Aplicación de técnicas de aprendizaje automático para clasificación de riesgo crediticio

Abstract

[ES] Este trabajo se centra en la aplicación de técnicas de aprendizaje automático en el ámbito financiero. Particularmente, el objetivo del trabajo es la creación de un modelo de clasificación de riesgo crediticio. Para ello, se hará uso de un conjunto de datos formado por registros de clientes y características tales co-mo la edad, trabajo, y patrimonio entre otras. Mediante un análisis de los datos se obtendrá la relación existente entre estas variables con el fin de preparar los datos y poder emplearlos en el entrenamiento de distintos modelos de clasificación como regresión logística, bosques aleatorios y redes neuronales. Para finalizar se realizará la evaluación de los modelos mediante distintas métricas para finalmente obtener un algoritmo capaz de clasificar automáticamente a nuevos clientes.

[EN] This project revolves around the application of machine learning techniques to the field of financial application. Particularly, the aim of this work is the creation of a credit risk classification model. The data set used to develop the model is comprised of information about customers such as age, job and patrimony among others. The relationship between these variables is found through a data analysis in order to prepare the data to train different classification models such as logistic regression, random forest or neural networks. Finally, models will be evaluated using different metrics to finally obtain an algorithm capable of automatically classifying new clients.

[CA] Aquest treball es centra en l'aplicació de tècniques d'aprenentatge automàtic en l'àmbit financer. Particularment, l'objectiu del treball és la creació d'un model de classificació de risc creditici. Per a això, es farà ús d'un conjunt de dades format per registres de clients i característiques com ara l'edat, el treball i el patrimoni entre altres. Mitjançant una anàlisi de les dades s'obtindrà la relació existent entre aquestes variables per tal de preparar les dades i poder emprar-los en l'entrenament de diferents models de classificació com regressió logística, boscos aleatoris i xarxes neuronals. Per finalitzar es realitzarà l'avaluació dels models mitjançant diferents mètriques per finalment obtenir un algoritme capaç de classificar automàticament a nous clients.