Citas bibligráficas
Esta es una referencia generada automáticamente. Modifíquela de ser necesario
Vigo, G., (2010). Método de clasificación para evaluar el riesgo crediticio : una comparación [Tesis, Universidad Nacional Mayor de San Marcos]. https://hdl.handle.net/20.500.12672/3327
Vigo, G., Método de clasificación para evaluar el riesgo crediticio : una comparación [Tesis]. PE: Universidad Nacional Mayor de San Marcos; 2010. https://hdl.handle.net/20.500.12672/3327
@misc{renati/483013,
title = "Método de clasificación para evaluar el riesgo crediticio : una comparación",
author = "Vigo Chacón, Geraldine Judith",
publisher = "Universidad Nacional Mayor de San Marcos",
year = "2010"
}
Título: Método de clasificación para evaluar el riesgo crediticio : una comparación
Autor(es): Vigo Chacón, Geraldine Judith
Asesor(es): Cambillo Moyano, Emma Norma
Palabras clave: Riesgo financiero - Modelos matemáticos; Análisis de regresión logística; Redes neuronales (Computación) - Métodos estadísticos
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.01.03
Fecha de publicación: 2010
Institución: Universidad Nacional Mayor de San Marcos
Resumen: Se comparan dos métodos clásicos de clasificación: Análisis de Regresión Logística y Árboles de Clasificación, con el método de Redes Neuronales. La comparación se realizó en base al poder de clasificación y predicción de los modelos obtenidos en la evaluación del Riesgo Crediticio, siendo Redes Neuronales el mejor método por tener mayor poder de clasificación y predicción. Para el análisis se utilizó una Base de Datos de Riesgo Crediticio. Asimismo, se establecen las ventajas y desventajas en el empleo de cada método.
-- Palabras Claves: Análisis de Regresión Logística, Árboles de Clasificación, Redes Neuronales.
--- Two classics methods of classification are compared: Analysis of Logistic Regression and Classification Trees with the method of Neural Networks. The comparison realized through his power of classification and prediction of the models obtains in the evaluation of credit risk, Neural Networks is the best method, because it has high power of classification and prediction. For the analysis used a database of credit risk. Likewise found the advantages and disadvantages in the use of each method. -- Key Words: Analysis Logistic Regression, Classification Trees, Neural Networks.
--- Two classics methods of classification are compared: Analysis of Logistic Regression and Classification Trees with the method of Neural Networks. The comparison realized through his power of classification and prediction of the models obtains in the evaluation of credit risk, Neural Networks is the best method, because it has high power of classification and prediction. For the analysis used a database of credit risk. Likewise found the advantages and disadvantages in the use of each method. -- Key Words: Analysis Logistic Regression, Classification Trees, Neural Networks.
Enlace al repositorio: https://hdl.handle.net/20.500.12672/3327
Disciplina académico-profesional: Estadística
Institución que otorga el grado o título: Universidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Académico Profesional de Estadística
Grado o título: Licenciado en Estadística
Fecha de registro: 3-oct-2013
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons