En este trabajo estudiamos criterios de selección de modelo en credit scoring. Estos criterios se derivan usualmente de una función de coste del error que tiene en cuenta las probabilidades de mala clasificación en las subpoblaciones de buenos y malos riesgos de crédito y, adicionalmente, algunos parámetros con información relevante del entorno de la cartera analizada. Presentamos una metodología de análisis discriminante basado en distancias como método de scoring alternativo a los existentes en la literatura. E ilustramos tanto la utilización de la predicción basada en distancias como de los criterios de selección de modelo con dos conjuntos de datos reales.
The aim of this paper is to study model selection criteria in credit scoring.
Such criteria are usually derived from an error cost function which takes into account misclassification probabilities in good and bad credit risk subpopulations plus other parameters encoding context information relevant to the objective portfolio. We present a distance based classification approach to credit scoring, as an addition to the current repertoire of procedures. We illustrate both method and selection criteria with two real datasets.
© 2008-2024 Fundación Dialnet · Todos los derechos reservados