Bendezú Medina, Luis AlfonsoCruz Sauñe, Edward2025-03-1820242025-03-18http://hdl.handle.net/20.500.12404/30269Los modelos credit scoring son aplicados por entidades financieras para evaluar el nivel de riesgo de sus clientes y predecir su probabilidad default en un intervalo de tiempo dado, adicionalmente, estos modelos permiten identificar potenciales deterioros y la toma de medidas al respecto para mitigar el riesgo por parte de las entidades financieras. Sin embargo, a inicios del 2020 llega la pandemia del COVID-19, el cual afectó la capacidad de pago de los clientes y por tanto el performance de los modelos de scoring. Frente a este nuevo escenario adverso esta investigación hace uso de modelos de supervivencia, los cuales permiten incluir el comportamiento de variables macroeconómicas a lo largo de la vida de los clientes, permitiendo capturar de mejor manera el deterioro de los clientes cuando las condiciones económicas cambian. En la presente investigación se introducen variables macroeconómicas como componentes principales y se evalúan distintas metodologías de supervivencia. Se concluye que la metodología de random survival forest presenta un mejor performance que los modelos paramétricos y semi paramétricos. Adicionalmente el efecto de la pandemia se estima comparando las curvas de supervivencia de Kaplan y Meier para clientes antes y después del inicio de la pandemia encontrando diferencias significativas.spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/2.5/pe/Consumidores--PerúRiesgo financiero--PerúBancos--PerúPandemia de COVID-19, 2020- --Aspectos económicos--Perúinfo:eu-repo/semantics/masterThesishttps://purl.org/pe-repo/ocde/ford#5.02.01