Bayesian networks to predict financial distress in Spanish Banking
Este trabajo desarrolla un modelo predictivo a corto plazo del financial distress en el sistema bancario español con redes bayesianas. Como las quiebras de bancos han sido escasas, este documento ha considerado tambien otros problemas financieros, agrupados bajo el termino financial distress, como s...
Gespeichert in:
| Veröffentlicht in: | Rect@. Revista electrónica de comunicaciones y trabajos de ASEPUMA 2019-12, Vol.20 (2), p.131-152 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | eng |
| Schlagworte: | |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 152 |
|---|---|
| container_issue | 2 |
| container_start_page | 131 |
| container_title | Rect@. Revista electrónica de comunicaciones y trabajos de ASEPUMA |
| container_volume | 20 |
| creator | Vianez, Jessica Paule Arias Nicolás, José Pablo Coca Pérez, José Luis |
| description | Este trabajo desarrolla un modelo predictivo a corto plazo del financial distress en el sistema bancario español con redes bayesianas. Como las quiebras de bancos han sido escasas, este documento ha considerado tambien otros problemas financieros, agrupados bajo el termino financial distress, como son el incumplimiento de sus obligaciones, la necesidad de intervención de organismos externos, la ayuda estatal, las fusiones y adquisiciones con problemas, y las liquidaciones. Las variables utilizadas para predecir el financial distress en el sistema bancario español han sido variables financieras, clasificadas siguiendo el sistema de calificacióon de CAMELS, y variables econóomicas, cuya repercusióon en la salud de estas entidades ha sido demostrada por diversos trabajos previos. Con una muestra de 148 instituciones bancarias, la alta tasa de aciertos obtenida demuestra que las redes bayesianas constituyen una metodología prometedora para predecir el financial distress a corto plazo en el sector bancario español. |
| doi_str_mv | 10.24309/recta.2019.20.2.02 |
| format | Article |
| fullrecord | <record><control><sourceid>proquest_dialn</sourceid><recordid>TN_cdi_dialnet_primary_oai_dialnet_unirioja_es_ART0001533976</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>2434499183</sourcerecordid><originalsourceid>FETCH-LOGICAL-c2202-497787b21e99fbe8ac31b6c702ddfa657e3d023613e55a832e8ff617faa551b63</originalsourceid><addsrcrecordid>eNpNUN9LAzEMLqLgmPsLfCn4fGd_XK9X8GUbOoWBoBN8K9ldq91m72xvyP57u03FEJIQviRfPoQuKclZwYm6DqbuIWeEqhRylhN2ggZUSJGVRLye_qvP0SjGFUlWJBdygCYT2JnowGNv-q82rCPuW9wF07i6x9Z58LWDDW5c7IOJETuPnzvwLr7jCfi1828X6MzCJprRTx6il7vbxfQ-mz_OHqbjeVYzRlhWKCkruWTUKGWXpoKa02VZS8KaxkIppOENYbyk3AgBFWemsrak0gIIkZB8iG6Oe5tEKLHVXXAfEHa6Bad_e1vvgmtXoE3U46dF-pQKzpXcj18dx7vQfm5N7PWq3QafGOskY1EoRSueUPyIqkMbYzD27wol-iC3Psit93KnoJlOpL8BJvt0LQ</addsrcrecordid><sourcetype>Open Website</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype><pqid>2434499183</pqid></control><display><type>article</type><title>Bayesian networks to predict financial distress in Spanish Banking</title><source>Dialnet</source><source>Elektronische Zeitschriftenbibliothek - Frei zugängliche E-Journals</source><creator>Vianez, Jessica Paule ; Arias Nicolás, José Pablo ; Coca Pérez, José Luis</creator><creatorcontrib>Vianez, Jessica Paule ; Arias Nicolás, José Pablo ; Coca Pérez, José Luis</creatorcontrib><description>Este trabajo desarrolla un modelo predictivo a corto plazo del financial distress en el sistema bancario español con redes bayesianas. Como las quiebras de bancos han sido escasas, este documento ha considerado tambien otros problemas financieros, agrupados bajo el termino financial distress, como son el incumplimiento de sus obligaciones, la necesidad de intervención de organismos externos, la ayuda estatal, las fusiones y adquisiciones con problemas, y las liquidaciones. Las variables utilizadas para predecir el financial distress en el sistema bancario español han sido variables financieras, clasificadas siguiendo el sistema de calificacióon de CAMELS, y variables econóomicas, cuya repercusióon en la salud de estas entidades ha sido demostrada por diversos trabajos previos. Con una muestra de 148 instituciones bancarias, la alta tasa de aciertos obtenida demuestra que las redes bayesianas constituyen una metodología prometedora para predecir el financial distress a corto plazo en el sector bancario español.</description><identifier>ISSN: 1575-605X</identifier><identifier>EISSN: 1575-605X</identifier><identifier>DOI: 10.24309/recta.2019.20.2.02</identifier><language>eng</language><publisher>Valencia: Ramón Sala Garrido</publisher><subject>Artificial intelligence ; Bank failures ; Banking ; Banking industry ; Bankruptcy ; Bayesian analysis ; Bayesian model ; CAMELS ; España ; Financial Distress ; Impact analysis ; Liquidity ; Market exit ; Modelo Bayesiano ; Networks ; Predicción ; Prediction ; Prediction models ; Sector Bancario ; Solvency ; Spain</subject><ispartof>Rect@. Revista electrónica de comunicaciones y trabajos de ASEPUMA, 2019-12, Vol.20 (2), p.131-152</ispartof><rights>2019. This work is published under https://creativecommons.org/licenses/by-nc/4.0 (the “License”). Notwithstanding the ProQuest Terms and Conditions, you may use this content in accordance with the terms of the License.</rights><rights>LICENCIA DE USO: Los documentos a texto completo incluidos en Dialnet son de acceso libre y propiedad de sus autores y/o editores. Por tanto, cualquier acto de reproducción, distribución, comunicación pública y/o transformación total o parcial requiere el consentimiento expreso y escrito de aquéllos. Cualquier enlace al texto completo de estos documentos deberá hacerse a través de la URL oficial de éstos en Dialnet. Más información: https://dialnet.unirioja.es/info/derechosOAI | INTELLECTUAL PROPERTY RIGHTS STATEMENT: Full text documents hosted by Dialnet are protected by copyright and/or related rights. This digital object is accessible without charge, but its use is subject to the licensing conditions set by its authors or editors. Unless expressly stated otherwise in the licensing conditions, you are free to linking, browsing, printing and making a copy for your own personal purposes. All other acts of reproduction and communication to the public are subject to the licensing conditions expressed by editors and authors and require consent from them. Any link to this document should be made using its official URL in Dialnet. More info: https://dialnet.unirioja.es/info/derechosOAI</rights><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed><citedby>FETCH-LOGICAL-c2202-497787b21e99fbe8ac31b6c702ddfa657e3d023613e55a832e8ff617faa551b63</citedby><orcidid>0000-0001-8918-582X ; 0000-0001-6666-4852 ; 0000-0003-0672-0466</orcidid></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,776,780,870,27901,27902</link.rule.ids></links><search><creatorcontrib>Vianez, Jessica Paule</creatorcontrib><creatorcontrib>Arias Nicolás, José Pablo</creatorcontrib><creatorcontrib>Coca Pérez, José Luis</creatorcontrib><title>Bayesian networks to predict financial distress in Spanish Banking</title><title>Rect@. Revista electrónica de comunicaciones y trabajos de ASEPUMA</title><description>Este trabajo desarrolla un modelo predictivo a corto plazo del financial distress en el sistema bancario español con redes bayesianas. Como las quiebras de bancos han sido escasas, este documento ha considerado tambien otros problemas financieros, agrupados bajo el termino financial distress, como son el incumplimiento de sus obligaciones, la necesidad de intervención de organismos externos, la ayuda estatal, las fusiones y adquisiciones con problemas, y las liquidaciones. Las variables utilizadas para predecir el financial distress en el sistema bancario español han sido variables financieras, clasificadas siguiendo el sistema de calificacióon de CAMELS, y variables econóomicas, cuya repercusióon en la salud de estas entidades ha sido demostrada por diversos trabajos previos. Con una muestra de 148 instituciones bancarias, la alta tasa de aciertos obtenida demuestra que las redes bayesianas constituyen una metodología prometedora para predecir el financial distress a corto plazo en el sector bancario español.</description><subject>Artificial intelligence</subject><subject>Bank failures</subject><subject>Banking</subject><subject>Banking industry</subject><subject>Bankruptcy</subject><subject>Bayesian analysis</subject><subject>Bayesian model</subject><subject>CAMELS</subject><subject>España</subject><subject>Financial Distress</subject><subject>Impact analysis</subject><subject>Liquidity</subject><subject>Market exit</subject><subject>Modelo Bayesiano</subject><subject>Networks</subject><subject>Predicción</subject><subject>Prediction</subject><subject>Prediction models</subject><subject>Sector Bancario</subject><subject>Solvency</subject><subject>Spain</subject><issn>1575-605X</issn><issn>1575-605X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2019</creationdate><recordtype>article</recordtype><sourceid>BENPR</sourceid><sourceid>FKZ</sourceid><recordid>eNpNUN9LAzEMLqLgmPsLfCn4fGd_XK9X8GUbOoWBoBN8K9ldq91m72xvyP57u03FEJIQviRfPoQuKclZwYm6DqbuIWeEqhRylhN2ggZUSJGVRLye_qvP0SjGFUlWJBdygCYT2JnowGNv-q82rCPuW9wF07i6x9Z58LWDDW5c7IOJETuPnzvwLr7jCfi1828X6MzCJprRTx6il7vbxfQ-mz_OHqbjeVYzRlhWKCkruWTUKGWXpoKa02VZS8KaxkIppOENYbyk3AgBFWemsrak0gIIkZB8iG6Oe5tEKLHVXXAfEHa6Bad_e1vvgmtXoE3U46dF-pQKzpXcj18dx7vQfm5N7PWq3QafGOskY1EoRSueUPyIqkMbYzD27wol-iC3Psit93KnoJlOpL8BJvt0LQ</recordid><startdate>20191231</startdate><enddate>20191231</enddate><creator>Vianez, Jessica Paule</creator><creator>Arias Nicolás, José Pablo</creator><creator>Coca Pérez, José Luis</creator><general>Ramón Sala Garrido</general><scope>AAYXX</scope><scope>CITATION</scope><scope>0U~</scope><scope>1-H</scope><scope>3V.</scope><scope>7WY</scope><scope>7WZ</scope><scope>7XB</scope><scope>87Z</scope><scope>8FE</scope><scope>8FG</scope><scope>8FK</scope><scope>8FL</scope><scope>ABJCF</scope><scope>ABUWG</scope><scope>AFKRA</scope><scope>AZQEC</scope><scope>BENPR</scope><scope>BEZIV</scope><scope>BGLVJ</scope><scope>CCPQU</scope><scope>CLZPN</scope><scope>DWQXO</scope><scope>FRNLG</scope><scope>F~G</scope><scope>HCIFZ</scope><scope>K60</scope><scope>K6~</scope><scope>L.-</scope><scope>L.0</scope><scope>L6V</scope><scope>M0C</scope><scope>M7S</scope><scope>PIMPY</scope><scope>PQBIZ</scope><scope>PQBZA</scope><scope>PQEST</scope><scope>PQQKQ</scope><scope>PQUKI</scope><scope>PTHSS</scope><scope>PYYUZ</scope><scope>Q9U</scope><scope>AGMXS</scope><scope>FKZ</scope><orcidid>https://orcid.org/0000-0001-8918-582X</orcidid><orcidid>https://orcid.org/0000-0001-6666-4852</orcidid><orcidid>https://orcid.org/0000-0003-0672-0466</orcidid></search><sort><creationdate>20191231</creationdate><title>Bayesian networks to predict financial distress in Spanish Banking</title><author>Vianez, Jessica Paule ; Arias Nicolás, José Pablo ; Coca Pérez, José Luis</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c2202-497787b21e99fbe8ac31b6c702ddfa657e3d023613e55a832e8ff617faa551b63</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>eng</language><creationdate>2019</creationdate><topic>Artificial intelligence</topic><topic>Bank failures</topic><topic>Banking</topic><topic>Banking industry</topic><topic>Bankruptcy</topic><topic>Bayesian analysis</topic><topic>Bayesian model</topic><topic>CAMELS</topic><topic>España</topic><topic>Financial Distress</topic><topic>Impact analysis</topic><topic>Liquidity</topic><topic>Market exit</topic><topic>Modelo Bayesiano</topic><topic>Networks</topic><topic>Predicción</topic><topic>Prediction</topic><topic>Prediction models</topic><topic>Sector Bancario</topic><topic>Solvency</topic><topic>Spain</topic><toplevel>online_resources</toplevel><creatorcontrib>Vianez, Jessica Paule</creatorcontrib><creatorcontrib>Arias Nicolás, José Pablo</creatorcontrib><creatorcontrib>Coca Pérez, José Luis</creatorcontrib><collection>CrossRef</collection><collection>Global News & ABI/Inform Professional</collection><collection>Trade PRO</collection><collection>ProQuest Central (Corporate)</collection><collection>ABI/INFORM Collection</collection><collection>ABI/INFORM Global (PDF only)</collection><collection>ProQuest Central (purchase pre-March 2016)</collection><collection>ABI/INFORM Global (Alumni Edition)</collection><collection>ProQuest SciTech Collection</collection><collection>ProQuest Technology Collection</collection><collection>ProQuest Central (Alumni) (purchase pre-March 2016)</collection><collection>ABI/INFORM Collection (Alumni Edition)</collection><collection>Materials Science & Engineering Collection</collection><collection>ProQuest Central (Alumni Edition)</collection><collection>ProQuest Central UK/Ireland</collection><collection>ProQuest Central Essentials</collection><collection>ProQuest Central</collection><collection>Business Premium Collection</collection><collection>Technology Collection</collection><collection>ProQuest One Community College</collection><collection>Latin America & Iberia Database</collection><collection>ProQuest Central Korea</collection><collection>Business Premium Collection (Alumni)</collection><collection>ABI/INFORM Global (Corporate)</collection><collection>SciTech Premium Collection</collection><collection>ProQuest Business Collection (Alumni Edition)</collection><collection>ProQuest Business Collection</collection><collection>ABI/INFORM Professional Advanced</collection><collection>ABI/INFORM Professional Standard</collection><collection>ProQuest Engineering Collection</collection><collection>ABI/INFORM Global</collection><collection>Engineering Database</collection><collection>Publicly Available Content Database</collection><collection>One Business (ProQuest)</collection><collection>ProQuest One Business (Alumni)</collection><collection>ProQuest One Academic Eastern Edition (DO NOT USE)</collection><collection>ProQuest One Academic</collection><collection>ProQuest One Academic UKI Edition</collection><collection>Engineering Collection</collection><collection>ABI/INFORM Collection China</collection><collection>ProQuest Central Basic</collection><collection>Dialnet (Open Access Full Text)</collection><collection>Dialnet</collection><jtitle>Rect@. Revista electrónica de comunicaciones y trabajos de ASEPUMA</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>Vianez, Jessica Paule</au><au>Arias Nicolás, José Pablo</au><au>Coca Pérez, José Luis</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>Bayesian networks to predict financial distress in Spanish Banking</atitle><jtitle>Rect@. Revista electrónica de comunicaciones y trabajos de ASEPUMA</jtitle><date>2019-12-31</date><risdate>2019</risdate><volume>20</volume><issue>2</issue><spage>131</spage><epage>152</epage><pages>131-152</pages><issn>1575-605X</issn><eissn>1575-605X</eissn><abstract>Este trabajo desarrolla un modelo predictivo a corto plazo del financial distress en el sistema bancario español con redes bayesianas. Como las quiebras de bancos han sido escasas, este documento ha considerado tambien otros problemas financieros, agrupados bajo el termino financial distress, como son el incumplimiento de sus obligaciones, la necesidad de intervención de organismos externos, la ayuda estatal, las fusiones y adquisiciones con problemas, y las liquidaciones. Las variables utilizadas para predecir el financial distress en el sistema bancario español han sido variables financieras, clasificadas siguiendo el sistema de calificacióon de CAMELS, y variables econóomicas, cuya repercusióon en la salud de estas entidades ha sido demostrada por diversos trabajos previos. Con una muestra de 148 instituciones bancarias, la alta tasa de aciertos obtenida demuestra que las redes bayesianas constituyen una metodología prometedora para predecir el financial distress a corto plazo en el sector bancario español.</abstract><cop>Valencia</cop><pub>Ramón Sala Garrido</pub><doi>10.24309/recta.2019.20.2.02</doi><tpages>22</tpages><orcidid>https://orcid.org/0000-0001-8918-582X</orcidid><orcidid>https://orcid.org/0000-0001-6666-4852</orcidid><orcidid>https://orcid.org/0000-0003-0672-0466</orcidid><oa>free_for_read</oa></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1575-605X |
| ispartof | Rect@. Revista electrónica de comunicaciones y trabajos de ASEPUMA, 2019-12, Vol.20 (2), p.131-152 |
| issn | 1575-605X 1575-605X |
| language | eng |
| recordid | cdi_dialnet_primary_oai_dialnet_unirioja_es_ART0001533976 |
| source | Dialnet; Elektronische Zeitschriftenbibliothek - Frei zugängliche E-Journals |
| subjects | Artificial intelligence Bank failures Banking Banking industry Bankruptcy Bayesian analysis Bayesian model CAMELS España Financial Distress Impact analysis Liquidity Market exit Modelo Bayesiano Networks Predicción Prediction Prediction models Sector Bancario Solvency Spain |
| title | Bayesian networks to predict financial distress in Spanish Banking |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-30T01%3A13%3A36IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-proquest_dialn&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Bayesian%20networks%20to%20predict%20financial%20distress%20in%20Spanish%20Banking&rft.jtitle=Rect@.%20Revista%20electr%C3%B3nica%20de%20comunicaciones%20y%20trabajos%20de%20ASEPUMA&rft.au=Vianez,%20Jessica%20Paule&rft.date=2019-12-31&rft.volume=20&rft.issue=2&rft.spage=131&rft.epage=152&rft.pages=131-152&rft.issn=1575-605X&rft.eissn=1575-605X&rft_id=info:doi/10.24309/recta.2019.20.2.02&rft_dat=%3Cproquest_dialn%3E2434499183%3C/proquest_dialn%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_pqid=2434499183&rft_id=info:pmid/&rfr_iscdi=true |