Comparación de modelos de riesgo de crédito modelos logísticos y redes neuronales

Analizar el riesgo de crédito es importante para las instituciones financieras en cuanto disminuye las pérdidas asociadas a su labor de intermediación. Para el caso de productos masivos en donde se deben tomar decisiones sobre miles de solicitantes, las instituciones financieras no pueden tomar decisiones cliente a cliente y optan por automatizar sus decisiones con sistemas de credit scoring, y con ello facilitar y acelerar la toma de decisiones (Islam, Lin, y Fei, 2009). Dicho sistema de decisión usualmente busca clasificar los clientes potenciales entre Buenos y Malos a partir de su comportamiento histórico. Para dicho propósito se han desarrollado modelos y algoritmos los cuales incluyen regresiones lineales, logísticas, algoritmos genéticos, redes neuronales, Support Vector Machines, entre otras técnicas (Yu, Wang, Lai, y Zhou, 2008)