Aplicación de algoritmos de clasificación para la evaluación del rating crediticio en empresas pymes cántabras

Abstract

La aplicación de algoritmos estadísticos y de machine learning toman cada vez más relevancia en el sector bancario y financiero, ya que permiten realizar de una manera eficiente y automatizada distintas tareas que facilitan la toma de decisiones ágiles por parte de dichas organizaciones. En la presente memoria se tiene como objetivo aplicar una serie de algoritmos de clasificación que permitan determinar el rating crediticio de las pequeñas y medianas empresas (pymes) cántabras, con el fin de brindar una herramienta útil a un organismo público financiero, que contribuya con la decisión de la concesión o no de créditos a las empresas solicitantes. Para alcanzar los objetivos del presente trabajo se desarrolló un análisis previo de los datos, tras lo cual se aplicaron once algoritmos de clasificación, seleccionando el óptimo en base al mejor desempeño. Como resultado del proyecto, se encontró que los algoritmos XGBoost, Random Forest, Adaptive Boosting, Gradient Boosting, KNN, SVM y redes neuronales obtuvieron una mayor precisión a la hora de clasificar correctamente a las empresas, mientras que LDA, regresión logística y redes bayesianas tuvieron un desempeño inferior. Finalmente, se escoge en base a su performance y precisión obtenida el modelo XGBoost para ser la base de clasificación de rating crediticio.

The application of statistical algorithms and machine learning is becoming increasingly relevant in the banking and financial sector, as they allow for efficient and automated execution of various tasks that facilitate agile decision-making by these organizations. The objective of this report is to apply a series of classification algorithms to determine the credit rating of small and medium-sized enterprises (SMEs) in Cantabria, in order to provide a useful tool to a public financial institution that contributes to the decision regarding the approval or rejection of credit applications from these companies. To achieve the objectives of this study, a preliminary data analysis was conducted, and then, eleven classification algorithms were applied, selecting the optimal one based on the best performance. As a result of the project, it was found that the XGBoost, Random Forest, Adaptive Boosting, Gradient Boosting, KNN, SVM, and neural networks algorithms achieved higher accuracy in correctly classifying the companies, while LDA, logistic regression and Bayesian networks performed poorly. Finally, based on its performance and obtained accuracy, the XGBoost model is chosen to serve as the basis for credit rating classification.