Machine learning en la concesión de crédito: un análisis de las oportunidades

De qué trata

Uso de modelos de machine learning para la gestión del riesgo de crédito, en particular la predicción de la probabilidad de incumplimiento, y para el capital económico.

Resumen de la sesión

El expositor, investigador en innovación financiera del Banco de España, aclara primero qué se entiende por inteligencia artificial y aprendizaje automático: diferencia los modelos basados en supuestos sobre los datos (la econometría tradicional) de los basados en algoritmos que aprenden del dato, y recuerda que la regulación europea de la inteligencia artificial clasifica la concesión de crédito como un uso de alto riesgo. Explica por qué el crédito es el terreno natural para estudiar estas técnicas: muchos datos, comportamientos no lineales y una variable de impago que se puede clasificar.

Presenta una comparación de seis modelos, desde la regresión logística penalizada hasta redes neuronales profundas, sobre una cartera real de crédito al consumo. Los modelos basados en árboles, en particular el gradient boosting y los bosques aleatorios, discriminan y calibran mejor, y separa la mejora que viene de tener más datos de la que viene del propio modelo. Al llevar las probabilidades de incumplimiento al cálculo de capital regulatorio de Basilea con modelos internos, estima un ahorro de capital de entre 12,5 % y 17 % frente al modelo más usado por la industria, que considera un límite inferior. En las preguntas se habló de otras definiciones de impago, de replicar el ejercicio fuera de Basilea, de la vida útil de los modelos, de su puesta en producción, del gobierno de los datos y del uso de datos no estructurados como el texto.

Temas tratados

• Qué es aprendizaje automático frente a la estadística tradicional
• El crédito como uso de alto riesgo en la regulación europea de inteligencia artificial
• Comparación de seis modelos de probabilidad de incumplimiento
• Ventaja de los datos frente a ventaja del modelo
• Calibración y ahorro de capital regulatorio con modelos internos
• Escalabilidad, gobierno de los datos y puesta en producción
• Preguntas: definición de impago, vida útil de los modelos y datos no estructurados