Análisis comparativo de factores demográficos entre clientes caídos y no caídos para predecir KTPS en refinancia
Fecha
Autores
Autor corporativo
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas
Compartir
Director
Altmetric
Resumen
This document presents a comprehensive analysis of the demographic variables influencing the payment capacity (KTP) of Refinancia's clients, utilizing an advanced neural network model alongside a logistic regression model. Key determinants such as payment amount, credit score, and city segmentation are identified and evaluated, demonstrating their critical impact on predicting payment behavior. Additionally, surprising findings are highlighted, such as the negative influence of certain delinquency ranges and specific occupations, providing a detailed perspective to optimize collection strategies and client segmentation.
Descripción
El presente documento construye un análisis exhaustivo de las variables demográficas que influyen en la capacidad de pago (KTP) de los clientes de Refinancia, utilizando un modelo de red neuronal avanzado junto a un modelo de regresión logística. Se identifican y evalúan los factores más determinantes como el monto de pago, el puntaje crediticio y la segmentación por ciudad; demostrando su impacto crítico en la predicción del comportamiento de pago. También se destacan hallazgos sorprendentes como la influencia negativa de ciertos rangos de mora y ocupaciones específicas, aportando una perspectiva detallada para optimizar las estrategias de recaudo y segmentación de clientes.
Palabras clave
Intentos, KTP, Promesas de pago, Puntaje de crédito, Recaudo, Red neuronal, Regresión logística, Servicing