Repository logo
 

Diseño e implementación de un modelo de aprendizaje automático para predecir la cartera en mora de tarjetas de crédito en el sector bancario comercial de Honduras dic-2018 a sept-2023

Simple item page
dc.campusUNITEC TGUes_ES
dc.catalogadorDennis Calixes_ES
dc.collectionTesis de Postgradoes_ES
dc.contributor.advisorAlba Gabriela Garay Romeroes_ES
dc.contributor.authorÁlvaro Luis Medina Almendareses_ES
dc.contributor.authorOscar Eduardo Godoy Salgadoes_ES
dc.coverageTegucigalpa, Francisco Morazán, Hondurases_ES
dc.date.accessioned2024-03-16T16:02:35Z
dc.date.available2024-03-16T16:02:35Z
dc.date.issued2024-03-14
dc.date.terna2024-02-01
dc.ddc332.765 M491es_ES
dc.description.abstractEl presente estudio se enfoca en el desarrollo y aplicación de un modelo predictivo de aprendizaje automático para examinar la relación entre las siguientes variables: La colocación de las tarjetas de crédito, la cantidad de tarjetas de crédito activas por periodo y el comportamiento de la cartera de tarjetas de crédito en mora en el sector bancario comercial de Honduras, así mismo el modelo a desarrollar realizará predicciones en data set para ofrecer una herramienta funcional en la toma de decisiones basada en datos para periodos posteriores. Esto se realizará a partir del análisis de conjuntos de datos detallados y de carácter “open source” obtenidos de la página web de la Comisión Nacional de Bancos y Seguros, (en adelante CNBS); se implementarán técnicas avanzadas de Machine Learning en busca de proporcionar una compresión de cómo las variables anteriormente mencionadas pueden influir en la dinámica financiera de las entidades bancarias en este contexto específico. Este enfoque investigativo se alinea con la necesidad de anticipar y comprender las tendencias del mercado financiero para tomar decisiones estratégicas informadas.es_ES
dc.description.abstractenglishThe present study focuses on the development and application of a predictive machine learning model to examine the relationship between the following variables: credit card placement, the quantity of active credit cards per period, and the delinquency behavior of the credit card portfolio in the commercial banking sector of Honduras. Additionally, the model to be developed will make predictions on a dataset to provide a functional tool for data-driven decision-making in subsequent periods. This will be done through the analysis of detailed and "open source" datasets obtained from the website of the National Banking and Insurance Commission (hereinafter CNBS). Advanced Machine Learning techniques will be implemented to gain an understanding of how the aforementioned variables may influence the financial dynamics of banking entities in this specific context. This research approach aligns with the need to anticipate and understand trends in the financial market for making informed strategic decisions.es_ES
dc.disciplineAdministración y Negocios / Business and Managementes_ES
dc.facultyFacultad de Postgradoes_ES
dc.formatPDFes_ES
dc.identifier.urihttps://repositorio.unitec.edu/xmlui/handle/123456789/13021
dc.languageEspañoles_ES
dc.publisherUniversidad Tecnológica Centroamericana UNITECes_ES
dc.sourceUniversidad Tecnológica Centroamericana UNITECes_ES
dc.subjectMercado financieroes_ES
dc.subjectTarjetas de créditoes_ES
dc.subjectAprendizaje automáticoes_ES
dc.thesis.degreelevelPostgradoes_ES
dc.thesis.degreenameMaestría en Analítica de Negocios / M-40es_ES
dc.titleDiseño e implementación de un modelo de aprendizaje automático para predecir la cartera en mora de tarjetas de crédito en el sector bancario comercial de Honduras dic-2018 a sept-2023es_ES
dc.typeThesises_ES

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Diseño e implementación de un modelo de aprendizaje automático para predecir la cartera en mora de tarjetas de crédito en el sector bancario comercial de Honduras dic-2018 a sept-2023.pdf
Size:
2.75 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Tesis de Postgrado