A Bayesian Network Model to Evaluate the Credit Risk of Mexican Microfinance Institutions in 2023

La evaluación del riesgo de crédito es esencial para las instituciones financieras, ya que les permite tomar la decisión correcta en el momento adecuado. Esta investigación presenta un modelo basado en un algoritmo de Red Bayesiana para estimar el riesgo de crédito en escenarios simplificados de perfil de cliente único para instituciones de microfinanzas. Demostramos el potencial de previsión del riesgo aplicando los datos probabilísticos de una base de datos histórica estándar. Nuestra aplicación se basa en una base de datos bancaria con resultados históricos de préstamos. Las variables de la base de datos son la edad, los ingresos, el historial crediticio, la propiedad de la vivienda y el estado final del préstamo, en el que existen tres posibilidades (pago, impago, incumplimiento). Establecemos una relación entre las variables mediante una red inferencial y tablas de probabilidades conjuntas. Además, exploramos tres escenarios, considerando diferentes rangos de edad e ingresos, para obtener distribuciones de probabilidad de riesgo. La probabilidad inferencial se obtiene mediante una red bayesiana donde la interrelación entre variables se estructura en una topología específica. Este trabajo, a diferencia de otros, utiliza el supuesto de causalidad para estimar la probabilidad de impago o riesgo de crédito. Esto se aproxima más a la realidad de las entidades de crédito y, por tanto, es una potente herramienta para la toma de decisiones en la evaluación crediticia por parte de las agencias de análisis de riesgos.