Análisis de los factores socioeconómicos que clasifican a los clientes solicitantes de una tarjeta de crédito del Banco BISA de la ciudad de Oruro mediante la aplicación de un modelo de redes neuronales artificiales para reducir el riesgo crediticio
Analysis of the socioeconomic rank applicants customers credit card BISA Bank city of Oruro by applying a model of artificial neural networks to reduce credit risk
- Oruro: s.n, 2012
- 151p. ilus. 28 cm
Incluye bilbiografía. Incluye anexos
Facultad de Ciencias Económicas, Financieras y Administrativas Licenciada Molina Lizarazu, Luis AlbertoIngeniería Comercial Oruro. UTO. Facultad de Ciencias Económicas Financieras y Administrativas. Ingeniería Comercial Universidad Técnica de Oruro
La agencia regional del Banco BISA ubicada en la calle Adolfo Mier y La Plata de la ciudad de Oruro, entre sus principales actividades económicas, ofrece Trajetas de Crédito con las consiguientes ventajas en compras directas e indirectas, viajes al interior o exterior del país, o para reemplazo de efectivo. Sin embargo, refleja ser la actividad más riesgosa ya que el proceso de otorgación de créditos está basado en dos factores que no alcanzan ni cubren las expectativas de una correcta clasificación, estos factores son la concesión en base a la experiencia del oficial de créditos lo cual es una decisión subjetiva, y la decisión cuantitativa enmarcada en un registro de ingresos y egresos, sin abordar otro tipo de mecanismos que sean capaces de ajustar los margenes de concesión de créditos para evitar que en este proceso se filtren clientes riesgosos capaces de incumplir con el compromiso adquirido con el Banco. Con el fin de brindrar al Banco Bisa una herramienta confiable con la cual se puedan analizar las características de los solicitantes de crédito, se trabajó por el lapso de un año tomando como unidad de estudio a toda la cartera de tarjetas de crédito, constituida por 268 clientes, determinando sus características socioeconómicas. clasificándolos, y de esta manera lograr minimizar el riesgo crediticio para maximizar los beneficios de la Entidad Financiera. El estudio se basa en la aplicación de las redes reuronales artificiales, para este propósito se curso al Data Mining, proceso que permitó realizar un análisis de la base de datos de la cartera de tarjetas de crédito para identificar los factores más importantes o significantes de los clientes, para después considerarlos como atributos de entrada de un modelo de RNA, para ello de optó por la utilización de una gran herramienta que es la Econometría con un modelo Logit el cual con sus características es capaz de identificar dichos atributos o factores más significantes, para clasificar a los clientes ^ies