FinTech en Aplicaciones de Aprendizaje de Inclusión Financiera en la Evaluación del Riesgo de Crédito

Los recientes avances en tecnología digital y big data han permitido que los préstamos de las FinTech (tecnología financiera) surjan como una solución potencialmente prometedora para reducir el costo del crédito y aumentar la inclusión financiera. Sin embargo, los métodos de machine learning (ML), que se encuentran en la parte sustancial del crédito de las FinTech, han permanecido en gran medida como una caja negra para la audiencia no técnica. Este documento contribuye a la literatura al analizar las fortalezas y debilidades potenciales de la evaluación crediticia basada en el ML mediante (1) la presentación de ideas centrales y las técnicas más comunes en el ML para la audiencia no técnica; y (2) discutir los desafíos fundamentales en el análisis del riesgo de crédito.

El crédito de las FinTech tiene el potencial de mejorar la inclusión financiera y superar el puntaje crediticio tradicional al (1) aprovechar fuentes de datos no tradicionales para mejorar la evaluación del historial del prestatario; (2) valor colateral de tasación; (3) previsión de perspectivas de ingresos; y (4) predecir cambios en las condiciones generales. Sin embargo, debido a la función central de los datos en el análisis basado en el ML, se debe garantizar la relevancia de los datos, especialmente en situaciones en las que se produce un cambio estructural profundo, cuando los prestatarios pueden falsificar ciertos indicadores y cuando no se pueden resolver los problemas de la agencia debido a la asimetría de la información. Para evitar la exclusión financiera digital y la redistribución, las variables que provocan la discriminación no deben utilizarse para evaluar la calificación crediticia.