Modelo de scoring crediticio en una empresa financiera
Supervisor(es): Álvarez-Vaz, Ramón - Castrillejo, Andrés - Rivero, Martín
Resumen:
En este trabajo se realizaron modelos de Credit Scoring, desarrollados utilizando información de una financiera real. La población objetivo fue toda persona física que haya solicitado un crédito al consumo y cuyo crédito fue aprobado por los analistas, durante el período del segundo semestre de 2011 al primer semestre de 2014. Los Credit Scoring son procedimientos estadísticos que se usan para clasificar a los solicitantes del crédito, inclusive a los que ya son clientes de la entidad crediticia, en los tipos de riesgo Bueno y Malo. Mediante una puntuación se mide el riesgo de un prestatario y/o de la operación en el momento en el que se está llevando a cabo la solicitud, es decir, se estima cuál será el comportamiento del crédito hasta su vencimiento atendiendo al riesgo del cliente. En la actualidad el riesgo se ve como una oportunidad más que una amenaza, debe ser considerado como una inversión en la organización, por lo que debería brindar a las instituciones ventajas competitivas y mejoras de gestión. El riesgo se mide, se evalúa y se cuantifica. De los distintos tipos, puede considerarse al riesgo de Crédito como el más importante al que deben hacer frente las entidades financieras. Para evaluar el riesgo crediticio o la conveniencia de otorgar un crédito, se utilizan una gran variedad de metodologías. De todas ellas se estudiaron la Regresión Logística y los modelos CART.
| 2015 | |
|
ESTADISTICA APLICADA GESTION DE CREDITOS CREDIT RISK CREDIT SCORING SERVICIOS FINANCIEROS REGRESION LOGISTICA ARBOLES DE REGRESION Y CLASIFICACION ARBOLES DE DECISION RIESGO CREDITICIO ANALISIS ESTADISTICO |
|
| Español | |
| Universidad de la República | |
| COLIBRI | |
| https://hdl.handle.net/20.500.12008/22590 | |
| Acceso abierto | |
| Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0) |
| _version_ | 1877554532856102912 |
|---|---|
| author | Colombo, Leticia |
| author2 | Cosentino, Camila |
| author2_role | author |
| author_facet | Colombo, Leticia Cosentino, Camila |
| author_role | author |
| bitstream.checksum.fl_str_mv | 7f2e2c17ef6585de66da58d1bfa8b5e1 c160655373669e9e820be72396ec31f1 a006180e3f5b2ad0b88185d14284c0e0 1ad3fb9b6ddf205c397f9b25547bba95 d47e51ac7d12f36a98b59e784787fc97 |
| bitstream.checksumAlgorithm.fl_str_mv | MD5 MD5 MD5 MD5 MD5 |
| bitstream.url.fl_str_mv | http://localhost:8080/xmlui/bitstream/20.500.12008/22590/5/license.txt http://localhost:8080/xmlui/bitstream/20.500.12008/22590/2/license_text http://localhost:8080/xmlui/bitstream/20.500.12008/22590/3/license_url http://localhost:8080/xmlui/bitstream/20.500.12008/22590/4/license_rdf http://localhost:8080/xmlui/bitstream/20.500.12008/22590/1/M-CD4595.pdf |
| collection | COLIBRI |
| dc.creator.advisor.none.fl_str_mv | Álvarez-Vaz, Ramón Castrillejo, Andrés Rivero, Martín |
| dc.creator.none.fl_str_mv | Colombo, Leticia Cosentino, Camila |
| dc.date.accessioned.none.fl_str_mv | 2019-11-28T21:29:06Z |
| dc.date.available.none.fl_str_mv | 2019-11-28T21:29:06Z |
| dc.date.issued.es.fl_str_mv | 2015 |
| dc.date.submitted.es.fl_str_mv | 20191125 |
| dc.description.abstract.none.fl_txt_mv | En este trabajo se realizaron modelos de Credit Scoring, desarrollados utilizando información de una financiera real. La población objetivo fue toda persona física que haya solicitado un crédito al consumo y cuyo crédito fue aprobado por los analistas, durante el período del segundo semestre de 2011 al primer semestre de 2014. Los Credit Scoring son procedimientos estadísticos que se usan para clasificar a los solicitantes del crédito, inclusive a los que ya son clientes de la entidad crediticia, en los tipos de riesgo Bueno y Malo. Mediante una puntuación se mide el riesgo de un prestatario y/o de la operación en el momento en el que se está llevando a cabo la solicitud, es decir, se estima cuál será el comportamiento del crédito hasta su vencimiento atendiendo al riesgo del cliente. En la actualidad el riesgo se ve como una oportunidad más que una amenaza, debe ser considerado como una inversión en la organización, por lo que debería brindar a las instituciones ventajas competitivas y mejoras de gestión. El riesgo se mide, se evalúa y se cuantifica. De los distintos tipos, puede considerarse al riesgo de Crédito como el más importante al que deben hacer frente las entidades financieras. Para evaluar el riesgo crediticio o la conveniencia de otorgar un crédito, se utilizan una gran variedad de metodologías. De todas ellas se estudiaron la Regresión Logística y los modelos CART. |
| dc.format.extent.es.fl_str_mv | 151 p. |
| dc.format.mimetype.es.fl_str_mv | application/pdf |
| dc.identifier.citation.es.fl_str_mv | COLOMBO, L., COSENTINO, C. Modelo de scoring crediticio en una empresa financiera. Tesis de grado. Udelar. FCEA, 2015. |
| dc.identifier.uri.none.fl_str_mv | https://hdl.handle.net/20.500.12008/22590 |
| dc.language.iso.none.fl_str_mv | es spa |
| dc.publisher.es.fl_str_mv | Udelar. FCEA |
| dc.rights.license.none.fl_str_mv | Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0) |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
| dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
| dc.subject.other.es.fl_str_mv | ESTADISTICA APLICADA GESTION DE CREDITOS CREDIT RISK CREDIT SCORING SERVICIOS FINANCIEROS REGRESION LOGISTICA ARBOLES DE REGRESION Y CLASIFICACION ARBOLES DE DECISION RIESGO CREDITICIO ANALISIS ESTADISTICO |
| dc.title.none.fl_str_mv | Modelo de scoring crediticio en una empresa financiera |
| dc.type.es.fl_str_mv | Tesis de grado |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv | info:eu-repo/semantics/acceptedVersion |
| description | En este trabajo se realizaron modelos de Credit Scoring, desarrollados utilizando información de una financiera real. La población objetivo fue toda persona física que haya solicitado un crédito al consumo y cuyo crédito fue aprobado por los analistas, durante el período del segundo semestre de 2011 al primer semestre de 2014. Los Credit Scoring son procedimientos estadísticos que se usan para clasificar a los solicitantes del crédito, inclusive a los que ya son clientes de la entidad crediticia, en los tipos de riesgo Bueno y Malo. Mediante una puntuación se mide el riesgo de un prestatario y/o de la operación en el momento en el que se está llevando a cabo la solicitud, es decir, se estima cuál será el comportamiento del crédito hasta su vencimiento atendiendo al riesgo del cliente. En la actualidad el riesgo se ve como una oportunidad más que una amenaza, debe ser considerado como una inversión en la organización, por lo que debería brindar a las instituciones ventajas competitivas y mejoras de gestión. El riesgo se mide, se evalúa y se cuantifica. De los distintos tipos, puede considerarse al riesgo de Crédito como el más importante al que deben hacer frente las entidades financieras. Para evaluar el riesgo crediticio o la conveniencia de otorgar un crédito, se utilizan una gran variedad de metodologías. De todas ellas se estudiaron la Regresión Logística y los modelos CART. |
| eu_rights_str_mv | openAccess |
| format | bachelorThesis |
| id | COLIBRI_e3c6f9608ce1f5b06a808beb7daec98e |
| identifier_str_mv | COLOMBO, L., COSENTINO, C. Modelo de scoring crediticio en una empresa financiera. Tesis de grado. Udelar. FCEA, 2015. |
| instacron_str | Universidad de la República |
| institution | Universidad de la República |
| instname_str | Universidad de la República |
| language | spa |
| language_invalid_str_mv | es |
| network_acronym_str | COLIBRI |
| network_name_str | COLIBRI |
| oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/22590 |
| publishDate | 2015 |
| reponame_str | COLIBRI |
| repository.mail.fl_str_mv | karina.camps@seciu.edu.uy |
| repository.name.fl_str_mv | COLIBRI - Universidad de la República |
| repository_id_str | 4771 |
| rights_invalid_str_mv | Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0) |
| spelling | 2019-11-28T21:29:06Z2019-11-28T21:29:06Z201520191125COLOMBO, L., COSENTINO, C. Modelo de scoring crediticio en una empresa financiera. Tesis de grado. Udelar. FCEA, 2015.https://hdl.handle.net/20.500.12008/22590En este trabajo se realizaron modelos de Credit Scoring, desarrollados utilizando información de una financiera real. La población objetivo fue toda persona física que haya solicitado un crédito al consumo y cuyo crédito fue aprobado por los analistas, durante el período del segundo semestre de 2011 al primer semestre de 2014. Los Credit Scoring son procedimientos estadísticos que se usan para clasificar a los solicitantes del crédito, inclusive a los que ya son clientes de la entidad crediticia, en los tipos de riesgo Bueno y Malo. Mediante una puntuación se mide el riesgo de un prestatario y/o de la operación en el momento en el que se está llevando a cabo la solicitud, es decir, se estima cuál será el comportamiento del crédito hasta su vencimiento atendiendo al riesgo del cliente. En la actualidad el riesgo se ve como una oportunidad más que una amenaza, debe ser considerado como una inversión en la organización, por lo que debería brindar a las instituciones ventajas competitivas y mejoras de gestión. El riesgo se mide, se evalúa y se cuantifica. De los distintos tipos, puede considerarse al riesgo de Crédito como el más importante al que deben hacer frente las entidades financieras. Para evaluar el riesgo crediticio o la conveniencia de otorgar un crédito, se utilizan una gran variedad de metodologías. De todas ellas se estudiaron la Regresión Logística y los modelos CART.Made available in DSpace on 2019-11-28T21:29:06Z (GMT). No. of bitstreams: 5 M-CD4595.pdf: 1435636 bytes, checksum: d47e51ac7d12f36a98b59e784787fc97 (MD5) license_text: 38518 bytes, checksum: c160655373669e9e820be72396ec31f1 (MD5) license_url: 50 bytes, checksum: a006180e3f5b2ad0b88185d14284c0e0 (MD5) license_rdf: 11336 bytes, checksum: 1ad3fb9b6ddf205c397f9b25547bba95 (MD5) license.txt: 4194 bytes, checksum: 7f2e2c17ef6585de66da58d1bfa8b5e1 (MD5) Previous issue date: 2015151 p.application/pdfesspaUdelar. FCEALas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad De La República. (Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)ESTADISTICA APLICADAGESTION DE CREDITOSCREDIT RISKCREDIT SCORINGSERVICIOS FINANCIEROSREGRESION LOGISTICAARBOLES DE REGRESION Y CLASIFICACIONARBOLES DE DECISIONRIESGO CREDITICIOANALISIS ESTADISTICOModelo de scoring crediticio en una empresa financieraTesis de gradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaColombo, LeticiaCosentino, CamilaÁlvarez-Vaz, RamónCastrillejo, AndrésRivero, MartínUniversidad de la República (Uruguay). Facultad de Ciencias Económicas y de AdministraciónLicenciada en EstadísticaLICENSElicense.txttext/plain4194http://localhost:8080/xmlui/bitstream/20.500.12008/22590/5/license.txt7f2e2c17ef6585de66da58d1bfa8b5e1MD55CC-LICENSElicense_textapplication/octet-stream38518http://localhost:8080/xmlui/bitstream/20.500.12008/22590/2/license_textc160655373669e9e820be72396ec31f1MD52license_urlapplication/octet-stream50http://localhost:8080/xmlui/bitstream/20.500.12008/22590/3/license_urla006180e3f5b2ad0b88185d14284c0e0MD53license_rdfapplication/octet-stream11336http://localhost:8080/xmlui/bitstream/20.500.12008/22590/4/license_rdf1ad3fb9b6ddf205c397f9b25547bba95MD54ORIGINALM-CD4595.pdfapplication/pdf1435636http://localhost:8080/xmlui/bitstream/20.500.12008/22590/1/M-CD4595.pdfd47e51ac7d12f36a98b59e784787fc97MD5120.500.12008/225902020-10-14 14:21:03.321oai:colibri.udelar.edu.uy:20.500.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://www.colibri.udelar.edu.uyUniversidadhttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestkarina.camps@seciu.edu.uyUruguayopendoar:47712020-10-14T17:21:03COLIBRI - Universidad de la Repúblicafalse |
| spellingShingle | Modelo de scoring crediticio en una empresa financiera Colombo, Leticia ESTADISTICA APLICADA GESTION DE CREDITOS CREDIT RISK CREDIT SCORING SERVICIOS FINANCIEROS REGRESION LOGISTICA ARBOLES DE REGRESION Y CLASIFICACION ARBOLES DE DECISION RIESGO CREDITICIO ANALISIS ESTADISTICO |
| status_str | acceptedVersion |
| title | Modelo de scoring crediticio en una empresa financiera |
| title_full | Modelo de scoring crediticio en una empresa financiera |
| title_fullStr | Modelo de scoring crediticio en una empresa financiera |
| title_full_unstemmed | Modelo de scoring crediticio en una empresa financiera |
| title_short | Modelo de scoring crediticio en una empresa financiera |
| title_sort | Modelo de scoring crediticio en una empresa financiera |
| topic | ESTADISTICA APLICADA GESTION DE CREDITOS CREDIT RISK CREDIT SCORING SERVICIOS FINANCIEROS REGRESION LOGISTICA ARBOLES DE REGRESION Y CLASIFICACION ARBOLES DE DECISION RIESGO CREDITICIO ANALISIS ESTADISTICO |
| url | https://hdl.handle.net/20.500.12008/22590 |