El machine learning predice el riesgo de impagos de los préstamos

16 abril, 2021
1,080 Visualizaciones

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 podría interesar

España, décima en el uso del blockchain dentro del sector inmobiliario
Actualidad
7 compartido1,386 visualizaciones
Actualidad
7 compartido1,386 visualizaciones

España, décima en el uso del blockchain dentro del sector inmobiliario

Redacción BDM - 13 febrero, 2020

EEUU, Reino Unido, Singapur, Suiza, Holanda, Rusia, Australia, Emiratos Árabes y Alemania son los países que se encuentran por encima de España. España pisa el acelerador en…

Resumen de la Jornada sobre Inteligencia Artificial aplicada a los negocios
Actualidad
15 compartido2,193 visualizaciones
Actualidad
15 compartido2,193 visualizaciones

Resumen de la Jornada sobre Inteligencia Artificial aplicada a los negocios

Vicente Ramírez - 18 junio, 2018

La jornada ‘Inteligencia Artificial: resultados reales de negocio’ celebrada ayer en el Teatro Goya por el Instituto de Ingeniería del Conocimiento (IIC) ahondó en los beneficios que…

7 beneficios de la virtualización de datos para los científicos de datos
Sin categoría
6 compartido1,349 visualizaciones
Sin categoría
6 compartido1,349 visualizaciones

7 beneficios de la virtualización de datos para los científicos de datos

Redacción BDM - 26 noviembre, 2020

Uno de cada tres científicos de datos tiene problemas de tiempo para poder gestionar toda la información. Los científicos de datos son una de las profesiones más…

Dejar comentario

Su email no será publicado

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.