En los sistemas bancarios o financieros es importante analizar el riesgo crediticio cuando se le concede un crédito a un cliente para un producto determinado. El presente trabajo de investigación tiene como objetivo encontrar un patrón de comportamiento de la morosidad a partir de la información obtenida al momento de solicitar un crédito para un producto crediticio y a su vez dar a conocer una nueva técnica estadística muy útil para este campo que es la técnica de los Árboles de Regresión CART la cual se aplica en situaciones donde se tienen un conjunto de datos de individuos en los que se han medido variables predictoras o independientes y una variable de clasificación o de criterio que define el grupo al que cada individuo pertenece; y se quiere encontrar un conjunto de reglas de decisión que permitan explicar la clasificación existente y utilizar estas reglas para poder clasificar a un nuevo individuo, esta técnica tiene la ventaja de una alta potencia en sus estimadores. En el presente trabajo se hace una descripción del CART como un algoritmo de desarrollo de árboles y se presenta una aplicación de dicho algoritmo al reconocimiento de patrones de morosidad y de no morosidad para un producto crediticio de una entidad del sistema financiero nacional que otorga préstamos a personas naturales. Se presenta el marco teórico empezando con una caracterización del sistema financiero nacional. Luego se dan algunas referencias sobre el riesgo de crédito y se dan las bases teóricas sobre el reconocimiento de patrones. Finalmente se presenta la metodología del árbol de clasificación CART que es objetivo del presente trabajo y una definición conceptual de términos. La metodología de la investigación esta referida a la descripción del producto crediticio y la estrategia para la prueba de hipótesis. Para aplicar el algoritmo de árbol de clasificación CART se ha trabajado con un producto crediticio del sistema financiero nacional que otorga préstamos en dólares a personas naturales. En este caso particular, el fin que cumple el producto crediticio consiste en otorgar líneas de crédito a todas aquellas personas naturales dependientes que cumplan con los requisitos establecidos por la entidad bancaria. El producto crediticio se ofreció a personas dependientes de empresas o instituciones privadas y gubernamentales que se encontraron en situación de activos (empleados, obreros, etc.) o jubilados cuyos ingresos mensuales sean mayores a US $ 700.00 o su equivalente en moneda nacional. Para el procesamiento de la información se trabajó con la información de todos los clientes que obtuvieron el producto crediticio. El trabajo se realizó en dos etapas: Etapa I: Descripción univariada y bivariada de las variables descriptivas y de la variable criterio, para lo cual se utilizó el software estadístico SPSS versión 10.0. Etapa II: Aplicación del algoritmo de árbol de clasificación CART, para lo cual se utilizó el software CART 4.0 for Windows de la compañía Salford Systems [7]; para generar los resultados de la clasificación usando como medida de impureza el índice de Gini con costos de mala clasificación iguales. Finalmente, se presenta el procedimiento de la técnica del árbol de clasificación CART para el producto crediticio empleado, con la presentación, análisis e interpretación de los datos usando un análisis descriptivo univariado y bivariado. Luego se presenta el análisis del árbol generado por el algoritmo CART. En los anexos se presenta un manual del software CART y las reglas de clasificación para los morosos y los no morosos.
| Identifer | oai:union.ndltd.org:Cybertesis/sdx:www.cybertesis.edu.pe:80:sisbib/documents/sisbib.2005.salinas_fj-principal |
| Date | January 2005 |
| Creators | Salinas Flores, Jesús Walter |
| Contributors | Néstor Santos |
| Publisher | Universidad Nacional Mayor de San Marcos. Programa Cybertesis PERÚ |
| Source Sets | Universidad Nacional Mayor de San Marcos - SISBIB PERU |
| Language | Spanish |
| Detected Language | Spanish |
| Format | text/xml |
| Rights | Salinas Flores, Jesús Walter, leduc195@hotmail.com |
Page generated in 0.002 seconds