Default de carteras de crédito en la República Dominicana: un enfoque predictivo con aprendizaje de máquina

De qué trata

Estudio que identifica las variables con mayor impacto en la predicción de default de un deudor en el sistema financiero dominicano. Selecciona 39 variables inspiradas en la literatura de predicción de default y un modelo de aprendizaje automático llamado CatBoost, y usa los valores SHAP para evaluar la interacción entre las variables e identificar la relevancia de cada una.

El ajuste del modelo, medido con el área bajo la curva ROC, fue de 86 %, con un F1 score de 50 %.