Desarrollo de un modelo de redes neuronales artificiales para la calificación crediticia en entidades financieras

Abstract

In this research, an artificial neural network model was developed to predict the credit risk of clients in the financial system, surpassing traditional methods in accuracy, sensitivity, and specificity. Using data from Caja Sullana, which included 85 client records with variables such as income, credit history, and age, a cross-sectional non-experimental design was employed. The network, composed of an input layer, a hidden layer, and an output layer, was trained using a scaled conjugate gradient algorithm, standing out for its efficient and simple architecture. The results showed a 100% accuracy in training and testing, and a general accuracy of 98.25%, with outstanding sensitivity and specificity, thus validating the proposed hypotheses. This study demonstrates the capability of neural networks to significantly enhance credit risk evaluation, offering a powerful tool for credit decisions in the financial sector. The implications of this advancement are vast, promising more informed and precise risk management.

En esta investigación se desarrolló un modelo de red neuronal artificial para predecir el riesgo crediticio de los clientes en el sistema financiero, superando los métodos tradicionales en precisión, sensibilidad y especificidad. Utilizando datos de Caja Sullana, que incluyeron 85 registros de clientes con variables como ingresos, historial crediticio, y edad, se empleó un diseño no experimental transversal. La red, compuesta por una capa de entrada, una oculta y una de salida, fue entrenada con un algoritmo de gradiente conjugado escalado, destacando por su arquitectura eficiente y simple. Los resultados mostraron una precisión del 100% en entrenamiento y pruebas, y un 98.25% general, con una sensibilidad y especificidad sobresalientes, validando las hipótesis planteadas. Este estudio demuestra la capacidad de las redes neuronales para mejorar significativamente la evaluación de riesgo crediticio, ofreciendo una herramienta potente para las decisiones crediticias en el sector financiero. Las implicaciones de este avance son vastas, prometiendo una gestión de riesgo más informada y precisa.