“Las técnicas de Machine Learning aportan un mayor poder de predicción en los modelos de riesgo de crédito de la banca”, afirmó Sergio Lloret, gerente de cuentas de la consultora AIS Group, en el último Congreso Nacional de Crédito de España.
Según Lloret, los resultados obtenidos en proyectos recientes revelan que el nivel de acierto en los modelos de concesión y seguimiento del riesgo de crédito mejoran entre un 25% y un 50% al usar algoritmos de machine learning frente a las técnicas tradicionales.
Estos resultados quedan reflejados en el Índice Gini, la medida de exactitud más utilizada en este campo, “que –señala Lloret- pasa del 50% o 60% a situarse en rangos superiores al 90%, “lo que es un porcentaje de acierto altísimo”.
Aplicar algoritmos y técnicas de Inteligencia Artificial y de Machine Learning a los modelos de riesgo multiplica la capacidad de acierto y permite que estos modelos, importantísimos para la banca porque gestionan la captación de negocio, se ajusten a los “niveles de riesgo” que defina cada entidad.
