Fernández López, SaraVivel Búa, MilagrosSeijas Giménez, María Nela2019-10-312019-10-312019http://hdl.handle.net/10347/20162El objetivo principal de esta investigación es analizar y predecir el riesgo crediticio en una Institución de Microfinanzas (IMF) uruguaya, aplicando herramientas de credit scoring paramétricas y no paramétricas (modelos logit y probit, análisis de supervivencia y redes neuronales) en el marco del proceso de inclusión financiera en Uruguay. Los resultados indican que los niveles más severos de morosidad están relacionados principalmente con las características del empresario y su negocio, mientras que los pequeños incumplimientos refieren principalmente a los términos del préstamo. Tanto los modelos de redes neuronales como de supervivencia predicen con mayor precisión a los deudores más riesgosos que a los menos riesgosos. Además, el poder predictivo promedio de las redes neuronales es el mayor de todas las técnicas estadísticas analizadas. El uso de las herramientas investigadas permitirá una gestión más eficiente del riesgo crediticio por parte de las IMF, complementando el juicio experto del oficial de crédito.spaAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/riesgo de créditomicrofinanzascredit scoringmodelos explicativos/predictivosMaterias::Investigación::53 Ciencias económicas::5302 Econometría::530202 Modelos econométricosMaterias::Investigación::53 Ciencias económicas::5312 Economía sectorial::531206 Finanzas y segurosdoctoral thesisopen access