Modelo de Scoring para crédito de consumo en la Cooperativa de Ahorro y Crédito “Minga” Ltda utilizando técnicas de Machine Learning

El objetivo de la investigación ha planteado crear un modelo scoring para la cooperativa de ahorro y crédito “MINGA” LTDA, que permita la elección eficiente del cliente de crédito de consumo. Para este estudio, se ha obtenido la información directamente de la cooperativa y se ha efectuado el análisis con una base de datos de 15108 registros. Posteriormente, fue establecido un modelo y se definió a los clientes buenos y malos en función a los días de mora. Para ello, se han preparado los datos, por lo que se ha reducido el conjunto de datos a 9065 registros y fueron trabajadas 14 variables. Una vez preparada la información se ha procedido a aplicarla en el modelado de técnicas de Machine Learning utilizando el método de árboles de decisión, con el algoritmo Random Forest por recomendaciones bibliográficas, entrenándolo con 100, 500 y 1000 árboles, con selección y sin selección de variables, con y sin categorización de las variables cualitativas. Los resultados apuntaron a demostrar la comparación de la precisión de los modelos que se aplicaron en la investigación, evidenciando como ganador al modelo 2 con 13 variables, con selección de características, sin categorización de las variables cualitativas con 500 árboles y una precisión del 97.85%, teniendo una tasa de error del 2.15%. Concluyendo que un buen pagador tiene score mayor o igual a 600, ingreso de 1000, y egreso de 250 dólares, entre 25 y 40 años, recomendando incluir nuevas categorías en la clase.

• Main Author: Cepeda Guaminga, Ana Elizabeth (author)
• Format: bachelorThesis
• Language: spa
• Published: 2022
• Subjects: MODELO SCORING; CRÉDITO DE CONSUMO; MACHINE LEARNING; ÁRBOLES DE DECISIÓN; ALGORITMO RANDOM FOREST; SOFTWARE ESTADÍSTICO R
• Online Access: https://dspace.espoch.edu.ec/handle/123456789/19893