Credit scoring: aplicando técnicas de regresión logística y modelos aditivos generalizados para una cartera de crédito en una entidad financiera.

Suquillo Llumiquinga, Jaime Andrés

Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/21865

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.contributor.author	Suquillo Llumiquinga, Jaime Andrés	-
dc.date.accessioned	2021-10-14T22:59:51Z	-
dc.date.available	2021-10-14T22:59:51Z	-
dc.date.issued	2021-10-11	-
dc.identifier.citation	Suquillo Llumiquinga, J. A. (2021). Credit scoring: aplicando técnicas de regresión logística y modelos aditivos generalizados para una cartera de crédito en una entidad financiera. 166 hojas. Quito : EPN.	es_ES
dc.identifier.other	T-FCM/0282/CD 11349	-
dc.identifier.uri	http://bibdigital.epn.edu.ec/handle/15000/21865	-
dc.description	El presente proyecto de titulación tiene como finalidad el estudio de una metodología estadística basada en medidas de asociación, medidas de separación y presentar el Modelo Aditivo Generalizado como una alternativa prometedora a la Regresión Logística, los cuales se aplican en la construcción de un modelo estadístico, que permita estimar la probabilidad de incumplimiento (PD) de una cartera de algún tipo de crédito concedido. La regresión logística es el modelo estadístico más utilizado en la industria de calificación crediticia. A pesar de sus ventajas en la fácil interpretación y el bajo costo computacional, la regresión logística está bajo la crítica de la dificultad de modelar las características no lineales del efecto de los predictores sobre la variable dependiente y, por lo tanto, podría dar lugar a resultados insatisfactorios. En el presente estudio se plantea la utilización de una técnica conocida como Modelo Aditivo Generalizado introducido por Hastie y Tibshirani (1990), que proporciona la capacidad de detectar la relación no lineal y no monotónica entre la variable dependiente y los predictores sin sacrificar la interpretabilidad. El rendimiento de los modelos se evalúa y compara utilizando el estadístico de Kolmogórov Smirnov, el área bajo la curva ROC y el test de GINI.	es_ES
dc.description.abstract	The purpose of this degree project is to study a statistical methodology based on association measures, separation measures and present the Generalized Additive Model as a promising alternative to Logistic Regression, which are applied in the construction of a statistical model, that allows estimating the probability of default (PD) of a portfolio of some type of granted credit. Logisticregressionisthemostusedstatisticalmodelinthecreditratingindustry.Despite its advantages in easy interpretation and low computational cost, logistic regression is under the criticism of the difficulty of modeling the nonlinear characteristics of the predictors' effect on the dependent variable and, therefore, could lead to Unsatisfactory results. The present study proposes the use of a technique known as Generalized Additive Model introduced by Hastie and Tibshirani (1990), which provides the ability to detect the nonlinear and nonmonotonic relationship between the dependent variable and the non-sacrificing predictors Interpretability. The performance of the models are evaluated and compared using the Kolmogórov Smirnov statistic value, the area under the curve (ROC) and the GINI test.	es_ES
dc.description.sponsorship	Uquillas Andrade, Adriana, director	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Quito, 2021	es_ES
dc.rights	openAccess	es_ES
dc.subject	REGRESIÓN LOGÍSTICA	es_ES
dc.subject	PROGRAMACIÓN EN R	es_ES
dc.title	Credit scoring: aplicando técnicas de regresión logística y modelos aditivos generalizados para una cartera de crédito en una entidad financiera.	es_ES
dc.type	bachelorThesis	es_ES
Aparece en las colecciones:	Tesis Matemáticas (MAT)

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
CD 11349.pdf		2,65 MB	Adobe PDF	Visualizar/Abrir

Muestra el registro sencillo del ítem

BIBDIGITAL