Sistema de predicción de comportamiento de clientes siguiendo su historial crediticio del Banco Azteca
Descripción del Articulo
En el país, sobre todo en la ciudad de Chiclayo, las entidades bancarias realizan diversas transacciones que benefician a la población, una de ellas es el préstamo. Estas entidades, especificando el Banco Azteca, ha realizado diversos préstamos beneficiando a la población ya sea con negocios, empres...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2024 |
| Institución: | Universidad Católica Santo Toribio de Mogrovejo |
| Repositorio: | USAT-Tesis |
| Lenguaje: | español |
| OAI Identifier: | oai:tesis.usat.edu.pe:20.500.12423/7369 |
| Enlace del recurso: | http://hdl.handle.net/20.500.12423/7369 |
| Nivel de acceso: | acceso abierto |
| Materia: | Préstamos bancarios Morosidad Sistemas de información crediticia Bank loans Delinquency Credit information systems http://purl.org/pe-repo/ocde/ford#2.02.04 |
| Sumario: | En el país, sobre todo en la ciudad de Chiclayo, las entidades bancarias realizan diversas transacciones que benefician a la población, una de ellas es el préstamo. Estas entidades, especificando el Banco Azteca, ha realizado diversos préstamos beneficiando a la población ya sea con negocios, empresas y otras deudas previa evaluación. Sin embargo, así como hay personas que cumplen en devolver el dinero prestado, existen otras personas que no lo realizan quedándose con el dinero por diversos factores ocasionando que estos automáticamente pasen al Sistema de Deudores. Este factor, en varias oportunidades no se ha tomado en cuenta, generando deudas en el Banco. Ante la mencionada situación, la presente tesis tuvo como objetivo general implementar una aplicación móvil utilizando el algoritmo de redes neuronales para la detección de clientes en las listas priorizadas en el Sistema del Banco Azteca identificando las listas de alto riesgo y validando el sistema de detección según la ISO 25010 teniendo en cuenta que el modelo se detectará en base a los datos obtenidos y según su historial generando un nivel de información registrada de los clientes. Los resultados obtenidos permitirán detectar con mayor precisión la morosidad de los clientes. Además, los empleados de la entidad podrán monitorear a sus clientes y realizar una simulación para determinar si el cliente puede llegar a ser moroso a futuro. |
|---|
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).
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).
