La gestión de riesgos crediticios en el sector financiero usando como herramienta el machine learning: Una revisión sistemática de la literatura

• Autores: Espinoza Alvarado, Kevin, Vallenas Santillan, Renzo, Baca Marroquin, Emily
• Formato: objeto de conferencia
• Fecha de Publicación: 2024
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/14248
• Enlace del recurso: https://hdl.handle.net/20.500.12867/14248; https://doi.org/10.18687/LACCEI2024.1.1.1097
• Nivel de acceso: acceso abierto
• Materia: Gestión de riesgos; Riesgos crediticios; Sector financiero; Algoritmos; https://purl.org/pe-repo/ocde/ford#2.02.04

Existen diversas técnicas que se utilizan en la Gestión de Riesgos Crediticios en el sector financiero. Entre ellas la herramienta Aprendizaje Automático resulta diferente e innovador. Una gran parte de las empresas han empezado a ignorar los algoritmos tradicionales y han buscado herramientas más modernas que también presentan algunos retos. En la presente Revisión Sistemática de la Literatura (RSL) se empleó la metodología PRISMA para identificar los 20 documentos seleccionados a partir de los cuales se han obtenido resultados que han permitido abordar el tema de la RLS. En ese sentido, se ha identificado que en los últimos 5 años hay un número considerable de investigaciones que abordan el tema de la gestión de riesgos crediticos empleando Machine Learning como herramienta dentro del sector financiero. En síntesis, el Machine Learning resulta ser una herramienta capaz de predecir con alta precisión los riesgos crediticios tomando como base la información de los datos financieros de los clientes comparados con la precisión obtenida a partir del empleo de algoritmos tradicionales. Sin embargo, su empleo también genera ciertas desventajas como el costo elevado en la implementación de hardware y software, y otras complejidades generadas en el proceso de implementación.