Exploración y explotación en el análisis de riesgo de crédito

Abstract

El presente trabajo propone dos experimentos para automatizar el proceso de asignación de créditos bancarios utilizando un conjunto de datos desbalanceado con respecto al target. En el primer experimento se propone utilizar un algoritmo escalable y modular, NGBoost, para clasificar las observaciones en buenos y malos pagadores en base a una función objetivo dada por una matriz de costos (problema de tipo cost-sensitive). Una vez entrenado el modelo se realizarán predicciones y se efectuarán análisis de feature importance para decidir qué features ocultar para el posterior (segundo) ejercicio. Usando este conjunto de datos modificados, se analizará la performance en términos de beneficios de la compañía, con respecto al uso del scoring crediticio standard. Finalmente, se generará una nueva regla para asignar el crédito, considerando el scoring crediticio y la necesidad de dar crédito para poder aprender de los usuarios.