Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera

Descripción del Articulo

En la presente investigación se aborda el problema de la predicción de incumplimiento (default) en solicitantes no bancarizados de tarjetas de crédito, población que carece de historial crediticio y representa un desafío para las instituciones financieras. El objetivo fue desarrollar un modelo predi...

Descripción completa

Detalles Bibliográficos
Autor: Zelaya Contreras, Jesus Adalberto
Formato: tesis de grado
Fecha de Publicación:2025
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/26178
Enlace del recurso:https://hdl.handle.net/20.500.12672/26178
Nivel de acceso:acceso abierto
Materia:Predicción
Riesgo crediticio
Aprendizaje automático (Inteligencia artificial)
https://purl.org/pe-repo/ocde/ford#1.01.00
id UNMS_edd8f4115c1a9e1f16112e0647c3fca7
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/26178
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
dc.title.none.fl_str_mv Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera
title Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera
spellingShingle Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera
Zelaya Contreras, Jesus Adalberto
Predicción
Riesgo crediticio
Aprendizaje automático (Inteligencia artificial)
https://purl.org/pe-repo/ocde/ford#1.01.00
title_short Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera
title_full Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera
title_fullStr Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera
title_full_unstemmed Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera
title_sort Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera
author Zelaya Contreras, Jesus Adalberto
author_facet Zelaya Contreras, Jesus Adalberto
author_role author
dc.contributor.advisor.fl_str_mv Peña Miranda, Carlos Alberto
dc.contributor.author.fl_str_mv Zelaya Contreras, Jesus Adalberto
dc.subject.none.fl_str_mv Predicción
Riesgo crediticio
Aprendizaje automático (Inteligencia artificial)
topic Predicción
Riesgo crediticio
Aprendizaje automático (Inteligencia artificial)
https://purl.org/pe-repo/ocde/ford#1.01.00
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.01.00
description En la presente investigación se aborda el problema de la predicción de incumplimiento (default) en solicitantes no bancarizados de tarjetas de crédito, población que carece de historial crediticio y representa un desafío para las instituciones financieras. El objetivo fue desarrollar un modelo predictivo basado en el algoritmo CatBoost. La metodología se estructuro en cuatro etapas: recolección y preparación de datos históricos, implementación del modelo CatBoost, evaluación mediante métricas como el coeficiente GINI e interpretación de resultados. Los resultados mostraron un buen desempeño predictivo, con un GINI de 45 % en entrenamiento y 42.8 % en validación, demostrando capacidad para diferenciar entre clientes de alto y bajo riesgo. Se concluye que el modelo propuesto ofrece una herramienta efectiva para la gestión del riesgo crediticio en poblaciones no bancarizadas, con potencial para mejorar las decisiones de otorgamiento de crédito.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-05-27T13:56:56Z
dc.date.available.none.fl_str_mv 2025-05-27T13:56:56Z
dc.date.issued.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.citation.none.fl_str_mv Zelaya, J. (2025). Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Matemática]. Repositorio institucional Cybertesis UNMSM.
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/26178
identifier_str_mv Zelaya, J. (2025). Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Matemática]. Repositorio institucional Cybertesis UNMSM.
url https://hdl.handle.net/20.500.12672/26178
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.format.none.fl_str_mv application/pdf
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 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/2046541c-318f-462d-abd7-9bd356d89058/download
https://cybertesis.unmsm.edu.pe/bitstreams/2c6df811-5f90-4f27-a489-2fdfefd8c341/download
https://cybertesis.unmsm.edu.pe/bitstreams/f8a601b3-9d62-427b-bd63-021a28a6a1a7/download
https://cybertesis.unmsm.edu.pe/bitstreams/aa59217c-885e-445b-97c4-2a2789ef1868/download
https://cybertesis.unmsm.edu.pe/bitstreams/bbb2ac7d-f64e-48b4-95c0-00cdc92e05ce/download
https://cybertesis.unmsm.edu.pe/bitstreams/a40820bb-b6d9-4122-bc00-1f8553f1b569/download
https://cybertesis.unmsm.edu.pe/bitstreams/bfa7299e-cdef-4dd0-a101-437fb8d71132/download
https://cybertesis.unmsm.edu.pe/bitstreams/8a7175db-3040-45d6-93de-37dce4660711/download
https://cybertesis.unmsm.edu.pe/bitstreams/10340275-4c63-4a96-94b3-fece5f128726/download
https://cybertesis.unmsm.edu.pe/bitstreams/d0db3b4d-5b1f-4c6c-957c-d17e904361a9/download
bitstream.checksum.fl_str_mv e46ab2d698a3893a597bc9acc762bb52
3de2e6774c2ad434b8fca2527838ba4b
a5c0ada48baa42de43d4cc7cb18fe699
bb9bdc0b3349e4284e09149f943790b4
ce84598448c596887a3010074b3e7222
0808141876ebe9610b10088185ec4cb8
b90440132271b566aa4a406470e1b94e
06f0c641dd5bf1af7011eb58eb8a1755
bc4de45ed9629c881f85ee78a5e58bdf
cf4c0b4f2ae67de6f41253aca93cfe89
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1852327384699633664
spelling Peña Miranda, Carlos AlbertoZelaya Contreras, Jesus Adalberto2025-05-27T13:56:56Z2025-05-27T13:56:56Z2025Zelaya, J. (2025). Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Matemática]. Repositorio institucional Cybertesis UNMSM.https://hdl.handle.net/20.500.12672/26178En la presente investigación se aborda el problema de la predicción de incumplimiento (default) en solicitantes no bancarizados de tarjetas de crédito, población que carece de historial crediticio y representa un desafío para las instituciones financieras. El objetivo fue desarrollar un modelo predictivo basado en el algoritmo CatBoost. La metodología se estructuro en cuatro etapas: recolección y preparación de datos históricos, implementación del modelo CatBoost, evaluación mediante métricas como el coeficiente GINI e interpretación de resultados. Los resultados mostraron un buen desempeño predictivo, con un GINI de 45 % en entrenamiento y 42.8 % en validación, demostrando capacidad para diferenciar entre clientes de alto y bajo riesgo. Se concluye que el modelo propuesto ofrece una herramienta efectiva para la gestión del riesgo crediticio en poblaciones no bancarizadas, con potencial para mejorar las decisiones de otorgamiento de crédito.application/pdfspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/PredicciónRiesgo crediticioAprendizaje automático (Inteligencia artificial)https://purl.org/pe-repo/ocde/ford#1.01.00Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financierainfo:eu-repo/semantics/bachelorThesisreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMSUNEDULicenciado en MatemáticaUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de MatemáticaMatemática10699143https://orcid.org/0000-0002-4339-461572943195541026Cruz Huallpara, Alex ArmandoAlvarez Huertas, Frank Duberleehttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALZelaya_cj__modificado.pdfapplication/pdf3998582https://cybertesis.unmsm.edu.pe/bitstreams/2046541c-318f-462d-abd7-9bd356d89058/downloade46ab2d698a3893a597bc9acc762bb52MD55Zelaya_cj_autorización.pdfapplication/pdf71442https://cybertesis.unmsm.edu.pe/bitstreams/2c6df811-5f90-4f27-a489-2fdfefd8c341/download3de2e6774c2ad434b8fca2527838ba4bMD56Zelaya_cj_reporte de turnitin.pdfapplication/pdf9685965https://cybertesis.unmsm.edu.pe/bitstreams/f8a601b3-9d62-427b-bd63-021a28a6a1a7/downloada5c0ada48baa42de43d4cc7cb18fe699MD57LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/aa59217c-885e-445b-97c4-2a2789ef1868/downloadbb9bdc0b3349e4284e09149f943790b4MD54TEXTZelaya_cj__modificado.pdf.txtZelaya_cj__modificado.pdf.txtExtracted texttext/plain102129https://cybertesis.unmsm.edu.pe/bitstreams/bbb2ac7d-f64e-48b4-95c0-00cdc92e05ce/downloadce84598448c596887a3010074b3e7222MD58Zelaya_cj_autorización.pdf.txtZelaya_cj_autorización.pdf.txtExtracted texttext/plain3547https://cybertesis.unmsm.edu.pe/bitstreams/a40820bb-b6d9-4122-bc00-1f8553f1b569/download0808141876ebe9610b10088185ec4cb8MD510Zelaya_cj_reporte de turnitin.pdf.txtZelaya_cj_reporte de turnitin.pdf.txtExtracted texttext/plain3946https://cybertesis.unmsm.edu.pe/bitstreams/bfa7299e-cdef-4dd0-a101-437fb8d71132/downloadb90440132271b566aa4a406470e1b94eMD512THUMBNAILZelaya_cj__modificado.pdf.jpgZelaya_cj__modificado.pdf.jpgGenerated Thumbnailimage/jpeg14399https://cybertesis.unmsm.edu.pe/bitstreams/8a7175db-3040-45d6-93de-37dce4660711/download06f0c641dd5bf1af7011eb58eb8a1755MD59Zelaya_cj_autorización.pdf.jpgZelaya_cj_autorización.pdf.jpgGenerated Thumbnailimage/jpeg22156https://cybertesis.unmsm.edu.pe/bitstreams/10340275-4c63-4a96-94b3-fece5f128726/downloadbc4de45ed9629c881f85ee78a5e58bdfMD511Zelaya_cj_reporte de turnitin.pdf.jpgZelaya_cj_reporte de turnitin.pdf.jpgGenerated Thumbnailimage/jpeg13493https://cybertesis.unmsm.edu.pe/bitstreams/d0db3b4d-5b1f-4c6c-957c-d17e904361a9/downloadcf4c0b4f2ae67de6f41253aca93cfe89MD51320.500.12672/26178oai:cybertesis.unmsm.edu.pe:20.500.12672/261782025-10-19 03:41:42.636https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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
score 13.070885
Modelo predictivo basado en el algoritmo CatBoost para la estimación de la probabilidad de default en tarjetas de crédito en una entidad financiera
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