Modelo de seguimiento de riesgo de crédito para el cliente independiente de una entidad financiera de Valle del Cauca
Fecha
2020
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
The purpose of this research is to propose a credit risk monitoring model for the independent profile client portfolio of a financial entity in Colombia´s department of Valle del Cauca, which provides information related to relevant variables associated to the analysis and management of the credit risk of this segment. The development of the monitoring model allows the grouping of the clients according to their characteristics and classifying them by their level of risk, predicting a possible default with more certainty and taking preventive actions against this fact, allowing in turn to comply with the risk policies defined in the Credit Risk Management System (Sistema de administración de riesgo de crédito, SARC), regulated in Colombia by the Superintendencia Financiera and based on the reference framework of the Basel Accords. The methodology used is that of data mining techniques such as clustering; the evaluation is carried out using decision trees; at the end the recommendations are presented.
Descripción
El propósito de esta investigación es proponer un modelo de seguimiento de riesgo de crédito para la cartera de clientes de perfil independiente de una entidad financiera de Valle del Cauca, que aporte información relacionada con variables relevantes ligadas al análisis y la gestión del riesgo de crédito de este segmento. El desarrollo del modelo de seguimiento permite agruparlos según sus características y clasificarlos por su nivel de riesgo, predecir con más certeza un eventual impago y tomar acciones preventivas frente a este hecho, cumpliendo a su vez con las políticas de riesgo definidas en el Sistema de administración de riesgo de crédito (SARC), regulado en Colombia por la Superintendencia Financiera y fundamentado en el marco de referencia de los Acuerdos de Basilea. La metodología usada es la de técnicas de minería de datos como el clustering; la evaluación se lleva a cabo mediante árboles de decisión; al final se presentan las recomendaciones.
Palabras clave
Riesgo de crédito, Modelos de seguimiento, Trabajador independiente, Árboles de decisión, Clúster