Diseño de un modelo de aprobación de crédito para reducir el nivel de riesgo crediticio en la línea de consumo de entidades financieras

La industria bancaria es un sector clave en la economía, que proporciona servicios financieros esenciales a individuos y empresas. Uno de los desafíos más significativos que enfrentan las entidades bancarias, es el manejo del riesgo crediticio, que hace referencia a la posibilidad de que los prestatarios incumplan con sus obligaciones de pago y que, potencialmente, impacta de manera sustancial la rentabilidad y estabilidad de las instituciones financieras. Además, la metodología actual carece de balance entre satisfacción del cliente y tiempo de respuesta, dando como resultado un proceso ineficiente. Este proyecto busca aprovechar las ventajas del Machine Learning al analizar datos históricos, como historial crediticio y comportamiento financiero del cliente, a fin de diseñar un modelo de aprobación de préstamos que facilite a las entidades tomar decisiones de otorgamiento de créditos. Esto permitirá una clasificación más precisa y eficiente de los clientes, mejorando la calidad de la cartera y optimizando la asignación de recursos financieros. Después de probar con datos de testeo, el modelo logró reducir el porcentaje de clientes que aprobaba erróneamente, por consiguiente, reduce el riesgo crediticio y le garantiza a la entidad bancaria una reducción de sus pérdidas y pot tanto, una mejora en su ventaja competitiva.

• Autores: Arias Almanza, Jesús Andrés; Barrero Hernández, Daniel Eduardo; Molinares Benavides, María Alejandra
• Fecha de publicación: 2023
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/11535
• Acceso en línea: http://hdl.handle.net/10584/11535
• Palabra clave: Modelo de aprobación; Riesgo crediticio; Entidades bancarias; Modelos de clasificación; Machine learning; Classification model; Bank entities; Credit risk
• License: Universidad del Norte