Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru

Descripción del Articulo

El acceso al texto completo de la tesis estará habilitado el 23 de noviembre de 2025, por expresa disposición del autor.
Detalles Bibliográficos
Autor: Asencios Casimiro, Rodrigo Andre
Formato: tesis de grado
Fecha de Publicación:2023
Institución:Universidad de Lima
Repositorio:ULIMA-Institucional
Lenguaje:inglés
OAI Identifier:oai:repositorio.ulima.edu.pe:20.500.12724/19751
Enlace del recurso:https://hdl.handle.net/20.500.12724/19751
Nivel de acceso:acceso embargado
Materia:Crédito
Evaluación del riesgo
Algoritmos computacionales
Credit
Risk assessment
Computer algorithms
https://purl.org/pe-repo/ocde/ford#2.02.04
id RULI_105d4934d464594203701224b06b23d1
oai_identifier_str oai:repositorio.ulima.edu.pe:20.500.12724/19751
network_acronym_str RULI
network_name_str ULIMA-Institucional
repository_id_str 3883
dc.title.en_EN.fl_str_mv Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru
title Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru
spellingShingle Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru
Asencios Casimiro, Rodrigo Andre
Crédito
Evaluación del riesgo
Algoritmos computacionales
Credit
Risk assessment
Computer algorithms
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru
title_full Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru
title_fullStr Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru
title_full_unstemmed Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru
title_sort Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru
author Asencios Casimiro, Rodrigo Andre
author_facet Asencios Casimiro, Rodrigo Andre
author_role author
dc.contributor.advisor.fl_str_mv Ramos Ponce, Oscar Efraín
dc.contributor.author.fl_str_mv Asencios Casimiro, Rodrigo Andre
dc.subject.es_PE.fl_str_mv Crédito
Evaluación del riesgo
Algoritmos computacionales
topic Crédito
Evaluación del riesgo
Algoritmos computacionales
Credit
Risk assessment
Computer algorithms
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.en_EN.fl_str_mv Credit
Risk assessment
Computer algorithms
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description El acceso al texto completo de la tesis estará habilitado el 23 de noviembre de 2025, por expresa disposición del autor.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2024-01-24T21:10:32Z
dc.date.available.none.fl_str_mv 2024-01-24T21:10:32Z
dc.date.embargoend.none.fl_str_mv 2025-11-23
dc.date.issued.fl_str_mv 2023
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.other.none.fl_str_mv Tesis
format bachelorThesis
dc.identifier.citation.es_PE.fl_str_mv Asencios Casimiro, R. A. (2023). Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru. [Tesis para optar el Título Profesional de Ingeniero de Sistemas, Universidad de Lima]. Repositorio institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/19751
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12724/19751
identifier_str_mv Asencios Casimiro, R. A. (2023). Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru. [Tesis para optar el Título Profesional de Ingeniero de Sistemas, Universidad de Lima]. Repositorio institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/19751
url https://hdl.handle.net/20.500.12724/19751
dc.language.iso.none.fl_str_mv eng
language eng
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.*.fl_str_mv info:eu-repo/semantics/embargoedAccess
eu_rights_str_mv embargoedAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Lima
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad de Lima
dc.source.es_PE.fl_str_mv Repositorio Institucional - Ulima
Universidad de Lima
dc.source.none.fl_str_mv reponame:ULIMA-Institucional
instname:Universidad de Lima
instacron:ULIMA
instname_str Universidad de Lima
instacron_str ULIMA
institution ULIMA
reponame_str ULIMA-Institucional
collection ULIMA-Institucional
bitstream.url.fl_str_mv https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/6/T018_71335970_T.pdf.jpg
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/8/FA_71335970.pdf.jpg
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/10/TURNITIN_DNI_71335970%20-%2020160094.pdf.jpg
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/1/T018_71335970_T.pdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/2/T018_71335970_T.pdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/3/FA_71335970.pdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/4/TURNITIN_DNI_71335970%20-%2020160094.pdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/5/T018_71335970_T.pdf.txt
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/7/FA_71335970.pdf.txt
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/9/TURNITIN_DNI_71335970%20-%2020160094.pdf.txt
bitstream.checksum.fl_str_mv d138a326db53e5bdb5b4c03ff6b64e0c
9d89c9ff55ee96e2fe097287c1cba4bf
b6d7ca3997a0149cff33ef74d5387640
3c9ed09ef17ab9186e99bc2cd94e0b79
59a8e697bb1ddb1471aea389f1ce9cbc
f0bffc766a24a9f3a56b962a5f96d395
5db416be49331b31529b683bd4e855bb
9c699f65736b3adb2b44992db9be45b6
dc09ad8ac834cb17835b46fc470d649a
a78c0a43d5c9c1842770b82e4dfb20d2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad de Lima
repository.mail.fl_str_mv repositorio@ulima.edu.pe
_version_ 1845977516905332736
spelling Ramos Ponce, Oscar EfraínAsencios Casimiro, Rodrigo Andre2024-01-24T21:10:32Z2024-01-24T21:10:32Z20232025-11-23Asencios Casimiro, R. A. (2023). Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru. [Tesis para optar el Título Profesional de Ingeniero de Sistemas, Universidad de Lima]. Repositorio institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/19751https://hdl.handle.net/20.500.12724/19751El acceso al texto completo de la tesis estará habilitado el 23 de noviembre de 2025, por expresa disposición del autor.Credit unions are growing microfinance institutions that base their lending decisions on the judgment of their credit analysts. Therefore, the purpose of this paper is to design 6 profit scoring models, capable of predicting the Internal Rate of Return (IRR) of credit applications, using the multilayer perceptron, XGBoost and TabNet algorithms and thus serve as a support tool for the credit analyst. For this purpose, the least correlated and most independent features were selected from the dataset coming from a Peruvian credit union and composed of 36 402 observations. Then, the hyperparameters of all algorithms were tuned. Finally, the profit scoring models that considered only the selected features were compared to which considered all features. As results, it was obtained that the most significant features that determine the IRR of a loan are the effective monthly interest rate and the member’s maximum or average days delinquent. The results obtained from the performance evaluation of the profit scoring models suggested the XGBoost as the best algorithm. In addition, the model that used the XGBoost algorithm and considered all the features had the best performance.Las Cooperativas de Ahorro y Crédito son instituciones microfinancieras en crecimiento que basan sus decisiones de préstamo en el juicio de sus analistas de crédito. Por ello, el objetivo de este trabajo es diseñar 6 modelos de profit scoring, capaces de predecir la Tasa Interna de Retorno (TIR) de las solicitudes de crédito, utilizando los algoritmos del perceptrón multicapa, XGBoost y TabNet, y servir, así, como herramienta de soporte al analista de crédito. Para ello, se seleccionaron las características menos correlacionadas y más independientes del conjunto de datos proveniente de una Cooperativa de Ahorro y Crédito peruana y compuesto por 36 402 observaciones. Luego, se optimizaron los hiperparámetros de todos los algoritmos. Finalmente, se compararon los modelos de profit scoring que consideraron solo las características seleccionadas con los que consideraron todas las características. Como resultados, se obtuvo que las características más significativas que determinan la TIR de un préstamo son la tasa efectiva mensual y los días de morosidad máxima o media del socio. Los resultados obtenidos de la evaluación del rendimiento de los modelos de profit scoring sugirieron a XGBoost como el mejor algoritmo. Además, el modelo que utilizó el algoritmo XGBoost y que consideró todas las características obtuvo el mejor rendimiento.application/pdfengUniversidad de LimaPEinfo:eu-repo/semantics/embargoedAccessRepositorio Institucional - UlimaUniversidad de Limareponame:ULIMA-Institucionalinstname:Universidad de Limainstacron:ULIMACréditoEvaluación del riesgoAlgoritmos computacionalesCreditRisk assessmentComputer algorithmshttps://purl.org/pe-repo/ocde/ford#2.02.04Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peruinfo:eu-repo/semantics/bachelorThesisTesisSUNEDUTítulo ProfesionalIngeniería de SistemasUniversidad de Lima. Facultad de Ingeniería y ArquitecturaIngeniero industrialhttps://orcid.org/0000-0001-5185-97454419658161207671335970https://purl.org/pe-repo/renati/level#tituloProfesionalRomero Velazco, George EdwinMayhua Quispe, Angela GabrielaSuni Lopez, Francihttps://purl.org/pe-repo/renati/type#tesis009THUMBNAILT018_71335970_T.pdf.jpgT018_71335970_T.pdf.jpgGenerated Thumbnailimage/jpeg10457https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/6/T018_71335970_T.pdf.jpgd138a326db53e5bdb5b4c03ff6b64e0cMD56FA_71335970.pdf.jpgFA_71335970.pdf.jpgGenerated Thumbnailimage/jpeg15979https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/8/FA_71335970.pdf.jpg9d89c9ff55ee96e2fe097287c1cba4bfMD58TURNITIN_DNI_71335970 - 20160094.pdf.jpgTURNITIN_DNI_71335970 - 20160094.pdf.jpgGenerated Thumbnailimage/jpeg7900https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/10/TURNITIN_DNI_71335970%20-%2020160094.pdf.jpgb6d7ca3997a0149cff33ef74d5387640MD510ORIGINALT018_71335970_T.pdfT018_71335970_T.pdfTesis_resumenapplication/pdf228888https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/1/T018_71335970_T.pdf3c9ed09ef17ab9186e99bc2cd94e0b79MD51T018_71335970_T.pdfT018_71335970_T.pdfTesisapplication/pdf280434https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/2/T018_71335970_T.pdf59a8e697bb1ddb1471aea389f1ce9cbcMD52FA_71335970.pdfFA_71335970.pdfAutorizaciónapplication/pdf210108https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/3/FA_71335970.pdff0bffc766a24a9f3a56b962a5f96d395MD53TURNITIN_DNI_71335970 - 20160094.pdfTURNITIN_DNI_71335970 - 20160094.pdfReporte de similitudapplication/pdf1654839https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/4/TURNITIN_DNI_71335970%20-%2020160094.pdf5db416be49331b31529b683bd4e855bbMD54TEXTT018_71335970_T.pdf.txtT018_71335970_T.pdf.txtExtracted texttext/plain4055https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/5/T018_71335970_T.pdf.txt9c699f65736b3adb2b44992db9be45b6MD55FA_71335970.pdf.txtFA_71335970.pdf.txtExtracted texttext/plain2547https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/7/FA_71335970.pdf.txtdc09ad8ac834cb17835b46fc470d649aMD57TURNITIN_DNI_71335970 - 20160094.pdf.txtTURNITIN_DNI_71335970 - 20160094.pdf.txtExtracted texttext/plain997https://repositorio.ulima.edu.pe/bitstream/20.500.12724/19751/9/TURNITIN_DNI_71335970%20-%2020160094.pdf.txta78c0a43d5c9c1842770b82e4dfb20d2MD5920.500.12724/19751oai:repositorio.ulima.edu.pe:20.500.12724/197512025-03-25 16:01:01.383Repositorio Universidad de Limarepositorio@ulima.edu.pe
score 13.035174
Profit scoring for credit unions using the multilayer perceptron, XGBoost and TabNet algorithms: evidence from Peru
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares