Modelos predictivos del comportamiento financiero inicial mediante analítica digital en jóvenes
DOI:
https://doi.org/10.23857/dc.v12i2.4842Palabras clave:
Analítica digital, comportamiento financiero juvenil, modelos predictivos, educación financiera, inteligencia artificial aplicada a finanzasResumen
El presente artículo analiza los modelos predictivos del comportamiento financiero inicial mediante analítica digital en jóvenes, considerando el creciente papel de los entornos tecnológicos en la formación de decisiones económicas durante etapas tempranas del ciclo de vida. La investigación parte del reconocimiento de que los hábitos financieros juveniles, relacionados con ahorro, consumo, endeudamiento, planificación presupuestaria y uso de servicios financieros digitales, pueden ser anticipados mediante técnicas de modelización predictiva basadas en datos conductuales. El objetivo principal consiste en desarrollar un marco analítico que permita identificar patrones tempranos del comportamiento financiero juvenil utilizando herramientas de analítica digital y modelos predictivos orientados a la toma de decisiones educativas y financieras.
Desde una perspectiva teórica, el estudio se sustenta en los aportes de la economía del comportamiento, la alfabetización financiera, la teoría de la decisión racional y la analítica predictiva aplicada a contextos socioeconómicos. Se integran conceptos clave como comportamiento financiero inicial, huella digital, minería de datos, aprendizaje automático, perfiles de riesgo financiero y toma de decisiones basada en evidencia, con énfasis en la relación entre variables sociodemográficas, hábitos digitales y predisposición económica. Metodológicamente, se propone un enfoque cuantitativo sustentado en el análisis de grandes volúmenes de datos y algoritmos predictivos para estimar tendencias de conducta financiera en jóvenes.
Entre los resultados significativos se evidencia que la incorporación de analítica digital permite mejorar la capacidad de predicción de comportamientos financieros emergentes, identificando segmentos con mayor propensión al ahorro, consumo impulsivo o riesgo de endeudamiento. Se concluye que estos modelos representan una herramienta estratégica para fortalecer políticas de educación financiera, diseñar intervenciones preventivas y promover decisiones económicas sostenibles desde edades tempranas.
Citas
American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). APA Publishing.
Arias, J. L. (2021). Diseño y metodología de la investigación. Enfoques Consulting.
Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. W. W. Norton & Company.
Carbó-Valverde, S., Cuadros-Solas, P., & Rodríguez-Fernández, F. (2020). A machine learning approach to the digitalization of bank customers: Evidence from random and causal forests. PLoS ONE, 15(10), e0240362.
https://doi.org/10.1371/journal.pone.0240362
Castellanos-Rivero, P. A., & Escott-Mota, M. P. (2020). El impacto del análisis de datos en la función financiera. En Hallazgos y propuestas de investigación multidisciplinarias (pp. 12–25). iQuatro Editores.
Décaro-Santiago, L. A., Soriano-Hernández, M. G., Benítez-Guadarrama, J. P., & Soriano-Hernández, J. G. (2020). La conducta financiera entre estudiantes universitarios emprendedores. Revista Escuela de Administración de Negocios, (89), 51–68.
https://doi.org/10.21158/01208160.n89.2020.2816
Dwivedi, Y. K., Hughes, L., Baabdullah, A. M., Ribeiro-Navarrete, S., Giannakis, M., Al-Debei, M. M., & Wamba, S. F. (2023). Artificial intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994.
https://doi.org/10.1016/j.ijinfomgt.2020.101994
George, G., Haas, M. R., & Pentland, A. (2020). Big data and management. Academy of Management Journal, 63(2), 321–326. https://doi.org/10.5465/amj.2020.4002
Goyal, K., & Kumar, S. (2021). Financial literacy: A systematic review and bibliometric analysis. International Journal of Consumer Studies, 45(1), 80–105.
https://doi.org/10.1111/ijcs.12605
Hastie, T., Tibshirani, R., & Friedman, J. (2021). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer.
Hernández-Sampieri, R., & Mendoza, C. (2021). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.
Kukushkina, O., Larionova, N., & Varlamova, J. (2020). How digital technologies affect consumers’ financial behavior. Rivista Internazionale di Scienze Sociali, 128(3), 321–344.
Lusardi, A., & Mitchell, O. S. (2014). The economic importance of financial literacy: Theory and evidence. Journal of Economic Literature, 52(1), 5–44.
https://doi.org/10.1257/jel.52.1.5
Lusardi, A., & Mitchell, O. S. (2023). The importance of financial literacy: Opening a new field. Journal of Economic Literature, 61(1), 5–44. https://doi.org/10.1257/jel.20211678
Marr, B. (2016). Big data in practice: How 45 successful companies used big data analytics to deliver extraordinary results. Wiley.
Marr, B. (2021). Data strategy: How to profit from a world of big data, analytics and artificial intelligence. Kogan Page.
Organización para la Cooperación y el Desarrollo Económicos (OCDE). (2020). OECD/INFE 2020 international survey of adult financial literacy. OECD Publishing.
Otzen, T., & Manterola, C. (2020). Técnicas de muestreo sobre una población a estudio. International Journal of Morphology, 35(1), 227–232. https://doi.org/10.4067/S0717-95022017000100037
Plata-Gómez, K. R., & Caballero-Márquez, J. A. (2020). Influencia de los programas de educación financiera sobre el comportamiento de los jóvenes: una revisión de literatura. I+D Revista de Investigaciones, 15(2), 18–27. https://doi.org/10.33304/revinv.v15n2-2020002
Roa, L., Correa-Bahnsen, A., Suarez, G., Cortés-Tejada, F., Luque, M. A., & Bravo, C. (2021). Super-app behavioral patterns in credit risk models: Financial, statistical and regulatory implications. Expert Systems with Applications, 169, 114486.
https://doi.org/10.1016/j.eswa.2020.114486
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Shmueli, G., Bruce, P. C., Gedeck, P., & Patel, N. R. (2020). Data mining for business analytics: Concepts, techniques, and applications in Python. Wiley.
Shmueli, G., Bruce, P. C., Gedeck, P., & Patel, N. R. (2020). Data mining for business analytics: Concepts, techniques, and applications in Python. Wiley.
Thaler, R. H. (2021). Nudge: The final edition. Penguin Books.
Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving decisions about health, wealth, and happiness. Yale University Press.
Xiao, J. J., & Porto, N. (2022). Financial education and financial satisfaction: Financial literacy, behavior, and capability as mediators. International Journal of Bank Marketing, 40(7), 1463–1483. https://doi.org/10.1108/IJBM-01-2022-0012
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Doménica Lalama Freire , Francis Jaqueline Brito Martínez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Authors retain copyright and guarantee the Journal the right to be the first publication of the work. These are covered by a Creative Commons (CC BY-NC-ND 4.0) license that allows others to share the work with an acknowledgment of the work authorship and the initial publication in this journal.
