Modelo analítico para la predicción de default en el servicio de crédito en una caja de compensación familiar en Antioquia
El presente trabajo aplica para la caja de compensación familiar COMFENALCO ANTIOQUIA. Actualmente la empresa se encuentra en un proceso de transformación y ha firmado un contrato con una empresa para actualizar el software administrativo de crédito. Dentro del alcance de este proyecto no se encuent...
- Autores:
-
Cruz Valencia, Hermilso
Morales Firaya, Michael Steven
Tunjuelo Martínez, Hernán Alberto
- Tipo de recurso:
- Masters Thesis
- Fecha de publicación:
- 2023
- Institución:
- Pontificia Universidad Javeriana Cali
- Repositorio:
- Vitela
- Idioma:
- spa
- OAI Identifier:
- oai:vitela.javerianacali.edu.co:11522/2031
- Acceso en línea:
- https://vitela.javerianacali.edu.co/handle/11522/2031
- Palabra clave:
- Big data
Machine learning
Inteligencia artificial
Programación
Modelos estadísticos
Análisis
Riesgo de crédito
- Rights
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
Summary: | El presente trabajo aplica para la caja de compensación familiar COMFENALCO ANTIOQUIA. Actualmente la empresa se encuentra en un proceso de transformación y ha firmado un contrato con una empresa para actualizar el software administrativo de crédito. Dentro del alcance de este proyecto no se encuentra contratado el motor de decisión. Actualmente se utiliza un modelo Scoring de crédito de elaboración propia en Excel. Este fue construido con macros avanzados y en su interior contiene un algoritmo de modelo Logit y las reglas de negocio del reglamento de crédito. Con ello se calcula la probabilidad de incumplimiento y el cumplimiento de los indicadores de riesgo para tomar la decisión de aprobar, aplazar o negar la solicitud de crédito. Con el objetivo de actualizar el modelo Logit e integrarlo en el nuevo software y con base a una data histórica de créditos, se propuso un modelo base de regresión logística que permita predecir el riesgo de default en función de las covariables que se consideren importantes de acuerdo a un proceso adecuado. Además, se compara el rendimiento estadístico con modelos más avanzados como XGBoost, Árbol de decisión, Bosque Aleatorio. |
---|