A heterogeneous ensemble credit scoring model and risk adjusted pricing optimization model for Peer to Peer lending

Se han propuesto muchas técnicas para la evaluación del riesgo crediticio, desde clasificadores individuales hasta modelos de conjuntos. Sin embargo, el state-of-the-art en la calificación crediticia se ha centrado principalmente en la predicción precisa de la probabilidad de incumplimiento de un pr...

Full description

Autores:: Díaz Díaz, Carlos Alberto
Toro Barón, Sebastián

Tipo de recurso:

Fecha de publicación:: 2021

Institución:: Universidad de los Andes

Repositorio:: Séneca: repositorio Uniandes

Idioma:: eng

Description
Summary:	Se han propuesto muchas técnicas para la evaluación del riesgo crediticio, desde clasificadores individuales hasta modelos de conjuntos. Sin embargo, el state-of-the-art en la calificación crediticia se ha centrado principalmente en la predicción precisa de la probabilidad de incumplimiento de un prestatario. No obstante, existe una segunda variable clave para medir adecuadamente el riesgo crediticio: la pérdida ante dicho incumplimiento. En este trabajo se propuso el uso de un clasificador conjunto heterogéneo, compuesto por los modelos más utilizados tradicionalmente: Regresión logística, Bosque aleatorio y Redes neuronales, para predecir adecuadamente la Pérdida Esperada (el producto de la probabilidad de incumplimiento y la pérdida dada por incumplimiento). Con base en estos resultados, se utiliza un modelo de optimización no lineal y una simulación de Monte Carlo para maximizar la rentabilidad esperada de una institución financiera. Los resultados del análisis y la simulación muestran que el modelo propuesto produce resultados más estables y una mejor rentabilidad general que los clasificadores usados tradicionalmente en toda la industria.

A heterogeneous ensemble credit scoring model and risk adjusted pricing optimization model for Peer to Peer lending

Publicaciones similares