Desarrollo de un Score de riesgo financiero con XGBoost para evaluación de crédito Fintech

Vista sencilla de ítem
dc.contributor.advisorOrtiz Arias, Santiago
dc.contributor.authorCorrea Restrepo, Juan David
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 degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailjdcorrear@eafit.edu.co
dc.date.accessioned2024-08-12T22:42:23Z
dc.date.available2024-08-12T22:42:23Z
dc.date.issued2024
dc.descriptionEl score de crédito es utilizado por las entidades financieras para evaluar el riesgo de sus clientes basado en la probabilidad de caer en mora, informando decisiones de aprobación de crédito. Este proyecto desarrolla un modelo XGBoost para estimar el score de crédito del perfil típico de clientes de una empresa Fintech, utilizando datos sociodemográficos, de empleabilidad y comportamiento financiero. El entrenamiento y validación del modelo involucraron la creación de diversas bases de datos mediante la eliminación de outliers y la reducción de dimensionalidad con PCA Robusta (ROBPCA). Los hiperparámetros se optimizaron utilizando una simulación Montecarlo de 6,000 muestras, evitando el sobreajuste y mejorando el rendimiento. A pesar de desafíos como la dependencia de la calidad de los datos y posibles sesgos, el modelo predice eficazmente el default, especialmente en scores bajos. El proyecto concluye con recomendaciones para la mejora continua, como la integración de nuevas fuentes de datos y el uso de técnicas avanzadas de machine learning, para aumentar la precisión y robustez del modelo. El modelo propuesto puede adaptarse al mercado Fintech y a la población objetivo, facilitando una correcta segmentación de clientes y manteniendo niveles de riesgo aceptables para la organización.
dc.identifier.urihttps://hdl.handle.net/10784/34305
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Ciencias Aplicadas e Ingeniería. Área Computación y Analíticaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectScore de crédito
dc.subjectReducción de dimensionalidad
dc.subjectEliminación de outliers
dc.subjectSimulación Montecarlo
dc.subjectEstadístico Kolmogorov-Smirnov
dc.subjectApetito de riesgo
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.subject.lembFINANZAS
dc.subject.lembCRÉDITO
dc.subject.lembRIESGO (FINANZAS)
dc.subject.lembRIESGO (ECONOMÍA)
dc.titleDesarrollo de un Score de riesgo financiero con XGBoost para evaluación de crédito Fintech
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaInforme

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Autorizacion de Publicacion de Obras.pdf
Tamaño:
460.56 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
No hay miniatura disponible
Nombre:
Carta de Aprobacion.pdf
Tamaño:
107.96 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
Desarrollo de un Score de Riesgo Financiero con XGBoost para Evaluación.pdf
Tamaño:
872.93 KB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
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)