JavaScript is disabled for your browser. Some features of this site may not work without it.
Modelo predictivo del comportamiento de la cuenta total activo de los balances generales de los bancos comerciales de Honduras del periodo enero a septiembre 2023
Fecha
2024-03-14Autor
Elías Ariel Ortíz Flores
Kerlim Escarleth Varela Palma
CITAS
Google ScholarMetadatos
Mostrar el registro completo del ítemResumen
El objetivo final de nuestra investigación fue proponer un modelo de aprendizaje automático para predecir los resultados de la cuenta total activo de los balances generales de los bancos comerciales de Honduras para el periodo de enero a septiembre de 2023. Nuestro proyecto de investigación final mediante un modelo de aprendizaje automático de auto regresión estará en la capacidad de beneficiar a las autoridades financieras, bancos comerciales, inversionistas y clientes del sector bancario comercial de Honduras a: detectar anomalías, optimizar recursos, eficientar la toma de decisiones, mejorar la gestión financiera, identificar y evaluar riesgos financieros futuros. El proceso metodológico implementado para el cumplimento de nuestro objetivo de investigación fue el modelo CRISP-DM (Cross-industry standard process for data mining), el objetivo de aplicar CRISP–DM es para desarrollar un modelo de machine learning aplicando las seis fases de: compresión del negocio, compresión de los datos, preparación de los datos, modelado, evaluación y despliegue. El aplicar un modelo de machine learning permitió reforzar el análisis que se obtiene con las observaciones de las series de tiempo, a su vez logra obtener resultados a futuros de una forma matemática valida, estos resultados ayudan al nete regulador de los bancos, clientes, inversiones y los mismos bancos replantear sus estrategias y tomar mejores decisiones.
xmlui.dri2xhtml.METS-1.0.source
Universidad Tecnológica Centroamericana UNITEC
Colecciones
- Tesis de Postgrado [21]
El ítem tiene asociados los siguientes ficheros de licencia:
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-ShareAlike 3.0 United States