Mostrar el registro sencillo del ítem

dc.contributor.advisorEscobar Torres, Leandro Sergioes-ES
dc.contributor.authorBarrasa Fuertes, Césares-ES
dc.contributor.otherUniversidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresarialeses_ES
dc.date.accessioned2021-06-18T19:12:10Z
dc.date.available2021-06-18T19:12:10Z
dc.date.issued2022es_ES
dc.identifier.urihttp://hdl.handle.net/11531/56974
dc.descriptionGrado en Administración y Dirección de Empresas y Grado en Derechoes_ES
dc.description.abstractEn la actualidad el Big Data esta creciente a una velocidad vertiginosa y ya constituye una herramienta fundamental para el desarrollo tecnológico de un gran número de sectores diferentes, como por ejemplo el sanitario o el sector público. También tiene un gran papel dentro del sector financiero, con nuevas maneras de gestionar la ingente cantidad de datos de hoy en día, para ponerla al servicio de disciplinas como la valoración de activos. En el presente trabajo se analizan esas aportaciones que realiza el Big Data a los modelos de valoración, poniendo el foco en un tipo de derivado financiero muy popular a la vez que complejo, los Credit Default Swaps. El análisis se centrará en las mejoras que puede suponer el uso de técnicas de data analytics o Machine Learning a la hora de hacer mas eficientes y fiables los modelos de predicción de impago, los cuales están directamente relacionados con los modelos de valoración de CDS. Para terminar, se propone un modelo de valoración de CDS basado en el estudio de la diversas fuentes académicas y la revisión de otros modelos como el Market Standard Pricing Model, uno de los más usados a nivel global.es-ES
dc.description.abstractBig Data is currently growing at breakneck speed and is already a fundamental tool for the technological development of a large number of different sectors, such as healthcare or the public sector. It also plays a major role in the financial sector, with new ways of managing the huge amount of data today, to put it at the service of disciplines such as asset valuation. This paper analyses these contributions of Big Data to valuation models, focusing on a very popular and complex type of financial derivative, Credit default swaps. The analysis will focus on the improvements that the use of data analytics or Machine Learning techniques can bring about when it comes to making default prediction models more efficient and reliable, which are directly related to CDS valuation models. Finally, a CDS valuation model is proposed based on the study of various academic sources and the review of other models such as the Market Standard Pricing Model, one of the most widely used globally.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject53 Ciencias económicases_ES
dc.subject5306 Economía del cambio tecnológicoes_ES
dc.subject530602 Innovación tecnológicaes_ES
dc.subject.otherK2Nes_ES
dc.titleBig data en valoración de Credit Default Swapses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/closedAccesses_ES
dc.keywordsCredit Default Swaps, CDS, Big Data, Data analytics, Machine Learning, Derivados financieros, Modelo de valoración, Market Standard Pricing Model.es-ES
dc.keywordsCredit Default Swaps, CDS, Big Data, Data analytics, Machine Learning, Financial derivatives, Valuation model, Market Standard Pricing Model.en-GB


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivs 3.0 United States
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivs 3.0 United States