Método de clasificación para evaluar el riesgo crediticio : una comparación

Descripción del Articulo

Se comparan dos métodos clásicos de clasificación: Análisis de Regresión Logística y Árboles de Clasificación, con el método de Redes Neuronales. La comparación se realizó en base al poder de clasificación y predicción de los modelos obtenidos en la evaluación del Riesgo Crediticio, siendo Redes Neu...

Descripción completa

Detalles Bibliográficos
Autor: Vigo Chacón, Geraldine Judith
Formato: tesis de grado
Fecha de Publicación:2010
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/3327
Enlace del recurso:https://hdl.handle.net/20.500.12672/3327
Nivel de acceso:acceso abierto
Materia:Riesgo financiero - Modelos matemáticos
Análisis de regresión logística
Redes neuronales (Computación) - Métodos estadísticos
https://purl.org/pe-repo/ocde/ford#1.01.03
id UNMS_998a808e3d2e88a23c589ddd6431ced5
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/3327
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
spelling Cambillo Moyano, Emma NormaVigo Chacón, Geraldine Judith2013-10-03T21:50:59Z2013-10-03T21:50:59Z2010https://hdl.handle.net/20.500.12672/3327Se comparan dos métodos clásicos de clasificación: Análisis de Regresión Logística y Árboles de Clasificación, con el método de Redes Neuronales. La comparación se realizó en base al poder de clasificación y predicción de los modelos obtenidos en la evaluación del Riesgo Crediticio, siendo Redes Neuronales el mejor método por tener mayor poder de clasificación y predicción. Para el análisis se utilizó una Base de Datos de Riesgo Crediticio. Asimismo, se establecen las ventajas y desventajas en el empleo de cada método. -- Palabras Claves: Análisis de Regresión Logística, Árboles de Clasificación, Redes Neuronales.--- Two classics methods of classification are compared: Analysis of Logistic Regression and Classification Trees with the method of Neural Networks. The comparison realized through his power of classification and prediction of the models obtains in the evaluation of credit risk, Neural Networks is the best method, because it has high power of classification and prediction. For the analysis used a database of credit risk. Likewise found the advantages and disadvantages in the use of each method. -- Key Words: Analysis Logistic Regression, Classification Trees, Neural Networks.TesisspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Universidad Nacional Mayor de San MarcosRepositorio de Tesis - UNMSMreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMRiesgo financiero - Modelos matemáticosAnálisis de regresión logísticaRedes neuronales (Computación) - Métodos estadísticoshttps://purl.org/pe-repo/ocde/ford#1.01.03Método de clasificación para evaluar el riesgo crediticio : una comparacióninfo:eu-repo/semantics/bachelorThesisSUNEDULicenciado en EstadísticaUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Académico Profesional de EstadísticaEstadística15377390https://orcid.org/0000-0003-3173-9425https://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALVigo_cg.pdfapplication/pdf2182275https://cybertesis.unmsm.edu.pe/bitstreams/56f6373a-41e1-4a9e-82b8-54cfde923dcf/downloadb1096122bf10fb97326a58b66868fd38MD51TEXTVigo_cg.pdf.txtVigo_cg.pdf.txtExtracted texttext/plain101785https://cybertesis.unmsm.edu.pe/bitstreams/e8f57a75-9695-4a32-b2e1-4366fe099a49/downloadd072b1df5b2f12a597715fc9d5cdcaf2MD54THUMBNAILVigo_cg.pdf.jpgVigo_cg.pdf.jpgGenerated Thumbnailimage/jpeg11606https://cybertesis.unmsm.edu.pe/bitstreams/d4a5d19f-17ed-4172-af3f-2193c3a96876/download26448a2ada1eb0b3ee8c04489a8c381eMD5520.500.12672/3327oai:cybertesis.unmsm.edu.pe:20.500.12672/33272024-08-16 01:19:15.978https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.pe
dc.title.none.fl_str_mv Método de clasificación para evaluar el riesgo crediticio : una comparación
title Método de clasificación para evaluar el riesgo crediticio : una comparación
spellingShingle Método de clasificación para evaluar el riesgo crediticio : una comparación
Vigo Chacón, Geraldine Judith
Riesgo financiero - Modelos matemáticos
Análisis de regresión logística
Redes neuronales (Computación) - Métodos estadísticos
https://purl.org/pe-repo/ocde/ford#1.01.03
title_short Método de clasificación para evaluar el riesgo crediticio : una comparación
title_full Método de clasificación para evaluar el riesgo crediticio : una comparación
title_fullStr Método de clasificación para evaluar el riesgo crediticio : una comparación
title_full_unstemmed Método de clasificación para evaluar el riesgo crediticio : una comparación
title_sort Método de clasificación para evaluar el riesgo crediticio : una comparación
author Vigo Chacón, Geraldine Judith
author_facet Vigo Chacón, Geraldine Judith
author_role author
dc.contributor.advisor.fl_str_mv Cambillo Moyano, Emma Norma
dc.contributor.author.fl_str_mv Vigo Chacón, Geraldine Judith
dc.subject.none.fl_str_mv Riesgo financiero - Modelos matemáticos
Análisis de regresión logística
Redes neuronales (Computación) - Métodos estadísticos
topic Riesgo financiero - Modelos matemáticos
Análisis de regresión logística
Redes neuronales (Computación) - Métodos estadísticos
https://purl.org/pe-repo/ocde/ford#1.01.03
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.01.03
description Se comparan dos métodos clásicos de clasificación: Análisis de Regresión Logística y Árboles de Clasificación, con el método de Redes Neuronales. La comparación se realizó en base al poder de clasificación y predicción de los modelos obtenidos en la evaluación del Riesgo Crediticio, siendo Redes Neuronales el mejor método por tener mayor poder de clasificación y predicción. Para el análisis se utilizó una Base de Datos de Riesgo Crediticio. Asimismo, se establecen las ventajas y desventajas en el empleo de cada método. -- Palabras Claves: Análisis de Regresión Logística, Árboles de Clasificación, Redes Neuronales.
publishDate 2010
dc.date.accessioned.none.fl_str_mv 2013-10-03T21:50:59Z
dc.date.available.none.fl_str_mv 2013-10-03T21:50:59Z
dc.date.issued.fl_str_mv 2010
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/3327
url https://hdl.handle.net/20.500.12672/3327
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv Universidad Nacional Mayor de San Marcos
Repositorio de Tesis - UNMSM
reponame:UNMSM-Tesis
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str UNMSM-Tesis
collection UNMSM-Tesis
bitstream.url.fl_str_mv https://cybertesis.unmsm.edu.pe/bitstreams/56f6373a-41e1-4a9e-82b8-54cfde923dcf/download
https://cybertesis.unmsm.edu.pe/bitstreams/e8f57a75-9695-4a32-b2e1-4366fe099a49/download
https://cybertesis.unmsm.edu.pe/bitstreams/d4a5d19f-17ed-4172-af3f-2193c3a96876/download
bitstream.checksum.fl_str_mv b1096122bf10fb97326a58b66868fd38
d072b1df5b2f12a597715fc9d5cdcaf2
26448a2ada1eb0b3ee8c04489a8c381e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1844716144182689792
score 12.932932
Método de clasificación para evaluar el riesgo crediticio : una comparación
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