Modelo de medición de riesgo crediticio en entidades financieras basado en minería de datos. Caso práctico: Cacpeco Ltda.
Antecedentes: La Cooperativa de Ahorro y Crédito CACPECO LTDA. mantiene entre uno de sus objetivos, el potenciar las colocaciones de cartera sin llegar a inflar el indicador de morosidad ni disminuir su liquidez, de tal forma que permitirá fortalecer el crecimiento institucional. Problema: La instit...
| Autores: | , |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Ecuador |
| Institución: | Universidad de las Fuerzas Armadas |
| Repositorio: | Repositorio Universidad de las Fuerzas Armadas |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.espe.edu.ec:21000/21714 |
| Acceso en línea: | http://repositorio.espe.edu.ec/handle/21000/21714 |
| Access Level: | acceso abierto |
| Palabra clave: | MINERÍA DE DATOS CRÉDITO RIESGO FINANCIERO INSTITUCIONES FINANCIERAS COOPERATIVAS DE AHORRO Y CRÉDITO ESTUDIOS DE CASOS |
| Sumario: | Antecedentes: La Cooperativa de Ahorro y Crédito CACPECO LTDA. mantiene entre uno de sus objetivos, el potenciar las colocaciones de cartera sin llegar a inflar el indicador de morosidad ni disminuir su liquidez, de tal forma que permitirá fortalecer el crecimiento institucional. Problema: La institución posee deficiencias en cuanto a su proceso de selección de potenciales sujetos de crédito, ya que la misma es realizado a través de análisis manuales en herramientas ofimáticas convencionales, sin embargo, no se logran analizar todos los factores deseados que permitan determinar con exactitud cuando un socio es un posible candidato; generando como resultado una deficiente promoción de productos crediticios y, por ende, un bajo porcentaje de colocación de crédito. Objetivo: Proveer al área de crédito información estructurada, fácil de comprender y un método útil para el análisis de riesgo del perfil del socio. Metodología: La metodología de investigación de la Ciencia del Diseño que en inglés es Design Science Research (DSR), fue elegida porque conforman un conjunto de fases o pasos a seguir, las cuales van desde la definición del problema, el desarrollo del artefacto (modelo predictivo) hasta la validación y evaluación del modelo. Resultados esperados: Con el desarrollo de este trabajo se pretende obtener un modelo de medición de riesgo crediticio (predictivo) utilizando técnicas de minería de datos que permita promocionar diferentes productos de una cartera en forma más eficientemente a los clientes e incrementar el número de créditos concedidos. |
|---|