Pronóstico de incumplimientos de pago mediante máquinas de vectores de soporte : una aproximación inicial a la gestión del riesgo de crédito

Borradores de Economia
Number: 
677
Published: 
Classification JEL: 
C44, C50, C60, G32
Keywords: 
Human capital agglomeration, Social returns, Private returns, Externalities, Uncertainty, Fiscal policy

The most recent

María Teresa Ramírez-Giraldo, Karina Acosta, Olga Lucia Acosta Navarro, Lucia Arango-Lozano, Fernando Arias-Rodríguez, Oscar Iván Ávila-Montealegre, Oscar Reinaldo Becerra Camargo, Leonardo Bonilla-Mejía, Grey Yuliet Ceballos-Garcia, Luz Adriana Flórez, Juan Miguel Gallego-Acevedo, Luis Armando Galvis-Aponte, Luis M. García-Pulgarín, Andrés Felipe García-Suaza, Anderson Grajales, Daniela Gualtero-Briceño, Didier Hermida-Giraldo, Ana María Iregui-Bohórquez, Juliana Jaramillo-Echeverri, Karen Laguna-Ballesteros, Francisco Javier Lasso-Valderrama, Daniel Márquez, Carlos Alberto Medina-Durango, Ligia Alba Melo-Becerra, María Fernanda Meneses-González, Juan José Ospina-Tejeiro, Andrea Sofía Otero-Cortés, Daniel Parra-Amado, Juana Piñeros-Ruiz, Christian Manuel Posso-Suárez, Natalia Ramírez-Bustamante, Mario Andrés Ramos-Veloza, Jorge Leonardo Rodríguez-Arenas, Alejandro Sarasti-Sierra, Bibiana Taboada-Arango, Ana María Tribín-Uribe, Juanita Villaveces
Carlos David Ardila-Dueñas, Joel Santiago Castellanos-Caballero, Carlos David Murcia-Bustos
Wilmer Martinez-Rivera, Manuel Darío Hernández-Bejarano

Este documento describe la metodología desarrollada por Vapnik (1995), denominada máquinas de vectores de soporte (SVM, por sus siglas en inglés) y realiza dos aplicaciones al caso de clasificación de agentes para el otorgamiento de créditos a partir de sus características. El primer caso de estudio clasifica individuos de un banco alemán. En el segundo caso se pronostica el incumplimiento del pago de créditos comerciales otorgados a empresas colombianas utilizando las características iniciales del crédito. SVM se compara con dos metodologías utilizadas en el análisis de este tipo de problemas, regresión logística y análisis lineal discriminante. Los resultados arrojan un mejor desempeño en la predicción por parte de SVM respecto a las otras dos metodologías.