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

Construction of a Probability Scoring model for the company SEGUMAR S.A

Andy Carrasco Preciado (), Jorge García Regalado () and Gino Cornejo Marcos ()
Additional contact information
Andy Carrasco Preciado: Universidad Agraria del Ecuador (Ecuador)
Jorge García Regalado: Universidad Agraria del Ecuador (Ecuador)
Gino Cornejo Marcos: Universidad Tecnológica ECOTEC (Ecuador)

Revista de Métodos Cuantitativos para la Economía y la Empresa = Journal of Quantitative Methods for Economics and Business Administration, 2023, vol. 35, issue 1, 157-174

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.

Keywords: Logit; credit scoring; riesgo crediticio; variable dicotómica; incumplimiento; credit risk; dichotomous variable; default (search for similar items in EconPapers)
JEL-codes: C33 G01 G21 P43 (search for similar items in EconPapers)
Date: 2023
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.upo.es/revistas/index.php/RevMetCuant/article/view/7256/6781 (application/pdf)
https://www.upo.es/revistas/index.php/RevMetCuant/article/view/7256 (text/html)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:pab:rmcpee:v:35:y:2023:i:1:p:157-174

DOI: 10.46661/revmetodoscuanteconempresa.7256

Access Statistics for this article

Revista de Métodos Cuantitativos para la Economía y la Empresa = Journal of Quantitative Methods for Economics and Business Administration is currently edited by Macarena Lozano Oyola and Francisco Javier Blancas Peral

More articles in Revista de Métodos Cuantitativos para la Economía y la Empresa = Journal of Quantitative Methods for Economics and Business Administration from Universidad Pablo de Olavide, Department of Quantitative Methods for Economics and Business Administration Carretera de Utrera km.1, 41013 Sevilla. Contact information at EDIRC.
Bibliographic data for series maintained by Publicación Digital - UPO ().