Modelos supervisados para evaluar el riesgo crediticio en la calificación de créditos en personas naturales en una Institución Financiera en Chiclayo

• Autor: Uriol Chavez, Sebastian Javier
• Formato: tesis de maestría
• Fecha de Publicación: 2019
• Institución: Universidad Nacional Pedro Ruiz Gallo
• Repositorio: UNPRG-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unprg.edu.pe:20.500.12893/9001
• Enlace del recurso: https://hdl.handle.net/20.500.12893/9001
• Nivel de acceso: acceso abierto
• Materia: Modelo; Riesgo crediticio; Personas naturales; http://purl.org/pe-repo/ocde/ford#6.04.08

La presente investigación tuvo como objetivo aplicar las técnicas de minería de datos para evaluar el riesgo crediticio en la calificación de créditos en personas naturales de una institución financiera de la Ciudad de Chiclayo. La investigación es de tipo exploratorio, tecnologíca aplicada blanda, rama de la tecnología: general, tecnología: optimización, objetivo: minimización del riesgo, maximización del rendimiento, para lo cual se trabajó con la metodología CRISP- DM. Cabe recordar que este tipo de investigación no es adecuada a la calificación de verdadero-falso sino mas bien a la de eficiente-deficiente, eficaz o ineficaz, es por ello que la metodología de la investigación científica plantea que se puede obviar el planteamiento de hipotesis por las consideraciones mas arriba mencionadas Para el desarrollo de la investigación se utilizaron dos modelos supervisados tales como, Árboles de Clasificación y el modelo clásico de la Regresión Logística; la base de datos estuvo constituida por 2356 clientes, de los cuales se utilizó el 70% de la base para el entrenamiento y el 30% restante para la validación. Para la evaluación de los modelos, se utilizó la Matriz de Confusión y la curva ROC, entre otros métodos que permiten que en la etapa de modelado, estos sean representativos y permitan la predicción de tal manera que sean utilizados para minimizar el riesgo crediticio en la concesión de créditos. Cabe mencionar que dentro de la metodología adoptada, debemos distinguir que nuestro análisis es predictivo y no de pronóstico. El pronóstico implica predecir cuantos bienes demandaran los agentes económicos para un periodo posterior, mientras que el análisis predictivo implica predecir que agentes económicos es mas probable que demanden los mencionados bienes. Para hacer análisis predictivo hay necesidad de contar de buena cantidad de datos, actuales y pasados de tal forma que nos permitan determinar patrones de comportamiento y deducir conocimiento.