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

Borradores de Economia
Número: 
677
Publicado: 
Clasificación JEL: 
C44, C50, C60, G32
Palabras clave: 
Clasificación, Máquinas de aprendizaje, Riesgo de crédito, Support vector machines

Lo más reciente

Julián Alonso Cárdenas-Cárdenas, Deicy Johana Cristiano-Botia, Eliana Rocío González-Molano, Carlos Alfonso Huertas-Campos
Luis E. Arango, Juan José Ospina-Tejeiro, Fernando Arias-Rodríguez, Oscar Iván Ávila-Montealegre, Jaime Andrés Collazos-Rodríguez, Diana M. Cortázar Gómez, Juan Pablo Cote-Barón, Julio Escobar-Potes, Aarón Levi Garavito-Acosta, Franky Juliano Galeano-Ramírez, Eliana Rocío González-Molano, Maria Camila Gomez Cardona, Anderson Grajales, David Camilo López-Valenzuela, Wilmer Martinez-Rivera, Nicolás Martínez-Cortés, Rocío Clara Alexandra Mora-Quiñones, Sara Naranjo-Saldarriaga, Antonio Orozco, Daniel Parra-Amado, Julián Pérez-Amaya, José Pulido, Karen L. Pulido-Mahecha, Carolina Ramírez-Rodríguez, Sergio Restrepo Ángel, José Vicente Romero-Chamorro, Nicol Valeria Rodríguez-Rodríguez, Norberto Rodríguez-Niño, Diego Hernán Rodríguez-Hernández, Carlos D. Rojas-Martínez, Johana Andrea Sanabria-Domínguez, Diego Vásquez-Escobar
Luis Armando Galvis-Aponte, Adriana Isabel Ortega-Arrieta, Adriana Marcela Rivera-Zárate

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.