Clasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClub

Se presenta la teoría de máquinas de soporte vectorial (Support Vector Machine – svm) aplicada a la clasificación de créditos otorgados por la banca fintech (financial technology) de Estados Unidos LendingClub. Se estudiará la clasifi­cación que da el método svm a los créditos contra la ya otorgada...

Full description

Autores:
Guevara-Díaz, Karen Estefanía
Tipo de recurso:
Article of journal
Fecha de publicación:
2020
Institución:
Universidad Externado de Colombia
Repositorio:
Biblioteca Digital Universidad Externado de Colombia
Idioma:
spa
OAI Identifier:
oai:bdigital.uexternado.edu.co:001/7855
Acceso en línea:
https://bdigital.uexternado.edu.co/handle/001/7855
https://doi.org/10.18601/17941113.n18.03
Palabra clave:
Credit risk;
vector support machines;
fintech
riesgo de crédito;
máquinas de soporte vectorial;
fintech
Rights
openAccess
License
Karen Estefanía Guevara-Díaz - 2020
id uexternad2_2da1d8c1962af1e17f257772d226258e
oai_identifier_str oai:bdigital.uexternado.edu.co:001/7855
network_acronym_str uexternad2
network_name_str Biblioteca Digital Universidad Externado de Colombia
repository_id_str
spelling Guevara-Díaz, Karen Estefanía3ce3969a-ab0d-49ea-a8b6-cfa929ba2ffa2020-11-04 11:46:232022-09-08T13:42:11Z2020-11-04 11:46:232022-09-08T13:42:11Z2020-11-04Se presenta la teoría de máquinas de soporte vectorial (Support Vector Machine – svm) aplicada a la clasificación de créditos otorgados por la banca fintech (financial technology) de Estados Unidos LendingClub. Se estudiará la clasifi­cación que da el método svm a los créditos contra la ya otorgada por la entidad. Se analizan las variables más importantes que maneja LendingClub para el otorgamiento de créditos comparándolas con la clasificación de pago o impago que arroja el experimento de SVM.The theory of support vector machines applied to the classification of credits granted by the United States fintech banking LendingClub is presented. The classification given by the svm method to credits will be analyzed against what has already been granted by the entity. The most important variables that LendingClub manages for the granting of credits are analyzed, comparing it with the classification of payment or non-payment that the svm experiment gives.application/pdftext/html10.18601/17941113.n18.032346-21401794-1113https://bdigital.uexternado.edu.co/handle/001/7855https://doi.org/10.18601/17941113.n18.03spaFacultad de Finanzas, Gobierno y Relaciones Internacionaleshttps://revistas.uexternado.edu.co/index.php/odeon/article/download/6885/9359https://revistas.uexternado.edu.co/index.php/odeon/article/download/6885/9826Núm. 18 , Año 2020 : Enero-Junio981859OdeonBessis, J. (2015). Risk Management in Banking (e ed.). New York: Wiley.Fernández-Sainz, A. (2010). ¿Bancos con problemas? Un sistema de alerta temprana para la prevención de crisis bancarias. Cuadernos de Gestión, 11(2), 149-168.Gareth, J. et al. (2017). An Introduction to Statistical Learning with Applications in R. Berlin: Springer.Malekipirbazari, M. y Aksakalli, V. (2015). Risk assessment in social lending via ran¬dom forests. Expert Systems With Applications, 42(10), 4621-4631.Moreno Gutiérrez, J. y Melo Velandia, L. (2011). Pronóstico de incumplimiento de pago mediante máquinas de vectores de soporte: una aproximación inicial a la gestión del riesgo de crédito. Borradores de Economía, 677.Vapnik, V. y Cortés, C. (1995). Support Vector Networks. Machine Learning, 20, 273-297.Xi, Y. et al. (2019). Risk control of online P2P lending in China based on health in-vestment. Ekoloji, 107, 2013-2022.Yu, L. (2014). Credit risk evaluation with a least squares fuzzy support vector machines classifier. Arcif, 1-9.Karen Estefanía Guevara-Díaz - 2020info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-sa/4.0/https://revistas.uexternado.edu.co/index.php/odeon/article/view/6885Credit risk;vector support machines;fintechriesgo de crédito;máquinas de soporte vectorial;fintechClasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClubCredit classification using support vector machines on the LendingClub databaseArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTREFinfo:eu-repo/semantics/publishedVersionPublicationOREORE.xmltext/xml2620https://bdigital.uexternado.edu.co/bitstreams/fb881606-d4dd-46ed-bb35-58f9c9f84f92/download2c7de61a2e1e0ce9abd5f0d7821089a6MD51001/7855oai:bdigital.uexternado.edu.co:001/78552023-08-14 15:12:30.979https://creativecommons.org/licenses/by-nc-sa/4.0/Karen Estefanía Guevara-Díaz - 2020https://bdigital.uexternado.edu.coUniversidad Externado de Colombiametabiblioteca@metabiblioteca.org
dc.title.spa.fl_str_mv Clasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClub
dc.title.translated.eng.fl_str_mv Credit classification using support vector machines on the LendingClub database
title Clasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClub
spellingShingle Clasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClub
Credit risk;
vector support machines;
fintech
riesgo de crédito;
máquinas de soporte vectorial;
fintech
title_short Clasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClub
title_full Clasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClub
title_fullStr Clasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClub
title_full_unstemmed Clasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClub
title_sort Clasificación de créditos utilizando máquinas de soporte vectorial sobre la base de datos de LendingClub
dc.creator.fl_str_mv Guevara-Díaz, Karen Estefanía
dc.contributor.author.spa.fl_str_mv Guevara-Díaz, Karen Estefanía
dc.subject.eng.fl_str_mv Credit risk;
vector support machines;
fintech
topic Credit risk;
vector support machines;
fintech
riesgo de crédito;
máquinas de soporte vectorial;
fintech
dc.subject.spa.fl_str_mv riesgo de crédito;
máquinas de soporte vectorial;
fintech
description Se presenta la teoría de máquinas de soporte vectorial (Support Vector Machine – svm) aplicada a la clasificación de créditos otorgados por la banca fintech (financial technology) de Estados Unidos LendingClub. Se estudiará la clasifi­cación que da el método svm a los créditos contra la ya otorgada por la entidad. Se analizan las variables más importantes que maneja LendingClub para el otorgamiento de créditos comparándolas con la clasificación de pago o impago que arroja el experimento de SVM.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-11-04 11:46:23
2022-09-08T13:42:11Z
dc.date.available.none.fl_str_mv 2020-11-04 11:46:23
2022-09-08T13:42:11Z
dc.date.issued.none.fl_str_mv 2020-11-04
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
http://purl.org/coar/resource_type/c_6501
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.local.eng.fl_str_mv Journal article
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ARTREF
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.doi.none.fl_str_mv 10.18601/17941113.n18.03
dc.identifier.eissn.none.fl_str_mv 2346-2140
dc.identifier.issn.none.fl_str_mv 1794-1113
dc.identifier.uri.none.fl_str_mv https://bdigital.uexternado.edu.co/handle/001/7855
dc.identifier.url.none.fl_str_mv https://doi.org/10.18601/17941113.n18.03
identifier_str_mv 10.18601/17941113.n18.03
2346-2140
1794-1113
url https://bdigital.uexternado.edu.co/handle/001/7855
https://doi.org/10.18601/17941113.n18.03
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.bitstream.none.fl_str_mv https://revistas.uexternado.edu.co/index.php/odeon/article/download/6885/9359
https://revistas.uexternado.edu.co/index.php/odeon/article/download/6885/9826
dc.relation.citationedition.spa.fl_str_mv Núm. 18 , Año 2020 : Enero-Junio
dc.relation.citationendpage.none.fl_str_mv 98
dc.relation.citationissue.spa.fl_str_mv 18
dc.relation.citationstartpage.none.fl_str_mv 59
dc.relation.ispartofjournal.spa.fl_str_mv Odeon
dc.relation.references.spa.fl_str_mv Bessis, J. (2015). Risk Management in Banking (e ed.). New York: Wiley.
Fernández-Sainz, A. (2010). ¿Bancos con problemas? Un sistema de alerta temprana para la prevención de crisis bancarias. Cuadernos de Gestión, 11(2), 149-168.
Gareth, J. et al. (2017). An Introduction to Statistical Learning with Applications in R. Berlin: Springer.
Malekipirbazari, M. y Aksakalli, V. (2015). Risk assessment in social lending via ran¬dom forests. Expert Systems With Applications, 42(10), 4621-4631.
Moreno Gutiérrez, J. y Melo Velandia, L. (2011). Pronóstico de incumplimiento de pago mediante máquinas de vectores de soporte: una aproximación inicial a la gestión del riesgo de crédito. Borradores de Economía, 677.
Vapnik, V. y Cortés, C. (1995). Support Vector Networks. Machine Learning, 20, 273-297.
Xi, Y. et al. (2019). Risk control of online P2P lending in China based on health in-vestment. Ekoloji, 107, 2013-2022.
Yu, L. (2014). Credit risk evaluation with a least squares fuzzy support vector machines classifier. Arcif, 1-9.
dc.rights.spa.fl_str_mv Karen Estefanía Guevara-Díaz - 2020
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
rights_invalid_str_mv Karen Estefanía Guevara-Díaz - 2020
http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
text/html
dc.publisher.spa.fl_str_mv Facultad de Finanzas, Gobierno y Relaciones Internacionales
dc.source.spa.fl_str_mv https://revistas.uexternado.edu.co/index.php/odeon/article/view/6885
institution Universidad Externado de Colombia
bitstream.url.fl_str_mv https://bdigital.uexternado.edu.co/bitstreams/fb881606-d4dd-46ed-bb35-58f9c9f84f92/download
bitstream.checksum.fl_str_mv 2c7de61a2e1e0ce9abd5f0d7821089a6
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Universidad Externado de Colombia
repository.mail.fl_str_mv metabiblioteca@metabiblioteca.org
_version_ 1814100411546599424