Implementación de una solución de machine learning para la asignación de créditos financieros en una entidad financiera

• Autor: Suxo Espinoza, Guillermo William
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/22633
• Enlace del recurso: https://hdl.handle.net/20.500.12672/22633
• Nivel de acceso: acceso abierto
• Materia: Finanzas; Toma de decisiones; Crédito; https://purl.org/pe-repo/ocde/ford#2.02.04

Describe la implementación de un modelo de machine learning que respalda a una entidad financiera en la toma de decisiones sobre la viabilidad de los créditos otorgados a sus clientes top. Sabemos que la entidad financiera se basa en el uso de análisis de datos avanzados, la digitalización y, sobre todo el enfoque en el cliente, y que actualmente vivimos en una situación de contextos volátiles, inciertos, complejos y ambiguos. Sin embargo, identificamos que la evaluación presentaba demoras y que no era flexible en las tasas de interés y los montos ofrecidos, por lo que propusimos un modelo que permitiera estimar los ingresos potenciales, determinar tasas de interés y montos apropiados a los clientes top según esta estimación. A través de la técnica el machine learning , la cual se desarrolló desde una fase preliminar en la que se analizó la información de los últimos años y se generó un conjunto de variables que nos permitió determinar la mejor forma de aplicar el modelo apropiado para el proyecto, así mismo se usaron buenas prácticas de trabajo colaborativo durante las diferentes etapas, donde el equipo de trabajo interactuó, modeló y validó resultados, alcanzando así la reducción de los tiempos de demora e incrementando la flexibilidad de los créditos ofrecidos a los clientes top.