| Title: | Uso de una red neuronal para determinar el desempeño de una organización del sector bancario |
| Authors: | Orellana Parapi, José Miguel |
| metadata.dc.contributor.advisor: | Peña Ortega, Mario Patricio |
| Keywords: | Ingenieria Industrial
Red Neuronal
Cooperativa De Ahorro Y Credito
Indicadores Financieros
Perceptron
Estructura |
| Issue Date: | 2018 |
| metadata.dc.ucuenca.paginacion: | 22 páginas |
| metadata.dc.description.city: | Cuenca |
| Series/Report no.: | TN;464 |
| metadata.dc.type: | bachelorThesis |
| Abstract: | In Ecuador, there are a vast quantity of credit unions, 852 in total, which are within 5 different segments by their assets, but only 35 of 58 credit unions of segments 1 and 2 present risk rating records, and this analysis is almost non-existent for segment 3, 4 and 5, besides about 66% of credits in Ecuador come from credit unions. This study pretends to create an artificial neural network (ARN) with an acceptable accuracy of classification for this type of companies using their financial ratios in order to be used as a helper to support financial decisions. The ARN was created by data obtained from SEPS (Superintendencia de economía publica y solidaria) for credit unions with a high assets value and using a record of risk rating since 2015 to 2017; the data used to this study is public access. Then, an ARN was created using a hierarchy classification level, it presented an accuracy of 83.19%, and another ARN was created using direct classification with 82.65% accuracy. Finally, due to the first ARN presents slightly better results, this tool was defined as the best option of this study and it can be used as a form of support for classification of Union credits, moreover this tool presents a great potential to increase its accuracy and become a main tool for classification and prognostics. |
| Description: | En Ecuador, existen una amplia cantidad de cooperativas de ahorro y crédito (COAC), contando con un total de 852 divididas en 5 segmentos dependiendo del valor de sus activos, de las cuales sólo 35 de 58 (segmento 1 y 2) presentan historiales de calificaciones de riesgo, siendo casi inexistente en el segmento 3, 4 y 5, además, el 66% del microcrédito obtenido dentro del país corresponde al sistema cooperativo. El propósito de esta investigación es crear una red neuronal artificial que presente un porcentaje de precisión aceptable para clasificar una organización de este tipo dentro de la escala de riesgo en base al valor de sus índices o ratios financieros, de tal manera que se mejore la toma de decisiones financieras. Las redes neuronales artificial (ARN) fueron creada a partir de datos obtenidos por la SEPS (Superintendencia de economía publica y solidaria) para las cooperativas de ahorro y crédito que presentan un mayor número de activos, usando además el historial de calificaciones de riesgo trimestrales realizadas por entes calificadoras en el lapso de enero 2015 hasta septiembre 2017; dichos datos son de carácter público. Después, se entrenó una red neuronal artificial de clasificación jerárquica onteniense un 83.19% de precisión, y otra con clasificación directa con 82.65% de precisión, concluyéndose que la primera ARN presenta una aceptable y ligeramente mayor precisión para el uso como herramienta de apoyo, además de la presencia de posibles mejoras a la misma para convertirse en una herramienta principal. |
| metadata.dc.description.degree: | Ingeniero Industrial |
| URI: | http://dspace.ucuenca.edu.ec/handle/123456789/29731 |
| Appears in Collections: | Tesis de Pregrado
|
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
