Modelo de Scoring Crediticio con Machine Learning para el sector de la construcción: una aplicación con Random Forest

Abstract

Esta monografía incorpora el diseño de un modelo de scoring de crédito para una firma multinacional del sector de la construcción, haciendo técnicas de machine learning para llegar a la probabilidad de incumplimiento de sus clientes. Para ello, se cotejaron cuatro algoritmos: Árboles de Decisión, Random Forest, Gradient Boosting y Redes Neuronales, cada uno con sus propias características en términos de precisión, capacidad de generalización y manejo de grandes volúmenes de datos. La investigación incluyó la selección y evaluación de variables significativas a través del índice de Gini y técnicas de eliminación recursiva, con el objetivo de evitar el sobreajuste y fortalecer el modelo. Los resultados obtenidos permiten concluir que el algoritmo Random Forest presentó el mejor desempeño predictivo, alcanzando una precisión del 90% en la muestra de testeo, superando a los modelos de Árboles de Decisión (88%), Gradient Boosting y Redes Neuronales. Este hallazgo evidencia la capacidad superior del Random Forest para capturar relaciones no lineales y reducir el sobreajuste mediante la combinación de múltiples árboles de decisión. Asimismo, el modelo identificó 12 variables predictoras óptimas, destacándose el índice de endeudamiento como el factor más relevante en la explicación del fenómeno analizado. Esto sugiere que la estructura financiera y el nivel de apalancamiento constituyen elementos determinantes dentro del modelo predictivo. En consecuencia, se generó una herramienta de apoyo útil para fortalecer el proceso de evaluación del riesgo crediticio, contribuyendo a la optimización de las decisiones financieras de la compañía.