Identificación de clientes con mal comportamiento crediticio mediante los modelos de clasificación: redes neuronales, random forest y K vecino más cercano

Abstract

Las entidades bancarias, con el propósito de minimizar sus pérdidas o de maximizar sus ganancias, están obligadas a mejorar la manera de administrar y gestionar el riesgo crediticio de su cartera de clientes, es así que surgen las interrogantes de ¿Cómo identificar a los clientes morosos en el comportamiento de pago por el uso de su tarjeta de crédito? ¿Cómo desarrollar y determinar el modelo más adecuado, para predecir a dichos clientes morosos? Desde esta perspectiva, un apoyo importante lo proporcionan los modelos de clasificación. Partiendo de la problemática a la que se enfrentan las entidades bancarias, de no saber identificar y conocer con anticipación a los clientes con mal comportamiento de pago, por el uso de su tarjeta de crédito, y teniendo en cuenta, la existencia de distintos modelos de clasificación; en el presente trabajo, se planteó como objetivo principal, mostrar el modelo más adecuado, a partir de la comparación de diferentes métricas de evaluación, como resultado de aplicar diferentes alternativas de modelos de clasificación y diferentes esquemas de validación, para identificar a los clientes morosos, en el comportamiento de pago por el uso de su tarjeta de crédito, otorgado por una entidad bancaria peruana. Para alcanzar el objetivo se modeló, utilizando los esquemas de validación método de retención, validación cruzada y validación cruzada con repetición, los modelos de clasificación de redes neuronales, random forest y k vecino más cercano, con la finalidad de identificar a los clientes con mal comportamiento crediticio; posteriormente, se determinó el mejor modelo de clasificación, a partir de la comparación de diferentes métricas de evaluación; se observó que con el esquema de validación cruzada con repetición mejoró el rendimiento de los modelos, en tal sentido, se encontró un mayor F1 Score y mayor área bajo la curva ROC para el modelo de redes neuronales, seguido del modelo random forest, bajo el esquema de validación cruzada con repetición; así mismo, al observar algunos indicadores de evaluación más robustos, como CSI, ETS y MCC; se encontró también, que el modelo de redes neuronales, bajo el esquema de validación cruzada con repetición, presentó mayores valores para estas métricas respecto a los otros modelos.

Banks, aiming to minimize losses or maximize profits, are compelled to improve how they manage credit risk within their customer portfolios. This raises questions such as: How can banks identify customers with payment defaults on their credit cards? How can they develop and determine the most appropriate model to predict such defaults? Classification models offer significant support in this regard. Given the challenge banks face in identifying and predicting customers with poor payment behavior on their credit cards, and considering the existence of various classification models, this study's main objective is to present the most suitable model. This is achieved by comparing different evaluation metrics, applying various classification models and validation schemes, to identify customers with payment defaults on credit cards issued by a Peruvian bank. To achieve the objective, the neural network, random forest, and k-nearest neighbor classification models were modeled using retention, cross-validation, and cross-validation with repetition validation schemes to identify customers with poor credit behavior. Subsequently, the best classification model was determined by comparing different evaluation metrics. It was observed that the cross-validation with repetition scheme improved the performance of the models. In this regard, a higher F1 Score and a larger area under the ROC curve were found for the neural network model, followed by the random forest model under the cross validation with repetition scheme. Likewise, when observing some more robust evaluation indicators, such as CSI, ETS, and MCC, it was also found that the neural network model, under the cross-validation with repetition scheme, presented higher values for these metrics compared to the other models.