Mostrar el registro sencillo del ítem

dc.rights.licensehttps://creativecommons.org/licenses/by-sa/2.5/ar/es_AR
dc.contributor.advisorGago, Andrés
dc.contributor.authorCastaño, Franco Tomáses_AR
dc.date.accessioned2024-08-06T17:11:34Z
dc.date.available2024-08-06T17:11:34Z
dc.date.issued2024
dc.identifier.urihttps://repositorio.utdt.edu/handle/20.500.13098/12935
dc.description.abstractLa asignación eficiente de recursos financieros es un desafío global que impacta significativamente en todas las empresas. La incapacidad de las entidades crediticias para segmentar adecuadamente a sus clientes puede resultar en consecuencias adversas, como ofrecer condiciones de crédito menos favorables a los buenos pagadores. Este fenómeno se manifiesta en tasas de interés más altas o límites de crédito más bajos, con el objetivo de maximizar la rentabilidad de determinados segmentos de clientes. En este contexto, los datos relacionados con la facturación y las cobranzas de las empresas están emergiendo como recursos valiosos, cada vez más accesibles y aplicables para los proveedores financieros. La presente tesis se propone poner a prueba la hipótesis de que estos datos pueden emplearse eficazmente para mejorar la segmentación de clientes por parte de las instituciones financieras. Para alcanzar este objetivo, se emplean técnicas estadísticas avanzadas y de aprendizaje automático, incluyendo la ingeniería de atributos y análisis descriptivos univariados y multivariados. El problema de predicción se enmarca dentro de la naturaleza de la clasificación, con el objetivo de desarrollar un modelo predictivo robusto.es_AR
dc.format.extent99 p.es_AR
dc.format.mediumapplication/pdfes_AR
dc.languagespaes_AR
dc.languageenges_AR
dc.publisherUniversidad Torcuato Di Tellaes_AR
dc.rightsinfo:eu-repo/semantics/openAccesses_AR
dc.subjectPredicción tecnológicaes_AR
dc.subjectTechnological Predictiones_AR
dc.subjectAnálisis de datoses_AR
dc.subjectData Analysises_AR
dc.subjectEficiencia tecnicaes_AR
dc.subjectTechnical efficiencyes_AR
dc.titlePredicción del riesgo crediticio en productos de factoring financiero utilizando modelos de aprendizaje automáticoes_AR
dc.typeinfo:eu-repo/semantics/masterThesises_AR
dc.typeinfo:ar-repo/semantics/tesis de maestríaes_AR
thesis.degree.nameMaster in Management + Analyticsen
dc.subject.keywordModelos predictivoses_AR
dc.subject.keywordPredictive modelinges_AR
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_AR


Ficheros en el ítem

Thumbnail

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

Mostrar el registro sencillo del ítem