Revisión del Uso de la Lógica Difusa Aplicada a Modelos de Puntuación Crediticia

A review of fuzzy logic applied to credit scoring models

Contenido principal del artículo

Sebastián Gómez Jaramillo

Resumen

La lógica difusa tiene una gran variedad de aplicaciones, especialmente en la toma de decisiones. Uno de los campos donde se está empezando a aplicar es en el bancario, que en los últimos años sufrió un gran golpe debido a la crisis financiera. El presente estudio analiza los modelos de scoring crediticio los cuales permiten a los bancos pronosticar el comportamiento de pago de un cliente. En este modelo se han realizado trabajos principalmente mediante modelos estadísticos y el uso de redes neuronales, pero últimamente también han incursionado los estudios de lógica difusa en este campo. En el artículo se encuentran estudios diferentes, aplicando lógica difusa con diferentes enfoques, todos con resultados positivos.

Descargas

Los datos de descargas todavía no están disponibles.

Datos de publicación

Metric
Este artículo
Otros artículos
Revisores/as por pares 
0
2.4

Perfil evaluadores/as  N/D

Declaraciones de autoría

Declaraciones de autoría
Este artículo
Otros artículos
Disponibilidad de datos 
N/D
16%
Financiación externa 
No
32%
Conflictos de intereses 
N/D
11%
Metric
Esta revista
Otras revistas
Artículos aceptados 
19%
33%
Días para la publicación 
806
145

Indexado en

Editor y equipo editorial
Perfiles
Sociedad académica 
Tecnológico de Antioquia
Editorial 
Tecnológico de Antioquia - Institución Universitaria

Detalles del artículo

Referencias (VER)

Chen, L.-H., & Chiou, T.-W. (1999). A fuzzy credit-rating approach for commercial loans: a Taiwan case. Omega , 407-419.

Dabos, M. (2010, Noviembre 2). Materia Biz. Recuperado: 30 de mayo, 2011, from http://www.materiabiz.com/mbz/economiayfinanzas/nota.vsp?nid=44224

Gutiérrez, M. (2007). Credit scoring models: what, how, when and for what purposes. Buenos Aires: Banco Central de la República de Argentina.

Hoffmann, Baesens, Mues, Gestel, V., & Vanthie-nen. (2007). Inferring descriptive and approxi-mate fuzzy rules for credit scoring using evolutio-nary algorithms. European Journal of Operational Research, 540-555.

Ivliev, S. (2010). Simple Fuzzy Score for Russian Public Companies Risk of Default . Cornell University Library.

Laha, A. (2007). Building contextual classifiers by integrating fuzzy rule based classification technique and k-nn method for credit scoring. Advanced Engineering Informatics 21 , 281–291.

Mathworks, T. (2007). Fuzzy Logic Toolbox 2. The Mathworks.

Ramírez, O. (2008). Lógica Difusa. En O. Ramírez, Simulación en simmechanics de un sistema de control difuso para el robot udlap . Puebla: Universidad de las Américas Puebla.

Sánchez, L. B. (2009). Un paseo por la crisis económica mundial. Economía Autónoma. Disponible en línea: http://www.eumed.net/rev/ea/03/lbss.htm#.

Sasu, L. (2010). Fuzzy Artmap for credit Scoring. Bulletin of the Transylvania University of Brasov.

Schreiner, M. (2002). Ventajas y desventajas del scoring crediticio en las microfinanzas. Microfinancerisk Management, Washington University de St. Louis, pp. 1-40.

Tansel, Y., & Yurdakul, M. (2010). Development of a quick credibility scoring decision support system using fuzzy TOPSIS. Expert Systems with Applications 37, 567-574.

Yu, L., Wang, S., & Lai, K. K. (2009). An intelligent-agent-based fuzzy group decision making model for financial multicriteria decision support: The case of credit scoring. European Journal of Operational Research, 942-959.