Modelo matemático de programación no lineal para optimizar utilidades en los créditos en el sistema financiero
Barra lateral del artículo
Contenido principal del artículo
Resumen
La presente investigación tuvo como objetivo general determinar en qué medida el modelo matemático de programación no lineal optimiza las utilidades en los créditos en el sistema financiero. La investigación fue aplicada pre experimental de enfoque cuantitativo, la población y muestra estuvieron conformada por cuatro tipos de créditos, se utilizó como instrumento a la hoja de registro de datos. El modelo matemático de programación no lineal haciendo uso del software LINGO optimizó las utilidades en los créditos con un incremento de 279 118,10 soles equivalente al 2,66% de incrementó en las rentabilidades. También optimizó las utilidades en el Crédito Agropecuario con un incremento de 96 005,10 soles, equivalente al 2,98%. Optimizó las utilidades en el Crédito Hipotecario con un incremento de 717 677,30 soles, equivalente al 3,88%. Optimizó las utilidades en el Crédito Informal con un incremento de 10 531,50 soles, equivalente al 1,11%. Optimizó las utilidades en el Crédito Formal con un incremento de 292 258,60 soles equivalente al 2,68%.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Citas
Carrasco, W. (2020). Algoritmos genéticos aplicados a la optimización de los créditos en la Caja Sullana-Chimbote [Tesis de doctorado, Universidad San Pedro]. http://repositorio.usanpedro.edu.pe/handle/20.500.129076/15765
Carranza, D. y Moncada, L. (2019). Optimización de las utilidades en la Empresa DM&E S.A.S mediante un modelo de programación lineal que permita mejorar su rendimiento operacional [Trabajo de grado, Universidad Piloto de Colombia]. http://repository.unipiloto.edu.co/handle/20.500.12277/6428
Castillo, J. (2007). Aplicación de la programación no lineal para la determinación de la cartera óptima de inversión: una aplicación al mercado de valores peruano [Tesis de maestría, Universidad Nacional Mayor de San Marcos]. https://cybertesis.unmsm.edu.pe/handle/20.500.12672/11071
Chiavenato, I. (2006). Introducción a la teoría general de la administración. México: McGraw-Hill.
Ciccarelli, M., Maddaloni, A., & Peydró, J. (2015). Trusting the bankers: A new look at the credit channel of monetary policy. Review of Economic Dynamics, 18(4), 979-1002. https://doi.org/10.1016/j.red.2014.11.002
Da Silva, S., Tabak, B., Cajueiro, D., & Fazio, D. (2017). Economic growth, volatility and their interaction: What’s the role of finance? Economic Systems, 41(3), 433-444. https://doi.org/10.1016/j.ecosys.2016.10.008
Espinosa-Paredes, G., & Vásquez, A. (2016). Aplicaciones de programación no lineal. OmniaScience. http://dx.doi.org/10.3926/oss.21
Gutiérrez-Sánchez, P. (2022). Programación no lineal [Trabajo de fin de grado, Inédito, Universidad de Sevilla].
Hernández-Sampieri, R., & Mendoza, C. (2020). Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta. McGraw Hill México. https://bit.ly/3U7NZLm
Hill, M., Kelly, G., Preve, L., & Sarria-Allende, V. (2017). Trade Credit or Financial Credit? An International Study of the Choice and Its Influences. Emerging Markets Finance and Trade, 52(10), 2318-2332. https://doi.org/10.1080/1540496X.2017.1319355
Hsu, P., Tian, X., & Xu, Y. (2014). Financial development and innovation: Crosscountry evidence. Journal of Financial Economics, 112(1), 116-135. https://doi.org/10.1016/j.jfineco.2013.12.002
Kindleberger, C. (2015). A financial history of Western Europe. Routledge.
Marki, R. & Knezevic, M. (2024). Nonlinear optimization for compact representation of orientation distributions based on generalized spherical harmonics. Journal of the Mechanics and Physics of Solids, 187, 105609. https://doi.org/10.1016/j.jmps.2024.105609
Nogales, A. (2014). Mixed Integer Nonlinear Optimization. Applications to Competitive Location and Supervised Classification [Tesis doctoral, Universidad de Sevilla]. https://hdl.handle.net/11441/106951
Rist, C. (2016). History of Monetary and Credit Theory: From John Law to the Present Day. Routledge. https://doi.org/10.4324/9781315440965
Ramos, H. (2017). Implementación de una herramienta de análisis de riesgo de crédito basado en el modelo de rating de crédito, algoritmos genéticos y clustering jerárquico aglomerativo [Tesis para optar el título de Ingeniero de Sistemas, Universidad Nacional Mayor de San Marcos]. https://core.ac.uk/download/pdf/323349107.pdf
Sotelo, C. (2010). Problemática de la Gestión Financiera de las MYPEs [conferencia]. XXII Congreso Nacional de Contadores Públicos del Perú 2010, Arequipa, Perú. https://es.slideshare.net/CarlosSoteloLuna/ti-problematica-mypes-en-el-peru-2009
Veloz, C., Jiménez, D. L., Almache, V. C., & Salazar, R. (2024). A non-linear optimization model assessment for the economic dispatch of isolated microgrids. Ingenius, (31), 32–42. https://doi.org/10.17163/ings.n31.2024.03