Evento
Conferencista(s)
El uso de los servicios financieros nos puede dar una idea de qué tan desarrollada está una sociedad. En México se han dado grandes avances en términos de bancarización, cerca del 67% de la población tiene por lo menos un producto financiero, pero la mayoría de estos productos son para acceder al efectivo, es decir, cuentas de ahorro o nomina; donde tenemos muchos problemas como país es en el accedo al crédito ya que, a pesar de estar bancarizados, muchos usuarios no cuentan con el historial suficiente para ser sujetos de crédito. El banco mundial ha reportado que la información con mayor poder de predicción de riesgo crediticio es el historial como tal, pero menos del 20% de la población cuenta con un historial adecuado; de este mismo estudio se desprende que el siguiente mecanismo con mayor poder de predicción de riesgo crediticio son los elementos psicométricos ya que ellos nos permiten saber “la intención de pago” de acuerdo a diferentes variables.
En esta sesión platicaré sobre un proyecto en el que estoy colaborando para construir un score crediticio basado en información no tradicional. Compartiré como hemos creado, con ayuda de expertos en psiquiatría, psicología y antropología, un score de crédito basado en datos psicométricos y soportado en modelos de machine learning. De igual manera mostraremos como hicimos para reducir el sesgo de forma ética y como un mecanismo de interpretabilidad es básico en este tipo de soluciones.