Publicación: Modelo de scoring para el otorgamiento de crédito a personas naturales
Portada
Citas bibliográficas
Código QR
LA Referencia Stats
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
RESUMEN: La calidad de los créditos de consumo y de vivienda (hipotecarios) en Colombia ha permanecido en rangos constantes desde el 2017 demostrando que las entidades crediticias presentan ineficiencias en sus modelos de calificación crediticia, ya sea en la recolección de información de las personas o en los métodos estadísticos que se utilizan actualmente, por lo que su asignación de capital para estos productos no son los mejores. Estos modelos de crédito si bien son útiles, no logran desempeñarse de la mejor manera, afectando así tanto a las entidades de crédito como a los posibles clientes. Con la propuesta planteada se busca que las entidades financieras asignen correctamente el capital, teniendo en cuenta el mayor número de criterios y su importancia en los modelos de evaluación de cartera, y de esta forma maximicen sus beneficios, reduzcan sus reservas de capital e incluyan a personas a que accedan a los créditos luego de realizar la solicitud de estos. El estudio se realizará utilizando una base de datos (ficticia o real), analizando la característica de los clientes y definirlos como criterios para los modelos estadísticos a utilizar, adicionalmente, se estudiará la implementación de variables macroeconómicas a los modelos estadísticos propuestos. Finalmente, se realizará una comparación según unas métricas de desempeño de los modelos de machine learning utilizados para el estudio del otorgamiento de créditos, seleccionando el mejor de estos y realizando las respectivas conclusiones.
Resumen en inglés
ABSTRACT: The quality of consumer and housing (mortgage) loans in Colombia has remained in constant ra nges since 2017 demonstrating that lenders present inefficiencies in their credit rating models, either in the collection of information from individuals or in the statistical methods currently used, so their capital allocation for these product s are not t he best. Although these credit models are useful, they fail to perform in the best way, thus affecting both credit institutions and potential clients. g the great The proposed approach seeks that financial institutions correctly allocate capital, considerin est number of criteria and their importance in the portfolio evaluation models, and thus maximize their profits, reduce their capital reserves and include people to access credits after applying for them. The study will be carried out using a re al database , analyzing the characteristics of the clients and defining them as criteria for the statistical models to be used, additionally, the implementation of macroeconomic variables to the proposed statistical models will be studied. Finally, a compar ison will b e made according to some performance metrics of the machine learning models used for the study of credit granting, selecting the best of these and making the respective conclusions.