1. Repositorio Digital Universidad De Las Américas
  2. Posgrado
  3. Maestría en Inteligencia de Negocios y Ciencia de Datos
Por favor, use este identificador para citar o enlazar este ítem: http://dspace.udla.edu.ec/handle/33000/16603
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorMorocho Cayamcela, Manuel Eugenio-
dc.creatorCedeño Mera, Ronald Stalin-
dc.creatorPacheco Estrella, Santiago Fernando-
dc.date.accessioned2024-09-09T19:14:08Z-
dc.date.available2024-09-09T19:14:08Z-
dc.date.issued2024-
dc.identifier.citationCedeño, R.; Pacheco, S. (2024). Predicción de incumplimiento de préstamos para clientes de entidades bancarias (Tesis de maestría). Universidad de las Américas, Quito.es_ES
dc.identifier.otherUDLA-EC-TMINCD-2024-13-
dc.identifier.urihttp://dspace.udla.edu.ec/handle/33000/16603-
dc.descriptionCredit risk management is crucial for the functioning of financial institutions. Advances in this field have allowed the development of increasingly effective strategies for assessing risk. Scoring models and the implementation of secure systems to process payments are essential. Quantitative variables credit history, income, assets and qualitative variables work experience, residential stability are important for decision making. Our analysis using SMOTE presents improvements in the accuracy of the base model and identifies the key variables to evaluate. The combination of these, due to their nature quantitative and qualitative, is essential for effective results.es_ES
dc.description.abstractLa administración de riesgos crediticios es crucial para el funcionamiento de las instituciones financieras. Los avances en este campo han permitido desarrollar estrategias cada vez más efectivas para evaluar el riesgo. Los modelos de scoring y la implementación de sistemas seguros para procesar pagos son fundamentales. Las variables cuantitativas historia crediticia, ingreso, patrimonio y cualitativas experiencia laboral, estabilidad residencial son importantes para la toma de decisiones. Nuestro análisis utilizando SMOTE presenta mejoras en la precisión del modelo base e identifica las variables claves a evaluar. La combinación de estas por su naturaleza cuantitativas y cualitativas son esenciales para unos resultados eficaces.es_ES
dc.format.extent57 p.es_ES
dc.language.isospaes_ES
dc.publisherQuito: Universidad de las Américas, 2024es_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectINCUMPLIMIENTO DE PRÉSTAMOSes_ES
dc.subjectADMINISTRACIÓN DE RIESGOS CREDITICIOSes_ES
dc.subjectEVALUACIÓN DE RIESGOSes_ES
dc.subjectINSTITUCIONES FINANCIERASes_ES
dc.titlePredicción de incumplimiento de préstamos para clientes de entidades bancariases_ES
dc.typemasterThesises_ES
Aparece en las colecciones: Maestría en Inteligencia de Negocios y Ciencia de Datos

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
UDLA-EC-TMINCD-2024-13.pdf2,27 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons