Default carteras de crédito en la Rep. Dominicana: Un enfoque predictivo con aprendizaje de máquina

En este estudio, se identificaron las variables que tienen mayor impacto en la predicción de default por parte de un deudor en el sistema financiero dominicano.
Se seleccionan 39 variables inspiradas por la literatura de predicción de default y un modelo de aprendizaje automático denominado catboost.
Para evaluar la interacción entre las variables e identificar la relevancia de cada una, se empleó la técnica de los valores SHAP. El resultado obtenido en cuanto al ajuste del modelo, medido mediante el área bajo la curva ROC (ROC score), fue del 86% y con un F1 score de 50%.