Tesis
URI permanente para esta comunidadhttps://hdl.handle.net/20.500.12640/4147
Examinar
2 resultados
Resultados de la búsqueda
Ítem Acceso Abierto Influencia del conocimiento financiero en el bienestar financiero de usuarios de tarjeta de crédito y/o préstamos personales entre 18 y 79 años en Perú en el 2019(Universidad ESAN, 2020) De La Cruz Peña, Jorge César; Ore Quezada, Richard; Paz Iglesias, Gianina Karen; Quispe Carhuapoma, EstelaEn razón de que existe incertidumbre y vacíos de información relacionados a la vulnerabilidad económica y su relación con el conocimiento financiero, esta investigación tiene como objetivo determinar si el nivel de conocimiento financiero influyó significativamente en el bienestar financiero de los usuarios de tarjetas de crédito y préstamos personales de 18-79 años en el Perú en el año 2019. La metodología empleada fue de tipo correlacional transversal, con diseño no experimental. Se utilizó como base de datos, la información de la Encuesta Nacional de Capacidades Financieras 2019, realizada por la SBS entre julio y agosto del 2019 a nivel nacional; y, como guía de determinación de variables, metodología y análisis, las provistas por la SBS y la OECD/INFE. La población contiene 1205 observaciones; y, la muestra 219. Para el análisis se aplicaron: Prueba de Alfa de Cronbach; Prueba de correlación de Pearson; Prueba de Rachas; y, Pruebas Logit Binomiales y Multinomiales. El estudio concluyó que el conocimiento financiero influyó significativamente en el bienestar financiero de los usuarios de tarjetas de crédito y préstamos personales de 18-79 años en el Perú en el año 2019.Ítem Acceso Abierto Optimización del margen comercial de préstamos de consumo : algoritmo de optimización con Machine Learning(Universidad ESAN, 2019) Azabache La Torre, Pablo JulioEn Perú, a pesar que los bancos tienen grandes volúmenes de información no la utilizan en su totalidad para conocer a sus clientes y fijar precios dinámicos que les permita maximizar sus ganancias. Además, aún no utilizan los avances en inteligencia artificial para construir algoritmos que les permita conocer la disposición a pagar de sus clientes. En esta investigación se utilizan técnicas de inteligencia artificial para diseñar un algoritmo que permite maximizar el margen comercial de los préstamos bancarios. La aplicación empírica utiliza información de créditos de consumo de un banco. El algoritmo de inteligencia artificial definió 4 grupos homogéneos. Las variables de homogenización de clientes son: riesgo del cliente, nivel de deuda en el sistema financiero, nivel de pasivos, nivel de ingresos. En la estimación del modelo de willingness-to-pay se utilizó la función llamada logit-response function. Finalmente, se hizo un piloto de prueba en las ofertas proactivas del banco. El piloto fue exitoso, se incrementó las colocaciones y el margen de utilidad. En conclusión, los bancos pueden aumentar sus márgenes de ganancia a través de una gestión de pricing soportada por algoritmos que identifiquen la disposición a pagar de sus clientes.
