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 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.

• Autores: Díaz Díaz, Carlos Alberto; Toro Barón, Sebastián
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/50663
• Acceso en línea: http://hdl.handle.net/1992/50663
• Palabra clave: Sistemas de puntuación crediticia; Política crediticia; Crédito; Riesgo (Economía); Tasa de Interés; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf