Credit Scoring Hecho en Chile Un caso de Éxito Dr. Richard Weber, Departamento de Ingeniería Industrial, Universidad de Chile

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Credit Scoring Hecho en Chile Un caso de Éxito Dr. Richard Weber, Departamento de Ingeniería Industrial, Universidad de Chile"

Transcripción

1 Credit Scoring Hecho en Chile Un caso de Éxito Dr. Richard Weber, Departamento de Ingeniería Industrial, Universidad de Chile

2 Modelos Analíticos de Scoring Motivación original: Predecir qué clientes fallarán en el pago de su crédito. Reducir los niveles de subjetividad en la entrega de créditos. Automatizar el proceso. Definición del universo Modelo de Credit Scoring Scoring Se otorga la solicitud de crédito? SI Variables de entrada o explicativas NO

3 Modelos Analíticos de Scoring Por qué se masificó la utilización de estos modelos? Crecimiento explosivo de solicitudes de créditos. Necesidad de manejar los niveles de riesgo de la cartera. Factores de negocio a considerar: Cobertura: A cuántos clientes quiero llegar? Riesgo: Cuál es el nivel de pérdida que estoy dispuesto a aceptar? Rentabilidad: Cuál es la rentabilidad mínima que quiero percibir?

4 Nuestro Enfoque: KDD (Knowledge Discovery in Databases)

5 Caso Práctico Instituto de Desarrollo Agropecuario Creado en Está presente en todas las regiones del país. Aporta entre el 25% y 30% del PIB del sector agrícola. Esto es alrededor del 1,2 % del PIB nacional. Misión: Promover condiciones, generar capacidades y apoyar con acciones de fomento, el desarrollo productivo sustentable de la agricultura familiar campesina y sus organizaciones. (www.indap.cl)

6 Definición de Universos Corto U1 Nuevo Plazo crédito Largo 1-5 años Duración U2 Natural Antigüedad cliente 6-10 años U5 Persona Organización Antiguo Excluir del Análisis Plazo crédito Corto Largo U3 1-5 años Duración 6-10 años U4 U6

7 Variables de Entrada Características del cliente Características de la solicitud Comportamiento de pago (Sólo clientes antiguos)

8 Variables de entrada Características del cliente Edad Estado civil Número de predios. Tamaño de los predios. Antigüedad. Meses de inactividad. Etc. Características de la solicitud Comportamiento de pago

9 Variables de entrada Características del cliente Características de la solicitud Comportamiento de pago Monto del crédito. Rubro principal. Región de Chile Mes de colocación. Mes del vencimiento. Número de. Cuotas. Número de pagos. Plazo total. Con aval, garantías. Etc.

10 Variables de entrada Características del cliente Características de la solicitud Comportamiento de pago Tasa de solicitudes Morosas Sin condonaciones. Sin Renegociaciones. Con prórrogas. Etc Mora 30. Mora 15. Máxima mora. Días de mora. Promedio de mora.

11 Enfoque de Solución Muestreo Variables de entrada Regla de Aceptación x Y 25% 75% x Train x Test Y Train Y Test Modelo de Credit Scoring Scoring Se otorga la solicitud de crédito? SI NO Construcción de modelos y selección de las variables más importantes

12 Modelos Analíticos Regresión Logística Redes Neuronales Árboles de Decisión Support Vector Machines

13 Selección del Mejor Modelo El mejor modelo se caracteriza por: Alto grado de precisión: Maximizar el porcentaje de acierto en la predicción de la clase para el conjunto de test. Alto grado de explicabilidad: Selección de las variables más relevantes. Fácil interpretación e implementación computacional.

14 n n o n n o x x x x x x e e p β β β β β β β β = Ejemplo (1 variable): Monto=X 1 =100 UF; β 0 =-9.5; β 1 =0.1; (0.1*100) 9.5 (0.1*100) 9.5 = = e e p Probabilidad de NO RECUPERAR=0.62 Regresión Logística

15 Validación de los Modelos TRAINING (75%) TEST (25%) Construcción del modelo, Selección de parámetros, variables Evaluación del modelo

16 Regla de Aceptación Modelo Regresión Logística Prob. NO REC. [0,1] REC NO REC 0 1 Corte % acierto (TEST) UNIVERSO CORTE REC NO REC Promedio U1 (NCP) % 68.8% 70.4% U2 (NLP) % 72.7% 70.0% U3 (ACP) % 74.9% 74.3% U4 (ALP) % 74.2% 74.3% U5 (NLP6) % 87.9% 83.4% U6 (ALP6) % 74.8% 70.7%

17 Política de Aceptación Ejemplo: se acepta bajo y rechaza sobre un corte de 0,7 Puntaje de % casos % casos Cobertura corte (REC) (NO REC) (% de casos) 0,70 89,2% 46,1% 87,5% Puntaje de Monto Pérdida (UF) % pérdida corte colocado (UF) 0,70 834,655 23,390 2,8% Se tiene una cobertura del 87,5% y se reducen las pérdidas desde 5,5% a un 2,8%, es decir, un 50% aprox.

18 ACP: Distribución de probabilidades del modelo (TEST) 12.0% 10.0% % casos 8.0% 6.0% 4.0% 2.0% 0.0% Puntaje de corte (probablidad modelo) RECUPERADA NO RECUPERADA

19 Conclusiones 1/2 A mayor monto de colocación, menor % de solicitudes recuperadas. A mayor edad, mayor % de solicitudes recuperadas. El % de solicitudes recuperadas no varía significativamente según la etnia o el sexo del cliente. A mayor plazo del crédito, menor % de solicitudes recuperadas. A mayor cantidad de créditos anteriores de un cliente, mayor % de solicitudes recuperadas. A mayor cantidad de predios de un cliente, mayor % de solicitudes recuperadas.

20 Conclusiones 2/2 El monto y el número de predios han resultado ser variables explicativas consistentemente importantes en todos los universos. Respecto a las variables de comportamiento para clientes antiguos, las variables de mora (si mora 30 días, si mora 15 días, días de mora, maxmora, etc.) han resultado ser de mayor relevancia en la predicción que otras variables de comportamiento como prórrogas, renegociaciones, condonaciones.

21 Más Información Coloma, P., Guajardo, J., Miranda, J., Weber, R. (2006): Modelos analíticos para el manejo del riesgo de crédito. Trend Management 8, Nov. 2006, Dr. Richard Weber; Departamento de Ingeniería Industrial, Universidad de Chile

Gerenciando el riesgo en el siglo XXI: Conectando información y decisiones. Richard Weber Universidad de Chile Departamento de Ingeniería Industrial

Gerenciando el riesgo en el siglo XXI: Conectando información y decisiones. Richard Weber Universidad de Chile Departamento de Ingeniería Industrial Gerenciand el riesg en el sigl XXI: Cnectand infrmación y decisines Richard Weber Universidad de Chile Departament de Ingeniería Industrial 1 Cntenid Mtivación Etapas: Slicitud de Crédit Cbranza Fraude

Más detalles

FINANZAS > ANÁLISIS DE RIESGOS

FINANZAS > ANÁLISIS DE RIESGOS FINANZAS > ANÁLISIS DE RIESGOS Modelos analíticos para el el para analíticos Modelos www.trendmanagement.cl 44 manejo del riesgo de crédito crédito de riesgo del manejo Pablo Coloma Ingeniero Civil Industrial

Más detalles

Curso Data Mining y Aplicaciones en Riesgo de Crédito

Curso Data Mining y Aplicaciones en Riesgo de Crédito RW.02 RW.01 Transferencia Internacional de Curso Data Mining y Aplicaciones en Riesgo de Crédito RICHARD WEBER PhD. En Investigación de Operaciones del Instituto de Tecnología de Aachen, Alemania La actividad

Más detalles

SISTEMA DE CREDIT SCORING

SISTEMA DE CREDIT SCORING SISTEMA DE CREDIT SCORING APLICADO A MICROEMPRESAS Andrés Bernal E. Gerente Comercial Viviana Manríquez F. Asesora Gerente Comercial Banco del Desarrollo División Microempresas Scotiabank Group TEMARIO

Más detalles

RW.02 RW.01. Curso Data Mining y Aplicaciones en Riesgo de Crédito

RW.02 RW.01. Curso Data Mining y Aplicaciones en Riesgo de Crédito RW.02 RW.01 Curso Data Mining y Aplicaciones en Riesgo de Crédito RICHARD WEBER PhD. En Investigación de Operaciones del Instituto de Tecnología de Aachen, Alemania La actividad comercial de las empresas

Más detalles

Experiencias Prácticas en la Medición de Riesgo Crediticio de Microempresarios utilizando Modelos de Credit Scoring

Experiencias Prácticas en la Medición de Riesgo Crediticio de Microempresarios utilizando Modelos de Credit Scoring Revista Ingeniería de Sistemas Volumen XXIV, Junio 2010 Experiencias Prácticas en la Medición de Riesgo Crediticio de Microempresarios utilizando Modelos de Credit Scoring Cristián Bravo * Sebastián Maldonado

Más detalles

EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO

EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO Herramientas idóneas para el control de riesgos y la evolución de la calidad de las carteras Gustavo Chuliver Gerente AIS Argentina gustavo.chuliver@ais-int.net

Más detalles

ENSIA 605 Inteligencia de Negocios y Minería de Datos

ENSIA 605 Inteligencia de Negocios y Minería de Datos ENSIA 605 Inteligencia de Negocios y Minería de Datos Profesor: Jaime Miranda P. E mail profesor: jmirandap@fen.uchile.cl OBJETIVOS DEL CURSO OBJETIVO GENERAL Estudiar, analizar, diseñar y aplicar tecnologías

Más detalles

DIPLOMADOS. Universidad de Chile. Diplomado en Business Intelligence. Colección: Postales

DIPLOMADOS. Universidad de Chile. Diplomado en Business Intelligence. Colección: Postales DIPLOMADOS Colección: Postales Universidad de Chile Diplomado en Business Intelligence 2015 Por qué La Universidad de Chile? No cualquier Diplomado No cualquier Universidad Es la institución de educación

Más detalles

Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico

Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico Verónica Escobar González, Claudio Barrientos Ochoa, Sergio Barrientos Ochoa, Dirección de Modelamiento Geometalúrgico

Más detalles

Scoring. en la Industria de. Microfinanzas

Scoring. en la Industria de. Microfinanzas Scoring en la Industria de Microfinanzas Liliana Botero Londoño Vicepresidente Operaciones Internacionales Unidad de Administración de Riesgo Septiembre de 2007 2007 ACCION International Reflexión Cada

Más detalles

DataCrédito está con usted en los momentos de verdad

DataCrédito está con usted en los momentos de verdad DataCrédito está con usted en los momentos de verdad 2 Su progreso es nuestra visión Introducción 3 DataCrédito en un momento Innovación, tecnología, conocimiento y servicio. En DataCrédito trabajamos

Más detalles

XIII Congreso Latinoamericano de Auditoria Interna y Evaluación n de Riesgos

XIII Congreso Latinoamericano de Auditoria Interna y Evaluación n de Riesgos XIII Congreso Latinoamericano de Auditoria Interna y Evaluación n de Riesgos mayo de de 2009 BASILEA II GESTIÓN DEL EXPOSITOR: Kay Dunlop 1 AGENDA MARCO CONCEPTUAL SISTEMA DE GESTIÓN N DEL RIESGO DE CRÉDITO

Más detalles

Caso de Estudio EFL: Impulsando el acceso al crédito en el mercado peruano de consumo retail.

Caso de Estudio EFL: Impulsando el acceso al crédito en el mercado peruano de consumo retail. Caso de Estudio EFL: Impulsando el acceso al crédito en el mercado peruano de consumo retail. GMG Perú Resumen Ejecutivo Grupo Monge es un grupo económico líder en Centroamérica en la distribución y venta

Más detalles

CREDIT SCORING: Enfoque y ventajas para las instituciones. financieras. Parte I

CREDIT SCORING: Enfoque y ventajas para las instituciones. financieras. Parte I [.estrategiafinanciera.es ] CREDIT SCORING: Enfoque y ventajas para las instituciones financieras. Parte I Un sistema de scoring preciso al que se le haga un seguimiento correcto representa un instrumento

Más detalles

Determinación de Factores de Riesgo que inciden en la Morosidad del Crédito Agrícola asignado por INDAP Región del Maule.

Determinación de Factores de Riesgo que inciden en la Morosidad del Crédito Agrícola asignado por INDAP Región del Maule. UNIVERSIDAD DE TALCA FACULTAD DE CIENCIAS EMPRESARIALES ESCUELA DE INGENIERÍA COMERCIAL MEMORIA DE GRADO Determinación de Factores de Riesgo que inciden en la Morosidad del Crédito Agrícola asignado por

Más detalles

Credit scoring. por Dr. Marcelo Dabós, Ph.D. (marcelo.dabos@comunidad.ub.edu.ar)

Credit scoring. por Dr. Marcelo Dabós, Ph.D. (marcelo.dabos@comunidad.ub.edu.ar) Credit scoring por Dr. Marcelo Dabós, Ph.D. (marcelo.dabos@comunidad.ub.edu.ar) En base a que los bancos modernos otorgan tarjetas de crédito y créditos personales o los niegan? Qué límite de crédito le

Más detalles

Introducción a la Minería de Datos

Introducción a la Minería de Datos Introducción a la Minería de Datos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Índice 1 Minería de

Más detalles

MINERIA DE DATOS Y Descubrimiento del Conocimiento

MINERIA DE DATOS Y Descubrimiento del Conocimiento MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de

Más detalles

MEJORES PRÁCTICAS EN LA COBRANZA

MEJORES PRÁCTICAS EN LA COBRANZA MEJORES PRÁCTICAS EN LA COBRANZA Lecciones aprendidas más de 25 países y más de 100 instituciones Carlos Rodríguez Agenda 1 Objetivo de la Cobranza 2 3 Planear y ejecutar estrategias con precisión Recobro

Más detalles

Inglaterra e Irlanda España y. Centro y Sur América Brasil, Argentina, Chile, Perú, Uruguay, Paraguay, Ecuador, El Salvador, Honduras y Costa Rica

Inglaterra e Irlanda España y. Centro y Sur América Brasil, Argentina, Chile, Perú, Uruguay, Paraguay, Ecuador, El Salvador, Honduras y Costa Rica Quiénes somos: Analytics - Equifax Norte América USA 1899 Canadá Europa Inglaterra e Irlanda España y Portugal Asia Rusia India Centro y Sur América Brasil, Argentina, Chile, Perú, Uruguay, Paraguay, Ecuador,

Más detalles

MANAGEMENT CONSULTORES

MANAGEMENT CONSULTORES Visión: MANAGEMENT CONSULTORES INGENIERIA DEL CONOCIMIENTO Ser una empresa de excelencia en ingeniería del conocimiento, aportando experiencia y soluciones a problemas complejos de empresas e industrias

Más detalles

APROVECHE AL MÁXIMO EL MEJOR SOFTWARE DE ANÁLISIS DE DATOS, ASISTA A LOS CURSOS DE CAPACITACIÓN DE SPSS CHILE

APROVECHE AL MÁXIMO EL MEJOR SOFTWARE DE ANÁLISIS DE DATOS, ASISTA A LOS CURSOS DE CAPACITACIÓN DE SPSS CHILE TRAINING 2007 APROVECHE AL MÁXIMO EL MEJOR SOFTWARE DE ANÁLISIS DE DATOS, ASISTA A LOS CURSOS DE CAPACITACIÓN DE SPSS CHILE Fundamentos en el Uso y Aplicaciones con SPSS Introducción a la Sintaxis Estadísticas

Más detalles

Retos de la Proliferación de Modelos. 2 de Octubre 2012

Retos de la Proliferación de Modelos. 2 de Octubre 2012 Retos de la Proliferación de Modelos 2 de Octubre 2012 ÍNDICE Introducción Tipos de modelos Problemática de gestión Conclusiones Introducción 3 Aunque hay créditos desde hace 5000 años, los modelos sólo

Más detalles

APRUEBA " NORMAS PARA OPERAR EL PROGRAMA DE CREDITOS DE INDAP".

APRUEBA  NORMAS PARA OPERAR EL PROGRAMA DE CREDITOS DE INDAP. INSTITUTO DE DESARROLLO AGROPECUARIO DIRECCION NACIONAL DEPARTAMENTO DE ASISTENCIA FINANCIERA APRUEBA " NORMAS PARA OPERAR EL PROGRAMA DE CREDITOS DE INDAP". SANTIAGO, 6 de febrero de 2004 RESOLUCION EXENTA

Más detalles

FONDO MUTUO SURA ESTRATEGIA EQUILIBRADA SERIE A Folleto Informativo al cierre de diciembre 2015

FONDO MUTUO SURA ESTRATEGIA EQUILIBRADA SERIE A Folleto Informativo al cierre de diciembre 2015 FONDO MUTUO SURA ESTRATEGIA EQUILIBRADA SERIE A Administradora RUN Patrimonio Serie Monto Mínimo S.A. 8774 CLP $2.832.702.942 $5.000 Plazo : 10 días Rentabilidad en Pesos desde 01/01/2011 a 8% 1 Mes -1,48%

Más detalles

MODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL

MODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL MODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS Yegny Amaya, Edwin Barrientos, Universidad Francisco de Paula Santander, Colombia Diana Heredia Vizcaíno, Universidad

Más detalles

Ingeniería del conocimiento. Sesión 1 Por qué estudiar aprendizaje automático?

Ingeniería del conocimiento. Sesión 1 Por qué estudiar aprendizaje automático? Ingeniería del conocimiento Sesión 1 Por qué estudiar aprendizaje automático? 1 Agenda Qué vamos a ver en la asignatura? Para qué sirve todo esto? Cómo aprobar la asignatura? 2 Extracción del conocimiento

Más detalles

MEPP Partner/ Author. Abt / PWC. Date. October, 2014

MEPP Partner/ Author. Abt / PWC. Date. October, 2014 Title of Deliverable Algorithm to evaluate the risk associated with FONDESO s credit allocation (Algoritmo para evaluar el riesgo asociado a la colocación de créditos de FONDESO) 4 of 4 Abstract Context:

Más detalles

Supervisión del Riesgo de Crédito: Metodologías de medición y su consideración en la normativa de provisiones.

Supervisión del Riesgo de Crédito: Metodologías de medición y su consideración en la normativa de provisiones. Supervisión del Riesgo de Crédito: Metodologías de medición y su consideración en la normativa de provisiones. Osvaldo Adasme Donoso Director de Supervisión Superintendencia de Bancos e Instituciones Financieras

Más detalles

FONDO MUTUO SURA SELECCION ACCIONES CHILE SERIE A Folleto Informativo al cierre de septiembre 2015

FONDO MUTUO SURA SELECCION ACCIONES CHILE SERIE A Folleto Informativo al cierre de septiembre 2015 FONDO MUTUO SURA SELECCION ACCIONES CHILE SERIE A Administradora RUN Patrimonio Serie Monto Mínimo S.A. 8685 CLP $504.867.977 $5.000 Plazo : 10 días Rentabilidad en Pesos desde 01/10/2010 a 3% 1 Mes -3,55%

Más detalles

Boletín de Asesoría Gerencial* Modelo Credit Scoring: Un paso hacia una gestión diferenciada y eficiente del riesgo de crédito

Boletín de Asesoría Gerencial* Modelo Credit Scoring: Un paso hacia una gestión diferenciada y eficiente del riesgo de crédito Espiñeira, Sheldon y Asociados No. 22-2008 *connectedthinking Contenido Haga click en los enlaces para navegar a través del documento Haga click en los enlaces para llegar directamente a cada sección 4

Más detalles

Sistema de Asignación de Riesgos Crediticios

Sistema de Asignación de Riesgos Crediticios Sistema de Asignación de Riesgos Crediticios Quienes somos Propuesta de Asignación de Riesgos Crediticios (Credit Scoring) CONTENIDO QUIENES SOMOS Matrix Data Labs es una Unidad de Negocios de Matrix CPM

Más detalles

Diploma en Business Analytics

Diploma en Business Analytics Diploma en Business Analytics JULIO 2010 FACULTAD DE INGENIERÍA Y CIENCIAS www.uai.cl Por qué un Diploma en Business Analytics? El análisis metódico e inteligente de datos es una actividad estratégica

Más detalles

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING Aprendizaje Automático y Data Mining Bloque IV DATA MINING 1 Índice Definición y aplicaciones. Grupos de técnicas: Visualización. Verificación. Descubrimiento. Eficiencia computacional. Búsqueda de patrones

Más detalles

Los futuros desafíos de la Inteligencia de Negocios. Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.

Los futuros desafíos de la Inteligencia de Negocios. Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile. Los futuros desafíos de la Inteligencia de Negocios Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.cl El Vértigo de la Inteligencia de Negocios CRM: Customer

Más detalles

Tecnología e Innovación en la Banca de Desarrollo. Financiamiento para el Desarrollo Productivo Situación Chilena Buenos Aires - Julio 2013

Tecnología e Innovación en la Banca de Desarrollo. Financiamiento para el Desarrollo Productivo Situación Chilena Buenos Aires - Julio 2013 Tecnología e Innovación en la Banca de Desarrollo Financiamiento para el Desarrollo Productivo Situación Chilena Buenos Aires - Julio 2013 Misión de CORFO Fomentar el emprendimiento, la innovación y la

Más detalles

Manual de Inspección de Tecnologías Financieras en Créditos de Consumo

Manual de Inspección de Tecnologías Financieras en Créditos de Consumo Manual de Inspección de Tecnologías Financieras en Créditos de Consumo por Roberto Araya Orden de Entrega No. 3 Orden de Tarea No. 31 PROYECTO DE INOVACIÓN DE LA MICROEMPRESA (MICROSERVE) Contrato No.

Más detalles

Técnicas Multivariadas Avanzadas

Técnicas Multivariadas Avanzadas Regresión lineal Universidad Nacional Agraria La Molina 2014-2 Regresión lineal Regresión lineal simple Estimando los coecientes Evaluando la precisión de los coecientes estimados Evaluando la precisión

Más detalles

Introducción Qué es Minería de Datos?

Introducción Qué es Minería de Datos? Conceptos Básicos Introducción Qué es Minería de Datos? Extracción de información o de patrones (no trivial, implícita, previamente desconocida y potencialmente útil) de grandes bases de datos. Introducción

Más detalles

ALTERNATIVA DE FINANCIAMIENTO PARA EXPORTADORES Certificados de Fianza y las IGRs. Abril 2014

ALTERNATIVA DE FINANCIAMIENTO PARA EXPORTADORES Certificados de Fianza y las IGRs. Abril 2014 ALTERNATIVA DE FINANCIAMIENTO PARA EXPORTADORES Certificados de Fianza y las IGRs Abril 2014 Resumen Presentación Quién es ASIGAR? Cómo opera?. Beneficios del Modelo y algunos datos de la Industria Opciones

Más detalles

Manual de uso Cotizador Vida

Manual de uso Cotizador Vida Nota: Entiéndase cobertura como las opciones de protección que se contratan. NOTA: El porcentaje de crecimiento es el aumento en la suma asegurada anualmente por el tiempo que dure el seguro. NOTA:

Más detalles

EPB 603 Sistemas del Conocimiento!"#$ %& $ %'

EPB 603 Sistemas del Conocimiento!#$ %& $ %' Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM EPB 603 Sistemas del Conocimiento!"#$ %& $ %' Modelos de proceso para proyectos de Data Mining (DM) Son diversos los modelos de

Más detalles

ESCUELA SUPERIOR POLITECNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMATICAS

ESCUELA SUPERIOR POLITECNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMATICAS ESCUELA SUPERIOR POLITECNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMATICAS TESIS DE GRADUACION PREVIO A LA OBTENCIÓN DEL TÍTULO DE: MAGISTER EN CONTROL DE OPERACIONES

Más detalles

FONDO MUTUO SURA RENTA DEPOSITO CHILE SERIE A Folleto Informativo al cierre de noviembre 2015

FONDO MUTUO SURA RENTA DEPOSITO CHILE SERIE A Folleto Informativo al cierre de noviembre 2015 FONDO MUTUO SURA RENTA DEPOSITO CHILE SERIE A Administradora RUN Patrimonio Serie Monto Mínimo S.A. 8678 CLP $18.936.876.967 $5.000 Rentabilidad en Pesos desde 01/12/2010 a 24% Rentabilidades Nominales

Más detalles

Microcrédito y Crédito Rural

Microcrédito y Crédito Rural Asociación para la Diversificación y Desarrollo Agrícola Comunal Tel. 00505-7725245, 772-7108 Matagalpa, Nicaragua Correo credito@addac.org.ni www.addac.org.ni Hotel Bermúdez 2 c al Este 1.5 c. al Norte.

Más detalles

Banca de Personas Condiciones para Acceder al Crédito y otras Operaciones Financieras

Banca de Personas Condiciones para Acceder al Crédito y otras Operaciones Financieras I. Cuenta Corriente Banca de Personas Condiciones para Acceder al Crédito y otras Operaciones Financieras 1. Clientes Elegibles El Segmento Personas considera las siguientes actividades, en la medida que

Más detalles

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda Inteligencia en Redes de Comunicaciones Tema 7 Minería de Datos Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda {jvillena, rcrespo, rueda}@it.uc3m.es Índice Definición y conceptos

Más detalles

Tutorial - Parte 2: Scoring

Tutorial - Parte 2: Scoring Introducción Tutorial - Parte 2: Scoring En este segundo tutorial aprenderá lo que significa un modelo de Scoring, verá cómo crear uno utilizando Powerhouse Analytics y finalmente a interpretar sus resultados.

Más detalles

Todo el potencial de la Minería de Datos para el análisis avanzado del cliente. Por: Willyam L. Alcalá

Todo el potencial de la Minería de Datos para el análisis avanzado del cliente. Por: Willyam L. Alcalá Todo el potencial de la Minería de Datos para el análisis avanzado del cliente Por: Willyam L. Alcalá El análisis correcto El paso indicado La mejor decisión» Un solo lugar Todo el potencial de la Minería

Más detalles

PRESENTACION FONDOS DE EMPLEADOS.

PRESENTACION FONDOS DE EMPLEADOS. PRESENTACION FONDOS DE EMPLEADOS. MODULO SCORING. La Superintendencia Financiera de Colombia (SFC) mediante la Carta Circular 31 y la Circular Externa 11 de 2002, exige que todas las instituciones financieras

Más detalles

Visión global del KDD

Visión global del KDD Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento

Más detalles

Cómo se usa Data Mining hoy?

Cómo se usa Data Mining hoy? Cómo se usa Data Mining hoy? 1 Conocer a los clientes Detectar segmentos Calcular perfiles Cross-selling Detectar buenos clientes Evitar el churning, attrition Detección de morosidad Mejora de respuesta

Más detalles

EXPERIENCIAS DE INNOVACION DE PROCESOS EN CHILE

EXPERIENCIAS DE INNOVACION DE PROCESOS EN CHILE EXPERIENCIAS DE INNOVACION DE PROCESOS EN CHILE Oscar Barros Junio 2007 Oscar Barros www.obarros.cl 1 TEMARIO Innovación en los negocios y sus procesos para generar competitividad Diseño de los negocios

Más detalles

Introducción a la Minería de Datos (Data Mining)

Introducción a la Minería de Datos (Data Mining) a la Minería de Datos (Data Mining) IT-Nova Facultad de Ingeniería Informática y Telecomunicaciones Iván Amón Uribe, MSc Minería de Datos Diapositivas basadas parcialmente en material de Inteligencia Analítica

Más detalles

ALTERNATIVA DE FINANCIAMIENTO PARA EXPORTADORES Cer4ficados de Fianza y las IGRs. Mayo 2014

ALTERNATIVA DE FINANCIAMIENTO PARA EXPORTADORES Cer4ficados de Fianza y las IGRs. Mayo 2014 ALTERNATIVA DE FINANCIAMIENTO PARA EXPORTADORES Cer4ficados de Fianza y las IGRs Mayo 2014 Resumen Presentación Quién es ASIGAR? Cómo opera?. Beneficios del Modelo y algunos datos de la Industria Opciones

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departamento Administrativo Nacional de Estadística Diseño DSO Dirección de Metodología y Producción Estadística - DIMPE Ficha Metodológica Cartera Hipotecaria de Vivienda - CHV Mayo 2013 PÁGINA : 2 CONCEPTO

Más detalles

INSTITUTO MATEMÁTICO Y ACTUARIAL MEXICANO DIPLOMADO EN MINERÍA DE DATOS

INSTITUTO MATEMÁTICO Y ACTUARIAL MEXICANO DIPLOMADO EN MINERÍA DE DATOS INSTITUTO MATEMÁTICO Y ACTUARIAL MEXICANO DIPLOMADO EN MINERÍA DE DATOS Por qué es importante la Minería de Datos? 2 La Minería de Datos es un proceso que permite obtener conocimiento a partir de los datos

Más detalles

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY)

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) Autor: Lic. Manuel Ernesto Acosta Aguilera Entidad: Facultad de Economía, Universidad de La Habana Dirección: Edificio

Más detalles

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Álvaro J. Méndez Services Engagement Manager IBM SPSS / Profesor Econometría UAM Jecas, 22 Oct 2010 Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Business Analytics software Agenda Minería

Más detalles

En el mes de abril, las colocaciones totales

En el mes de abril, las colocaciones totales N 5 29 de mayo de 215 Las colocaciones permanecen con un bajo dinamismo El segmento vivienda sigue creciendo con fuerza, aunque con condiciones crediticias más conservadoras En el mee abril, las colocaciones

Más detalles

Aplicación de los modelos de credit scoring para instituciones microfinacieras.

Aplicación de los modelos de credit scoring para instituciones microfinacieras. Econ. Reynaldo Uscamaita Huillca Aplicación de los modelos de credit scoring para instituciones microfinacieras. OBJETIVO Proporcionar al ejecutivo del sistema financiero un modelo solido que permita tomar

Más detalles

Informe Sectorial Nicaragua: Sector Bancos

Informe Sectorial Nicaragua: Sector Bancos Informe Sectorial Nicaragua: Sector Bancos Información a Marzo 2014 Victor M. Estrada Barascout (502) 6635-2166 vestrada@ratingspcr.com Análisis del Sector Bancario El Sistema Financiero Bancario de Nicaragua

Más detalles

El precio de una buena valuación

El precio de una buena valuación El precio de una buena valuación Principales aspectos del proceso de valuación Claves para la venta de portafolios morosos Marcos Bazán Partner Corporate Finance Temario Principales aspectos del proceso

Más detalles

ANÁLISIS DISCRIMINANTE

ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente

Más detalles

El nivel de Actividad en el Proceso Educativo como Indicador de Riesgo de Deserción Estudiantil medido en tiempo real con apoyo de tecnología BAM

El nivel de Actividad en el Proceso Educativo como Indicador de Riesgo de Deserción Estudiantil medido en tiempo real con apoyo de tecnología BAM El nivel de Actividad en el Proceso Educativo como Indicador de Riesgo de Deserción Estudiantil medido en tiempo real con apoyo de tecnología BAM Leonardo Velásquez S. Consultor TI Santiago, Chile leonardo.velasquez.s@gmail.com

Más detalles

APRUEBA " NORMAS PARA OPERAR EL PROGRAMA DE CREDITOS DE INDAP".

APRUEBA  NORMAS PARA OPERAR EL PROGRAMA DE CREDITOS DE INDAP. INSTITUTO DE DESARROLLO AGROPECUARIO DIRECCION NACIONAL DEPARTAMENTO DE ASISTENCIA FINANCIERA Versión actualizada, incluye instrumentos jóvenes, mujeres y turismo rural. APRUEBA " NORMAS PARA OPERAR EL

Más detalles

POLÍTICA DE COBRANZA ADMINISTRACIÓN FONDO SOLIDARIO DE CRÉDITO UNIVERSITARIO AÑO 2014 CONDICIONES DE COBRANZA TIPO DE DEUDA NORMATIVA REGULAR MOROSA

POLÍTICA DE COBRANZA ADMINISTRACIÓN FONDO SOLIDARIO DE CRÉDITO UNIVERSITARIO AÑO 2014 CONDICIONES DE COBRANZA TIPO DE DEUDA NORMATIVA REGULAR MOROSA POLÍTICA DE COBRANZA ADMINISTRACIÓN FONDO SOLIDARIO DE CRÉDITO UNIVERSITARIO AÑO 2014 La Administración del Fondo Solidario de Crédito Universitario de la Universidad de Chile estará facultada para realizar

Más detalles

In focus DSS Control total

In focus DSS Control total In focus DSS Control total Decision Support System es el más completo sistema de monitoreo empresarial. Un set de indicadores clave que le ofrecerán una efectiva guía en tiempo real de qué es lo que está

Más detalles

Entrenamiento en Análisis de Riesgo Aplicado a Empresas

Entrenamiento en Análisis de Riesgo Aplicado a Empresas Entrenamiento en Análisis de Riesgo Aplicado a Empresas Elaborado por: Luis Francisco Zaldívar, MSE Director www.modelacionderiesgos.com l.zaldivar@modelacionderiesgos.com 1 Visión del Entrenamiento: El

Más detalles

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERIA INDUSTRIAL

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERIA INDUSTRIAL UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERIA INDUSTRIAL CONFIGURACIÓN DE LA OFERTA DE PRODUCTOS HOGAR PARA CLIENTES RESIDENCIALES DE UNA EMPRESA DE TELECOMUNICACIONES

Más detalles

Scoring: Construcción y Aplicación

Scoring: Construcción y Aplicación Scoring: Construcción y Aplicación Agosto de 2014 2014 Experian Information Solutions, Inc. All rights reserved. Experian and the marks used herein are service marks or registered trademarks of Experian

Más detalles

Datamining Introducción

Datamining Introducción Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Datamining Introducción Yerko Halat 2 de Octubre del 2001 1 Cuál es la diferencia entre

Más detalles

Introducción a la Minería de datos. DATA MINING Modelamiento de datos para Marketing y Administración de las Relaciones con el Cliente (CRM).

Introducción a la Minería de datos. DATA MINING Modelamiento de datos para Marketing y Administración de las Relaciones con el Cliente (CRM). DIPLOMADO GERENCIA MARKETING Y SERVICIO AL CLIENTE Mineria de Datos Introducción a la Minería de datos. DATA MINING Modelamiento de datos para Marketing y Administración de las Relaciones con el Cliente

Más detalles

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre:

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre: : : lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. 12 6 lemas propios de la. 12 6 lemas propios de la.

Más detalles

BANCO NACIONAL DE PANAMÁ, BANCO DE DESARROLLO AGROPECUARIO Y BANCO HIPOTECARIO NACIONAL

BANCO NACIONAL DE PANAMÁ, BANCO DE DESARROLLO AGROPECUARIO Y BANCO HIPOTECARIO NACIONAL BANCO NACIONAL DE PANAMÁ, BANCO DE DESARROLLO AGROPECUARIO Y BANCO HIPOTECARIO NACIONAL LICITACION ABREVIADA POR PONDERACIÓN Nº 2010-7-01-0-08-AV-000001 MANUAL DE CREDIT SCORING TABLA DE CONTENIDOS PARAMETROS

Más detalles

ENCUESTA DE LA GANADERÍA BOVINA

ENCUESTA DE LA GANADERÍA BOVINA ENCUESTA DE LA GANADERÍA BOVINA METODOLOGÍA INSTITUTO NACIONAL DE ESTADÍSTICAS 2009 Instituto Nacional de Estadísticas. 2009. Subdirección de Operaciones Departamento de Estadísticas Agropecuarias y Medioambientales.

Más detalles

Apalancando EFL para influir el mercado de consumidores de bajos recursos

Apalancando EFL para influir el mercado de consumidores de bajos recursos % Tasa de Morosidad Distribución de la Población Caso de Estudio EFL: Apalancando EFL para influir el mercado de consumidores de bajos recursos BanBif Perú Resumen Ejecutivo BanBif, quinto banco 1 comercial

Más detalles

FONDO DE INVERSIÓN IMT SPREAD CORPORATIVO LOCAL INFORME DE CLASIFICACION Enero 2014

FONDO DE INVERSIÓN IMT SPREAD CORPORATIVO LOCAL INFORME DE CLASIFICACION Enero 2014 FONDO DE INVERSIÓN IMT SPREAD CORPORATIVO LOCAL Dic. 2013 Ene. 2014 - * Detalle de clasificaciones en Anexo. Indicadores Financieros En millones de pesos Dic. 12 Sep. 13 Activos totales 11.662 12.965 Inv.

Más detalles

Análisis de los determinantes del riesgo de crédito. Aplicación de técnicas emergentes en el marco de los acuerdos de Basilea II y Solvencia II

Análisis de los determinantes del riesgo de crédito. Aplicación de técnicas emergentes en el marco de los acuerdos de Basilea II y Solvencia II REVISTA ESPAÑOLA DE FINANCIACIÓN Y CONTABILIDAD Vol. XXXVI, n.º 135 julio-septiembre 2007 pp. 649-653 649 Análisis de los determinantes del riesgo de crédito. Aplicación de técnicas emergentes en el marco

Más detalles

FONDO MUTUO SURA SELECCION ACCIONES USA SERIE A Folleto Informativo al cierre de septiembre 2015

FONDO MUTUO SURA SELECCION ACCIONES USA SERIE A Folleto Informativo al cierre de septiembre 2015 FONDO MUTUO SURA SELECCION ACCIONES USA SERIE A Administradora RUN Patrimonio Serie Monto Mínimo S.A. 8915 CLP $2.016.700.184 $5.000 Rentabilidad en Pesos desde 21/03/2012 a 90% 1 Mes -3,98% Anual de Costos

Más detalles

Presentación Consejo de Financiamiento para PYMES Enero 2015

Presentación Consejo de Financiamiento para PYMES Enero 2015 Presentación Consejo de Financiamiento para PYMES Enero 2015 1 Contenido Presentación Introducción y Funcionamiento. Gestión Evolución 2 INTRODUCCIÓN FOGAPE Objeto exclusivo Fondo Estatal, creado por ley

Más detalles

Caso de estudio EFL: Uso del puntaje EFL para mejorar los datos de la central de riesgo crediticio

Caso de estudio EFL: Uso del puntaje EFL para mejorar los datos de la central de riesgo crediticio Caso de estudio EFL: Uso del puntaje EFL para mejorar los datos de la central de riesgo crediticio Equifax Perú Resumen ejecutivo: Equifax (EFX) se propuso determinar si EFL podría agregar valor a su score

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Cifras Financieras y Bursátiles a Septiembre 2014

Cifras Financieras y Bursátiles a Septiembre 2014 Cifras Financieras y Bursátiles a Septiembre 2014 2012 Santiago Rosario Norte 100, of. 1501 Las Condes, Santiago - Chile Tel: 56.2.636 2000 Fax: 56.2.636 2090 Miami 701 Brickell Av. Suite 2160 Miami FL

Más detalles

FECHA DE MATRÍCULAS:

FECHA DE MATRÍCULAS: DIPLOMADO EN INGENIERÍA INDUST RIAL Este Diplomado entrega una sólida formación en el áreas de la Ingeniería Industrial como Operaciones, Logística y Calidad, Gestión de Proyectos y Estrategia de la Empresa.

Más detalles

ANÁLISIS DE SENSIBILIDAD OBJETIVO DEL ANÁLISIS

ANÁLISIS DE SENSIBILIDAD OBJETIVO DEL ANÁLISIS Estudio Financiero ANÁLISIS DE SENSIBILIDAD OBJETIVO DEL ANÁLISIS Medir cuan sensible es la evaluación financiera a través de variaciones en las principales variables críticas del proyecto, de forma que

Más detalles

ESTRATEGIAS DE 2MANEJO DEL RIESGO

ESTRATEGIAS DE 2MANEJO DEL RIESGO ESTRATEGIAS DE 2MANEJO DEL RIESGO Autor Alejandra Engler P. Ingeniera Comercial, Ph.D. Facultad de Ciencias Agrarias Universidad de Talca 25 26 2.1 INTRODUCCIÓN Este capítulo tiene como objetivo presentar

Más detalles

ESCUELA COLOMBIANA DE INGENIERÍA

ESCUELA COLOMBIANA DE INGENIERÍA ESCUELA COLOMBIANA DE INGENIERÍA ASIGNATURA: ESTADÍSTICA DEPARTAMENTO: MATEMÁTICAS PLANES DE ESTUDIO: CÓDIGO: Mnemónico ESTI Numérico 1. OBJETIVOS GENERALES Desarrollar habilidades para organizar, representar

Más detalles

Apoyo al (re)financiamiento de las PYMES : Alternativas para el Sector Agrícola. Cristián Palma Arancibia Gerente de Intermediación Financiera

Apoyo al (re)financiamiento de las PYMES : Alternativas para el Sector Agrícola. Cristián Palma Arancibia Gerente de Intermediación Financiera Apoyo al (re)financiamiento de las PYMES : Alternativas para el Sector Agrícola Cristián Palma Arancibia Gerente de Intermediación Financiera ENAGRO, Octubre de 2009 Temario 1. Antecedentes 2. Efectos

Más detalles

Seguro de Crédito Solución al riesgo de crédito protege las cuentas por cobrar del asegurado

Seguro de Crédito Solución al riesgo de crédito protege las cuentas por cobrar del asegurado SEGURO DE CRÉDITO 1 Seguro de Crédito Solución al riesgo de crédito El Seguro de Crédito protege las cuentas por cobrar del asegurado contra el riesgo comercial de no-pago por parte de sus clientes por

Más detalles

Project and Portfolio Management [PPM] Sustainable value creation.

Project and Portfolio Management [PPM] Sustainable value creation. Project and Portfolio Management [PPM] Sustainable value creation. SoftExpert Project and Portfolio Management [PPM] Suite es la solución más robusta, funcional y fácil para priorizar, planificar, gestionar

Más detalles

Procedimientos y políticas de gestión del CRÉDITO COMERCIAL

Procedimientos y políticas de gestión del CRÉDITO COMERCIAL [.estrategiafinanciera.es ] Riesgos Procedimientos y políticas de gestión del CRÉDITO COMERCIAL Una correcta y preventiva gestión de los créditos comerciales se torna relevante para prevenir las posibles

Más detalles

Créditos de Consumo Bancarios* Evolución reciente: 1997-2005

Créditos de Consumo Bancarios* Evolución reciente: 1997-2005 Serie Técnica de Estudios - N 003 Créditos de Consumo Bancarios* Evolución reciente: 1997-2005 Liliana Morales R. Álvaro Yáñez O. Enero 2006 Superintendencia de Bancos e Instituciones Financieras SBIF

Más detalles

SP SOFTWARE PARA LA CONSTRUCCION

SP SOFTWARE PARA LA CONSTRUCCION SP SOFTWARE PARA LA CONSTRUCCION Gestión Integral SP es un sistema modular e integrado que permite cubrir las diversas necesidades que surgen en las diferentes etapas de una obra (desde el presupuesto

Más detalles

Estimación puntual. Estadística II. Curso 2011/2012. Universidad de Salamanca

Estimación puntual. Estadística II. Curso 2011/2012. Universidad de Salamanca Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 3 4 Introducción Una estimación puntual de algún parámetro poblacional θ es un valor único del estadístico θ. Por ejemplo,

Más detalles