Modelo predictivo neuronal para la evaluación del riesgo crediticio

La Gestión del Riesgo de Crédito requiere de soluciones que provean la capacidad de una total administración de los riesgos en todo el ciclo de adquisición y retención del cliente, garantizando que se apunta a los clientes más rentables. El mercado de crédito presenta imperfecciones debido a la asim...

Full description

Autores:
Villamil Bahamón, Rodrigo
Tipo de recurso:
Fecha de publicación:
2013
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/52246
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/52246
http://bdigital.unal.edu.co/46564/
Palabra clave:
0 Generalidades / Computer science, information and general works
33 Economía / Economics
65 Gerencia y servicios auxiliares / Management and public relations
Riesgo crediticio
Redes neuronales
Analítica
Modelos analíticos
Información asimétrica
Selección adversa
Riesgo moral
Credit risk
Neural networks
Analytical
Analytical models
Information asymmetry
Adverse selection
Moral hazard
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_cfa5a624041e3c0976556fdeba18d4ef
oai_identifier_str oai:repositorio.unal.edu.co:unal/52246
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Junca R., Gustavo A.Villamil Bahamón, Rodrigoc912e038-edef-4825-97cc-8824bae480763002019-06-29T13:52:11Z2019-06-29T13:52:11Z2013https://repositorio.unal.edu.co/handle/unal/52246http://bdigital.unal.edu.co/46564/La Gestión del Riesgo de Crédito requiere de soluciones que provean la capacidad de una total administración de los riesgos en todo el ciclo de adquisición y retención del cliente, garantizando que se apunta a los clientes más rentables. El mercado de crédito presenta imperfecciones debido a la asimetría en la información que posee la entidad financiera y la que posee el cliente. Apoyadas en la tecnología y el desarrollo de herramientas de propósito específico, las organizaciones son capaces de optimizar el valor total de sus clientes, reduciendo sustancialmente los gastos de funcionamiento y las pérdidas. Las redes neuronales artificiales (RNA) se emplean debido a su capacidad para adaptarse o aprender, generalizar u organizar datos y pueden ser entrenadas para anticipar y reconocer el comportamiento de las variables en un conjunto complejo de información. Es por esto, que a través del empleo de modelos analíticos predictivos neuronales en las etapas de preventa y postventa de un servicio, las organizaciones pueden apoyar su proceso de toma de decisiones sobre si los nuevos y/o actuales clientes pueden presentar un riesgo de no pago o de fraude, en forma ágil, oportuna y seguraAbstract. The Credit Risk Management requires solutions that provide the ability to complete risk management throughout the cycle of customer acquisition and retention, ensuring that targets the most profitable customers. The credit market has imperfections due to the asymmetry of information held by the financial institution and the customer owns. Supported in technology and development tools, organizations are able to optimize the total value of its customers, reducing operating costs and losses. Artificial neural networks (ANN) are used due to their ability to adapt or learn, generalize or organize data and can be trained to anticipate and recognize the behavior of the variables in a complex set of information. It is for this reason that through the use of neural predictive analytical models in the stages of pre- and after-sales service, organizations can support your decision making process on whether new and / or existing customers may present a risk of not payment or fraud, in a quick, timely and secure.Maestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Bogotá Facultad de Ciencias EconómicasFacultad de Ciencias EconómicasVillamil Bahamón, Rodrigo (2013) Modelo predictivo neuronal para la evaluación del riesgo crediticio. Maestría thesis, Universidad Nacional de Colombia.0 Generalidades / Computer science, information and general works33 Economía / Economics65 Gerencia y servicios auxiliares / Management and public relationsRiesgo crediticioRedes neuronalesAnalíticaModelos analíticosInformación asimétricaSelección adversaRiesgo moralCredit riskNeural networksAnalyticalAnalytical modelsInformation asymmetryAdverse selectionMoral hazardModelo predictivo neuronal para la evaluación del riesgo crediticioTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINAL08901050.2013.pdfapplication/pdf2367788https://repositorio.unal.edu.co/bitstream/unal/52246/1/08901050.2013.pdfecc81bb57163dc08bc490f523c6e4598MD51THUMBNAIL08901050.2013.pdf.jpg08901050.2013.pdf.jpgGenerated Thumbnailimage/jpeg4500https://repositorio.unal.edu.co/bitstream/unal/52246/2/08901050.2013.pdf.jpg24d56a0771d0e95c9df9cf59f939815eMD52unal/52246oai:repositorio.unal.edu.co:unal/522462024-03-01 23:07:43.091Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co
dc.title.spa.fl_str_mv Modelo predictivo neuronal para la evaluación del riesgo crediticio
title Modelo predictivo neuronal para la evaluación del riesgo crediticio
spellingShingle Modelo predictivo neuronal para la evaluación del riesgo crediticio
0 Generalidades / Computer science, information and general works
33 Economía / Economics
65 Gerencia y servicios auxiliares / Management and public relations
Riesgo crediticio
Redes neuronales
Analítica
Modelos analíticos
Información asimétrica
Selección adversa
Riesgo moral
Credit risk
Neural networks
Analytical
Analytical models
Information asymmetry
Adverse selection
Moral hazard
title_short Modelo predictivo neuronal para la evaluación del riesgo crediticio
title_full Modelo predictivo neuronal para la evaluación del riesgo crediticio
title_fullStr Modelo predictivo neuronal para la evaluación del riesgo crediticio
title_full_unstemmed Modelo predictivo neuronal para la evaluación del riesgo crediticio
title_sort Modelo predictivo neuronal para la evaluación del riesgo crediticio
dc.creator.fl_str_mv Villamil Bahamón, Rodrigo
dc.contributor.author.spa.fl_str_mv Villamil Bahamón, Rodrigo
dc.contributor.spa.fl_str_mv Junca R., Gustavo A.
dc.subject.ddc.spa.fl_str_mv 0 Generalidades / Computer science, information and general works
33 Economía / Economics
65 Gerencia y servicios auxiliares / Management and public relations
topic 0 Generalidades / Computer science, information and general works
33 Economía / Economics
65 Gerencia y servicios auxiliares / Management and public relations
Riesgo crediticio
Redes neuronales
Analítica
Modelos analíticos
Información asimétrica
Selección adversa
Riesgo moral
Credit risk
Neural networks
Analytical
Analytical models
Information asymmetry
Adverse selection
Moral hazard
dc.subject.proposal.spa.fl_str_mv Riesgo crediticio
Redes neuronales
Analítica
Modelos analíticos
Información asimétrica
Selección adversa
Riesgo moral
Credit risk
Neural networks
Analytical
Analytical models
Information asymmetry
Adverse selection
Moral hazard
description La Gestión del Riesgo de Crédito requiere de soluciones que provean la capacidad de una total administración de los riesgos en todo el ciclo de adquisición y retención del cliente, garantizando que se apunta a los clientes más rentables. El mercado de crédito presenta imperfecciones debido a la asimetría en la información que posee la entidad financiera y la que posee el cliente. Apoyadas en la tecnología y el desarrollo de herramientas de propósito específico, las organizaciones son capaces de optimizar el valor total de sus clientes, reduciendo sustancialmente los gastos de funcionamiento y las pérdidas. Las redes neuronales artificiales (RNA) se emplean debido a su capacidad para adaptarse o aprender, generalizar u organizar datos y pueden ser entrenadas para anticipar y reconocer el comportamiento de las variables en un conjunto complejo de información. Es por esto, que a través del empleo de modelos analíticos predictivos neuronales en las etapas de preventa y postventa de un servicio, las organizaciones pueden apoyar su proceso de toma de decisiones sobre si los nuevos y/o actuales clientes pueden presentar un riesgo de no pago o de fraude, en forma ágil, oportuna y segura
publishDate 2013
dc.date.issued.spa.fl_str_mv 2013
dc.date.accessioned.spa.fl_str_mv 2019-06-29T13:52:11Z
dc.date.available.spa.fl_str_mv 2019-06-29T13:52:11Z
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/52246
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/46564/
url https://repositorio.unal.edu.co/handle/unal/52246
http://bdigital.unal.edu.co/46564/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Bogotá Facultad de Ciencias Económicas
Facultad de Ciencias Económicas
dc.relation.references.spa.fl_str_mv Villamil Bahamón, Rodrigo (2013) Modelo predictivo neuronal para la evaluación del riesgo crediticio. Maestría thesis, Universidad Nacional de Colombia.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/52246/1/08901050.2013.pdf
https://repositorio.unal.edu.co/bitstream/unal/52246/2/08901050.2013.pdf.jpg
bitstream.checksum.fl_str_mv ecc81bb57163dc08bc490f523c6e4598
24d56a0771d0e95c9df9cf59f939815e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814090195834765312

Publicaciones similares