Análisis del riesgo en un modelo multinivel de suministro
Resumen
La investigación propone las pruebas de estrés para evaluar un conjunto de escenarios hipotéticos de crisis vinculados a periodos con mayor volatilidad, dada una muestra de transacciones comerciales entre tres entidades de un modelo multinivel de suministro. La solución identifica los niveles de impacto en términos de costo para un conjunto de escenarios hipotéticos asociados a parámetros tales como niveles de confiabilidad y volatilidad en un horizonte temporal de riesgo.
Descargas
Citas
Abdymomunov, A. y Gerlach, J. (2014). Stress testing interest rate risk exposure. Journal of Banking & Finance 49, pp. 287-301. doi: 10.1016/j.jbankfin.2014.08.013
Alexander, C. y Sheedy, E. (2008). Developing a stress testing framework based on market risk models. Journal of Banking & Finance 32(10), pp. 2220-2236. doi:10.1016/j. jbankfin.2007.12.041
Altiok, T. y Melamed, B. (2007). Simulation Modeling and Analysis with ARENA. Amsterdam: Elsevier.
Boucher, C. M., Daníelsson, J., Kouontchou, P. S. y Maillet, B. B. (2014). Risk models-atrisk. Journal of Banking & Finance 44, pp. 72-92.
Buchmeister, B., Pavlinjek, J., Palcic, I. y Polajnar, A. (2008). Bullwhip effect problem in supply chains. Advances in Production Engineering and Management 3(1), pp. 45-55.
Bueno-Solano, A. y Cedillo-Campos, M. G. (2014). Dynamic impact on global supply chains performance of disruptions propagation produced by terrorist acts. Transportation Research Part E: Logistics and Transportation Review 61, pp. 1-12. doi: 10.1016/j.tre.2013.09.005
Chopra, S. y Sodhi, M. S. (2014). Reducing the Risk of Supply Chain Disruptions. MIT Sloan Management Review 55(3), pp. 73-80.
Escalante, J., Monsreal, I. y Casanovas, J. (Eds.). (2016). Logistics Practices in Small and Medium Enterprises (SME): Risk Context Survey for Hurricanes. En: Hernández, G. A., Sánchez-Ramírez, C. y García-Alcaraz, J. L. (Eds.), Handbook of Research on Managerial Strategies for Achieving Optimal Performance in Industrial Processes. Hershey: IGI Global, pp. 76-99.
Flood, M. D. y Korenko, G. G. (2015). Systematic scenario selection: stress testing and the nature of uncertainty. Quantitative Finance 15(1), pp. 43-59.
González Diez, V. M., Verner, D., Corrales, M. E., Puerta, J. M., Mendieta Umaña, M. P., Morales, C., … L’Hoste, M. (2014). Climate change at the IDB: Building resilience and reducing emissions. Washington: Banco Interamericano de Desarrollo.
Heckmann, I., Comes, T. y Nickel, S. (2014). A Critical Review on Supply Chain Risk -Definition, Measure and Modeling. Omega 52, pp. 119-132. doi: 10.1016/j. omega.2014.10.004
Hernández, G. A., Sánchez-Ramírez, C. y García-Alcaraz, J. L. (2016). Handbook of Research on Managerial Strategies for Achieving Optimal Performance in Industrial Processes. Hershey: IGI Global.
Hussain, M. (2012). Quantifying the impact of a supply chain’s design parameters on the bullwhip effect using simulation and Taguchi design of experiments. International Journal of Physical Distribution & Logistics Management 42(10), pp. 947-968. Instituto Nacional de Estadística y Geografía de México (INEGI) (2009). Micro, pequeña, mediana y gran empresa. Estratificación de los establecimientos. Censos económicos. Recuperado de https://www.inegi.org.mx/default.html
Instituto Nacional de Estadística y Geografía de México (INEGI) (2014). Censos económicos 2014. Recuperado de https://www.inegi.org.mx/default.html
Jabareen, Y. (2013). Planning the resilient city: Concepts and strategies for coping with climate change and environmental risk. Cities 31, pp. 220-229. doi: 10.1016/j. cities.2012.05.004
Jorion, P. (2010). Risk Management. Annual Review of Financial Economics 2, pp. 347-365
Kelton, W. D., Sadowski, R. P. y Sturrock, D. T. (2008). Simulación con software Arena. México: McGraw-Hill.
Melnyk, S. A., Rodrigues, A. y Ragatz, G. L. (2009). Using simulation to investigate supply chain disruptions. En: Zsidisin, G. A. y Ritchie, B. (Eds.). Supply Chain Risk. Boston: Springer, pp. 103-122.
Meucci, A. (2010). Historical scenarios with fully flexible probabilities. GARP Risk Professional, pp. 47-51.
Olson, D. L. y Wu, D. D. (2017). Enterprise Risk Management Models. Berlín: Springer
Rubinstein, R. Y. y Kroese, D. P. (2016). Simulation and the Monte Carlo method. New Jersey: John Wiley & Sons.
Rusman, M. y Shimizu, Y. (2013). Effect of Continuity Rate on Multistage Logistic Network Optimization under Disruption Risk. Industrial Engineering and Management Systems 12(2), pp. 74-84. doi: 10.7232/iems.2013.12.2.074
Shekh, S. y Marsh, L. (2016). The Twenty-Ninth International Flairs Conference. Edimburgo.
