Resumen en español

En el presente trabajo de grado se desarrolla un prototipo para la gestión de riesgo crediticio utilizando técnicas de aprendizaje supervisado. Este prototipo se propone como un apoyo para el área de gestión de riesgo y tiene como objetivo identificar clientes que puedan incurrir en un estado de mora generando un posible riesgo de crédito para las entidades financieras. En particular, se proponen modelos basados en tres técnicas de aprendizaje supervisado (redes neuronales, árboles de decisión y máquinas de soporte vectorial) para predecir el próximo pago de la cuota de un cliente a partir de datos básicos de la operación, del cliente y de pagos de cuotas anteriores registradas. Las tasas de precisión alcanzadas por los modelos propuestos en los conjuntos de prueba están entre el 60.32% y 78.31%, siendo la técnica de árboles de decisión más precisa que las demás estrategias utilizadas.