Machine Learning para la aprobación de créditos hipotecarios en Colombia - Especialización en Estadística Aplicada

Aug 5, 2026

Subir por Hazel

El documento desarrolla una especialización en Estadística Aplicada enfocada en optimizar el proceso de aprobación de créditos hipotecarios en Colombia. Se plantea construir un modelo de Machine Learning para automatizar el análisis de variables del cliente y clasificar solicitudes, reduciendo la pérdida de futuros clientes que cumplen con los criterios. El estudio usa un enfoque mixto para evaluar factores sociodemográficos y su relación con la probabilidad de aprobación eficiente. Los resultados muestran que Gradient Boosting se ajusta mejor al conjunto de datos, apoyando decisiones, reduciendo rechazos y evitando incumplimientos.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas11

Tiempo de lectura17 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Contexto y propósito

Metodología

Resultados y conclusiones

Introducción

Características del crédito hipotecario en Colombia

Especialización en Estadística Aplicada Facultad de Ingeniería y Ciencias Básicas Machine Learning para la aprobación de créditos hipotecarios en Colombia Juan Sebastian Valderrama Cuellar1 , Edwin Alexander Díaz Baquero1 , Edwin Fernando González Martinez1 , y Julián Andrés Salamanca Bernal1 1 Fundación Universitaria Los Libertadores 7 de diciembre de 2023 Resumen Contexto. En el sistema actual de servicios financieros, uno de los productos más importantes en el desarrollo de la economía es el crédito hipotecario, el cual es un crédito a mediano o largo plazo que otorgan las entidades financieras para la compra, ampliación, reparación o construcción de vivienda y cuyo objetivo es garantizar una de las necesidades básicas de la población y el buen funcionamiento de las entidades financieras. Propósito. se tiene como propósitocrear un modelo de Machine Learning que ayude a optimizar el proceso de aprobación de créditos hipotecarios enentidades financieras minimizando la perdida de futuros clientes que si cumplen con las características para este tipo de otorgamiento, se propone el desarrollo de un modelo automatizado que permita analizar y evaluar todasaquellas variables que contienen información de los clientes dentro de un proceso de clasificación para la aprobaciónde solicitudes de créditos hipotecarios. Metodología. Este estudio está enfocado en revisar y analizar los factores sociodemográficos que influyen en la aprobación de créditos hipotecarios en Colombia. La investigación se llevó a cabo siguiendo un enfoque mixto (cualitativo y cuantitativo), utilizando modelos estadísticos para examinar la relaciónexistente entre las variables sociodemográficas y la probabilidad de hacer más eficiente la selección de aprobación decréditos hipotecarios. Resultados los resultados del ejercicio destacan la importancia de establecer un modelo de Machine Learning para respaldar la toma de decisiones sobre la aprobación de solicitudes de créditos hipotecarios en entidades financieras. Este modelo beneficia a estas entidades al seleccionar clientes con ciertas características que generen valor, reduciendo la tasa de rechazo y evitando incumplimientos futuros. Conclusiones. De acuerdo con estos resultados, la construcción y comparación de diferentes modelos de aprendizaje supervisado permitieron identificar que la técnica de Gradient Boosting se ajusta mejor al conjunto de datos. Palabras clave—Crédito hipotecario, modelo, Machine Learning, Gradient boosting, árbol de decisión, Regresión Logística Abstract Context. In the current system of financial services, one of the most important products in the development of the economy is the mortgage loan, which is a medium or long-term credit granted by financial institutions for the purchase, expansion, repair or construction of housing and whose objective is to guarantee one of the basic needs of the population and the proper functioning of financial institutions. Purpose. The purpose is to create a Machine Learning model that helps to optimize the mortgage loan approval process in financial institutions, minimizing the loss of future customers who meet the characteristics for this type of granting, it is proposed to develop an automated model that allows to analyze and evaluate all those variables that contain customer information within a classification process for the approval of mortgage loan applications. Methodology. This study is focused on reviewing and analyzing the sociodemographic factors that influence mortgage loan approval in Colombia. The research was carried out following a mixed approach (qualitative and quantitative), using statistical models to examine the relationship between sociodemographic variablesand the probability of making more efficient mortgage loan approval selection. Results The results of the exercise highlight the importance of establishing a Machine Learning model to support decision making on the approval of mortgage loan applicat

Preguntas frecuentes

Cuál es el objetivo del modelo de Machine Learning propuesto?

Crear un modelo automatizado que analice y evalúe variables del cliente para optimizar la aprobación de créditos hipotecarios, minimizando el rechazo de solicitantes que sí cumplen los criterios.

Qué metodología se utiliza para el estudio?

El estudio sigue un enfoque mixto (cualitativo y cuantitativo) y emplea modelos estadísticos para estudiar la relación entre variables sociodemográficas y la probabilidad de aprobación.

Qué técnica obtuvo el mejor ajuste en los resultados?

La técnica de Gradient Boosting, al compararse diferentes modelos de aprendizaje supervisado, mostró el mejor ajuste al conjunto de datos.

Aug 5, 2026

Subir por Hazel