This paper will outline the functionality available in the CovRegpy package for actuarial practitioners, wealth managers, fund managers, and portfolio analysts written in Python 3.7. The major contributions of CovRegpy can be found in the CovRegpy_DCC.py, CovRegpy_IFF.py, CovRegpy_RCR.py,...

En este artículo se estudia el comportamiento de la tasa de crecimiento del PIB colombiano entre 1982-2008 a partir de un modelo SETAR (Self-Exciting Threshold Autoregressive), empleando la metodología propuesta por Tsay (1989) y Tong (1990) para la detección de no linealidades relacionadas...

En este artículo se estudia el comportamiento de la tasa de crecimiento del PIB colombiano durante el período 1982-2008 a partir de un modelo SETAR (Self-Exciting Threshold Autoregressive), con base en la metodología propuesta por Tsay (1989) y Tong (1990) para la detección de no...

Este trabajo pretende mostrar evidencia de no linealidad en el índice de empleo industrial colombiano. Para esto, se estiman los modelos SETAR y STAR, usando la serie mensual del índice para el periodo 1990-2010. El artículo presenta además una comparación del desempeño de pronósticos de...

En el presente trabajo, se presenta un análisis comparativo de los resultados obtenidos al calcular las previsiones de series temporales univariantes mediante las metodologías de Box-Jenkins, Redes Neuronales Artificiales y Espacio de Estados. Para cada uno de los métodos, en primer lugar se...

El presente estudio contrasta la hipótesis de una relación no lineal entre la inflación y el crecimiento de la actividad económica del Perú con datos que cubren el periodo enero 1993 - junio 2012. Se usa una familia de modelos dicotómicos que enfatizan la relación entre las fases de...

This paper develops an early warning system for predicting distress for large European banks. Using a novel definition of distress derived from banks' headroom above regulatory requirements, we investigate the performance of three machine learning techniques against the traditional logistic...

We propose a generic workflow for the use of machine learning models to inform decision making and to communicate modelling results with stakeholders. It involves three steps: (1) a comparative model evaluation, (2) a feature importance analysis and (3) statistical inference based on Shapley...

We introduce machine learning in the context of central banking and policy analyses. Our aim is to give an overview broad enough to allow the reader to place machine learning within the wider range of statistical modelling and computational analyses, and provide an idea of its scope and...

This paper develops an early warning system for predicting distress for large European banks. Using a novel definition of distress derived from banks' headroom above regulatory requirements, we investigate the performance of three machine learning techniques against the traditional logistic...