El objetivo de esta investigación es analizar las oportunidades de inversión en los países pertenecientes a la Alianza del Pacífico, usando el modelo de descuento de dividendos con empresas que operan en estos países, que poseen acciones bursátiles. Para esta investigación se usó el software Economática, mediante el cual se recopilaron los datos correspondientes al precio de cierre para las acciones negociadas en abril de 2018, dividendos por acción, utilidad por acción, coeficiente beta y Rentabilidad del patrimonio; posteriormente, se realizó la valoración de acciones y la comparación de los resultados con los índices MSCI - Morgan Stanley Capital International, para la Alianza del Pacífico. En los resultados obtenidos, se observa una sobrevaloración generalizada de las acciones estudiadas. Se destaca el caso de México, con una sobrevaloración por encima del promedio, una alta volatilidad y la mayor rentabilidad promedio sobre el patrimonio. También se observó una considerable relación entre la rentabilidad del patrimonio y la tasa de retención de utilidades en las acciones estudiadas. Los índices de sobrevaloración generan la hipótesis de dividendos ineficientes para representar una expectativa clara sobre el valor de la compañía, por lo tanto, en la presente investigación, el modelo de descuento de dividendos no estaría facultado para mostrar de manera eficiente el valor de todas las compañías; por otro lado, también es posible que la ineficiencia resulte de la metodología usada para determinar la tasa de descuento, generando una tasa descuento mayor a la que implícitamente acepta el mercado. A pesar de lo anterior, la valoración por el modelo de descuento de dividendos sirve como referente de las oportunidades de inversión en las empresas pertenecientes a la Alianza del Pacífico.

Los modelos de tipo Credit Score permiten a los analistas de crédito la cuantificación de los riesgos que implican las operaciones de crédito, la segmentación de afiliados y la recomendación de decisiones de otorgamiento o rechazo de un crédito para personas naturales. Estos modelos buscan entregar la información necesaria para inferir sobre las probabilidades de impago de un afiliado, mediante la aplicación de técnicas paramétricas o no paramétricas. En este trabajo se busca identificar cuáles de los siguientes modelos pueden ser más apropiados para medir el riesgo de crédito de personas naturales en una caja de compensación familiar ubicada en Colombia: Logit, Probit, Redes Neuronales o Linear Support-Vector Machine. Los resultados obtenidos muestran que, si bien los Linear Support Vector Machine pueden tener mejor desempeño, los modelos Probit-Stepwise son igualmente útiles y tienen como ventaja la posibilidad de interpretar los parámetros calibrados.