los bancos
