Modelos de puntuación basados en aprendizaje automático para calcular el scoring de empresas | Defensa de Trabajo Especial de la Licenciatura en Física

Día: viernes 3 de mayo de 2024

Hora: 14:30 hs

Lugar: Aula Magna | FAMAF

Resumen: El scoring bancario es una herramienta esencial para facilitar la toma de decisiones en instituciones financieras, ya que permite determinar si es factible hacer entrega del crédito o financiamiento solicitado por parte de individuos o personas jurídicas. En consecuencia, este trabajo tiene como objetivo predecir la capacidad de impago de empresas nacionales, analizando bases de datos públicas y anonimizadas correspondientes a 51.141 firmas, con datos recopilados durante 49 meses consecutivos. Debido a la importancia de la dimensión temporal en este tipo de problemas, se adopta un enfoque basado en series temporales y se aplican tres arquitecturas de aprendizaje automático: regresión logística, Random Forest de clasificación y redes neuronales recurrentes LSTM. La evaluación del rendimiento de los modelos se realiza mediante diversas métricas e indicadores como la sensibilidad, exactitud o curvas ROC, que proporcionan información valiosa para identificar el método con mejor desempeño. Los resultados reflejan una alta efectividad en general, siendo el clasificador Random Forest predominante, lo que destaca la relevancia actual del aprendizaje automático en el ámbito económico.