Aplicación de metodologías Machine Learning en la gestión de riesgo de crédito

La complejidad en la gestión de los riesgos financieros ha aumentado durante los últimos años, lo cual ha generado, en algunos casos, grandes pérdidas económicas por parte de las instituciones financieras derivadas de fallos en los modelos de medición de riesgos y en los esquemas de toma de decisiones soportados por estos. En especial, el riesgo de crédito supone una de las principales preocupaciones para las entidades. Para reducir este tipo de riesgo, muchas entidades utilizan sistemas automáticos de clasificación de clientes denominados credit scoring. Como resultado de la evolución de la tecnología, los modelos de machine learning están cada vez más presentes en el sector financiero. En este contexto, este trabajo tiene como objetivo analizar la posibilidad de aplicación de estas metodologías en la gestión del riesgo crediticio. Además se estiman diversos modelos de credit scoring haciendo uso de algoritmos de machine learning y se realiza una comparación entre ellos. Por otra parte también se comparan los resultados de estos modelos con la regresión logística, técnica tradicional para el modelado del credit scoring, para poder analizar las ventajas y los avances que supone el uso de modelos machine learning frente a las técnicas de modelado tradicional.---ABSTRACT---The complexity of the financial risks management has increased for the past years, which has sometimes meant a huge amount of economic loss for financial institutions that comes from issues in financial risk forecasting models and decision-making schemes supported by these. Particularly, credit risk means the entity’s main concern. In order to mitigate this kind of risk, many entities use automatic rating systems called credit scoring. As a result of the technology evolution, machine learning models are becoming even more present in the financial sector. In this context, the aim of this paper is to analyse the possibility of application of these methods in credit risk management. Besides, different credit scoring models are considered using machine learning algorithms and a comparison among them is done. Also the results of these models are compared to the logistic regression, a traditional technique for credit scoring modelling, to analyse the advantages and the progress that machine learning means over the traditional modelling techniques