Desarrollo de una red neuronalartificial para la identificación de posibles deudores morosos
Autor | Víctor Daniel Gil Vera |
Cargo | Facultad de Ingeniería, Docente Investigador, Medellín, Colombia |
Páginas | 29-34 |
Quid N° 24, pp. 29-34, enero - junio 2015, ISSN: 1692-343X, Medellín-Colombia
Resumen. El riesgo crediticio ha sido durante muchos años un tema ampliamente estudiado y analizado en el sector
bancario; en la actualidad, para muchas entidades nancieras sigue siendo el riesgo más importante y difícil de
gestionar y evaluar. Este trabajo presenta una red neuronal articial (RNA) del tipo perceptrón multicapa para
identicar posibles deudores morosos. Para el desarrollo del modelo se empleó una base de datos conformada por
una muestra de 360 clientes de una entidad nanciera de los cuales 288 habían solicitado un crédito, el resto de
clientes fueron utilizados para validar el análisis. Con la realización de este trabajo se concluye que los modelos de
pronóstico basados en redes neuronales articiales permiten obtener resultados más precisos que otras clases de
técnicas y metodologías, ya que permiten considerar variables que son difíciles de cuanticar por medio de simples
ecuaciones. En esta investigación, el modelo desarrollado con redes neuronales articiales (RNA) permitió
identicar que los egresos mensuales es la principal variable que deben analizar las entidades nancieras antes de
aprobar un crédito.
Palabras clave: Redes Neuronales Articiales (RNA), perceptrón multicapa, riesgos crediticios, pronósticos
Abstract. Credit risk has been a topic widely studied and analyzed in the banking sector for many years. Nowadays,
such topic keeps as the most important and difcult to manage and to evaluate. This paper presents an articial
neural network (ANN) based upon the multilayer perceptrón in order to identify potential failing debtors.
Development of the model required data processing from a database consisting of 360 clients belonging to a
nancial institution, from which 288 had asked for a credit and the other customers were used to validate the
analysis. Therefore, it is possible to conclude that ANN forecasting models enable accurate results, rather than other
classes of techniques (since they only consider variables that are difcult to quantify through simple equations). In
this technical contribution, the developed ANN model allowed lead to a deduction on the fact that monthly
expenditure should be the main variable that has to analyzed by nancial institutions before approving a loan to their
customers.
Keywords: Articial Neural Networks (ANN), multilayer perceptrón, credit risk, forecasting
DESARROLLO DE UNA RED NEURONAL ARTIFICIAL PARA LA IDENTIFICACIÓN
DE POSIBLES DEUDORES MOROSOS
DEVELOPMENT OF AN ARTIFICIAL NEURAL NETWORK FOR THE IDENTIFICATION OF
POSSIBLE DEFAULTING DEBTORS
Citar, estilo APA: Gil, V. (2015). Desarrollo de una red neuronal articial para la identicación de posibles deudores
morosos. Revista QUID, (24), 29-34.
Mg. Víctor Daniel Gil Vera
Fundación Universitaria Luis Amigó,
Facultad de Ingeniería, Docente Investigador,
Grupo de Investigación SISCO,
Medellín-Colombia
victor.gilve@amigo.edu.co
(Recibido el 19-01-2015 - Aprobado el 20-02-2015)
1. INTRODUCCIÓN
El riesgo crediticio puede entenderse como la posible
pérdida que asume una entidad nanciera u agente
económico como consecuencia del incumplimiento
de las obligaciones asumidas por la contraparte
(Pac elli y Az zollin i, 2011). En la a ctualid ad,
gestionar y analizar esta clase de riesgo sigue siendo
una tarea de alta complejidad. Sin embargo, en los
últimos años los avances en la tecnología de la
Para continuar leyendo
Solicita tu prueba