Credit scoring para la cartera crediticia de consumo no revolvente de una entidad bancaria estatal

Descripción del Articulo

El presente trabajo de investigación busca entender las variables determinantes de la probabilidad de default en la cartera de consumo no revolvente del Banco de la Nación que permita mejoras en la gestión del riesgo crediticio. Se estudiará a través del modelo de regresión logística construido con...

Descripción completa

Detalles Bibliográficos
Autor: Tamayo Medrano, Paola Aracelli Roxana
Formato: tesis de maestría
Fecha de Publicación:2017
Institución:Universidad del Pacífico
Repositorio:UP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.up.edu.pe:11354/1858
Enlace del recurso:http://hdl.handle.net/11354/1858
Nivel de acceso:acceso abierto
Materia:Riesgo de crédito
Sistemas de puntuación de crédito
Finanzas
https://purl.org/pe-repo/ocde/ford#5.02.04
Descripción
Sumario:El presente trabajo de investigación busca entender las variables determinantes de la probabilidad de default en la cartera de consumo no revolvente del Banco de la Nación que permita mejoras en la gestión del riesgo crediticio. Se estudiará a través del modelo de regresión logística construido con los desembolsos de la entidad entre el periodo enero a diciembre 2014. Se obtuvo que variables cualitativas como el departamento en donde se desembolsó el crédito, el tipo de préstamo (sector al que pertenece el trabajador público que solicita el préstamo), la situación laboral del cliente y sexo; así como de las variables intrínsecas de la operación de préstamo como son el plazo, deuda en el sistema financiero además de la variable ingreso del trabajador (que considera lo que en neto ingresa a la cuenta de ahorros en el banco) y antigüedad laboral, permiten obtener un ajuste apropiado para el modelo que estima la probabilidad de default del potencial cliente. Para evaluar el poder de discriminatorio se utilizó el estadístico K-S y la curva ROC (Receiver Operating Characteristics) y área bajo la curva ROC siendo de 0,7379. Con la validación del modelo se obtuvo que el 61% de los créditos malos observados son estimados por el modelo.
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).