Armando Lenin Támara Ayús, Karem Paola Trujillo Hernández, Victor Daniel Mosquera Peña
Las instituciones financieras buscan cada día reducir los costos operativos relacionados con el otorgamiento del crédito, para tal fin se desarrolla un modelo score que permita lograr dicho objetivo. Este trabajo utiliza las metodologías de la regresión logística y el análisis discriminante tomando como referencia una base de datos conformada por 469.996 clientes pertenecientes a la modalidad del microcrédito, de los cuales se tienen variables cualitativas y cuantitativas. El objetivo es encontrar el mejor modelo que permita tener la mejor estimación y que evidencie beneficios a la hora de tener un modelo score. Se concluye que la regresión logística es el modelo que mejor diferencia y pronostica los clientes buenos de los malos, logrando conseguir reducir el nivel de pérdidas esperadas.
Financial institutions seek every day to reduce operating costs related to the granting of credit, for this purpose a score model is developed to achieve this objective. This work uses the methodologies of logistic regression and discriminant analysis, taking as a reference a database made up of 469,996 clients belonging to the microcredit modality, of which there are qualitative and quantitative variables. The objective is to find the best model that allows to have the best estimate and that shows benefits when having a score model. It is concluded that logistic regression is the model that best differentiates and predicts good customers from bad ones, managing to reduce the level of expected losses.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados