Elaboración de un modelo de propensión al crédito de consumo capaz de discriminar a nivel de individuo utilizando solamente información financiera de carácter pública
| dc.contributor.advisor | Mac Cawley Vergara, Alejandro Francisco | |
| dc.contributor.author | Gross Sánchez, Alan | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Escuela de Ingeniería | |
| dc.date.accessioned | 2018-05-31T14:41:50Z | |
| dc.date.available | 2018-05-31T14:41:50Z | |
| dc.date.issued | 2018 | |
| dc.description | Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2018 | |
| dc.description.abstract | El objetivo general del trabajo, fue desarrollar y validar un modelo conceptual capaz de detectar las necesidades crediticias futuras de las personas del sistema financiero y así cuantificar la propensión a créditos de consumo, utilizando únicamente información financiera de carácter pública. Para llevar a cabo el estudio, se procedió a generar la variable dependiente como una combinación de las ventas de créditos de consumo del banco con las ventas presuntas en otros bancos. Para esto fue necesario generar un modelo capaz de determinar cuándo una persona tomó un crédito de consumo en otra institución. Posteriormente, se ejecutó el proceso de feature generation y feature selection, los cuales consistieron en generar variables de todo tipo a partir de la información proveniente de la SBIF, para luego seleccionar sólo aquellas que fuesen relevantes para el modelo. Finalmente, sobre un set que se dividió en 70% training y 30% testing, se hizo competir los siguientes modelos de aprendizaje automático: regresión logística, SVM, bosques aleatorios, redes neuronales y modelos de boosting. Los mejores resultados se obtuvieron con XGBoost, obteniendo un LIFT de 19,3% para el primer decil, en 10 minutos y con un KS de 0,39 en el caso de NumJump = 1 y 21% en el primer decil de LIFT en 15 minutos con un KS de 0,25 para el caso de NumJump > 1. Al poner en producción el modelo, se obtuvo una efectividad del 2,86% en ventas sobre respuestas, una cifra más de cuatro veces mayor a lo acostumbrado por el banco en campañas sobre prospectos (0,69%). | |
| dc.format.extent | ix, 65 hojas | |
| dc.identifier.doi | 10.7764/tesisUC/ING/21891 | |
| dc.identifier.uri | https://doi.org/10.7764/tesisUC/ING/21891 | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/21891 | |
| dc.language.iso | es | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject.ddc | 330 | |
| dc.subject.dewey | Economía | es_ES |
| dc.subject.other | Crédito al consumidor - Procesamiento de datos. | es_ES |
| dc.subject.other | Aprendizaje de máquina. | es_ES |
| dc.subject.other | Big data. | es_ES |
| dc.title | Elaboración de un modelo de propensión al crédito de consumo capaz de discriminar a nivel de individuo utilizando solamente información financiera de carácter pública | es_ES |
| dc.type | tesis de maestría | |
| sipa.codpersvinculados | 81775 |