Modelo de scoring para crédito de consumo en una entidad del sector solidario
View/
Compartir en:
- Views
- Downloads
Date
2022Publicador
Fundación Universitaria Los Libertadores. Sede Bogotá.
Documentos PDF
Abstract
En Colombia la Superintendencia de la Economía Solidaria a través de la Circular Básica
Contable, Título IV, Capítulo II regula el SARC como el Sistema de Administración de Riesgo de
Crédito que deben implementar y/o complementar las organizaciones solidarias vigiladas, con el
propósito de, identificar, medir, controlar y monitorear el riesgo de crédito al cual se encuentran
expuestas en el desarrollo de su proceso de otorgamiento. Dicho lo anterior, se hace necesario
para las entidades del sector que colocan créditos, contar con modelos propios que obtengan las
variables más relevantes y que permitan calcular la probabilidad de incumplimiento con base en
la información de los créditos que tiene la entidad y calificar de manera periódica cada uno de
los créditos vigentes. El objetivo principal de este artículo es explicar cómo se pueden obtener
las variables más relevantes para el cálculo de la probabilidad de incumplimiento de pago de un
cliente y crear un score interno para nuevos créditos con el fin de apoyar la decisión del
otorgamiento a través de un modelo de machine learning. Este artículo se realizó utilizando una
base de datos de una entidad del sector solidario que contiene un total de 5974 créditos de
consumo y mediante aprendizaje automático se entrenaron diferentes modelos para determinar
la probabilidad de incumplimiento de un cliente. El modelo de light gradient boosting machine
obtuvo el mejor desempeño con un AUC de 0.7550, recall de 0.7111, precisión 0.1587. Además,
entre las variables disponibles, las que tienen mayor importancia para inferir la probabilidad de
incumplimiento para un crédito de consumo son la antigüedad, total activos, total pasivos,
ingresos mensuales, egresos mensuales, valor del crédito, plazo, nivel de estudio, estado civil,
forma de pago y edad.