Aplicación de redes neuronales para seleccionar variables vinculadas con el cumplimiento de créditos directos otorgados por constructoras de unidades residenciales Premium a potenciales compradores

• Autor: Sachun Salazar, Francisco Javier
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/658541
• Enlace del recurso: http://hdl.handle.net/10757/658541
• Nivel de acceso: acceso abierto
• Materia: Riesgo de crédito; Redes neuronales; Sector inmobiliario; Credit risk; Neural networks; Real estate; http://purl.org/pe-repo/ocde/ford#5.00.00; https://purl.org/pe-repo/ocde/ford#5.02.04

La finalidad de esta investigación es seleccionar las variables vinculadas con el cumplimiento de créditos directos otorgados, entre los años 2015 y 2019, por constructoras de unidades residenciales Premium a potenciales compradores. Su importancia está en usar los resultados de este documento, como insumo para elaborar un modelo que cuantifique el riesgo de crédito eficientemente y, por consiguiente, identifique a los demandantes que tengan un perfil idóneo, en términos crediticios, para erosionar la incertidumbre financiera de la cartera de clientes. Para abordar el problema de investigación, se optó por el enfoque cuantitativo y el diseño no experimental. Dentro de este último, se eligió la tipología transversal correlacional. El diseño y la categoría seleccionadas implican que en este documento se evaluará la asociación entre variables (dependientes e independientes) que no han sido manipuladas anticipadamente, por parte del investigador. Llevando la teoría a la práctica, las entrevistas a los ejecutivos permitieron identificar variables sobre las que, posteriormente, se solicitó información específica para la construcción de la base de datos. Al aplicar los procesos estadísticos de regresión lineal binaria y redes neuronales de clasificación, se observó que el segundo mostró mayor solidez y confiabilidad en sus predicciones. El resultado de la aplicación de las redes neuronales de clasificación es que las variables independientes que tuvieron vinculación estadísticamente significativa con la dependiente son: la tasa de interés anual de la última deuda bancaria asumida por el evaluado, la aparición en Infocorp del evaluado y el uso que el evaluado le dará a la unidad Premium.