APLICACIONES DE DATA MINING EN LA GENERACIÓN DE MODELOS DE EVALUACIÓN DE RIESGO EN OPERACIONES DE CRÉDITO A MICROEMPRESAS.

Abstract

El presente trabajo corresponde a una investigación empírica, sobre las posibilidades de aplicar técnicas de Data Mining a problemas de segmentación, evaluación y clasificación de riesgo crediticio a microempresas. En particular, se evaluaron métodos estadísticos paramétricos y redes neuronales. Esta evaluación se realizó a partir de la construcción de modelos de credit scoring que seguían enfoques de diseo alternativo, pero que utilizaban la mismas bases de desarrollo y prueba. Los resultados muestran que tanto los métodos estadísticos paramétricos como las redes neuronales, permiten distinguir adecuadamente el riesgo potencial de la operación de crédito, con consecuencias positivas para la institución, tanto en el ámbito operativo como económico. La comparación mas detallada de ambos enfoques, indica que el modelo basado en redes neuronales presenta resultados marginalmente superiores a los modelos basados en estadística paramétrica. Sin embargo, la integración de ambos modelos mediante una estrategia de multiclasificación basada en árboles, permite obtener aún mejores resultado. Finalmente, se evalúan distintas estrategias de política de crédito basadas en la diferenciación de riesgo potencial y tasas de interés.