CONTENIDO

1. EL PROBLEMA

2. REVISIÓN DE LA LITERATURA

3. METODOLOGÍA

4. PRUEBAS, RESULTADOS Y DISCUSIÓN

5. CONCLUSIONES Y RECOMENDACIONES

PROBLEMA

• El otorgamiento de crédito es una de las principales operaciones de las Entidades Financieras, representa no sólo la fuente principal de ingresos, también puede representar la fuente de múltiples y significativos problemas.

• Si existe créditos en retraso o de no pago estos son los causantes de insolvencia y descapitalización atentando contra la solidez y sostenimiento de la institución en el largo plazo.

PROBLEMA

• Cuando un crédito concedido no se recupera en tiempo y forma, el riesgo de morosidad tiende a incrementarse, incurriendo en mayores gastos para su recuperación (gasto de cobranza). La falta de recuperación de los créditos, es un problema serio que podría derivar en el cierre de la entidad financiera.

PROBLEMA

PROBLEMA GENERAL

¿Qué algoritmo de aprendizaje automático será el más eficiente para predecir la morosidad en el otorgamiento de crédito en las Instituciones Financieras para garantizar una futura toma de decisión adecuada por parte de los administradores de riesgo respecto a brindar crédito a los clientes?

PROBLEMAS ESPECÍFICOS

• ¿De qué manera se puede estimar y validar los algoritmos de aprendizaje automático para predecir la morosidad en el otorgamiento de crédito y así conocer su nivel de certeza?

• ¿Cuál será el mejor método para comparar los algoritmos de aprendizaje automático y de este modo obtener el mejor de ellos para la predicción de la morosidad en el otorgamiento de crédito en las instituciones financieras?

• ¿El diseño adecuado de un sistema web permitirá la predicción de la morosidad en el otorgamiento de crédito en las instituciones financieras?

OBJETIVO GENERAL

• Determinar el mejor algoritmo de aprendizaje automático para predecir la morosidad en el otorgamiento de crédito en las instituciones financieras para así garantizar la toma de decisiones adecuada por parte de los administradores de riesgo respecto a brindar crédito a los clientes.

OBJETIVOS ESPECÍFICOS

• Estimar y validar los algoritmos de aprendizaje automático para predecir la morosidad en el otorgamiento de crédito en las instituciones financieras.

• Comparar los algoritmos de aprendizaje automático y obtener el mejor algoritmo para la predicción de la morosidad en el otorgamiento de crédito en las instituciones financieras.

• Implementar con el mejor algoritmo de aprendizaje automático un sistema web de predicción de la morosidad en el otorgamiento de crédito en las instituciones financieras.

HIPÓTESIS GENERAL

• Implementando un algoritmo de aprendizaje automático permitirá la eficiente predicción de la morosidad en el otorgamiento de crédito en las instituciones financieras mejorando la toma de decisión por parte de los administradores de crédito.

HIPÓTESIS ESPECÍFICOS

• Los algoritmos de aprendizaje automático proporcionan resultados eficientes en la predicción de la morosidad crediticia, todos con un grado de certeza superior al 70%.

• El uso de validación cruzada permite comparar el desempeño conjunto de los algoritmos y por consiguiente obtener el mejor para predecir la morosidad en el otorgamiento de crédito.

• El uso del mejor algoritmo de aprendizaje automático facilita la implementación del sistema web de predicción de morosidad en el otorgamiento de crédito.

SISTEMA FINANCIERO PERUANO

PROCESO DEL CRÉDITO

El Crédito es la operacion financiera donde una entidad le concede a otra una cantidad de dinero en una cuenta a su disposicion, comprometiendose a devolver todo el dinero tomado, pagando ademas un interés por el uso de esa cantidad.

CONCEPTOS IMPORTANTES

Minería Datos: Proceso de descubrir información útil a partir del análisis de grandes volúmenes de datos cuyo objetivo es predecir tendencias o comportamientos y obtener modelos que previamente eran desconocidos.

Aprendizaje Automático: Construcción de programas que utilizando la experiencia sean capaces de mejorar automáticamente su rendimiento (Aprendizaje supervisado y no supervisado).

CONCEPTOS IMPORTANTES

MODELOS DE APRENDIZAJE AUTOMÁTICO

MÉTODOS DE EVALUACIÓN

METODOLOGÍA

METODOLOGÍA CRISP-DM

Código en R (Entrenamiento y Prueba) y Modelo General

library(RODBC); library(DT)
canal<-odbcConnect("H-MYSQL",uid = "root")
datos<-sqlQuery(canal,"SELECT *FROM creditomodelo")
close(canal)
set.seed(134) # training 70% y testing 30%
dividir <- sample(2, nrow(datos), replace = TRUE, prob = c(0.7, 0.3))
entrenamiento <- datos[dividir == 1, ] ; prueba <- datos[dividir == 2, ]

Árboles de Decisión

library(RODBC); library(rpart)
canal<-odbcConnect("H-MYSQL",uid = "root")
datos<-sqlQuery(canal,"SELECT *FROM creditomodelo")
datos<-datos[,-1]; datos$salario<-as.factor(datos$salario); datos$tiemporesidencia<-as.factor(datos$tiemporesidencia)
datos$diasatraso<-as.factor(datos$diasatraso); close(canal)
set.seed(134) # training 70% y testing 30%
dividir <- sample(2, nrow(datos), replace = TRUE, prob = c(0.8, 0.2))
entrenamiento <- datos[dividir == 1, ]; prueba <- datos[dividir == 2, ]
modelo_arbol <- rpart(resultado~., data = entrenamiento,
                    control = rpart.control(minsplit = 60,
                    minbucket = 0.66,cp = 0.01,maxdepth = 30))
prediccion_arbolROC <- predict(modelo_arbol, prueba, type = "prob") # se usa para hallar plotROC
prediccion_arbol <- predict(modelo_arbol, prueba[,-20], type = "class") # se usa para hallar MC
MC <- table(prueba$resultado,prediccion_arbol);acierto <- sum(diag(MC))/sum(MC)
error <- 1-acierto; score_arbol <- prediccion_arbolROC[,2]
clase_arbol <- prueba$resultado

Árboles de Decisión

Bosques Aleatorios

library(RODBC); library(randomForest)
canal<-odbcConnect("H-MYSQL",uid = "root")
datos<-sqlQuery(canal,"SELECT *FROM creditomodelo")
datos<-datos[,-1]; datos$salario<-as.factor(datos$salario)
datos$tiemporesidencia<-as.factor(datos$tiemporesidencia)
datos$diasatraso<-as.factor(datos$diasatraso); close(canal)
set.seed(134) # training 80% y testing 20%
dividir <- sample(2, nrow(datos), replace = TRUE, prob = c(0.8, 0.2))
entrenamiento <- datos[dividir == 1, ]; prueba <- datos[dividir == 2, ]
modelo_bosque<-randomForest(resultado~.,data = entrenamiento,importance=TRUE, ntree = 500)
prediccion_bosque <- predict(modelo_bosque, prueba[,-20], type = "class") # para hallar MC
prediccion_bosqueROC <- predict(modelo_bosque, prueba[,-20], type = "prob") # para hallar ROC
MC<-table(prueba$resultado,prediccion_bosque); acierto<-sum(diag(MC))/sum(MC)
error <- 1-acierto; score <- prediccion_bosqueROC[,2] ; clase <- prueba$resultado

Bosques Aleatorios

Redes Neuronales

library(RODBC); library(nnet)
canal<-odbcConnect("H-MYSQL",uid = "root")
datos<-sqlQuery(canal,"SELECT *FROM creditomodelo"); datos<-datos[,-1]
datos$salario<-as.factor(datos$salario)
datos$tiemporesidencia<-as.factor(datos$tiemporesidencia)
datos$diasatraso<-as.factor(datos$diasatraso); close(canal)
set.seed(134) # training 80% y testing 20%
dividir <- sample(2, nrow(datos), replace = TRUE, prob = c(0.8, 0.2))
entrenamiento <- datos[dividir == 1, ] ; prueba <- datos[dividir == 2, ]
modelo_red <- nnet(resultado~.,data = entrenamiento, MaxNWts = 16000,
                   size = 300, rang = 0.1, decay = 5e-4, maxit = 400, 
                   trace = FALSE)
prediccion_red <- predict(modelo_red, prueba[,-20], type = "class") # para MC
prediccion_redROC <- predict(modelo_red, prueba[,-20], type = "raw") # para ROC
MC<-table(prueba$resultado,prediccion_red); acierto<-sum(diag(MC))/sum(MC)
error <- 1-acierto; score_red <- prediccion_redROC[,1]
clase_red <- prueba$resultado

Redes Neuronales

Máquinas de Vectores de Soporte

library(RODBC); library(e1071)
canal<-odbcConnect("H-MYSQL",uid = "root")
datos<-sqlQuery(canal,"SELECT *FROM creditomodelo"); datos<-datos[,-1]
datos$salario<-as.factor(datos$salario); datos$tiemporesidencia<-as.factor(datos$tiemporesidencia)
datos$diasatraso<-as.factor(datos$diasatraso); close(canal)
set.seed(134) # training 80% y testing 20%
dividir <- sample(2, nrow(datos), replace = TRUE, prob = c(0.8, 0.2))
entrenamiento <- datos[dividir == 1, ] ; prueba <- datos[dividir == 2, ]
modelo_svmPol <- svm(resultado~., data = entrenamiento,kernel = "polynomial", probability = TRUE)
modelo_svmSig <- svm(resultado~., data = entrenamiento,kernel = "sigmoid", probability = TRUE)
modelo_svmRad <- svm(resultado~., data = entrenamiento,kernel = "radial", probability = TRUE)
modelo_svmLin <- svm(resultado~., data = entrenamiento,kernel = "linear", probability = TRUE)
prediccion_svmPol <- predict(modelo_svmPol, prueba[,-20], probability = TRUE)
prediccion_svmSig <- predict(modelo_svmSig, prueba[,-20], probability = TRUE)
prediccion_svmRad <- predict(modelo_svmRad, prueba[,-20], probability = TRUE)
prediccion_svmLin <- predict(modelo_svmLin, prueba[,-20], probability = TRUE)
MCPol<-table(prueba$resultado,prediccion_svmPol); MCSig<-table(prueba$resultado,prediccion_svmSig)
MCRad<-table(prueba$resultado,prediccion_svmRad); MCLin<-table(prueba$resultado,prediccion_svmLin)
aciertoPol<-sum(diag(MCPol))/sum(MCPol); aciertoSig<-sum(diag(MCSig))/sum(MCSig)
aciertoRad<-sum(diag(MCRad))/sum(MCRad); aciertoLin<-sum(diag(MCLin))/sum(MCLin)
errorPol <- 1-aciertoPol; errorSig <- 1-aciertoSig
errorRad <- 1 - aciertoRad; errorLin <- 1- aciertoLin
score_svmPol <- attributes(prediccion_svmPol)$probabilities[,2]; clase_svmPol <- prueba$resultado
score_svmSig <- attributes(prediccion_svmSig)$probabilities[,2]; clase_svmSig <- prueba$resultado
score_svmRad <- attributes(prediccion_svmRad)$probabilities[,2]; clase_svmRad <- prueba$resultado
score_svmLin <- attributes(prediccion_svmLin)$probabilities[,2]; clase_svmLin <- prueba$resultado

Máquinas de Vectores de Soporte

Máquinas de Vectores de Soporte

Evaluando los Algoritmos

Evaluando los Algoritmos

Evaluando los Algoritmos