Comparación de modelos machine learning aplicados al riesgo de crédito.

Simple item page
dc.contributor.advisorFigueroa, Jorgees
dc.contributor.advisorFerreira, Guillermoes
dc.contributor.advisorGonzález, Reinaldoes
dc.contributor.authorMartínez Fernández, Tamahí Constanzaes
dc.date.accessioned2022-04-19T12:27:23Z
dc.date.accessioned2024-05-15T16:07:53Z
dc.date.accessioned2024-08-28T22:28:45Z
dc.date.available2022-04-19T12:27:23Z
dc.date.available2024-05-15T16:07:53Z
dc.date.available2024-08-28T22:28:45Z
dc.date.issued2022
dc.descriptionTesis presentada para optar al Título de Ingeniera Civil Matemática.es
dc.description.abstractDe acuerdo al marco regulatorio que rige a las instituciones financieras, es necesario que a la hora de evaluar el riesgo de crédito las empresas establezcan de forma clara modelos que estimen la probabilidad de que un cliente falle con el objetivo de constituir provisiones necesarias que permitan cubrir eventuales pérdidas. Comúnmente la técnica estadística adoptada para este propósito en la industria financiera corresponde a la regresión logística, sin embargo, en los últimos años se ha prestado una atención creciente a los algoritmos de aprendizaje automático (Machine Learning) para desafiar y explorar nuevas soluciones a la modelación de la probabilidad de incumplimiento. Es por esto que el objetivo de la presente memoria de título consiste en comparar la capacidad predictiva de siete algoritmos de Machine Learning para la clasificación de deudores según su probabilidad de incumplimiento. Específicamente los algoritmos estudiados fueron regresión logística, análisis discriminante lineal, árboles de decisión, random forest, gradient boosting, extreme gradient boosting y support vector machines.es
dc.description.departamentoDepartamento de Ingeniería Matemática.es
dc.description.facultadFacultad de Ciencias Físicas y Matemáticases
dc.identifier.urihttps://repositorio.udec.cl/handle/11594/9846
dc.language.isospaes
dc.publisherUniversidad de Concepción.es
dc.rightsCreative Commoms CC BY NC ND 4.0 internacional (Atribución-NoComercial-SinDerivadas 4.0 Internacional)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.subjectAprendizaje de Máquina
dc.subjectRiesgo (Economía)
dc.subjectAprendizaje de Máquinaes
dc.subjectProcesamiento Electrónico de Datos
dc.subjectRiesgo (Economía)es
dc.subjectAnálisis de Regresión
dc.subjectProcesamiento Electrónico de Datoses
dc.subjectAnálisis de Regresiónes
dc.subjectAprendizaje Supervisado (Aprendizaje de Máquina)
dc.subjectAprendizaje Supervisado (Aprendizaje de Máquina)es
dc.titleComparación de modelos machine learning aplicados al riesgo de crédito.es
dc.typeTesises

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Tesis Tamahi Martinez.pdf
Size:
1.95 MB
Format:
Adobe Portable Document Format
Description:
Tesis presentada para optar al título profesional de Ingeniera Civil Matemática
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Plain Text
Description:
Download

Collections

Tesis Pregrado
Síguenos en...