Inteligencia artificial aplicada a riesgos de crédito en entidades financieras

• Autores: Jonatán Israel León Gavilánez, Patricio Xavier Fray Villacres, Gisella Patricia Hurel Franco, Janeo José Cerezo Piedrahíta
• Localización: Memorias INPIN 2023 / coord. por Universidad Laica Vicente Rocafuerte, 2023, ISBN 978-9942-617-03-3, págs. 141-152
• Idioma: español
• Títulos paralelos:
  • Artificial intelligence applied to credit risks in financial institutions
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    La aplicación de la Inteligencia Artificial (IA) en el ámbito de los riesgos financieros bancarios ha ganado cada vez más importancia en los últimos años. La IA ofrece herramientas y técnicas que pueden ayudar a diversas instituciones financieras a identificar, medir, controlar y mitigar de manera más efectiva los riesgos asociados a sus operaciones crediticias. Para el presente trabajo se evaluarán diversas herramientas para la gestión de riesgos de crédito desde la evaluación del crédito, donde la IA puede analizar grandes volúmenes de datos para evaluar la solvencia crediticia de los prestatarios; hasta en la identificación de que los métodos tradicionales podrían pasar por alto, lo que permite una toma de decisiones más precisa en la concesión de préstamos; el desarrollo de modelos más sofisticados de riesgo crediticio que capturan relaciones más complejas entre variables y proporcionan estimaciones más precisas de los niveles de riesgo y generar, adicionalmente, la evaluación automática de diversos escenarios de estrés, para determinar cómo podrían afectar los eventos extremos a la salud financiera de la entidad, y así garantizar el cumplimiento de regulaciones financieras, identificando actividades que puedan infringir la normativa vigente. Sin embargo, es importante tener en cuenta que la implementación exitosa de la IA en la gestión de riesgos crediticios también conlleva desafíos. Estos incluyen la necesidad de datos de alta calidad, la interpretación de los resultados generados por algoritmos complejos, la consideración de aspectos éticos y de privacidad, y la capacitación de personal para comprender y utilizar eficazmente las herramientas de IA.

  • English

    The application of Artificial Intelligence (AI) in the field of banking financial risks has gained increasing importance in recent years. AI offers tools and techniques that can help various financial institutions to more effectively identify, measure, control and mitigate the risks associated with their credit operations. For the present work, various tools for credit risk management will be evaluated from credit evaluation where AI can analyze large volumes of data to evaluate the credit solvency of borrowers; in identifying what traditional methods might miss, allowing for more accurate decision-making in lending; the development of more favorable credit risk models that capture more complex relationships between variables and provide more precise estimates of risk levels and additionally automatically generate the evaluation of various stress scenarios to determine how extreme events could affect the financial health of the entity, and thus guarantee compliance with financial regulations, identifying activities that may violate current regulations. However, it is important to note that the successful implementation of AI in credit risk management also comes with challenges. These include the need for high-quality data, the interpretation of results generated by complex algorithms, the consideration of ethical and privacy issues, and the training of staff to understand and effectively use AI tools.