Estrategias de machine learning para la personalización de tasas de interés en Fintech. Un enfoque con LGBM y S Learner

Vista sencilla de ítem
dc.contributor.advisorAlcalá-Temores, Jaime E.
dc.contributor.authorVilchis-Sánchez, Sofía
dc.date.accessioned2024-06-05T19:44:32Z
dc.date.available2024-06-05T19:44:32Z
dc.date.issued2024-05
dc.description.abstractEste trabajo innova en la optimización de micropréstamos mediante la personalización de tasas de interés, empleando modelos avanzados de Light Gradient Boosting Machine (LightGBM). A través de experimentos, se examina cómo diferentes ajustes afectan la precisión y eficacia de modelos de clasificación y regresión. Se seleccionaron los modelos más efectivos para integrar un enfoque de ganancia ponderada en recurrencia, aplicando la metodología de S-learner con diversas tasas de interés, buscando maximizar la ganancia del usuario. Este enfoque logró mejorar la personalización de tasas de interés y aumentar las ganancias en un 7% sin afectar la recurrencia de los préstamos, sugiriendo un cambio de paradigma hacia un sector Fintech más inclusivo y centrado en el usuario. El estudio abre caminos para futuras investigaciones en personalización de servicios financieros, explorando nuevas áreas y mejorando la rentabilidad de los micropréstamos, promoviendo un sector Fintech equitativo e inclusivo.
dc.identifier.citationVilchis-Sánchez, S. (2024). Estrategias de machine learning para la personalización de tasas de interés en Fintech: un enfoque con LGBM y S Learner. Trabajo de obtención de grado, Maestría en Ciencia de Datos. Tlaquepaque, Jalisco: ITESO.
dc.identifier.urihttps://hdl.handle.net/11117/10907
dc.language.isospa
dc.publisherITESO
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/deed.es
dc.subjectMachine Learning
dc.subjectFintech
dc.subjectLightGBM
dc.subjectS-Learner
dc.titleEstrategias de machine learning para la personalización de tasas de interés en Fintech. Un enfoque con LGBM y S Learner
dc.typeinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
MCD_TOG_Sofia_Vilchis (2).pdf
Tamaño:
2.18 MB
Formato:
Adobe Portable Document Format
Descargar

Colecciones

DMAF - Trabajos de fin de Maestría en Ciencia de Datos