MXPA01008619A - Metodos y sistemas para optimizar el valor de devolucion y el presente. - Google Patents

Abstract

Se describe un metodo de valoracion de grupos grandes de activos a traves de suscripcion completa parcial, suscripcion de muestra parcial, y valores inferidos de la parte restante utilizando una evaluacion estadistica iterativa y adaptativa de todos los activos e inferencias estadisticas extraidas de la evaluacion y aplicadas para generar los valores inferidos. Se desarrollan valores de activos individuales y se listan en tablas, de manera que los valores de activos individuales pueden ser rapidamente tomados de las tablas y rapidamente agrupados en cualquier forma deseada o prescrita para propositos de propuesta. Los activos son reunidos en una base de datos, divididos a traves de una variable de credito, subdivididos mediante clasificaciones como aquellas variables y despues valorados individualmente. Los activos despues son reagrupados de acuerdo con una agrupacion de propuesta y valoraciones colectivas establecidas acumulando las valoraciones individuales.

Description

MÉTODOS Y SISTEMAS PARA OPTIMIZAR EL VALOR DE DEVOLUCIÓN Y EL PRESENTE REFERENCIA CRUZADA A LAS SOLICITUDES RELACIONADAS Esta solicitud reclama el beneficio de la Solicitud Provisional de E.U.A. No. 60/173,876, presentada el 30 de Diciembre de 1999, la cual se incorpora aquí por referencia en su totalidad.

ANTECEDENTES DE LA INVENCIÓN Esta invención se refiere en general a métodos de valoración para instrumentos financieros, y más particularmente, a la rápida valoración de grandes números de instrumentos financieros. Un gran número de activos tales como préstamos, por ejemplo miles de préstamos u otros instrumentos financieros, algunas veces se hacen disponibles para ventas debido a condiciones económicas, el despojo de activos planeado o no planeado o como el resultado de remedios legales. La venta de miles de préstamos comerciales u otros instrumentos financieros algunas veces implicando el equivalente de billones de dólares en activos algunas veces debe ocurrir dentro de pocos meses. Claro que, el vendedor de activos desea optimizar el valor de la cartera, y algunas veces agrupar a los activos en "disposiciones parciales". El término" disposición parcial", como se utiliza en la presenta, no está limitado a notas extranjeras, sino que también incluye activos y agrupaciones de instrumento financiero sin considerar el país o jurisdicción. Los postores pueden presentar propuestas en todas las disposiciones parciales, o solamente en algunas disposiciones parciales. Con el fín de ganar una disposición parcial, un postor típicamente debe presentar la propuesta más alta para esa disposición parcial. De acuerdo con la determinación de una cantidad de propuesta para presentar en una disposición parcial, un postor por lo general acoplará suscriptores para evaluar tantos préstamos como sea posible dentro de una disposición parcial y dentro del tiempo limitado disponible. Hasta el momento en el que se va a expirar la presentación de una propuesta, el postor evaluará los préstamos suscritos en ese momento, y después intentará extrapolar un valor a los préstamos que no hayan sido analizados por los suscriptores. Como resultado de este proceso, un postor puede estimar demasiado bajo, de manera significativa, una disposición parcial y presentar una propuesta de que no es competitiva o una propuesta mayor que el valor suscrito y asumir un riesgo no cuantificado. Claro que, ya que el objeto es ganar cada disposición parcial a un precio que permita que un postor gane una devolución perdiendo una disposición parcial debido a una valoración estimada muy por debajo de la disposición parcial, representa una oportunidad perdida. Podría ser deseable proporcionar un sistema que facilite la valoración exacta de un gran número de instrumentos financieros en un corto período de tiempo y entender las probabilidades asociadas de la devolución de una propuesta dada. Tradicionalmente, las propuestas y ofertas a nivel de cartera se fijan como la suma agregada de los valores de punto estimado asociados con cada activo dentro de la cartera. En industrias tales como inversiones y seguros, se han utilizado variaciones para seleccionar composiciones de riesgo/devolución para satisfacer los apetitos de compradores y vendedores. Además podría ser deseable determinar un precio de propuesta para cada disposición parcial para determinar un precio de propuesta para cada disposición parcial de una cartera de instrumentos financieros que satisfaga requerimientos de probabilidad de valor de devolución y valor presente.

COMPENDIO DE LA INVENCIÓN En una modalidad ilustrativa, se proporciona un aspecto iterativo y adaptativo, en donde una cartera se divide en tres valoraciones principales. La suscripción completa de un primer tipo de valoración de una cartera de activos se realiza con base en una muestra adversa. Un segundo tipo de valoración es eficientemente muestreado de categorías de atributos descriptivos comunes, y los activos en la muestra aleatoria selectiva son completamente suscritos. El tercer tipo de valoración es sometido a valoración estadísticamente inferida utilizando valores de suscripción y variaciones de las primera y segunda porciones y aplicando interferencia estadística para valorar individualmente cada activo en la tercera porción. Se utilizan el agrupamiento y reducción de datos para valorar la tercera porción. A medida que el proceso continúa y más activos son suscritos, el número de activos en las primera y segunda porciones se incrementa y el número de activos en la porción se reduce y la variación de la valoración de los activos en la tercera porción se hace más y más definida. Más específicamente, los activos en la tercera porción son evaluados agrupando los activos en grupos o racimos basados en la similitud a valoraciones de activos en las primera y segunda porciones. Se generan propuestas hipotéticas utilizando las valoraciones para determinar una propuesta óptima dentro de parámetros determinados por el postor. La propuesta óptima es identificada a través de un proceso de generación de propuesta iterativa. Por ejemplo, un método para determinar un precio de propuesta para por lo menos una disposición parcial de una cartera de instrumentos financieros que satisfaga la tasación interna de requerimientos de probabilidad de devolución (IRR) y de valor neto presente (NPV) incluye los pasos de dividir la cartera en sub-carteras o disposiciones parciales que se pueden vender en forma separada, dando a cada disposición parcial un precio de propuesta de prueba, combinar las disposiciones parciales con datos históricos de funcionamiento de activos de una parte que comprar y otra que vende y realizar un análisis de NPV e IRR en las disposiciones parciales. 5 ilustra una distribución de probabilidad para activos ilustrativos, cuyo valor de recuperación es inferido; La Figura 6 es un diagrama de flujo de un paso de aprendizaje supervisado del proceso de la Figura 3; La Figura 7 es un diagrama de flujo de un paso de aprendizaje no supervisado del proceso de la Figura 3; La Figura 8 es una modalidad del proceso para el aprendizaje no supervisado; La Figura 9 es una modalidad del proceso de valoración de activos rápido de generación 1 (primer paso); La Figura 10 es un diagrama de flujo de un método de agrupación distorsionado utilizado en el aprendizaje no supervisado de la Figura 8; La Figura 11 es un par de tablas mostrando un Ejemplo de selección de modelo y carga de modelo para un proceso rápido de evaluación de activos; La Figura 12 es un cuado que muestra atributos ilustrativos para un rápido proceso de valoración de activos; La Figura 13 es un diagrama de agrupación de un método de agrupación ilustrativo para un rápido proceso de valoración de activos; y La Figura 14 es una red de computadora esquemática.

DESCRIPCIÓN DETALLADA DE LA INVENCIÓN La Figura 1 es un diagrama 10 que ¡lustra un proceso conocido para valorar una cartera grande activos 12 a través de un ciclo de suscripción y a través de hacer una propuesta para comprar una cartera de activos 12, por ejemplo, en una subasta. La Fígura 1 es un resumen de alto nivel de un proceso típico de suscripción y extrapolación 10, el cual no es iterativo y no es automático. En el diagrama 10, los suscriptores suscriben 14 un número de préstamos individuales de la cartera 12 para generar una primera porción suscrita 16 y una porción restante no tocada 18. Antes de cualquiera de que estos activos sean suscritos, la primera porción 16 tiene un porcentaje de cero y la porción restante 18 tiene un porcentaje del 100% de la cartera 12. A medida que el proceso de suscripción prosigue, la primera porción 16 se incrementa y la porción restante 18 se reduce. El objetivo es suscribir tantos activos como sea posible antes de que una propuesta sea presentada para la compra de la cartera de activos. El grupo de suscriptores continúa suscribiendo individualmente 14 justo antes de que se deba presentar una propuesta. Se hace una extrapolación bruta 20 para evaluar la porción restante 18. El valor extrapolado 20 se convierte en el valor inferido no suscrito 24. La extrapolación gruesa genera una valoración 24 para la porción restante 18. La valoración 22 simplemente es el total de los valores de activos individuales en la primera porción 16. Sin embargo, la valoración 24 es una valoración de grupo generada por extrapolación y puede, por consiguiente, ser descontinuada. Las valoraciones 22 y 24 después son totalizadas para producir el valor de activo de cartera 26. Los procesos de valoración se realizan en cada disposición parcial de la cartera. La Figura 2 es un diagrama que ilustra una modalidad de un sistema 28 para la rápida valoración de activos. Incluidas en la Figura 2 se encuentran representaciones de pasos del proceso tomados por el sistema 28 para valorar la cartera de activos 12. El sistema 28 individualmente evalúa ("toca") cada activo, excepto para una cantidad 30 muy pequeña de activos no tocados considerados estadísticamente insignificantes o financieramente inmateriales. Específicamente, todos los bienes en la cartera 12 a diferencia de la cantidad 30 sufren una valoración iterativa y adaptativa 32, en donde los activos en la cartera 12 son individualmente valorados, listados en forma individual en tablas y después seleccionados de las tablas y agrupados en cualquiera de los grupos o disposiciones parciales deseadas o requeridas para propósitos de propuesta (como se describe más adelante). Como en el diagrama 10, los suscriptores comienzan una suscripción completa 14 de activos individuales en la cartera 12 para producir una primera porción 16 de activos totalmente suscrita. Los suscriptores también suscriben, 34, una muestra de activos en una segunda porción 36 de la cartera 12, y una computadora 38 estadísticamente infiere, 40, el valor para una tercera porción 42 de la cartera 12. La computadora 38 también genera en forma repetida, 44, tablas (mostrados más adelante), que muestran valores asignados a los activos en las porciones 16, 36 y 42, como se describe más adelante. En una modalidad, la computadora 38 está configurada como una computadora independiente. En otra modalidad, la computadora 38 está configurada como un servidor conectado por lo menos a un sistema de cliente a través de una red (mostrado y descrito en la Figura 14). tal como una red de área ancha (WAN) o una red de área local (LAN). Por ejemplo, siguiendo con referencia a la Figura 2, una porción 46 no muestreada y no suscrita de una tercera porción 42 de la cartera 12 es sometida a un procedimiento de interferencia estadístico 40 utilizando agrupación de medios C distorsionados ("FCM") y una marcación mixta alta/esperada/baja/control de tiempos/riesgo ("HELTR") para generar dos categorías 48 y 50. La HELTR es definida como H-flujo de efectivo alto, E-flujo de efectivo esperado, L-f lujo de efectivo bajo, T-cronómetro de flujo de efectivo (por ejemplo en meses: 0-6, 7-18, 19-36, 37-60), y R-determinación de riesgo del prestatario (9-caja utilizada por analistas de crédito). La categoría 48 se considera que tiene suficiente comunalidad para la evaluación como un todo. La categoría 50 además está dividida en grupos 52 y 54 que, a su vez, están además subdivididos. El grupo 52 está dividido en dos subgrupos 56 y 58, mientras que el grupo 54 está subdívidído en los subgrupos 60, 62 y 64. el grupo y subgrupos se muestran tanto en un diagrama de "árbol" 66 como en cajas en bloque de valoración 68. Estos valores de activos individuales después son reagrupados en disposiciones parciales 70, 72 y 74 para propósitos de propuesta. Cualquier número de disposiciones parciales puede ser ensamblado en cualquier disposición fijada por el vendedor. Datos de activos individuales (no mostrados) para cada activo I en la cartera 12 son introducidos en una base de datos 76 a partir de la cual se recuperan datos seleccionados 78 con base en un criterio I dado 80 para el proceso iterativo y adaptativo 32. Cuando los criterios 80 son establecidos para valoración de cualquier activo, esos criterios establecidos 80 son almacenados en la base de datos 76 para utilizarse en la valoración de otros datos de activos en la base de datos 76, la tcual comparte dichos criterios establecidos. El proceso de valoración iterativo y adaptativo 32 de esta manera desarrolla, 82, valoraciones (descrito más adelante) y las agrupa, 84, para utilizarse en la propuesta. Las Figuras 3 y 4 juntas forman un diagrama de flujo 85 ilustrando un resume m funcional de una modalidad del sistema 28 (mostrado en la Fig ra 2) para la evaluación de una cartera de activos grandes 12. Los procedimientos de valoración 14, 34 y 40 (también ver Fígura 2) son simultánea y secuencialmente utilizados en el sistema 28 en la forma descrita más adelante. Como se describe anteriormente, la suscripción total 14 es un primer tipo de procedimiento de valoración. La agrupación y muestreo de la suscripción 34 con ¡la suscripción total de las muestras es un segundo tipo de procedimiento de valoración. La interferencia estadística 40 es un tercer tipo de valoración, el cual es una agrupación automática y valoración automática. Los procedimientos 14, 34 y 40 se basan en criterios de objeto establecidos como se describe más adelante. "Suscripción", como se utiliza en la presente, representa un proceso en donde una persona ("suscriptor") revisa un activo de acuerdo con los principios establecidos y determina un precio de compra real para comprar el activo. Durante la suscripción, el suscriptor utiliza criterios preexistentes o establecidos, 80, para las valoraciones. "Criterio" significa reglas importantes para determinar el valor y una clasificación con base en tales categorías. Por ejemplo, como un criterio, un suscriptor puede determinar tres años de historio de flujo de efectivo del prestatario como una categoría de información importante para la valoración de activos y puede dar cierta clasificación a varios niveles de flujo de efectivo. La suscripción total 14 se realiza en dos formas, una forma con base en efectivo total 86 y una forma de base en efectivo parcial 88. Tanto la forma de base de efectivo total 86 como la forma de base de efectivo parcial 88 empieza con fijaciones 90 y 92 de activos que son total e individualmente revisados 14 (ver Figura 2). Dicha revisión total 14 usualmente se debe al dólar mayor, u otra moneda apropiada, que representa los activos que están siendo revisados con relación a otros activos en la cartera o debido a aquel prestatario sabe o confía de que los activos pueden ser rápida y confiablemente suscritos de manera completa o los activos son vendidos al mercado de manera que existe muy poca variedad asociada con el valor de dichos activos. La fijación 90 del activo es evaluada por los suscriptores 94 y cada activo en la fijación 90 recibe una valoración con una variación muy pequeña tal como un activo regresado al efectivo o una mercancía que se puede comercializar con un valor efectivo total y se coloca en una tabla de valor total 96. Los valores individuales seleccionados para activos en la Tabla 96 son almacenados como un valor de grupo totalmente suscrito 98. La fijación 92 es evaluada a través de un grupo de suscriptores 100, los cuales pueden ser iguales al grupo 94, pero cada activo recibe un valor discontinuado o parcial y es colocado en una tabla de valor parcial 102. Los valores individuales seleccionados para los activos en una disposición parcial en la Tabla 102 son almacenados como un valor de grupo totalmente suscrito de valor parcial 104. Los criterios 80 (mostrado en la Figura 2) para la forma de base de efectivo total 86 y la forma de base de efectivo parcial 88 son almacenados en la base de datos 76 (mostrado en la Figura 2) en una memoria de almacenamiento digital (no mostrado) de la computadora 38 (mostrado en la Figura 2) para utilizarse en el aprendizaje supervisado 206 y aprendizaje no supervisado 208 de la valoración automática 40. La suscripción de muestreo 34 se logra utilizando dos procedimientos, un procedimiento de muestreo total 106 y un procedimiento de muestreo parcial 108. El muestreo total 106 se utiliza para categorías de activos grandes e incluye un muestreo del 100%, 110 de los grupos de muestra en las categorías de los activos que están siendo muestreados. Los activos en el muestreo total 106 no son individualmente suscritos, sino que más bien son suscritos en grupos de muestreo total 112 con base en una mercancía determinada. Una valoración de grupo de muestreo total resultante (no mostrada) es creada, y después desagregada con base en una regla 114 para generar una tabla de valor de activos de muestra total individual 116. Los valores de activo de muestra total individuales en la Tabla 116 después son cargados electrónicamente a una valoración de grupo de muestreo total 118 requerida para la propuesta según sugerido por la agrupación de activos en una disposición parcial. El número de activos en una agrupación de muestra de suscripción puede ser tan pequeño como de uno a cualquier número de activos. El muestreo parcial 108 es para categorías medias de activos e incluye formar un grupo de muestra como racimo 120 por un muestreo del 100% de un grupo representativo dentro de un racimo de los grupos que están siendo muestreados y muestreo aleatorio de los otros grupos en el racimo. En el muestreo parcial 108, todos los grupos son muestreados, pero algunos son parcialmente valorados a través de extrapolación a partir del grupo de muestra de racimo 120. El muestreo parcial 108 incluye una re-suscripción de nivel de activo 122 con una entrada de datos manual 125 para producir una tabla de analista de crédito alfa 126, al cual se le da un ajuste de clase de activo 128 para producir una tabla de analista de crédito ajustado 130 Como se describió anteriormente, los activos individuales son seleccionados de la tabla de analista de crédito ajustado 130 de acuerdo con la agrupación de la disposición parcial para producir un valor de crédito de muestreo parcial 132 para utilizarse en la propuesta en la disposición parcial 70 (como se muestra en la Figura 2) El procedimiento de valoración automático 40 utiliza el proceso de aprendizaje supervisado 206, un proceso de aprendizaje no supervisado 208 y una carga de un algoritmo de inferencia estadística 134 para generar una tabla de grupos de suscripción 136 el cual es almacenado en un dispositivo de almacenamiento digital En el proceso de aprendizaje supervisado 106, un suscpptor experimentado quien conoce que preguntas hacer para establecer un valor, ayuda a la computadora a determinar si un activo es o no una buena inversión y como valorar el activo En el proceso de aprendizaje no supervisado 208, la computadora segmenta y clasifica los activos y objetivamente los auto-evalúa con base en la realimentación a partir de los datos Un suscpptor periódicamente revisa el proceso de aprendizaje no supervisado 208 para determinar si la computadora está haciendo conclusiones de suscripción sensibles La computadora utiliza algoritmos estadísticos 134 para hacer sus inferencias Por ejemplo, pero no en forma de limitación, una modalidad utiliza el paradigma de calidad de Diseño para Six Sigma ("DFSS") desarrollado y utilizado por General Electric Company y aplicado en un proceso de valoración de activo de diligencia de vida ("DD") utilizando un modo de desarrollo de producto de generaciones múltiples ("MGPD") para valorar los datos de activos con una gran exactitud. Los procesos de aprendizaje 206 y 208 incorporan el conocimiento acumulado a medida que la valoración progresa hacia la recuperación de flujo de efectivo y probabilidad de cálculos de recuperación en una base en tiempo real. El proceso de aprendizaje supervisado 206 utiliza reglas de negocio para identificar grupos o racimos de activos teniendo aspectos comunes para propósitos de valoración. El proceso de aprendizaje no supervisado 208 utiliza realimentación de las valoraciones de datos anteriores realizadas por el procedimiento 40 para determinar si el progreso se está haciendo con respecto al incremento de confidencia de valoración. La identificación de todos los datos de partida disponibles y descubrimiento de interrelaciones de racimos de estos datos de partida disponibles es posible debido al uso de computadoras de alta velocidad, como se describe más adelante. En una modalidad ilustrativa, un proceso de medios de racimo o agrupación distorsionada ("FCM") de organización no supervisada de datos de partida utilizando una técnica de marcación HELTR se emplea para inferir valoraciones de marcas de crédito en activos en portafolios, como se describe más adelante. Dichas técnicas de agrupación han sido desarrolladas en respuesta a segmentos de clasificación más sofisticados para describir activos y cuentas de altos activos en portafolios que deben ser analizados en períodos de tiempo que no permiten procesamiento manual.

Un método ilustrativo primero organiza las clasificaciones de valoración (recuperaciones estadísticas y/o probalísticas) en un sistema computarizado. Después, se hacen ajustes a las marcas de valoración para factores especiales y decisiones de negocio. Después, se realiza una reconciliación de múltiples clasificaciones de valoración describiendo el mismo activo y un ajuste total para entrevistar/anular la valoración inferida. La organización de clasificaciones de valoración se realiza comparando, en forma electrónica, un número de grupo o racimo, o nombre de grupo o racimo, atributos descriptivos de los racimos, valores de recuperación probabilísticos, (un ejemplo ilustrativo es una clasificación HELTR) y la confidencia del suscriptor en cada valoración de racimo con base en las resistencias de cada uno de los atributos descriptivos del racimo. El número de racimo o grupo es un identificador único de un grupo específico de atributos descriptivos que son realidades con respecto a un activo que un experto en evaluaciones utiliza para determinar el valor de un activo. Ejemplos de atributos descriptivos incluyen, pero no se limitan a estado de pago, tipo de activo, crédito del prestatario merecidamente expresado como una clasificación, ubicación y prioridad de una demanda, el nombre de grupo o racimo es, en una modalidad, un nombre alfa numérico que describe los atributos o fuentes descriptivas del racimo. Un ejemplo de atributos descriptivos se encuentra en la Figura 12, descrita más adelante. Los atributos descriptivos son los hechos o dimensiones o vectores que fueron utilizados para desarrollar el valor de activo. Se utilizó lógica de computadora para verificar grupos o racimos replicados, si hay alguno, y alertar a los analistas o suscríptores. Ya que cada activo puede ser descrito a través de muchas combinaciones de atributos descriptivos, pueden ocurrir varios niveles de valor para el mismo activo. Los valores de recuperación probabilístícos o clasificaciones de crédito o cualquier indicación numérica del valor del activo son indicadores del valor designado a nivel de activo discreto. Toda la información de los valores atributos descriptivos es sintetizada de manera que un precio de compra o venta puede ser determinado como un valor fijo o uno probabilístico. Una modalidad ilustrativa utilizada en la presente es la clasificación de HELTR. Cada grupo o racimo tiene un grupo único de atributos descriptivos y clasificación de HELTR designada. Cada uno de los atributos únicos del racimo contribuye a una valoración del valor del racimo. Diferentes combinaciones de atributos proporcionan una confidencia o intervalo de confidencia superior de una clasificación de racimo particular. Por ejemplo, si cualquier activo fue descrito como una pieza de papel verde con una altura igual a 6.35 cm y una anchura igual a 12.7 cm, uno puede atribuir un valor de 0 a 1000 dólares y colocar una confidencia muy pequeña en esta determinación. Si este mismo activo fue descrito con más de un hecho o atributo o vector siendo de una propuesta real de $20 US, se podría colocar un factor de confidencia muy alto en este valor de grupo o racimo de 20 dólares de E. U. A.

Una valoración y confidencia del racimo se determina en un punto en el tiempo y se registra. Algunas veces, nueva información se hace disponible y el analista podría alterar el valor(es) El valor es alterado manual o automáticamente con un campo de datos y reglas de decisión, en la forma automática a través de un código de computadora. Los valores anteriores son manipulados para reflejar nueva información Como un ejemplo ilustrativo, asumir que la confidencia de racimo o grupo anterior se registro en 0.1 y se aprendió que un activo diferente con atributos descriptivos exacto como en este grupo sólo puede venderse en el valor pronosticado "más probable". Las reglas en efecto fueron tales que si este evento ocurre, la confidencia del racimo es multiplicada por 10. 0.1x10 = 1, lo cual es la confidencia de racimo o grupo revisada. El propósito de dicho proceso es reconciliar múltiples clasificaciones para el mismo activo, controlando la confidencia asociada con cada fuente de valoración de cada dimensión de valoración. La utilización de HELTR como un ejemplo ilustrativo con datos de muestra señala un activo particular: 1 La valoración de consenso del grupo es un alto valor de .6999, muy probablemente .4792, el bajo es .2374 con un tiempo de 2.6059. Se puede aplicar una lógica diferente para manipular cualquiera de las cargas. Las clasificaciones de consenso son desarrolladas en el contexto de suposiciones globales. Si ocurre un cambio de suposición global, los pasos de proceso 128, 138 son incluidos en la metodología para cargar la clasificación de consenso. Los ejemplos ilustrativos son descubrimiento de fraude en ciertos factores de valoración, cambios macroeconómícos, valor de mercado fungible establecido por una clase de activo, y pérdida de o incremento de metodologías de valoración de activo inferidas con relación a otras metodologías que se estén empleando. En otra modalidad, se utiliza una herramienta de correlación cruzada para entender y describir rápidamente la composición de una cartera. Típicamente la herramienta es utilizada para correlacionar una respuesta de una variable seleccionada por el usuario contra otras variables en una cartera de activos. La herramienta rápidamente identifica en forma inesperada una correlación alta o baja entre dos variables de atributo y la variable de respuesta. Las variables de atributo son de dos tipos, continua y categórica. Las correlaciones cruzadas son calculadas a través de la herramienta de correlación entre todas las variables de interés y su propuesta o nivel y se presentan, en una modalidad, en una matriz bidimensional para la fácil identificación de tendencias entre los activos en las carteras Primero, la herramienta de correlación cruzada identifica las variables de atributo en la cartera de activos como un tipo continuo o categórico. Para cada agregación de variable, se calculan niveles a través de propuestas para variables continuas y a través de valores para variables categóricas. Un usuario que busca identificar correlaciones con la herramienta seleccionará una variable de respuesta, Yr, por ejemplo, una recuperación o cuenta esperada. Para todas las combinaciones de pares de variables de atributo (x1 y x2) y sus niveles (a y b), calcular el valor promedio de la variable de respuesta, Yr, de acuerdo con: Yr=suma(Y(x1 =a y x2 = b)) / cuenta(x1=a y x2 = b) Un valor esperado, YeSperado, de la variable de respuesta se calcula de acuerdo con: YesPerado = (suma(Y(x1 =a))*cuenta(x1 =a) + suma(Y(x2 = b))*cuenta (x2 = b))) / (cuenta(x1=a)*cuenta(x2 = )). Una desviación, Yerror. de la variable de respuesta seleccionada, Yr, del valor esperado, YeSperado- utilizando valores cargados de ocurrencia de x1=a y x2 = b, en forma separada, se calcula a través de: ' error— ' r- ' esperado- En una modalidad, los valores y desviaciones esperadas son desplegadas en presentaciones multidimensionales para facilitar la identificación de variaciones a partir de valores esperados.

En otra modalidad ilustrativa, se utiliza un proceso de función de transferencia que convierte datos de partida al precio de propuesta final, como se describe más adelante. La Tabla 136 es electrónicamente ajustado utilizando coeficiente modificados desarrollados en los procedimientos 14, 34 y 40 para dar un ajuste de coeficiente aun clasificación de crédito 138 para el activo y para generar una tabla analista de crédito ajustado 140 de valores de crédito de activo individuales inferidos. Los valores de activo individuales se toman de la Tabla 140 según sea requerido por la agrupación de disposición parcial para generar una valoración de crédito inferido 142. Finalmente, se hace una extrapolación en la parte restante insignificante 30 de activos "no tocados" para generar una tabla de activos no tocados 144 los valores de la Tabla 144 son seleccionados para generar una valoración de activo no tocado. La valoración de efectivo total 98, la valoración de efectivo parcial 104, la valoración de crédito de muestreo total 118, los valores de crédito parcial 132, el valor de crédito inferido 142 y cualquier valor asignado de la tabla de activo no tocado 144 son acumulados y mutuamente son exclusivos con la prioridad que es la valoración de efectivo total 98 al valor de crédito inferido 142, consecutivamente. Una suma de las valoraciones representa el valor de la cartera. La Figura 4 es un diagrama de flujo de una etapa de preparación de propuesta 168 realizada a través del sistema 28 (mostrado en la Figura 2). Las valoraciones acumuladas 98, 104, 118, 132, 142 y 144 se combinan en un paso de valoración de nivel de préstamo de preferencia de riesgo 146. Se produce un puente de flujo efectivo de determinación 148 utilizando una tabla de tiempo de flujo efectivo 150 para desarrollar un puente de flujo de efectivo estocástico 152. Se crea un puente de flujo de efectivo estocástico o probabilístico 152 y se utiliza para determinar un precio de propuesta de disposición parcial propuesto 154 al cual se le aplica un modelo de disposición parcial 156 iterativamente hasta que se alcanza cierto umbral 158. el umbral 158, por ejemplo, es una tasa interna de devolución ("IRR") mayor que algún valor, cierto tiempo de beneficio ("TIP"), y un valor presente neto positivo ("NPV"). En general, el valor NPV se define como: NPV = Co + _CL. (Ecuación A) 1+r en donde C0 es la inversión en el tiempo 0, Ci es el pago esperado en el momento 1 , y r es un factor de descuento. La idea básica es que un dólar en ia actualidad vale más que un dólar del mañana. En el caso de políticas de seguros, el valor NPV se define como: NPV = Co + _C_!_ (Ecuación A) 1 x r en donde C0 es la inversión en el tiempo 0, C^ es el pago esperado en el momento 1 , y r es un factor de descuento. La ¡dea básica es que un dólar en la actualidad vale más que un dólar del mañana. En el caso de políticas de seguros, el valor NPV se define como: NPV = SP SE - (?C)xA (Ecuación B) t w En donde P es la premisa, E es el costo nominal esperado, y C es el costo de reclamación. En esencia, la Ecuación B es como se genera el ingreso neto como la diferencia de beneficio y riesgo cargado, esperado. Observar que la suma está sumando a través de todas las políticas en un segmento específico. Observar también que la premisa, costo nominal y costo de reclamación han sido descontados antes de entrar a la ecuación. Como resultado, se genera una clasificación provechosa. Si las condiciones de umbral 160 se satisfacen, la propuesta 154 es sometida a un análisis de abertura de propuesta simulado 161, para pronosticar sí la propuesta puede ser esperada como una propuesta ganadora. Un resultado de una subasta de propuesta sellada depende del tamaño de las propuestas recibidas de cada postor. La ejecución de la subasta involucra abrir todas las propuestas y vender los artículos para subasta al postor más alto. En subastas de propuesta sellada tradicionales, los postores no pueden cambiar sus propuestas una vez que esta es presentada y los postores no conocen las propuestas colocadas por otros postores hasta que las propuestas son abiertas, haciendo que el resultado de la subasta sea incierto. Al colocar propuestas más altas, una probabilidad de que la subasta sea ganada es mayor, pero la ganancia de valor es menor sí es posible haber ganado la subasta a un precio más bajo. Suponer que la propuesta competitiva incrementa la probabilidad de capturar la parte superior más alta de provecho fijando una escala de precios de propuesta/venta que tienden a sacar cualquier fondo de competencia del postor antes de cualquier fondo propio, de manera que la mayoría de los activos deseables trabajan con la concentración más alta de capital. Se colocan en un punto importante las decisiones precio a través de un proceso analíticamente robusto, ya que el juicio de negocios de anécdota pura puede ser aumentado a través de un aspecto accionado por datos no sometido a una agenda oculta, personalidad o conocimiento unilateral. Cada postor potencial tiene una escala de posibles propuestas que pueden ser presentadas en una subasta de propuesta sellada. La escala de propuestas puede ser expresada como una distribución estadística. El muestreo estocástico de una distribución de valores de propuesta, hace posible que se simule un escenario de subasta. Además, al utilizar una técnica de muestreo iterativa, por ejemplo, un análisis en Monte Cario, muchos escenarios son simulados para producir una distribución de resultados. La distribución de resultados incluye una probabilidad de ganar el artículo en subasta y la ganancia del valor. Al variar el valor de la propia propuesta, se puede determinar una probabilidad de ganar la subasta contra el precio de la propia propuesta. Los siguientes elementos de núcleos son utilizados para simular una producción de propuesta competitiva, codificación de reglas de mercado y contratos en reglas de negocios computarizados, codificación de fuerzas potenciales de competencia/mercado, ingresos planeados y prioridades en una matriz de preferencia, capacidad de su propia propuesta, preferencias, transacciones de riesgo/devolución de acuerdo con lo codificado en una matriz de preferencia, y una optimización estocástica computarizada. El análisis 160 simula un ambiente competitivo con otras compañías teniendo propuestas con varias capacidades financieras contra las propuestas calculadas por el sistema 28. En una modalidad, el análisis 160, por ejemplo y sin limitación, incluye un límite total de propuesta tal como podría ser el caso en donde el valor total de los activos excede las capacidades financieras de la entidad que utiliza el sistema 28. En una modalidad, el análisis 160 puede determinar los beneficios, en el caso de recursos limitados para propuesta, de propuestas en varias combinaciones de disposiciones parciales. El análisis 160 también toma en cuenta la historia pasada en las propuestas contra competidores e información conocidas en los varios tipos de activos preferidos compitiendo con los postores. En el análisis 160, la propuesta de disposición parcial después es evaluada y fijada por la administración 162 y se hace una propuesta de disposición parcial final 164. Todas las valoraciones antes de hacer la propuesta 164 pueden ser repetidas según sea deseado. Además, ya que el proceso es auto-ajustable e iterativo, el precio de la propuesta de disposición parcial 164 tiende a elevarse con cada iteración como un valor encontrado por las iteraciones realizadas por el sistema 28. El proceso descrito por el diagrama de flujo 85 incluye una etapa de evaluación 166 (mostrada en la Figura 3) y una etapa de preparación de propuesta 168 (mostrada en la Figura 4). La etapa de evaluación 166 incluye los procedimientos 14, 34 y 40. La etapa de evaluación 166 corre constantemente hasta que se detiene, con el procedimiento de valoración automático 40 y procedimientos de muestreo 34 intentando encontrar un valor extra en los varios activos o categorías de activos. Haciendo referencia una vez más a la Figura 2, y de acuerdo con una rápida valoración de activos, se identifican categorías de datos 170, 172 y 174 dentro de los activos de la cartera 12, en cada activo y se almacenan en una base de datos 76. El proceso de valoración iterativo y adaptativo 32 toma porciones de datos seleccionados 78 y aplica los criterios 80 a las porciones de los datos seleccionados 78 en una forma estadística para incrementar el valor de activo conocido en lugar del valor de activo que es una extrapolación bruta 20. De acuerdo con el método 28, los activos son divididos por lo menos en una primera porción 16, segunda porción 36 y tercera porción o resto 42. Al utilizar el procedimiento 14, los activos en la porción 16 son completamente suscritos para determinar la valoración 98 y valor parcial de la valoración totalmente suscrita 104 y establecer criterios 80 para cada valoración Al utilizar el procedimiento 34, el proceso 28 muestrea una cantidad de activos de la segunda porción 36 representativa de grupos en la segunda porción 36 para determinar la valoración de grupo de muestreo completa 118 y valores de crédito de muestreo parciales 132 para la segunda porción 36 y establecer criterios adicionales 80 para dicha valoración Al utilizar el procedimiento 40, se realiza el proceso de aprendizaje parcialmente supervisado 206 y el proceso se aprendizaje parcialmente no supervisado 208, a través de un analizador automático tal como la computadora 38 de la Figura 2. Con el fin de aprender, el analizador automático extrae criterios establecidos 80 y datos seleccionados 78 como la tercera porción o resto 42 y divide la tercera porción 42 en porciones 46, y después vuelve a dividir cada porción 46 en categorías 48 y 50, y la categoría 50 en grupos o racimos 52, 54, y los grupos o racimos 52, 54 en subgrupos o subracimos 56, 58, 60, 62 y 64 utilizando los criterios 80 importados de la base de datos 76 y cada uno de los procesos 206 y 208 Se establecen valoraciones de activos individuales para los activos en los subgrupos o subracimos 56, 58, 60, 62 y 64 a través de inferencia estadística Las valoraciones de activos individuales se listan en tablas de grupos 136 (ver Figura 3) y después del ajuste 138, se listan en una tabla de analista de crédito 140 Los criterios establecidos 80 son objetivos, ya que los criterios 80 vienen de la base de datos 76, en donde han sido colocados durante el procedimiento de suscripción completo 14 y procedimiento de suscripción de muestra 34. En otras palabras, la información obtenida en la tabla de valor completo 96, tabla de valor parcial 102, tabla 116 y tabla de analista de crédito alfa 126, tabla de analista de crédito ajustado 130, tabla de analista de crédito ajustado 140 y tabla de activos no tocados 144 para todos los activos, se coloca en la base de datos 76 en un dispositivo de almacenamiento digital, tal como el almacenamiento de disco duro 178 de la computadora 38, y se hacen correlaciones a través del procedimiento 40 con criterios 80 de los procedimientos 14 y 34. Durante el procedimiento 40, los criterios 80, los cuales son de importancia estadística con un grado aceptable de confiabilidad, son introducidos. Es decir, el procedimiento 40 iterativamente aprende sus valores y establece los criterios 80. El proceso de aprendizaje supervisado 206 y el proceso de aprendizaje no supervisado 208 incrementan la exactitud de la valoración estadísticamente inferida 142 correlacionándose con criterios establecidos 80 en la base de datos 76 en los activos en la primera porción totalmente suscrita 16 y activos en la segunda porción suscrita de muestra 36. Los datos seleccionados 78 con relación a uno o más activos en la tercera porción 42 similares a los datos seleccionados 78 en los activos en la porciones 16 y/o 36 son ubicados en la base de datos 76 y después a través de inferencia estadística, se determina un valor para cada activo en la tercera porción 42 de la información localizada. Durante el proceso descrito en el diagrama de flujo 85, se valoran los activos a un nivel de activo individual, y los valores de activos individuales son tabulados o agrupados en una o más combinaciones. Para tener una máxima flexibilidad de varios escenarios de propuestas, se valora cualquier subgrupo de cartera 12 y se fija un precio en forma separada en un marco de tiempo particular. En un proceso conocido 10, sí un vendedor de activos reagrupa los activos, por ejemplo de agrupaciones a través de la compañía de activos a agrupaciones a través de la agrupación geográfica de prestatarios, la evaluación de propuestas puede ser inadecuada ya que la extrapolación bruta 20 necesita ser realizada. Al utilizar el sistema 28, ya que los valores de activos individuales son desarrollados y listados en las tablas 96, 102, 116, 130, 140 y 144, estos valores puede ser electrónicamente reagrupados en diferentes valoraciones 98, 104, 118, 132, 142 cuyos criterios de selección de "cadena de alimentación" son mutuamente exclusivos y seleccionables por los analistas que conducen la evaluación y además se describe más adelante. Si el vendedor agrupa los activos, entonces la agrupación de acuerdo con los grupos de vendedores o disposiciones parciales se hace más fácil y una valoración apropiada 146 desarrollada por esa disposición parcial. Los valores de activos individuales de esta manera son fácilmente reagrupados para la tercera porción 42 para obtener objetivamente una valoración diferida 142 de aquel grupo o disposición parcial.

Se pueden emplear muchos métodos para establecer el valor de activo. Dependiendo de los objetivos de la valoración, los méritos relativos de diferentes metodologías de valoración establecen el deseo de las técnicas de valoración para un activo particular. Una metodología es similar a una "cadena alimenticia" la cual conserva métodos de desarrollo de suposición que selecciona aún los intervalos con los intervalos de confidencia más altos. En un ejemplo de introducción ilustrativo de una cadena alimenticia, se puede preferir evaluar un activo financiero más por lo que los activos similares comercian en el mercado abierto contra una opinión individual. En orden de rango, el valor de mercado a mercado es seleccionado sobre una opinión individual. De la misma manera, se pueden evaluar activos en una cartera con una recuperación de flujo de efectivo pronosticado a través de un número de técnicas de valoración. El objeto típico es establecer, con una probabilidad lo más alta posible, cual será el flujo de efectivo futuro. Las metodologías de valoración son clasificadas en orden de capacidad para cuantificar con exactitud el flujo en efectivo, o equivalente en efectivo, pronosticado con las últimas variaciones hacia abajo y/o variaciones hacia arriba máximas. El activo es valorado a través de todos los métodos disponibles que tienen mérito, o pueden tener reglas de lógica de negocios para eliminar el trabajo duplicado cuando se sabe que métodos más exactos evitarán la necesidad de determinar una valoración de activo una vez que se haya empleado el mejor modo.

Con el fin de proporcionar el mejor pronóstico del valor de activo, los activos son evaluados a través de cada método dentro de una cadena alimenticia hasta el momento en que son evaluados por el mejor método disponible para cada activo particular. Una vez que se encuentra el mejor valor, el activo se dice que tiene su valor, sin considerar otros valores más bajos (con más variación, en la cadena alimenticia y es enviado al estado completado. Como un ejemplo, una cartera de activos es evaluada utilizando una cadena alimenticia. El primer método de valoración en la cadena alimenticia es aquel que en su mayoría coincide estrechamente con los objetivos de valoración, principalmente encontrar el valor con el grado más alto de exactitud (intervalo de confidencia más hermético). En el momento en que el activo es valorado por una metodología para la cual se estableció un valor para ese único activo, éste es enviado a la tabla de valoración y removido de cualquiera de los pasos ulteriores en la cadena alimenticia. Una lista de activos de la cartera original que no coinciden con ningún método de valoración se mantiene en la tabla de activos no tocados. El objeto es dirigir esta tabla no tocada a activos en cero. Un ejemplo de una cadena alimenticia es como sigue, en orden de preferencia, (a) 100% de efectivo a la mano para el activo, (b) efectivo parcial a la mano para el activo, (c) valor de mercado líquido para un activo similar, (d) suscripción directa, y (e) suscripción inferida. El aspecto de cadena alimenticia proporciona una capacidad para encontrar la mejor forma de distribución de probabilidad, reduce la variación de distribución probabilidad (especialmente en apéndices hacia abajo), proporciona capacidad para establecer distribuciones de probabilidad rápidamente, mientras se conserva todo el conocimiento disponible en las constituciones y proporciona la habilidad de proveer el mejor punto de valor en cualquier momento en el proceso de descubrimiento. Como se muestra en la Figura 4, el marco general de la etapa de preparación de propuesta 168 es fijar un precio o valor a la propuesta 164 similar a los paradigmas de valoración de opción, en donde el inversionista que gana tendrá el derecho, pero no la obligación, de recuperar la inversión. Los valores son desegregados en tres partes para cada disposición parcial, un valor de tiempo de componente monetario, un componente de valor inherente y un componente de flujo efectivo probable. El valor monetario en tiempo y el valor inherente son calculados en forma determinante y tienen poca variación una vez establecidos. El valor monetario en tiempo es calculado tomando un costo de firma de capital para una inversión de bajo riesgo multiplicado por la inversión durante el período aplicable, que representa una oportunidad para inversión alternativa que es anterior, con el fin de hacer la inversión presente. El valor inherente es un valor de activo líquido conocido, el cual está en exceso del precio de compra y está disponible inmediatamente después de tomar control de los activos. Una modalidad es un valor de mercado bajo comprado de seguridad comercial como parte de una cartera. La variación de flujo en efectivo probable es una función de las suposiciones que un grupo de diligencia de vencido hace y el proceso que selecciona para convertir datos de partida en un flujo de recuperación de flujo en efectivo. Los sistemas aquí descritos están configurados para reducir las variaciones negativas y encontrar un valor. La Figura 5 es una gráfica de distribución de probabilidad triangular para la evaluación de activos de tres puntos mínima típica 180. De acuerdo con el proceso 40, se evalúa un mínimo de tres casos por instrumento financiero. Un eje vertical 182 denota la probabilidad en incremento y un eje horizontal 184 denota la porción en incremento de recuperación. Una liquidación o porcentaje de peor caso 186 de una línea de valor nominal 188, un porcentaje de mejor caso 190 del valor nominal 188, y un porcentaje de caso más probable y valor de recuperación 192 del valor nominal 188, son mostrados. La probabilidad de porcentaje de peor caso 186 es de cero, la probabilidad del escenario de mejora caso 190 es de cero y una probabilidad 194 del porcentaje más probable 192 de recuperación es un valor representado por el punto 196. El tamaño de un área 198 bajo una curva 200 definida por una línea que conecta los puntos 186, 196 y 190 es representativo del valor en el activo. El valor de activo notacional se mantiene en un área 202 de un rectángulo limitado por una línea de probabilidad del 100%, 204, de una recuperación del 100% del valor nominal 188 que es una medida de la porción del valor nominal 188 que puede ser atribuido al activo representado por la curva 200. Los puntos 186, 196 y 190 y las líneas 188 y 204, y de esta manera las pareas 198 y 202. variarán dependiendo de los datos seleccionados 78 elegidos para el activo en cuestión y los criterios 80 aplicados al activo y probabilidades distribuidas de la recuperación del valor de activo. El eje horizontal 184 puede ser expresado en unidades monetarias (por ejemplo, dólares) en lugar del porcentaje del valor nominal. Cuando se utilizan unidades monetarias, las áreas 198 bajo las curvas 200 para diferentes activos estarán en unidades monetarias y de esta manera las áreas 198 se relacionan entre sí en magnitud y por lo tanto en importancia para todas las propuestas 70, 72 y 74. Entre más se conozca con respecto al activo, se puede refinar la curva 200. Las estadísticas son aplicadas a la curva 200 a medida que los criterios 80 son establecidos para ayudar a establecer la localización de los puntos 186, 196 y 190 y, por lo tanto, el área 98 y de esta manera el valor esperado del activo. El control de tiempos de los flujos en efectivo, los cuales afectan el valor, puede basarse en resultados de histograma de los atributos del control de tiempo. Por ejemplo, el control de tiempos de la recuperación del flujo en efectivo puede ser dividido en tres propuestas de 0-6 meses, 7-12 meses, 13-18 meses, y así sucesivamente, el analizador automático 38 que utiliza el algoritmo 134 puede seleccionar la anchura de propuesta con base en un comercio de estudio de sensibilidad del control de tiempos para la valoración contra la recuperación de calibre y la tasa determinada posiblemente por un suscriptor. En una modalidad ilustrativa, se deben utilizar un mínimo de cuatro propuestas cuando el factor de descuento es mayor que 25%. Para un factor de descuento de entre 10 y 25, se deben utilizar un mínimo de 6 propuestas para cubrir los períodos probablemente de recuperación. De acuerdo con el procedimiento 40, se seleccionan otras fuentes de datos que un suscriptor puede ser capaz de utilizar para determinar el valor en un instrumento financiero. Los criterios 80, establecidos por los grupos de suscripción 94, 100 114, 122 y 140 en los procedimientos 14 y 34, son útiles en ese respecto. De acuerdo con el proceso descrito por el diagrama de flujo 85, los datos de partida son regresados a una recuperación y se selecciona una fijación de regla para aplicar una valoración a los datos de partida y esta fijación de regla es codificada en la base de datos de valoración en la forma de criterios 80. Cada vez que se toca un racimo o grupo mediante múltiples golpes durante una valoración en los procedimientos 14, 34 o 40, se desarrolla un pronóstico de consenso y se aplica al racimo o grupo. De acuerdo con el sistema 28, las distribuciones de probabilidad de los flujos en efectivo y el control de tiempo al nivel de disposición parcial se determinan desarrollando la función de transferencia de valoración 146 a nivel de activo, el cual tomará los datos de partida, racionalizará las suposiciones de que los datos serán generados y agregados a las valoraciones de los activos individuales en la disposición parcial. Ya que todas las disposiciones no son homogéneas, se proporciona un método para establecer la variabilidad de recuperaciones de flujo en efectivo. Los activos individuales son agrupados a través de exposición de grupo. Ya que muchos valores de cara posibles son tradicionalmente suscritos en el tiempo permitido, se reconoce que una muestra configurable permanece para la agrupación. Las reservas de agrupación se estiman utilizando un tamaño de muestra igual a 145 más 2.65% de la cuenta nominal y un análisis de regresión de variación. Esto produce tamaños de muestra de 30 para una cuenta nominal de 100 activos, 150 para una cuenta nominal de 100 activos, 400 para una cuenta nominal de 5,000 activos, 500 para una cuenta nominal de 10,000 activos y 600 para una cuenta nominal de 20,000 activos. Durante el procedimiento de inferencia estadístico 40, los activos que permanecen en la tercera porción 42 de la cartera 12 son agrupados a través de atributos o criterios de suscripción descriptivos 80 y se toman muestras aleatorias de cada grupo y la muestra suscrita. En una modalidad, el muestreo de un grupo en el procedimiento 40 es detenido cuando la variación media de nivel de activo cae por debajo de 10%. En otra modalidad, el muestreo es detenido cuando la variación media de nivel de disposición parcial cae por debajo de 15%. La variación media de cartera no se utiliza como un punto de detención si la unidad potencial de la venta es menor que toda la cartera. De acuerdo con el procedimiento 40, la valoración de recuperación del muestreo de grupo es inferida en la población de grupos o racimos correspondientes. Al utilizar el sistema 28, el objetivo es tocar cada valoración de activo inferido a través de tres o más grupos únicos. Durante el procedimiento 40, se carga una confidencia de suscripción del grupo y una oportunidad de atributo descriptivo. A manera de ejemplo, sin limitación, 0 = no confidencia que estos atributos descriptivos del racimo o grupo proporcionarán una valoración impresionante; 1 = confidencia completa que estos atributos descriptivos del racimo proporcionarán como una exactitud de una valoración a medida que individualmente es suscrito cada instrumento, y números entre 1 y 0 indican confidencia parcial en la valoración. La reconciliación de estos valores ocurre dentro de la tabla analista de crédito ajustado 130. En el procedimiento 40, el flujo de efectivo a nivel de activo después es ajustado a través de coeficientes macroeconómicos dentro de la tabla analista de crédito ajustado 140. Los coeficientes macroeconómicos están, en una modalidad, asociados con clases principales de activos tales, por ejemplo, sin limitación, préstamos hipotecarios residenciales o préstamos de equipo comercial. Los coeficientes pueden ser globalmente aplicables, tal como a manera de ejemplo, sin limitación, ambiente legal, producto doméstico bruto ("GDP"), pronóstico, ambiente de garantías, efíciencia de colecciones, códigos de grupos de prestatario, y similares. Un método para muestrear una cartera incluye buscar entre el activo clave, prestatario, y características colaterales, atributos que tienen una gran influencia/generan riesgo. La Tabla A, a continuación proporciona un ejemplo de una lista de atributos de cartera en un escenario de valoración de activos.

TABLA A Atributos de Cartera Tamaño de prestatario (por grupo prestatario UPB) Asegurado Sindicalizado (si/no) Garantizado Tipo de préstamo (a término, revo vente, etc.). Porcentaje de UPB de gravámenes en la primera posición Clasificación de colección (0 = malo , 1=bueno) Porcentaje de colecciones a 12 meses de UPB Porcentaje del último pago para el principal # Préstamos del prestatario Porción de préstamos del prestata rio UPB Residencia familiar individual Residencial Menudeo Industrial Hospital Hospitalidad Multifamiliar Terreno desarrollado/no desarrolla do/otras oficinas Préstamos de capital/margen La segmentación de los atributos de activo se logra codificando los atributos en "variables ficticias". Por ejemplo, un atributo de activo común es "¿el prestatario ha hecho un pago en los últimos 12 meses?", lo cual puede ser codificado en una variable como un "1" si la respuesta es sí, y "0" si es de otra manera. Se utilizan "variables ficticias" variables para otros atributos de activos. El procedimiento de segmentación se completa utilizando cualquier procedimiento estadístico que procese los atributos de activo codificados de tal manera que segmente la cartera en grupos de activos similares Uno de estos algoritmos es la agrupación de medios K. En un ejemplo, en donde se utilizan tres atributos de activos, Saldo Principal no Pagado (UPB), Probabilidad de Pago, una escala de 0 a 1; y clasificación asegurada, una probabilidad de quedar asegurado por colateral de bienes raíces, los activos pueden ser clasificados en 5 grupos con atributos similares. Una vez que se hacen las agrupaciones de los activos, el número de muestras que serán tomadas y presentadas para revisión de suscripción adicional es calculado estableciendo el nivel de confidencia con el cual se pueden hacer declaraciones con respecto a las recuperaciones totales en cada segmento (k), estableciendo la precisión con la cual uno desea valorar las recuperaciones totales en cada segmento (h) y proporcionar un valor estimado a priori del nivel y escala de recuperaciones como un porcentaje del Saldo Principal No Pagado (UPB) (R), de acuerdo con: n = tamaño de muestra N = tamaño de grupo o racimo x, = UPB para la muestra i y, = recuperación de la muestra i (Ecuación C) ? = tolerancia de error para estimar Y = _y. con ?R 7? (Ecuación D) k = constante en la Fórmula de Tchebyshev: •H = J?J Var(?R ) con la probabilidad= 1 tC Al resolver la Ecuación C para n, se obtiene el tamaño de muestra requerido para el grupo dado. El resolver la Ecuación C permite además que el usuario declare, con la probabilidad 1 - 1_ e I k2 tamaño de muestra calculado, n, y los valores suscritos asociados valorarán las recuperaciones totales del grupo o racimo dentro de un error de h, asumiendo que los valores de las recuperaciones de segmento totales se determinan utilizando la ecuación D. En la práctica, es difícil estimar o valorar la variabilidad en recuperaciones totales sin datos disponibles. Una herramienta de hoja de cálculo implementa lo anterior generando datos en una simulación de Monte Cario, y guiando al usuario a través de un análisis de los resultados hasta que se deriva un tamaño de muestra favorable. La Tabla B proporciona un resultado de un ejemplo de un estudio de un grupo de 20 préstamos, con recuperaciones estimadas (esperada) de entre 20% y 30% de UPB, y una escala de UPB de entre 1MM y 2 MM. Se necesitan 8 muestras para valorar las recuperaciones totales para los 20 préstamos dentro del 10%, con una confidencia del 75%.

TABLA B Hoia de Cálculo de Tamaño de Muestra Wizard Tamaño de Registro Registro UPB Porcentaje Residual N (tamaño n (tamaño de Porcentaje de Muestra Esperado Esperado Cume de Reg. de grupo) muestra recuperación ¿irme Esperado esperado 1 779,131 779,131 2,936,279 26.5% 20 6 27.5% 2 716,951 1,496,082 5,447,631 27.5% 27,259 Escala nominal Escala de % ER Valor nominal 3 359,327 1,855,409 6,702,090 27.7% 12,042 2,000,000 5.0% 44,160,329 4 481 ,798 2,337,206 8,538,875 27.4% (20,956) Nominal min. % ER min. Recup. Esperada 5 606,774 2,943,980 10,706,452 27.5% 10,750 1 ,000,000 25.0% 12,123,821 6 418,899 3,362,880 12,207,495 27.5% 5,397 Confidencia k Precisión % precisión 7 622,516 3,985,396 14,609,180 27.3% (32,665) 75.0% 2.00 1 ,212,382 10.0% 8 594,799 4,580,195 16,911,278 27.1% (28,694) 9 713,922 5,294,117 19,440,132 27.2% 25,241 10 494,230 5,788,346 21 ,153,615 27.4% 25,363 11 735,334 6,523,880 24,031,814 27.1% (45,983) 12 683,155 7,206,835 26,387,193 27.3% 39,857 13 748,413 7,955,248 29,256,251 27.2% (31,730) 14 419,885 8,375,133 30,726,773 27.3% 19,068 15 757,050 9,132,183 33,682,971 27.1% (44,439) 16 553,674 9,685,857 35,690,262 27.1% 8,922 17 761 ,579 10,447,435 38,234,459 27.3% 66.386 18 677,811 11,125,246 40,756,944 27.3% (10,741) 19 563,811 11,689,057 42,688,952 27.4% 34,790 20 434,763 12,123,821 44,160,329 27.5% 30,810 El pronostico ajustado de variación apropiada se hace para cada activo y las tablas de valoración son construidas para incluir cada activo en la cartera La recuperación es evaluada con probabilidades continuas en la unidad de venta, que en una modalidad, es una disposición parcial Durante el uso del sistema 28, la tasa interna de devolución ("IRR") y la variación entonces pueden ser determinadas Las disposiciones parciales preferidas tienen variaciones más bajas para una IRR dada La probabilidad de cada valor presente neto de la disposición parcial ("NPV") que estará por arriba de cero es determinada utilizando la tasa de descuento de proyecto Una tasa de descuento se determina a partir del costo de oportunidad de capital, más el costo de intercambio FX, más riesgos en incertidumbres generales inherentes en las variaciones de la recuperación de flujo en efectivo pronosticada Si parece que existe más una certeza del 5% que el proyecto tendrá un NPV negativo, no se hace ninguna propuesta La evaluación del arreglo es a través de la disposición parcial con los criterios de decisión IRR, variación de riesgo de IRR en una disposición parcial, la buena voluntan destinada y la habilidad de pagar la disposición parcial, el tiempo de beneficio ("TPP") y la variación de riesgo en el pago a través de disposición parcial, y NPV del flujo en efectivo esperado a través de la disposición parcial descontada a la tasa libre de riesgo En circunstancias de propuesta competitivas, cuando el contenido de la cartera de activos no es negociable, el inversionista o vendedor tiene un fuerte incentivo financiero para seleccionar solamente las porciones de activos totales disponibles para la transacción que darán su estructura financiera agregada al mejor riesgo/devolución. La satisfacción de valores esperados mínimos de riesgo/devolución con activos que tendrán una probabilidad mayor de probabilidades hacia arriba máximas es aún más atractivo para los inversionistas. La cartera agregada se divide en sub-carteras o disposiciones parciales separadamente capaces de venta. Cada disposición parcial tiene una distribución de probabilidad de flujo en efectivo pronosticada y una duración de tiempo desde la analítica anterior. Estas disposiciones parciales después se les proporciona un precio de comprobación. Los nuevos activos son combinados con el funcionamiento de activo existente de la parte que vende o que compra y se somete a la generación del caso Monte Cario (con correlaciones cruzadas asociadas representadas). El proceso de selección de disposición parcial incluye una selección aleatoria de disposiciones parciales que no se compran. Una vez que los efectos de la cartera toman un patrón, la mejor selección de disposiciones parciales para compra, a que precio, se sometidas a restricciones se encuentra por la optimízación estocástica. La utilización de NPV puede ser engañoso debido a los efectos asociados con un doble descuento que ocurrirán cuando escenarios de caso pesimistas son descontados para obtener PV. La utilización del tiempo para beneficio se usa para superar esta limitación y el costo capital marginal o tasa libre de riesgo se utiliza en el descuento según determinado por analistas que conducen la evaluación El proceso de aprendizaje supervisado 206 del procedimiento de valoración inferido 40 y los pasos 120, 122 y 126 del procedimiento de muestreo parcial 108 tienen una similitud substancial ya que el suscpptor está activamente involucrado en el proceso, pero el proceso es automático La Figura 6 es un diagrama de flujo que ilustra un proceso 210 para la suscripción automática de activos de instrumento financieros que se pueden segmentar Se definen, 212, primeros racimos de instrumentos financieros a través de atributos comunes Se da una opinión experta 214 del valor para muestras seleccionadas de los racimos o grupos definidos con base en los atributos Esta opinión es utilizada en un proceso de suscripción de muestra 216 y los valores son verificados para las combinaciones de atributos y reconciliados, 218 El proceso 210 después selecciona y determina 220 los atributos individuales que serán utilizados y después clasifica, 222, activos individuales en los grupos o racimos Se aplica la valoración en grupo, 224, a cada activo de grupo o racimo Al utilizar la valoración en grupo, los valores son desegregados por una regla 226 para crear una tabla analista de crédito 228 La Figura 7 es un diagrama de flujo de una modalidad ilustrativa de aprendizaje no supervisado 208 que incluye varios módulos Un módulo de adquisición de datos 320 reúne datos importantes 78 en cualquier parte que estén disponibles. Un módulo de selección de variable 232 identifica las variables importantes del activo como críticas mediante revisión de crédito o con la energía de mayor discriminación para separarse en varios grupos de activos. Un módulo de segmentación jerárquica 234 segmenta toda la cartera de activos en propuestas con variables críticas seleccionadas por los analistas. Un módulo FCM 236 además clasifica cada propuesta en grupos o racimos con base en la estructura natural de los datos de activos. Un módulo de revisión de suscripción 238 asigna el flujo en efectivo proyectado y clasificaciones de riesgo 138 (mostrado en la Figura 3) a cada grupo o racimo. Esta clasificación después es aplicada a los valores de activos individuales en la tabla analista de crédito 136 para que los activos de los grupos que se están ajustando en el procedimiento 40 produzcan una tabla analista de crédito ajustado 140. El proceso es iterativo y continuo y puede ser realizado a través de una computadora, de manera que continúa mientras la suscripción estándar se está realizando en otra parte. La Fígura 8 ilustra un proceso, 240, de valoración ilustrativamente inferido, alternativo, en lugar del proceso descrito en las Figuras 3 y 4. El en proceso alternativo 240, se utiliza un proceso de 7 pasos para valorar rápidamente una cartera de préstamos hipotecarios utilizando una combinación de suscripción total, suscripción parcial y valoración inferida. En primer lugar, los activos son muestreados, 242, de acuerdo con un riesgo. En segundo lugar, los activos son suscritos, 244, y las valoraciones registradas.

En tercer lugar, se forma, 246, grupos o racimos de valor de mercado, tal como a través de FCM como se describe más adelante. En cuarto lugar, se desarrollan, 248, modelos de regresión para los activos suscritos. Se selecciona el mejor modelo, 250, para los activos suscritos de entre aquellos desarrollados, 248, anteriormente. En sexto lugar, las cuentas para los modelos seleccionados son calculadas, 252. En séptimo lugar, se aplican, 254, los modelos, según seleccionado 250 en la porción no suscrita o inferencialmente valorada 42 de la cartera 12 en una forma cargada por las cuentas para pronosticar valores individuales para cada uno de los activos no suscritos. Los valores de activos individuales producidos de acuerdo con el proceso 40 después son colocados en la tabla analista de crédito ajustado 140 (ver Figura 3). Al muestrear los activos 242, los suscriptores utilizan muestreo aleatorio estratificado para seleccionar activos para una revisión detallada. Los estratos son construidos de atributos colaterales. Ejemplos de atributos colaterales para carteras de bienes raíces incluyen, uso colateral (comercial o residencial), cantidad de tasación previa, grupo o racimo de valor de mercado (pronosticado de la cantidad de tasación previa, área de terreno, área de edificación, cantidad de tasación actual, precio realizado en subasta de corte, tipo de propiedad y ubicación de propiedad). Típicamente, los activos son muestreados en una forma adversa, es decir, seleccionados a propósito a partir de una lista ordenada reduciendo el Saldo Principal No Pagado ("UPB") o Cantidad de Tasación Previa ("PAA"). La suscripción 244 es un proceso enormemente manual en donde los suscriptores expertos distribuyen una noción de valor a activos colaterales. Las valoraciones suscritas son almacenadas en una tabla de base de datos maestro, tal como la base de datos 76 (mostrada en la Figura 2). Las valoraciones típicamente son resumidas en términos de unidades monetarias (por ejemplo, 100,000 KRW), y después a precios de mercado actuales. La Fígura 9 es un resumen de alto nivel 290 de la porción automatizada del proceso empleado por el sistema 28. Se utilizan procedimiento automáticos por parte de los suscriptores para ayudar en la suscripción completa con base en el procedimiento 34 (ver también Figura 3). El conocimiento capturado en el procedimiento 34 es aplicado en el procedimiento de valoración inferida 40 para reducir el costo e incertidumbre en valoraciones de diligencia que se deben de instrumentos financieros para reducir el costo y variabilidad entre las valores de diligencia que se debe. Las valoraciones son sometidas a un modelo de flujo en efectivo, el cual incluye la valoración de nivel de activo 146, puente de flujo en efectivo de determinación 148, puente de flujo en efectivo estocástico 152 y tabla de flujo en efectivo 150. La valoración de propuesta resultante 154 es sometida a estrategias en grupo 160 y ajustes de administración 162 para producir la propuesta final 164.

La Figura 10 es un diagrama de flujo de una modalidad ilustrativa para formar grupos 246. Al formar los grupos 246, los suscriptores, con la ayuda de algoritmos, tales como, por ejemplo, los algoritmos 134 (mostrados en la Figura 3), realizan un análisis utilizando un modelo a base de árbol de clasificación y regresión, que da como resultado una agrupación de activos UW a través de los grupos de Uso Colateral y Valor de Mercado ("CUMV"), utilizando la Cantidad de Tasación previa ("PAA") como la variable de conducción. A continuación se presentan dos aspectos para determinar el funcionamiento de un modelo a base de CART. Un aspecto utiliza una relación de la suma de error al cuadrado (SSE) de un aspecto a base de CART a aquella de un simple modelo, denominada una relación de error. Un modelo simple es un modelo que asigna un precio promedio de activo a todos los activos. El segundo aspecto calcula un coeficiente de determinación, denotado como R2, y definido como: R2 = 1 - (SSE/SST), en donde SST es una suma de cuadrados totales. R2 es la contribución de un solo activo dentro de cada segmento con relación a toda la población, entre más grande es el valor de R2 para un activo dentro de un segmento particular, mayor es la contribución. Los diferentes segmentos de cartera son clasificados con base en los dos aspectos dando una indicación de que tan bueno es que las capacidades de pronóstico del modelo estén dentro de cada segmento de cartera, dando un nivel de comodidad al postor en términos de fijación de precio, por ejemplo, cada disposición parcial.

TABLA C Relaciones de Error de Rango y Valor R2 por Activo CD R-cuadrada (CART) 71.4% 88.9% 77.5% R cuadrada (Simple) 55.4% 88.6% 67.0% Un primer paso es definir las segmentaciones importantes de la cartera Las segmentaciones pueden ser disposiciones parciales predefinidas, por ejemplo, con base en cantidades de saldo no pagado industriales (UPB), región o riesgo de cliente La Tabla C anterior es un ejemplo de segmentos definidos con base en las disposiciones parciales y los rangos de activo (B o C) La Tabla C proporciona un resultado de ejemplo de un estudio de una cartera con cinco disposiciones parciales y dos diferentes tipos de activos (B y C) La tabla muestra cómo la relación de error es valorada para los diferentes segmentos También, los valores de R2 para cada activo son también calculados para los activos del tipo C dentro de cada segmento Un segundo paso es calcular los valores de SSE para cada segmento de cartera de interés para el modelo de CART y para el modelo simple (extrapolación de un precio promedio) Una relación de error es calculada a partir de SSE con base en el modelo de CART dividido entre un valor SSE con base en el modelo simple Si la relación de error es menor que 1, entonces el modelo con base de árbol de clasificación y regresión es un pronóstico mejor que el modelo simple Como un beneficio adicional, se puede ensamblar un modelo superior como una combinación "híbrida" de los modelos de CART y simples, seleccionando el modelo que trabaja mejor en cada segmento, de acuerdo con la métrica de relación de error Un tercer paso es calcular los valores R2 para cada activo dentro de cada segmento de carpeta R2 por activo se calcula como (SST por segmento-SEE por segmento) / (SST total para todos los activos por número de activos dentro de cada segmento). Finalmente, todos los segmentos son clasificados con base en la relación de error calculada en el segundo paso, y los valores R2 calculados en el tercer paso. El modelo es exacto para pronosticar valores de precio para segmentos que varían en forma alta en ambas métricas, la relación de error y R2 y modelos superiores son ensamblados utilizando esta métrica. La Tabla D muestra la clasificación relativa de las 5 disposiciones parciales para los activos del tipo C (de la Tabla C) con base en las dos métricas de funcionamiento.

TABLA D Clasificación de Segmento de Cartera La Figura 10 es un diagrama de flujo que ilustra una modalidad ilustrativa de la formación de racimos o grupos 246 utilizando FCM para seleccionar grupos para modelaje. La computadora 38 (mostrada en la Figura 2) forma grupos o racimos 246, tomando datos seleccionados 78 y realizando el análisis FCM para producir los racimos o grupos. La Figura 11 ilustra modelos de construcción 248, modelos de mejor selección 250 y cuentas de cálculo 252, en donde se construyen seis modelos utilizando la base de datos 76 La computadora 38 (mostrada en la Figura 3) realiza este proceso Se utiliza el modelo de construcción 248 para ayudar al suscpptor a dar prioridad a activos para la suscripción completa 14 y la suscripción 34 con base en la muestra, así como valoración inferencial La porción más baja de la Figura 11 es una tabla que ilustra una modalidad ilustrativa para seleccionar los mejores modelos 250 a partir de seis modelos desarrollados de acuerdo con los modelos de construcción 248d Los modelos difieren de acuerdo con que variable son utilizadas como X's Todos los modelos utilizan el grupo o racimo CUMV (estos están presentes para todos lo activos) Los modelos de los modelos de construcción 248 son utilizados para pronosticar el Valor de Subasta de corte ("CAV") 256 además del Valor de Mercado ("MAV") 258 Otras modalidades (no mostradas) utilizan otros modelos para pronosticar otros valores Al seleccionar los mejores modelos 250, se seleccionan los mejores modelos de los modelos de regresión de K bajo consideración (aquí, K = 6) El mejor modelo se selecciona para cada activo UW, de acuerdo con la siguiente métrica m?n{abs(y-yk), 1 E99}, fc en donde y es el valor UW que será pronosticado, yk es una predicción del modelo de regresión kth, para k = 1,2, ,K Al calcular las cuentas 252, se cuenta el número de veces que cada uno de los modelos K es seleccionado dentro de cada grupo CUMV La Figura 11 contiene estas cuentas para los escenarios de modelaje CAV y MAV Se utilizan otros escenarios de modelo en otras modalidades Cuando se aplican los modelos 254, la predicción promedio cargada de todos los modelos que produjeron una producción para cada activo que no es UW es utilizada. Las cargas son construidas a partir de las frecuencias de las cuentas calculadas, 252, y las predicciones vienen del proceso de modelaje. En una modalidad, se utiliza un sistema de software de análisis estadístico comercial para producir los modelos. Un artefacto para utilizar el sistema de software de análisis estadístico es aquel en donde cada activo que no es UW obtendrá un valor UW pronosticado de cada modelo para el cual el activo que no es UW tiene una variable de entrada, es decir, "variable X" presente. Otros paquetes de modelaje comparten este rasgo. La Ecuación E muestra detalles del procedimiento. y, (Ecuación E) En la Ecuación C, lik si el modelo k produjo una predicción para el activo I, y es cero de otra manera; f,¡- = cuenta de veces que el modelo K fue seleccionado para activos UW entre el tipo i de CUMV (i =1,2), y el grupo j de CUMV (j = 1,2,3); y y!k = predicción para y, del modelo k. Observar que existe solamente una contribución de cada aspecto de modelaje para el cual un activo tiene una predicción, cada uno siendo cargado por el número de veces que el aspecto de modelaje fue seleccionado para todos los activos UW del mismo grupo de CUMV. El proceso 240 también es utilizado para estimar un Límite de Confidencia Inferior ("LCL") y un Límite de Confidencia Superior ("UCL") para la predicción media, con una substitución de la estadística correspondiente para y!k en la Ecuación E. Haciendo referencia de regreso a la Figura 3, el proceso de aprendizaje supervisado 206 y el proceso de aprendizaje no supervisado 208 utilizan la agrupación. "Agrupación" es una herramienta que intenta determinar las relaciones entre patrones de los datos fijados organizando los patrones en grupos o racimos, de manera que los patrones dentro de un racimo son muy similares entre sí que los patrones que pertenecen a diferentes racimos. Es decir, el propósito de la agrupación es destilar agrupamientos naturales de datos a partir de un grupo grande de datos, produciendo una representación concisa del comportamiento de un sistema. El paso de aprendizaje no supervisado 208, emplea un método de agrupación distorsionado ("FCM") e ingeniería de conocimiento para agrupar activos automáticamente para la valoración. El método FCM es un método conocido que ha sido ampliamente utilizado y aplicado en modela estadístico. El método se dirige a reducir al mínimo la distancia entre racimos e incrementar al máximo la distancia entre racimos. Típicamente, se utiliza la distancia euclidíana. El método FCM 248 (ver Figura 10) al mismo tiempo reduce al mínimo la distancia entre racimos e incrementa al máximo la distancia entre racimos. Típicamente, se utiliza la distancia euclidiana. El método FCM es un algoritmo de optimización iterativo que reduce al mínimo la función de costo: "± k-l± (-1M&Xk-VÍ (EcuaciónF) en donde n es el número de puntos de datos; s es el número de racimos, Xk es el punto de datos k; V¡ es el centroide de racimo i; µik es el grado de membresía de los datos k en el racimo i; m es una constante mayor que 1 (típicamente n = 2). Observar que µik es un número real y está unido en [0,1]. µ¡ = 1 representa que los datos i son están definitivamente en el racimo k, mientras que µ¡k = 0 representa que los datos i no están definitivamente en el racimo k. Si µ¡k = 0.5, entonces esto significa que los datos i están parcialmente en el racimo k al grado 0.5. Intuitivamente, la función de costo puede ser reducida al mínimo si cada punto de dato pertenece exactamente a un racimo específico y no hay ningún grado parcial de membresía con otros racimos. Es decir, no hay ninguna ambigüedad para asignar cada punto de datos al racimo al cual pertenece. El grado de membresía µik, está definido por: (Ecuación G) Intuitivamente, µ,k, el grado de membresía del punto de datos Xk en el centroide del racimo V,, se incrementa a medida que Xk se acerca más a V,. Al mismo tiempo, µlk, puede quedar más pequeño a medida Xk se aleja más de V, (otros racimos). El centroide del racimo i, V, está definido por: (Ecuación H) Intuitivamente, V,, el centroide del racimo i es la suma cargada de las coordenadas de Xk, en donde k es el número de puntos de datos. Al empezar con un número deseado de racimos c y un valor inicial para cada centro de racimo V,, i = 1,2,...,c, el método FCM convergerá a una solución para V, que representa ya sea un mínimo • local o un punto de monturas de la función de costo. La calidad de la solución del método FCM, como aquella de los problemas de optimización en su mayoría no lineales, depende enormemente de la elección de los valores iniciales, el número c y los centroides de racimo iniciales V,. En una modalidad ilustrativa, toda la cartera 12 es segmentada a través de la agrupación distorsionada no supervisada, y cada racimo es revisado por expertos de escritura más baja, ayudando así a que los suscriptores elijan los instrumentos financieros para una suscripción completa 14 y para una suscripción de muestra 34. Alternativamente, este método FCM puede ser aplicado justo a la porción 42. Como resultado, cada racimo obtiene una clasificación mixta de HELTR para el propósito de ajuste 138 (ver Figura 3). En esencia, la clasificación mixta de HELTR captura tanto la escala de flujo en efectivo como el flujo esperado, su tiempo y el riesgo asociado con cada racimo. Haciendo referencia ahora a la Figura 2, la relación de la porción de suscripción completa 16 a la agenda total 12 está en una modalidad ilustrativa y es del 25% de los activos y 60% del valor nominal de todos los activos. La suscripción total de estos activos es garantizada debido a su tamaño y valor. Sin embargo, esta suscripción absolutamente es uniforme para todos los suscriptores, de manera que la suscripción probablemente no produce variaciones de propuestas importantes. Sin embargo, el 40% restante que comprende las porciones 36 y 42, las cuales en la modalidad ilustrativa constituyen el 75% de los activos pero solamente el 40% del valor nominal es altamente especulativo hasta la suscripción. A un lado, el valor puede ser encontrado en las porciones 36 y 42f, por ejemplo, sin limitación, un 5% adicional sobre la extrapolación bruta, la diferencia significando la diferencia entre perder y ganar todas las propuestas de la cartera o toda la propuesta de disposición parcial significando cientos de millones de dólares de diferencia en beneficio. En el caso de políticas aseguradoras, de acuerdo con el procedimiento 40, se utilizan estadísticas en un intento de responder tres preguntas básicas: (a) ¿Cómo se deben reunir nuestros datos?, (b) ¿Cómo se deben resumir los datos que se reúnen? y (c) ¿Qué tan exactos son nuestros resúmenes de datos. El algoritmo 134 responde a la pregunta (c), y es un método con base en computadora sin pruebas teóricas complicadas. El algoritmo 134 para valoraciones diferencíales de política de seguros es adecuado para responder inferencias estadísticas que son demasiado complicadas para el análisis estadístico tradicional. El algoritmo 134 para valoraciones de políticas de seguros simula la distribución de valores estadísticos muestreando repetidamente con reemplazo. El algoritmo generalmente está compuesto de tres pasos principales: (I) muestreo con reemplazo, (II) evaluación de estadísticas de interés, y (lll) estimación de la desviación estándar. De acuerdo con el algoritmo de seguro 134, los estimados de error estándar de NPV se realizan como sigue. Para cada uno de los modelos de riesgo y para cada segmento en los modelos, asumir que existen políticas N en el segmento, se seleccionan n muestras utilizando muestreo con reemplazo (por ejemplo, n = 100). Cada muestra contiene N políticas, también, en este ejemplo. Para cada muestra, y para todas las políticas históricas: A_ = S(Act) (Ecuación I) Ew S(Wtdexp) 0.72858 Enseguida, el valor presente neto es generado a través de NPV = SP - SE- (SC)xA_ (Ecuación J) para políticas recientes. Calcular la desviación estándar de la muestra para los valores n de NPV. En la ecuación (I) Act es la reclamación real y Wtdexp es la reclamación esperada cargada para cada política individual. La Figura 12 es una tabla de criterios ilustrativos 80 y fijaciones de regla ilustrativas para la clasificación de crédito 138. Se pueden seleccionar otros criterios dependiendo del tipo de instrumento financiero y condiciones de propuesta particulares o cualquier otro deseo o preferencias del postor. La Figura 13 es un diagrama de flujo de árbol más detallado, 260, similar al diagrama de flujo de árbol 66 (ver porción inferior de la Figura 2). En la Figura 13, la segregación es a través de (a) si se asegura, (b) si es revolvente, (c) si el último pago fue de cero. El resultado es seis grupos o racimos 262, 264, 266, 268, 270, 272, casualmente conocido como un "árbol agitador". La Figura 14 ilustra un sistema ilustrativo 300 de acuerdo con una modalidad de la presente invención. El sistema 300 incluye por lo menos una computadora configurada como un servidor 302 y una pluralidad de otras computadoras 304 acopladas al servidor 302 para formar una red. En una modalidad, las computadoras 304 son sistemas de cliente que incluyen un examinador web, y un servidor 302 que tiene acceso a las computadoras 304 a través de la Internet.

Además, el servidor 302 es una computadora. Las computadoras 304 están interconectadas a la Internet a través de muchas interfaces incluyendo una red, tal como una red de área local, (LAN) o una red de área amplia (WAN), conexiones de marcación, módems por cable y líneas ISDN a alta velocidad especiales. Las computadoras 304 pueden ser cualquier dispositivo capaz de interconectarse con la Internet incluyendo un teléfono con base web u otro equipo que se pueda conectar con base web, incluyendo una web inalámbrica y satélite. El servidor 302 incluye un servidor de base de datos 306 conectado a una base de datos centralizada 76 (también mostrado en ia Figura 2), el cual contiene datos que describen grupos de carteras de activos. En una modalidad, la base de datos centralizada 76 es almacenada en el servidor de base de datos 306 y los usuarios pueden tener acceso a una de las computadoras 304 entrando al subsistema 302 del servidor a través de una de las computadoras 304. En una modalidad alternativa, la base de datos centralizada 76 es almacenada en forma lejana del servidor 302. El servidor 302 además está configurado para recibir y almacenar información para los métodos de valoración de activos descritos anteriormente. Aunque el sistema 300 se describe como un sistema en red, se contempla que los métodos y algoritmos descritos aquí para examen y manipulación de carteras de activos son capaces de ser ¡mplementados en un sistema de computadora independiente que no está conectada en red a otras computadoras. Aunque la invención ha sido descrita en términos de varias modalidades específicas, aquellos expertos en la técnica reconocerán que la inversión puede ser practicada con modificación dentro del espíritu y alcance de las reivindicaciones.

Claims (1)

1. REIVINDICACIONES 1.- Un método para determinar un precio de propuesta por lo menos para una disposición parcial de instrumentos financieros que satisface por lo menos una tasa interna de devolución (IRR), un valor neto presente (NPV) y un tiempo para beneficiar requerimientos de probabilidad, el método comprende los pasos de: dividir la cartera en sub-carteras o disposiciones parciales susceptibles de venta en forma separada; dar a cada disposición parcial un precio de propuesta de prueba; combinar las disposiciones parciales con datos históricos de rendimiento de activo de por lo menos una parte que compra o que vende, otro mercado y suscripción; y realizar por lo menos uno de NPV, IRR y un tiempo para beneficiar el análisis sobre las disposiciones parciales. 2.- Un método de acuerdo con la reivindicación 1, en donde el paso de dividir la cartera en sub-carteras o disposiciones parciales susceptibles de venta en forma separada comprende además el paso de pronosticar una distribución de probabilidad de flujo de efectivo y un tiempo a partir del análisis anterior. 3.- Un método de acuerdo con la reivindicación 1, en donde el paso de pronosticar una distribución de probabilidad de flujo de efectivo además comprende el paso de expresar una evaluación probabilística de disposición parcial por lo menos para una evaluación mínima alta, una evaluación muy probable, una evaluación baja y otra distribución de probabilidad adecuada. 4.- Un método de acuerdo con la reivindicación 1, en donde el paso de combinar las disposiciones parciales con datos históricos de rendimiento de activo además comprende el paso de utilizar una técnica de muestreo iterada para producir una distribución. 5.- Un método de acuerdo con la reivindicación 4, en donde el paso de utilizar una técnica de muestreo iterada además comprende el paso de utilizar un análisis de Monte Cario. 6.- Un método de acuerdo con la reivindicación 1, que comprende además el paso de seleccionar distribuciones parciales no mediante compra. 7.- Un método de acuerdo con la reivindicación 6, que comprende además el paso de reconocer un patrón de la mejor selección de disposiciones parciales para comprar y a qué precio, sometiendo a restricciones. 8.- Un método de acuerdo con la reivindicación 7, en donde el paso de reconocer un patrón de la mejor selección de disposiciones parciales para comprar se determina a través de optimización estocástica. 9.- Un método de acuerdo con la reivindicación 6, en donde el paso de seleccionar aleatoriamente disposiciones parciales no mediante compra además comprende el paso de seleccionar disposiciones parciales cuya tasa interna media de devolución (IRR) está por abajo de un umbral definido. 10 - Un método de acuerdo con la reivindicación 6, en donde el paso de seleccionar aleatoriamente disposiciones parciales no mediante compra ademas comprende el paso de seleccionar disposiciones parciales cuyo valor neto presente (NPV) es negativo o cuyo cierto tiempo para beneficiar esta por abajo de un umbral determinado previamente 11 - Un sistema para determinar un precio de propuesta por lo menos para una disposición parcial de una cartera de instrumentos financieros que satisface por lo menos una tasa interna de devolución (IRR), un valor neto presente (NPV) y un tiempo para beneficiar requerimientos de probabilidad, el sistema comprende una computadora configurada como un servidor y además configurada con una base de datos de carteras de activos, por lo menos un sistema de cliente conectado a dicho servidor a través de una red, el servidor configurado para dividir la cartera en sub-carteras o disposiciones parciales susceptibles de compra en forma separada, asignar, a cada disposición parcial, un precio de propuesta de prueba, combinar las disposiciones parciales con datos históricos de rendimiento de activo de por lo menos uno de una parte que compra o una parte que vende, otro mercado y suscripción y rendimiento de por lo menos un NPV, un IRR y un tiempo para beneficiar el análisis en las disposiciones parciales 12 - Un sistema de acuerdo con la reivindicación 11, en donde el servidor está configurado para pronosticar una distribución de probabilidad de flujo de efectivo y un tiempo utilizando un análisis anterior. 13.- Un sistema de acuerdo con la reivindicación 11, en donde el servidor está configurado para expresar una evaluación probabilística de disposición parcial como por lo menos una evaluación alta mínima, una evaluación más probable, una evaluación baja y otra distribución de probabilidad adecuada. 14.- Un sistema de acuerdo con la reivindicación 11, en donde el servidor está configurado para utilizar una técnica de muestreo iterada para producir una distribución. 15.- Un sistema de acuerdo con la reivindicación 11, en donde el servidor está configurado para utilizar un análisis de Monte Cario. 16.- Un sistema de acuerdo con la reivindicación 11, en donde el servidor está configurado para seleccionar disposiciones parciales no mediante compra. 17.- Un sistema de acuerdo con la reivindicación 16, en donde el servidor está configurado para reconocer un patrón de la mejor selección de disposiciones parciales para comprar y a qué precio, sometiendo a restricciones. 18.- Un sistema de acuerdo con la reivindicación 17, en donde el servidor está configurado para utilizar optimización estocástica para reconocer un patrón de la mejor selección de disposiciones parciales para compra. 19.- Un sistema de acuerdo con la reivindicación 16, en donde el servidor está configurado para seleccionar disposiciones parciales cuya tasa interna media de devolución (IRR) está por abajo de un umbral definido. 20.- Un sistema de acuerdo con la reivindicación 16, en donde el servidor está configurado para seleccionar disposiciones parciales cuyo valor neto presente (NPV) es negativo o cuyo cierto tiempo para beneficiar está por abajo de un umbral definido. 21.- Una computadora para determinar un precio de propuesta por lo menos para una disposición parcial de una cartera de instrumentos financieros que satisface por lo menos uno de una tasa interna de devolución (IRR), un valor neto presente (NPV) y un tiempo para beneficiar requerimientos de probabilidad, dicha computadora incluyendo una base de datos de carteras de activos, la computadora programada para: dividir la cartera en sub-carteras o disposiciones parciales susceptibles de venta en forma separada; asignar, a cada disposición parcial, un precio de propuesta de prueba; combinar las disposiciones parciales con datos históricos de rendimiento de activo de por lo menos una parte que compra o una parte que vende, otro mercado y suscripción; y realizar por lo menos uno de NPV, IRR y un tiempo para beneficiar el análisis de las disposiciones parciales. 22.- Una computadora de acuerdo con la reivindicación 21, programada para pronosticar una distribución de probabilidad de flujo de efectivo y tiempo utilizando un análisis anterior. 23.- Una computadora de acuerdo con la reivindicación 21, programada para expresar una evaluación probabilística de disposición parcial como al menos una de una evaluación alta mínima, una evaluación más probable, una evaluación baja, y otra distribución de probabilidad adecuada. 24.- Una computadora de acuerdo con la reivindicación 21, programada para utilizar una técnica de muestreo iterada para producir una distribución. 25.- Una computadora de acuerdo con la reivindicación 21, programada para utilizar un análisis de Monte Cario. 26.- Una computadora de acuerdo con la reivindicación 21, programada para seleccionar disposiciones parciales no para compra. 27.- Una computadora de acuerdo con la reivindicación 26, programada para reconocer un patrón de la mejor selección de disposiciones parciales para comprar y a qué precio, sometiendo a restricciones. 28.- Una computadora de acuerdo con la reivindicación 27, programada para utilizar optimización estocástica para reconocer un patrón de la mejor selección de disposiciones parciales para comprar. 29.- Una computadora de acuerdo con la reivindicación 26, programada para seleccionar disposiciones parciales cuya tasa interna media de devolución (IRR) está abajo de un umbral definido. 30.- Una computadora de acuerdo con la reivindicación 26, programada para seleccionar disposiciones parciales cuyo valor neto presente (NPV) es negativo o cuyo cierto tiempo para beneficiar está por abajo de un umbral definido.