Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/22553
Title: Diseño de un modelo de credit scoring que fomente la inclusión social al sistema financiero haciendo énfasis en las características del bien a financiar mediante técnicas de inteligencia artificial explicables .
Authors: Oquendo Villamizar, Andrés Julián
Keywords: INSTITUCIONES FINANCIERAS
ANÁLISIS DE DATOS
PROTECCIÓN DE DATOS
CRÉDITO AUTOMOTRIZ
PUNTUACIÓN PARA CRÉDITO
Issue Date: Feb-2022
Publisher: Quito : EPN, 2022
Citation: Oquendo Villamizar, A. J. (2022). Diseño de un modelo de credit scoring que fomente la inclusión social al sistema financiero haciendo énfasis en las características del bien a financiar mediante técnicas de inteligencia artificial explicables. 117 hojas. Quito : EPN.
Abstract: Nowadays, in Ecuador, to predict payment probabilities, financial institutions continue to use traditional techniques based on statistical models that analyze the capacity of an individual to pay, this even though there is a huge amount of transactional data that could better predict the probability of repayment and encourage financial inclusion, while at the same time preventing the illegal trade of personal data. This collection of data, which is unique to each financial institution, requires Artificial Intelligence techniques for its handling to better take advantage of the available computational capacities. This master thesis designs a Credit Scoring model that offers a better solution to predict the repayment of automotive microcredits, adding to the solution variables such as the characteristics of financed goods, destination of funds, economic activity of the candidate, and the benefits that the acquisition will bring. This work shows the effectiveness of Artificial Intelligence techniques, especially those not called “black boxes”, when additionally, data that is not related to the financial capacity of prospects are used. To achieve this, it proposes that an acquisition and quantification methodology be applied to the prospect’s information during the qualification process and later, during the handling of data. In this project, an artifact that improves the scoring process of applicants of automotive microcredits was designed
Description: Actualmente, en el Ecuador, las instituciones financieras, a pesar de la gran cantidad de datos transaccionales existentes para predecir la probabilidad de pago, continúan utilizando para este fin técnicas tradicionales basadas en modelos estadísticos que se centran básicamente en el análisis de la capacidad de pago y este enfoque por un lado no fomenta la inclusión social al sistema financiero y por otro alienta un comercio ilegal de datos personales. Esta masificación de los datos, que además son propios de cada institución financiera, requiere para su tratamiento de técnicas de Inteligencia Artificial que aprovechan de mejor manera las capacidades computacionales actuales. En esta tesis se pretende diseñar un modelo de Credit Scoring que brinde una mejor solución para predecir el pago de un microcrédito automotriz añadiendo a la solución variables tales como las características del bien financiado, destino, actividad económica del prospecto y el beneficio que esta adquisición con lleva. En este trabajo se demuestra la efectividad de las técnicas de Inteligencia Artificial, sobre todo de aquellas no denominadas “cajas negras”, cuando adicionalmente se utilizan datos que no están relacionados con la capacidad financiera de los prospectos. Para esto se planteó una metodología para la adquisición y cuantificación de la información de los prospectos en el proceso de calificación y el posterior tratamiento de los datos. En este proyecto se diseñó un artefacto que mejora el proceso de calificación de los prospectos a un crédito automotriz.
URI: http://bibdigital.epn.edu.ec/handle/15000/22553
Appears in Collections:Tesis MAESTRÍA EN SISTEMAS DE INFORMACIÓN MENCIÓN INTELIGENCIA DE NEGOCIOS Y ANALÍTICA DE DATOS MASIVOS (FIS)

Files in This Item:
File Description SizeFormat 
CD 12030.pdf4,63 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.