Aplicación de un modelo Perceptrón Multicapa de redes neuronales artificiales para la clasificación del comportamiento de pago en clientes en mora en una entidad de cobranza

Abstract

El riesgo financiero constituye uno de los índices principales para el monitoreo de la economía de un país, sin embargo debido a varios factores macroeconómicos, como riesgo de iliquidez, riesgo de mercado, riesgo de variación en el proceso de bonos, los clientes de las instituciones financieras a las que se acude para solicitar un préstamo o aplicar algún tipo de garantía a cambio de un valor monetario presentan distintos comportamientos en su historial de pagos lo que dificulta la generación de estrategias para recuperación de cartera vencida. Las instituciones financieras presentan modelos para el control del riesgo basados en experiencia a nivel de carácter, capital, capacidad, ciclo económico, lo cual puede resultar subjetivo con la intervención de la decisión humana para clasificar a un cliente, y a niveles técnicos con modelos paramétricos y condicionales, que calculan probabilidades utilizando la información de un conjunto de datos, pero sin conocer las causas que las generan. Se requiere la generación de un modelo perceptrón multicapa enfocado en la identificación de los diferentes tipos de clientes presentes en la cartera de recuperación para entrenar a las redes neuronales en la clasificación del comportamiento de pago de los clientes en mora, lo que ayudaría en la disminución de cartera vencida, índices de morosidad y porcentajes de provisión que inciden directamente en el riesgo y la pérdida bancaria afectando a la economía del país.