Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera

Descripción del Articulo

Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
Detalles Bibliográficos
Autor: Muñoz Muñoz, Emanuel Guillermo
Formato: tesis de maestría
Fecha de Publicación:2015
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/1748
Enlace del recurso:https://hdl.handle.net/20.500.12996/1748
Nivel de acceso:acceso abierto
Materia:Regresión logística
Redes neuronales
Bancos
Instituciones financieras
Métodos estadísticos
Deudas
Compra
Modelos econométricos
Análisis de datos
Evaluación
Perú
https://purl.org/pe-repo/ocde/ford#4.05.00
id UNAL_a74822b6cffc93bc1a4e697971ef5874
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/1748
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.es_PE.fl_str_mv Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera
title Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera
spellingShingle Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera
Muñoz Muñoz, Emanuel Guillermo
Regresión logística
Redes neuronales
Bancos
Instituciones financieras
Redes neuronales
Métodos estadísticos
Deudas
Compra
Modelos econométricos
Análisis de datos
Evaluación
Perú
https://purl.org/pe-repo/ocde/ford#4.05.00
title_short Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera
title_full Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera
title_fullStr Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera
title_full_unstemmed Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera
title_sort Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera
author Muñoz Muñoz, Emanuel Guillermo
author_facet Muñoz Muñoz, Emanuel Guillermo
author_role author
dc.contributor.advisor.fl_str_mv Chue Gallardo, Jorge
dc.contributor.author.fl_str_mv Muñoz Muñoz, Emanuel Guillermo
dc.subject.es_PE.fl_str_mv Regresión logística
Redes neuronales
Bancos
Instituciones financieras
Redes neuronales
Métodos estadísticos
Deudas
Compra
Modelos econométricos
Análisis de datos
Evaluación
Perú
topic Regresión logística
Redes neuronales
Bancos
Instituciones financieras
Redes neuronales
Métodos estadísticos
Deudas
Compra
Modelos econométricos
Análisis de datos
Evaluación
Perú
https://purl.org/pe-repo/ocde/ford#4.05.00
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#4.05.00
description Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
publishDate 2015
dc.date.accessioned.none.fl_str_mv 2016-08-02T15:58:00Z
dc.date.available.none.fl_str_mv 2016-08-02T15:58:00Z
dc.date.issued.fl_str_mv 2015
dc.type.en_US.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.other.none.fl_str_mv E13.M8-T BAN UNALM
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/1748
identifier_str_mv E13.M8-T BAN UNALM
url https://hdl.handle.net/20.500.12996/1748
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.en_US.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.en_US.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional Agraria La Molina
dc.source.es_PE.fl_str_mv Universidad Nacional Agraria La Molina
Repositorio institucional - UNALM
dc.source.none.fl_str_mv reponame:UNALM-Institucional
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str UNALM-Institucional
collection UNALM-Institucional
bitstream.url.fl_str_mv https://repositorio.lamolina.edu.pe/bitstreams/754022d1-816d-4c6b-b975-a4569f12c893/download
https://repositorio.lamolina.edu.pe/bitstreams/52c2e63d-4067-4d97-a9ea-4b5cd359fcad/download
https://repositorio.lamolina.edu.pe/bitstreams/b17cfc47-6655-44ac-8674-3123434f954c/download
https://repositorio.lamolina.edu.pe/bitstreams/205abd5c-554a-497e-b833-5c8130f0d012/download
https://repositorio.lamolina.edu.pe/bitstreams/12ae4134-6106-4b93-8b5a-09220912d2b6/download
bitstream.checksum.fl_str_mv 7058d18ae014eafc8997598a39b61855
bb87e2fb4674c76d0d2e9ed07fbb9c86
85e652b8dfa19b82485c505314e0a902
75be78b3ded808a3f2a4740b3d8e1526
6fe932bf91aeee256635e0a9176f70a8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Nacional Agraria La Molina
repository.mail.fl_str_mv dspace@lamolina.edu.pe
_version_ 1845706872147935232
spelling Chue Gallardo, Jorge08c47e75-5f46-4e5b-a709-b333df5a3cf3Muñoz Muñoz, Emanuel Guillermo2016-08-02T15:58:00Z2016-08-02T15:58:00Z2015E13.M8-T BAN UNALMhttps://hdl.handle.net/20.500.12996/1748Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística AplicadaEl propósito de este trabajo es presentar y aplicar la técnica de redes neuronales para predecir el éxito de la compra de deuda de una entidad financiera a otra. La técnica de redes neuronales se sustenta en el perceptron multicapa y en el algoritmo de retropropagación. Se explica el uso de la técnica mostrando sus diferentes pasos: establecimiento de la estructura, la función de activación (sigmoidea), el paradigma de aprendizaje, el factor de aprendizaje, la regla de aprendizaje, el algoritmo de aprendizaje (retropropagación), el entrenamiento y la evaluación de la red neuronal. Se realizó un pre procesamiento para tener datos de calidad, con estos datos limpios se aplicó la técnica de redes neuronales en la clasificación y para evaluar esta clasificación se realizó el post procesamiento, se puede notar que todo este proceso es minería de datos. Lo más resaltante en las redes neuronales son los valores hallados para los parámetros, identificados a través del entrenamiento. Estos parámetros son denominados pesos dinámicos, en estos pesos está el conocimiento de la red neuronal para poder lograr la predicción. El error de clasificación que se obtiene al aplicar a los datos de prueba a la red neuronal entrenada con las especificaciones ya señaladas fue de 22.89% y 4.31% para la red de cuatro y dos neuronas en la capa de salida respectivamente. Al probar con más de siete neuronas se obtuvieron errores de clasificaciones similares o mayores, esto se logró con un mayor costo computacional. Al comparar los resultados de los mismos datos con la regresión logística, se obtuvieron estos errores de clasificación 22.72% y 4.31% para los datos con la variable respuesta de cuatro y dos clases respectivamente.También evaluaron los modelos de clasificación con la técnica de validación cruzada, en este caso se obtuvo 76.57% y 77.29% que son los porcentajes de la eficiencia de predicción de redes neuronales y regresión logística respectivamente, solo para los casos donde la variable respuesta de los datos era de cuatro nivelesThe purpose of this paper is to present and apply the technique of neural networks in order to predict the success of the debt purchase of a financial entity to another. The neural network technique is based on the multilayer perceptron and back propagation algorithm. The use of the technique explains showing different steps: Establishing the structure, the activation function (sigmoid), the learning paradigm, the learning factor, the learning rule, the learning algorithm (back propagation), training and the neural network evaluation. A pre-processing for having data quality, with these clean data was applied the neural networks technique the classification and for evaluating this classification the post processing was performed, one can see that this process is data mining. The highlights in neural networks are the values found for the parameters identified through training. These parameters are called dynamic weights, these weights is the knowledge of the neural network to accomplish the prediction. The classification error obtained by applying to the test data to the neural network trained with the specifications already mentioned was 22.89% and 4.31% for the network of four two neurons in the output layer respectively. When testing with more than seven neurons errors similar or higher ratings were obtained, this was achieved with a greater computational cost. Comparing the results of the same data with logistic regression, these classification errors were obtained 22.89% and 4.31% for the response variable data with four and two kinds respectively. In addition, classification models with the cross-validation technique, in this case 76.57% and 77.29% are percentages prediction efficiency logistic regression and neural networks respectively, only for cases evaluated was obtained where the variable response data was four levelsTesisapplication/pdfspaUniversidad Nacional Agraria La Molinainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional Agraria La MolinaRepositorio institucional - UNALMreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMRegresión logísticaRedes neuronalesBancosInstituciones financierasRedes neuronalesMétodos estadísticosDeudasCompraModelos econométricosAnálisis de datosEvaluaciónPerúhttps://purl.org/pe-repo/ocde/ford#4.05.00Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financierainfo:eu-repo/semantics/masterThesisSUNEDUEstadística AplicadaUniversidad Nacional Agraria La Molina. Escuela de PosgradoMagister Scientiae - Estadística AplicadaMaestríaTHUMBNAILE13-M8-T.pdf.jpgE13-M8-T.pdf.jpgGenerated Thumbnailimage/jpeg3443https://repositorio.lamolina.edu.pe/bitstreams/754022d1-816d-4c6b-b975-a4569f12c893/download7058d18ae014eafc8997598a39b61855MD58CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81232https://repositorio.lamolina.edu.pe/bitstreams/52c2e63d-4067-4d97-a9ea-4b5cd359fcad/downloadbb87e2fb4674c76d0d2e9ed07fbb9c86MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81683https://repositorio.lamolina.edu.pe/bitstreams/b17cfc47-6655-44ac-8674-3123434f954c/download85e652b8dfa19b82485c505314e0a902MD54ORIGINALE13-M8-T.pdfE13-M8-T.pdfTexto completoapplication/pdf1076769https://repositorio.lamolina.edu.pe/bitstreams/205abd5c-554a-497e-b833-5c8130f0d012/download75be78b3ded808a3f2a4740b3d8e1526MD55TEXTE13-M8-T.pdf.txtE13-M8-T.pdf.txtExtracted texttext/plain102034https://repositorio.lamolina.edu.pe/bitstreams/12ae4134-6106-4b93-8b5a-09220912d2b6/download6fe932bf91aeee256635e0a9176f70a8MD5720.500.12996/1748oai:repositorio.lamolina.edu.pe:20.500.12996/17482024-07-02 15:09:08.975https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.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
score 12.773366
Aplicación de redes neuronales y regresión logística para predecir el éxito de la compra de deuda de una entidad financiera
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