Selección de características en credit scoring: una revisión bibliográfica

Abstract

El credit scoring es una disciplina que analiza el entorno financiero asociado a la concesión de un crédito para valorar el riesgo que supone, de este modo se puede estudiar de forma eficiente la viabilidad de cada operación financiera. El credit scoring otorga a las entidades de crédito grandes beneficios, entre otros, la reducci ón de la morosidad, la aplicación de criterios objetivos y científicos para la concesión de préstamos, la agilidad en la evaluación de las solicitudes y la reducción de costes. Las técnicas de credit scoring utilizan patrones estadísticos similares a los utilizados en la resolución de problemas genéricos de reconocimiento de formas para evaluar la solicitud de crédito, por lo tanto es un caso concreto de aplicación de las técnicas de reconocimiento de formas y miner ía de datos estudiadas a lo largo de todo el máster. Existen numerosos problemas que dificultan el proceso de credit scoring, los cuales aparecen en la mayoría de aplicaciones de reconocimiento de formas y minería de datos. Entre otros podemos destacar el desbalance entre las clases, la falta o la excesiva cantidad de atributos, las distintas distribuciones que adoptan los datos y el solapamiento. Este trabajo se centra en las estrategias de selección de caracter ísticas adoptadas para el problema del credit scoring, bien para disminuir la carga computacional del modelo o para aumentar la precisión de la clasificación. El objetivo de este trabajo se ha centrado en realizar una revisión bibliográfica sobre la selecci ón de características en credit scoring, destacando los beneficios y las limitaciones de los principales algoritmos que se han venido utilizando a lo largo del presente siglo.