Predicción de la tasa de morosidad de la cartera crediticia de una empresa de retail financiero

Abstract

Este proyecto trata la predicción de la tasa de morosidad de una empresa del retail financiero chileno, considerando la importancia de este indicador para la gestión del riesgo crediticio y la rentabilidad. En un contexto macroeconómico desafiante post-pandemia, se analiza el impacto de variables como el PIB, inflación, tasa de desempleo, tipo de cambio, entre otras, en la morosidad de los créditos. Se utilizaron métodos de selección de variables como Elastic Net y RFE, y se implementaron los modelos GAM, ARIMAX y Random Forest. Estos se evaluaron mediante métricas como R², MSE, RMSE, MAE, MAPE y el AIC, así como el Model confidence Set (MCS). Los resultados indican que el modelo Random Forest obtuvo el mejor desempeño con un coeficiente de determinación de 0.866 y menor error cuadrático medio en los datos de prueba. Aunque el modelo ARIMAX con variables seleccionadas por Elastic Net mostró métricas competitivas, su interpretación se vio limitada debido al escaso sentido de negocio de algunas variables. En conclusión, el modelo Random Forest demostró ser la metodología más adecuada, destacando por su capacidad predictiva y flexibilidad. Este trabajo contribuye a la toma de decisiones estratégicas en la gestión del riesgo crediticio, anticipando tendencias en la morosidad y mejorando la sostenibilidad financiera.