Ejercicio para aplicar conocimientos adquiridos
Introducción:
Este análisis se basa en una cartera personal de 406 préstamos iniciada en 2017 en una plataforma de préstamos conocida de Latinoamérica. La plataforma se basa en el mercado de préstamos de Latinoamérica que tiene como objetivo fomentar créditos de manera directa entre solicitantes e inversores.
Metodología:
Se utilizará un algoritmo de Machine Learning para analizar los datos de la cartera y crear un modelo predictivo que ayude a determinar la probabilidad de que un préstamo se pague a tiempo. El modelo se entrenará con variables como:
Perfil del inversor (AA-F)\n Plazo del préstamo (3-48 meses)\n Lugar de residencia (Argenitna)\n Sueldo (en pesos pero lo pasaremos a dolares a cada valor mep)\n Destino del crédito\n Edad del solicitante\n Historial de pagos del solicitante de mi cartera personal de 406 prestamos
Objetivo:
El objetivo del análisis es crear un modelo que ayude a mejorar la efectividad en los cobros de la cartera personal. El modelo se utilizará para:
Identificar los préstamos con mayor riesgo de morosidad Priorizar los esfuerzos de cobranza Tomar decisiones más informadas sobre la inversión en nuevos préstamos Herramientas:
Se utilizarán las siguientes herramientas para el análisis:
Python Pandas NumPy Scikit-learn Resultados:
Se espera que el análisis genere los siguientes resultados:
Un modelo predictivo que pueda identificar los préstamos con mayor riesgo de morosidad Recomendaciones para mejorar la efectividad en los cobros Un mejor conocimiento del mercado de préstamos de Latinoamérica Conclusiones:
El análisis de la cartera personal de préstamos utilizando un algoritmo de Machine Learning puede ayudar a mejorar la efectividad en los cobros y a tomar decisiones más informadas sobre la inversión en nuevos préstamos.
Próximos pasos:
Los próximos pasos son:
Recopilar los datos de la cartera personal Limpiar y preparar los datos para el análisis Entrenar el modelo de Machine Learning Evaluar el rendimiento del modelo Utilizar el modelo para mejorar la efectividad en los cobros