Desarrollo de un Score de riesgo financiero con XGBoost para evaluación de crédito Fintech
Uložené v:
| Názov: | Desarrollo de un Score de riesgo financiero con XGBoost para evaluación de crédito Fintech |
|---|---|
| Autori: | Correa Restrepo, Juan David |
| Prispievatelia: | Ortiz Arias, Santiago |
| Informácie o vydavateľovi: | Universidad EAFIT, 2024. |
| Rok vydania: | 2024 |
| Predmety: | Estadístico Kolmogorov-Smirnov, FINANZAS, CRÉDITO, RIESGO (FINANZAS), CIENCIA DE LA INFORMACIÓN, Score de crédito, Apetito de riesgo, RIESGO (ECONOMÍA), Eliminación de outliers, Simulación Montecarlo, Reducción de dimensionalidad |
| Popis: | El score de crédito es utilizado por las entidades financieras para evaluar el riesgo de sus clientes basado en la probabilidad de caer en mora, informando decisiones de aprobación de crédito. Este proyecto desarrolla un modelo XGBoost para estimar el score de crédito del perfil típico de clientes de una empresa Fintech, utilizando datos sociodemográficos, de empleabilidad y comportamiento financiero. El entrenamiento y validación del modelo involucraron la creación de diversas bases de datos mediante la eliminación de outliers y la reducción de dimensionalidad con PCA Robusta (ROBPCA). Los hiperparámetros se optimizaron utilizando una simulación Montecarlo de 6,000 muestras, evitando el sobreajuste y mejorando el rendimiento. A pesar de desafíos como la dependencia de la calidad de los datos y posibles sesgos, el modelo predice eficazmente el default, especialmente en scores bajos. El proyecto concluye con recomendaciones para la mejora continua, como la integración de nuevas fuentes de datos y el uso de técnicas avanzadas de machine learning, para aumentar la precisión y robustez del modelo. El modelo propuesto puede adaptarse al mercado Fintech y a la población objetivo, facilitando una correcta segmentación de clientes y manteniendo niveles de riesgo aceptables para la organización. Magíster en Ciencias de Datos y Analítica Maestría |
| Druh dokumentu: | Master thesis |
| Popis súboru: | application/pdf |
| Jazyk: | Spanish; Castilian |
| Prístupová URL adresa: | https://hdl.handle.net/10784/34305 |
| Prístupové číslo: | edsair.od......2653..b884eb1c76282875c3a5871328d6d1c7 |
| Databáza: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstrakt: | El score de crédito es utilizado por las entidades financieras para evaluar el riesgo de sus clientes basado en la probabilidad de caer en mora, informando decisiones de aprobación de crédito. Este proyecto desarrolla un modelo XGBoost para estimar el score de crédito del perfil típico de clientes de una empresa Fintech, utilizando datos sociodemográficos, de empleabilidad y comportamiento financiero. El entrenamiento y validación del modelo involucraron la creación de diversas bases de datos mediante la eliminación de outliers y la reducción de dimensionalidad con PCA Robusta (ROBPCA). Los hiperparámetros se optimizaron utilizando una simulación Montecarlo de 6,000 muestras, evitando el sobreajuste y mejorando el rendimiento. A pesar de desafíos como la dependencia de la calidad de los datos y posibles sesgos, el modelo predice eficazmente el default, especialmente en scores bajos. El proyecto concluye con recomendaciones para la mejora continua, como la integración de nuevas fuentes de datos y el uso de técnicas avanzadas de machine learning, para aumentar la precisión y robustez del modelo. El modelo propuesto puede adaptarse al mercado Fintech y a la población objetivo, facilitando una correcta segmentación de clientes y manteniendo niveles de riesgo aceptables para la organización.<br />Magíster en Ciencias de Datos y Analítica<br />Maestría |
|---|