En esta investigación, se identificaron las variables que tienen mayor impacto en la predicción de default por parte de un deudor en el sistema financiero dominicano, a través de un modelo de aprendizaje automático denominado catboost y la técnica de los valores SHAP.

En esta investigación estudiamos la predicción de seis variables que indican el devenir en el corto plazo de la economía dominicana (Remesas, IMAE, Turistas, Cotizantes AFP, IPC y Crédito Privado). Para lo mismo se utilizan varios algoritmos de la Econometría Clásica. Se evalúan las predicciones de los mismos con Time Series Cross-Validation y se le realiza una diagnosis para decidir sobre el mejor método de predicción entre los considerados para cada variable.

En esta investigación se presenta una metodología para la estimación de las matrices de transición en riesgo de crédito, que posteriormente, nos permite cuantificar las probabilidades de deterioro de un deudor nuevo a la peor clasificación crediticia 12 meses luego de su originación. Los resultados revelan la dinámica del crédito que pueden ser vinculadas a distintas fases del ciclo crediticio, y muestran algunas dimensiones particulares del choque ocasionado por la pandemia del SARS-CoV-2.