Palabras clave
sistema privado de pensiones
sistema nacional de pensiones
trabajador activo
trabajador independiente
algoritmo decision tree
private pension system
national pension system
active worker
independent worker
algorithm
Cómo citar
Resumen
En el presente artículo se ha desarrollado teniendo en cuenta las directrices para la Revisión Sistemática de la Literatura (SLR), se centra en lo fundamental que es la elección de un seguro de pensiones, teniendo en cuenta que existen dos tipos sistemas: El Sistema Privado de Pensiones (AFP), en el que el trabajador recibe lo que ha cobrado a lo largo del período que ha trabajado como una cuenta de ahorro personal; y el Seguro Nacional de Pensiones (ONP), que es un organismo público que asigna el dinero aportado por los trabajadores (fondo común) y se desembolsa como concepto de pensiones a los jubilados. Teniendo en cuenta el problema de la falta de información sobre el Seguro de Pensiones que brindan tanto las entidades públicas como privadas, se decidió construir un algoritmo de árbol decisión para de acuerdo a una cierta información brindada se pueda lograr una toma de decisiones relevante para cada trabajador que acceda a planilla por primera vez o para aquellas personas que trabajan de forma independiente, ya que esta decisión será fundamental para la futura estabilidad económica del trabajador.
Citas
Arias-Sosa, L. A., Salamanca-Reyes, J. R., & Ramos-Montaño, C. (2021). The role of different natural and human-related habitats for the conservation of birds in a high Andean Lake. Wetlands Ecology and Management, 29(6), 897–913.
Altman, E.I., Hotchkiss, E. and Wang, W. (2019). A 50-Year Retrospective on Credit Risk Models, the Altman Z-Score Family of Models, and Their Applications to Financial Markets and Managerial Strategies. In Corporate Financial Distress, Restructuring, and Bankruptcy.
Byrne, T, Montgomery, AE, Fargo, JD. (2019). Predictive modeling of housing instability and homelessness in the Veterans health administration. Health Serv Res. 54: 75– 85. https://doi.org/10.1111/1475-6773.13050
Cohen, S.B. and Shorey, J. (2020). Artificial Intelligence and Machine Learning Derived Efficiencies for Large-Scale Survey Estimation Efforts. In Big Data Meets Survey Science.
Ersoy, Mevlüt & Şansal, Uğur. (2021). Analyze Performance of Embedded Systems with Machine Learning Algorithms. 10.1007/978-3-030-79357-9_23.
Garg, Rahul & Lamba, Shivay & Garg, Sachin. (2021). Comparing Various Machine Learning Algorithms for User Recommendations Systems. 10.1002/9781119752134.ch13.
Guida, T. and Coqueret, G. (2018), Machine Learning in Systematic Equity Allocation: A Model Comparison. Wilmott, 2018. 24-33.
Gilliland, M. Tashman, L. and Sglavo, U. (2021) Forecasting Methods: Modeling, Selection, and Monitoring. In Business Forecasting.
Ihya, R., Mohammed N., Guerss, F. and Haddani, H. (2020). Using Machine Learning Algorithms to Predict the E-orientation Systems Acceptancy. 10.1007/978-3-030-37629-1_10.
Kaun, C., Zaman, N., Goh, W. & Sukumaran, S. (2021). Implementation of Decision Tree Algorithm to Classify Knowledge Quality in a Knowledge Intensive System. MATEC Web of Conferences. 335. 04002. 10.1051/matecconf/202133504002.
Klerk, A. M. (2017). Decision Making under Uncertainty and Risk: A Retiree's Perspective on Choosing between Pension Options. Portland International Conference on Management of Engineering and Technology (PICMET), 1-12, doi: 10.23919/PICMET.2017.8125309.
Li, C. Chu, D. Xu, X. and Bu, Y. (2019). A User Profile Based Pension Service Recommendation Algorithm. IEEE World Congress on Services, 374-375, doi: 10.1109/SERVICES.2019.00110.
Momoh, Favour & Rakshit, Sandip & Vajjhala, Narasimha. (2021). Exploratory Study of Machine Learning Algorithms in Recommender Systems.
Meneu Gaya R. (1996). La teoría del control óptimo en tiempo discreto. Modelos financieros aplicados a las pensiones de jubilación. [Tesis doctoral, Universidad de Valencia]
Morales Cardoso S. L. (2019). Metodología para procesos de inteligencia de negocios con mejoras en la extracción y transformación de fuentes de datos, orientado a la toma de decisiones. [Tesis doctoral, Universidad de Alicante]
Polatidis, N., Kapetanakis, S. & Pimenidis, E. (2021). Recommender Systems Algorithm Selection Using Machine Learning. 10.1007/978-3-030-80568-5_39.
Prasertsom, P., Kunakorntum, I. Tulyathan, A. Cheewaruangroj, N. Pornsawangdee, K. and Pasuthip, N. (2020). Benefit Recommendation System: A Use Case for Pension Fund Data Analytics. 1st International Conference on Big Data Analytics and Practices (IBDAP), 1-5, doi: 10.1109/IBDAP50342.2020.9245453.
Singh, S. & Srivastva, K. (2020). Comparative Study of Machine Learning Algorithms for Recommendation System. Journal of University of Shanghai for Science and Technology. 22. 10.51201/jusst12495.
Sharma, R. (2020). Machine Learning Algorithms for building Recommender Systems. 10.1109/ICCS45141.2019.9065538.
Szabó, Z. (2016). Options of micro-simulation in the modelling of the pension system and the intelligent IT security system. IEEE 17th International Symposium on Computational Intelligence and Informatics (CINTI), 295-298, doi: 10.1109/CINTI.2016.7846421.
Szabó, Z. (2017). The modelling and simulation of the pension system. IEEE 30th Neumann Colloquium (NC), 25-28, doi: 10.1109/NC.2017.8263277.
Wang, M. Lin, F. and Wang, M. (2019). Some Test on Optimal Portfolio of Defined Contribution Pension with HJB Equation. 18th International Symposium on Distributed Computing and Applications for Business Engineering and Science (DCABES), pp. 132-135, doi: 10.1109/DCABES48411.2019.00040.
Wang, W. Cao, Y. and Xie, S. (2016). "On the system environment of pension insurance for urban workers in Heilongjiang province". Chinese Control and Decision Conference (CCDC), pp. 3153-3156, doi: 10.1109/CCDC.2016.7531525.
Yuan-Yuan, Y. Ming-Lei, S. and Nuo, W. (2018). The Construction of a Cloud Computing-Based Intelligent Pension Service Platform. International Conference on Smart Grid and Electrical Automation (ICSGEA), pp. 295-298, doi: 10.1109/ICSGEA.2018.00080.
Zhang, H. and Yang, Y. (2017). Optimal Control Model of Pension Funds Under Continuous Time. 13th International Conference on Computational Intelligence and Security (CIS), pp. 350-354, doi: 10.1109/CIS.2017.00082.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2021 José Antonio Ogosi Auqui, Luis Miguel Romero Echevarría, Jorge Víctor Mayhuasca Guerra