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.advisor | Morocho Cayamcela, Manuel Eugenio | - |
dc.creator | Cedeño Mera, Ronald Stalin | - |
dc.creator | Pacheco Estrella, Santiago Fernando | - |
dc.date.accessioned | 2024-09-09T19:14:08Z | - |
dc.date.available | 2024-09-09T19:14:08Z | - |
dc.date.issued | 2024 | - |
dc.identifier.citation | Cedeño, 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.other | UDLA-EC-TMINCD-2024-13 | - |
dc.identifier.uri | http://dspace.udla.edu.ec/handle/33000/16603 | - |
dc.description | Credit 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.abstract | La 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.extent | 57 p. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Quito: Universidad de las Américas, 2024 | es_ES |
dc.rights | openAccess | es_ES |
dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Ecuador | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
dc.subject | INCUMPLIMIENTO DE PRÉSTAMOS | es_ES |
dc.subject | ADMINISTRACIÓN DE RIESGOS CREDITICIOS | es_ES |
dc.subject | EVALUACIÓN DE RIESGOS | es_ES |
dc.subject | INSTITUCIONES FINANCIERAS | es_ES |
dc.title | Predicción de incumplimiento de préstamos para clientes de entidades bancarias | es_ES |
dc.type | masterThesis | es_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.pdf | 2,27 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons