Modelo credit scoring en microfinanzas

• Autores: De La Cruz Cuaresma, Vanesa Rocio, Hernández Apaza, Ruth Nathally
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/660915
• Enlace del recurso: http://hdl.handle.net/10757/660915
• Nivel de acceso: acceso abierto
• Materia: Instituciones microfinancieras; Riesgo crediticio; Credit scoring; Incumplimiento; Morosidad; Crédito; Microfinance institutions; Credit risk; Breach; Delinquency; Credit; http://purl.org/pe-repo/ocde/ford#5.00.00; https://purl.org/pe-repo/ocde/ford#5.02.00

El modelo credit scoring es el método de algoritmos más relevante en el sector bancario para medir el nivel de riesgo que existe al momento de la evaluación crediticia. Permite decidir entre la alternativa de aceptar o rechazar un crédito; además, contribuye a que la evaluación de las diversas personas, empresas o PYMES sea efectiva para que puedan tener acceso al financiamiento. La aplicación eficiente del credit scoring optimiza los resultados de las instituciones financieras, lo que genera mayor rentabilidad. En diferentes contextos, la información registrada para validar el historial crediticio resulta insuficiente. En el sistema financiero, esto es un inconveniente importante al momento de evaluar la solvencia de los futuros prestatarios y, por consiguiente, decidir las tasas de interés respectivas en microfinanzas. Esta investigación presenta la controversia de diversos autores respecto a los factores que influyen en el riesgo de crédito como la gestión de riesgo, el incumplimiento de pago y la morosidad. Asimismo, evidencia el impacto del uso de algoritmos en el modelo para predecir el riesgo de crédito, puntaje crediticio, teorías de algoritmos y clasificadores de referencia para mejorar la precisión en la calificación crediticia del cliente. Finalmente, el avance de la tecnología ha permitido una mayor innovación en las técnicas y en el perfeccionamiento de los modelos. Estas transformaciones contribuyen a optimizar, cada vez más, los procesos de evaluación y, de esa manera, obtener resultados más precisos.