(https

(https
://twitter
(http
://www
://
.com
www
.facebook
/unimedio
.agencia
.co
ES
de-

Noticias-

Buscar en la Universidad

revistas.unal.edu.co
BIBLIOTECA DIGITAL

(http://unal.edu.co)

UN/193658967327822)

(http://www.revistas.unal.edu.co)

BIBLIOTECAS

RECURSOS BIBLIOGRFICOS

FORMACIN

ACERCA DEL SINAB

Est en: Inicio

DYNA

(http://www.revistas.unal.edu.co/index.php/dyna/index)
/

Vol.

75,

Nm.

154 (2008)

MODELO DE INFERENCIA DIFUSO PARA ESTUDIO DE CRDITO

(http://www.revistas.unal.edu.co/index.php/dyna/issue/view/488)
/

FUZZY INFERENCE SYSTEMS TO CREDITWORTHINESS ANALYSIS

MEDINA HURTADO

(http://www.revistas.unal.edu.co/index.php/dyna/article/view/1729/11625)
SANTIAGO MEDINA HURTADO
Profesor Asistente, Escuela de Ingeniera de la Organizacin, Universidad Nacional de Colombia, Sede Medelln

Portal de revistas UN

smedina@unalmed.edu.co

(mailto:smedina@unalmed.edu.co)

Iniciar sesin
GISELA PANIAGUA GMEZ
Especialista en Ingeniera Financiera. Universidad Nacional de Colombia, Sede Medelln

Registrarse

Recibido para revisar Noviembre

17 de 2006, aceptado Febrero 12 de 2007, versin nal Agosto 21 de 2007

: El trabajo presenta el estudio realizado en una cooperativa de servicios nancieros, la cual utiliz un Sistema de

RESUMEN

Desarrollador por

Inferencia Difuso para evaluar la solvencia de los asociados de la cooperativa solicitantes de crdito. Para desarrollar el
modelo se cont con la base de datos de los asociados de la cooperativa y la opinin de expertos. De la base de datos se

Open Journal Systems

extrajo informacin sobre el monto del crdito otorgado, plazo, garantas, aportes sociales e historial crediticio de los
clientes, para utilizarlos en el desarrollo del Modelo, el cual parte de denir las relaciones entre las variables de entrada y
salida con ayuda del criterio experto. Lo anterior permite denir la base de conocimiento que representa por una parte, el
entendimiento que los expertos tienen del fenmeno y por otra, sus sistemas de razonamiento. De esta manera se obtiene

Ayuda

un modelo que considera toda la informacin en el proceso de evaluacin crediticia bajo una perspectiva ms objetiva con

Servicio de ayuda de la revista

el

de minimizar as el riesgo operativo y de contraparte en el otorgamiento del crdito.

: Anlisis de solvencia, Evaluacin de crdito, Sistema de inferencia difuso.

PALABRA CLAVE

: The work presents the study made in a cooperative of nancial services, for which a Fuzzy Inference System is

ABSTRACT

Nmero actual

ATOM

used, with the purpose of evaluating the solvency of those associated of the cooperative credit applicants. In order to
develop the model, we used the data base of the associate of the cooperative and the opinion of experts. From the data

1.0

base information was extracted on the amount of the granted credit, term, guarantees, social contribution, and historical

RSS

2.0

RSS

1.0

credit of the clients, to use them in the development of Model, which part to dene the relations between the entrance
and exit variables with the help of the experts criterion. The previous thing allows dening the knowledge base that
represents on one hand, the understanding that the experts have of the phenomenon and by another one, its systems of
reasoning. This way a model is obtained that considers all the information in the process of credit evaluation under one
more objective perspective with the purpose of diminishing in this way the operative risk in granting the credit.

: Creditworthiness analysis, Fuzzy Inference Systems.

KEYWORDS

Bienvenido a DYNA

1. INTRODUCCIN

Nmero actual

Uno de los temas de mayor relevancia en el tratamiento de los riesgos del sector

Nmeros anteriores

administracin del crdito de cartera de las entidades

Avisos

Categora A1

nanciero

y cooperativas de ahorro y

crdito, es el asociado al crdito. Un cuidadoso anlisis en la concesin de ste es lo que permite tener una adecuada

nancieras.

Por lo tanto, un aspecto de extraordinaria importancia en la gestin de los riesgos crediticios es el relativo al anlisis y

Publindex

evaluacin del riesgo, as como la clasicacin de los clientes y la capacidad de pago, entre otros.

Scielo
Estos procesos de anlisis de riesgos precisan de fuentes de informacin, tanto internas como externas y de unos sistemas
especcos de evaluacin.

Generalmente en el tema de evaluacin de crdito se tienen en cuenta aspectos cuantitativos y cualitativos. Histricamente
los primeros se han tratado de una manera sistemtica, a travs de instrumentos estadsticos y economtricos; los

Idioma

Espaol

Ir

segundos, o aspectos cualitativos, han sido tratados de acuerdo con los criterios de las entidades

nancieras

y por los

expertos en el tema. Hasta ahora las entidades tienen herramientas para codicar estas variables cualitativas o variables
ling

sticas basadas en sistemas de puntos para los niveles denidos en el sistema de clasicacin. El anterior sistema de

calicacin bsicamente es una aplicacin de la lgica bivaluada.

Contenido de la revista

Todos

Nueva bsqueda

El uso de niveles en el sentido de la lgica clsica genera inconvenientes en los casos cercanos a los lmites ya que se pasa
de manera abrupta de pertenecer de un conjunto o a otro. En la lgica multivalente, el pasar de un estado a otro es una
cuestin de grado, por otra parte, se rompe con el principio de la no contradiccin o del tercero excluido, es decir, un objeto
de estudio puede pertenecer a la vez a conjuntos contrarios en cierto grado.

Buscar

Otro aspecto a considerar en los problemas de decisin es la calidad de la informacin, en este sentido, en muchas

Por nmero

ocasiones no se cuenta con la informacin suciente para aplicar modelos matemticos convencionales, lo que ha obligado

Por autor/a

a buscar modelos alternativos. Precisamente en la bsqueda de modelos que tengan en cuenta estas realidades surge la
Lgica Difusa como un modelo matemtico que permite utilizar conceptos relativos a la realidad, siguiendo patrones de

Por ttulo

comportamiento similares al pensamiento de los humanos.

Por secciones
En la vida real existen hechos que no se puede denir como totalmente verdaderos o totalmente falsos, sino que tienen un

Por tipos de identicacin

grado de verdad o falsedad que puede variar de

1;

la lgica clsica no es la ms adecuada para tratar este tipo de

razonamientos ya que excluye por completo una tercera posibilidad

Otras revistas

En el sector

(costo

nanciero,

(o

ms) entre estos dos valores.

la aplicacin de la lgica difusa es diversa, por ejemplo el anlisis de crdito, el anlisis de inversin

del capital, anlisis de equilibrio, etc.), son algunos de los trabajos representativos del uso de las nuevas

tecnologas. La lgica difusa ha permitido incluir en la mayora de modelos

Tamao de fuente

nancieros

la incertidumbre de manera

diferente a como lo hace actualmente la teora de probabilidades.

La ventaja que tiene la lgica difusa es que permite denir e incluir en el anlisis conceptos o variables, an cuando no
estn formulados de forma precisa. sta trabaja con reglas de inferencia, las cuales se obtienen de las experiencias del
operador o a partir de las series histricas que son propias de cada sistema.

Indexada y registrada en

Actualmente el sector

nanciero

y empresas del sector real necesitan medir sus riesgos

liquidez, etc.) y cubrirlos. En este sentido para el sector

(http://201.234.78.173:8084/publindex)

nanciero

(de

los Acuerdos de Basilea

mercado, crediticio, operativo,

[11]

cuya

losofa

metodologas han sido adoptadas por muchos entes reguladores, han propiciado la formalizacin de estructuras orgnicas
para la gestin de riesgos. Para el caso especco del riesgo de crdito se estudian las operaciones que se realizan para

(http://www.doaj.org/)

garantizar una excelente administracin crediticia, adems, uno de los retos que tienen las entidades

nancieras

cooperativas es la permanencia en el mercado y ello les exige que sean ms rpidas y slidas. Tiene sentido entonces
aumentar los volmenes de crdito de sus usuarios sin ver afectados los indicadores de riesgos, para poder permanecer en

(http://www.scielo.org.co/scielo.php?

el mercado.

script=sci_serial&pid=0366-5232&lng=en&nrm=iso)

Los efectos de la posible insolvencia de sus clientes justican la necesidad de desarrollar herramientas de evaluacin de la

(http://www.erevistas.csic.es/cha_revista.php?
oai_iden=oai_revista656)

(http://www.redalyc.org/home.oa)

capacidad para afrontar sus deudas. Ante esta realidad, es necesario disear un modelo de evaluacin crediticia para
intentar determinar la calidad

nanciera

de los usuarios y su capacidad de cumplir con el contrato de pago.

Por lo anterior, el presente trabajo se centra en el diseo e implementacin de un modelo difuso para minimizar el riesgo
crediticio. La aplicacin de ste se recomienda a la Cooperativa de Ahorro y Crdito, entidad que aport la informacin
necesaria para el desarrollo del modelo.

(http://thomsonreuters.com/thomson-reuters-webof-science/target="_parent")

(http://www.scopus.com/)

2. LGICA DIFUSA
El origen de la lgica difusa se encuentra en los anlisis de la vaguedad y su relacin con la lgica clsica que se realizaron a
comienzos del siglo XX. A pesar del considerable inters por las lgicas multivalentes que despertaron Jan Lukasiewicz y su

(http://dialnet.unirioja.es)

escuela, al desarrollar lgicas con valores de verdad intermedios alrededor de

los llamados
vagos. En

de ?
la
(http://www.latindex.unam.mx/buscador/cRev.html

opcion=1&folio=7320)

perles

1965

de consistencia

(antecesores

1930,

fue Max Black quien primero propuso

de las funciones de pertenencia borrosas) para caracterizar smbolos

Lofti Zadeh, con la denicin de conjunto difuso a partir de la idea de pertenencia gradual, sienta las bases

lgica polivalente y del clculo de la incertidumbre, denominado por el propio Zadeh

Teora

de la Posibilidad. La

teora de conjuntos difusos permite expresar en trminos matemticos los procesos lgicos y del razonamiento
aproximado que es el utilizado por el hombre en la vida cotidiana. Luego Mandani en

1977

extendi el concepto de

conjunto difuso a sistemas de lgica difusa que actualmente constituye un importante tpico de investigacin y desarrollo

SJR

de aplicaciones industriales. Por otra parte las investigaciones tericas han enfatizado en la borrosicacin de reas como
la aritmtica, el algebra, la programacin lineal, la topologa, el clculo integral y diferencial, la geometra, las
desigualdades, la trigonometra, la geometra plana, los sistemas de ecuaciones lineales.

La teora difusa rebas el mbito estrictamente matemtico y es as como se ha integrado a otras disciplinas: la semntica,
la lgica, la psicologa, la fsica, la economa, la geografa, la inteligencia articial, etc. Por otra parte en

1978

comienza la

publicacin de la revista Fuzzy Sets and Systems, dedicada a cuestiones especcas de sistemas difusos, lo que ha
permitido la ampliacin de la base matemtica y de aplicaciones prcticas.

Lo difuso, para Zadeh, es algo inherente en el conocimiento humano en general

(o

en buena parte), y por lo tanto, deberia

ser un componente esencial de cualquier teora socio econmica. Otra de las motivaciones de Zadeh es lo que l llama

(http://www.scimagojr.com/journalsearch.php?
q=12600154771&tip=sid&exact=no)

principio de incompatibilidad, el cual arma que:

medida que aumenta la complejidad de un sistema, nuestra capacidad para hacer armaciones sobre su

comportamiento que sean precisas y al mismo tiempo signicativas, va disminuyendo, hasta alcanzar un umbral por debajo
del cual la precisin y signicacin

Palabras clave

(o

pertinencia) llegan a ser caractersticas mutuamente excluyentes

La metodologa de los sistemas difusos responde, segn lo anterior, a la urgente necesidad de elaborar otros modelos,
diferentes de los de la lgica y de la teora de conjuntos clsicos, que estn demandando extensos campos conceptuales en
los que realmente hay vaguedad e imprecisin. El objetivo es tratar lo difuso de manera sistemtica, aunque no

Herramientas del artculo

necesariamente cuantitativa, pues los elementos claves en el pensamiento humano no son nmeros, sino conceptos

(rotulos)
Resumen

que pueden ser expresados mediante conjuntos difusos, i. e., clases de objetos en los que la transicin de la

pertenencia a la no pertenencia es ms gradual que abrupta. Por ejemplo:

"muy

atractiva",

"extremadamente

inteligente",

"bastante

Imprima este artculo

aceptable",

"ms

o menos acertado",

"casi

verdad", etc. Tales conjuntos no vienen determinados

los conjuntos en sentido clsico: por una denicin extensional o intencional

Metadatos de indexacin

de sus elementos), sino por referencia a un contexto, por un procedimiento

determinados por referencia a dominios especcos

Cmo citar un elemento

(la

"semntico"

ms que

"sintctico";

quedan

(locales).

modelos que resultan especialmente tiles para tratar con la incertidumbre de manera ms

Enviar un correo electrnico al

(Inicie

como

La teora de los conjuntos difusos y sus ulteriores desarrollos, la lgica difusa y la teora de la posibilidad, constituyen

Enve este artculo por correo

Publique un comentario

(denidos)

cual garantiza, y por igual, la pertenencia

sesin)

"natural"

y ms

"humana"

que

la lgica y la teora de conjuntos clsicas. Los sistemas extrados de la lgica clsica presentan las dicultades de la rigidez

edad del signicado que se da en el lenguaje

y la bivalencia, y resultan, por ello, inservibles para expresar la ambig

natural, base fundamental de nuestros procesos cognoscitivos en la toma de decisiones y de la interaccin entre el hombre
y la mquina en la Ingeniera del Conocimiento.

Existen otras metodologas extradas de la teora de la probabilidad para tratar con la incertidumbre: la inferencia
bayesiana, la teora de las probabilidades subjetivas, la teora de la evidencia de Dempster y Shafer, etc., pero hay un cierto
tipo de incertidumbre de la que no puede dar cuenta la teora de la probabilidad, como es el caso de la vaguedad

(lo

malamente denido) la cual queda por fuera del contexto de la probabilidad.

Hasta el momento la incertidumbre denida como la aleatoriedad de los sucesos o fenmenos

(azar)

se ha medido con

base en la teora de la probabilidad sin embargo, la vaguedad queda por fuera de esta. El desarrollo terico formalizado
inicialmente por Zadeh en

Por ejemplo:

"El

1965

plantea para su tratamiento la teora de la posibilidad.

prximo mes el precio subir",

"Lanza

el dado y saca un tres", etc. Este tipo de incertidumbre constituye

fundamentalmente el campo de la teora de la probabilidad. Sin embargo, la incertidumbre puede provenir de la

imprecisin del fenmeno causado por la ambig
proyecto es Alta,

la

edad, la vaguedad o por deniciones subjetivas. Por ejemplo la TIR del

poltica de inversiones es conservadora, este tipo de armaciones constituye el campo de aplicacin

de la lgica difusa. Este tipo de armacin es comn en el campo social y en muchos problemas de Economa de empresa
donde los expertos toman sus decisiones basados en esquemas no cuantitativos y que sobrepasan en mucho los resultados
obtenidos de los modelos matemticos o estadsticos convencionales.

3. CONJUNTOS DIFUSOS Y SISTEMAS DE LGICA DIFUSA (FIS)

La creciente necesidad de dar solucin apropiada a problemas de ndole poltico, econmico, social, administrativo y

nanciero,

que parten de percepciones estrictamente humanas y que como tal no cuentan con la suciente informacin

para aplicar modelos matemticos convencionales, ha obligado a la bsqueda de modelos alternativos que permitan llegar

sticos. La Lgica Difusa aparece como una de las

a valores numricos a partir de variables expresadas en trminos ling

herramientas que permite hacer esta trasformacin y que proporciona una visin diferente a la otorgada por la Lgica
Formal o Clsica.

La Lgica Clsica, o Lgica Bivaluada, no resulta adecuada cuando se trata de describir hechos que no son totalmente
verdaderos o totalmente falsos ya que excluye por completo posibilidades entre estos dos valores. La Lgica Difusa en
cambio, permite utilizar conceptos relativos de la realidad, deniendo grados variables de pertenencia y siguiendo patrones

(Kosko, 1995).

de razonamiento similares a los del pensamiento humano

La Lgica Difusa est relacionada y fundamentada en la teora de los Conjuntos Difusos, segn la cual, el grado de
pertenencia de un elemento a un conjunto est determinado por una funcin de pertenencia que puede tomar todos los
valores reales comprendidos en el intervalo

(0, 1) (Jang, 1997,

Kulkarni,

2001,

Kasabov,

1998

y Kosko,

1995).

De esta

manera, mientras que en el marco rgido de la lgica formal la utilidad de una empresa, por ejemplo, es baja, dndole un
valor de cero

(0)

o es alta dndole un valor de uno

intermedias de utilidad como

muy

baja,

(1),

para la lgica difusa son posibles tambin todas las condiciones

relativamente

alta,

media,

ligeramente baja, etc.

Las condiciones extremas o absolutas asumidas por la lgica formal son slo un caso particular dentro del universo de la
lgica difusa. Esta ltima permite ser relativamente imprecisa en la representacin de un problema y an as llegar a la
solucin correcta

(Kosko, 1995).

Con la Lgica Difusa se abre la posibilidad de dar solucin a problemas expresados desde la perspectiva humana y que, por
sta simple condicin, no pueden tener una solucin nica desde lo

falso

verdadero

sino que pueden tomar

condiciones intermedias para dar soluciones satisfactorias a los problemas presentados.

Actualmente existe una amplia literatura sobre la teora de los conjuntos difusos aplicada a todos los campos de la
matemtica como la aritmtica, el lgebra, el clculo diferencial e integral, sistemas de ecuaciones, la topologa, la
econometra, la programacin lineal, la programacin multiobjetivo, la programacin dinmica, las desigualdades,
funciones, la geometra plana, la trigonometra, la teora probabilstica
matemtica difusa consltese Buckley
difusos puede consultarse a Kaufman

2002;

1990,

(Zadeh, 1968),

etc.

(Para

una introduccin a la

para un tratado completo de la fundamentacin matemtica de los conjuntos

Trillas

Los sistemas de inferencia difuso tipo Mandani

1980 ,

Kaufman

1982

(Mandani, 1977, 1981)

o Jang

1997).

fueron los primeros sistemas en ser probados de

manera prctica como aproximador universal de funciones. Posteriormente

(Kosko, 1992

y Wang,

1992),

se estableci

formalmente que cualquier relacin entre variables de entrada y salida, puede ser aproximada mediante un sistema difuso

sticos con alto grado de exactitud (aproximador universal).

construido en trminos ling

Un Sistemas de Inferencia Difuso

FIS, es una forma de representar conocimientos y datos inexactos en forma similar a

como lo hace el pensamiento humano

(Jang, 1997).

Un FIS dene una correspondencia no lineal entre una o varias

variables de entrada y una variable de salida; esto proporciona una base desde la cual pueden tomarse decisiones o denir
patrones.

Las etapas que deben cumplirse para el montaje de un Sistema de Inferencia Difuso se muestran en la Figura

Figura

1.

1. Sistema de inferencia difuso.

Figure

1. Fuzzy Inference Systems

Los pasos esenciales para el diseo de un sistema difuso son

(Jang, 1997,

Kasavov,

1998

y Kosko,

1992):

i. Identicar el tipo de problema y el tipo de sistema difuso que mejor se ajusta a los datos.

ii. Denicin de variables de entrada y salida, sus valores difusos y sus funciones de pertenencia

(parametrizacin

de

variables de entrada y salida).

iii. Denicin de la base de conocimiento o reglas difusas.

iv. Obtencin de salidas del sistema mediante la informacin de las variables de entrada utilizando el sistema de
inferencia difuso.

v. Traslado de la salida difusa del sistema a un valor ntido o concreto mediante un sistema de

concrecin.

vi. Ajustar el sistema validando los resultados.

La aplicacin de modelos basados en Lgica Difusa permite abordar de manera efectiva la creacin de sistemas soporte
para la toma de decisiones ya que brinda la capacidad de extraer datos de forma prctica, y a travs de las capacidades
analticas y la experiencia de los evaluadores, descubrir relaciones signicativas entre ellos. Los modelos de Lgica Difusa
son altamente

exibles,

ms tolerantes a la imprecisin de los datos y pueden trabajar con funciones no lineales de diversa

complejidad, as mismo no estn obligados por presunciones estadsticas acerca de las caractersticas de los datos y sus
distribuciones de probabilidad y se les puede modicar fcilmente dependiendo de la solucin requerida del problema.

Cuando se cuenta con informacin imprecisa e insuciente, usar instrumentos estadsticos no es suciente para obtener
resultados signicativos. La Lgica Difusa surge precisamente para tratar con este tipo de problemas y lograr darles una
solucin ptima. De sta forma, una combinacin entre un sistema de Lgica Difusa y la experiencia o conocimiento que
tienen los encargados de tomar las decisiones es una excelente manera de obtener buenos resultados

(Kosco, 1995).

A continuacin se explican los pasos que integran un FIS:

. En esta primera etapa se denen las variables tanto de entrada como de salida del sistema

Proceso de concrecin

(variables

sticas), sus valores lingsticos y sus funciones de pertenencia. Este proceso tambin es llamado

ling

parametrizacin.

El trmino

variables

sticas se reere a variables que pueden tomar valores ambiguos, inexactos o poco claros, por

ling

stica Rentabilidad puede tomar los valores lingsticos bajo, medio y alto, que tienen un

ejemplo, la variable ling

signicado semntico y que se pueden expresar numricamente por funciones de pertenencia.

De esta manera, se puede hablar formalmente de Conjunto Difuso como:

Sea: X el universo de valores que puede tomar la variable

x un elemento cualquiera de X

X coleccin de elementos x que pertenecen a X

Si X es una coleccin de objetos denotados genricamente por x, entonces el conjunto difuso A en X es denido como el
conjunto de pares ordenados:

Donde

(x)

se denomina funcin de pertenencia del conjunto difuso A. La funcin de pertenencia otorga a cada elemento

de X un grado de membresa entre

1.

Los tipos de funciones de pertenencia comnmente utilizados son: la funcin

Triangular, Trapezoidal, Gausiana, Sigmoidal y Generalizada de Bell. stas se escogen de forma tal que se consiga una

adecuada correspondencia entre los espacios de entrada y salida de un sistema. La Figura

presenta tres conjuntos difusos

sticos bajo, medio, alto para la variable margen Operativo.

con valores ling

Figura

2. Conjuntos difusos y funciones de perteneca

Figure

2. fuzzy Set and membership function

sticos

El proceso de parametrizacin consiste en denir funciones de pertenencia para cada uno de los valores ling

sticos son denidos con base a

denidos para las variables de entrada y salida del sistema. En general los valores ling
opiniones de expertos los cuales se distribuyen a lo largo del universo del discurso

(rango

posible de valores que puede

tomar la variable).

Cuando hay informacin previa de la variable de inters, la distribucin de los conjuntos difusos en el universo del discurso
puede basarse en un anlisis estadstico previo de la serie histrica

(histograma

de frecuencias) conjugada con la opinin de

los expertos, mientras que para aquellas variables que caracterizan posiciones netamente subjetivas

(por

ejemplo

propensin a tomar riesgos) puede denirse una escala de calicacin donde los expertos ubican los niveles de la variable y
a los que se le asocian los conjuntos difusos.

Reglas Difusas SI Entonces: Estas reglas especican la relacin entre las variables de entrada y salida del sistema. Las
relaciones difusas determinan el grado de presencia o ausencia de asociacin o interaccin entre los elementos de

o ms

conjuntos.

La regla SI-ENTONCES tipo Mandani, asume la forma:

.,A

Donde A1,A2,

,B

X1 es A1 y X2 es A2 y.......y Xk es Ak Entonces Y es B

sticos denidos mediante conjuntos difusos para las variables lingsticas en el

son valores ling

..,X

universo del discurso X1,X2,

La parte de la regla

Si

Xi

y Y respectivamente.

es Ai es llamada el antecedente o premisa y la parte

es B es llamada el consecuente o

conclusin. La regla anterior, dene una relacin borrosa en el espacio k+1 dimensional caracterizada por una funcin de
pertenencia

>B (X1,X2, ..,Xk,Y) [0; 1].

Ak-

La base de las reglas borrosas en general se obtiene del conocimiento de expertos mediante entrevistas, cuestionarios o
tcnicas de panel, sin embargo, en muchas ocasiones no se tiene acceso a dichos expertos pero se cuenta con una base de
datos de las variables de entrada-salida. En situaciones como sta, es posible generar reglas borrosas que denan una
adecuada correspondencia entre las variables de entrada y salida.

La interpretacin de una regla SI-Entonces involucra dos pasos, el primero es evaluar el antecedente mediante la aplicacin
de cualquier operador difuso y el segundo paso es la implicacin o la aplicacin del resultado del antecedente al
consecuente. Esto se hace evaluando la funcin de perteneca
activacin de una regla

(activacin

>B (X1,X2, ..,Xk,Y). Es decir, se trata de evaluar la

A-

del consecuente) en funcin del grado de cumplimiento del antecedente. Para realizar

dicha tarea, se hace uso de operadores de composicin de conjuntos difusos y de la aplicacin de un sistema de inferencia

(tambin

llamado Razonamiento Difuso o Razonamiento Aproximado) el cual puede verse en la Figura

3.

Figura

3. Sistema de razomaniento aproximado

Figure

3. Reasoning approximate Systems.

. Las operaciones bsicas que se realizan con conjuntos difusos son la Unin, la Interseccin,

Operaciones de composicin

la Complementacin, el Producto Cartesiano y el Co-producto Cartesiano. Dichas operaciones se realizan mediante la

aplicacin de algn operador binario clasicado como T-normas
operaciones de unin).

(Kaufman, 1990,

Trillas,

1980,

Jang,

(para

1997,

operaciones de interseccin) o S-normas

Kulkarni,

2001,

Kasabov,

(para

1998)

Debido a que las reglas difusas denen una relacin difusa en el espacio k+1-dimensional caracterizado por una funcin de
pertenencia

>B (X1,X2, ..,Xk,Y) [0; 1], las operaciones bsicas con conjuntos difusos son relaciones de implicacin

Ak-

utilizadas para derivar las funciones de pertenencia de conjuntos difusos n-dimensionales. Por otra parte, tambin
permiten denir operaciones de composicin para derivar relaciones difusas entre diferentes espacios producto, es decir, si
tenemos relaciones para los espacios producto X x Y y Y x Z podemos a travs de operaciones de composicin obtener la
relacin del espacio producto X x Z.

Se han sugerido diferentes operaciones de composicin para las relaciones difusas, las ms conocidas son la composicin
Max-Min propuesta por Zadeh y la composicin Max-producto

Mecanismos de Inferencia

(Razonamiento Aproximado): El Razonamiento Aproximado es un procedimiento de inferencia

usado para derivar conclusiones desde un conjunto de reglas difusas tipo SI-ENTONCES y los datos de entrada al sistema
mediante la aplicacin de relaciones de Composicin Max-Min o Max-Producto. Es decir, es un mecanismo que permite
inferir un valor difuso B cuando se tienen unas entradas difusas en el espacio k-dimensional Ak y se ha denido una
relacin de implicacin R

Ak

-> B,

esto es:

Por ejemplo, considerando las dos reglas siguientes:

Regla

1:

SI x es A1 y y es B1 Entonces z es C1 si no,

Regla

2:

SI x es A2 y y es B2 Entonces z es C2.

Se trata de inferir el resultado C a partir de las entradas:

expresar cada regla en forma general como R1
para inferir

(z),

Donde C1 y C2

el operador de composicin

(Ver

Figura

3)

es A e

= (A1xB1)->C1

y R2

es B y el grupo de reglas anteriores. Se puede

= (A2xB2)-> C2.

Si se usa la composicin Max-Min

o se distribuye sobre el operador unin

son conjuntos borrosos inferidos de la regla

y regla

(U)

como sigue:

respectivamente. Este resultado

puede extenderse para el caso de n-reglas.

Agregacin. En esta etapa del proceso las salidas de cada una de las reglas se combinan para obtener un nico conjunto
difuso. Las entradas del proceso de agregacin son las funciones de pertenencia truncadas obtenidas de la etapa de
inferencia para cada una de las n-reglas. En la Figura

el conjunto C

C1 U C2 agrega las funciones truncadas de cada

regla.

El mtodo de agregacin es conmutativo, es decir, no importa el orden en el que la salida de cada regla es agregada. Este
proceso dene un mtodo para hallar C
inferidos de la regla

1,2, . ,n.

= (C1

.U Cn), donde C1, C2,.,Cn son los conjuntos difusos

U C2 U

y C es un conjunto difuso de salida con funcin de pertenencia igual a

(z),

dadas las

condiciones de entrada del sistema y la base de reglas. El operador de agregacin mas utilizado es Mximo, por tanto:

Donde Z= Universo del discurso de la variable de salida

(z)=Max (C1,C2, .,Cn)

Proceso de Concrecin: En sta ltima etapa se obtiene un valor ntido o concreto

C el cual proporciona la solucin del sistema planteado

(ver gura 3).

(K)

a partir del conjunto difuso de salida

Entre los mtodos de concrecin mas utilizados se

encuentran: Centroide, Bisectriz, Media de los mximos, Ms pequeo de los mximos y Ms grande de los mximos.

En las siguientes sesiones se presentan algunas aplicaciones de la lgica difusa en la solucin de problemas

nancieros.

4. IMPLEMENTACIN DEL SISTEMA PARA LA COOPERATIVA DE AHORRO Y CRDITO

Los solicitantes de crditos de la cooperativa son las personas naturales o jurdicas. Para el desarrollo del trabajo se toma
como referencia las personas naturales que realizan sus pagos por caja los cuales representan slo el
usuarios totales y un tamao muestral de

178

19.10%

de los

solicitantes de crdito. Los requisitos descritos a continuacin estn

orientados a evaluar la capacidad de pago para personas naturales:

Capacidad de pago, la cual relaciona los ingresos y egresos del deudor y

Considerando las condiciones del crdito

(plazo,

ujo

de caja del proyecto a

nanciar.

perodos de pago y otros), de conformidad con informacin

nanciera

actualizada y documentada.
Solvencia del deudor, a travs de variables como el nivel de endeudamiento y la calidad y composicin de los activos,
pasivos, patrimonio y contingencias del deudor y/o del proyecto.
Naturaleza, liquidez, cobertura, y valor de las garantas, teniendo en cuenta, entre otros aspectos, la celeridad con que
puedan hacerse efectivas, su valor de mercado tcnicamente establecido, los costos razonablemente estimados de su
realizacin y el cumplimiento de los requisitos de orden jurdico para hacerlas exigibles.
Las garantas que respaldan una operacin son necesarias para calcular las prdidas esperadas en el evento de no
pago. En este sentido, son fundamentales para determinar el nivel de las provisiones, pero no se deben tener en
cuenta para calicar los crditos.
Servicio de la deuda y cumplimiento de los trminos pactados, es decir, la atencin oportuna de todas las cuotas,
entendindose como tales cualquier pago derivado de una operacin activa de crdito que deba efectuar el deudor en
una fecha determinada, independientemente de los conceptos que comprenda

(capital,

intereses, capital e intereses o

cualquier otro).
Informacin comercial proveniente de centrales de riesgo como son data crdito, Procrdito.

Teniendo en cuenta lo anterior se denen como criterios mnimos para conceder un crdito los siguientes:

Capacidad de pago: ingresos menos egresos del deudor.

Capacidad de endeudamiento: bajo la variable nivel de endeudamiento tota, la calidad y composicin de los activos.
Garantas, personales o reales.
Informacin proveniente de las centrales de riesgos.

El Sistema de Inferencia Difuso, es implementado con el propsito de ayudar en la evaluacin de crditos, de acuerdo con
los criterios denidos que incorporan la percepcin de los especialistas de crditos. El problema consiste en analizar
algunas caractersticas de los usuarios para tomar la decisin de conceder o no el crdito, en el caso armativo, denir el
monto a prestar, todo lo anterior con el

de minimizar el riesgo crediticio y brindar este servicio

nanciero

de una manera

oportuna.

Para el desarrollo de este trabajo se le solicit a la cooperativa la base de datos que sirvi para modelar el problema, y se
consult en la solicitud de crdito de cada uno las condiciones

nancieras

en las cuales fueron otorgados los crditos. As

mismo se consult la calicacin crediticia, dada por las centrales de riesgo al momento del desembolso el crdito, y el
comportamiento histrico crediticio dentro de la entidad.

La entidad bajo estudio cuenta con

jubilados, un

37.90%

empleados y

932

asociados, que se clasican de acuerdo con el nicho de mercado as: en un

19.10%

43%

personas naturales. Los dos primeros realizan sus pagos va descuento de

nmina, y el ltimo efecta sus pagos por caja. Para el desarrollo del trabajo se tom como muestra de evaluacin
crediticia al

19.10%

de los crditos que se cancelan por caja, por ser sta una muestra de la cual existe ms informacin.

La base de datos facilitada para esta evaluacin, contiene bsicamente la identicacin del usuario, ingresos, egresos, valor

edad en la cooperativa y calicacin crediticia dada por la central de

del prstamo otorgado, tasa de inters, plazo, antig

riesgos, as como tambin los indicadores que se muestran a continuacin:

Capacidad de pago:

Ingresos Totales

Egresos Totales

Capacidad de endeudamiento:

Pasivo Corriente
Activo Corriente

Estos ndices, son un indicador de riesgo que asume la cooperativa en el eventual caso de deterioro de sus condiciones
laborales. La evaluacin de estos ndices permite medir y evaluar la capacidad de solvencia de un solicitante de crdito con
el

de reducir el riesgo de no pago en un momento determinado.

5. DESARROLLO DEL SISTEMA DE INFERENCIA DIFUSO

Con el propsito de minimizar el riesgo de contraparte se determinaron como indicadores principales para el otorgamiento
de crditos la capacidad de pago, los aportes sociales, la antig

edad y la calicacin crediticia, los cuales alimentarn el

sistema de inferencia difuso como herramienta de evaluacin para el otorgamiento del crdito.

A partir de la muestra de
histogramas, con el

178

solicitantes de crdito se obtiene la informacin con la cual es posible construir los

de determinar los rangos mnimos y mximos de las variables de entrada y salida, como se

observar en las grcas que se presentan ms adelante. A partir de la denicin de los conjuntos difusos para cada una de
las variables se determinar su ubicacin en el rango, dividiendo el histograma en terciles o cuartiles segn el nmero de
conjuntos difusos denidos con base en la ayuda de expertos.

Despus de calicar los cuatro aspectos mencionados, el sistema emitir una evaluacin de salida con la cual se espera
obtener unos adecuados plazos y cupo crediticio que servirn de soporte al analista de crdito.

5.1 Variables de Entrada

5.1.1 Variable Ling stica Capacidad de Pago
La representacin del histograma y los Conjuntos difusos de la Capacidad de Pago se puede apreciar en la Figura
dene el rango de la variable con el valor Max y Min de la serie de datos, este se encuentra entre U=
obtenidos de la muestra de
pago

(Baja

Media

178

[0

5.

Se

1.200.000],

solicitantes de crdito. Se denieron tres conjuntos difusos para calicar la capacidad de

Alta), esto permite dividir la muestra en terciles

(tres

grupos de

60

datos aproximadamente) con lo

cual es posible hallar la ubicacin de los conjuntos difusos en el rango de la variable a partir del histograma de frecuencias
acumuladas.

Figura

4. Histograma Capacidad de Pago.

Figure

Figura

4. Histogram to pay aptitude

5. Funcin de Pertenencia Capacidad de pago.

Figure

5. Membership function to pay aptitude

5.1.2 Variable ling stica Aportes Sociales

Los aportes sociales son acciones o inversiones que una persona natural o jurdica realizan en una entidad del sector
solidario, los cuales son pagados cada mes por caja sobre la base del ingreso de los asociados. Estos son revalorizados cada
ao de acuerdo con los excedentes del ejercicio y sirven de apalancamiento para el otorgamiento del crdito.

Nuevamente la asignacin de cada conjunto difuso a una variable especica, se asocia al histograma de frecuencias
acumuladas representadas en las clases que varan de

12 (para

este caso), en forma de terciles; a su vez, como la mayor

concentracin se encuentra en el segundo tercil, se establece su valor

bajo.

medio

y de igual manera para los niveles

alto

Este procedimiento es similar para todas las variables posteriores.

La representacin del histograma se puede observar en la

niveles bajos,

24.16%

en niveles medios y un

16.85%

correspondiente a esta variable se ilustra en la Figura

gura 6.

Segn el histograma, el

58.99%

de los datos est en

de los datos en niveles altos. La funcin de pertenencia

7.

6. Histograma Aportes Sociales.

Figura
Figure

Figura
Figure

6. Histogram to social contribution

7. Funcin de Pertenencia Aportes Sociales.

7. Membership function to social contribution.

5.1.3 Variable Ling stica Antig edad

La variable ling

stica antigedad nos indica el grado de delidad del asociado para utilizar los servicios de la entidad,

siendo este un factor a tener en cuenta cuando algunos de los indicadores anteriores son bajos.

El anlisis de los datos proporciona herramientas para armar que el

niveles medios y

20.79%

65.73%

se encuentra en niveles bajos,

13.48%

en

en niveles altos.

edad esta entre U= [0 y 48]. El histograma de frecuencia y la funcin de

El rango en meses de la variable de entrada antig

Pertenencia asociada a esta variable se ilustran en las Figuras

Figura

9.

8. Histograma Antig edad.

Figure

Figura

8. Histogram to antique

9. Funcin de pertenencia Antigedad.

Figure

9. Membership function to antique

5.1.4 Variable Ling stica Calicacin Crediticia

La circular bsica contable y
que:

Para

nanciera 00013,

ao

2002,

expedida por la Superintendencia de la Economa Solidaria indica

efectos de informacin, evaluacin del riesgo crediticio, aplicacin de normas contables y constitucin de

provisiones, entre otros, la cartera de crdito se clasicar en consumo, vivienda, microcrdito y comercial. La resolucin
adems indica que la calicacin de los crditos se har de acuerdo a las siguientes categoras:

Categora A o

"riesgo

normal".

Categora B o

"riesgo

aceptable, superior al normal".

Categora C o

"

Categora D o

"riesgo

Categora E o

riesgo apreciable".

"riesgo

signicativo".
de incobrabilidad".

De acuerdo con la edad de vencimiento, la cartera se calicar, obligatoriamente, de la siguiente manera:

A partir de los datos de la Tabla

Tabla

1. Calicacin de la cartera

Table

1. Qualication of portfolio

se denieron los rangos a tener en cuenta para la construccin del modelo, lo cual se

reeja en la grca de funcin de pertenencia

calicacin crediticia se denio entre U=

[0

Tabla

Calicacin

10.

El rango de la variable de entrada

2. Rangos para la construccin del modelo

Table

Figura

Crediticia de la Figura

180].

2. Ranges for construction of model

10. Funcin de Pertenencia Calicacin Crediticia.

Figure

10. Membership function to credit qualify

5.2 Variables de salida

Teniendo en cuenta la informacin anterior, las variables de salida objeto del estudio son el cupo de crdito y el plazo, las
cuales son el resultado de la combinacin de las

variables anteriores. Esta evaluacin permite conocer la solvencia del

usuario teniendo en cuenta las variables de entrada y convirtiendo las salidas difusas a valores ntidos que se ajusten al
reglamento de crdito. Los valores ling

sticos y las funciones de pertenencia para la variable de salida cupo y plazo de

crdito se muestran a continuacin.

5.2.1 Variable Ling stica Cupo de Crdito

El rango para la variable de salida cupo de crdito se encuentra entre U=

[0

20.000.000].

Este rango fue denido por la

gerencia de crdito de la entidad. La funcin de pertenencia correspondiente se observa en la

conjuntos difusos son todos normales.

Figura

11. Funcin de Pertenencia Cupo de crdito.

Figure

11. membership function to credit quote

gura 11.

En la

gura

los

5.2.2 Variable Ling stica Plazo de Crdito

Es de suma importancia que el plazo otorgado sea l ms adecuado tanto para el usuario como para cooperativa. Todo ello
es establecido de acuerdo con el reglamento de crdito de la entidad.

El rango para la variable de salida

plazo

de crdito est entre

[0

48]

meses. En la Figura

12

se puede apreciar la

representacin de los conjuntos difusos.

Figura

12. Funcin de Pertenencia Plazo

Figure

12. membership function to term

6. SISTEMA DE INFERENCIA
Los conjuntos difusos para las variables de entrada y salida denen el modelo completo, el cual puede verse en la Figura

13.

13. Modelo completo de decisin.

Figura

Figure

13. Complete model of decision

El sistema de inferencia difuso permite sacar conclusiones a partir de valores dados a las variables de entrada; sin embargo
antes de proceder a esto, se debe construir la base de conocimiento que relaciona cada una de las variables de entrada con
las variables de salida.

La base de conocimiento fue obtenida mediante criterio experto, es decir, se consult a varios expertos sobre las relaciones
de dichas variables y cmo stas determinan el nivel del cupo y el plazo. La base de conocimiento se indica en la Tabla

Tabla

3. Base de conocimiento

Table

3. system knowledge

El Nmero de reglas est determinado por el Nmero de conjuntos difusos de cada variable, en nuestro caso

108

reglas del tipo IF

THEN

(SI

ENTONCES).

3.

4=

Antes de proceder a aplicar el modelo para el apoyo a la toma de decisiones debe validarse teniendo en cuenta datos
reales, con el

de vericar la consistencia respecto a las decisiones de los expertos.

7. VALIDACIN DEL SISTEMA

Como se puede observar en el cuadro comparativo

(Tabla 4),

la asignacin del cupo de crdito por parte del experto slo

concuerda en pocas ocasiones con el monto arrojado por el Sistema de Inferencia Difuso. An as, el modelo entrega
informacin que da respuestas consistentes de acuerdo con el reglamento de crdito, indicando lo anterior que es
conveniente la utilizacin del Modelo de Inferencia Difuso como una herramienta estandarizada y objetiva de apoyo al
proceso de evaluacin de crdito.

Tabla

4. Cuadro Comparativo

Table

4. comparative table

Los plazos arrojados por el sistema de inferencia difuso son mucho ms congruentes con los autorizados por el experto,
pero utilizando el modelo se pueden determinar plazos intermedios de acuerdo a los presentados por la cooperativa.

La combinacin de un adecuado Sistema de Inferencia Difuso con el conocimiento adquirido por el experto en anlisis de
crdito, se convierte en una gran fortaleza para la cooperativa al momento del otorgamiento del crdito, ya que el sistema
siempre va a permitir tener una informacin adicional que est por fuera de otros modelos de evaluacin crediticia y que el
experto conoce. Por esto, la lgica difusa se perla como una alternativa importante para el desarrollo de sistemas
expertos que constituyen una verdadera herramienta de apoyo a los especialistas desarrollada de manera sencilla y
considerando que el conocimiento previo de los expertos es una metodologa que permite la minimizacin del riesgo de
crdito

8. CONCLUSIONES
En la gestin de riesgos pueden adoptarse varios mecanismos preventivos que intentan disminuir la probabilidad de
prdida del capital. Dentro de los procesos preventivos que tienen el objetivo de evitar la asuncin de riesgos por encima
de la poltica de la empresa, se encuadran el anlisis previo del cliente, el monitoreo y el control de riesgos, los informes
comerciales, los sistemas de anlisis

nanciero,

el control de la deuda del cliente, los sistemas de control de lmites de

prdidas.

Esto es, analizar y valorar las contingencias, cuanticando cul se va a asumir con el cliente y qu valoracin tiene el
mismo, asignndose lmites de riesgos. Muchos modelos de anlisis de crdito tienen este objetivo.

Indudablemente, el uso de los sistemas inteligentes en aplicaciones

nancieras

se extender considerablemente, pues se

ha percibido una fuerte tendencia en esa direccin en los ltimos aos, con el advenimiento de varias conferencias
especializadas, la formacin de postgrados y la publicacin de libros y revistas especializadas, corriente que en pases
desarrollados data de los aos

90.

Es importante hacer notar que aunque los sistemas inteligentes suelen presentar varias ventajas con respecto a las tcnicas
tradicionales de programacin lineal o de clculo de series de tiempo para la toma de decisiones

nancieras,

su uso no

intenta reemplazar a los expertos humanos totalmente, sino ms bien auxiliarlos para realizar ms rpida y ecientemente
su tarea.

La aplicacin de un sistema de inferencia difuso es un mecanismo apropiado mediante el cual se puede abordar el tema de
la evaluacin de crdito de los usuarios de la cooperativa, ayudando a los evaluadores a tomar decisiones mucho ms
acertadas a la hora de determinar los montos y plazos adecuados para cada uno de los usuarios y observando las
debilidades y fortalezas del cliente.

El sistema de inferencia difuso aplicado en el anlisis de crdito es una alternativa para la evaluacin crediticia, sin embargo
en el diseo del sistema, una de las dicultades que existen se relaciona con la obtencin de la base de conocimiento a
partir de expertos y cmo evaluar su informacin. En este sentido el uso de los expertos es propuesto por Kauman

(1986),

es una adecuada metodologa del anlisis de informacin de expertos. Otros estudios tratan el problema de

manera diferente extrayendo reglas a partir de series de tiempo ya que en muchas ocasiones no existen los expertos que
apoyen la construccin de la base de conocimiento.

REFERENCIAS

AdobeAcrobat
Buscar

Inicio

Acerca de

[1] BASILEA. Convergencia Internacional de medidas y normas de capital. Marco Revisado. Comit de Supervisin Bancaria
(http://www.revistas.unal.edu.co)

de Basilea. Junio

2004.

Descargandoparalaconversin

[2] JYH SHING. R, J, Adaptive Network Based fuzzy Inference System IEEE transactions on systems, Man and cybernetics,

MODELODEINFERENCIADIFU

665-685p.

[3] KANDEL, A. Fuzzy mathematical techniques with applications. Addison-Wesley Publishing Company, 1986.
[4] GIL LAFUENTE, Ana Maria. El anlisis nanciero en la incertidumbre. Arial Economa. 1990
[5] LUGER, G.F. Articial intelligence: Structures and strategies for complex problem solving. England: Addison Wesley,
2002.

[6] MEDINA, S., MORENO,J. Risk evaluation in Colombian electricity market using fuzzy logic, Energy Economics 29 (2007)
9991009.

[7] SUPERINTENDENCIA DE ECONOMA SOLIDARIA. Circular externa 001 de marzo de 2002. Gestin del Riesgo
Crediticio,2002.

[8] Superintendencia de Economa Solidaria. Circular Bsica contable 07, 2002.

[9] URUETA, L., VALDS, H y CONTRERAS, J. En: La lgica difusa como apoyo a la enseanza. Facultad Ingeniera Sistemas.
Corporacin Universitaria Rafael Nez Cartagena,

2002.

[10] WATERMAN, D.A. A guide to expert systems. Addison-Wesley, 1986, 419p.

[11] ZADEH, L. A. y KACPRZYK, J. Fuzzy Logic for the Management of Uncertainty. New York: Wiley J, 1992, 676p.
[12] ZADEH, L.A. From Circuit theory to system theory. Proceedings of the Institute of Radio Engineers, 1962, 856-865p.

Mtricas de artculo

Vistas HTML.
351

2,632
Esta revista

monthly

yearly

monthly

yearly

Vistas PDF.
28

128
Esta revista

Metrics powered by PLOS ALM

(http://pkp-alm.lib.sfu.ca/)

Enlaces refback

Repositorio Institucional UN

(http://www.bdigital.unal.edu.co/14002)

(http://www.addthis.com/bookmark.php)

REVISTA DYNA

103

Telfono:

53 43

, FACULTAD DE MINAS - Ocina de Revistas Carrera 80 No. 65 - 223 - Bloque M9 -

(57-4) 425 53 43

Conmutador:

(57-4) 42 5000

Medelln Colombia, Sur Amrica dyna@unal.edu.co

ISSN Impreso:

0012-7353

ISSN En lnea:

2346-2183

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives

4.0

extensin

45343 -

Fax:

(57-4) 425

(mailto:%20dyna@unal.edu.co)

International License

(http://creativecommons.org/licenses/by-nc-nd/4.0/).

(http://creativecommons.org/licenses/by-nc-nd/4.0/)

Talento humano

Correo institucional

Mapa del sitio

(http://www.unal.edu.co/dnp)

(http://correo.unal.edu.co)

sitio/)

Contratacin

Ofertas de empleo

Redes Sociales

(http://www.unal.edu.co/contratacion/)

(http://www.unal.edu.co/dnp/)

(http://redessociales.unal.edu.co)

Rgimen Legal

(http://www.legal.unal.edu.co)

FAQ

(http://unal.edu.co/mapa-del-

(http://unal.edu.co/faq/)

Rendicin de cuentas

Concurso docente

Quejas y reclamos

(http://unal.edu.co/quejas-

Atencin en lnea

(http://www.unal.edu.co/rendicion_de_cuentas(/2012/)
http://www.concursoprofesoralun.unal.edu.co/y
ConcursoDocente
-reclamos/)
/news.php)

(http://unal.edu.co/atencion-en-linea/)

Pago Virtual

Contctenos

Control interno

(http://www.pagovirtual.unal.edu.co/)
Calidad

(http://www.simege.unal.edu.co)

Encuesta
(http://www.unal.edu.co/control_interno/index.html)
Buzn de noticaciones

(http://unal.edu.co/encuesta/)

Estadsticas

(http://unal.edu.co/contactenos/)

(http://www.onp.unal.edu.co)

Glosario

(http://unal.edu.co/glosario/)

(http://unal.edu.co/buzon-de-noticaciones/)

Contacto pgina web

Avenida El Dorado No.

44A-40,

edicio

571,

piso

4o.

Hemeroteca Nacional Universitaria.

Bogot D.C., Colombia

3165000

Copyright

2014

Algunos derechos reservados.

digital@unal.edu.co

Ext.

20004
(http://www.orgulloun.unal.edu.co)

(http://www.agenciadenoticias.unal.edu.co/inicio.html)

(mailto:digital@unal.edu.co)
Acerca de este sitio web

(http://unal.edu.co/acerca-de-este-sitio-web/)
Actualizacin:

08/05/2015

(http://www.gobiernoenlinea.gov.co/web/guest)

(http://www.contaduria.gov.co/)