Mostrar el registro sencillo del ítem

Design of a Predictive Model for Granting Credits

Diseño de un modelo predictivo para otorgar créditos;
Desenho de um modelo preditivo para concessão de créditos

dc.contributor.authorSalazar Vergara, Juan Gabriel
dc.coverage.spatialLat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degreesLong: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.date.accessioned2024-01-23T16:05:55Z
dc.date.available2024-01-23T16:05:55Z
dc.date.created2022-08-16
dc.identifier.issn0120-6346
dc.identifier.urihttp://hdl.handle.net/11407/8244
dc.descriptionThe objective of this article is to present evidence on the evaluation of the probability of default in the payment of a loan granted by employee funds of higher education institutions in Medellín and the Metropolitan Area in the period 2017-2019. To determine the probability of loan repayment, a binary logistic regression econometric model was estimated. The estimates showed that of the 384 cases studied, two hundred and forty (62.5 %) are likely to pay and one hundred and forty-four (37.5 %) are likely not to pay their commitments.eng
dc.descriptionEl objetivo de este artículo es presentar evidencias sobre la evaluación de la probabilidad de incumplimiento en el pago de un crédito otorgado por los fondos de empleados de instituciones de educación superior de Medellín y Área Metropolitana en el periodo 2017-2019. Para determinar la probabilidad de pago de los créditos se estimó un modelo econométrico de regresión logística binaria. Las estimaciones permitieron evidenciar que de los 384 casos estudiados doscientos cuarenta (el 62,5 %) tiene probabilidad de pagar y ciento cuarenta y cuatro (el 37,5 %) presentan probabilidad de no pago de sus compromisos.spa
dc.descriptionO objectivo deste artigo é apresentar provas sobre a avaliação da probabilidade de incumprimento no pagamento de um empréstimo concedido pelos fundos dos empregados das instituições de ensino superior em Medellín e na Área Metropolitana no período 2017-2019. Para determinar a probabilidade de reembolso do empréstimo, foi estimado um modelo econométrico de regressão logística binária. As estimativas mostraram que dos 384 casos estudados, duzentos e quarenta (62,5 %) são susceptíveis de pagar e cento e quarenta e quatro (37,5 %) são susceptíveis de não pagar os seus compromissos.por
dc.formatPDF
dc.format.extentp. 320-347
dc.format.mediumElectrónico
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.publisherUniversidad de Medellín
dc.relation.ispartofseriesSemestre Económico; Vol. 24 No. 57 (2021)
dc.relation.haspartSemestre Económico; Vol. 24 Núm. 57 julio-diciembre 2021
dc.relation.urihttps://revistas.udem.edu.co/index.php/economico/article/view/4113
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0*
dc.sourceSemestre Económico; Vol. 24 No. 57 (2021): (julio-diciembre); 320-347
dc.subjectBinary logistic regressioneng
dc.subjectCredit riskeng
dc.subjectCredit allocationeng
dc.subjectFinance systemeng
dc.subjectColombiaeng
dc.subjectRegresión logística binariaspa
dc.subjectRiesgo de créditospa
dc.subjectAsignación de créditospa
dc.subjectSistema financierospa
dc.subjectColombiaspa
dc.subjectRegressão logística bináriapor
dc.subjectRisco de créditopor
dc.subjectAlocação de créditopor
dc.subjectSistema financeiropor
dc.subjectColômbiapor
dc.titleDesign of a Predictive Model for Granting Creditseng
dc.titleDiseño de un modelo predictivo para otorgar créditosspa
dc.titleDesenho de um modelo preditivo para concessão de créditospor
dc.typearticle
dc.identifier.doihttps://doi.org/10.22395/seec.v24n57a15
dc.relation.citationvolume24
dc.relation.citationissue57
dc.relation.citationstartpage320
dc.relation.citationendpage347
dc.audienceComunidad Universidad de Medellín
dc.publisher.facultyFacultad de Ciencias Económicas y Administrativas
dc.publisher.placeMedellín
dc.relation.referencesAlonso C., J. C. y Berggrun P., L. (2015). Introducción al análisis de Riesgo Financiero (3.ª ed.). ECOE Ediciones.
dc.relation.referencesCardona Hernández, P. A. (2004). Aplicación de árboles de decisión en modelos de riesgo crediticio. Revista Colombiana de Estadística, 27(2), 139–151. https://revistas.unal.edu.co/index.php/estad/article/view/28808.
dc.relation.referencesCarrasco, S. (2005). Metodología de la Investigación Científica(1.ª ed.). Editorial San Marcos.
dc.relation.referencesCox, D. y Snell, E. J. (1989). Analysis of Binary Data (2.a ed.). Ed. Chapman and Hall/CRC.
dc.relation.referencesDe Lara, A. (2013). Medición y Control de Riesgos Financieros (4.ª ed.). Limusa.
dc.relation.referencesDepartamento Nacional de Estadísitica (DANE). (2018). Mercado Laboral por Sexo. https://www.dane.gov.co/files/investigaciones/boletines/ech/ech_genero/bol_eje_sexo_feb18_abr18.pdf.
dc.relation.referencesDunn, M. A. (2006). Ultimate Credit and Collections Handbook (1st First Edition). Entrepreneur magazine´s.
dc.relation.referencesElizondo, A. (Coord.) (2004). Medición integral del riesgo de crédito. Editorial Limusa.
dc.relation.referencesFernández, H. y Pérez, F. O. (2005). El modelo logístico: una herramienta estadística para evaluar el riesgo de crédito. Revista Ingenierías Universidad de Medellín, 4(6), 55-75. http://www.redalyc.org/articulo.oa?id=75040605.
dc.relation.referencesGarcía S., O. L. (2009). Administración Financiera: Fundamentos y Aplicaciones (4.ª ed.): Editorial Prensa Moderna Impresores S.A.
dc.relation.referencesGisbert, A. (2017). La gestión macro prudencial bancaria: una propuesta de tres modelos de previsión de riesgos [tesis de doctorado, Universitat Abat Oliva CEU]. Reposiorio Institucional Tesis Doctoral en Xarxa (TDX).
dc.relation.referencesGómez, D. y López, M. (2002). Riesgos financieros y operaciones internacionales. ESIC Editorial.
dc.relation.referencesGujarati, D. y Porter, D. (2010). Econometría (5.ª ed.). McGraw-Hill.
dc.relation.referencesHernández, R., Fernández, C. y Baptista, P. (2014). Metodología de la Investigación. McGraw-Hill.
dc.relation.referencesHosmer, D. y Lemeshow, S. (2000). Applied Logistic Regression (2nd ed.). John Wiley & Sons, Inc.
dc.relation.referencesJimber, J. A. (2015). Riesgo de crédito. Modelización econométrica [tesis de doctorado, Universidad de Cordova]. Helvia: Repositorio Institucional de la Universidad de Córdoba.
dc.relation.referencesLlompart, M. (2007). El salario: concepto, estructura y cuantía (1.ª ed.). Editorial La Ley.
dc.relation.referencesLópez, A. (2013). Modelo predictivo de riesgo de morosidad para créditos bancarios usando datos simulados. Epistemus, (14), 22-30.
dc.relation.referencesMenard, S. (2002). Applied Logistic Regression Analysis (2nd ed.). Sage university papers series: Quantitative applications in the social sciences. Sage publicarions Ltd.
dc.relation.referencesMeneses, L. Á. y Macuacé, R. A. (2011). Valoración y riesgo crediticio en Colombia. Revista Finanzas y Política Económica, 3(2), 65-82 https://www.redalyc.org/pdf/3235/323527256006.pdf.
dc.relation.referencesMiranda, M. (2016). Análisis de productos y servicios de financiación (1.ª ed.). IC Editorial. Muñoz, S. y Soler, P. (2018). Acuerdo sobre Basilea III: mayor claridad y estabilidad regulatoria para los bancos europeos. BBVA. https://www.bbva.com/es/acuerdo-basilea-iii-mayor-claridad-estabilidad-regulatoria-bancos-europeos/.
dc.relation.referencesOcampo, E., Cabrera, A. y Ruiz, A. (2006). Pronóstico de bolsa de valores empleando técnicas inteligentes. Tecnura, 9(18), 57-66. http://www.redalyc.org/articulo.oa?id=257021033007.
dc.relation.referencesPérez, J. (2017). La regresión logística como modelo de predicción del riesgo crediticio en las organizaciones de la economía social y solidaria. Revista Ciencia Administrativa, (2), 232-243. https://www.uv.mx/iiesca/files/2018/03/23CA201702.pdf.
dc.relation.referencesRayo, S., Lara, J. y Camino, D. (2010). Un Modelo de Credit Scoring para instituciones de microfinanzas en el marco de Basilea II. Journal of Economics, Finance and Administrative Science, 15(28), 89-124. http://www.scielo.org.pe/pdf/jefas/v15n28/a05v15n28.pdf.
dc.relation.referencesSuperintendencia Bancaria de Colombia [SBC] (2002). Circular externa 011 que modifica el Capítulo II de la Circular Externa No. 100 de 1995, referente a la Gestión del Riesgo de Crédito https://www.superfinanciera.gov.co/descargas?com=institucional&name=pubFile16971&downloadname=ance011.doc.
dc.relation.referencesSuperintendencia de la Economía Solidaria [SES] (2017a). Estadísticas de entidades del sector solidario.http://www.supersolidaria.gov.co/es/entidad/estadisticas.
dc.relation.referencesSuperintendencia de la Economía Solidaria [SES] (2017b). Principales cuentas reportadas por entidades del sector solidario por categoria de entidad años 2002–2017. www.supersolidaria.gov.co/sites/default/files/public/entidades/estadisticas_130718.xls.
dc.relation.referencesToro, J. y Palomo, R. (2014). Análisis del riesgo financiero en las pymes –estudio de caso aplicado a la ciudad de Manizales. Lasallista de investigación, 11(2), 78-88.
dc.rights.creativecommonsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.identifier.eissn2248-4345
dc.type.coarhttp://purl.org/coar/resource_type/c_6501
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dc.type.localArtículo científico
dc.type.driverinfo:eu-repo/semantics/article
dc.identifier.reponamereponame:Repositorio Institucional Universidad de Medellín
dc.identifier.repourlrepourl:https://repository.udem.edu.co/
dc.identifier.instnameinstname:Universidad de Medellín


Ficheros en el ítem

Thumbnail
Nombre:
Semestre_Economico_479.pdf
Tamaño:
416.0Kb
Formato:
PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 International
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 International