Ferres, LeoEulufi Malbrán, Cristóbal2021-05-062021-05-062020-12http://hdl.handle.net/11447/4042Proyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data ScienceLas empresas del rubro financiero obtienen sus ingresos en base a los intereses percibidos de los créditos otorgados a sus clientes, por consiguiente, cuando un cliente no cancela las cuotas de su crédito, la institución asume la pérdida del capital prestado (castigo), impactando negativamente en sus utilidades. Coopeuch, institución financiera cooperativa, minimiza el riesgo de castigo de los créditos mediante la modalidad de descuento por planilla, sin embargo, a pesar de esta metodología, tiene pérdidas generadas por el no pago de los créditos equivalente al 30% de su margen financiero, lo cual afecta en el remanente entregado a sus socios. El objetivo de este paper es comparar modelos de marchine learning y ver cuál de ellos predice de mejor manera que operación de crédito se castigará para generar estrategias de cobranza y reducir las pérdidas por no pago. Se estudiaron tres modelos puntuales, regresión logística, random forest y extreme gradiente boosting (XGBoost), modelos más utilizados en estudios similares realizados por otros autores, donde se pensaba que el modelo XGBoost tendría mejor performance mediante el algoritmo de descenso de gradiente. El modelo que mejor resultado entrega al estudio fue Random Forest, con un accuracy de 95% y un ROC-AUC de 98,9%.44 p.esEmpresasFinanzasModelos de prediccionComparaciónCastigos070037SThesis