UA-61751701-2

Caracterización y predicción de la demanda de crédito a partir de datos abiertos
    • español
    • English
EscuelaIng
  • English 
    • español
    • English
  • Login
  • Inicio
  • Guías de Uso
    • Directrices
    • Procedimientos de Trabajo de Grado
    • Guía de Autoarchivo
    • Formato de Autorización para Publicación
  • Navegar
    • Comunidades
    • Autores
    • Títulos
    • Fechas
    • Materias
    • Tipo de Material
  • Investigadores
  • Organizaciones
  • Proyectos

Repositorio Digital

  • Comunities Comunities
  • Authors Authors
  • Titles Titles
  • Dates Dates
  • Subjects Subjects
  • Resource Type Resource Type
View Item 
  •   DSpace Home
  • 1- Tesis de Grado y Trabajos Dirigidos
  • F - Ingeniería de Sistemas
  • FC - Trabajos de Grado Maestría en Gestión de Información
  • View Item
  •   DSpace Home
  • 1- Tesis de Grado y Trabajos Dirigidos
  • F - Ingeniería de Sistemas
  • FC - Trabajos de Grado Maestría en Gestión de Información
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Cambiar vista

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsResource TypeThis CollectionBy Issue DateAuthorsTitlesSubjectsResource Type

My Account

LoginRegister

Statistics

View Usage Statistics

Caracterización y predicción de la demanda de crédito a partir de datos abiertos


Riveros Perilla, Lady Katherine

Del Toro Osorio, Fabiola
Ferri Ramírez, César
Ospina Becerra, Victoria Eugenia

Trabajo de grado - Maestría

2021

Ingeniería de Sistemas

Minería de datos - Minería de uso webBuscar en Repositorio UMECIT
Datos abiertosBuscar en Repositorio UMECIT
Crédito - PréstamosBuscar en Repositorio UMECIT
Demanda de créditoBuscar en Repositorio UMECIT
Datos abiertosBuscar en Repositorio UMECIT
Técnicas supervisadas de clasificaciónBuscar en Repositorio UMECIT
Open dataBuscar en Repositorio UMECIT
Credit demandBuscar en Repositorio UMECIT
Supervised classification techniquesBuscar en Repositorio UMECIT

En la industria financiera tradicional el acceso al crédito depende en gran medida del comportamiento de pagos del cliente en el pasado, el nivel de riqueza y las garantías. Esto implica barreras de acceso al crédito, por un lado, la exclusión de grupos de población con condiciones óptimas que no tienen experiencia previa con productos de crédito y carecen de información histórica sobre sus hábitos de pago en la banca. Y por otro lado, los reportes de historia de crédito pueden contener errores y rezagos en la información que pueden llevar a decisiones sesgadas. En este sentido, se propone utilizar fuentes de datos abiertos para evaluar el acceso al crédito como una estrategia de inclusión financiera y mitigar las barreras de acceso al crédito. Se realiza un análisis de caracterización y predicción de acceso al crédito, se desarrollan tres técnicas supervisadas de clasificación: árbol de clasificación, bosque aleatorio y regresión logística, para evaluar las variables significativas y el modelo con mejor desempeño, con el objetivo de identificar los perfiles de bajo riesgo que acceden al crédito en las tres principales ciudades de Colombia: Bogotá, Medellín y Cali, utilizando datos abiertos de la Encuesta anual de carga financiera y educación financiera de los hogares (Iefic) del DANE. Finalmente, los resultados se presentan en un tablero de visualización analítica de datos.
 
ENG- The traditional financial industry, the credit access depends on the customer's payment behavior in the past, the level of wealth and guarantees. This implies barriers to access to credit, on the one hand, the exclusion of population groups with optimal conditions that have no previous experience with credit products and lack historical information on their payment habits in banking. And on the other hand, credit history reports can contain errors and lags in information that can lead to biased decisions. In this sense, it is proposed to use open data sources to evaluate access to credit as a financial inclusion strategy and to mitigate barriers to access to credit. This paper presents a characterization and prediction analysis of access to credit, using three supervised classification techniques: classification tree, random forest and logistic regression, to evaluate the significant variables and the model with the best performance, with the objective of identify the low-risk profiles that access credit in the three main cities of Colombia: Bogotá, Medellín and Cali, using open data from DANE's Annual Survey of Financial Burden and Financial Education of Households (Iefic). Finally, the results are presented on an analytical data visualization dashboard.
 

https://repositorio.escuelaing.edu.co/handle/001/1656

  • FC - Trabajos de Grado Maestría en Gestión de Información [75]

Descripción: Riveros Perilla, Lady Katherine-2021.pdf
Título: Riveros Perilla, Lady Katherine-2021.pdf
Tamaño: 3.581Mb

Unicordoba LogoPDFOpen AccessFLIPLEER EN FLIP

Descripción: Autorizacion.pdf
Título: Autorizacion.pdf
Tamaño: 167.2Kb

Unicordoba LogoPDFClosed Access

Show full item record

Cita

Cómo citar

Cómo citar

Miniatura

Thumbnail

Gestores Bibliográficos

Exportar a Bibtex

Exportar a RIS

Exportar a Excel

Buscar en google Schoolar

Buscar en microsoft academic

untranslated

Código QR

Envíos recientes

    No hay artículos recientes

Oferta académica

Carreras profesionales

Especializaciones

Maestrías

Doctorado

Nustros Campus

Introducción al campus

Tecnología

Fortalezas

Premios y reconocimientos

Flora y fauna

Visita el campus

Internacionalización

Programas y alianzas

Movilidad

Sobre la Escuela y Bogotá

Convenios internacionales, nacionales y con colegios

Ayuda

PQRSFC

Centro de Ayuda

Contáctenos

Habeas Data

Centro de Servicios Tecnológicos

Directorio Escuela

acriditación institucional
icoMaps

AK. 45 No. 205 - 59, Autopista Norte.

PBX: +57(1) 668 3600 - Bogotá.

Línea nacional gratuita:

018000112668.

Sistema DSPACE - Metabiblioteca | logo