Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/22121
Título: Técnicas de machine learning aplicadas en la implementación de un modelo de credit scoring de tipo originación en una entidad bancaria del Ecuador.
Autor: Oña Guallichico, Luis Eduardo
Palabras clave: ESTADISTICAS FINANCIERAS
RECOPILACIÓN DE DATOS
INSTITUCIONES FINANCIERAS
Fecha de publicación: 5-feb-2022
Editorial: Quito, 2022
Citación: Oña Guallichico, L.E. (2022). Técnicas de machine learning aplicadas en la implementación de un modelo de credit scoring de tipo originación en una entidad bancaria del Ecuador. 171 hojas. Quito : EPN.
Resumen: The purpose of the study is to detail the construction, validation, and implementation of a Credit Scoring model in a banking entity in Ecuador, through which the probability that a client will not meet their credit obligations is estimated. The model is aimed at the segment of clients who start their financial activities (they do not have a credit history), and that in many of the financial institutions is still qualified by using traditional techniques because they do not have enough information. Under these characteristics the model is called: `Application Model'. For the elaboration of the model, the use of a modern methodology based on machine learning algorithms is contemplated, such as: XGBoost and LIME, whose results will be evaluated and validated to obtain an optimal model capable of working correctly on new data sets. This will determine the importance of using current techniques that are objective and capable of optimizing the level of risk to which the banking institution's resources are exposed. The information used is provided by a bank in Ecuador. In addition, the methodology used for the construction of the model will be implemented in the R statistical software, thus allowing the results to be obtained automatically and saving a large amount of data processing time.
Descripción: El presente estudio tiene como finalidad detallar la construcción, validación e implementación de un modelo de Credit Scoring en una entidad bancaria del Ecuador, a través del cual se estime la probabilidad de que un cliente no cumpla con sus obligaciones crediticias. El modelo está dirigido para el segmento de clientes que inician sus actividades financieras (no tienen historial crediticio), y que en muchas de las instituciones financieras todavía es calificado mediante el uso de técnicas tradicionales por no poseer la información suficiente. Bajo estas características el modelo es denominado: ‘Modelo de Originación’. Para la elaboración del modelo se contempla el uso de una metodología moderna basada en algoritmos de aprendizaje automático, tales como: XGBoost y LIME, cuyos resultados serán evaluados y validados con el fin de obtener un modelo óptimo capaz de trabajar correctamente sobre nuevos conjuntos de datos. Esto determinará la importancia de utilizar técnicas actuales que sean objetivas y capaces optimizar el nivel de riesgo al cual se encuentran expuestos los recursos de la institución bancaria. La información empleada es proporcionada por una entidad bancaria del Ecuador. Además, la metodología utilizada para la construcción del modelo será implementada en el software estadístico R, permitiendo así obtener los resultados de manera automática y ahorrar una gran cantidad de tiempo de procesamiento de datos.
URI: http://bibdigital.epn.edu.ec/handle/15000/22121
Tipo: bachelorThesis
Aparece en las colecciones:Tesis Matemáticas (MAT)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
CD 11619.pdf1,93 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.