Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Regresión logística y redes neuronales como herramientas para realizar un modelo Scoring

Regresión logística y redes neuronales como herramientas para realizar un modelo Scoring



Abrir | Descargar


Sección
Artículos

Cómo citar
Támara Ayús, A. L., Vargas Ramírez, H., Cuartas, J. J., & Chica Arrieta, I. E. (2019). Regresión logística y redes neuronales como herramientas para realizar un modelo Scoring. Revista Lasallista De Investigación, 187-200. https://doi.org/10.22507/rli.v16n1a5

Dimensions
PlumX

Introducción. El propósito de esta investigación es analizar el riesgo crediticio de una institución financiera no vigilada por la Superintendencia Financiera de Colombia en torno a un modelo scoring que permita determinar el incumplimiento de los clientes correspondiente a su cartera de consumo. Objetivo. Confrontar el poder de pronosticación de dos modelos scoring obtenidos a través de regresión logística y red neuronal. Materiales y métodos. Los modelos se desarrollan con base en una muestra de 43.086 obligaciones correspondiente a una cartera de consumo, utilizando las técnicas estadísticas de regresión logística y red neuronal. La primera está enmarcada en el grupo de los modelos lineales generalizados, los cuales utilizan una función logit y son útiles para modelar probabilidades referentes a un evento en función de otras variables, mientras que la segunda son modelos computacionales cuyo objetivo es resolver problemas utilizando relaciones ya estipuladas y para ello utiliza una muestra base del proceso que se ampara en el éxito del autoaprendizaje producto del entrenamiento. Resultados. Para ambos modelos se logra una precisión del 71% en la base de entrenamiento y del 72 % en la base de comprobación, sin embargo, a pesar de obtener resultados similares, la regresión logística arrojó la menor tasa de malos en la zona de aceptación. Conclusión. Las dos técnicas utilizadas son adecuadas para el estudio y predicción de la probabilidad de incumplimiento de un cliente correspondiente a una cartera de consumo, lo anterior, respaldado por el alto índice de eficacia predictiva en ambos modelos.


Visitas del artículo 466 | Visitas PDF 141


Descargas

Los datos de descarga todavía no están disponibles.
Sistema OJS 3.4.0.7 - Metabiblioteca |