Modelo credit scoring en microfinanzas

Abstract

El modelo credit scoring es el método de algoritmos más relevante en el sector bancario para medir el nivel de riesgo que existe al momento de la evaluación crediticia. Permite decidir entre la alternativa de aceptar o rechazar un crédito; además, contribuye a que la evaluación de las diversas personas, empresas o PYMES sea efectiva para que puedan tener acceso al financiamiento. La aplicación eficiente del credit scoring optimiza los resultados de las instituciones financieras, lo que genera mayor rentabilidad.

En diferentes contextos, la información registrada para validar el historial crediticio resulta insuficiente. En el sistema financiero, esto es un inconveniente importante al momento de evaluar la solvencia de los futuros prestatarios y, por consiguiente, decidir las tasas de interés respectivas en microfinanzas.

Esta investigación presenta la controversia de diversos autores respecto a los factores que influyen en el riesgo de crédito como la gestión de riesgo, el incumplimiento de pago y la morosidad. Asimismo, evidencia el impacto del uso de algoritmos en el modelo para predecir el riesgo de crédito, puntaje crediticio, teorías de algoritmos y clasificadores de referencia para mejorar la precisión en la calificación crediticia del cliente.

Finalmente, el avance de la tecnología ha permitido una mayor innovación en las técnicas y en el perfeccionamiento de los modelos. Estas transformaciones contribuyen a optimizar, cada vez más, los procesos de evaluación y, de esa manera, obtener resultados más precisos.

The credit scoring model is the most relevant method of algorithms in the banking sector to measure the level of risk that exists at the time of the credit evaluation, it allows deciding the alternative of accepting or rejecting a credit, and the evaluation of several people, companies and/or SMEs is effective to access to financing. The efficient application of credit scoring optimizes the results of financial institutions, generating greater profitability.

In different contexts, the information to validate the registered credit history is insufficient; in the system is a major inconvenience when evaluating the solvency of future borrowers and, consequently, deciding the respective interest rates in microfinance.

This research presents the controversy of various authors regarding the factors that influence credit risk, such as risk management, payment default and delinquency. Likewise, the impact of the use of algorithms in the model to predict credit risk, credit score, algorithm theories and reference classifiers in order to improve the accuracy of the customer's credit rating is evidenced.

Finally, the advancement of technology has allowed greater innovation in techniques and refinement of models in order to increasingly improve evaluation processes and thus obtain accurate results.