Modelos de predicción de scoring crediticio utilizando algoritmos cost-sensitive de machine learning y datos alternativos

Abstract

En los años recientes, las instituciones financieras adoptaron técnicas de machine learning para predecir con mayor éxito la probabilidad de repago ante una solicitud de crédito. Si consideramos también la gran cantidad de datos disponibles, de todo tipo, que pueden ser incorporados a los modelos de entrenamiento podríamos esperar un mejor funcionamiento del mercado de créditos. Sin embargo, este no siempre es el caso ya que los sistemas de predicción pueden no obtener una mejora en términos de costos para la institución crediticia ni tampoco una respuesta más satisfactoria para los solicitantes. Este trabajo analiza el impacto de la incorporación de distintas metodologías de datos en la elaboración de modelos de predicción crediticia. Se comparan modelos de aprendizaje automático tradicionales con otros que incorporan costos asimétricos, con el objetivo de identificar los que mejor logran predecir la morosidad. Los resultados muestran la influencia de la elección de algoritmos, modelos de balanceo de clases y tratamiento de variables en las métricas de performance de negocio. Además, se presenta una técnica para minimizar costos que mejora la performance en comparación con modelos que buscan maximizar la métrica accuracy. En este sentido, los resultados indican que la optimización del punto de corte es crucial para minimizar los costos de los modelos de predicción crediticia. A pesar de que los modelos balanceados logran mejores métricas tradicionales, los modelos sin balanceo de clases obtienen menores costos a través de esta técnica. En conclusión, este trabajo destaca la importancia de considerar distintos factores al elegir un modelo de predicción crediticia, con el objetivo de reducir costos y mejorar la satisfacción tanto de los prestamistas como de los solicitantes.