Modelo de score de crédito para una banca de fomento al sector primario en México usando machine learning

Abstract

Esta investigación se enfoca en la Financiera Nacional de Desarrollo Agropecuario, Rural Forestal y Pesquero (FND), única Banca de Fomento que otorgaba financiamiento directo al sector primario y fue la tercera fuente de crédito que buscaban los productores en México en la última década. Sin embargo, actualmente se encuentra en proceso de liquidación, donde una de las principales justificaciones para el cierre fue el incremento acumulado de la cartera vencida, debido a que hubo productores que no pagaron su crédito o se atrasaron en pagar durante el periodo de financiamiento (cartera vencida), lo cual provocó que el índice de morosidad (cartera vencida respecto a la cartera total) haya incrementado de 4.13% en enero de 2013 a 14.29% al cierre de marzo de 2020 e incluso superó el 26% al concluir el año de 2022.

Si bien ya es tarde para resolver este problema de raíz, es un excelente caso de estudio para mejorar el proceso de evaluación crediticia para el sector primario y podría ser de utilidad en algún momento para una institución pública que atienda este nicho de mercado que será desatendido, fomente mejores prácticas en la evaluación inmediata de los clientes y, al mismo tiempo, genere mitigantes de riesgo sobre los productores requirentes de financiamiento para elevar su productividad en este sector estratégico para el país ya que, a pesar de que México es el 11º productor principal de alimentos a nivel mundial, el sector agropecuario mexicano requiere de diferentes instrumentos de financiamiento que le permitan alcanzar sus objetivos y fomentar su desarrollo, en medio de un entorno de exclusión financiera debido a todas las dificultades que rodean a los mercados agropecuarios.

Para abordar este problema de elevados índices de cartera vencida y evaluación del riesgo, se plantea si es posible que la generación de un modelo de Score de crédito mediante técnicas avanzadas de Machine Learning demuestre una mayor eficacia en la evaluación inmediata del crédito agropecuario en comparación con la metodología tradicional empleada por la FND y que permita identificar a los clientes con riesgo de impago para que se rechace o se acepte y se generen mitigantes de riesgo. Esto será evidenciado a través de la obtención de un índice de morosidad base cercano al registrado en la FND durante el período de análisis antes de la tendencia al alza, con un promedio de 4.39\%.

El estudio propone crear un modelo basado en cuatro algoritmos de Machine Learning como Decision Tree (con 1, 2, 3 e ilimitada profundidad), Random Forest, Regresión Logística y XGBoost que clasifiquen a los créditos como ``con y sin riesgo’’ de impago, en función de las diferentes variables consideradas importantes para el análisis. En la creación de modelo de clasificación se utiliza la base de datos de clientes de crédito de la FND con un histórico desde el año 2014 al 2022, con información de las características del crédito, del proyecto a financiar y del perfil del cliente, a partir del cual se utilizaron 27 variables. Para su correcta aplicación se utilizó el pipeline para un proyecto de ciencia de datos. Se aplicaron técnicas para el pre-procesamiento de datos y de codificación categórica. Para selección de los modelos se utilizaron métricas y técnicas como Cross-validation, matriz de confusión, precision y recall. Se identificaron las variables con mayor importancia en el Score de crédito agropecuario de las cuales destacan factores jurídicos, técnicas de producción y grados de marginación, esta última resalta la importancia de enfocar consideraciones éticas y sesgos socioeconómicos en la toma de decisiones. Los resultados indican que Random Forest resulta ser el modelo más robusto y efectivo para identificar créditos con riesgo de impago, con una exactitud del 89.9%, precisión del 73.1% y cobertura recall del 47.7%, aunque todavía tiene margen de mejora, especialmente en la reducción de los falsos negativos. Todos los modelos se acercaron al Índice de morosidad base, lo que demuestra que este proyecto aporta evidencia de que Machine Learning puede ser una herramienta útil para mejorar la eficacia del Score de crédito agropecuario.

Finalmente, se explora la posibilidad de que en trabajos subsecuentes o en caso de implementación, se añadan estrategias de optimización de hiperparámetros o de modelos más sofisticados como redes neuronales, y considerar otras variables externas a la Institución o del cliente, nacionales e internacionales como meteorológicas, de mercado (precios, estacionalidad, etc.) o coyuntura política y económica.