Network representation learning for credit scoring

Abstract

personas alcanzar sus metas como adquirir vivienda, acceder a atención médica y obtener educación. Además, brinda a los emprendedores y empresas el capital necesario para iniciar o expandir operaciones, creando empleos y fomentando el crecimiento económico. Es necesario contar con mecanismos para medir el riesgo de incumplimiento crediticio, ya que ayudan mantener a la estabilidad del sistema financiero y protegen a los prestatarios de préstamos impagables, asegurando que no enfrenten riesgos financieros innecesarios. La investigación en credit scoring busca mejorar la discriminación de los modelos mediante mejores algoritmos e incorporando datos alternativos como redes o grafos. Estos datos capturan interacciones familiares, sociales y económicas de los individuos y ha demostrado ser especialmente útil con prestatarios con historial crediticio limitado o inexistente. Esta tesis explora el valor de integrar datos de grafos en modelos de credit scoring, con tres objetivos específicos, cada uno vinculado a una publicación diferente. El primer objetivo se centra en el uso de network representation learning en modelos de credit scoring. Se presenta un framework que combina atributos generados manualmente, graph embeddings y atributos obtenidos de redes neuronales de grafos. El estudio valida el uso de datos de redes en préstamos corporativos y de consumo, y revela que el impacto de la información de grafos varía según el prestatario, ya sean personas o empresas. Este es el primer estudio que considera el comportamiento crediticio de todo un país utilizando diversas relaciones sociales y económicas. Nuestros resultados resaltan el valor de los datos de redes para abordar los desafíos que enfrentan particularmente para las empresas con historial crediticio limitado o nulo, facilitando su inclusión en el sistema financiero. El segundo objetivo busca comprender el impacto de los datos de redes en el desempeño de los modelos a medida que el comportamiento de pago adquiere relevancia. Este trabajo desafía la división actual del proceso de gestión de riesgo de crédito al examinar etapas intermedias entre application credit scoring y behavioral credit scoring. Al centrarnos en el prestatario en lugar del proceso comercial, encontramos información valiosa sobre la dinámica del desempeño de los modelos a medida que evoluciona el historial crediticio. Además, investigamos la influencia de los atributos de redes y observamos que su valor decrece en presencia de atributos de comportamiento. En nuestro tercer objetivo, presentamos una metodología para entrenar un modelo en datos sintéticos y luego aplicarlo a datos reales. Los resultados muestran que es posible entrenar un modelo con datos sintéticos que funcione bien en situaciones reales. Sin embargo, observamos que al aumentar el número de atributos, disminuye la calidad de los datos sintéticos. Además, identificamos un costo en el desempeño asociado con trabajar en un entorno que preserva la privacidad. Este costo es una reducción del poder predictivo, que en nuestro estudio fue de un 3% en el área bajo la curva ROC y un 6% en el estadístico de Kolmogorov-Smirnov. Los hallazgos de esta tesis aportan a una comprensión integral de los modelos de credit scoring, destacando la importancia de considerar los datos de redes y las oportunidades para la investigación de behavioral credit scoring mediante el aumento de datos de entrenamiento a partir de datos sintéticos.