Resumen Técnico: Aplicación de Datos Alternativos en la Evaluación de Crédito para la Población No Bancarizada

1. Planteamiento del Problema

El estudio aborda el desafío de la "invisibilidad crediticia", una condición que afecta a individuos que carecen de historiales crediticios tradicionales (por ejemplo, uso de tarjetas de crédito o registros de préstamos formales). En los sistemas de informes crediticios convencionales, estas personas suelen ser clasificadas erróneamente como de alto riesgo o se les deniega automáticamente el crédito debido a las lagunas de datos, lo que las obliga a recurrir a préstamos subprime o las excluye por completo de los servicios financieros. El problema central es que los modelos de puntuación tradicionales confunden la falta de datos con la falta de capacidad de pago, limitando así la inclusión financiera y evitando que las instituciones identifiquen a clientes potenciales de alta calidad.

2. Metodología

Datos y Diseño Experimental

La investigación utiliza datos del mundo real de solicitudes de préstamos de automóviles subprime de 2021 a 2023. El conjunto de datos consta de:

• Muestra de Entrenamiento: 50,000 observaciones.
• Muestra de Prueba: 20,000 observaciones.
• Variable Objetivo: Estado de incumplimiento (default) durante un periodo de observación de 12 meses.

El estudio construye un marco comparativo que involucra dos grupos principales:

1. Modelos de Referencia (Baseline): Entrenados exclusivamente con variables crediticias tradicionales (límites de tarjetas de crédito, saldos históricos, cuentas pendientes, ingresos, relación deuda-ingreso, antigüedad de la cuenta, indicadores de morosidad y consultas recientes).
2. Modelos de Fusión: Entrenados con variables tradicionales aumentadas con Datos Alternativos.

Ingeniería de Características (Feature Engineering)

Las características de los datos alternativos se derivan de ventanas de observación de 24 meses de comportamientos de pago no crediticios, específicamente:

• Historial de Pagos de Alquiler: Conteo de contratos de arrendamiento sucesivos, tasas de liquidación (por ejemplo, últimos 90 días) y duración de la mora.
• Facturas de Servicios Públicos y Telecomunicaciones: Tasas de liquidación de facturas, días de retraso en el pago y volatilidad del monto del pago.
• Métricas de Estabilidad: Estabilidad del número de teléfono móvil durante 365 días y la tasa de cambio en los montos de pago.

Crucialmente, el estudio trata los registros faltantes no como errores para ser imputados con media/mediana o eliminados, sino como indicadores de ausencia informativos. Esto preserva la distinción entre solicitantes con historial crediticio formal limitado y aquellos con comportamientos de pago inestables.

Arquitectura del Modelo

El estudio emplea un marco de tres capas:

1. Capa de Referencia (Baseline): Un modelo de regresión logística regularizada utilizando variables tradicionales para establecer una línea base de riesgo lineal.
2. Capa de Fusión: Integración de características de datos alternativos en tres algoritmos:
   • Regresión Logística
   • Random Forest
   • XGBoost
3. Capa de Decisión: Un mecanismo de discriminación conjunta que optimiza simultáneamente el control de riesgo (probabilidad de incumplimiento), la cobertura de aprobación y la equidad de grupo.

Algoritmos y Optimización:

• Regresión Logística: Utilizada por su interpretabilidad y comparación de línea base lineal.
• XGBoost: Utilizado para la interacción de características no lineales y el aprendizaje de conjunto (ensemble learning). La función objetivo minimiza la pérdida entre las etiquetas de incumplimiento reales y las probabilidades predichas, controlando la complejidad del modelo mediante los pesos de los nodos hoja y los parámetros de regularización.
• Restricciones de Equidad: La capa de decisión incorpora restricciones de Paridad Demográfica (DP) e Igualdad de Oportunidades (EO) para evitar que el modelo aumente las tasas de aprobación a costa de la equidad demográfica.

Métricas de Evaluación

El desempeño se evalúa mediante:

• Poder Predictivo: AUC, estadística KS y puntuación F1.
• Métricas Operativas: Tasas de aprobación de préstamos y tasas de incumplimiento a 12 meses.
• Métricas de Equidad: Diferencias de paridad demográfica y diferencias de igualdad de oportunidades entre grupos raciales y de ingresos.
• Explicabilidad: Valores SHAP (SHapley Additive exPlanations) para la importancia de características globales y locales, y LIME para verificaciones de consistencia local.

3. Resultados Clave

Desempeño Predictivo y Tasas de Aprobación

La introducción de datos alternativos mejoró significamente el desempeño de los modelos en todos los algoritmos en comparación con las líneas de base de solo datos tradicionales:

• Mejoras en el AUC:
  • Regresión Logística: Aumentó de 0.682 a 0.731.
  • Random Forest: Aumentó a 0.758.
  • XGBoost: Aumentó a 0.781.
• Tasas de Aprobación: El modelo XGBoost con datos alternativos aumentó la tasa de aprobación del 41.6% (referencia tradicional) al 63.7%. Esto representa un aumento de 22.1 puntos porcentuales, aprobando a 4,420 solicitantes adicionales en el conjunto de prueba.
• Control de Riesgo: A pesar del aumento significativo en las aprobaciones, la tasa de incumplimiento a 12 meses aumentó solo marginalmente del 6.8% al 7.2% (un aumento de 0.4 puntos porcentuales), lo cual se encontró estadísticamente insignificante. Esto indica que las aprobaciones adicionales no se concentraron en la cola de alto riesgo.

Importancia de las Características

Las pruebas de importancia de características identificaron las siguientes variables de datos alternativos como determinantes críticos de la capacidad de pago para los prestatarios sin historial crediticio:

• Pagos de alquiler puntuales.
• El número de pagos de facturas puntuales.
• Consistencia a largo plazo en los números telefónicos.

Análisis de Equidad

Las pruebas de equidad realizadas en grupos raciales y de ingresos no mostraron evidencia de un empeoramiento de la equidad:

• Grupos Raciales: La diferencia en la igualdad demográfica cambió en 0.005 (p-valor: 0.312), y la diferencia de igualdad de oportunidades cambió en 0.004 (p-valor: 0.347).
• Grupos de Ingresos: La brecha de equidad demográfica cambió en 0.005 (p-valor: 0.286), y la diferencia de igualdad de oportunidades cambió en 0.003 (p-valor: 0.401).
  Los resultados sugieren que la expansión de la cobertura de aprobación no se produjo a expensas de un aumento de la discriminación contra los grupos minoritarios o de bajos ingresos.

Estudio de Ablación sobre Datos Faltantes

El estudio encontró que tratar los registros crediticios tradicionales faltantes como señales informativas (en lugar de imputarlos o eliminar las muestras) fue esencial. La imputación comprimió patrones de ausencia heterogéneos, debilitando la frontera entre la escasez de información y el riesgo real, mientras que la eliminación de muestras redujo la representatividad de la población sin historial crediticio.

4. Contribuciones Clave

1. Validación Empírica de Datos Alternativos: El estudio demuestra que los datos alternativos (alquiler, servicios públicos, telecomunicaciones) pueden complementar eficazmente la información crediticia tradicional, convirtiendo la continuidad de pago no observada en evidencia medible de la capacidad de pago.
2. Optimización Conjunta de Riesgo-Equidad: El marco propuesto equilibra con éxito la expansión de la inclusión financiera (mayores tasas de aprobación) con la gestión de riesgos (mínimo aumento de la tasa de incumplimiento) y las restricciones de equidad, evitando el "desbordamiento de riesgo" asociado frecuentemente con la relajación de los estándares de aprobación.
3. Rigor Metodológico: Al comparar los modelos de datos alternativos con una sólida línea de base de XGBoost de datos tradicionales, el estudio aísla el valor incremental de los datos alternativos del beneficio de usar únicamente algoritmos más complejos.
4. Manejo de Datos Faltantes: El documento aboga por una estrategia específica de procesamiento de datos donde la ausencia se trata como una señal estructurada, lo cual se muestra más apropiado para las poblaciones sin historial crediticio que las técnicas de imputación estándar.

5. Significación y Reivindicaciones

El artículo afirma que su enfoque ofrece un alcance más amplio de cobertura de servicios financieros en comparación con las prácticas convencionales de evaluación de riesgo crediticio. Postula que los datos alternativos no solo bajan los estándares de aprobación, sino que proporcionan información conductual crítica que los puntajes crediticios tradicionales pasan por alto.

Los autores aseguran que esta metodología:

• Mejora la inclusión financiera al permitir que las personas sin historial crediticio accedan al crédito formal en lugar de depender de canales de préstamo más costosos u opacos.
• Refina la evaluación de riesgos al identificar patrones de pago estables que se correlacionan con la capacidad de pago.
• Mantiene la equidad demográfica, asegurando que los beneficios de los datos alternativos se distribuyan de manera justa entre los grupos raciales y de ingresos.

El estudio concluye que, si bien los hallazgos son específicos para el contexto de los préstamos de automóviles subprime, proporcionan una base empírica robusta para el uso de datos alternativos en la evaluación de crédito inclusiva. Los autores señalan las limitaciones respecto a la generalización de estos resultados a otros tipos de préstamos y sugieren que el trabajo futuro podría involucrar datos a más largo plazo, integración de múltiples escenarios y técnicas de computación que preserven la privacidad.