El machine learning predice el riesgo de impagos de los préstamos

Unos economistas elaboran un estudio que determina que con el machine learning se puede predecir el impago crediticio. Esto supondría un colchón de capital de hasta 34.000 millones.

El sector bancario no se lo piensa dos veces. Si hay que utilizar el Big Data, la Inteligencia Artificial y el machine learning, se usa. ¿Por qué? Muy sencillo? Las nuevas tecnologías ayudan a las entidades bancarias a predecir el riesgo de impago en los préstamos. Y esto se traduce, por supuesto, en decisiones. Si se predice que una determinada persona o empresa no va a pagar un préstamo, es muy probable que no se le conceda.

Un estudio publicado por el Banco de España asegura que de emplear esta tecnología, los bancos podrían realizar un mejor análisis del crédito. 

Los resultados de esta investigación corresponden a los economistas Andrés Alonso y José Manuel Carbó, de la división de innovación financiera del supervisor. Ellos han elaborado un estudio al que han denominado ‘Entendiendo el desempeño de los modelos de ‘machine learning’ para predecir el impago crediticio: una aproximación novedosa para la evaluación supervisora’.

Uso de bases de datos

Para llegar a esa conclusión utilizan la base de datos de uno de los principales bancos de España. Esta información les sirve para comparar el rendimiento de los modelos que utilizan, desde los más usados hasta los más avanzados.

Uno de los algoritmos que han empleado durante el trabajo es el XGBoost. Se trata de un algoritmo predictivo basado en un árbol de decisiones. ¿Para qué sirve? Para predecir sobre una variable y que implica un aprendizaje automático con los datos aportados. Así, el sistema lo que hace es que calcula todas las opciones volviendo desde las menos acertadas hasta encontrar el modelo más óptimo.

Sin embargo, las principales conclusiones del empleo de esta tecnología en los bancos son sorprendentes. En concreto, los economistas determinan un ahorro potencial en requisitos de capital por una mayor fiabilidad en la predicción del riesgo de hasta el 17%. Esto quiere decir, según datos de la  Autoridad Europea de Banca que podrían reducir el colchón de capital en hasta 34.000 millones manteniendo el mismo margen respecto a los requerimientos.

TE PUEDE GUSTAR

Bain & Company ha adquirido PiperLab, compañía española especializada en soluciones de Inteligencia Artificial y Machine Learning (ML), con el objetivo de ampliar su oferta

EVENTOS

RECIBE NUESTRA NEWSLETTER

*Email:

*Nombre:

*Empresa:

Cargo:

Sector:
     

Please don't insert text in the box below!

ESCUCHA NUESTRO PODCAST

SÍGUENOS EN RRSS

MÁS COMENTADOS

Scroll al inicio