Por favor, use este identificador para citar o enlazar este ítem: http://dspace.utpl.edu.ec/handle/123456789/14540
Título : Desarrollo de un modelo predictivo para detección de riesgo crediticio utilizando redes neuronales para una entidad financiera
Autor : Riofrío Calderón, Guido Eduardo
Gaona Martínez, Romel Alejandro
Palabras clave : Ecuador.
Tesis digital.
Fecha de publicación : 2016
Citación : Gaona Martínez, R. A. Riofrío Calderón, G. E. (2016) Desarrollo de un modelo predictivo para detección de riesgo crediticio utilizando redes neuronales para una entidad financiera [Tesis de N/D, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/123456789/14540
Resumen : N/D
Descripción : Resumen:Con el presente trabajo se desea ayudar a minimizar los riesgos crediticios mediante la verificación del acceso de los clientes a los créditos que otorga la entidad financiera que es objeto de estudio; el objetivo es aprovechar la fortaleza de las herramientas de la computación e inteligencia artificial que nos pueden ayudar en ésta área, debido a que sus diversas técnicas han sido aplicadas en finanzas con exitosos resultados dentro del ámbito de detección y predicción. El éxito de nuestra tarea se basa en presentar una guía y poder ayudar a la institución a verificar si el cliente es factible de crédito o no, de esa manera tanto el deudor como el acreedor no se verán inmersos en el futuro con posibles problemas de finanzas, tales como problemas legales y deudas. Con el resultado obtenido, la institución financiera podrá contar con una herramienta para evaluar datos y ayuda en la toma de decisiones, ya que siempre es bueno acompañar a la experiencia personal con la tecnología y nuevos procedimientos.
URI : https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=89863.TITN.
Aparece en las colecciones: Ingeniero en Informática

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Gaona_Martínez_Romel_Alexandro.pdf3.42 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.