Heterogeneidad de efectos de tratamiento en comportamiento financiero a través de métodos de aprendizaje automático

Abstract

Hoy en día científicos, investigadores, ingenieros y grandes empresas tienen como desafío comprender la heterogeneidad de los efectos de sus tratamientos e intervenciones (que pueden variar desde la medicina personalizada hasta recomendaciones de marketing de la misma naturaleza). En la presente memoria se implementa un experimento de campo y se utilizan métodos de aprendizaje automático para determinar la heterogeneidad asociada al efecto de enviar distintos recordatorios de pagos de tarjeta de crédito, y así evaluar qué tipo de recordatorio puede focalizarse a ciertos grupos. Los tratamientos del experimento de campo destacan los montos referenciales de pago (monto mínimo y total facturado), así como la explicación de éstos. El efecto que se estudia es la consecuencia de caer en mora, esto es, que el sujeto no haya pagado o haya pagado menos que el monto mínimo. La inferencia del efecto de tratamiento y su heterogeneidad se realiza mediante Causal Forest, que es una herramienta proveniente del área de Aprendizaje Automático, no paramétrica y que extiende el algoritmo de Random Forest de Breiman. En el marco de resultados potenciales sin confusión, los Causal Forest han mostrado ser consistentes para el verdadero efecto del tratamiento y tienen una distribución de muestreo asintóticamente gaussiana y centrada. El resultado de utilizar este método es que al agregar los montos referenciales de pago en los recordatorios, la mora promedio disminuye en cerca del 1% (comparando con sujetos que se les ha recordado el pago, pero no expuestos a estas cifras). Al analizar a los sujetos por cuartiles según sus respuesta al tratamiento, se encuentra que no hay efecto adverso detectable en ningún cuartil (aumentar la mora), y que el cuartil donde se presenta un mayor efecto de disminución de la mora se caracteriza por presentar sujetos con porcentajes de pago bajos, irregulares y que han caído previamente en mora reiteradas veces. Finalmente, dividiendo la muestra en sets de entrenamiento y testeo, de manera de focalizar un posible tratamiento futuro en este último, se encuentra que de enviar distintos mensajes de pago a ciertos clientes (es decir, entregar el mensaje correcto a quién corresponde según el modelo), se puede reducir la mora promedio hasta en un 7%. Se concluye que la metodología utilizada en esta memoria es capaz de detectar patrones de heterogeneidad del efecto del tratamiento.