Publicación:
Discriminación étnica en préstamos hipotecarios en estados unidos : un análisis predictivo con métodos causales y de aprendizaje automático

Vista sencilla de ítem
dc.contributor.advisorAlmonacid Hurtado, Paula María
dc.contributor.advisorÁlvarez Franco, Pilar Beatriz
dc.contributor.advisorCruz Castañeda, Vivian
dc.contributor.authorGaleano Naranjo, Juan Pablo
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.creator.emailjuanzu123@gmail.com
dc.date.accessioned2025-09-05T21:15:11Z
dc.date.available2025-09-05T21:15:11Z
dc.date.issued2025
dc.descriptionEn Estados Unidos, el proceso de solicitud y aprobación de préstamos hipotecarios implica la evaluación de variables como ingresos, historial crediticio, nivel de endeudamiento y características de la propiedad, ya sea mediante revisión manual o sistemas automatizados. Aunque este procedimiento busca objetividad, puede estar influenciado por sesgos estructurales, especialmente de tipo étnico. Esta tesis examina el fenómeno de la discriminación en el acceso al crédito hipotecario mediante una estrategia metodológica que combina técnicas de evaluación causal y aprendizaje automático explicable. A partir del caso de los blancos latinos en Estados Unidos —un grupo cuya ambigua categorización étnica lo convierte en un caso clave—, se observa cómo decisiones crediticias aparentemente neutras pueden reproducir patrones históricos de exclusión al incorporar variables geográficas o demográficas estrechamente correlacionadas con la etnicidad. La principal contribución metodológica consiste en integrar el emparejamiento por puntaje de propensión (PSM) con modelos de clasificación supervisada (Gradient Boosting, Random Forest), auditados mediante SHAP (SHapley Additive Explanations). Esta combinación permite detectar disparidades en la aprobación de créditos no atribuibles a variables observables, revelando formas indirectas de discriminación algorítmica. Aunque los modelos no presentan una alta capacidad predictiva en términos absolutos, los patrones identificados son consistentes y estadísticamente significativos. A nivel empírico, se encuentra que los solicitantes latinos enfrentan tasas de aprobación más bajas, incluso con perfiles crediticios similares a los de sus contrapartes blancos no hispanos. Variables como la proporción de minorías en el vecindario y el estado de residencia influyen de manera considerable en las predicciones, lo que sugiere la presencia de sesgos geoespaciales en los sistemas de originación de crédito. Finalmente, esta investigación ofrece un marco replicable para auditar decisiones algorítmicas y promover una evaluación crediticia más justa. Sus hallazgos son aplicables a contextos como el colombiano, donde persisten brechas de acceso para mujeres, migrantes y poblaciones étnicas. Así, la tesis contribuye tanto al debate académico como al diseño de políticas públicas y modelos institucionales orientados a la inclusión financiera con enfoque diferencial.
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Ciencias de Datos y Analíticaspa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad EAFIT
dc.identifier.reponamereponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourlrepourl:https://repository.eafit.edu.co
dc.identifier.urihttps://hdl.handle.net/10784/36635
dc.language.isospa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentÁrea Computación y Analíticaspa
dc.publisher.facultyEscuela de Ciencias Aplicadas e Ingenieríaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAcceso abierto
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/deed.es
dc.subjectDiscriminación
dc.subjectPSM
dc.subjectEtnia
dc.subjectCrédito hipotecario
dc.subjectAprendizaje automático
dc.subjectLatinos
dc.subjectHMDA
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL) - ASPECTOS SOCIALES
dc.subject.lembPRÉSTAMOS HIPOTECARIOS - ESTADOS UNIDOS
dc.subject.lembSERVICIOS FINANCIEROS - ESTADOS UNIDOS
dc.subject.lembDISCRIMINACIÓN RACIAL - ESTADOS UNIDOS
dc.titleDiscriminación étnica en préstamos hipotecarios en estados unidos : un análisis predictivo con métodos causales y de aprendizaje automático
dc.typeinfo:eu-repo/semantics/masterThesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.localTesis de Maestríaspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Tesis_JuanPabloGaleanoNaranjo.pdf
Tamaño:
1.23 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.docx
Tamaño:
43.76 KB
Formato:
Microsoft Word XML
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
547.46 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)