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 %.

Resumen de la sesión

El expositor, científico de datos e investigador de la Superintendencia de Bancos, presenta un estudio que predice el incumplimiento de deudores de crédito de consumo a doce meses con información de la central de riesgos y características del deudor, usando un modelo de gradient boosting con 39 variables. Explica la metodología: definición de incumplimiento (90 días de atraso o reestructuración), optimización de hiperparámetros, validación cruzada, separación entre entrenamiento y prueba, y por qué métricas como la puntuación F1 y el área bajo la curva ROC son más adecuadas que la exactitud cuando los incumplimientos son pocos. Aclara que las opiniones son del autor y no necesariamente de la institución.

Para abrir la ‘caja negra’ usa los valores SHAP, que muestran cuánto aporta cada variable a la predicción de cada deudor, con ejemplos de verdaderos y falsos positivos y negativos. Entre las variables más influyentes están la utilización de la tarjeta de crédito, el atraso máximo en el último año, la antigüedad del deudor, el consumo mensual (con un efecto contrario a la intuición, que interpreta como señal de ingreso), los meses desde el último desembolso, el género, el ingreso y la estabilidad laboral. Muestra cómo la pandemia alteró el poder predictivo de algunas variables y señala como limitaciones la falta de variables transaccionales. En las preguntas se habló de la métrica F1, la selección de variables, la categorización y la decisión de mantener variables contraintuitivas.

Temas tratados

• Predicción del incumplimiento en crédito de consumo con gradient boosting
• Definición de incumplimiento y validación del modelo
• Métricas con clases desbalanceadas: F1 y área bajo la curva ROC
• Valores SHAP para interpretar el modelo por deudor
• Variables más influyentes en el mercado dominicano
• Efecto de la pandemia en el poder predictivo
• Preguntas: selección y categorización de variables y variables contraintuitivas