Modelo predictivo de análisis de riesgo crediticio usando Machine Learning en una entidad del sector microfinanciero

• Autor: Aceituno Rojo, Miguel Romilio
• Formato: tesis doctoral
• Fecha de Publicación: 2019
• Institución: Universidad Nacional del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unap.edu.pe:20.500.14082/14481
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/14481
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Microfinanzas; Microcrédito; Riesgo crediticio; Sector rural; https://purl.org/pe-repo/ocde/ford#1.02.01

Los microcréditos constituyen un componente importante en el desarrollo de la economía rural del país, éstos en su mayoría son otorgados por entidades microfinancieras, que tratan con índices altos de riesgo, estos son controlados por medio de personal especializado que realiza la evaluación y verificación de los clientes que solicitan estos microcréditos. La presente investigación propone un modelo de predicción de riesgo crediticio a partir de la evaluación de distintos modelos de Machine Learning para determinar el modelo que presenta el mejor nivel de asertividad en el otorgamiento de microcréditos. Para tal efecto se ha determinado las principales variables que intervienen en el proceso, seguidamente, se realizó el entrenamiento de seis modelos de Machine Learning, se logró determinar el nivel de asertividad en base a las métricas Accuracy, Precision, Recall, F1 Score y AUC para luego ser comparados, resultando ser el más asertivo Artificial Neural Network en comparación a Regresión Logística, Random Forest, Support Vector Machine, Decision Tree y k-Nearest Neighbors, de lo determinado, se afirma que con el modelo más asertivo se puede reducir riesgo crediticio al mejorar el nivel de asertividad en el otorgamiento microcrédito en base a las variables determinadas.