Mostrar el registro sencillo del ítem
dc.contributor.advisor | Debón Aucejo, Ana María | es_ES |
dc.contributor.advisor | Vallada Regalado, Eva | es_ES |
dc.contributor.author | Moreta Yanez, Angel Mesias | es_ES |
dc.date.accessioned | 2022-09-27T11:18:40Z | |
dc.date.available | 2022-09-27T11:18:40Z | |
dc.date.created | 2022-07-20 | |
dc.date.issued | 2022-09-27 | es_ES |
dc.identifier.uri | http://hdl.handle.net/10251/186604 | |
dc.description.abstract | [ES] Este Trabajo Fin de Máster analiza la gestión del riesgo de microcrédito de acuerdo con el método basado en calificaciones internas que se describe en el Acuerdo de Basilea II. Para su aplicación utiliza la base de datos de una institución bancaria de Ecuador. El objetivo principal es obtener la probabilidad de incumplimiento del pago del microcrédito, para lo cual se evalúa el desempeño de los siguientes modelos de aprendizaje automático de clasificación: Árbol de Decisión, Bosque Aleatorio, Máquina de Vectores de Soporte (SVM) y Regresión Logística. La metodología utilizada consta de: caracterización de la base de datos, selección de predictores, equilibrio del subconjunto de entrenamiento, aplicación de los modelos de clasificación y la explicación de las predicciones. Para evaluar los modelos se utilizó la matriz de confusión y el área bajo curva ROC (AUC). Para la implementación de los métodos se utilizó el lenguaje de programación R. El mejor modelo de acuerdo con la curva ROC es la Regresión Logística y el Bosque Aleatorio con un AUC de 0,9269 y 0,8844 respectivamente. | es_ES |
dc.description.abstract | [EN] This Final Master’s thesis analyses microcredit risk management according to the internal ratings-based method described in the Basel II Agreement. For its application it uses the database of a banking institution in Ecuador. The main objective is to obtain the probability of default of microcredit payment, for which the performance of the following classification machine learning models is evaluated: Decision Tree, Random Forest, Support Vector Machine (SVM) and Logistic Regression. The methodology used consists of: characterization of the database, selection of predictors, balance of the training subset, application of classification models and explanation of predictions. The confusion matrix and the area under the ROC (AUC) curve were used to evaluate the models. The best model according to the ROC curve is the Logistic Regression and the Random Forest with an AUC of 0.9269 and 0.8844, respectively. | es_ES |
dc.format.extent | 94 | es_ES |
dc.language | Español | es_ES |
dc.publisher | Universitat Politècnica de València | es_ES |
dc.rights | Reserva de todos los derechos | es_ES |
dc.subject | Data mining | es_ES |
dc.subject | Microloans | es_ES |
dc.subject | Classification methods | es_ES |
dc.subject | Support Vectors | es_ES |
dc.subject | LIME method | es_ES |
dc.subject | Support Vector Machines (SVM) | es_ES |
dc.subject | Machine Learning Models | es_ES |
dc.subject | Microcréditos | es_ES |
dc.subject | Métodos de clasificación | es_ES |
dc.subject | Vectores de soporte | es_ES |
dc.subject | Método LIME | es_ES |
dc.subject | Maquinas de Vectores de Soporte (SVM) | es_ES |
dc.subject | Modelos de aprendizaje automático | es_ES |
dc.subject | Minería de datos | es_ES |
dc.subject.classification | ESTADISTICA E INVESTIGACION OPERATIVA | es_ES |
dc.subject.other | Máster Universitario en Ingeniería de Análisis de Datos, Mejora de Procesos y Toma de Decisiones-Màster Universitari en Enginyeria D'Anàlisi de Dades, Millora de Processos i Presa de Decisions | es_ES |
dc.title | Desarrollo y evaluación de modelos de minería de datos para gestión del riesgo de microcrédito | es_ES |
dc.title.alternative | Development and Evaluation of Data Mining Models for Microcredit Risk Management | es_ES |
dc.title.alternative | Desenvolupament i avaluació de models de mineria de dades per a gestió del risc de microcrèdit | es_ES |
dc.type | Tesis de máster | es_ES |
dc.rights.accessRights | Cerrado | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Departamento de Estadística e Investigación Operativa Aplicadas y Calidad - Departament d'Estadística i Investigació Operativa Aplicades i Qualitat | es_ES |
dc.description.bibliographicCitation | Moreta Yanez, AM. (2022). Desarrollo y evaluación de modelos de minería de datos para gestión del riesgo de microcrédito. Universitat Politècnica de València. http://hdl.handle.net/10251/186604 | es_ES |
dc.description.accrualMethod | TFGM | es_ES |
dc.relation.pasarela | TFGM\144758 | es_ES |