Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning

Descripción del Articulo

El propósito del presente documento es el desarrollo del proyecto académico que tiene como objetivo plantear un modelo de análisis predictivo soportado por una plataforma tecnológica Cloud basada en técnicas de Machine Learning para pronosticar el fondo acumulado de un afiliado que aporte a un siste...

Descripción completa

Detalles Bibliográficos
Autor: Espinoza Ladera, Jhonatan Alfredo
Formato: tesis de grado
Fecha de Publicación:2020
Institución:Universidad Peruana de Ciencias Aplicadas
Repositorio:UPC-Institucional
Lenguaje:español
OAI Identifier:oai:repositorioacademico.upc.edu.pe:10757/652592
Enlace del recurso:http://doi.org/10.19083/tesis/652592
http://hdl.handle.net/10757/652592
Nivel de acceso:acceso abierto
Materia:Fondo de Pensiones
Machine learning
Tecnología cloud
Pension fund
Cloud computing
id UUPC_a161fbad3f84c071dd18e16dd165b365
oai_identifier_str oai:repositorioacademico.upc.edu.pe:10757/652592
network_acronym_str UUPC
network_name_str UPC-Institucional
repository_id_str 2670
dc.title.en_US.fl_str_mv Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning
title Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning
spellingShingle Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning
Espinoza Ladera, Jhonatan Alfredo
Fondo de Pensiones
Machine learning
Tecnología cloud
Pension fund
Cloud computing
title_short Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning
title_full Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning
title_fullStr Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning
title_full_unstemmed Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning
title_sort Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning
author Espinoza Ladera, Jhonatan Alfredo
author_facet Espinoza Ladera, Jhonatan Alfredo
author_role author
dc.contributor.advisor.fl_str_mv Armas Aguirre, Jimmy Alexander
dc.contributor.author.fl_str_mv Espinoza Ladera, Jhonatan Alfredo
dc.subject.en_US.fl_str_mv Fondo de Pensiones
Machine learning
Tecnología cloud
Pension fund
Cloud computing
topic Fondo de Pensiones
Machine learning
Tecnología cloud
Pension fund
Cloud computing
description El propósito del presente documento es el desarrollo del proyecto académico que tiene como objetivo plantear un modelo de análisis predictivo soportado por una plataforma tecnológica Cloud basada en técnicas de Machine Learning para pronosticar el fondo acumulado de un afiliado que aporte a un sistema privado de pensiones. Esto surge ante el desconocimiento sobre cómo se administran las finanzas personales en los fondos privados de pensiones representan un riesgo en el manejo del futuro de cada individuo. Esta ausencia de control en la administración del fondo de cada afiliado conlleva a no saber en todo momento a lo qué están expuestos. En la actualidad existen herramientas propias de las entidades administradoras de fondos de pensiones que permiten simular y calcular tanto el fondo como la pensión que recibirá un jubilado, sin embargo, lo que no ofrecen estas herramientas es la posibilidad de proyectar el fondo a partir de factores de crecimiento bajo criterios propios del afiliado que le otorguen la posibilidad de comprar cuál fondo voluntario de pensiones puede ser el más beneficioso al final de la vida laboral. La tecnología ha evolucionado y se aprecia grandes avances con respecto a la captura y almacenamiento de información. Una de estas tecnologías utiliza Cloud Computing, la cual ha crecido en grandes proporciones en diversas industrias y atraen la atención de comunidades de investigación debido a su potencial para implementar soluciones tecnológicas a la medida El desarrollo de este proyecto se llevará a cabo durante los ciclos académicos 2018-1 y 2018-2, realizando el análisis de tecnologías Cloud que soportan el modelo de análisis predictivo soportado por una plataforma tecnológica cloud basada en machine learning para determinar el fondo acumulado de un afiliado que aporte a un sistema privado de pensiones y el diseño del modelo tecnológico propuesto durante el ciclo 2018-1. La validación del modelo tecnológico mediante el desarrollo de la aplicación móvil, la documentación de los resultados y el plan de continuidad del proyecto en el ciclo 2018-2.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-09-01T20:11:23Z
dc.date.available.none.fl_str_mv 2020-09-01T20:11:23Z
dc.date.issued.fl_str_mv 2020-07-01
dc.type.en_US.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.other.es_PE.fl_str_mv Tesis
dc.type.coar.es_PE.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
format bachelorThesis
dc.identifier.doi.es_PE.fl_str_mv http://doi.org/10.19083/tesis/652592
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10757/652592
dc.identifier.isni.none.fl_str_mv 0000 0001 2196 144X
url http://doi.org/10.19083/tesis/652592
http://hdl.handle.net/10757/652592
identifier_str_mv 0000 0001 2196 144X
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.coar.es_PE.fl_str_mv http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
dc.format.en_US.fl_str_mv application/pdf
application/epub
application/msword
dc.publisher.en_US.fl_str_mv Universidad Peruana de Ciencias Aplicadas (UPC)
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Peruana de Ciencias Aplicadas (UPC)
Repositorio Académico - UPC
dc.source.none.fl_str_mv reponame:UPC-Institucional
instname:Universidad Peruana de Ciencias Aplicadas
instacron:UPC
instname_str Universidad Peruana de Ciencias Aplicadas
instacron_str UPC
institution UPC
reponame_str UPC-Institucional
collection UPC-Institucional
bitstream.url.fl_str_mv https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/8/Espinoza_LJ.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/7/Espinoza_LJ.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/10/Espinoza_LJ_Ficha.pdf.jpg
https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/6/Espinoza_LJ.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/9/Espinoza_LJ_Ficha.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/4/Espinoza_LJ.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/3/Espinoza_LJ.docx
https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/5/Espinoza_LJ_Ficha.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/2/license.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/1/license_rdf
bitstream.checksum.fl_str_mv 4b5dca5f7094320586979f00e1322419
2e2dc55c511b1f2ec86530bbf26861dd
52e0b7a1688c138dbee28966e6cc172a
caad5947c9b379ae36dca0d3a8de126b
8218b64b1d27e45853775d229fd2647f
7cb5edc2676ed053968b0e391dd6287f
0d093297b564b3731866cfbbad47e628
bf0826d61669bc385adb95698a6f774a
8a4605be74aa9ea9d79846c1fba20a33
934f4ca17e109e0a05eaeaba504d7ce4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio académico upc
repository.mail.fl_str_mv upc@openrepository.com
_version_ 1846065715646300160
spelling d0f77dcd568c9e1c4438e5c6a157914fhttp://orcid.org/0000-0002-1176-8969Armas Aguirre, Jimmy Alexander72d4ece0dab38cf91836828b401381df500Espinoza Ladera, Jhonatan Alfredo2020-09-01T20:11:23Z2020-09-01T20:11:23Z2020-07-01http://doi.org/10.19083/tesis/652592http://hdl.handle.net/10757/6525920000 0001 2196 144XEl propósito del presente documento es el desarrollo del proyecto académico que tiene como objetivo plantear un modelo de análisis predictivo soportado por una plataforma tecnológica Cloud basada en técnicas de Machine Learning para pronosticar el fondo acumulado de un afiliado que aporte a un sistema privado de pensiones. Esto surge ante el desconocimiento sobre cómo se administran las finanzas personales en los fondos privados de pensiones representan un riesgo en el manejo del futuro de cada individuo. Esta ausencia de control en la administración del fondo de cada afiliado conlleva a no saber en todo momento a lo qué están expuestos. En la actualidad existen herramientas propias de las entidades administradoras de fondos de pensiones que permiten simular y calcular tanto el fondo como la pensión que recibirá un jubilado, sin embargo, lo que no ofrecen estas herramientas es la posibilidad de proyectar el fondo a partir de factores de crecimiento bajo criterios propios del afiliado que le otorguen la posibilidad de comprar cuál fondo voluntario de pensiones puede ser el más beneficioso al final de la vida laboral. La tecnología ha evolucionado y se aprecia grandes avances con respecto a la captura y almacenamiento de información. Una de estas tecnologías utiliza Cloud Computing, la cual ha crecido en grandes proporciones en diversas industrias y atraen la atención de comunidades de investigación debido a su potencial para implementar soluciones tecnológicas a la medida El desarrollo de este proyecto se llevará a cabo durante los ciclos académicos 2018-1 y 2018-2, realizando el análisis de tecnologías Cloud que soportan el modelo de análisis predictivo soportado por una plataforma tecnológica cloud basada en machine learning para determinar el fondo acumulado de un afiliado que aporte a un sistema privado de pensiones y el diseño del modelo tecnológico propuesto durante el ciclo 2018-1. La validación del modelo tecnológico mediante el desarrollo de la aplicación móvil, la documentación de los resultados y el plan de continuidad del proyecto en el ciclo 2018-2.The purpose of this document is the development of the academic project that aims to propose a model of predictive analysis supported by a platform based on the cloud in the automatic learning to determine the accumulated fund in a private pension system. This arises from the lack of knowledge about how to manage personal finances in private pension funds in the management of each individual's future. This lack of control in the administration of the fund of each affiliate entails a lack of knowledge at all times. Currently, there are own tools of pension fund management entities that allow simulating and calculating both the fund and the pension that a retiree will receive, however, what these tools do not offer is the possibility of projecting the fund from Growth factors under the affiliate's own criteria that give him the possibility of buying which voluntary pension fund can be the most beneficial at the end of working life. The technology has evolved, and great advances can be seen with respect to the capture and storage of information. One of these technologies uses Cloud Computing, which has grown in large proportions in different industries and attracts the attention of research communities due to its potential to implement tailored technological solutions. The development of this project will be carried out during the 2018-1 and 2018-2 academic cycles, performing the analysis of Cloud technologies that support the predictive analysis model supported by a cloud-based technology platform in machine learning to determine the accumulated fund of an affiliate that contributes to a private pension system and the design of the technological model proposed during the 2018-1 semester. The validation of the technological model through the development of the mobile application, the documentation of the results and the plan of continuity of the project in the 2018-2 semester.Tesisapplication/pdfapplication/epubapplication/mswordspaUniversidad Peruana de Ciencias Aplicadas (UPC)PEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2Universidad Peruana de Ciencias Aplicadas (UPC)Repositorio Académico - UPCreponame:UPC-Institucionalinstname:Universidad Peruana de Ciencias Aplicadasinstacron:UPCFondo de PensionesMachine learningTecnología cloudPension fundCloud computingAnálisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learninginfo:eu-repo/semantics/bachelorThesisTesishttp://purl.org/coar/resource_type/c_7a1fSUNEDUUniversidad Peruana de Ciencias Aplicadas (UPC). Facultad de IngenieríaLicenciaturaIngeniería de Sistemas de InformaciónIngeniero de sistemas de información2020-09-10T21:49:49Zhttps://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/nivel#tituloProfesionalCONVERTED2_37132492089-06-11Espinoza_LJ.pdfEspinoza_LJ.pdfapplication/pdf1563834https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/8/Espinoza_LJ.pdf4b5dca5f7094320586979f00e1322419MD58falseTHUMBNAILEspinoza_LJ.pdf.jpgEspinoza_LJ.pdf.jpgGenerated Thumbnailimage/jpeg30098https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/7/Espinoza_LJ.pdf.jpg2e2dc55c511b1f2ec86530bbf26861ddMD57false2090-07-01Espinoza_LJ_Ficha.pdf.jpgEspinoza_LJ_Ficha.pdf.jpgGenerated Thumbnailimage/jpeg187128https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/10/Espinoza_LJ_Ficha.pdf.jpg52e0b7a1688c138dbee28966e6cc172aMD510falseTEXTEspinoza_LJ.pdf.txtEspinoza_LJ.pdf.txtExtracted texttext/plain139647https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/6/Espinoza_LJ.pdf.txtcaad5947c9b379ae36dca0d3a8de126bMD56false2090-07-01Espinoza_LJ_Ficha.pdf.txtEspinoza_LJ_Ficha.pdf.txtExtracted texttext/plain2933https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/9/Espinoza_LJ_Ficha.pdf.txt8218b64b1d27e45853775d229fd2647fMD59falseORIGINALEspinoza_LJ.pdfEspinoza_LJ.pdfapplication/pdf1191939https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/4/Espinoza_LJ.pdf7cb5edc2676ed053968b0e391dd6287fMD54true2089-06-11Espinoza_LJ.docxEspinoza_LJ.docxapplication/vnd.openxmlformats-officedocument.wordprocessingml.document2749620https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/3/Espinoza_LJ.docx0d093297b564b3731866cfbbad47e628MD53false2090-07-01Espinoza_LJ_Ficha.pdfEspinoza_LJ_Ficha.pdfapplication/pdf1051369https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/5/Espinoza_LJ_Ficha.pdfbf0826d61669bc385adb95698a6f774aMD55falseLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52falseCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031https://repositorioacademico.upc.edu.pe/bitstream/10757/652592/1/license_rdf934f4ca17e109e0a05eaeaba504d7ce4MD51false10757/652592oai:repositorioacademico.upc.edu.pe:10757/6525922025-07-20 18:58:18.424Repositorio académico upcupc@openrepository.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
score 13.059423
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).