Carrasco Serrano, Javier2024-05-202024-05-202023-12-09https://hdl.handle.net/20.500.14468/13324Este proyecto pretende abordar un problema de predicción de un evento binario, los impagos bancarios, mediante las técnicas econométricas vigentes en la industria: el modelo logit y las variables WOE. Para ello, se utilizarán datos de préstamos de la plataforma Lending Club, con el objetivo de mejorar, en términos de poder discriminante, el modelo que utilizan para evaluar el riesgo de sus operaciones. Por otro lado, y dada la popularidad que están ganando incluso en un sector tan regulatorio como el financiero, se van a construir modelos con técnicas de machine learning para ser comparados con el modelo de scoring.The aim of this working paper is to face a binary variable prediction problem, the defaults in banking loans, through the best practices in this industry: the logit model and WOE variables. For that purpose, loans information from Lending Club is used, trying to construct, in terms of discriminatory power, a model that improves the one used to assess the risk of their operations. Besides that, given their growing popularity, even considering the strong banking regulatory environment, additional models are built using machine learning techniques to be compared with the scoring model.esAtribución-NoComercial-SinDerivadas 4.0 Internacionalproyecto fin de carrerascoring modelscorecardlogistic regressionlogit modelmachine learningformación