Predicción del riesgo de incumplimiento en el pago de los créditos del portafolio de una entidad financiera utilizando regresión logística

Abstract

El éxito de toda entidad financiera radica en la adecuada gestión de los riesgos a los que se encuentra expuesta, siendo uno de ellos el Riesgo de Crédito definido como la posibilidad de pérdida a consecuencia del incumplimiento de las obligaciones por parte del prestatario. Las herramientas analíticas usadas en la gestión de este tipo de riesgos han ido evolucionando a lo largo del tiempo e incluyendo a la estadística y la minería de datos como parte de estas. En esta memoria de Trabajo de Suficiencia Profesional se describe como la aplicación de la metodología de Credit Scoring conjuntamente con la metodología de minería de datos CRISP DM para la construcción de un modelo de riesgo comportamental en una entidad financiera, permitió obtener un indicador de gini de 64% y segmentar de mejor manera al portafolio de clientes de dicha entidad al incrementar en un 20% la participación de mejores clientes.

The success of a financial institution lies in the proper management of the risks that it is exposed, being one of them a Credit Risk which is defined as the possibility of loss as a result of the borrower's failure to meet his obligations. The analytical tools used in the management of this type of risk have been evolving over time and include statistics and data mining as part of these tools. In this Professional Sufficiency Work report, it is described how the application of the Credit Scoring methodology together with the CRISP DM data mining methodology for the construction of a behavioral risk model in a financial institution, allowed to obtain a Gini coefficient of 64% and to better segment the client portfolio of that institution by increasing the participation of the best clients by 20%.