Machine Learning para la estimación del riesgo de crédito en una cartera de consumo

Vista sencilla de ítem
dc.contributor.advisorRojas Ormaza, Brayan Ricardospa
dc.contributor.authorOssa Giraldo, Wbeimar
dc.contributor.authorJaramillo Marin, Veronica
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 Administración Financieraspa
dc.creator.emailwossagi@eafit.edu.cospa
dc.creator.emailvjaramil@eafit.edu.cospa
dc.date.accessioned2021-04-19T20:02:48Z
dc.date.available2021-04-19T20:02:48Z
dc.date.issued2021
dc.descriptionLas entidades financieras por su naturaleza de negocio se encuentran inherentemente expuestas al riesgo de crédito, por ello, están continuamente en búsqueda de nuevas formas para medir la probabilidad de incumplimiento de los clientes que solicitan un crédito. Esta investigación tiene como objetivo comparar la precisión de un modelo de regresión logística frente a algunos modelos de Machine Learning, para la estimación del riesgo de crédito en una cartera de consumo; dichas metodologías se perfilan como una herramienta clave para la estimación de riesgos, debido a su flexibilidad y capacidad de aprendizaje. Para ello, se utilizaron los modelos de Regresión logística, Random Forest, Support Vector Machine y Multi-layer Perceptron, haciendo una comparación en la eficiencia de la estimación de los clientes que van a entrar en mora, y obteniendo como resultado que el modelo más equilibrado al momento de la evaluación es el Random Forest, dado que fue el que presentó el mejor ajuste de acuerdo con las métricas de exactitud evaluadas.spa
dc.description.abstractFinancial entities, due to their business nature, are inherently exposed to credit risk, for this reason, they are continually searching for new ways to measure the probability of default of clients requesting a loan. This research aims to comparing the precision of a logistic regression model against basic Machine Learning models for estimating credit risk in a consumer loan portfolio, these methodologies are emerging as a key tool for estimating risks due to their flexibility and learning capacity. For this, the Logistic Regression, Random Forest, Support Vector Machine and Multilayer Perceptron models were used, making a comparison in the efficiency of the estimation of the clients that are going to default, and obtaining as a result that the most balanced model at time of evaluation is the Random Forest.spa
dc.formatapplication/pdfeng
dc.identifier.ddc332.7 O84
dc.identifier.urihttp://hdl.handle.net/10784/29589
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Economía y Finanzasspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Administración Financieraspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.localAcceso abiertospa
dc.subjectInteligencia artificialspa
dc.subjectRiesgo de créditospa
dc.subjectMachine Learningspa
dc.subjectModelos predictivosspa
dc.subjectRegresión logísticaspa
dc.subject.keywordArtificial Intelligencespa
dc.subject.keywordCredit Riskspa
dc.subject.keywordMachine Learningspa
dc.subject.keywordPredictive Modelsspa
dc.subject.keywordLogistic Regressionspa
dc.subject.lembRIESGO (FINANZAS)spa
dc.subject.lembRIESGO (ECONOMÍA)spa
dc.subject.lembCRÉDITOspa
dc.subject.lembCOMPAÑÍAS FINANCIERAS COMERCIALESspa
dc.subject.lembCUENTAS POR COBRARspa
dc.subject.lembPORTAFOLIO DE INVERSIONESspa
dc.titleMachine Learning para la estimación del riesgo de crédito en una cartera de consumospa
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Wbeimar_OssaGiraldo_Veronica_JaramilloMarin_2021.pdf
Tamaño:
3.31 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
707.56 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
53.78 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis 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 Administración Financiera (tesis)