Look-up in Google Scholar
Full metadata record
De La Torre Dueñas, Cleto
Sanchez Farfan, Yeli Sandra
2024-01-16T12:55:02Z
2024-01-16T12:55:02Z
2023
253T20231143
http://hdl.handle.net/20.500.12918/8131
El propósito del presente trabajo fue comparar la eficiencia de los modelos credit scoring y regresión logística para la predicción del otorgamiento de un crédito en una entidad financiera en la ciudad del Cusco 2022, utilizando los modelos de árboles de decisión y regresión logística para determinar el riesgo crediticio en el proceso de evaluación. El estudio se realizó dentro de un paradigma cuantitativo, investigación básica y un diseño no experimental. Donde la población de estudio fue de 5000 clientes que obtuvieron un préstamo de tipo consumo no revolvente en la entidad financiera en el periodo de enero a diciembre del 2022, según registro en la cartera de créditos de la entidad y se utilizó un muestreo no probabilístico de tipo censal, la información se recopilo mediante una técnica documental. Los resultados del estudio muestran que los factores asociados en el otorgamiento del crédito son: días de mora, provisiones constituidas, numero de cuotas programadas y cuotas pendientes. Se concluye que el modelo de regresión logística presenta una precisión del 99% superior al modelo credit scoring que presenta una precisión del 98% para el otorgamiento del crédito. (es_PE)
application/pdf (en_US)
spa (es_PE)
Universidad Nacional de San Antonio Abad del Cusco (es_PE)
info:eu-repo/semantics/restrictedAccess (en_US)
http://creativecommons.org/licenses/by-nc-nd/4.0/ (*)
Regresión logística (es_PE)
Arboles de decisión (es_PE)
Credit scoring (es_PE)
Riesgo crediticio (es_PE)
Aplicación del modelo credit scoring y regresión logística en la predicción del crédito, en una entidad financiera de la ciudad del Cusco 2022 (es_PE)
info:eu-repo/semantics/masterThesis
Universidad Nacional de San Antonio Abad del Cusco. Escuela de Posgrado
Maestría en Estadística
Maestro en Estadística
PE
http://purl.org/pe-repo/ocde/ford#1.01.03
http://purl.org/pe-repo/renati/nivel#maestro
23988416
https://orcid.org/0000-0003-0921-7217
70331548
542037
Molina Porcel, Edwin
Paucar Carlos, Guillermo
Cardenas Cancha, Dionicio
Salazar Peña, Nelly Maria
Olarte Estrada, Joel Grimaldo
http://purl.org/pe-repo/renati/type#tesis
Pública



This item is licensed under a Creative Commons License Creative Commons