Modelo predictivo neuronal para la evaluación del riesgo crediticio
Author
Type
Trabajo de grado - Maestría
Document language
EspañolPublication Date
2013Metadata
Show full item recordSummary
La Gestión del Riesgo de Crédito requiere de soluciones que provean la capacidad de una total administración de los riesgos en todo el ciclo de adquisición y retención del cliente, garantizando que se apunta a los clientes más rentables. El mercado de crédito presenta imperfecciones debido a la asimetría en la información que posee la entidad financiera y la que posee el cliente. Apoyadas en la tecnología y el desarrollo de herramientas de propósito específico, las organizaciones son capaces de optimizar el valor total de sus clientes, reduciendo sustancialmente los gastos de funcionamiento y las pérdidas. Las redes neuronales artificiales (RNA) se emplean debido a su capacidad para adaptarse o aprender, generalizar u organizar datos y pueden ser entrenadas para anticipar y reconocer el comportamiento de las variables en un conjunto complejo de información. Es por esto, que a través del empleo de modelos analíticos predictivos neuronales en las etapas de preventa y postventa de un servicio, las organizaciones pueden apoyar su proceso de toma de decisiones sobre si los nuevos y/o actuales clientes pueden presentar un riesgo de no pago o de fraude, en forma ágil, oportuna y seguraSummary
Abstract. The Credit Risk Management requires solutions that provide the ability to complete risk management throughout the cycle of customer acquisition and retention, ensuring that targets the most profitable customers. The credit market has imperfections due to the asymmetry of information held by the financial institution and the customer owns. Supported in technology and development tools, organizations are able to optimize the total value of its customers, reducing operating costs and losses. Artificial neural networks (ANN) are used due to their ability to adapt or learn, generalize or organize data and can be trained to anticipate and recognize the behavior of the variables in a complex set of information. It is for this reason that through the use of neural predictive analytical models in the stages of pre- and after-sales service, organizations can support your decision making process on whether new and / or existing customers may present a risk of not payment or fraud, in a quick, timely and secure.Keywords
Collections
