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...

Full description

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
Description
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.