• Español
  • English
  • Iniciar sesión
    o
    ¿Nuevo Usuario? Registrarse¿Has olvidado tu contraseña?
Logotipo del repositorioREPOSITORIO INSTITUCIONAL
  • Inicio
  • Comunidades
  • Navegar
  1. Inicio
  2. Buscar por autor

Examinando por Autor "Aristizábal Guzmán, Jacobo"

Mostrando 1 - 2 de 2
Resultados por página
Opciones de ordenación
  • Cargando...
    Miniatura
    PublicaciónAcceso abierto
    Modelo de predicción de default en pymes de la ciudad de Medellín
    (Universidad EIA, 2025) Aristizábal Guzmán, Jacobo; Lochmuller, Christian
    RESUMEN: El presente trabajo de grado tiene como objetivo desarrollar y comparar modelos predictivos para estimar el riesgo de default en pequeñas y medianas empresas (Pymes) de la ciudad de Medellín, utilizando técnicas de clasificación supervisada como regresión logística, random forest y redes neuronales. A partir de información financiera histórica proveniente de la Superintendencia de Sociedades, se construyó una base de datos con variables relevantes para el análisis del comportamiento crediticio empresarial. Cada modelo fue entrenado y evaluado mediante métricas de desempeño como precisión, sensibilidad, especificidad y exactitud, con el fin de determinar su capacidad para discriminar entre empresas riesgosas y no riesgosas. Los resultados evidencian que el modelo de Random Forest obtuvo el mejor rendimiento general, con una exactitud del 96.3%, una alta sensibilidad de 98.7% y una precisión del 94.3%, lo que lo posiciona como la alternativa más eficaz para predecir el incumplimiento de pagos. Se concluye que el uso de modelos avanzados de machine learning puede ser una herramienta valiosa para las entidades financieras al momento de gestionar el riesgo crediticio del segmento Pyme. Asimismo, se recomienda su integración en la etapa de análisis de riesgo dentro del proceso de otorgamiento de crédito, permitiendo una toma de decisiones más objetiva, ágil y fundamentada en datos.
  • Cargando...
    Miniatura
    PublicaciónRestringido
    Predicción del Precio de Acciones Usando Métodos de Forecasting de Series de Tiempo
    (2022-11-25) Molina Tobón, Isabela; Uribe Morales, Juanita; Aristizábal Guzmán, Jacobo; Agudelo Gómez, Laura; Correa Vergara, Manuela
    Implementación de metodologías basadas en Inteligencia Artificial para el pronóstico del precio de un activo financiero.
Universidad EIA Biblioteca CROAI

Sede Las Palmas:

Calle 23 AA Sur Nro. 5-200, Kilómetro 2+200 Variante al Aeropuerto José María Córdova, Envigado-Antioquia.
Código Postal: 055428 Tel: (604) 354 90 90
Tel-2: 3187754729 Fax: (574) 386 11 60

Cómo llegar
Sistema DSPACE 7 - Metabiblioteca | logo