Eficiencia de los modelos Poisson y Logístico en la asignación de probabilidades de incumplimiento a empresas mineras mexicanas

• Autores: Salvador Cruz Aké, Nora Gavira Durón, Reyna Susana García Ruiz
• Localización: Revista Mexicana de Economía y Finanzas (REMEF): nueva época, ISSN-e 2448-6795, ISSN 1665-5346, Vol. 12, Nº. 1, 2017, págs. 1-21
• Idioma: español
• Títulos paralelos:
  • Efficiency of the Poisson and Logistic Models in the Allocation of Probabilities of default to Mexican Mining Companies.
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La existencia del entorno volátil y características propias del sector minero, afecta el cumplimiento de pago de créditos otorgados a empresas del sector, por lo que modelos de scoring basados en normalidad, modelos Probit o Logit, subestiman la probabilidad de impago. El objetivo del artículo es probar que los modelos Logit no capturan correctamente las probabilidades de incumplimiento de empresas del sector minero al subestimar las colas, mediante un análisis de estabilidad y confiabilidad de dichas probabilidades, lo que genera problemas de bondad de ajuste y subestimación de la probabilidad; mientras que un modelo Poisson de variable dicotómica captura los efectos de cola y estabiliza la regresión, sus estimadores y probabilidades estimadas. Los resultados indican que los modelos Logísticos no están diseñados para analizar óptimamente las variables independientes con valores extremos y que no están asociados al trimestre de operación, sino que son propios de cada empresa. Los modelos Poisson resultaron ser capaces de captar los valores extremos de la distribución; por lo que resultan más adecuados para determinar la calidad crediticia de las empresas mineras.

  • English

    The existence of the volatile environment and characteristics of the mining sector, affects compliance with payment of loans granted to companies in the sector, making scoring models based on normal, Probit or Logit models underestimate the probability of default. The objective of this article is to prove that the Logit models do not capture properly the default probabilities of mining companies to underestimate the tails, by analysis of stability and reliability of these probabilities, creating problems for goodness of fit and underestimation of the probability; while a Poisson model dummy variable captures the effects of tail and stabilizes the regression, estimators and their estimated probabilities. The results indicate that the logistic models are not designed to optimally analyze the independent variables with extreme values and are not associated with the quarter of operation, but are specific to each company. Poisson models were found to be able to capture the extreme values of the distribution; so they are best suited to determine the credit quality of mining companies.