3. Licenciatura
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/7312
Explorar
3 resultados
Resultados de búsqueda
Ítem Texto completo enlazado Factores que influyen en el crecimiento de una Fintech del sector de leasing y alquiler de equipos de cómputo, durante el periodo de confinamiento 2020. Caso de estudio: Leasein Alquiler de Laptops(Pontificia Universidad Católica del Perú, 2021-11-05) Marcelo Ingunza, Erick Martin; Muñoz Ramsay, Renzo Javier; Chaihuaque Dueñas, BrunoLa presente investigación tiene como sujeto de estudio a la empresa Leasein Alquiler de Laptops, una fintech dedicada al arrendamiento de equipos de cómputo enfocada en ofrecer servicios de leasing tanto operativo como financiero dirigido a pequeñas y grandes empresas o usuarios individuales, que ha experimentado un crecimiento destacable en los últimos años, incluso en el 2020. Si bien esta fintech ha sido recientemente incluida dentro de los cinco segmentos más grandes de esta industria, se ha podido validar que su sector aún se encuentra en desarrollo, con un alto potencial de crecimiento en los próximos años. En el Perú, si bien la industria fintech ha mostrado un crecimiento acelerado en los últimos años, se han encontrado muy pocos estudios empíricos que traten sobre este fenómeno; menos aún, investigaciones que consideren el contexto dada por la enfermedad del COVID-19. Por ello, esta investigación pretende realizar un aporte en el conocimiento teórico del crecimiento empresarial enfocado en una fintech del sector de leasing y alquiler de activos de cómputo, tomando en consideración dentro del análisis, el efecto del factor externo derivado de la emergencia mundial sanitaria. Para ello, se realizaron una serie de entrevistas a colaboradores de la empresa a partir del cual se definieron ciertos factores tanto internos como externos que luego fueron validados por medio de entrevistas a especialistas y de la revisión teórica. En lo que respecta a la codificación, sistematización y análisis de la información recabada del trabajo de campo, se utilizó el software ATLAS.ti 9 en sus versiones desktop y cloud. De esta forma, se identificaron once variables entre internas y externas que influyeron en el crecimiento de la empresa Leasein Alquiler de Laptops, destacando la importancia de la capacidad que tuvieron para adaptarse a las nuevas reglas dictadas por el gobierno y del factor externo derivado de la pandemia mundial sanitaria. De esta manera, la investigación cumple con el objetivo principal al responder a la pregunta de investigación sobre cuáles son los factores que han permitido el crecimiento empresarial de Leasein Alquiler de Laptops en Lima Metropolitana en el 2020. En esa línea, la contribución del presente estudio parte por dar a conocer estos factores en un entorno de pandemia, lo cual, si bien no es extrapolable, puede servir para CEO del sector de estudio o de la industria en general. Además, puede servir de referencia para nuevos emprendedores que busquen incursionar en este sector. Asimismo, se detallan las recomendaciones para la empresa y futuros investigadores que quieran realizar algún estudio de emprendimientos de este tipo.Ítem Texto completo enlazado Desarrollo de un modelo para la predicción del precio del cobre empleando herramientas de Machine Learning(Pontificia Universidad Católica del Perú, 2020-12-18) Fosca Gamarra, Almudena; Miranda Castillo, Oscar EnriqueA lo largo del presente trabajo de investigación se exploró el uso de herramientas de inteligencia artificial (Machine Learning) en la predicción del precio de cobre. Este proyecto de investigación se desarrolla dentro de las actividades del Grupo de investigación en finanzas aplicadas (GIFA) de la PUCP. En el cual, a partir de conocimientos interdisciplinarios se busca explotar metodologías de Inteligencia Artificial aplicando Machine Learning en el ámbito de inversión financiera. En el capítulo 1, se exponen trabajos previos para el pronóstico de acciones, índices bursátiles y commodities, pudiendo comparar y contrastar los resultados obtenidos al aplicar diversos algoritmos. De esta forma, se emplean los estudios previos presentados como base para la ejecución y selección del modelo en esta tesis. Asimismo, de manera más detallada se presentan los factores más importantes en el comportamiento del precio de un commodity. En el capítulo 2, se estructura la metodología a emplear en el desarrollo de la investigación. Se especifica el tipo de investigación y diseño, así como las métricas de evaluación a emplear. El tercer capítulo corresponde al modelo de predicción basado en herramientas estadísticas tradicionales. Se presenta la metodología Box Jenkins como punto de partida para la ejecución del modelo ARIMA, posteriormente se evalúan los resultados obtenidos con este. A partir del cuarto capítulo se introducen los conceptos de Machine Learning. Inicialmente se presenta un flujograma base para la elaboración de un algoritmo, y con este se estructuran dos modelos: regresión lineal y SVR. A lo largo de este capítulo se construyen ambos algoritmos de manera básica, desde la categorización del problema hasta la validación, según el flujo de procesos presentado. El quinto capítulo tiene como objetivo evaluar la importancia de realizar un análisis de selección de atributos con el fin de mejorar el modelo. De esta forma, se utilizan dos algoritmos de selección y posteriormente se comparan los resultados obtenidos. El sexto y último capítulo del cuerpo de esta investigación se centra en optimizar el modelo SVR a través de la implementación de algoritmos de selección de hiperparámetros.Ítem Texto completo enlazado Consideraciones en la adopción de una billetera móvil para la inclusión financiera : el caso de BIM en el distrito de San Juan de Lurigancho entre los años 2016 y 2017(Pontificia Universidad Católica del Perú, 2018-04-26) Llaxacondor Gonzales, Arturo Javier; Bonifaz Chirinos, Mónica PatriciaEsta investigación tiene como objetivo identificar los factores que influyen en la adopción de la billetera móvil BIM a nivel de su canal de distribución, es decir, de los agentes (denominados “bimers”), en el distrito de San Juan de Lurigancho. Con este objetivo se realiza un análisis a tres niveles. Primero, se analiza en qué medida las características sociodemográficas de los “bimers” y la de sus negocios están relacionados con la adopción de la billetera. En segundo lugar, las percepciones que tienen los “bimers” del producto y cómo estas se asocian con el nivel transaccional. Finalmente, se explora la forma en que el diseño y gestión del canal facilitan o no la adopción de BIM. El enfoque elegido fue mixto y la ejecución secuencial. Se realizó, primero, un trabajo de gabinete que incluyó la revisión de fuentes secundarias, principalmente, documentos provistos por la empresa que gestiona y opera BIM. Luego, se realizaron entrevistas semiestructuradas a los ejecutivos de BIM, al equipo de asesores comerciales que visita a los “bimers” y a los “bimers” mismos. Finalmente, se aplicaron encuestas a una muestra de “bimers”, que fueron luego procesadas con ayuda de un software estadístico. Los principales hallazgos fueron que las características del negocio sí tienen relación con la adopción de BIM. Es particularmente relevante la adopción en los establecimientos que tienen más afluencia de clientes por su giro de negocio, ubicación o por ser agente de una institución financiera. No se halló mayor asociación entre las características sociodemográficas del “bimer” y el uso activo de la billetera; sin embargo, según insights recogidos, las personas más jóvenes y con experiencia en el uso de productos financieros tendrían más facilidad para usar la plataforma de BIM y, eventualmente, adoptarla Por otro lado, tampoco se halló una asociación relevante entre la percepción que tienen los “bimers” de BIM y su uso activo. Se constató, no obstante, que sí perciben la utilidad de BIM al reducir esta los riesgos asociados al manejo de efectivo, utilizar una plataforma que no requiere internet ni conexión a energía eléctrica, y plantear un esquema más flexible en comparación con los de otros proveedores de recargas de tiempo aire. Asimismo, se halló que los “bimers” que mostraban desconfianza hacia BIM habían tenido malas experiencias por fallas del sistema y una respuesta poco oportuna a sus reclamos. También se halló que los “bimers” que operan desde smartphones perciben la plataforma como muy lenta o poco amigable. En cambio, aquellos que operan desde teléfonos de gama baja opinaron que BIM es fácil y rápido de usar. Finalmente, se encontró que el manejo del canal es fundamental para que los “bimers” conozcan operativamente el producto y genere mayores posibilidades de adopción.