RESUMEN
Dada la importancia creciente que esta cobrándose la actividad crediticia en la gestión diaria de los bancos, comienza a ser imprescindible la utilización de modelos de clasificación automáticos que faciliten la concesión o no del crédito solicitado con alto grado de exactitud, de manera que permita reducir la morosidad.
En el trabajo que presentamos se realiza un exhaustivo estudio de la capacidad predictiva de dos modelos paramétricos (Análisis Discriminante y Logit) y cinco no paramétricos (Árboles de regresión, Redes Neuronales Artificiales, Algoritmo C4.5, Splines de Regresión Adaptativa Multivariante y Regresión Localmente Ponderada) en un problema de concesión de tarjetas de crédito.
ABSTRACT
Given the growing importance of credit activity in daily bank administration, the use of automatic classifying models to facilitate credit granting or refusal with a high grade of accuracy begins to be indispensable to reduce the rate of defaulters.
The paper we present carries out an exhaustive study of the predictive capacity of two parametric models (Discriminative Analysis and Logit) and five non-parametric models (Regression Trees, Neuronal Artificial Nets, Algorithm C4.5, Multivariate Adaptative Regression Splines and Locally Pondered Regression) for a credit card concession problem.