Predicción garantías a siniestrar
RESUMEN : FGA Fondo de Garantías es una sociedad de economía mixta, que actúa como fiador institucional para respaldar la financiación de servicios, créditos de consumo, educativos, créditos digitales, entre otros; a través de garantías de consumo. Las garantías son la figura financiera que respalda...
- Autores:
-
Sanmartin Jaramillo, Stiven
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2021
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/24304
- Acceso en línea:
- http://hdl.handle.net/10495/24304
- Palabra clave:
- Análisis de datos
Data analysis
Algoritmo
Algorithms
APRENDIZAJE SUPERVISADO (APRENDIZAJE AUTOMATICO)
APRENDIZAJE AUTOMATICO (INTELIGENCIA ARTIFICIAL)
BANCOS-GARANTIA ESTATAL DE LOS DEPOSITOS
TECNICAS DE PREDICCION
http://vocabularies.unesco.org/thesaurus/concept2214
http://vocabularies.unesco.org/thesaurus/concept2024
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/2.5/co/
Summary: | RESUMEN : FGA Fondo de Garantías es una sociedad de economía mixta, que actúa como fiador institucional para respaldar la financiación de servicios, créditos de consumo, educativos, créditos digitales, entre otros; a través de garantías de consumo. Las garantías son la figura financiera que respalda el cumplimiento de los créditos que dan entidades como bancos, cooperativas, cajas de compensación, empresas del sector retail, entre otros, y que permite procesos más ágiles y confiables tanto para las personas que los solicitan, en adelante deudores, como para la entidad que los otorga, en adelante intermediario financiero, facilitando de este modo el acceso al crédito. En este proyecto final, con base en su información demográfica y de comportamiento de cartera de los deudores, se buscó obtener modelos predictivos que permitan prever si una garantía se va a siniestrar. La metodología empleada inicio con la limpieza y normalización de los datos, seguidamente, el análisis exploratorio de los datos, continuo con la ingeniera de variables, y finalmente, el proceso iterativo de entrenamiento y evaluación de los modelos. Se concluyó que el modelo que mejor desempeño obtiene con los datos generados es un GradientBoostingClassifier implementado mediante la librería Sklearn, que emplea todas las variables categóricas de las cuales se dispone. |
---|