Predicción de incumplimiento crediticio en préstamos personales: aplicación de aprendizaje automático supervisado en entidades bancarias

El presente estudio se enfoca en la detección temprana de morosidad por parte de los clientes que toman préstamos personales en entidades financieras. El objetivo principal consiste en desarrollar una metodología basada en algoritmos de aprendizaje automático supervisado para la detección anticipada de los clientes que toman un préstamo personal y que pasan de una situación normal a una situación de morosidad. Esta detección es de vital importancia, dado que anticiparse al incumplimiento de los clientes les permite a las entidades poder ofrecer distintas alternativas para asegurar la regularidad de los pagos, lo cual beneficia tanto a la entidad como al cliente, que por falta de educación financiera puede desconocer las distintas herramientas que le pueden generar un desahogo financiero. A lo largo de la experimentación, se entrenan y validan seis modelos de clasificación distintos sobre una base de datos privados (tomados de una entidad financiera) y públicos (recabados del Banco Central de la República Argentina y de Datos Abiertos de Argentina), que luego son comparados entre sí a través de métricas predeterminadas, para detectar cuál de ellos es el más robusto para la predicción esperada.