Browsing by Subject "Riesgo de crédito"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Implementación de un modelo de riesgo de crédito para el otorgamiento y la renovación ágil de microcréditos para mipymes aplicando técnicas de machine learning
    (Pontificia Universidad Javeriana Cali, 2023) Díaz Arboleda, Julian Ernesto; González Rivera, Jorge; Rodríguez Vivas, Miguel Eduardo; Girón Cruz, Luis Eduardo
    El riesgo de crédito para las micro, pequeñas y medianas empresas (MiPymes) en Colombia representa un desafío significativo para las entidades financieras y las propias empresas, ya que un mal manejo de la concesión de créditos puede generar incumplimientos y pérdidas económicas considerables. En su mayoría, las instituciones financiadoras recurren a modelos de evaluación de riesgo basados en métodos tradicionales basados en la consulta en centrales de riesgo, en donde en gran proporción las MiPymes pueden no estar registradas o peor aún, estar mal calificadas por incumplimientos pasados o falta de historial crediticio, generándose así una autoexclusión de las MiPymes en el sistema financiero. La Fundación Santo Domingo (FSD) y su Dirección de Financiamiento y Desarrollo Empresarial, ofrecen servicios financieros y no financieros para apoyar el desarrollo empresarial y la creación de empleo en Colombia. Su objetivo principal es fomentar la inclusión financiera y el acceso al crédito para MiPymes en el país. Como alternativa a los modelos tradicionales de valoración del riesgo de crédito hoy en día son cada vez más utilizados aquellos que incorporan el procesamiento de los datos con técnicas de Machine Learning (ML), bajo este contexto, en el presente proyecto se presenta la implementación de un modelo de riesgo de crédito basado en técnicas de ML para la FSD, que le permita la concesión y renovación de microcréditos a MiPymes del departamento de Atlántico y Bolivar. Para lograr este objetivo, el proyecto incorpora la revisión del estado del arte relacionado con el problema, la caracterización y análisis de los datos históricos de préstamos, la limpieza y preparación de los datos, la selección de características relevantes, la reducción de la dimensionalidad y la implementación del algoritmo de ML para crear el modelo predictivo. Se espera que la implementación de este modelo permita a la FDS tomar decisiones de préstamo más precisas y efectivas, lo que a su vez puede aumentar la tasa de aprobación de préstamos y reducirá la tasa de incumplimiento de pagos.
  • Thumbnail Image
    Item
    Modelo analítico para la predicción de default en el servicio de crédito en una caja de compensación familiar en Antioquia
    (Pontificia Universidad Javeriana Cali, 2023) Cruz Valencia, Hermilso; Morales Firaya, Michael Steven; Tunjuelo Martínez, Hernán Alberto; Arango Londoño, David
    El presente trabajo aplica para la caja de compensación familiar COMFENALCO ANTIOQUIA. Actualmente la empresa se encuentra en un proceso de transformación y ha firmado un contrato con una empresa para actualizar el software administrativo de crédito. Dentro del alcance de este proyecto no se encuentra contratado el motor de decisión. Actualmente se utiliza un modelo Scoring de crédito de elaboración propia en Excel. Este fue construido con macros avanzados y en su interior contiene un algoritmo de modelo Logit y las reglas de negocio del reglamento de crédito. Con ello se calcula la probabilidad de incumplimiento y el cumplimiento de los indicadores de riesgo para tomar la decisión de aprobar, aplazar o negar la solicitud de crédito. Con el objetivo de actualizar el modelo Logit e integrarlo en el nuevo software y con base a una data histórica de créditos, se propuso un modelo base de regresión logística que permita predecir el riesgo de default en función de las covariables que se consideren importantes de acuerdo a un proceso adecuado. Además, se compara el rendimiento estadístico con modelos más avanzados como XGBoost, Árbol de decisión, Bosque Aleatorio.