Comparacion de dos modelos para predecir la probabilidad deincumplimiento (Modelo Logit-Modelo GAM)
Una de las necesidades mas importantes de las instituciones crediticias es tener criterios confiables para determinar a quienes deben otorgar el credito. En este sentido, se debe implementar metodologıas como lo son los modelos de otorgamiento de creditos como una solucion a estas necesidades. En est...
- Autores:
-
Gualteros Barbosa, Maria Alejandra
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/22500
- Acceso en línea:
- http://hdl.handle.net/11634/22500
- Palabra clave:
- Logistic model
Generalized additive models
Probability of default
Credit risk.
Credit management
Business logistics
Debtor and creditor
Administración de créditos
Logística en los negocios
Deudor y acreedor
Modelo logístico
Modelos aditivos generalizados
Probabilidad de incumplimiento
Riesgo de credito.
- Rights
- openAccess
- License
- CC0 1.0 Universal
Summary: | Una de las necesidades mas importantes de las instituciones crediticias es tener criterios confiables para determinar a quienes deben otorgar el credito. En este sentido, se debe implementar metodologıas como lo son los modelos de otorgamiento de creditos como una solucion a estas necesidades. En este proyecto se compara dos metodologıas que pueden utilizarse en el Riesgo de Credito, los datos proporcionados a este proyecto son de una entidad financiera Colombiana, como primera parte se describe los estudios anteriores que tuvieron respuesta al problema, las metodologıas utilizadas para desarrollar un modelo de originacıon, como primer paso para esta construccion es la agrupacion de caracteristicas en categorıas y se calcula su capacidad predictiva utilizando medidas de prediccion, como el peso de la evidencia y el valor de la informacion, las variables que presentan poca capacidad de prediccion son eliminadas del modelo. Una vez obtenidos los modelos cuyas variables presentan un buen nivel predictivo se sigue con la etapa de selccion de modelo utilizando tecnicas como el criterio AUC y la matriz de confusion y finalmente se hacen algunas las recomendaciones con el fin de implemntar el mejor modelo en esta entidad. |
---|