Maestría en Finanzas

Permanent URI for this collection

https://vitela.javerianacali.edu.co/handle/11522/578

Browse

Browsing Maestría en Finanzas by Author "Arango Londoño, David"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Factores relevantes en la financiación y solicitud de crédito de los micronegocios de la ciudad de Cali y sus alrededores
    (Pontificia Universidad Javeriana Cali, 2021) Montoya González, Isabella; Rodríguez Leyton, Kelly Tatiana; Arango Londoño, David
    Este estudio presenta los resultados de una investigación sobre los factores determinantes en la financiación y solicitud de crédito de los micronegocios de Cali y sus alrededores. Los soportes conceptuales son la teoría de la firma (Jensen y Meckling, 1976) y el modelo de crecimiento financiero (Berger y Udell, 1998), que reconocen la presencia de información asimétrica, selección adversa, riesgo moral y opacidad de la información. Los resultados señalan, a partir de una encuesta aplicada en el 2019 a 716 micronegocios, que los factores más relevantes que influyen en la probabilidad de que un micronegocio acceda o no a un crédito son los relacionados con su formalidad. Además, se analizan los factores determinantes en la probabilidad de que un micronegocio decida hacer una solicitud de crédito y se obtiene que la no necesidad del préstamo, la percepción de no cumplimiento de los requisitos, la falta de educación financiera y la percepción de no capacidad de pago son variables con significancia estadística que se relacionan negativamente con la probabilidad de solicitar financiación.
  • Thumbnail Image
    Item
    Modelo de credit score alternativo para personas con ingresos indeterminados en Colombia: basado en machine learning
    (Pontificia Universidad Javeriana Cali, 2023) Mayor Cortés, Johan Sebastián; Porras Casanova, Juan Pablo; Arango Londoño, David
    El acceso al crédito en Colombia sigue siendo un desafío para una gran parte de la población desbancarizada. A pesar de los esfuerzos realizados para aumentar la inclusión financiera, muchas personas no pueden obtener préstamos debido a la falta de historial crediticio o a los requisitos exigidos por la banca tradicional. En este estudio, se plantea la pregunta de investigación de cómo generar un modelo alternativo de credit score utilizando machine learning para analizar perfiles de personas con ingresos indeterminados. Los objetivos del estudio son identificar variables representativas, construir un modelo utilizando el algoritmo RandomForest, comparar este modelo con los modelos tradicionales de regresión GLM, regresión logística y support vector machine, y evaluar la viabilidad de las colocaciones de crédito mediante simulaciones. La metodología incluye el uso de datos de la encuesta de demanda de inclusión financiera y el tratamiento de los datos utilizando en R. Los resultados muestran que se pueden obtener modelos alternativos de credit score utilizando variables categóricas y machine learning.
  • Thumbnail Image
    Item
    ¿Permiten los modelos predictivos y el análisis técnico optimizar los resultados de estrategias de inversión periódica sobre un índice bursátil?
    (Pontificia Universidad Javeriana Cali, 2024) Duque González, Andrés Felipe; Lofruscio Vallejo, María Antonia; Arango Londoño, David
    El presente estudio explora la inversión pasiva o indexación proponiendo un método periódico de inversión que ofrece una alternativa al convencional Dollar Cost Averaging (DCA). La estrategia propuesta armoniza principios de los mercados eficientes con el análisis técnico, combinando dos perspectivas históricamente divergentes, y emplea el modelo predictivo ARIMA, para optimizar la cantidad invertida en cada período. El propósito de esta aproximación es ajustar las inversiones a las fluctuaciones del mercado, basándose en datos históricos y tendencias actuales para guiar las decisiones de inversión, desplazando así el foco de la predicción de precios hacia la optimización del monto invertido. Aunque investigaciones previas han explorado ajustes periódicos en el volumen de inversión, la novedad de este estudio radica en integrar el análisis técnico y modelos predictivos para la toma de decisiones sobre el volumen de aportes, un enfoque poco explorado en la literatura existente. A partir de este proyecto de investigación se espera que la estrategia propuesta, superé en rendimiento y riesgo al enfoque tradicional de Dollar Cost Averaging.