Modelo de árbol de decisiones para la segmentación de ejes en el estudio de la Probabilidad de Default en una entidad financiera

En este trabajo se desarrolla los factores que influyen en la predicción de la Probabilidad de default (PD) en una entidad financiera, el principal objetivo del trabajo es encontrar perfiles relevantes que perfilen la PD y para ello se recurre al modelo de árbol de decisiones. Se analizaron aproximadamente 206 mil contratos de una cartera en específico de la entidad financiera y es con esta población que se realiza el modelo, la variable a predecir es el tipo de contrato (bueno, malo) presentando un desbalance en las categorías, buenos representa el 90% y malos el 10%. El modelo elegido fue aquel que necesito de realizar un balanceo de clases; los resultados obtenidos fue un modelo con un accuracy del 72% y un F1 score de 65% para los contratos malos, el árbol presenta una profundidad de 7, proporcionando granularidad en los perfiles hallados. Finalmente se detectaron 3 variables importantes tales como los días de vencimiento del contrato, el buro cliente con el que es evaluado el contrato y el plazo residual