Predicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automático

La asignación eficiente de recursos financieros es un desafío global que impacta significativamente en todas las empresas. La incapacidad de las entidades crediticias para segmentar adecuadamente a sus clientes puede resultar en consecuencias adversas, como ofrecer condiciones de crédito menos favor...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Castaño, Franco Tomás
Otros Autores: Gago, Andrés
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Inglés
Publicado: Universidad Torcuato Di Tella 2024
Materias:
Predicción tecnológica
Technological Prediction
Análisis de datos
Data Analysis
Eficiencia tecnica
Technical efficiency
Modelos predictivos
Predictive modeling
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/12935
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-12935
record_format dspace
spelling I57-R163-20.500.13098-129352024-09-12T02:33:21Z Predicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automático Castaño, Franco Tomás Gago, Andrés Predicción tecnológica Technological Prediction Análisis de datos Data Analysis Eficiencia tecnica Technical efficiency Modelos predictivos Predictive modeling La asignación eficiente de recursos financieros es un desafío global que impacta significativamente en todas las empresas. La incapacidad de las entidades crediticias para segmentar adecuadamente a sus clientes puede resultar en consecuencias adversas, como ofrecer condiciones de crédito menos favorables a los buenos pagadores. Este fenómeno se manifiesta en tasas de interés más altas o límites de crédito más bajos, con el objetivo de maximizar la rentabilidad de determinados segmentos de clientes. En este contexto, los datos relacionados con la facturación y las cobranzas de las empresas están emergiendo como recursos valiosos, cada vez más accesibles y aplicables para los proveedores financieros. La presente tesis se propone poner a prueba la hipótesis de que estos datos pueden emplearse eficazmente para mejorar la segmentación de clientes por parte de las instituciones financieras. Para alcanzar este objetivo, se emplean técnicas estadísticas avanzadas y de aprendizaje automático, incluyendo la ingeniería de atributos y análisis descriptivos univariados y multivariados. El problema de predicción se enmarca dentro de la naturaleza de la clasificación, con el objetivo de desarrollar un modelo predictivo robusto. 2024-08-06T17:11:34Z 2024-08-06T17:11:34Z 2024 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/12935 spa eng info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 99 p. application/pdf application/pdf Universidad Torcuato Di Tella
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
Inglés
orig_language_str_mv spa
eng
topic Predicción tecnológica
Technological Prediction
Análisis de datos
Data Analysis
Eficiencia tecnica
Technical efficiency
Modelos predictivos
Predictive modeling
spellingShingle Predicción tecnológica
Technological Prediction
Análisis de datos
Data Analysis
Eficiencia tecnica
Technical efficiency
Modelos predictivos
Predictive modeling
Castaño, Franco Tomás
Predicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automático
topic_facet Predicción tecnológica
Technological Prediction
Análisis de datos
Data Analysis
Eficiencia tecnica
Technical efficiency
Modelos predictivos
Predictive modeling
description La asignación eficiente de recursos financieros es un desafío global que impacta significativamente en todas las empresas. La incapacidad de las entidades crediticias para segmentar adecuadamente a sus clientes puede resultar en consecuencias adversas, como ofrecer condiciones de crédito menos favorables a los buenos pagadores. Este fenómeno se manifiesta en tasas de interés más altas o límites de crédito más bajos, con el objetivo de maximizar la rentabilidad de determinados segmentos de clientes. En este contexto, los datos relacionados con la facturación y las cobranzas de las empresas están emergiendo como recursos valiosos, cada vez más accesibles y aplicables para los proveedores financieros. La presente tesis se propone poner a prueba la hipótesis de que estos datos pueden emplearse eficazmente para mejorar la segmentación de clientes por parte de las instituciones financieras. Para alcanzar este objetivo, se emplean técnicas estadísticas avanzadas y de aprendizaje automático, incluyendo la ingeniería de atributos y análisis descriptivos univariados y multivariados. El problema de predicción se enmarca dentro de la naturaleza de la clasificación, con el objetivo de desarrollar un modelo predictivo robusto.
author2 Gago, Andrés
author_facet Gago, Andrés
Castaño, Franco Tomás
format Tesis de maestría
Tesis de maestría
acceptedVersion
author Castaño, Franco Tomás
author_sort Castaño, Franco Tomás
title Predicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automático
title_short Predicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automático
title_full Predicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automático
title_fullStr Predicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automático
title_full_unstemmed Predicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automático
title_sort predicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automático
publisher Universidad Torcuato Di Tella
publishDate 2024
url https://repositorio.utdt.edu/handle/20.500.13098/12935
work_keys_str_mv AT castanofrancotomas predicciondelriesgocrediticioenproductosdefactoringfinancieroutilizandomodelosdeaprendizajeautomatico
_version_ 1823894496588333056

Ejemplares similares