{"id":{"repo_id":"utdt","oai_identifier":"oai:repositorio.utdt.edu:20.500.13098/11803"},"canonical_url":"https://search.dev.ndltd.org/etd/utdt/oai:repositorio.utdt.edu:20.500.13098/11803","repository":{"repo_id":"utdt","name":"Universidad Torcuato di Tella","base_url":"https://repositorio.utdt.edu/oai/request"},"display":{"title":"Construcción de un modelo de Credit Scoring para población no bancarizada de la Ciudad Autónoma de Buenos Aires utilizando el Censo Nacional de Personas, Hogares y Viviendas como fuente complementaria de datos.","abstract":"En la actualidad cada vez está más difundida la utilización de los modelos de Credit Scoring para estimar la probabilidad de que un individuo incurra en mora. La población no bancarizada es el segmento en el que existe mayor incertidumbre para predecir este evento. Este trabajo busca evaluar si el Censo Nacional de Personas, Viviendas y Hogares es útil como una fuente complementaria de información para integrar en los modelos de Credit Scoring de la población no bancarizada. La experiencia presentada se circunscribe a Capital Federal. En el trabajo se describe en detalle la metodología utilizada tanto para el análisis de la fuente censal como para la construcción del modelo de Scoring final y su validación. Además, se incluye un análisis de puntos de corte y las especificaciones de implementación del modelo final.","abstract_html":"En la actualidad cada vez está más difundida la utilización de los modelos de Credit Scoring para estimar la probabilidad de que un individuo incurra en mora. La población no bancarizada es el segmento en el que existe mayor incertidumbre para predecir este evento. Este trabajo busca evaluar si el Censo Nacional de Personas, Viviendas y Hogares es útil como una fuente complementaria de información para integrar en los modelos de Credit Scoring de la población no bancarizada. La experiencia presentada se circunscribe a Capital Federal. En el trabajo se describe en detalle la metodología utilizada tanto para el análisis de la fuente censal como para la construcción del modelo de Scoring final y su validación. Además, se incluye un análisis de puntos de corte y las especificaciones de implementación del modelo final.","abstract_has_math":false,"creators":["Grimberg, Érica Anabela"],"institution":"Universidad Torcuato Di Tella","degree_name":"Maestría en Econometría","degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Bruera, María del Rosario"],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-07-27T21:55:32Z","subjects":["Actividad Crediticia","Operaciones crediticias","Crédito"],"languages":["spa"],"rights":["info:eu-repo/semantics/openAccess"],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":"https://repositorio.utdt.edu/handle/20.500.13098/11803","outbound_label":"Repository record","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Bruera, María del Rosario"]},{"key":"dc:creator","label":"Author","values":["Grimberg, Érica Anabela"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2023-05-11T11:59:38Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2023-05-11T11:59:38Z"]},{"key":"dc:date.issued","label":"Date","values":["2018"]},{"key":"dc:publisher","label":"Institution","values":["Universidad Torcuato Di Tella"]},{"key":"dc:type","label":"Dc Type","values":["info:eu-repo/semantics/masterThesis","info:ar-repo/semantics/tesis de maestría"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Maestría en Econometría"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Actividad Crediticia","Operaciones crediticias","Crédito"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["spa"]},{"key":"dc:rights","label":"Dc Rights","values":["info:eu-repo/semantics/openAccess"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://repositorio.utdt.edu/handle/20.500.13098/11803"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["En la actualidad cada vez está más difundida la utilización de los modelos de Credit Scoring para estimar la probabilidad de que un individuo incurra en mora. La población no bancarizada es el segmento en el que existe mayor incertidumbre para predecir este evento. Este trabajo busca evaluar si el Censo Nacional de Personas, Viviendas y Hogares es útil como una fuente complementaria de información para integrar en los modelos de Credit Scoring de la población no bancarizada. La experiencia presentada se circunscribe a Capital Federal. En el trabajo se describe en detalle la metodología utilizada tanto para el análisis de la fuente censal como para la construcción del modelo de Scoring final y su validación. Además, se incluye un análisis de puntos de corte y las especificaciones de implementación del modelo final."]},{"key":"dc:title","label":"Title","values":["Construcción de un modelo de Credit Scoring para población no bancarizada de la Ciudad Autónoma de Buenos Aires utilizando el Censo Nacional de Personas, Hogares y Viviendas como fuente complementaria de datos."]}]}],"canonical_facts":{"dc:contributor.advisor":["Bruera, María del Rosario"],"dc:creator":["Grimberg, Érica Anabela"],"dc:date.accessioned":["2023-05-11T11:59:38Z"],"dc:date.available":["2023-05-11T11:59:38Z"],"dc:date.issued":["2018"],"dc:description.abstract":["En la actualidad cada vez está más difundida la utilización de los modelos de Credit Scoring para estimar la probabilidad de que un individuo incurra en mora. La población no bancarizada es el segmento en el que existe mayor incertidumbre para predecir este evento. Este trabajo busca evaluar si el Censo Nacional de Personas, Viviendas y Hogares es útil como una fuente complementaria de información para integrar en los modelos de Credit Scoring de la población no bancarizada. La experiencia presentada se circunscribe a Capital Federal. En el trabajo se describe en detalle la metodología utilizada tanto para el análisis de la fuente censal como para la construcción del modelo de Scoring final y su validación. Además, se incluye un análisis de puntos de corte y las especificaciones de implementación del modelo final."],"dc:identifier.uri":["https://repositorio.utdt.edu/handle/20.500.13098/11803"],"dc:language":["spa"],"dc:publisher":["Universidad Torcuato Di Tella"],"dc:rights":["info:eu-repo/semantics/openAccess"],"dc:subject":["Actividad Crediticia","Operaciones crediticias","Crédito"],"dc:title":["Construcción de un modelo de Credit Scoring para población no bancarizada de la Ciudad Autónoma de Buenos Aires utilizando el Censo Nacional de Personas, Hogares y Viviendas como fuente complementaria de datos."],"dc:type":["info:eu-repo/semantics/masterThesis","info:ar-repo/semantics/tesis de maestría"],"thesis:degree_name":["Maestría en Econometría"]},"updated_at":"2026-07-27T21:55:32Z"}