Mostrar el registro sencillo del ítem

dc.contributorArango Londoño, David
dc.creatorMayor Cortés, Johan Sebastián
dc.creatorPorras Casanova, Juan Pablo
dc.date2024-06-10T00:45:17Z
dc.date2024-06-10T00:45:17Z
dc.date2023
dc.date.accessioned2026-10-15T17:13:31Z
dc.date.available2026-10-15T17:13:31Z
dc.identifierhttps://vitela.javerianacali.edu.co/handle/11522/2102
dc.identifier.urihttps://hdl.handle.net/20.500.12032/190619
dc.descriptionEl acceso al crédito en Colombia sigue siendo un desafío para una gran parte de la población desbancarizada. A pesar de los esfuerzos realizados para aumentar la inclusión financiera, muchas personas no pueden obtener préstamos debido a la falta de historial crediticio o a los requisitos exigidos por la banca tradicional. En este estudio, se plantea la pregunta de investigación de cómo generar un modelo alternativo de credit score utilizando machine learning para analizar perfiles de personas con ingresos indeterminados. Los objetivos del estudio son identificar variables representativas, construir un modelo utilizando el algoritmo RandomForest, comparar este modelo con los modelos tradicionales de regresión GLM, regresión logística y support vector machine, y evaluar la viabilidad de las colocaciones de crédito mediante simulaciones. La metodología incluye el uso de datos de la encuesta de demanda de inclusión financiera y el tratamiento de los datos utilizando en R. Los resultados muestran que se pueden obtener modelos alternativos de credit score utilizando variables categóricas y machine learning.
dc.format56 p.
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.languagespa
dc.publisherPontificia Universidad Javeriana Cali
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.subjectInclusión financiera
dc.subjectMachine learning
dc.titleModelo de credit score alternativo para personas con ingresos indeterminados en Colombia: basado en machine learning
dc.typehttp://purl.org/coar/resource_type/c_bdcc
dc.typeTesis/Trabajo de grado - Monografía - Maestría
dc.typehttps://purl.org/redcol/resource_type/TM


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem


© AUSJAL 2022

Asociación de Universidades Confiadas a la Compañía de Jesús en América Latina, AUSJAL
Av. Santa Teresa de Jesús Edif. Cerpe, Piso 2, Oficina AUSJAL Urb.
La Castellana, Chacao (1060) Caracas - Venezuela
Tel/Fax (+58-212)-266-13-41 /(+58-212)-266-85-62

Nuestras redes sociales

facebook Facebook

twitter Twitter

youtube Youtube

Asociaciones Jesuitas en el mundo
Ausjal en el mundo AJCU AUSJAL JESAM JCEP JCS JCAP