Estudio del riesgo de crédito y su marco normativo para la predicción de la probabilidad de default empleando técnicas de machine learning

Abstract

Este proyecto realiza un estudio del riesgo de crédito y de los factores que lo constituyen, tratando de sentar las bases teóricas del trabajo. A continuación, se desarrolla el panorama regulativo histórico y actual. Centrándonos en la normativa europea, se exponen los marcos normativos planteados por el comité de Basilea, concretamente Basilea I y Basilea II. Dentro de este último, se profundiza en los métodos basados en calificaciones internas (IRB). Se concluye el apartado teórico con la decisión de seleccionar la metodología IRB básica para la predicción de la probabilidad de default mediante el uso de modelos estadísticos y analíticos propios. Los modelos seleccionados son un modelo de regresión logística, un modelo de red neuronal, un modelo de árbol de decisión y un modelo basado en XGBoost. Estos modelos son entrenados empleando los datos del banco especializado en préstamos entre particulares Lending Club. Primero, se lleva a cabo un tratamiento de los datos, donde reducimos el número de variables a emplear de 151 a 76. Posteriormente, se desarrollan y entrenan los cuatro modelos, cuyo desempeño demuestra una excelente capacidad predictiva.

This project conducts a study of credit risk and the factors that constitute it, trying to lay the theoretical foundations of the work. Next, the historical and current regulatory panorama is developed. Focusing on European regulations, the regulatory frameworks proposed by the Basel Committee, specifically Basel I and Basel II, are presented. Within the latter, the internal ratings-based approach (IRB) is discussed in depth. The theoretical section concludes with the decision to select the basic IRB methodology for the prediction of the probability of default through the use of statistical and analytical models. The selected models are a logistic regression model, a neural network model, a decision tree model and a model based on XGBoost. These models are trained using data from the private lending bank Lending Club. First, a data treatment is carried out, where we reduce the number of variables to be used from 151 to 76. Subsequently, the four models are developed and trained, and their performance shows an excellent predictive capacity.