Publication:
Construcción de un modelo Scoring de Probabilidad: el caso de la empresa SEGUMAR S.A

Loading...
Thumbnail Image
Publication date
2023-06-01
Reading date
Event date
Start date of the public exhibition period
End date of the public exhibition period
Advisors
Authors of photography
Person who provides the photography
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Pablo de Olavide
Export
Research Projects
Organizational Units
Journal Issue
Abstract
El objetivo del presente trabajo es la construcción de un modelo credit scoring de probabilidad con la finalidad de minimizar el riesgo de incumplimiento de pago de la cartera de clientes, para lo que se utilizó variables dependientes (cliente “bueno o malo”) y como independientes (características de los clientes) para proporcionar un análisis correcto para determinar si la empresa concede o no un crédito. Se aplicó la metodología descriptiva y enfoques cuantitativos y cualitativos tomando como fuentes primarias los datos de la cartera de clientes de la empresa SEGUMAR S.A. La base de datos consiste de la información de 100 personas solicitantes de un crédito y se incluye en la medición de 7 variables para cada persona. Cada solicitante se clasifica en una de dos categorías posibles, "buen cliente" (70 casos) o "mal cliente" (30 casos). Se desarrolló una regla de credit scoring para determinar si un nuevo solicitante es “Bueno” o “Malo” cliente, basándose en los valores de una o más variables explicativas resultantes del modelo final. Este estudio evaluó las características que tienen los clientes al momento de pedir un crédito y según las características de cada cliente se puede realizar predicciones, clasificarlos como un buen o un mal cliente. En los resultados obtenidos del modelo Logit se puede concluir que las variables seleccionadas que se aplicaron en el modelo arrojaron un 76% de éxito que nos permite clasificar a cada uno de nuestros clientes como un buen cliente o mal cliente en nuestro modelo.
The objective of this work is the construction of a probability credit scoring model in order to minimize the risk of default on payment of the customer portfolio, for which dependent (customer good and bad) and independent (characteristic of customer) variables were used to provide a correct analysis to determine whether or not the company grants a loan. The descriptive methodology and quantitative and qualitative approaches were applied taking as primary sources the data of the customer portfolio of the company SEGUMAR S.A. The database consists of the information of 100 people applying for a loan and is included in the measurement of 7 variables for each person. Each applicant is classified into one of two possible categories, "good customer" (70 cases) or "bad customer" (30 cases). A credit scoring rule was developed to determine whether a new applicant is a "Good" or "Bad" customer, based on the values of one or more explanatory variables resulting from the final model. This study evaluated the characteristics that customers have at the time of requesting a loan and that according to the characteristics of each customer it is possible to make predictions, classify them as a good customer or a bad customer. In the results obtained from the Logit model it can be concluded that the selected variables that were applied in the model gave us a 76% success rate that allows us to classify each of our customers as a good customer or bad customer in our model.
Doctoral program
Related publication
Research projects
Description
Bibliographic reference
Revista de métodos cuantitativos para la economía y la empresa, ISSN-e 1886-516X, Vol. 35, 2023, págs. 157-174
Photography rights