Predicción de la insolvencia de cajas municipales y rurales en el Perú mediante técnicas de machine learning

Abstract

El sistema financiero peruano enfrenta retos en la sostenibilidad de las cajas municipales y rurales, que son fundamentales para la inclusión financiera de las zonas rurales y semiurbanas. Esta investigación identifica un modelo predictivo utilizando técnicas de Machine Learning para anticipar la insolvencia en estas instituciones, lo que aborda un problema clave en el fortalecimiento del sector micro financiero . Se identificaron variables críticas para predecir la insolvencia, como rentabilidad, eficiencia , calidad de activos, liquidez e inflación. Tras evaluar y comparar varios métodos de Machine Learning, el modelo Random Forest resultó ser el más robusto y eficiente, alcanzando una precisión del 75% y un F1 - Score Macro promedio de 0.75. Este modelo superó a otros enfoques tradicionales, como la regresión logística y a algoritmos como Á rboles de Decisión y SVM (Support Vector Machine) , destacándose por su capacidad para manejar relaciones no lineales y datos desbalanceados. Los hallazgos subrayan la releva ncia de integrar herramientas avanzadas en la gestión de riesgos financieros, ofreciendo soluciones prácticas para mejorar la sostenibilidad y la confianza en el sistema micro financiero peruano.