Ciencias Sociales
Permanent URI for this collectionhttps://hdl.handle.net/11285/582985
Pertenecen a esta colección Tesis y Trabajos de grado de las Maestrías correspondientes a las Escuelas de Gobierno y Transformación Pública, Humanidades y Educación, Arquitectura y Diseño, Negocios y EGADE Business School.
Browse
Search Results
- Impacto de la pandemia en la inclusión financiera de mujeres: un análisis comparativo utilizando modelos de Machine Learning(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2023-11-24) Muñoz Martínez, Miguel Alejandro; Alcalá Durand, María Fernanda; emipsanchez; Hernández Franco, Daniel; Revilla Solis, Tatiana; Escuela de Gobierno y Transformación Pública; Sede EGAP Ciudad de MéxicoEl propósito central de esta investigación es examinar las repercusiones de la pandemia en la brecha de género del acceso a servicios financieros formales, tales como tarjetas de crédito, seguros y opciones de ahorro. El acceso a financiamiento se ha vuelto esencial en la actualidad, ya que no solo facilita la adquisición de bienes y servicios en el corto plazo, sino que también proporciona una red de seguridad frente a contingencias inesperadas, como aquellas relacionadas con la salud. No obstante, en México, las oportunidades para acceder a estos servicios financieros no se distribuyen equitativamente entre la población, siendo el ingreso y el género factores determinantes. Este estudio explorará la participación económica de las mujeres y los desafíos que han enfrentado, poniendo especial énfasis en cómo la pandemia ha exacerbado las disparidades existentes. Para el análisis, se recurrió a las bases de datos de la Encuesta Nacional de Inclusión Financiera (ENIF) y la Encuesta Nacional de Ocupación y Empleo (ENOE), llevadas a cabo por el Instituto Nacional de Estadística y Geografía, complementándose con otras fuentes oficiales. Mediante la aplicación de modelos de machine learning, se identificaron variables sociales, domésticas y educativas que influyen en el acceso de las mujeres a servicios financieros específicos. El objetivo es discernir entre los impactos negativos y positivos y comprender mejor la vulnerabilidad de las mujeres en términos de financiamiento después la crisis sanitaria con bases en estas variables.
- Modelo de score de crédito para una banca de fomento al sector primario en México usando machine learning(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2023-11-15) Mendoza Palomino, Ricardo; Alcalá Durand, María Fernanda; emimmayorquin; Merino Juárez, Gustavo Adolfo; De Unánue Tiscareño, Adolfo Javier; EGyTP Escuela de Gobierno y Transformación Pública; Sede EGAP Santa FeEsta investigación se enfoca en la Financiera Nacional de Desarrollo Agropecuario, Rural Forestal y Pesquero (FND), única Banca de Fomento que otorgaba financiamiento directo al sector primario y fue la tercera fuente de crédito que buscaban los productores en México en la última década. Sin embargo, actualmente se encuentra en proceso de liquidación, donde una de las principales justificaciones para el cierre fue el incremento acumulado de la cartera vencida, debido a que hubo productores que no pagaron su crédito o se atrasaron en pagar durante el periodo de financiamiento (cartera vencida), lo cual provocó que el índice de morosidad (cartera vencida respecto a la cartera total) haya incrementado de 4.13% en enero de 2013 a 14.29% al cierre de marzo de 2020 e incluso superó el 26% al concluir el año de 2022. Si bien ya es tarde para resolver este problema de raíz, es un excelente caso de estudio para mejorar el proceso de evaluación crediticia para el sector primario y podría ser de utilidad en algún momento para una institución pública que atienda este nicho de mercado que será desatendido, fomente mejores prácticas en la evaluación inmediata de los clientes y, al mismo tiempo, genere mitigantes de riesgo sobre los productores requirentes de financiamiento para elevar su productividad en este sector estratégico para el país ya que, a pesar de que México es el 11º productor principal de alimentos a nivel mundial, el sector agropecuario mexicano requiere de diferentes instrumentos de financiamiento que le permitan alcanzar sus objetivos y fomentar su desarrollo, en medio de un entorno de exclusión financiera debido a todas las dificultades que rodean a los mercados agropecuarios. Para abordar este problema de elevados índices de cartera vencida y evaluación del riesgo, se plantea si es posible que la generación de un modelo de Score de crédito mediante técnicas avanzadas de Machine Learning demuestre una mayor eficacia en la evaluación inmediata del crédito agropecuario en comparación con la metodología tradicional empleada por la FND y que permita identificar a los clientes con riesgo de impago para que se rechace o se acepte y se generen mitigantes de riesgo. Esto será evidenciado a través de la obtención de un índice de morosidad base cercano al registrado en la FND durante el período de análisis antes de la tendencia al alza, con un promedio de 4.39\%. El estudio propone crear un modelo basado en cuatro algoritmos de Machine Learning como Decision Tree (con 1, 2, 3 e ilimitada profundidad), Random Forest, Regresión Logística y XGBoost que clasifiquen a los créditos como ``con y sin riesgo’’ de impago, en función de las diferentes variables consideradas importantes para el análisis. En la creación de modelo de clasificación se utiliza la base de datos de clientes de crédito de la FND con un histórico desde el año 2014 al 2022, con información de las características del crédito, del proyecto a financiar y del perfil del cliente, a partir del cual se utilizaron 27 variables. Para su correcta aplicación se utilizó el pipeline para un proyecto de ciencia de datos. Se aplicaron técnicas para el pre-procesamiento de datos y de codificación categórica. Para selección de los modelos se utilizaron métricas y técnicas como Cross-validation, matriz de confusión, precision y recall. Se identificaron las variables con mayor importancia en el Score de crédito agropecuario de las cuales destacan factores jurídicos, técnicas de producción y grados de marginación, esta última resalta la importancia de enfocar consideraciones éticas y sesgos socioeconómicos en la toma de decisiones. Los resultados indican que Random Forest resulta ser el modelo más robusto y efectivo para identificar créditos con riesgo de impago, con una exactitud del 89.9%, precisión del 73.1% y cobertura recall del 47.7%, aunque todavía tiene margen de mejora, especialmente en la reducción de los falsos negativos. Todos los modelos se acercaron al Índice de morosidad base, lo que demuestra que este proyecto aporta evidencia de que Machine Learning puede ser una herramienta útil para mejorar la eficacia del Score de crédito agropecuario. Finalmente, se explora la posibilidad de que en trabajos subsecuentes o en caso de implementación, se añadan estrategias de optimización de hiperparámetros o de modelos más sofisticados como redes neuronales, y considerar otras variables externas a la Institución o del cliente, nacionales e internacionales como meteorológicas, de mercado (precios, estacionalidad, etc.) o coyuntura política y económica.
- Impacto del incremento del salario mínimo en las ventas internacionales en los municipios fronterizos(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2023-07) Cuiriz Moncada, José Francisco; AKE UITZ, DAVID SALOMON; 511529; Alcalá Durand, María Fernanda; emipsanchez; Aké Uitz, David Salomón; Hernández Franco, Daniel; Escuela de Gobierno y Transformación Pública; Sede EGAP Santa FeSe estudió el efecto del incremento del salario mínimo debido a la implementación en 2019 del Programa de Zona Libre de la Frontera Norte (PZLFN) en las ventas internacionales registradas por las empresas morales ubicadas en dieciséis de los municipios beneficiarios. El PZLFN es un conjunto de instrumentos de política pública establecidos por el Gobierno Federal para incentivar el crecimiento económico, impulsar el bienestar y mejorar la competencia en cuarenta y dos municipios ubicados a una distancia aproximada de 25 kilómetros de la frontera con Estados Unidos. Se usó información trimestral sobre las ventas internacionales por municipio difundidas por la Secretaría de Economía, que corresponde a datos sobre personas morales cuya referencia geográfica se basa en el domicilio fiscal. Se empleo un modelo econométrico de diferencias en diferencias considerando dieciséis municipios ubicados en la Zona Libre y el mismo número de municipios control identificados a través de la similitud de variables económicas, utilizando la técnica de componentes principales para la reducción de dimensionalidad y la distancia euclidiana entre dichos componentes, al tiempo de maximizar la correlación en las ventas internacionales. El periodo de estudio abarca del 2016 a 2021. Los resultados sugieren que las ventas internacionales no se vieron impactadas por el incremento de los salarios mínimos, componente de la implementación del PZLFN. Esto podría ser debido a que este tipo de empresas regularmente pagan salarios más elevados que el salario mínimo y el promedio de remuneraciones en los municipios, se observó un incremento de las remuneraciones medias de los establecimientos con Programa IMMEX en los municipios en tratamiento mayor en 5 puntos porcentuales que la variación presentada en los municipios control, con la incorporación de los insumos consumidos al modelo se identificó la posible existencia del impacto del Programa en poco más de 2.2 millones de pesos en promedio por municipio de ventas internacionales. Finalmente, el costo del Programa fue mayor al compararlo únicamente con la diferencia en el incremento de las ventas de los municipios fronterizos utilizados como tratamiento.