Asignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombiana

ilustraciones, graficas

Autores:
Medina González, Camilo Ernesto
Tipo de recurso:
Fecha de publicación:
2023
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/83954
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/83954
https://repositorio.unal.edu.co/
Palabra clave:
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
ADMINISTRACION DE CREDITOS
MICROFINANZAS
Credit management
Microfinance
Asignación de cupo
Aprendizaje de máquina
Finanzas
Crédito
Credit allocation
Machine Learning
Finance
Credit
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
id UNACIONAL2_36da16829b5e9134abc3b35665a5a8ff
oai_identifier_str oai:repositorio.unal.edu.co:unal/83954
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Asignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombiana
dc.title.translated.eng.fl_str_mv Allocation of revolving credit limit applied to new customers of a Colombian fintech
title Asignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombiana
spellingShingle Asignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombiana
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
ADMINISTRACION DE CREDITOS
MICROFINANZAS
Credit management
Microfinance
Asignación de cupo
Aprendizaje de máquina
Finanzas
Crédito
Credit allocation
Machine Learning
Finance
Credit
title_short Asignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombiana
title_full Asignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombiana
title_fullStr Asignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombiana
title_full_unstemmed Asignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombiana
title_sort Asignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombiana
dc.creator.fl_str_mv Medina González, Camilo Ernesto
dc.contributor.advisor.none.fl_str_mv Gomez Jaramillo, Francisco Albeiro
dc.contributor.author.none.fl_str_mv Medina González, Camilo Ernesto
dc.contributor.researchgroup.spa.fl_str_mv Computational Modeling of Biological Systems Research Group - COMBIOS
dc.subject.ddc.spa.fl_str_mv 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
topic 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
ADMINISTRACION DE CREDITOS
MICROFINANZAS
Credit management
Microfinance
Asignación de cupo
Aprendizaje de máquina
Finanzas
Crédito
Credit allocation
Machine Learning
Finance
Credit
dc.subject.lemb.spa.fl_str_mv ADMINISTRACION DE CREDITOS
MICROFINANZAS
dc.subject.lemb.eng.fl_str_mv Credit management
Microfinance
dc.subject.proposal.spa.fl_str_mv Asignación de cupo
Aprendizaje de máquina
Finanzas
Crédito
dc.subject.proposal.eng.fl_str_mv Credit allocation
Machine Learning
Finance
Credit
description ilustraciones, graficas
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-06-01T20:58:27Z
dc.date.available.none.fl_str_mv 2023-06-01T20:58:27Z
dc.date.issued.none.fl_str_mv 2023
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/83954
dc.identifier.instname.spa.fl_str_mv Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.spa.fl_str_mv https://repositorio.unal.edu.co/
url https://repositorio.unal.edu.co/handle/unal/83954
https://repositorio.unal.edu.co/
identifier_str_mv Universidad Nacional de Colombia
Repositorio Institucional Universidad Nacional de Colombia
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Ochoa, J.C., Galeano, W., & Agudelo, L.G. (2010). Construcción de un modelo de scoring para el otorgamiento de crédito en una entidad financiera. Perfil de Coyuntura Económica, 16, 191-222. Universidad de Antioquia.
Herga, Z., Rupnik, J., Škraba, P., & Fortuna, B. (2016). Modeling probability of default and credit limits. En Conference on Data Mining and Data Warehouses.
Banerjee, A., Karlan, D., & Zinman, J. (2015). Six randomized evaluations of microcredit: Introduction and further steps. American Economic Journal: Applied Economics, 7(1), 1-21.
Miled, K.B.H., & Rejeb, J.E.B. (2015). Microfinance and poverty reduction: A review and synthesis of empirical evidence. Procedia-Social and Behavioral Sciences, 195, 705-712. Elsevier.
Sohn, S.Y., Lim, K.T., & Ju, Y. (2014). Optimization strategy of credit line management for credit card business. Computers & Operations Research, 48, 81-88. Elsevier.
Paul, U., & Biswas, A. (2017). Consumer credit limit assignment using Bayesian decision theory and Fuzzy Logic--a practical approach. Journal of Management, 4(2).
Haimowitz, I.J., & Schwarz, H. (1997). Clustering and prediction for credit line optimization. En Proceedings of AAAI-97 Workshop on AI Approaches to Fraud Detection & Risk Management, 29-33.
Pollack, E.M., & García Hurtado, A. (2004). Crecimiento, competitividad y equidad: rol del sector financiero. CEPAL.
Redroban Bermudez, P.V. (2016). Proceso de asignacion de cupos de credito en empresas ferreteras y el enfoque iso/tc 176/sc 2/n 544r3. Tesis de maestría, Universidad de Guayaquil Facultad de Ciencias Administrativas.
Gómez González, S. (2010). Análisis de riesgo crediticio y asignación de cupos de crédito. Universidad EIA.
Badel Coronell, P.D.J., & Herrera Valdez, A.E. (2013). Diseño de una guía de procedimientos para lograr la efectiva asignación de cupos de créditos en la empresa CI Antillana SA. Universidad de Cartagena.
Rodríguez Martínez, V., & Serna García, S. (2020). Las fintech, la nueva opción para el acceso a una banca ágil y económica para personas naturales y pymes. Tecnológico de Antioquia Institución Universitaria.
Ayling, N. (2018). Cresk: scoring de riesgo alternativo. Universidad de San Andrés. Escuela de Negocios.
Cano, C.G., Esguerra, M., García, N., Rueda, L., & Velasco, A. (2014). Inclusión financiera en Colombia. Recuperado de: http://www.banrep.gov.co/sites/default/files/eventos/archivos/sem_357.pdf
Lattanzio Carrioni, S., & Pinilla Jaramillo, J.A. (2013). El microcrédito como herramienta de inclusión financiera para fomentar el desarrollo y crecimiento económico de Colombia. Pontificia Universidad Javeriana.
Hernández, P.A.C. (2004). Aplicación de árboles de decisión en modelos de riesgo crediticio. Revista Colombiana de estadística, 27(2), 139-151.
Espin-García, O., & Rodríguez-Caballero, C.V. (2013). Metodología para un scoring de clientes sin referencias crediticias. Cuadernos de economía, 32(59), 137-162. Cuadernos de Economía, Facultad de Ciencias Económicas, Universidad Nacional.
Franco, P. (2017). Tecnología, inclusión financiera y regulación: acercando el financiamiento a las personas. En 21 Conferencia anual de la Asociación Latinoamericana e Ibérica de Derecho y Economía (ALACDE)--Universidad del Pacífico--Perú (pp. 1-38).
Granados, P., & Quijano, D. (2016). El financiamiento: más que un problema, una solución. Realidad Empresarial, (1), 21-22.
Finan, M.B. (2014). A basic course in the theory of interest and derivatives markets: A preparation for the actuarial exam fm/2. Arkansas Tech University.
Yang, T., & Zhang, X. (2022). FinTech adoption and financial inclusion: Evidence from household consumption in China. Journal of Banking & Finance, 145, 106668. Elsevier.
Lu, Y., Yang, L., Shi, B., Li, J., & Abedin, M.Z. (2022). A novel framework of credit risk feature selection for SMEs during industry 4.0. Annals of Operations Research, 1-28. Springer.
Dierkes, M., Erner, C., Langer, T., & Norden, L. (2013). Business credit information sharing and default risk of private firms. Journal of Banking & Finance, 37(8), 2867-2878. Elsevier.
Khandani, A.E., Kim, A.J., & Lo, A.W. (2010). Consumer credit-risk models via machine-learning algorithms. Journal of Banking & Finance, 34(11), 2767-2787. Elsevier.
Zhou, G., Zhu, J., & Luo, S. (2022). The impact of fintech innovation on green growth in China: Mediating effect of green finance. Ecological Economics, 193, 107308. Elsevier.
Zhou, M. (2022). Credit Risk Assessment Modeling Method Based on Fuzzy Integral and SVM. Mobile Information Systems, 2022. Hindawi.
Oliver, R.M. (2013). Financial performance measures in credit scoring. EURO Journal on Decision Processes, 1(3), 169-185. Springer.
Leow, M., & Crook, J. (2016). A new mixture model for the estimation of credit card exposure at default. European Journal of Operational Research, 249(2), 487-497. Elsevier.
Aa, G., Sb, V., & Ab, M.K.R. (2021). Deciding Bank Client’s Credit Limit and Home Loan Using Machine Learning. Smart Intelligent Computing and Communication Technology, 38, 288. IOS Press.
Jagtiani, J., & Lemieux, C. (2018). Do fintech lenders penetrate areas that are underserved by traditional banks? Journal of Economics and Business, 100, 43-54. Elsevier.
Shema, A. (2022). Effects of increasing credit limit in digital microlending: A study of airtime lending in East Africa. The Electronic Journal of Information Systems in Developing Countries, 88(3), e12199. Wiley Online Library.
Trejo García, J.C., Ríos Bolívar, H., & Almagro Vázquez, F. (2016). Updating the credit risk model: a necessary move for revolving credit facilities in Mexico. Revista Finanzas y Política Económica, 8(1), 17-30.
Arbeláez, L.C.F., & Ceballos, L.E.F. (2005). El valor en riesgo condicional CVaR como medida coherente de riesgo. Revista Ingenierías Universidad de Medellín, 4(6), 43-54. Universidad de Medellín.
Melo, L.F., & Granados, J.C. (2011). Regulación y valor en riesgo. Ensayos sobre política económica, 29(SPE64), 110-177. Banco de la República.
Blanco Castañeda, L. (2013). Probabilidad. Editorial UN. Universidad Nacional de Colombia-Facultad de Ciencias.
Rodríguez, M.C., & Hernández, F.P. (2008). Gestión del riesgo crediticio: un análisis comparativo entre Basilea II y el Sistema de Administración del Riesgo Crediticio Colombiano, SARC. Cuadernos de Contabilidad, 9(24).
Superintendencia Financiera de Colombia. (2008). Circular Externa 010.
Escobar Gallo, H., & Cuartas Mejía, V. (2006). Diccionario Económico Financiero. Recuperado de http://hdl.handle.net/11407/2748
Fawcett, T. (2006). An introduction to ROC analysis. Pattern recognition letters, 27(8), 861-874. Elsevier.
Lipton, Z.C., Elkan, C., & Narayanaswamy, B. (2014). Thresholding classifiers to maximize F1 score. arXiv preprint arXiv:1402.1892.
Gimeno, P., Mingote, V., Ortega, A., Miguel, A., & Lleida, E. (2021). Generalizing AUC Optimization to Multiclass Classification for Audio Segmentation With Limited Training Data. IEEE Signal Processing Letters, 28, 1135-1139. IEEE.
Toh, K.-A., Kim, J., & Lee, S. (2008). Maximizing area under ROC curve for biometric scores fusion. Pattern Recognition, 41(11), 3373-3392. Elsevier.
Boyd, S., Boyd, S. P., & Vandenberghe, L. (2004). Convex optimization. Cambridge university press.
Huangfu, Q., & Hall, J. A. J. (2018). Parallelizing the dual revised simplex method. Mathematical Programming Computation, 10(1), 119-142. Springer.
Kleinbaum, D. G., Dietz, K., Gail, M., Klein, M., & Klein, M. (2002). Logistic regression. Springer.
Hosmer Jr, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (Vol. 398). John Wiley & Sons.
Marrugo Arnedo, V. (2013). Crecimiento económico y desarrollo humano en Colombia (2000-2010). Revista de economía del Caribe, (11), 127-143. Universidad del Norte.
Patiño, O. A. (2008). Microcrédito Historia y experiencias exitosas de su implementación en América Latina. Revista Escuela de Administración de Negocios, (63), 41-58.
Gutiérrez Girault, M. A. (2007). Modelos de credit scoring: qué, cómo, cuándo y para qué.
Ross, S. M. (2014). A first course in probability. Pearson.
Bertsekas, D., & Tsitsiklis, J. N. (2008). Introduction to probability (Vol. 1). Athena Scientific.
Dantzig, G. B. (1989). Making progress during a stall in the simplex algorithm. Linear Algebra and its Applications, 114, 251-259. Elsevier.
Andersen, E. D., Gondzio, J., Mészáros, C., Xu, X., & others. (1996). Implementation of interior point methods for large scale linear programming. HEC/Université de Geneve.
Tibshirani, R. (2019). Newton’s Method. In Notes for Convex Optimization: Machine Learning 10-725.
Najafabadi, M. M., Khoshgoftaar, T. M., Villanustre, F., & Holt, J. (2017). Large-scale distributed l-bfgs. Journal of Big Data, 4(1), 1-17. SpringerOpen.
Wright, S. J. (2015). Coordinate descent algorithms. Mathematical Programming, 151(1), 3-34. Springer.
Schmidt, M., Le Roux, N., & Bach, F. (2017). Minimizing finite sums with the stochastic average gradient. Mathematical Programming, 162(1), 83-112. Springer.
Defazio, A., Bach, F., & Lacoste-Julien, S. (2014). SAGA: A fast incremental gradient method with support for non-strongly convex composite objectives. Advances in neural information processing systems, 27.
Friedman, N., Geiger, D., & Goldszmidt, M. (1997). Bayesian network classifiers. Machine Learning, 29(2), 131-163. Springer.
McCallum, A., Nigam, K., & others. (1998). A comparison of event models for naive Bayes text classification. In AAAI-98 workshop on learning for text categorization (Vol. 752, No. 1, pp. 41-48). Madison, WI.
Haykin, S. (2009). Neural networks and learning machines, 3/E. Pearson Education India.
Kingma, D. P., & Ba, J. (2014). Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.6980.
Chang, C. C., & Lin, C. J. (2011). LIBSVM: a library for support vector machines. ACM Transactions on Intelligent Systems and Technology (TIST), 2(3), 1-27. Acm New York, NY, USA.
Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine learning, 20(3), 273-297. Springer.
Cristianini, N., Shawe-Taylor, J., & others. (2000). An introduction to support vector machines and other kernel-based learning methods. Cambridge university press.
Valenzuela González, G., & others. (2022). Aprendizaje Supervisado: Métodos, Propiedades y Aplicaciones.
Studer, M., Ritschard, G., Gabadinho, A., & Müller, N. S. (2011). Discrepancy analysis of state sequences. Sociological Methods & Research, 40(3), 471-510. Sage Publications Sage CA: Los Angeles, CA.
Gareth, J., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning: with applications in R. Spinger.
Maimon, O. Z., & Rokach, L. (2014). Data mining with decision trees: theory and applications (Vol. 81). World scientific.
Geurts, P., Ernst, D., & Wehenkel, L. (2006). Extremely randomized trees. Machine learning, 63(1), 3-42. Springer.
González Fernández, K. L. (2016). Identificación de factores de riesgo en un scoring crediticio mediante técnicas de estadística espacial. Escuela de Estadística.
Vázquez, S. (2012). CRÉDITO EMPRESARIAL SIMPLE VS REVOLVENTE: ¿CUÁNDO Y PARA QUÉ? Estudios Económicos CNBV Volumen 1, 2012.
Michalewicz, Z. (1996). Genetic algorithms + data structures = evolution programs (3rd ed.). Springer Science & Business Media. Berlin, Heidelberg.
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv xiii, 87 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Nacional de Colombia
dc.publisher.program.spa.fl_str_mv Bogotá - Ciencias - Maestría en Ciencias - Matemática Aplicada
dc.publisher.faculty.spa.fl_str_mv Facultad de Ciencias
dc.publisher.place.spa.fl_str_mv Bogotá, Colombia
dc.publisher.branch.spa.fl_str_mv Universidad Nacional de Colombia - Sede Bogotá
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/83954/3/license.txt
https://repositorio.unal.edu.co/bitstream/unal/83954/4/1019143843.2023.pdf
https://repositorio.unal.edu.co/bitstream/unal/83954/5/1019143843.2023.pdf.jpg
bitstream.checksum.fl_str_mv eb34b1cf90b7e1103fc9dfd26be24b4a
d6b1af8f2bd662f54a046163c136542d
67b4f8b14fdce5bfc7214c8ce1ed3ed0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814090236805775360
spelling Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Gomez Jaramillo, Francisco Albeiro607a1cec2e5df872f5692e54779fd395Medina González, Camilo Ernestobcdd983736390403cb43bf8b750a5f18Computational Modeling of Biological Systems Research Group - COMBIOS2023-06-01T20:58:27Z2023-06-01T20:58:27Z2023https://repositorio.unal.edu.co/handle/unal/83954Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, graficasLa asignación de cupos de crédito es uno de los grandes problemas a los que se enfrenta la industria financiera en Colombia actualmente. Esta tesis propone un nuevo modelo de asignación de cupos de crédito mediante la extracción de información financiera relevante de los registros históricos de solicitudes de crédito y estrategias de aprendizaje de máquina. En particular, se propone estimar directamente el segmento de cupo de crédito a partir de información económica, sociodemográfica y de riesgo crediticio de los clientes, en contraste con modelos previos que abordan el problema en dos pasos: 1) estimando la probabilidad de incumplimiento, y seguidamente, 2) el cupo de crédito con optimización. La información para ajustar los modelos de aprendizaje es extraída de históricos de aprobaciones de créditos realizadas por expertos. Seguidamente, modelos de clasificación multiclase son entrenados y comparados para resolver la tarea de asignación directa de cupos de crédito en segmentos. El modelo fue evaluado en datos crediticios de una entidad financiera colombiana en la tarea de asignación de cupos en microcréditos. Los resultados sugieren que el modelo propuesto supera los desempeños en asignación respecto a modelos lineales del estado del arte y presenta bajos niveles de sesgo. Se espera que este modelo de asignación de cupo pueda ser utilizado para la automatización de los procesos de originación de microcréditos, generando un impacto positivo en el acceso a los servicios financieros. (Texto tomado de la fuente)Currently, the allocation of credit quotas is one of the major problems facing the financial industry in Colombia. Therefore, this dissertation proposes a new credit quota allocation model by extracting relevant financial information from historical credit application records and machine learning strategies. Indeed, it is suggested to directly estimate the credit quota segment from customers' economic, sociodemographic, and credit risk information, in contrast to previous models that tackle the problem in two steps: firstly, 1) by estimating the probability of default, and secondly, 2) by optimizing the credit quota. Thus, the information to fit the learning models is extracted from historical credit approvals by experts. Subsequently, multi-class classification models are trained and compared to solve the task of direct assignment credit quotas in segments. Finally, the model was evaluated in credit data from a Colombian financial institution in assigning microcredit quotas. The results suggest that the proposed model outperforms state-of-the-art linear models and presents low bias levels. Eventually, it is expected that this quota allocation model can be used to automate the microcredit origination processes, generating a positive impact on access to financial services.MaestríaMagíster en Ciencias - Matemática AplicadaAplicaciones del aprendizaje de máquinaxiii, 87 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias - Maestría en Ciencias - Matemática AplicadaFacultad de CienciasBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá510 - Matemáticas::519 - Probabilidades y matemáticas aplicadasADMINISTRACION DE CREDITOSMICROFINANZASCredit managementMicrofinanceAsignación de cupoAprendizaje de máquinaFinanzasCréditoCredit allocationMachine LearningFinanceCreditAsignación de cupo de crédito rotativo aplicada a nuevos clientes de una fintech colombianaAllocation of revolving credit limit applied to new customers of a Colombian fintechTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMOchoa, J.C., Galeano, W., & Agudelo, L.G. (2010). Construcción de un modelo de scoring para el otorgamiento de crédito en una entidad financiera. Perfil de Coyuntura Económica, 16, 191-222. Universidad de Antioquia.Herga, Z., Rupnik, J., Škraba, P., & Fortuna, B. (2016). Modeling probability of default and credit limits. En Conference on Data Mining and Data Warehouses.Banerjee, A., Karlan, D., & Zinman, J. (2015). Six randomized evaluations of microcredit: Introduction and further steps. American Economic Journal: Applied Economics, 7(1), 1-21.Miled, K.B.H., & Rejeb, J.E.B. (2015). Microfinance and poverty reduction: A review and synthesis of empirical evidence. Procedia-Social and Behavioral Sciences, 195, 705-712. Elsevier.Sohn, S.Y., Lim, K.T., & Ju, Y. (2014). Optimization strategy of credit line management for credit card business. Computers & Operations Research, 48, 81-88. Elsevier.Paul, U., & Biswas, A. (2017). Consumer credit limit assignment using Bayesian decision theory and Fuzzy Logic--a practical approach. Journal of Management, 4(2).Haimowitz, I.J., & Schwarz, H. (1997). Clustering and prediction for credit line optimization. En Proceedings of AAAI-97 Workshop on AI Approaches to Fraud Detection & Risk Management, 29-33.Pollack, E.M., & García Hurtado, A. (2004). Crecimiento, competitividad y equidad: rol del sector financiero. CEPAL.Redroban Bermudez, P.V. (2016). Proceso de asignacion de cupos de credito en empresas ferreteras y el enfoque iso/tc 176/sc 2/n 544r3. Tesis de maestría, Universidad de Guayaquil Facultad de Ciencias Administrativas.Gómez González, S. (2010). Análisis de riesgo crediticio y asignación de cupos de crédito. Universidad EIA.Badel Coronell, P.D.J., & Herrera Valdez, A.E. (2013). Diseño de una guía de procedimientos para lograr la efectiva asignación de cupos de créditos en la empresa CI Antillana SA. Universidad de Cartagena.Rodríguez Martínez, V., & Serna García, S. (2020). Las fintech, la nueva opción para el acceso a una banca ágil y económica para personas naturales y pymes. Tecnológico de Antioquia Institución Universitaria.Ayling, N. (2018). Cresk: scoring de riesgo alternativo. Universidad de San Andrés. Escuela de Negocios.Cano, C.G., Esguerra, M., García, N., Rueda, L., & Velasco, A. (2014). Inclusión financiera en Colombia. Recuperado de: http://www.banrep.gov.co/sites/default/files/eventos/archivos/sem_357.pdfLattanzio Carrioni, S., & Pinilla Jaramillo, J.A. (2013). El microcrédito como herramienta de inclusión financiera para fomentar el desarrollo y crecimiento económico de Colombia. Pontificia Universidad Javeriana.Hernández, P.A.C. (2004). Aplicación de árboles de decisión en modelos de riesgo crediticio. Revista Colombiana de estadística, 27(2), 139-151.Espin-García, O., & Rodríguez-Caballero, C.V. (2013). Metodología para un scoring de clientes sin referencias crediticias. Cuadernos de economía, 32(59), 137-162. Cuadernos de Economía, Facultad de Ciencias Económicas, Universidad Nacional.Franco, P. (2017). Tecnología, inclusión financiera y regulación: acercando el financiamiento a las personas. En 21 Conferencia anual de la Asociación Latinoamericana e Ibérica de Derecho y Economía (ALACDE)--Universidad del Pacífico--Perú (pp. 1-38).Granados, P., & Quijano, D. (2016). El financiamiento: más que un problema, una solución. Realidad Empresarial, (1), 21-22.Finan, M.B. (2014). A basic course in the theory of interest and derivatives markets: A preparation for the actuarial exam fm/2. Arkansas Tech University.Yang, T., & Zhang, X. (2022). FinTech adoption and financial inclusion: Evidence from household consumption in China. Journal of Banking & Finance, 145, 106668. Elsevier.Lu, Y., Yang, L., Shi, B., Li, J., & Abedin, M.Z. (2022). A novel framework of credit risk feature selection for SMEs during industry 4.0. Annals of Operations Research, 1-28. Springer.Dierkes, M., Erner, C., Langer, T., & Norden, L. (2013). Business credit information sharing and default risk of private firms. Journal of Banking & Finance, 37(8), 2867-2878. Elsevier.Khandani, A.E., Kim, A.J., & Lo, A.W. (2010). Consumer credit-risk models via machine-learning algorithms. Journal of Banking & Finance, 34(11), 2767-2787. Elsevier.Zhou, G., Zhu, J., & Luo, S. (2022). The impact of fintech innovation on green growth in China: Mediating effect of green finance. Ecological Economics, 193, 107308. Elsevier.Zhou, M. (2022). Credit Risk Assessment Modeling Method Based on Fuzzy Integral and SVM. Mobile Information Systems, 2022. Hindawi.Oliver, R.M. (2013). Financial performance measures in credit scoring. EURO Journal on Decision Processes, 1(3), 169-185. Springer.Leow, M., & Crook, J. (2016). A new mixture model for the estimation of credit card exposure at default. European Journal of Operational Research, 249(2), 487-497. Elsevier.Aa, G., Sb, V., & Ab, M.K.R. (2021). Deciding Bank Client’s Credit Limit and Home Loan Using Machine Learning. Smart Intelligent Computing and Communication Technology, 38, 288. IOS Press.Jagtiani, J., & Lemieux, C. (2018). Do fintech lenders penetrate areas that are underserved by traditional banks? Journal of Economics and Business, 100, 43-54. Elsevier.Shema, A. (2022). Effects of increasing credit limit in digital microlending: A study of airtime lending in East Africa. The Electronic Journal of Information Systems in Developing Countries, 88(3), e12199. Wiley Online Library.Trejo García, J.C., Ríos Bolívar, H., & Almagro Vázquez, F. (2016). Updating the credit risk model: a necessary move for revolving credit facilities in Mexico. Revista Finanzas y Política Económica, 8(1), 17-30.Arbeláez, L.C.F., & Ceballos, L.E.F. (2005). El valor en riesgo condicional CVaR como medida coherente de riesgo. Revista Ingenierías Universidad de Medellín, 4(6), 43-54. Universidad de Medellín.Melo, L.F., & Granados, J.C. (2011). Regulación y valor en riesgo. Ensayos sobre política económica, 29(SPE64), 110-177. Banco de la República.Blanco Castañeda, L. (2013). Probabilidad. Editorial UN. Universidad Nacional de Colombia-Facultad de Ciencias.Rodríguez, M.C., & Hernández, F.P. (2008). Gestión del riesgo crediticio: un análisis comparativo entre Basilea II y el Sistema de Administración del Riesgo Crediticio Colombiano, SARC. Cuadernos de Contabilidad, 9(24).Superintendencia Financiera de Colombia. (2008). Circular Externa 010.Escobar Gallo, H., & Cuartas Mejía, V. (2006). Diccionario Económico Financiero. Recuperado de http://hdl.handle.net/11407/2748Fawcett, T. (2006). An introduction to ROC analysis. Pattern recognition letters, 27(8), 861-874. Elsevier.Lipton, Z.C., Elkan, C., & Narayanaswamy, B. (2014). Thresholding classifiers to maximize F1 score. arXiv preprint arXiv:1402.1892.Gimeno, P., Mingote, V., Ortega, A., Miguel, A., & Lleida, E. (2021). Generalizing AUC Optimization to Multiclass Classification for Audio Segmentation With Limited Training Data. IEEE Signal Processing Letters, 28, 1135-1139. IEEE.Toh, K.-A., Kim, J., & Lee, S. (2008). Maximizing area under ROC curve for biometric scores fusion. Pattern Recognition, 41(11), 3373-3392. Elsevier.Boyd, S., Boyd, S. P., & Vandenberghe, L. (2004). Convex optimization. Cambridge university press.Huangfu, Q., & Hall, J. A. J. (2018). Parallelizing the dual revised simplex method. Mathematical Programming Computation, 10(1), 119-142. Springer.Kleinbaum, D. G., Dietz, K., Gail, M., Klein, M., & Klein, M. (2002). Logistic regression. Springer.Hosmer Jr, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (Vol. 398). John Wiley & Sons.Marrugo Arnedo, V. (2013). Crecimiento económico y desarrollo humano en Colombia (2000-2010). Revista de economía del Caribe, (11), 127-143. Universidad del Norte.Patiño, O. A. (2008). Microcrédito Historia y experiencias exitosas de su implementación en América Latina. Revista Escuela de Administración de Negocios, (63), 41-58.Gutiérrez Girault, M. A. (2007). Modelos de credit scoring: qué, cómo, cuándo y para qué.Ross, S. M. (2014). A first course in probability. Pearson.Bertsekas, D., & Tsitsiklis, J. N. (2008). Introduction to probability (Vol. 1). Athena Scientific.Dantzig, G. B. (1989). Making progress during a stall in the simplex algorithm. Linear Algebra and its Applications, 114, 251-259. Elsevier.Andersen, E. D., Gondzio, J., Mészáros, C., Xu, X., & others. (1996). Implementation of interior point methods for large scale linear programming. HEC/Université de Geneve.Tibshirani, R. (2019). Newton’s Method. In Notes for Convex Optimization: Machine Learning 10-725.Najafabadi, M. M., Khoshgoftaar, T. M., Villanustre, F., & Holt, J. (2017). Large-scale distributed l-bfgs. Journal of Big Data, 4(1), 1-17. SpringerOpen.Wright, S. J. (2015). Coordinate descent algorithms. Mathematical Programming, 151(1), 3-34. Springer.Schmidt, M., Le Roux, N., & Bach, F. (2017). Minimizing finite sums with the stochastic average gradient. Mathematical Programming, 162(1), 83-112. Springer.Defazio, A., Bach, F., & Lacoste-Julien, S. (2014). SAGA: A fast incremental gradient method with support for non-strongly convex composite objectives. Advances in neural information processing systems, 27.Friedman, N., Geiger, D., & Goldszmidt, M. (1997). Bayesian network classifiers. Machine Learning, 29(2), 131-163. Springer.McCallum, A., Nigam, K., & others. (1998). A comparison of event models for naive Bayes text classification. In AAAI-98 workshop on learning for text categorization (Vol. 752, No. 1, pp. 41-48). Madison, WI.Haykin, S. (2009). Neural networks and learning machines, 3/E. Pearson Education India.Kingma, D. P., & Ba, J. (2014). Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.6980.Chang, C. C., & Lin, C. J. (2011). LIBSVM: a library for support vector machines. ACM Transactions on Intelligent Systems and Technology (TIST), 2(3), 1-27. Acm New York, NY, USA.Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine learning, 20(3), 273-297. Springer.Cristianini, N., Shawe-Taylor, J., & others. (2000). An introduction to support vector machines and other kernel-based learning methods. Cambridge university press.Valenzuela González, G., & others. (2022). Aprendizaje Supervisado: Métodos, Propiedades y Aplicaciones.Studer, M., Ritschard, G., Gabadinho, A., & Müller, N. S. (2011). Discrepancy analysis of state sequences. Sociological Methods & Research, 40(3), 471-510. Sage Publications Sage CA: Los Angeles, CA.Gareth, J., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning: with applications in R. Spinger.Maimon, O. Z., & Rokach, L. (2014). Data mining with decision trees: theory and applications (Vol. 81). World scientific.Geurts, P., Ernst, D., & Wehenkel, L. (2006). Extremely randomized trees. Machine learning, 63(1), 3-42. Springer.González Fernández, K. L. (2016). Identificación de factores de riesgo en un scoring crediticio mediante técnicas de estadística espacial. Escuela de Estadística.Vázquez, S. (2012). CRÉDITO EMPRESARIAL SIMPLE VS REVOLVENTE: ¿CUÁNDO Y PARA QUÉ? Estudios Económicos CNBV Volumen 1, 2012.Michalewicz, Z. (1996). Genetic algorithms + data structures = evolution programs (3rd ed.). Springer Science & Business Media. Berlin, Heidelberg.LICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/83954/3/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD53ORIGINAL1019143843.2023.pdf1019143843.2023.pdfTesis de Maestría en Ciencias - Matemática Aplicadaapplication/pdf2824186https://repositorio.unal.edu.co/bitstream/unal/83954/4/1019143843.2023.pdfd6b1af8f2bd662f54a046163c136542dMD54THUMBNAIL1019143843.2023.pdf.jpg1019143843.2023.pdf.jpgGenerated Thumbnailimage/jpeg4697https://repositorio.unal.edu.co/bitstream/unal/83954/5/1019143843.2023.pdf.jpg67b4f8b14fdce5bfc7214c8ce1ed3ed0MD55unal/83954oai:repositorio.unal.edu.co:unal/839542024-08-09 23:19:52.769Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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