Financial Risk Modeling: Applications with Bibliometrics and Latent Dirichlet Allocation

El presente tiene como objetivo explorar la importancia de la modelación en el riesgo financiero, un aspecto clave para la estabilidad de las instituciones financieras y las empresas en un entorno global caracterizado por incertidumbres económicas. Utilizando herramientas de bibliometría y Latent Dirichlet Allocation (LDA), se analizan los avances recientes en el campo, desde el uso de big data y algoritmos genéticos mejorados hasta la adopción de modelos predictivos avanzados. Este enfoque permite identificar patrones de investigación y tendencias clave, destacando el papel de la colaboración internacional y el crecimiento de la producción científica en la gestión del riesgo financiero. Los resultados subrayan la necesidad de seguir desarrollando modelos más sofisticados para predecir insolvencias y mejorar la capacidad de respuesta ante riesgos financieros en mercados cada vez más interconectados.  

Authors

Institutions

Publication Details

Journal
SCIÉNDO
Published
2025-06-30
DOI
https://doi.org/10.17268/sciendo.2025.030
Primary Topic
Stock Market Forecasting Methods
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Financial Risk Modeling: Applications with Bibliometrics and Latent Dirichlet Allocation

Alexander Fernando Haro Sarango, Sara Isabel Cabanillas Ñaño
SCIÉNDO
Stock Market Forecasting Methods
article

Financial Risk Modeling: Applications with Bibliometrics and Latent Dirichlet Allocation

Alexander Fernando Haro Sarango, Sara Isabel Cabanillas Ñaño
article en

Abstract

El presente tiene como objetivo explorar la importancia de la modelación en el riesgo financiero, un aspecto clave para la estabilidad de las instituciones financieras y las empresas en un entorno global caracterizado por incertidumbres económicas. Utilizando herramientas de bibliometría y Latent Dirichlet Allocation (LDA), se analizan los avances recientes en el campo, desde el uso de big data y algoritmos genéticos mejorados hasta la adopción de modelos predictivos avanzados. Este enfoque permite identificar patrones de investigación y tendencias clave, destacando el papel de la colaboración internacional y el crecimiento de la producción científica en la gestión del riesgo financiero. Los resultados subrayan la necesidad de seguir desarrollando modelos más sofisticados para predecir insolvencias y mejorar la capacidad de respuesta ante riesgos financieros en mercados cada vez más interconectados.  

SCIÉNDOVol. 28(2)
National University of Trujillo (PE)
Openalex Percentile: Top 72%
Stock Market Forecasting Methods
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.