Chávez-Bedoya Mercado, Luis C.Tineo Nieves, Anthony Kevin2019-05-302019-05-302019https://hdl.handle.net/20.500.12640/1566El objetivo de la presente investigación es desarrollar tres modelos de clasificación de deudores a fin de determinar la probabilidad de incumplimiento asociada a los créditos “retail” solicitados a instituciones microfinancieras. Los modelos utilizados son: una función logística binaria, árbol de decisión y redes neuronales artificiales. Asimismo, la presente investigación busca determinar las variables relevantes para determinar probabilidad de incumplimiento, identificar el nivel de ajuste y discrimancia en cada modelo a través del análisis de la Curva de ROC, estadístico Kolmogorov-Smirnov y coeficiente de GINI. Por último, se busca conocer las principales fortalezas y debilidades de cada modelo. Los resultados muestran que el modelo de redes neuronales artificiales presenta mejor nivel de ajuste y discrimancia en comparación con los otros dos modelos. Adicionalmente, se ha encontrado que las variables más relevantes provienen del historial crediticio del cliente. Finalmente, los modelos de función logística binaria y árbol de decisión también muestran un buen nivel de ajuste y discrimancia, por lo cual soportar una decisión de clasificación de clientes considerando la complementariedad de dichos modelos resulta optima, ya que dichos modelos consideran adicionalmente otras variables provenientes del historial crediticio y otras de tipo demográficas relevantes para la toma de decisiones.application/pdfspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc/2.5/pe/Gestión financieraNivel de vidaIndicadores económicosIndicadores socialesClasificaciónClientesInstituciones financierasMicrofinanzasinfo:eu-repo/semantics/masterThesishttps://purl.org/pe-repo/ocde/ford#5.02.04