Machine Learning para la aprobación de créditos hipotecarios en Colombia.
dc.contributor.advisor | González Martínez, Edwin Fernando | |
dc.contributor.author | Valderrama Cuellar, Juan Sebastián | |
dc.contributor.author | Díaz Baquero, Edwin Alexander | |
dc.coverage.spatial | Colombia | |
dc.creator.email | serk9303@gmail.com | |
dc.date.accessioned | 2024-06-14T22:55:51Z | |
dc.date.available | 2024-06-14T22:55:51Z | |
dc.date.issued | 2023-12 | |
dc.description.abstract | En el sistema actual de servicios financieros, uno de los productos más importantes en el desarrollo de la economía es el crédito hipotecario, el cual es un crédito a mediano o largo plazo que otorgan las entidades financieras para la compra, ampliación, reparación o construcción de vivienda y cuyo objetivo es garantizar una de las necesidades básicas de la población y el buen funcionamiento de las entidades financieras. se tiene como propósito crear un modelo de Machine Learning que ayude a optimizar el proceso de aprobación de créditos hipotecarios en entidades financieras minimizando la perdida de futuros clientes que si cumplen con las características para este tipo de otorgamiento, se propone el desarrollo de un modelo automatizado que permita analizar y evaluar todas aquellas variables que contienen información de los clientes dentro de un proceso de clasificación para la aprobación de solicitudes de créditos hipotecarios. Este estudio está enfocado en revisar y analizar los factores sociodemográficos que influyen en la aprobación de créditos hipotecarios en Colombia. La investigación se llevó a cabo siguiendo un enfoque mixto (cualitativo y cuantitativo), utilizando modelos estadísticos para examinar la relación existente entre las variables sociodemográficas y la probabilidad de hacer más eficiente la selección de aprobación de créditos hipotecarios. los resultados del ejercicio destacan la importancia de establecer un modelo de Machine Learning para respaldar la toma de decisiones sobre la aprobación de solicitudes de créditos hipotecarios en entidades financieras. Este modelo beneficia a estas entidades al seleccionar clientes con ciertas características que generen valor, reduciendo la tasa de rechazo y evitando incumplimientos futuros. | spa |
dc.description.abstract | In the current system of financial services, one of the most important products in the development of the economy is the mortgage loan, which is a medium or long term credit granted by financial institutions for the purchase, expansion, repair or construction of housing and whose objective is to guarantee one of the basic needs of the population and the proper functioning of financial institutions. The purpose of this study is to create a Machine Learning model that helps to optimize the mortgage loan approval process in financial entities, minimizing the loss of future clients that meet the characteristics for this type of granting. The development of an automated model that allows to analyze and evaluate all those variables that contain information of the clients within a classification process for the approval of mortgage loan applications is proposed. This study is focused on reviewing and analyzing the sociodemographic factors that influence the approval of mortgage loans in Colombia. The research was carried out following a mixed approach (qualitative and quantitative), using statistical models to examine the relationship between sociodemographic variables and the probability of making the mortgage loan approval selection more efficient. the results of the exercise highlight the importance of establishing a Machine Learning model to support mortgage loan approval. | eng |
dc.description.degreelevel | Especialización | |
dc.format | ||
dc.identifier.uri | http://hdl.handle.net/11371/6908 | |
dc.language.iso | spa | |
dc.rights.accessrights | OpenAccess | |
dc.subject.lemb | Crédito - Administración | spa |
dc.subject.lemb | Crédito - Control | spa |
dc.subject.lemb | Administración de créditos | spa |
dc.subject.lemb | Finanzas | spa |
dc.subject.proposal | Crédito hipotecario | spa |
dc.subject.proposal | Machine Learning | spa |
dc.subject.proposal | Gradient boosting | spa |
dc.subject.proposal | Árbol de decisión | spa |
dc.subject.proposal | Mortgage lending | eng |
dc.subject.proposal | Aprendizaje Automático | eng |
dc.subject.proposal | Gradient boosting | eng |
dc.subject.proposal | Decision tree | eng |
dc.title | Machine Learning para la aprobación de créditos hipotecarios en Colombia. | spa |
dc.title | Machine Learning for the approval of mortgage loans in Colombia Colombia. | eng |
dc.type | bachelor thesis |