Mostrar el registro sencillo del ítem

dc.contributor.advisorGamboa Unsihuay, Jesús Eduardo
dc.contributor.authorCarrasco Reyes, Alessandra Stefany
dc.date.accessioned2024-07-19T20:40:17Z
dc.date.available2024-07-19T20:40:17Z
dc.date.issued2024
dc.identifier.urihttps://hdl.handle.net/20.500.12996/6620
dc.descriptionUniversidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informáticaes_PE
dc.description.abstractEl riesgo de crédito se encuentra dentro de las principales preocupaciones de las entidades financieras, por ello mantener una adecuada gestión es de vital importancia. Como parte de las estrategias definidas por las entidades se hace uso de análisis y modelos estadísticos para la admisión de clientes, generación de campañas, monitoreo de la calidad de cartera de clientes, manteniendo su apetito de riesgo. En el presente trabajo se describe la construcción de un modelo de score, específicamente, para clientes potenciales de una campaña crediticia de una entidad financiera, utilizando modelos Random Forest para la selección de variables y ajustando un modelo de Regresión Logística para la predicción de clientes morosos y no morosos. Dicho modelo logró una mejora de 14 puntos porcentuales en el indicador de Kolgomorov Smirnov en comparación con el modelo anterior de score.es_PE
dc.description.abstractCredit risk is one of the main concerns of financial institutions, therefore maintaining an adequate management is very important. As part of the strategies defined by the entities, statistical analysis and models are used for the admission of clients, generation of financial campaigns, monitoring of the quality of the client portfolio, maintaining their risk appetite. This paper describes the construction of a model, specifically for potential customers of a credit campaign of a financial institution, using Random Forest models for the selection of variables and fitting a Logistic Regression model for the prediction of payment default. This model achieved an improvement of 14 percentage points in the Kolgomorov Smirnov compared to the previous scoring model.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional Agraria La Molinaes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/es_PE
dc.subjectRiesgo de créditoes_PE
dc.titleConstrucción de un modelo de score para la evaluación de clientes potenciales en una entidad financieraes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineEstadística e Informáticaes_PE
thesis.degree.grantorUniversidad Nacional Agraria La Molina. Facultad de Economía y Planificaciónes_PE
thesis.degree.nameIngeniero Estadístico Informáticoes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#4.05.00es_PE
renati.author.dni47564770es_PE
dc.publisher.countryPEes_PE
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
renati.advisor.orcidhttps://orcid.org/0000-0002-2437-3894es_PE
renati.advisor.dni70086185es_PE
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionales_PE
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_PE
renati.discipline542026es_PE
renati.jurorMenacho Chiok, César Higinio
renati.jurorPorras Cerrón, Jaime Carlos
renati.jurorSalazar Vega, Rolando Jesus


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess