Comparación entre Regresión Logística y boosting en la predicción de incumplimiento

Inadimplência, Comparação entre Regressão Logística e Boosting na Predição de

doi:10.22167/2675-6528-202602747

Artículo

30 de septiembre de 2026

Comparación entre Regresión Logística y boosting en la predicción de incumplimiento

Comparación entre Regresión Logística y Boosting en la Predicción de Incumplimiento

Bruno Nogueira Pereira; Alexandre Mendes da Silva

DOI: 10.22167/2675-6528-202602747

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

Se presentó un análisis comparativo entre la regresión logística, método tradicional en la evaluación del riesgo crediticio, y técnicas de “ensemble” como LightGBM y XGBoost. El objetivo principal fue verificar la eficacia de estos modelos en la predicción de incumplimiento, utilizando el “dataset” “Home Credit Default Risk”. Se adoptó una metodología cuantitativa y aplicada, de carácter experimental, con preprocesamiento de datos e ingeniería de atributos. Se evaluó el desempeño de los modelos mediante métricas como AUC-ROC, índice de Gini y matriz de confusión. La técnica SHAP se aplicó para interpretar la influencia de las variables en los modelos de “ensemble”. Los resultados obtenidos indicaron que los métodos de “ensemble” demostraron una leve superioridad en términos de capacidad predictiva en relación con la regresión logística, capturando mejor las complejidades del “dataset”. El análisis SHAP destacó la importancia de variables como fuentes externas de “score” y características financieras del cliente. Se concluyó que los modelos de “ensemble” ofrecieron un desempeño ligeramente superior, reforzando la necesidad de considerar la interpretabilidad y el desbalanceo de la variable objetivo en la evaluación de modelos predictivos de incumplimiento.

Palabras clave: Morosidad de pago; LightGBM; Regresión Logística; Riesgo de Crédito; XGBoost.

1. Introducción

El crédito al consumidor desempeña un papel fundamental en la economía, ya que facilita la adquisición de bienes y servicios, impulsando el consumo. Sin embargo, la expansión del crédito conlleva el desafío de la gestión del riesgo, que exige metodologías eficaces para su medición y control.

El riesgo de crédito se entiende como la medición de la incertidumbre sobre el cobro futuro de un importe acordado, a ser liquidado por el prestatario (Gonçalves et al., 2013). Dentro de este contexto, el riesgo de impago, que se refiere al incumplimiento de la obligación de pago de una operación de crédito, representa una de las principales preocupaciones para las instituciones financieras (Çallı y Coşkun, 2021; Duffie y Singleton, 2003).

La gestión eficaz del riesgo de crédito es esencial para la salud financiera de las instituciones, permitiendo la asignación criteriosa de recursos y la prevención de perjuicios. La morosidad de pago está influenciada por una variedad de factores, incluyendo características del tomador, condiciones del préstamo y variables macroeconómicas (Camargos et al., 2010). La comprensión de estos elementos es crucial para el desarrollo de modelos predictivos precisos.

En este escenario, los modelos de clasificación binaria se emplean ampliamente para predecir la probabilidad de que un cliente se vuelva moroso. La Regresión Logística, por ejemplo, es una técnica estadística tradicional y popular en la modelización de eventos binarios, valorada por su interpretabilidad y capacidad para identificar la contribución de cada factor al riesgo (Hosmer et al., 2013; Araújo y Carmona, 2009; Gonçalves et al., 2013).

Sin embargo, la regresión logística puede presentar limitaciones al lidiar con relaciones no lineales complejas e interacciones significativas entre variables (Coelho et al., 2021). En contrapartida, los métodos de “ensemble”, como el “boosting” (Friedman, 2001; Zhou, 2012), que incluyen algoritmos como LightGBM y XGBoost (Chen y Guestrin, 2016; Ponsam et al., 2021), han demostrado alto rendimiento predictivo al capturar patrones complejos en los datos. La literatura señala, sin embargo, una brecha en la conexión entre modelos de alto rendimiento y aquellos que ofrecen buena interpretabilidad (Baesens et al., 2016; Lessmann et al., 2015).

Ante esta problemática, surge la demanda de modelos que combinen un buen desempeño predictivo con la capacidad de explicar los factores que influyen en el impago. La interpretabilidad es crucial para justificar las decisiones de crédito ante reguladores, gestores y clientes. Para mitigar el carácter de “caja negra” de los modelos de “ensemble”, la técnica SHAP (SHapley Additive exPlanations) ofrece un enfoque unificado para interpretar las predicciones, atribuyendo a cada característica un valor que representa su contribución (Lundberg y Lee, 2017).

Así, la presente investigación se justifica por la necesidad de profundizar la comprensión sobre el equilibrio entre la capacidad predictiva y la interpretabilidad de los modelos en el contexto de riesgo de crédito, utilizando una base de datos real de incumplimiento. De esta forma, el objetivo principal de este trabajo es investigar y comparar la eficacia de la regresión logística y de técnicas de “ensemble”, específicamente los modelos de “boosting” como LightGBM y XGBoost, en la predicción de incumplimiento, y analizar la interpretabilidad de sus predicciones por medio de la técnica SHAP.

2. Material y Métodos

En este estudio, se adoptó una metodología cuantitativa y aplicada, con enfoque en el análisis comparativo del rendimiento predictivo entre diferentes modelos estadísticos y de aprendizaje automático. La investigación tiene carácter experimental, ya que se realizaron pruebas prácticas con un conjunto de datos real, evaluando el comportamiento de los modelos en diversas métricas de rendimiento.

El enfoque metodológico empleado fue comparativo, contrastando la regresión logística, un método tradicional en la modelización del riesgo de crédito, con los modelos de

conjunto

LightGBM y XGBoost. Estos modelos fueron seleccionados por su capacidad para capturar relaciones no lineales e interacciones complejas entre variables, permitiendo evaluar si el rendimiento predictivo superior de los modelos de

impulso

justifica su mayor complejidad en relación con la regresión logística.

El objeto empírico de la investigación fue el conjunto de datos “Home Credit Default Risk”, puesto a disposición públicamente por la empresa “Home Credit Group”. Este

conjunto de datos

contiene información detallada sobre préstamos y el historial de pago de clientes, abarcando variables socioeconómicas, datos de

Secretaría

de crédito e historial de pagos anteriores.

La variable dependiente, que representa la morosidad de pago, es de tipo binario, indicando si el cliente presentó morosidad de pago (valor 1) o si realizó el pago normalmente (valor 0). Se observó que el

conjunto de datos

es desequilibrado, con aproximadamente 8% de clientes en mora, lo que se consideró un desafío adicional para la modelación predictiva.

El preprocesamiento de los datos fue un paso crucial para garantizar la calidad y la consistencia de los modelos. Inicialmente, los nombres de las columnas originales se tradujeron al portugués y se convirtieron a minúsculas, con el objetivo de facilitar la interpretación y la estandarización en el trabajo.

A continuación, se realizó la ingeniería de atributos, creando nuevas variables para mejorar la capacidad predictiva y la interpretabilidad de los modelos. Se generaron variables como edad_años, calculada a partir de días_nacimiento, y diversos índices financieros, incluyendo crédito_por_ingresos, anualidad_por_ingresos, crédito_por_anualidad y crédito_por_valor_bienes. Los valores anómalos en la variable días_empleado se trataron como ausentes.

Para el tratamiento de valores ausentes, se adoptó una estrategia de eliminación de variables que presentaban una proporción de datos faltantes superior al 20%. Este enfoque buscó evitar la inclusión de atributos con baja disponibilidad de información, que podrían comprometer la calidad de los análisis subsecuentes.

Las variables categóricas restantes fueron transformadas en variables numéricas mediante la técnica de

codificación one-hot

. Posteriormente, las variables numéricas fueron estandarizadas utilizando

StandardScaler

, asegurando que todas estuvieran en la misma escala y contribuyendo a la estabilidad de los modelos.

Se implementaron y compararon tres modelos predictivos: Regresión Logística, LightGBM y XGBoost. La Regresión Logística se implementó con parámetros predeterminados y balanceo de clases (

class_weight = “equilibrado”

), sin optimización de hiperparámetros, para servir como base de comparación.

LightGBM se implementó utilizando la biblioteca LightGBM, con balanceo de clases y optimización de hiperparámetros

n_estimators

(100 y 200) y

num_hojas

por medio de

GridSearchCV

. El XGBoost se implementó con la biblioteca XGBoost, utilizando balanceo de clases vía

scale_pos_weight

y optimización de los hiperparámetros

n_estimators

(100 y 200) y

profundidad_maxima

(3 y 5) también por medio del

GridSearchCV

Para la optimización de los modelos LightGBM y XGBoost, se utilizó validación cruzada estratificada con 3

pliegues

, manteniendo la proporción entre las clases en cada división. La selección de la mejor combinación de hiperparámetros se basó en la métrica AUC-ROC. Los datos se dividieron en conjuntos de entrenamiento (80%) y prueba (20%) de forma estratificada, preservando la proporción de la variable objetivo.

La Regresión Logística es una técnica estadística ampliamente utilizada para la modelización de

calificación crediticia

, adecuada para problemas de clasificación binaria, como la predicción de incumplimiento (Araújo y Carmona, 2009). El modelo estima la probabilidad de que ocurra un evento, siendo valorado por su interpretabilidad (Gonçalves et al., 2013; Hosmer et al., 2013).

Los métodos de

conjunto

, como LightGBM y XGBoost, combinan múltiples modelos, generalmente árboles de regresión o clasificación, para obtener un rendimiento predictivo superior (Zhou, 2012). El

impulso

, en particular, construye modelos secuencialmente, donde cada nuevo modelo se entrena para corregir los errores de los modelos anteriores (Friedman, 2001; Chen y Guestrin, 2016; Ponsam et al., 2021).

Para evaluar el desempeño de los modelos en el conjunto de prueba, se utilizaron las siguientes métricas: AUC-ROC (

Área bajo la curva característica operativa del receptor

), que mide la capacidad de distinción entre las clases; el Índice de Gini, derivado de la curva ROC; la Matriz de Confusión, que presenta los verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos; y el Informe de Clasificación, que incluye precisión,

recordar

y F1-score para cada clase.

Considerando el desequilibrio de la variable objetivo, con predominio de la clase de no morosos, se evaluó el rendimiento de los modelos no solo por métricas globales, como AUC-ROC, sino también por métricas sensibles a la clase minoritaria, como

recordar

, precisión y F1-score, que son cruciales para la identificación de morosos.

Para interpretar las predicciones de los modelos de

conjunto

(LightGBM y XGBoost), se aplicó la técnica SHAP (

SHapley Additive exPlanations

). Este enfoque unificado explica la salida de cualquier modelo de

aprendizaje automático

, asignando a cada característica un valor que representa su contribución a la predicción final (Lundberg y Lee, 2017).

La aplicación de la técnica SHAP permitió la generación de gráficos como el SHAP Summary Plot y el SHAP Feature Importance Plot (Bar), que ilustran la importancia y el impacto de cada característica en el modelo. Estos gráficos son fundamentales para entender cómo las variables influyen en las decisiones de crédito, mitigando el carácter de “caja negra” de los modelos de

conjunto

3. Resultados y Discusión

La presente sección detalla los hallazgos de la investigación, comparando el rendimiento de la Regresión Logística con los modelos de “ensemble” LightGBM y XGBoost en la predicción de incumplimiento, y explorando la interpretabilidad de los modelos de “boosting” a través de la técnica SHAP. Los resultados obtenidos confirman la capacidad predictiva superior de los métodos de “ensemble” en relación con la Regresión Logística, aunque con diferencias marginales, y destacan la importancia de variables específicas en la determinación del riesgo de crédito, según el análisis SHAP. La discusión aborda el equilibrio entre el rendimiento predictivo y la interpretabilidad, un desafío central en la modelización del riesgo de crédito.

Desempeño Comparativo de los Modelos

La evaluación del rendimiento de los modelos en el conjunto de prueba reveló que los modelos de “ensemble” LightGBM y XGBoost presentaron una capacidad discriminatoria ligeramente superior en comparación con la regresión logística. El modelo de regresión logística obtuvo un valor de AUC-ROC de 0,746 y un Índice de Gini de 0,491. En contraste, LightGBM alcanzó un AUC-ROC de 0,762 y un Índice de Gini de 0,524, mientras que XGBoost demostró un rendimiento marginalmente mejor, con un AUC-ROC de 0,764 y un Índice de Gini de 0,528. Estos valores indican que ambos modelos de “boosting” son más eficaces en la distinción entre clientes cumplidores y no cumplidores.

Esta ventaja, aunque modesta, de los modelos “ensemble” puede atribuirse a su capacidad para identificar patrones más complejos y relaciones no lineales presentes en los datos, característica que la regresión logística, por su naturaleza lineal, no logra capturar con la misma eficacia. Sin embargo, es importante notar que la ganancia práctica observada fue limitada, dado que las métricas de rendimiento de los tres modelos se mantuvieron relativamente cercanas. Además, la evaluación se basó en una única división de los datos para prueba, lo que impide afirmar la significancia estadística de las diferencias observadas entre los modelos.

Análisis de las Matrices de Confusión

El análisis de las matrices de confusión proporcionó una visión detallada de los errores de clasificación de cada modelo. La regresión logística identificó correctamente a 38.940 clientes no morosos (verdaderos negativos) y a 3.324 clientes morosos (verdaderos positivos). Sin embargo, clasificó erróneamente a 1.641 clientes morosos como no morosos (falsos negativos) y a 17.598 clientes no morosos como morosos (falsos positivos).

Los modelos de “ensemble” demostraron un rendimiento superior en la identificación de clientes morosos. El LightGBM presentó 40.094 verdaderos negativos y 3.364 verdaderos positivos, con 1.601 falsos negativos y 16.444 falsos positivos. El XGBoost obtuvo el mayor número de verdaderos negativos (40.358) y verdaderos positivos (3.371), y el menor número de falsos negativos (1.594) y falsos positivos (16.180) entre los tres modelos. Aunque todos los modelos clasificaron a un número considerable de clientes cumplidores como morosos (falsos positivos), este comportamiento es esperado en escenarios con desbalanceo de la variable objetivo y uso de un umbral de decisión estándar de 0,5.

Informes de Calificación

Al examinar las métricas de clasificación, como precisión, recall y F1-score, se observó un comportamiento similar entre los modelos, especialmente para la clase predominante de no morosos (clase 0). Para esta clase, todos los modelos presentaron una precisión muy alta, alrededor de 0,96, lo que indica que las predicciones de no ocurrencia del evento son frecuentemente correctas. El recall para la clase 0 varió entre 0,69 y 0,71, y el F1-score se mantuvo elevado, aproximadamente entre 0,80 y 0,82.

Para la clase minoritaria de morosos (clase 1), la precisión fue considerablemente baja, variando entre 0,16 y 0,17, lo que apunta a un número significativo de falsos positivos. Sin embargo, el recall para la clase 1 alcanzó niveles más razonables, entre 0,67 y 0,68, indicando que los algoritmos lograron identificar una buena parte de los verdaderos positivos, aunque a costa de un aumento en los falsos positivos, un comportamiento común en bases de datos desbalanceadas. El F1-score resultante para la clase 1, entre 0,26 y 0,28, refleja directamente este desbalance entre precisión y recall.

El modelo XGBoost presentó el mejor F1-score en la clase 0 (0,82) y un recall ligeramente mayor en la clase 1 (0,68) en comparación con los demás. LightGBM quedó muy cerca, con un F1-score de 0,81 para la clase 0 y 0,27 para la clase 1, y un recall de 0,68 para la clase 1. La precisión de ambos modelos fue del 71%. La regresión logística, por su parte, quedó un poco atrás, con un F1-score de 0,80 para la clase 0 y 0,26 para la clase 1, y un recall de 0,67 para la clase 1, resultando en una precisión del 69%.

Las diferencias entre los modelos son pequeñas, pero la regresión logística demostró un rendimiento más contenido, asociado a su menor capacidad de capturar relaciones no lineales presentes en los datos. Es crucial notar que, en aplicaciones de crédito, la elección de la métrica debe considerar las consecuencias de los errores. Un falso negativo, que clasifica a un moroso como cumplidor, puede resultar en pérdidas financieras. Así, el recall de la clase 1 es vital para identificar potenciales morosos, mientras que la precisión evalúa la corrección de las clasificaciones de morosidad.

Interpretabilidad con SHAP

El análisis SHAP se aplicó a los modelos LightGBM y XGBoost para comprender la contribución de las variables en las predicciones. Ambos modelos identificaron las variables `fonte_ext_3` y `fonte_ext_2` como las de mayor impacto, indicando que estas fuentes externas de “score” poseen una fuerte capacidad predictiva en el contexto analizado. Esta consistencia en la importancia de las variables entre los modelos de “ensemble” refuerza la robustez de los hallazgos.

Otras variables importantes incluyeron las características de ingeniería de atributos, como `credito_por_anuidade` y `credito_por_valor_bens`, además de `dias_empregado`, `dias_nascimento` (edad), género, escolaridad y posesión de coche. La dirección del impacto, según los gráficos SHAP, reveló que valores más bajos de `fonte_ext_3` y `fonte_ext_2` tienden a aumentar la predicción de morosidad de pago. Por otro lado, valores más altos de `dias_empregado` (indicando mayor tiempo de empleo) tienden a disminuir la predicción de morosidad de pago, mientras que valores más altos de `dias_nascimento` (menor edad) tienden a aumentarla.

El análisis SHAP ofrece transparencia a los modelos de “ensemble”, que a menudo se consideran “cajas negras”. Al asignar un valor a cada característica que representa su contribución a la predicción final (Lundberg y Lee, 2017), la técnica permite comprender qué factores contribuyen más a la clasificación de riesgo de un cliente. Esta interpretabilidad es esencial para la validación del modelo y para la toma de decisiones de crédito, justificando las elecciones ante reguladores, gerentes y clientes.

Equilibrio entre Interpretabilidad y Desempeño Predictivo

Los resultados de este estudio evidencian un equilibrio importante entre la interpretabilidad y el rendimiento predictivo de los modelos. La regresión logística se destaca por su capacidad de permitir una lectura directa de los coeficientes estimados, lo que facilita la comprensión del sentido y la intensidad de la relación entre las variables explicativas y la probabilidad de incumplimiento. Esta característica hace que la regresión logística sea particularmente útil en contextos donde la explicación de las decisiones es tan relevante como la capacidad predictiva, según lo señalado por Hosmer et al. (2013).

Por otro lado, los modelos de “ensemble”, como LightGBM y XGBoost, presentaron un rendimiento ligeramente superior en las métricas discriminatorias, sugiriendo una mayor capacidad de capturar relaciones no lineales e interacciones más complejas entre las variables. Este comportamiento es consistente con la literatura de “credit scoring”, que indica que técnicas más flexibles tienden a obtener ganancias marginales de rendimiento en bases de datos complejas, aunque generalmente a costa de menor transparencia interpretativa (Coelho et al., 2021).

En este contexto, la utilización de la técnica SHAP representa un recurso importante para reducir la opacidad de estos modelos, permitiendo estimar la contribución individual de cada variable a las predicciones. Además de proporcionar explicaciones globales sobre la importancia de las variables, la técnica también contribuye a la interpretación local de las decisiones, lo que es especialmente relevante en aplicaciones de riesgo de crédito, en las cuales la justificación del resultado es parte esencial del proceso analítico. La literatura ya destacaba la relevancia de esta tensión entre rendimiento e interpretabilidad (Baesens et al., 2016; Lessmann et al., 2015), y este estudio refuerza la necesidad de métodos explicativos para modelos más complejos.

Limitaciones del Estudio

La evaluación de los modelos en este estudio se realizó a partir de una única división entre los conjuntos de entrenamiento y prueba, lo que puede limitar la robustez de la comparación, aunque la optimización de los modelos de “ensemble” se llevó a cabo con validación cruzada estratificada de tres folds. Adicionalmente, la regresión logística no pasó por un proceso de optimización de hiperparámetros, y el umbral de decisión estándar de 0,5 se utilizó para todos los modelos, lo que pudo haber influido en las métricas de clasificación, especialmente en un contexto de desbalanceo de clases. Por último, el análisis se basó en una única base de datos, lo que restringe la generalización de los resultados a otros contextos de crédito o diferentes perfiles de clientes.

En resumen, los resultados confirman que los modelos de “ensemble” LightGBM y XGBoost ofrecen un rendimiento predictivo ligeramente superior a la regresión logística en la predicción de incumplimiento, capturando mejor las complejidades del conjunto de datos “Home Credit Default Risk”. El análisis SHAP fue fundamental para interpretar la contribución de las variables, destacando la relevancia de fuentes externas de “score” y características financieras. Este estudio refuerza la importancia de considerar tanto la capacidad predictiva como la interpretabilidad y el tratamiento del desbalanceo de la variable objetivo en la evaluación de modelos de riesgo de crédito, buscando el mejor compromiso para el contexto de decisión.

4. Conclusión

El presente estudio investigó la eficacia de la regresión logística y de técnicas de “ensemble”, como LightGBM y XGBoost, en la predicción de incumplimiento, y analizó la interpretabilidad de sus predicciones. Se verificó que los modelos de “ensemble” demostraron una capacidad predictiva ligeramente superior en comparación con la regresión logística, según lo indicado por métricas como AUC-ROC e Índice de Gini. El XGBoost, en particular, obtuvo un rendimiento marginalmente mejor, con un AUC-ROC de 0,764. Aunque las diferencias en las métricas discriminatorias fueron modestas, los métodos de “boosting” revelaron mayor aptitud para capturar patrones complejos en los datos. El análisis SHAP fue fundamental para desvelar la contribución de las variables en los modelos de “ensemble”, destacando la importancia de `fonte_ext_3`, `fonte_ext_2`, `credito_por_anuidade` y `dias_empregado` como factores predictivos cruciales. Esta interpretabilidad es esencial para la validación del modelo y para la toma de decisiones de crédito, ofreciendo transparencia a modelos frecuentemente considerados “cajas negras”.

La principal contribución de este trabajo reside en la demostración del equilibrio entre el rendimiento predictivo y la interpretabilidad en el contexto de riesgo de crédito, reforzando la necesidad de métodos explicativos para modelos más complejos. Sin embargo, el estudio presentó limitaciones, como la evaluación de los modelos a partir de una única división entre los conjuntos de entrenamiento y prueba, la ausencia de optimización de hiperparámetros para la Regresión Logística y el uso de un umbral de decisión estándar de 0,5 para todos los modelos, lo que pudo haber influido en las métricas de clasificación en un escenario de desequilibrio de clases. Además, el análisis se basó en una única base de datos, restringiendo la generalización de los resultados. Se sugiere, para estudios futuros, la evaluación de los modelos con diferentes estrategias de tratamiento del desequilibrio, incluyendo técnicas de “oversampling” y ajuste del umbral de decisión, así como la aplicación de procedimientos estadísticos para evaluar la significancia de las diferencias de rendimiento en diversas bases de crédito.

Referencias Bibliográficas

Araújo, E.A.; Carmona, C.U.M. 2009. Desenvolvimento de modelos credit scoring com abordagem de regressão logística para a gestão da inadimplência de uma instituição de microcrédito. Contabilidade Vista e Revista 18(3): 107-131.

Baesens, B.; Roesch, D.; Scheule, H. 2016. Credit Risk Analytics: Measurement techniques, applications, and examples in SAS. Wiley, Hoboken, NJ, EUA.

Camargos, M.A.; Camargos, M.C.S.; Coutinho, E.S. 2010. Fatores condicionantes de inadimplência em processos de concessão de crédito: uma análise com dados em painel. Revista de Administração Mackenzie 11(5): 103-131.

Chen, T.; Guestrin, C. 2016. XGBoost: a scalable tree boosting system. In: ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 22, 2016, San Francisco, CA, EUA. Anais… p. 785-794.

Coelho, F.F.; Amorim, D.P.L.; Camargos, M.A. 2021. Analisando métodos de machine learning e avaliação do risco de crédito. Revista Gestão & Tecnologia 21(1): 89-116.

Duffie, D.; Singleton, K.J. 2003. Credit Risk: Pricing, measurement, and management. Princeton University Press, Princeton, NJ, EUA.

Friedman, J.H. 2001. Greedy function approximation: a gradient boosting machine. The Annals of Statistics 29(5): 1189-1232.

Gonçalves, E.B.; Gouvêa, M.A.; Mantovani, D.M.N. 2013. Análise de risco de crédito com o uso de regressão logística. Revista Contemporânea de Contabilidade 10(20): 139-160.

Hosmer, D.W.; Lemeshow, S.; Sturdivant, R.X. 2013. Applied Logistic Regression. 3ed. Wiley, Hoboken, NJ, EUA.

Lessmann, S.; Baesens, B.; Seow, H.-V.; Thomas, L.C. 2015. Benchmarking state-of-the-art classification algorithms for credit scoring: an update of research. European Journal of Operational Research 247(1): 124-136.

Lundberg, S.M.; Lee, S.I. 2017. A unified approach to interpreting model predictions. In: Advances in Neural Information Processing Systems (NIPS), 30, 2017, Long Beach, CA, EUA. Anais… p. 4765-4774.

Ponsam, J.G.; Gracia, S.V.J.B.; Geetha, G.; Karpagaselvi, S. 2021. Credit risk analysis using LightGBM and a comparative study of popular algorithms. In: International Conference on Computing and Communication Technologies (ICCCT), 4, 2021.

Zhou, Z.-H. 2012. Ensemble Methods: Foundations and algorithms. Chapman & Hall/CRC, Boca Raton, FL, EUA.

Çallı, B.A.; Coşkun, E. 2021. A longitudinal systematic review of credit risk assessment and credit default predictors. Sage Open 11: 21582440211061333.

Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy

Más recientes

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

22 de octubre de 2026

Combate a las Pérdidas Comerciales de Energía Eléctrica Utilizando Modelo de Series Temporales

También te puede interesar

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

La inserción de niños con Trastorno del Espectro Autista (TEA) en la Educación Infantil presenta desafíos significativos, dada la dificultad de adaptación a nuevos entornos y la intensidad de estímulos. El objetivo fue analizar la actuación docente en la Educación Infantil en el proceso de escolarización inicial de niños con TEA. Se realizó un estudio de caso, utilizando la entrevista narrativa como técnica de producción de datos. Los resultados revelaron que la actuación docente se caracterizó por prácticas de mediación y afecto, con la flexibilización de la rutina y el uso de recursos lúdicos como estrategias esenciales para el desarrollo y la organización sensorial del niño. También se destacó la importancia del profesional de apoyo escolar para el éxito del trabajo pedagógico. El desarrollo integral del niño fue promovido por medio de acciones docentes intencionales que priorizaron la adaptación ambiental, el fortalecimiento de vínculos y la atención a las necesidades específicas del TEA. Como contribución, se elaboró una guía de estrategias pedagógicas orientada a la acogida de niños con TEA en guarderías públicas.

Palabras clave: Educación Infantil; Inclusión Escolar; Narrativas Docentes; Prácticas Pedagógicas Inclusivas; Trastorno del Espectro Autista.

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

La expansión del comercio electrónico y la transformación tecnológica impulsaron la necesidad de comprender el comportamiento del consumidor de infoproductos, cuya experiencia percibida se ha vuelto crucial para el desarrollo profesional. El estudio tuvo como objetivo analizar los factores que influyeron en la decisión de compra de infoproductos en el entorno digital, considerando las etapas del viaje del consumidor. Se realizó una investigación aplicada, cuantitativa y descriptiva, a través de un estudio de campo con 100 consumidores de la Serra Gaúcha. La recopilación de datos se realizó mediante un cuestionario estructurado, utilizando muestreo no probabilístico. Los resultados revelaron un público cualificado y con un fuerte comportamiento “mobile-first”. Se constató que la disponibilidad de información detallada y la aprobación social fueron los principales desencadenantes de atracción en la fase de precompra. En las etapas transaccionales y posteriores, la minimización de fricciones operativas, la agilidad del acceso inmediato y la seguridad sistémica demostraron ser cruciales para la conversión y la satisfacción, aunque se identificaron lagunas en la eficiencia del soporte humano. La retención se fundamentó en la confianza generada por experiencias anteriores positivas, superando el factor precio. Se concluyó que el viaje del consumidor de infoproductos opera como un sistema integrado, exigiendo alineación entre infraestructura tecnológica, curaduría de contenido y humanización del soporte para asegurar el compromiso.

Palabras clave: Comercio electrónico; Comportamiento del consumidor; Experiencia del consumidor; Fidelización; Negocios virtuales.

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

La salud mental en el entorno laboral es un tema de creciente relevancia, que impacta el desarrollo profesional y el bienestar de los colaboradores. Se realizó un estudio para identificar aspectos y situaciones que pueden influir en los niveles de absentismo en una institución bancaria. La investigación involucró a 108 participantes y utilizó un cuestionario estructurado, basado en la versión corta del COPSOQ II de Gonçalves (2021), que contenía 45 preguntas cerradas en escala Likert y dos preguntas abiertas. Los datos se recopilaron a través de una plataforma en línea y se analizaron con un enfoque descriptivo y cuantitativo. Los resultados revelaron un escenario que indicó la necesidad de ajustes en la distribución de las actividades y en la percepción de los gerentes sobre comportamientos y señales de trastornos. Se identificaron evidencias importantes en las respuestas abiertas de los participantes. Se concluyó que el estudio contribuyó a la promoción de la percepción de un ambiente seguro para la salud mental en la organización.

Palabras clave: Ausencias por trastornos; Desarrollo profesional; Liderazgo operativo; Licencia médica; Salud mental.

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

El estado de Amazonas ha enfrentado desafíos históricos en la consolidación del Sistema Único de Salud (SUS), derivados de barreras geográficas, desigualdades socioeconómicas y limitaciones estructurales. En este estudio se describió el desarrollo e implementación de un geoportal de información en salud, concebido para apoyar el monitoreo, la evaluación y la planificación en el contexto amazónico. Se adoptó un enfoque de estudio de caso descriptivo, basado en análisis documental y datos secundarios, abarcando el mapeo de funcionalidades, la infraestructura técnica y las etapas de validación de la herramienta. El Portal fue desarrollado con tecnologías abiertas e integró múltiples bases de datos nacionales, ofreciendo dashboards interactivos, mapas temáticos y repositorio digital de documentos. Entre los resultados, destacaron la visualización georreferenciada de indicadores clave, la posibilidad de análisis comparativos temporales y la utilización de la plataforma en la revisión de planes de salud y en el redireccionamiento de acciones estratégicas. El portal puede representar un avance en la gobernanza digital y en la gestión basada en evidencia, con potencial de replicabilidad para otros territorios de alta complejidad, siempre que vaya acompañado de inversiones en infraestructura tecnológica, capacitación profesional y articulación interinstitucional.

Palabras clave: Amazonía; Evaluación en Salud; Salud Digital; Sistemas de Información en Salud.

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

El impacto del aprendizaje continuo y la gestión del conocimiento en el crecimiento de las organizaciones fue estudiado en un escenario de globalización y constantes cambios. El objetivo del estudio fue analizar la percepción de los colaboradores sobre la cultura de aprendizaje y su importancia para el desarrollo personal y profesional. Los datos se obtuvieron a través de una encuesta anónima, de enfoque cuantitativo, utilizando un formulario con preguntas tipo “survey” aplicado a 87 profesionales de los sectores de tecnología, salud, educación, comercio y servicios. Los resultados indicaron que los colaboradores tenían una percepción positiva sobre la contribución del aprendizaje continuo al crecimiento personal y organizacional, reconociendo sus beneficios para el desarrollo de nuevas habilidades, la innovación y la competitividad. Sin embargo, se observó que el incentivo al intercambio de conocimiento interno y la oferta de capacitaciones prácticas aún presentaban medias moderadas de acuerdo. Se concluyó que el aprendizaje continuo contribuye significativamente al desarrollo individual y organizacional, sugiriendo que las empresas deben desarrollar políticas estratégicas de aprendizaje dirigido a nuevas habilidades, buscando una mayor ventaja competitiva y la innovación.

Palabras clave: Aprendizaje continuo; Autodesarrollo; Crecimiento organizacional; Gestión del Conocimiento; Innovación.

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

Se propuso un modelo de regresión estadística múltiple para estimar el rendimiento operativo de la microrred CampusGrid de la UNICAMP, basándose en magnitudes eléctricas internas. La microrred integra generación fotovoltaica, baterías y un generador de gas. Se recopilaron datos del sistema de gestión de energía en intervalos de cinco minutos durante un mes. El Índice de Confiabilidad Operacional, definido como la razón entre energía atendida y demandada, se estableció como variable dependiente. El modelo se ajustó al modo de operación aislado, evaluando el impacto de la demanda, el estado de carga, la generación solar y la energía suministrada. Los resultados revelaron un elevado poder explicativo, indicando que la confiabilidad operativa depende de la interacción entre el suministro y la demanda. Se observó que el período nocturno concentró la mayor tasa de atención parcial, atribuida a la reducción de la generación solar. Se concluyó que la regresión múltiple ofrece una estructura interpretable y útil para el monitoreo de microrredes y el apoyo a estrategias de control.

Palabras clave: Almacenamiento en baterías; Generación fotovoltaica; Índice de Confiabilidad; Operación aislada; Sistema de Gestión de Energía.

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

La morosidad agregada en el sistema financiero brasileño es un indicador crucial de riesgo crediticio, cuya previsión está regulada por las Resoluciones CMN n.° 4.557/2017 y 4.966/2021 para la medición prospectiva de pérdidas esperadas. Se modeló y predijo la morosidad agregada mediante el modelo SARIMAX, proyectando su trayectoria hasta diciembre de 2026 bajo escenarios optimista, base y pesimista. Se utilizaron 164 observaciones mensuales (julio/2012 a febrero/2026) y variables macroeconómicas como desempleo, Selic, IPCA, IBC-Br y endeudamiento de las familias. La especificación con variables contemporáneas fue seleccionada con base en criterios de información y estabilidad de los coeficientes, y el diagnóstico de los residuos confirmó adecuación estadística, con MAPE de 3,12%. La morosidad histórica varió entre 4,33% y 7,64%. La estimación identificó el desempleo (β = 0,2534; p < 0,001) y la Selic (β = 0,2128; p < 0,001) como principales determinantes positivos, con fuerte persistencia temporal (AR(1) = 0,8965). La Selic exhibió correlación creciente con la morosidad (r = 0,62 en el rezago 12), mientras que el desempleo demostró efecto contemporáneo (r = 0,33). Las proyecciones indicaron morosidad entre 6,30% y 7,98% en diciembre de 2026, con una amplitud de 1,68 punto porcentual, evidenciando implicaciones directas para el dimensionamiento de provisiones en las instituciones financieras.

Palabras clave: Desempleo; Modelado predictivo; Política monetaria; Provisión de pérdidas; Series temporales.

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

Este estudio describió los factores críticos percibidos para la participación de las partes interesadas en la transferencia internacional de tecnología en un hospital público, con foco en la planificación. El objetivo fue describir estos factores condicionantes, según la percepción de los profesionales. Se realizó un estudio de caso único, aplicando un cuestionario a 25 profesionales y utilizando análisis de contenido, complementado por tabulaciones descriptivas. Los principales obstáculos identificados fueron resistencia al cambio (72%), financiación (64%), falta de comunicación (60%) y burocracia (40%). Solo el 28% de los encuestados reconoció la existencia de herramientas adecuadas para la gestión de stakeholders, mientras que el 48% negó y el 24% no supo informar. Cruzamientos exploratorios indicaron variaciones en la evaluación de influencia según el tiempo de actuación, pero no establecieron relaciones causales. La falta de participación se asoció con retrasos, baja adhesión, desperdicio de recursos, fallas de comunicación, compromiso de la absorción de conocimiento y riesgos para la seguridad del paciente. Las conclusiones se restringieron a las percepciones del grupo investigado y fundamentaron recomendaciones preliminares para la comunicación y coordinación intersectorial.

Palabras clave: Estudio de caso; Gestión de proyectos; Innovación en salud; Partes interesadas; Sector público.

22 de octubre de 2026

Combate a las Pérdidas Comerciales de Energía Eléctrica Utilizando Modelo de Series Temporales

Las pérdidas comerciales de energía eléctrica representaron uno de los principales desafíos para las distribuidoras, impactando directamente la sostenibilidad económica y la calidad del suministro. Se evaluó la eficiencia de modelos de series temporales, con foco en técnicas de suavización exponencial, en la predicción del consumo facturado de unidades consumidoras, para apoyar la identificación de desvíos asociados a pérdidas no técnicas. Se utilizaron datos históricos de consumo mensual de una distribuidora de energía eléctrica en Brasil, segmentados por perfiles de comportamiento (estacionariedad, tendencia y estacionalidad). Se aplicaron modelos de suavización exponencial simple, Holt y Holt-Winters (aditivo y multiplicativo), comparados a una media móvil tradicional. El error porcentual absoluto medio (MAPE) fue el criterio de evaluación. Adicionalmente, se empleó el enfoque predictivo para la selección automática del modelo y pruebas de diagnóstico de los residuos, como Ljung-Box y análisis de la función de autocorrelación. Los resultados demostraron que modelos más robustos presentaron mayor capacidad de adaptación a las características de las series y menor error, con destaque para el desempeño superior en escenarios con tendencia. Para series estacionales, el modelo ETS mostró mayor capacidad de adaptación a transiciones. Se concluyó que la utilización de modelos de series temporales más estructurados contribuyó significativamente a la mejora de la exactitud de las predicciones y ofreció soporte analítico relevante para la identificación de pérdidas comerciales y optimización de procesos operacionales y comerciales en el sector eléctrico.

Palabras clave: Distribución de energía; MAPE; Optimización; Predicción de consumo; Suavización exponencial.

Economia

19 de octubre de 2026

¿Fin de la escala 6×1: qué permiten concluir los números?

Tras la promulgación del fin de la escala 6×1, el debate sobre la jornada menor pasa a la implementación y exige distinguir beneficios sociales de costos económicos El fin de la escala 6×1 pasó de la discusión legislativa a un cambio constitucional en Brasil. El 16 de octubre de 2026, el Congreso Nacional promulgó la enmienda constitucional nº 141/2026, originada de la Propuesta […]

Inteligencia Artificial

16 de octubre de 2026

¿Por qué estudiar si existe la IA?

Cuando las respuestas se vuelven fáciles, aprender pasa a significar más que alcanzarlas. ¿Por qué necesito aprender esto si puedo preguntarle a una inteligencia artificial? Este tipo de pregunta ha acompañado a la educación durante décadas. ¿Por qué aprender una operación si existe una calculadora? ¿Por qué memorizar una información si se puede encontrar […]

Gestión Tributaria

15 de octubre de 2026

Impuesto rosa y el género del precio

Cómo los diferentes tratamientos de marketing para hombres y mujeres son incorporados por la tributación del consumo Imagine un estante en el que dos maquinillas de afeitar de la misma marca y destinadas al mismo propósito están expuestas una al lado de la otra: una tiene un empaque oscuro y promete fuerza, precisión y eficiencia; la otra viene en tonos de rosa o […]

Salud

13 de octubre de 2026

El eslabón perdido de la transformación de la salud

¿Por qué la innovación no es suficiente para generar cambios en las organizaciones y en los sistemas de salud La transformación digital se ha consolidado como una prioridad estratégica para los sistemas de salud en todo el mundo. Historias clínicas electrónicas, inteligencia artificial, telemedicina, monitorización remota y análisis de datos han pasado a formar parte de la agenda estratégica de gobiernos y organizaciones sanitarias. Paradójicamente, […]

Marketing

09 de octubre de 2026

Bitcoin o mascotas: lo que la Inteligencia Artificial no vería

Un caso real de consumer intelligence muestra lo que queda fuera del briefing Hace algunos años, una aseguradora estadounidense contrató a una empresa especializada en consumer intelligence para responder a tres preguntas: La aseguradora también evaluaba lanzar seguros pagados en bitcoin. En ese momento, el proceso de trabajo de la consultoría funcionaba así: el analista creaba una query […]

Gestión Escolar

06 de octubre de 2026

La escuela no es un casino: cuando las figuritas se convierten en moneda en el patio

¿Por qué, para determinados estudiantes, la escuela logra ofrecer tan pocas experiencias de éxito? La Copa del Mundo ha terminado. Brasil ha quedado fuera de la competición, llegaron las vacaciones escolares, se disputó la final y el calendario del fútbol siguió adelante. Sería razonable imaginar que, con el fin del torneo y el regreso a clases, también comenzara […]

Transición Energética

30 de septiembre de 2026

Energías renovables: la ventaja brasileña

Brasil necesita invertir en la capacidad de transformar recursos naturales en innovación, productividad y desarrollo Hablar de energía es hablar de desarrollo. Detrás de la industria, el transporte, los servicios, las ciudades y, cada vez más, la inteligencia artificial, existe una infraestructura energética que sustenta la economía. Comprender la matriz energética de un país es comprender […]

Análisis De Datos

30 de septiembre de 2026

¿Cuando cambian los datos, ha cambiado la realidad?

Análisis de casi 20 millones de vínculos-año docentes entre 2020 y 2025 muestra cómo cambios en la composición de la población y en la producción de los registros pueden alterar la interpretación de series históricas Entre 2020 y 2025, el número de vínculos formales de trabajo docente identificados en la RAIS (Relación Anual de Información Social), del Ministerio de Trabajo, […]

Inteligencia Artificial

28 de septiembre de 2026

Inteligencia artificial y las tendencias

¿Por qué tanta gente se une a los juegos con ChatGPT? Nunca fui una persona de tendencias. Sigo sin serlo. Algunas pasan por mi línea de tiempo, las veo, me parecen interesantes pero no al punto de experimentar. Fue así, inclusive, con algunas ondas recientes de imágenes hechas por inteligencia artificial, como la tendencia de los años 80, aquella que nos […]

Gestión Tributaria

01 de septiembre de 2026

Reforma tributaria y planificación patrimonial en el campo

La eficiencia para gestionar los impuestos facilita la gobernanza y permite organizar la sucesión familiar. La organización patrimonial rural se ha convertido en una medida estratégica ante la reforma tributaria en Brasil, que entró en vigor este año. La planificación de las actividades y de la gestión del patrimonio rural, a través de herramientas como la transición de la Persona Física a […]

Renata de Gaspari Valdejão Almeida

Inteligencia Artificial

05 de agosto de 2026

Dentro de la empresa y fuera del radar: los riesgos de la IA Sombra

Según Microsoft, el 75% de los profesionales ya utilizan inteligencia artificial en el trabajo sin la aprobación de la empresa El uso de la inteligencia artificial generativa ya forma parte de la rutina corporativa. Herramientas como ChatGPT, Copilot y otras plataformas ayudan a los profesionales a producir textos, analizar datos, crear presentaciones y acelerar tareas en prácticamente todos los sectores. Pero este avance […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julio de 2026

El futuro como competencia

El interés académico refuerza la proyección de escenarios como herramienta esencial para la toma de decisiones. Mientras algunas empresas aún intentan acertar el próximo paso, otras ya trabajan con múltiples futuros posibles — y se preparan para todos ellos. Pero, ¿qué significa “pensar el futuro”? ¿Es tendencia, es estrategia o una nueva competencia que […]

Renata de Gaspari Valdejão Almeida

Innovación

Tecnología

21 de mayo de 2026

Corredor Agro SP: innovación, articulación institucional y futuro

Pecege comanda a operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educación

27 de abril de 2026

Cómo transformar un TCC en negocio

Nueva gestión del Parque Tecnológico de Piracicaba ofrece consultoría a egresados de MBAs El nuevo director de proyectos del Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, suele decir que una de las mayores recompensas que ha tenido en la vida ha sido ver a sus orientandos del MBA USP/Esalq estructurar empresas a partir de sus trabajos de conclusión de […]

Tecnología

20 de marzo de 2026

El repertorio humano en la era de la IA

El pensamiento crítico y la creatividad son insustituibles en el trabajo del profesional de marketing La Inteligencia Artificial (IA) es capaz de hazañas increíbles, pero aún no posee la capacidad de juicio, empatía, intuición y creatividad estratégica necesarias para hacer el trabajo de un buen profesional de marketing. En esta área, es importante saber usar la herramienta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

23 de febrero de 2026

ESG como estrategia de crecimiento en una cooperativa del RS

Santa Clara equilibra responsabilidad social y ambiental con innovación Fundada en 1911 por inmigrantes italianos en Carlos Barbosa, en la sierra gaúcha, la Cooperativa Santa Clara es un ejemplo de que es posible equilibrar el crecimiento económico con la responsabilidad social y ambiental. De una pequeña empresa de producción de quesos, la organización evolucionó a un […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

22 de enero de 2026

¿Brasil libre de fiebre aftosa: qué cambia para la carne brasileña?

Con un rebaño de más de 200 millones de cabezas de ganado, el país es actualmente el líder en exportaciones Brasil recibió recientemente, por primera vez, la certificación de país libre de fiebre aftosa sin vacunación, otorgada por la Organización Mundial de Sanidad Animal (OMSA). El sello fortalece la posición del país como proveedor de carne confiable para el […]

Renata de Gaspari Valdejão Almeida

Innovación

09 de diciembre de 2025

Innovación: el nuevo ciclo del Parque Tecnológico de Piracicaba

El Instituto Pecege asume la gestión apostando en la creación de nuevos negocios A partir de 2026, el Instituto Pecege asumirá la gestión del Parque Tecnológico de Piracicaba (PTP). Entre sus responsabilidades estarán la administración, operación, mantenimiento y expansión del parque, además del fomento de actividades de innovación, emprendimiento y ciencia y tecnología. La elección fue realizada […]

Renata de Gaspari Valdejão Almeida

06 de julio de 2026

Arquitectura a Gran Escala: Gestión de Cambios DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumen elaborado por la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. La arquitectura y el urbanismo se configuran como bases imprescindibles en un espacio urbano cada vez más complejo y desafiante, donde la intrínseca conexión entre cuestiones sociales, ambientales y tecnológicas […]