Evitemos el castigo, Modelo de predicción de operaciones de crédito con posible default financiero

Simple item page
dc.contributor.advisorFerres, Leo
dc.contributor.authorEulufi Malbrán, Cristóbal
dc.date.accessioned2021-05-06T17:56:22Z
dc.date.available2021-05-06T17:56:22Z
dc.date.issued2020-12
dc.descriptionProyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data Sciencees
dc.description.abstractLas empresas del rubro financiero obtienen sus ingresos en base a los intereses percibidos de los créditos otorgados a sus clientes, por consiguiente, cuando un cliente no cancela las cuotas de su crédito, la institución asume la pérdida del capital prestado (castigo), impactando negativamente en sus utilidades. Coopeuch, institución financiera cooperativa, minimiza el riesgo de castigo de los créditos mediante la modalidad de descuento por planilla, sin embargo, a pesar de esta metodología, tiene pérdidas generadas por el no pago de los créditos equivalente al 30% de su margen financiero, lo cual afecta en el remanente entregado a sus socios. El objetivo de este paper es comparar modelos de marchine learning y ver cuál de ellos predice de mejor manera que operación de crédito se castigará para generar estrategias de cobranza y reducir las pérdidas por no pago. Se estudiaron tres modelos puntuales, regresión logística, random forest y extreme gradiente boosting (XGBoost), modelos más utilizados en estudios similares realizados por otros autores, donde se pensaba que el modelo XGBoost tendría mejor performance mediante el algoritmo de descenso de gradiente. El modelo que mejor resultado entrega al estudio fue Random Forest, con un accuracy de 95% y un ROC-AUC de 98,9%.es
dc.format.extent44 p.es
dc.identifier.urihttp://hdl.handle.net/11447/4042
dc.language.isoeses
dc.publisherUniversidad del Desarrollo. Facultad de Ingenieríaes
dc.subjectEmpresases
dc.subjectFinanzases
dc.subjectModelos de predicciones
dc.subjectComparaciónes
dc.subjectCastigoses
dc.subject070037Ses
dc.titleEvitemos el castigo, Modelo de predicción de operaciones de crédito con posible default financieroes
dc.typeThesises

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Evitemos el castigo, Modelo de predicción de operaciones de crédito con posible default financiero.pdf
Size:
1.08 MB
Format:
Adobe Portable Document Format
Description:
Texto completo
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Tesis de Postgrado Ingeniería

Implementado por OpenGeek Services