Modelo interpretable de aprendizaje de máquina para la predicción de calificaciones crediticias corporativas
Archivos
Autores
Rodríguez Fonseca, Miguel Ángel
Director
Hernández Pérez, Germán Jairo
Tipo de contenido
Trabajo de grado - Maestría
Idioma del documento
EspañolFecha de publicación
2022
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
Las calificaciones crediticias corporativas son uno de los indicadores financieros de mayor relevancia en el análisis de riesgo crediticio. Estas son generadas por diversas agencias calificadoras las cuales basan sus metodologías en el uso de diversas variables financieras de cada compañía y su impacto en el mercado es de tal importancia que su mala gestión puede desencadenar grandes crisis financieras como la ocurrida en 2008. Junto a esto la gran importancia que tienen los modelos internos de calculo de riesgo de crédito y las regulaciones y acuerdos internacionales buscan que se tenga un nivel de explicabilidad de los métodos empleados al realizar esta gestión de riesgo. En este trabajo se propone el uso de Aprendizaje de Máquina automático (AutoML) como herramienta para la generación de un modelo de aprendizaje de máquina que realice una predicción de las calificaciones crediticias corporativas haciendo uso de datos provenientes de hojas de balance, estados financieros e información descriptiva de la compañía. Adicionalmente, como aporte principal de este trabajo se realizó la inclusión, dentro del AutoML, del nivel de interpretabilidad de cada modelo como un segundo objetivo a optimizar, permitiendo la generación de modelos que puedan explicar de mejor manera sus resultados. (Texto tomado de la fuente).
Abstract
Corporate credit ratings are one of the most relevant financial indicators in credit risk analysis. These are generated by different rating agencies which base their methodologies on the use of various financial variables of each company and the experience of their analysts; their impact on the market is of such importance that their mismanagement can trigger major financial crises such as the one that occurred in 2008. Along with this, the great importance of internal models for calculating credit risk and international regulations and agreements seek to have a level of explainability of the methods used to perform this risk management. This paper proposes the use of Automatic Machine Learning (AutoML) as a tool for the generation of a machine learning model that performs a prediction of corporate credit ratings using data from balance sheets, financial statements and descriptive information of the company. Additionally, the main contribution of this work was the inclusion within AutoML of the level of interpretability of each model as a second objective to be optimized, allowing the generation of models that can better explain their results.
Descripción Física/Lógica/Digital
ilustraciones, gráficas, tablas