Modelo scoring para recuperar cartera de microcrédito
dc.contributor.advisor | Santana Contreras, Juan Camilo | |
dc.contributor.author | Rodriguez Avellaneda, Angelica Lucia | |
dc.creator.email | alrodrigueza01@libertadores.edu.co | spa |
dc.date.accessioned | 2019-09-17T22:37:19Z | |
dc.date.available | 2019-09-17T22:37:19Z | |
dc.date.created | 2018 | |
dc.description | En el presente trabajo se expone la construcción de un modelo Scoring para determinar la probabilidad de pago del cliente cuando se encuentra en mora, enfocado al sector micro crediticio, buscando una herramienta con la cual se pueda gestionar la cartera de una manera eficiente, reduciendo los costos e incrementando el nivel de recuperación. A fin de cumplir este objetivo se cuenta con una base de 6 meses (abril- septiembre del 2018), con la cual se generan 4 modelos diferentes, los cuales son: regresión logística, regresión probit, árboles de decisión y redes neuronales. Se compara el porcentaje de error en cada uno de ellos, dando como resultado que el porcentaje menor el generado por medio de árboles de decisión con un 11.3 %, dicho modelo refleja un ajuste adecuado, mostrando un nivel de predictibilidad acertado. En cuanto a los modelos restantes ninguno cuenta con un porcentaje mayor al 12.5 %. Por lo cual por medio de la regresión logística se determina que la garantía, el género y la mora al momento de evaluación son las variables con mayor incidencia en el no pago de los clientes. | spa |
dc.description.abstract | In the present work the construction of a Scoring model is exposed to determine the probability of payment of the client when it is in default, focused on the sector micro credit, looking for a tool with which the portfolio of in an efficient way, reducing costs and increasing the level of recovery. Finally If this objective is met, there is a 6-month base (April-September 2018), with which 4 different models are generated, which are: logistic regression, regression probit, decision trees and neural networks. The percentage of error in each one of them, resulting in the lower percentage generated by decision trees with 11.3%, said model reflects an adequate adjustment, showing a Successful predictability level. As for the remaining models, none have a percentage greater than 12.5%. Therefore, through logistic regression, it is determined that the guarantee, gender and default at the time of evaluation are the variables with the highest impact on non-payment of customers. | spa |
dc.format | spa | |
dc.identifier.uri | http://hdl.handle.net/11371/2082 | |
dc.language.iso | spa | spa |
dc.publisher | Fundación Universitaria Los Libertadores. Sede Bogotá. | spa |
dc.rights.acceso | Abierto (Texto Completo) | spa |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
dc.subject.lemb | Análisis de regresión | spa |
dc.subject.lemb | Estadística matemática | spa |
dc.subject.lemb | Sistemas de crédito - Procesamiento de datos | spa |
dc.subject.lemb | Probabilidades | spa |
dc.subject.lemb | Prestamos bancarios - Procesamiento de datos - Colombia - Siglo XXI | spa |
dc.subject.lemb | Econometría | spa |
dc.subject.proposal | Probabilidad de pago | spa |
dc.subject.proposal | Arboles de decisión | spa |
dc.subject.proposal | Microcrédito | spa |
dc.subject.proposal | Estadística aplicada | spa |
dc.subject.proposal | Modelo scoring | spa |
dc.title | Modelo scoring para recuperar cartera de microcrédito | spa |
dc.type | info:eu-repo/semantics/bachelorThesis | spa |
Archivos
Bloque original
1 - 3 de 3
Cargando...
- Nombre:
- Rodriguez_Angelica_2018.pdf
- Tamaño:
- 644.19 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Principal
Cargando...
- Nombre:
- Autorización_Rodriguez_2018.pdf
- Tamaño:
- 679.58 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
Cargando...
- Nombre:
- Autorización_Rodriguez_2018.pdf
- Tamaño:
- 679.58 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
Bloque de licencias
1 - 1 de 1
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: