Propone un método para generar modelos de clasificación de riesgo de crédito de acuerdo a la metodología de rating de crédito. La implementación de esta metodología requiere construir dos grandes bloques de análisis: (1) la construcción de un modelo de puntuaciones, y (2) la construcción de un modelo de agrupación de clases de riesgo. Para construir el modelo de rating, este trabajo propone el uso de dos técnicas de la inteligencia artificial: (1) el uso de algoritmos genéticos para determinar el modelo de puntuaciones óptimo, y (2) el uso de clustering jerárquico aglomerativo para la segmentación de los grupos de riesgo. Los resultados de la experimentación mostraron que la presente propuesta obtiene un buen indicador de poder de predicción (58.9%). Además, se comparó este modelo con el modelo de regresión logística (un conocido método de estimación estadística), teniendo la propuesta actual un mejor desempeño que el modelo logístico. Se concluye que las técnicas de inteligencia artificial usadas en este trabajo muestran un buen resultado para generar un modelo de rating, y tienen como ventaja la fácil interpretación de sus resultados por un experto humano. / Tesis
| Identifer | oai:union.ndltd.org:Cybertesis/oai:cybertesis.unmsm.edu.pe:cybertesis/7145 |
| Date | January 2017 |
| Creators | Ramos Martinez, Henry Marcos |
| Contributors | Sobrevilla Cabezudo, Marco Antonio |
| Publisher | Universidad Nacional Mayor de San Marcos |
| Source Sets | Universidad Nacional Mayor de San Marcos - SISBIB PERU |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf |
| Source | Universidad Nacional Mayor de San Marcos, Repositorio de Tesis - UNMSM |
| Rights | info:eu-repo/semantics/openAccess, https://creativecommons.org/licenses/by-nc/3.0/ |
Page generated in 0.0016 seconds