Modelo de Predicción de la Morosidad en el otorgamiento de Crédito Financiero Aplicando Metodología CRISP-DM

• Autor: Carpio Ticona, Julio Cesar
• Formato: tesis de grado
• Fecha de Publicación: 2016
• Institución: Universidad Andina Néstor Cáceres Velasquez
• Repositorio: UANCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uancv.edu.pe:UANCV/743
• Enlace del recurso: http://repositorio.uancv.edu.pe/handle/UANCV/743
• Nivel de acceso: acceso abierto
• Materia: Predicción de crédito, morosidad de crédito, metodología CRISP-DM, bosques aleatorios, sistema web.

En los últimos años el Perú tiene un crecimiento económico sostenible, lo que posibilitó que las instituciones microfinancieras tengan un crecimiento en cuanto a la colocación de crédito en los usuarios que la banca formal no toma en cuenta. Este crecimiento también conlleva a riesgos de morosidad e impago por parte de los clientes que pueden producir insolvencia o hasta en el peor de los casos el cierre de las instituciones financieras; es por ello que se necesita sistemas automatizados confiables que ayuden a los administradores de riesgo a tomar decisiones adecuadas para disminuir la morosidad de crédito y así reducir gastos de operación de cobranza. En este panorama se desarrolló un modelo de predicción de la morosidad en el otorgamiento de crédito aplicando técnicas de minería de datos, utilizando para ello información histórica recabada de la CRAC Los Andes, identificando las principales variables que se tomaron para el desarrollo de esta investigación. Se usaron técnicas avanzadas para la calibración de los modelos de credit scoring como la validación cruzada, matrices de errores y curvas ROCs respectivamente. Se evaluó cuatro algoritmos de credit scoring para la predicción de la morosidad de crédito, destacando a Bosques aleatorios como el que presentó mejores resultados, puesto que su grado de certeza global fue del 82%, el uso de la metodología ágil en conjunción con la metodología CRISP-DM fue importante para lograr el desarrollo del sistema web de predicción de morosidad de crédito denominado SISMO.