Modelo de lógica difusa para evaluar préstamos en entidades financieras

Resumen

Las entidades financieras disponen de una gran cantidad de información sobre cómo actúan los clientes y su historial crediticio, estos datos en su forma bruta no resultan útiles para tomar decisiones acertadas requiriéndose un sistema preciso para diferenciar entre clientes solventes y aquellos con riesgo de impago. Esta investigación tuvo como propósito crear un modelo de lógica difusa para minimizar el riesgo crediticio en los préstamos personales en instituciones financieras. Se diseño un conjunto de base de reglas difusas básicas para proporcionar un marco en el cual se pueden utilizar los conocimientos expertos y datos para la modelización de riesgos. El estudio se ejecutó utilizando un diseño preexperimental, con una evaluación antes y después de la intervención en un único grupo. Se utilizó una muestra de 358 clientes extraída de una población de 5000 clientes de un dataset proporcionado por la plataforma Kaggle. En esta investigación, se desarrolló un modelo de evaluación de solicitudes de préstamos personales que utiliza lógica difusa utilizando Python para que sirva como soporte de decisiones para determinar la solvencia crediticia de los solicitantes. El modelo se validó en términos de precisión y eficiencia.