Resumen

Dada su importancia en la gestión del riesgo financiero, el análisis del riesgo crediticio, desde su introducción en 1950, ha tenido una gran influencia tanto en investigaciones académicas como en situaciones prácticas. En este trabajo se propone una revisión bibliográfica sistemática que considere “Credit Risk” y “Credit risk” como parámetros de búsqueda para responder dos preguntas de investigación principales: ¿se están aplicando efectivamente las técnicas de aprendizaje automático en las investigaciones sobre la evaluación del riesgo de crédito? Incluso, ¿cuáles de estas técnicas cuantitativas se han aplicado mayoritariamente en los últimos diez años de investigación? Se siguieron diferentes pasos para seleccionar los artículos para el análisis, así como los criterios de exclusión para verificar solo los artículos con enfoques de aprendizaje automático. Entre los resultados, se encontró que el aprendizaje automático se está aplicando ampliamente en la Evaluación de Riesgo de Crédito, donde en su mayoría se encontraron aplicaciones de Inteligencia Artificial (AI), más específicamente, de Redes Neuronales Artificiales (ANN). Después de la explicación de cada respuesta,se presenta una discusión sobre los resultados.

INTRODUCCIÓN

El análisis del riesgo de crédito es un área de investigación activa en la gestión del riesgo financiero, y la calificación crediticia es una de las técnicas analíticas clave en la evaluación del riesgo de crédito (Yu, Wang y Lai, 2009; Steiner, Nievola, Soma, Shimizu y Steiner Neto, 2007). Con el rápido desarrollo de los productos y servicios financieros, los departamentos de crédito de los bancos han recopilado grandes cantidades de datos, que los analistas de riesgo utilizan para construir modelos de riesgo de crédito adecuados para evaluar con precisión el riesgo de crédito de un solicitante (Zhang, Gao, y Shi, 2014).

La evaluación del riesgo de crédito es un problema de investigación de minería de datos, a la vez desafiante e importante en el campo del análisis financiero. Esta evaluación se utiliza para predecir si existe o no la posibilidad de concesión de un crédito. Desde su introducción en 1950, se ha aplicado ampliamente y, más recientemente, se ha realizado en concesiones de préstamos, análisis de tarjetas de crédito y su aplicación natural, la concesión de créditos (Luo, Kong y Nie, 2016).

Según el trabajo de Zhang, Gao y Shi (2014), existe una amplia gama de metodologías para resolver problemas de clasificación del riesgo de crédito. Estos métodos incluyen principalmente la regresión logística, la regresión probit, el análisis del vecino más cercano, las redes bayesianas, las redes neuronales artificiales (RNA), los árboles de decisión, los algoritmos genéticos (AG), la toma de decisiones con criterios múltiples (MCDM), las máquinas de vectores de soporte (SVM), entre muchos otros.

• Materias:Aprendizaje automático Economía Gestión de riesgos Redes neuronales artificiales
• Subjects:Machine learning Economics Risk management Artificial neural networks
• Palabras claves:evaluación de riesgo de crédito, aprendizaje automático, revisión sistemática de literatura.
• Keywords:credit risk assessment, machine learning, systematic literature review.