Modelo de Aprendizaje Automático para Riesgo Crediticio de Microempresarios Regionales Según Perfil Socioeconómico

Abstract

 La cartera de crédito es fundamental en una entidad financiera, por ello
 ante cada crédito entregado, la esperanza es recuperarla en tiempos pac
tados con el cliente, aún así, es latente el riesgo de no pago durante la
 vigencia de la obligación. La propuesta de un modelo de predicción con
 diferentes técnicas que defina la probabilidad de default, puede ayudar
 a definir las posibles causas socioeconómicas que implican riesgo de
 impago. Se tomó la consecución de los defaults causados en el instante
 con el objetivo de identificar clientes que podrían incurrir en estado de
 mora y riesgo de no pago. La modelación se hizo con el fin de mitigar
 o filtrar los usuarios a los cuales se les otorga el crédito y nos ayuda
 a definir cómo puede ser catalogado como habiente potencial de de
fault, esto, determinado por los perfiles que nos proveen los más de 39
 mil individuos que conforman la base de datos. El nicho de mercado al
 cual se dirige la institución, está conformado por usuarios con alcance
 económico limitado para iniciar su empresa o microempresarios que re
quieren capital de trabajo para su negocio en curso, todos ellos con un
 interés en común, crear empresa y salir adelante con su idea, sin impor
tar niveles académicos, músculo financiero o residencia urbana o rural.
 Es menester un concepto sólido del proyecto y su puesta en marcha. Es
 fundamental tener claro el nicho de mercado al cual se dirige la institu
ción y por ello es relevante considerar cuál es el perfil que lo conforma.
 Los modelos expuestos en este proyecto tienen fundamentos de apoyo
 para el área de estudios de crédito o central de evaluación financiera. El
 procedimiento de modelado se llevó a cabo con métodos de aprendizaje
 máquina supervisados como regresión logística, random forest y gra
dient boosting. Tres opciones de las cuales se escogió el random forest
 como la mejor, según sus métricas.