Modelos predictivos competitivos de morosidad crediticia para entidades argentinas Análisis descriptivo y predictivo con datos públicos

Una importante característica del mercado de créditos en la Argentina es la marcada diferencia que existe en el acceso a la información entre las entidades grandes (mayoritariamente bancos) y las entidades chicas (sociedades anónimas, mutuales y cooperativas), a lo que se suma una menor capacidad an...

Descripción completa

Detalles Bibliográficos
Autor principal: Soules, Lucas M.
Otros Autores: Gálvez, Ramiro H.
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: 2022
Materias:
Actividad Crediticia
Predicción tecnológica
Datos
instituciones financieras y crediticias
análisis de costes
Deudores
Datos Públicos
Modelos predictivos
Credit Market
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11288
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-11288
record_format dspace
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
orig_language_str_mv spa
topic Actividad Crediticia
Predicción tecnológica
Datos
instituciones financieras y crediticias
análisis de costes
Deudores
Datos Públicos
Modelos predictivos
Credit Market
spellingShingle Actividad Crediticia
Predicción tecnológica
Datos
instituciones financieras y crediticias
análisis de costes
Deudores
Datos Públicos
Modelos predictivos
Credit Market
Soules, Lucas M.
Modelos predictivos competitivos de morosidad crediticia para entidades argentinas Análisis descriptivo y predictivo con datos públicos
topic_facet Actividad Crediticia
Predicción tecnológica
Datos
instituciones financieras y crediticias
análisis de costes
Deudores
Datos Públicos
Modelos predictivos
Credit Market
description Una importante característica del mercado de créditos en la Argentina es la marcada diferencia que existe en el acceso a la información entre las entidades grandes (mayoritariamente bancos) y las entidades chicas (sociedades anónimas, mutuales y cooperativas), a lo que se suma una menor capacidad analítica de estas últimas (generalmente por no disponer de equipos internos plenamente desarrollados y abocados a la tarea). Esto lleva a que en su operatoria sea común que entidades pequeñas deban recurrir a costosos servicios externos, lo que no sólo impacta en su rentabilidad, sino también en los clientes que efectivamente pueden atender. El objetivo de esta tesis es desarrollar y evaluar una herramienta que, utilizando algoritmos de aprendizaje automático y datos enteramente públicos, prediga morosidad futura en personas que hasta el momento tienen todas sus deudas en situación regular. Una herramienta de estas características permitiría, principalmente a entidades pequeñas, aumentar sus ingresos, reducir sus costos operativos y proyectar mejor sus flujos de fondos. Los resultados obtenidos sugieren que, tomando como insumo datos de la Central de Deudores del Banco Central de la República Argentina y haciendo uso de metodologías modernas de aprendizaje automático, se pueden desarrollar modelos predictivos de detección de mora, los cuales alcanzan resultados competitivos cuando se los compara con la literatura previa. En este trabajo se detalla las diferencias entre ambos tipos de entidades, se presenta en detalle las decisiones metodológicas detrás de los modelos desarrollados, se analiza el efecto marginal que genera la incorporación de variables de tendencias, se evalúa la performance de los mismos utilizando datos reales, y se lleva adelante un ejercicio de interpretación de modelos; finalmente, se discute cómo estos modelos pueden ser aplicados para generar valor en una entidad crediticia.
author2 Gálvez, Ramiro H.
author_facet Gálvez, Ramiro H.
Soules, Lucas M.
format Tesis de maestría
acceptedVersion
author Soules, Lucas M.
author_sort Soules, Lucas M.
title Modelos predictivos competitivos de morosidad crediticia para entidades argentinas Análisis descriptivo y predictivo con datos públicos
title_short Modelos predictivos competitivos de morosidad crediticia para entidades argentinas Análisis descriptivo y predictivo con datos públicos
title_full Modelos predictivos competitivos de morosidad crediticia para entidades argentinas Análisis descriptivo y predictivo con datos públicos
title_fullStr Modelos predictivos competitivos de morosidad crediticia para entidades argentinas Análisis descriptivo y predictivo con datos públicos
title_full_unstemmed Modelos predictivos competitivos de morosidad crediticia para entidades argentinas Análisis descriptivo y predictivo con datos públicos
title_sort modelos predictivos competitivos de morosidad crediticia para entidades argentinas análisis descriptivo y predictivo con datos públicos
publishDate 2022
url https://repositorio.utdt.edu/handle/20.500.13098/11288
work_keys_str_mv AT souleslucasm modelospredictivoscompetitivosdemorosidadcrediticiaparaentidadesargentinasanalisisdescriptivoypredictivocondatospublicos
bdutipo_str Repositorios
_version_ 1764820542999756801

Ejemplares similares