Resumen
El acceso a las oportunidades productivas de los países en desarrollo, implica en muchas ocasiones que las pequeñas empresas y las microempresas tengan que recurrir a los servicios financieros de crédito, favoreciendo desde mediados de los años 60 la aparición de las microfinanzas como herramienta para ofrecer estas oportunidades, a partir de un concepto de inclusión financiera que contempla la problemática de acceso al financiamiento con una perspectiva global. Sin embargo, las dificultades derivadas de la informalidad y la pobreza en ciertos sectores de la población afectan directamente a los métodos de gestión de las microempresas y sus riesgos asociados, propiciando el aumento de los riesgos de crédito de las instituciones de microfinanzas con respecto a otras instituciones financieras. Así mismo, la industria microfinanciera se ha visto afectada por la fuerte competencia proveniente de la banca tradicional que ha comenzado a dirigirse a los clientes tradicionales de las IMFs. Resulta fundamental por lo tanto, llevar a cabo un correcto análisis de la información para el desarrollo y expansión de la IMFs, adquiriendo metodologías para seleccionar un público adecuado y un sector económico deseado.
La estrategia más utilizada en la actualidad dentro de la banca comercial es la puntuación crediticia (credit scoring), que es un sistema de evaluación automático, más rápido, más seguro y consistente para determinar la concesión de créditos a partir de toda la información disponible, capaz de predecir la probabilidad de impago, asociada a una operación crediticia. Por lo tanto, la aplicación de la estadística, investigación de operaciones y técnicas inteligentes bajo la idea de minería de datos en la evaluación del riesgo de crédito y la predicción de quiebra ha sido un área de interés para los investigadores desde los años 70.
La idea de la propuesta consiste en presentar dos alternativas de sistemas de puntuación crediticia para IMFs mexicanas con una fácil interpretación para el oficial de crédito. El primer modelo utiliza un enfoque de hibridación y de ensamblado, a partir de PSO para asignar pesos en una forma hibridada a las técnicas estadísticas de MLR y RL en el enfoque ensamblado. El segundo modelo emplea el agrupamiento de clientes para implementar la puntuación crediticia mediante un algoritmo hibrido resultante de la combinación de PCA, PSO y K-medias para realizar la fase de agrupamiento y con los grupos resultantes aplicar el primer modelo de puntuación crediticia propuesto para de manera ponderada obtener las valoraciones de cada cliente.
Los dos modelos parten de la reducción de la dimensionalidad de los datos empleando un modelo de selección de variables hibrido con la aplicación de PCA y PSO. De estos tres modelos propuestos se generan las aportaciones de este trabajo de tesis, el cual se sustenta en el uso hibridado de diferentes variantes del algoritmo PSO con diversas técnicas estadísticas y de investigación de operaciones.
Summary
Access to productive opportunities of developing countries, often implies that small and micro enterprises have to resort to credit financial services, promoting since the mid 60's the emergence of microfinance as a tool to provide these opportunities, from a financial inclusion concept, contemplates the problem of access to finance with a global perspective. However, the difficulties arising from the informality and poverty in certain sectors of the population directly affect the methods of micro-management and its associated risks, resulting in greater credit risk of microfinance institutions with respect to other financial institutions. Furthermore, the microfinance industry is now affected by strong competition: commercial banks have begun to target MFIs traditional customers, new MFIs have continued to be created in microfinance industry, and the microfinance clientele is becoming more sophisticated concerning the quality of service they require or expect. These factors may negatively affect the MFIs. It is essential thus to carry out a proper analysis of information for the development and expansion of MFIs, acquiring methods to select an appropriate audience and desired economic sector.
The strategy used at present in commercial banks is credit scoring, an automatic evaluation system, faster, safer and consistent lending determine from all available information, able to predict the probability of default, associated with a credit transaction. Therefore, the application of statistics, operations research and intelligent techniques under the idea of data mining in the credit risk assessment and bankruptcy prediction has been an area of interest for researchers since the 70s.
The idea of the proposal consists in present two credit scoring system alternatives for Mexican MFIs with an easy interpretation for the credit officer. The first model uses a hybridized and ensemble approach, based on PSO to assign weights in a hybridized form to the statistical techniques of MLR and logistic regression LR in the ensemble approach. The second model uses grouping of customers to implement credit score using an algorithm resulting of hybridizing PCA, PSO and K-means, to perform clustering stage and applying the first model of the proposed credit score to the resulting groups to obtain a weighted valuations of each client. The two models are based on reducing the dimensionality of the data using a variable selection model by hybridizing PCA and PSO. Of these three models proposed are generated contributions of this thesis, which is based on the use of different variants hybridized PSO algorithm with various statistical techniques and operations research.
