Modelo tecnológico de análisis predictivo basado en machine learning para evaluación de riesgo crediticio

• Autores: Ortiz Huamán, Cesar Humberto, Haro Bernal, Brenda Ximena
• Formato: tesis de grado
• Fecha de Publicación: 2017
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/656207
• Enlace del recurso: http://hdl.handle.net/10757/656207
• Nivel de acceso: acceso abierto
• Materia: Riesgo crediticio; Calificación crediticia; Crédito financiero; Machine Learning Studio; Machine Learning Azure; Credit risk; Credit rating; Financial credit; http://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

El incremento de herramientas e innovación en tecnología para la sociedad trae como resultado que las organizaciones empiecen a producir y almacenar grandes cantidades de datos. Así, la gestión y la obtención de conocimiento a partir de estos datos es un desafío y clave para generar ventaja competitiva. Dentro del proyecto dos enfoques son tomados en cuenta; la complejidad de implementación, los costos asociados por el uso de tecnologías y herramienta necesarias. Para encontrar los secretos que esconden los datos recolectados, es necesario tener una gran cantidad de ellos y examinarlos de forma minuciosa para así encontrar patrones. Este tipo de análisis es de complejidad alta para que nosotros mismos logremos detectar (Chappell & Associates, 2015). Campos de Ciencias de la Computación como Machine Learning servirán de base para la realización del análisis predictivo que permita anticiparnos al comportamiento futuro de las variables definidas según el problema que identifiquemos. El presente proyecto tiene como principio la necesidad de tener un Modelo Tecnológico de análisis predictivo basado en Machine Learning en la evaluación de riesgo crediticio. Fue tomada en consideración la situación actual sobre las diferentes implementaciones y arquitecturas que fueron desarrolladas por empresas que cuentan soluciones predefinidas o con propuestas generales que no permiten la flexibilidad y detalle de que necesita tener un sistema con la tecnología de Machine Learning.