Con el objetivo de motivar a los y las estudiantes de Ingeniería Estadística de la Universidad del Bío-Bío y guiarlos en la exploración de las diversas oportunidades que ofrece el mundo empresarial, preparándolos para su futuro profesional, el director de Analítica Avanzada en Aval Buró, Ecuador, Dr. Víctor Morales Oñate, realizó en dos jornadas el cursillo “Machine learning en modelos de riesgo de crédito”.
La visita del Dr. Víctor Morales se generó en el marco del proyecto Fondecyt 11220066 del académico del Departamento de Estadística de la Facultad de Ciencias UBB, Dr. Christian Caamaño Carrillo. Asimismo, ambos académicos tienen algunos artículos científicos publicados en revistas WOS y un paquete del programa R, llamado GeoModels, que permite analizar datos espacio temporales.
El público objetivo de estas jornadas se centró en estudiantes y académicos, más de 20 participantes, que tuvieran interés en el análisis de riesgo crediticio mediante el machine learning, explicó el académico UBB, quien agradeció “la disponibilidad del Dr. Morales en visitar la Universidad del Bío-Bío y dictar un curso de interés en el ámbito académico y empresarial”, algo que potencia la educación integral del estudiantado.
El Dr. Víctor Morales comentó que el tema tratado es parte de sus investigaciones que se derivan de aplicaciones en su trabajo como director de analítica avanzada en Aval Buró, donde “la modelización del riesgo de crédito ofrece un campo de oportunidades tanto para profesionales con formación estadística tradicional, como para aquellos especializados en machine learning. Sin embargo, la elección entre métodos clásicos y enfoques basados en aprendizaje automático no es trivial”
En esta charla, destacó el académico ecuatoriano, “exploramos esta pregunta clave, ¿cuándo y por qué optar por una técnica sobre otra?, a través del ciclo de vida del crédito, analizando cómo el machine learning está transformando la evaluación y gestión del riesgo. Comparamos los enfoques tradicionales con modelos avanzados, resaltando sus ventajas, limitaciones y los desafíos que implica su implementación en un entorno regulado. Finalmente, discutimos casos de aplicación de analítica avanzada en la industria financiera, identificando oportunidades de innovación y el impacto de estas metodologías en la toma de decisiones estratégicas”.
El tema planteado, relevó el Dr. Víctor Morales, es crucial porque la modelización del riesgo de crédito es un pilar fundamental en la estabilidad del sistema financiero. “Con la creciente digitalización y el acceso a grandes volúmenes de datos, las instituciones financieras enfrentan el reto de mejorar la precisión de sus modelos sin comprometer la transparencia y el cumplimiento regulatorio. Abordarlo nos permite entender cuándo optar por métodos tradicionales y cuándo aprovechar el potencial del machine learning. Además, el impacto de estas metodologías en la toma de decisiones estratégicas abre nuevas oportunidades de innovación en la industria financiera, lo que hace que esta discusión sea más relevante que nunca” aseguró.
Tras su primera visita a la Universidad del Bío-Bío, el académico del Departamento de Economía de la Universidad de las Américas, Ecuador, felicitó la realización del cursillo y “la organización del evento. La colaboración entre academia e industria es clave para innovar y generar conocimiento aplicable. Cuando la teoría impulsa a la industria y las prácticas generan nuevas líneas de investigación, se logra una sinergia invaluable”.
