Modelo de pronósticos para indicadores financieros de cartera en la cooperativa de la Policía Nacional, basado en el uso de las técnicas de Machine Learning


Abstract:

Las entidades financieras buscan ser más eficientes en la ejecución de sus procesos, por esta razón es necesario el análisis de indicadores, los indicadores ayudan a medir el estado del negocio. Algunas empresas no tienen definido un proceso que evalúe los indicadores sensibles en la operación empresarial a través de alertas tempranas. El presente estudio analiza el caso de la Cooperativa de la Policía Nacional, en donde se generan indicadores con altos costos en el tiempo y recursos, la Cooperativa emplea procesos manuales y no tiene definido un modelo pbkp_redictivo para el análisis de sus indicadores; esta problemática genera demoras en la entrega de informes financieros, incidiendo directamente en la toma de deciciones y en los resultados operativos de la empresa. El trabajo de titulación analiza una mejora en la gestión de indicadores financieros a través de la implementación de un modelo analítico-pbkp_redictivo basado en el uso de técnicas de machine learning; la metodología usada es Desing Science Research, esta metodología tiene fases que apoyan en la investigación de la problemática, ayuda a diseñar soluciones para luego desarrollar el artefacto. En la fase de desarrollo, el estudio propone el uso de técnicas de series de tiempo como Arima, Holt Winters y regresiones, en la siguiente fase, se incorporan indicadores de evaluación para los modelos propuestos y se analiza el resultado que mejor se ajusta a la realidad de la Cooperativa, la investigación propuesta genera los estudios iniciales, y propone el esquema con los pasos de implementación para proyectos de minería de datos en la Cooperativa

Año de publicación:

2018

Keywords:

  • INSTITUCIONES FINANCIERAS
  • INDICADORES FINANCIEROS
  • ANALISIS FINANCIERO
  • BASE DE DATOS
  • COOPERATIVA DE LA POLÍCIA NACIONAL

Fuente:

rraaerraae

Tipo de documento:

Master Thesis

Estado:

Acceso abierto

Áreas de conocimiento:

  • Finanzas
  • Aprendizaje automático

Áreas temáticas:

  • Métodos informáticos especiales
  • Economía financiera
  • Instrumentos de precisión y otros dispositivos