Predicción del riesgo crediticio a microfinanciera usando aprendizaje computacional

El principal riesgo que enfrentan las Sociedades Cooperativas de Ahorro y Préstamo según la Comisión Nacional Bancaria y de Valores, es el crédito. En este artículo se aplican modelos híbridos de aprendizaje computacional para la predicción del riesgo crediticio de solicitudes de clientes pertenecientes a estas sociedades, además se describe la importancia de la selección de características y la reducción de la dimensionalidad, combinando métodos de aprendizaje no supervisado y supervisado. Los experimentos mostraron que los modelos híbridos en conjunto con técnicas de selección de características superan a los algoritmos de aprendizaje computacional de manera individual utilizando todas las características de los conjuntos de datos analizados. Los conjuntos están desbalanceados, por lo cual se utiliza el método de SMOTE para sobremuestrear la clase minoritaria y equilibrar la cantidad de elementos durante el entrenamiento. Los resultados obtenidos confirman que la combinación de métodos no supervisados y supervisados generan una mejora del 6% en el accuracy en comparación con los modelos del estado del arte y 10% en la reducción del error del tipo II para las bases de datos públicas analizadas.