Mostrar el registro sencillo del ítem
Construcción de un modelo de score para la evaluación de clientes potenciales en una entidad financiera
dc.contributor.advisor | Gamboa Unsihuay, Jesús Eduardo | |
dc.contributor.author | Carrasco Reyes, Alessandra Stefany | |
dc.date.accessioned | 2024-07-19T20:40:17Z | |
dc.date.available | 2024-07-19T20:40:17Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12996/6620 | |
dc.description | Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informática | es_PE |
dc.description.abstract | El riesgo de crédito se encuentra dentro de las principales preocupaciones de las entidades financieras, por ello mantener una adecuada gestión es de vital importancia. Como parte de las estrategias definidas por las entidades se hace uso de análisis y modelos estadísticos para la admisión de clientes, generación de campañas, monitoreo de la calidad de cartera de clientes, manteniendo su apetito de riesgo. En el presente trabajo se describe la construcción de un modelo de score, específicamente, para clientes potenciales de una campaña crediticia de una entidad financiera, utilizando modelos Random Forest para la selección de variables y ajustando un modelo de Regresión Logística para la predicción de clientes morosos y no morosos. Dicho modelo logró una mejora de 14 puntos porcentuales en el indicador de Kolgomorov Smirnov en comparación con el modelo anterior de score. | es_PE |
dc.description.abstract | Credit risk is one of the main concerns of financial institutions, therefore maintaining an adequate management is very important. As part of the strategies defined by the entities, statistical analysis and models are used for the admission of clients, generation of financial campaigns, monitoring of the quality of the client portfolio, maintaining their risk appetite. This paper describes the construction of a model, specifically for potential customers of a credit campaign of a financial institution, using Random Forest models for the selection of variables and fitting a Logistic Regression model for the prediction of payment default. This model achieved an improvement of 14 percentage points in the Kolgomorov Smirnov compared to the previous scoring model. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Nacional Agraria La Molina | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by-nc/4.0/ | es_PE |
dc.subject | Riesgo de crédito | es_PE |
dc.title | Construcción de un modelo de score para la evaluación de clientes potenciales en una entidad financiera | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.discipline | Estadística e Informática | es_PE |
thesis.degree.grantor | Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación | es_PE |
thesis.degree.name | Ingeniero Estadístico Informático | es_PE |
dc.subject.ocde | Pendiente | es_PE |
renati.author.dni | 47564770 | es_PE |
dc.publisher.country | PE | es_PE |
dc.type.version | info:eu-repo/semantics/publishedVersion | es_PE |
renati.advisor.orcid | https://orcid.org/0000-0002-2437-3894 | es_PE |
renati.advisor.dni | 70086185 | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional | es_PE |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_PE |
renati.discipline | 542026 | es_PE |
renati.juror | Menacho Chiok, César Higinio | |
renati.juror | Porras Cerrón, Jaime Carlos | |
renati.juror | Salazar Vega, Rolando Jesus |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
EPL-EI Tesis [82]