Diseño de un modelo predictivo para otorgar créditos

• Salazar Vergara, Juan Gabriel ^[1]
  1. [1] Instituto Universitario Veracruzano, México
• Localización: Semestre económico, ISSN-e 0120-6346, Vol. 24, Nº. 57 (Julio-diciembre), 2021, págs. 320-347
• Idioma: español
• Títulos paralelos:
  • Desenho de um modelo preditivo para concessão de créditos
  • Design of a Predictive Model for Granting Credits
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El 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.

  • English

    The 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.

  • português

    O 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.