Clasificación de créditos de libranza negociados en el mercado secundario colombiano, aplicando técnicas de aprendizaje supervisado

Vista sencilla de ítem
dc.contributor.advisorMoreno Reyes, Nicolás Alberto
dc.contributor.authorGómez Betancur , Juan Camilo
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.emailjcgomezb@eafit.edu.co
dc.date.accessioned2024-10-21T15:51:29Z
dc.date.available2024-10-21T15:51:29Z
dc.date.issued2024
dc.descriptionEl riesgo crediticio, exacerbado por eventos como la crisis financiera de 2008, sigue siendo una preocupación para entidades bancarias y no bancarias. Este estudio aborda la necesidad de mejorar la clasificación de créditos de libranza en Colombia mediante técnicas tradicionales y de aprendizaje automático. El objetivo de este estudio es desarrollar un modelo capaz de identificar los créditos con mayor probabilidad de incumplimiento mediante el uso de algoritmos de aprendizaje supervisado. Este enfoque ha demostrado una eficacia superior en la clasificación del riesgo crediticio. Como resultado, se espera optimizar la adquisición de créditos de libranza y fortalecer la cartera de los portafolios de inversión.
dc.description.abstractCredit risk, exacerbated by events such as the 2008 financial crisis, remains a concern for both banking and non-banking entities. This study addresses the need to improve the classification of payroll loans in Colombia using both traditional and machine learning techniques. It highlights the superior effectiveness of supervised learning algorithms in credit risk classification, with the ultimate goal of developing a model capable of identifying loans with a higher probability of default. This would optimize the acquisition of payroll loans and strengthen investment portfolio.
dc.identifier.urihttps://hdl.handle.net/10784/34684
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.subjectClasificación binaria
dc.subjectPuntuación crediticia
dc.subjectRiesgo crédito
dc.subjectClasificador de créditos
dc.subjectCrédito de libranza
dc.subject.keywordBinary Classification
dc.subject.keywordCredit Scoring
dc.subject.keywordCredit
dc.subject.keywordCredit Scoring
dc.subject.keywordCredit Classifiers
dc.subject.keywordLibranza
dc.subject.keywordXGBoost
dc.subject.keywordCredit risk
dc.subject.lembCRÉDITO
dc.subject.lembRIESGO (FINANZAS)
dc.subject.lembALGORITMOS
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.titleClasificación de créditos de libranza negociados en el mercado secundario colombiano, aplicando técnicas de aprendizaje supervisado
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:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
381.56 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:
98.04 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
JuanCamiloGomezBetancur_2024.pdf
Tamaño:
430.28 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)