Especializaciones Restringidas RE

Permanent URI for this communityhttp://repository.ucatolicaluisamigo.edu.co/handle/20.500.14531/164

Comunidad de acceso restringido, para tener acceso a los archivos favor escribir a: aux7.biblioteca@amigo.edu.co

Browse

Browsing Especializaciones Restringidas RE by Author "a."

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Construcción de un modelo predictivo de morosidad de cartera
    (Universidad Católica Luis Amigo, 2023-06-10) Herrera Arbeláez, Daniela; Bedoya Ríos, Edy S.; Parra Sánchez, Juan S.; a.
    El presente caso de estudio se centra en el desarrollo y aplicación de un modelo predictivo de morosidad de cartera para una entidad de servicios financieros, por medio del cual se busca gestionar de mejor manera el nivel de riesgo de incumplimiento de pago de parte de los prestatarios y las consecuencias financieras derivadas del mismo, esto para los créditos de consumo e hipotecarios. Se inicia con la revisión de antecedentes y de la literatura referente al caso de estudio, así como con el análisis de las bases de datos que contienen información histórica de 5 años que incluye información personal y demográfica, así como datos acerca de la actividad financiera de los usuarios. Posteriormente se procede a realizar un proceso importante de entendimiento, exploración, limpieza y transformación de datos, y con base en todo lo anterior se determina aplicar el modelo de aprendizaje automático Random Forest teniendo como variable objetivo el riesgo medido en los niveles alto, medio y bajo. Luego se realizó el entrenamiento y optimización de para así finalizar con la evaluación del rendimiento y capacidad del modelo a través de una matriz de confusión. Como conclusión de la evaluación se observa que los resultados arrojados son óptimos pues presentan valores que se acercan a 1.0, lo que indica que el modelo en general es confiable y que adicional tiene un alto grado de capacidad para predecir los usuarios de Riesgo nivel 1: Bajo y nivel 3: Alto.