Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
Quillatupa, H., (2017). Determinantes de la morosidad del banco agropecuario para el período 2016 [Trabajo de suficiencia profesional, Universidad Nacional Agraria La Molina]. https://hdl.handle.net/20.500.12996/3234
Quillatupa, H., Determinantes de la morosidad del banco agropecuario para el período 2016 [Trabajo de suficiencia profesional]. : Universidad Nacional Agraria La Molina; 2017. https://hdl.handle.net/20.500.12996/3234
@misc{renati/1114787,
title = "Determinantes de la morosidad del banco agropecuario para el período 2016",
author = "Quillatupa Astete, Héctor Saúl",
publisher = "Universidad Nacional Agraria La Molina",
year = "2017"
}
Title: Determinantes de la morosidad del banco agropecuario para el período 2016
Authors(s): Quillatupa Astete, Héctor Saúl
Keywords: Bancos agrícolas; Control del crédito; Modelos estadísticos; Análisis de la regresión; Análisis de la varianza; Perú; Banco Agropecuario; Morosidad
OCDE field: http://purl.org/pe-repo/ocde/ford#4.05.00
Issue Date: 2017
Institution: Universidad Nacional Agraria La Molina
Abstract: El sistema financiero peruano ha mantenido un crecimiento sostenido desde los últimos 10 años, donde las colocaciones dirigidas al sector agropecuario fueron de S/ 9,471 millones, representando un 5.4% de las colocaciones del sistema financiero. La tasa de morosidad promedio del sector agropecuario es de 4% para el 2016, se observa un deterioro en la morosidad de la cartera crediticia de las Cajas Municipales, Edpymes y Agrobanco, siendo el más significativo el registrado por Agrobanco. En ese contexto el objetivo del presente trabajo es identificar los determinantes de la morosidad del Agrobanco a partir de las variables que se encuentran relacionadas con la política crediticia de la institución, se ha tomado como base de datos la cartera de créditos de la institución financiera Agrobanco al cierre del periodo 2016. Para la presente investigación se aplica el Modelo de regresión logística binaria para determinar la relación que existe entre las variables explicativas y el impacto con la morosidad. Se concluye que las variables del modelo son significativas para explicar el comportamiento del pago del cliente, donde las variables como número de créditos cancelados con la institución, tasa de interés del crédito, plazo del financiamiento y el nivel en que son aprobados los créditos, son variables que están altamente relacionadas con la variable de morosidad.
Link to repository: https://hdl.handle.net/20.500.12996/3234
Note: Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Economía y Planificación
Discipline: Economía y Planificación
Grade or title grantor: Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación
Grade or title: Economista
Register date: 24-Apr-2018
This item is licensed under a Creative Commons License