Implementación de un modelo de scoring de crédito para Mexichem Colombia SAS
Date
2024
Authors
Vargas Izquierdo, Daniel Camilo
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad EAFIT
Abstract
This project sought to implement a credit scoring model for Mexichem Colombia SAS using machine learning techniques to predict the probability of default in companies. Four algorithms were compared: decision trees, random forest, gradient boosting and neural networks, each with unique characteristics in terms of accuracy and handling of complex data. The research included the selection and evaluation of relevant variables using the Gini index and recursive elimination techniques to avoid overfitting. The results helped to identify the most effective model to predict credit risks, optimizing financial decision-making.
Description
Este proyecto buscó implementar un modelo de scoring de crédito para Mexichem Colombia S. A. S. utilizando técnicas de machine learning para predecir la probabilidad de impago de empresas. Se compararon cuatro algoritmos: árboles de decisión, random forest, gradient boosting y redes neuronales, cada uno con características únicas en cuanto a precisión y manejo de datos complejos. La investigación incluyó la selección y evaluación de variables relevantes mediante el índice de Gini y técnicas de eliminación recursiva para evitar el sobreajuste. Los resultados ayudaron a identificar el modelo más eficaz para predecir riesgos crediticios, optimizando las decisiones financieras.