Predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias

El presente estudio se enfoca en la detección temprana de morosidad por parte de los clientes que toman préstamos personales en entidades financieras. El objetivo principal consiste en desarrollar una metodología basada en algoritmos de aprendizaje automático supervisado para la detección anticipada...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Rojas, Marcos Fernando
Formato: Tesis de maestría
Lenguaje:Español
Publicado: 2025
Materias:
APRENDIZAJE AUTOMÁTICO
MACHINE LEARNING
RIESGO DE CRÉDITO
PRÉSTAMOS
ENTIDADES FINANCIERAS
MOROSIDAD
ALGORITMOS
Acceso en línea:https://ri.itba.edu.ar/handle/20.500.14769/4909
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-4909
record_format dspace
spelling I32-R138-20.500.14769-49092026-01-15T15:29:47Z Predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias Rojas, Marcos Fernando APRENDIZAJE AUTOMÁTICO MACHINE LEARNING RIESGO DE CRÉDITO PRÉSTAMOS ENTIDADES FINANCIERAS MOROSIDAD ALGORITMOS El presente estudio se enfoca en la detección temprana de morosidad por parte de los clientes que toman préstamos personales en entidades financieras. El objetivo principal consiste en desarrollar una metodología basada en algoritmos de aprendizaje automático supervisado para la detección anticipada de los clientes que toman un préstamo personal y que pasan de una situación normal a una situación de morosidad. Esta detección es de vital importancia, dado que anticiparse al incumplimiento de los clientes les permite a las entidades poder ofrecer distintas alternativas para asegurar la regularidad de los pagos, lo cual beneficia tanto a la entidad como al cliente, que por falta de educación financiera puede desconocer las distintas herramientas que le pueden generar un desahogo financiero. A lo largo de la experimentación, se entrenan y validan seis modelos de clasificación distintos sobre una base de datos privados (tomados de una entidad financiera) y públicos (recabados del Banco Central de la República Argentina y de Datos Abiertos de Argentina), que luego son comparados entre sí a través de métricas predeterminadas, para detectar cuál de ellos es el más robusto para la predicción esperada. 2025-04-08T12:27:36Z 2025-04-08T12:27:36Z 2024-12 Tesis de maestría https://ri.itba.edu.ar/handle/20.500.14769/4909 es application/pdf
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic APRENDIZAJE AUTOMÁTICO
MACHINE LEARNING
RIESGO DE CRÉDITO
PRÉSTAMOS
ENTIDADES FINANCIERAS
MOROSIDAD
ALGORITMOS
spellingShingle APRENDIZAJE AUTOMÁTICO
MACHINE LEARNING
RIESGO DE CRÉDITO
PRÉSTAMOS
ENTIDADES FINANCIERAS
MOROSIDAD
ALGORITMOS
Rojas, Marcos Fernando
Predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias
topic_facet APRENDIZAJE AUTOMÁTICO
MACHINE LEARNING
RIESGO DE CRÉDITO
PRÉSTAMOS
ENTIDADES FINANCIERAS
MOROSIDAD
ALGORITMOS
description El presente estudio se enfoca en la detección temprana de morosidad por parte de los clientes que toman préstamos personales en entidades financieras. El objetivo principal consiste en desarrollar una metodología basada en algoritmos de aprendizaje automático supervisado para la detección anticipada de los clientes que toman un préstamo personal y que pasan de una situación normal a una situación de morosidad. Esta detección es de vital importancia, dado que anticiparse al incumplimiento de los clientes les permite a las entidades poder ofrecer distintas alternativas para asegurar la regularidad de los pagos, lo cual beneficia tanto a la entidad como al cliente, que por falta de educación financiera puede desconocer las distintas herramientas que le pueden generar un desahogo financiero. A lo largo de la experimentación, se entrenan y validan seis modelos de clasificación distintos sobre una base de datos privados (tomados de una entidad financiera) y públicos (recabados del Banco Central de la República Argentina y de Datos Abiertos de Argentina), que luego son comparados entre sí a través de métricas predeterminadas, para detectar cuál de ellos es el más robusto para la predicción esperada.
format Tesis de maestría
author Rojas, Marcos Fernando
author_facet Rojas, Marcos Fernando
author_sort Rojas, Marcos Fernando
title Predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias
title_short Predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias
title_full Predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias
title_fullStr Predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias
title_full_unstemmed Predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias
title_sort predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias
publishDate 2025
url https://ri.itba.edu.ar/handle/20.500.14769/4909
work_keys_str_mv AT rojasmarcosfernando predicciondeincumplimientocrediticioenprestamospersonalesaplicaciondeaprendizajeautomaticosupervisadoenentidadesbancarias
_version_ 1865139476277231616

Ejemplares similares