https://doi.org/10.37815/rte.v37n1.1312
ArtÃculos originales
Predictive Analysis and Optimized Management of the Delinquent Custo=
mer
Portfolio at CNEL EP BolÃvar Business Unit
Marco
Vinicio Carrillo Trujillo1
Pedro
Stalyn Aguilar Encarnación1 =
https://orcid.org/0009-0005-1664-22=
80
=
1Esc=
uela
Superior Politécnica de Chimborazo, ESPO=
CH Sede
Orellana, Ecuador
marcov.carrillo@espoch.edu.ec,
pedro.aguilar@espoch.e=
du.ec
Enviado:Â Â Â Â=
  2025/04/15
Aceptado:Â Â Â Â Â Â 2025/05/15
Publicado:
    2025/06/30
Resumen
Sumario: Introducción, =
MetodologÃa, Resultados, Discusión, Conclusiones. Como citar:<=
/span> Carrillo, M. & Aguilar, P. (2025). Análisis predictivo y =
gestión
optimizada de la cartera de clientes morosos en CNEL EP, unidad de neg=
ocio
bolÃvar. Revista Tecnológica - Espol, 37(1), 285-308. https://rte.espol.edu.ec/index.php/tecnologica/article/view/1312=
La moros=
idad
representa un obstáculo estructural para la sostenibilidad financiera de l=
as
empresas públicas de distribución eléctrica; sin embargo, a diferencia d=
el
sector financiero, aún no se han adaptado modelos predictivos basados en
aprendizaje automático a este contexto. En particular, CNEL EP enfrenta
dificultades para anticipar el incumplimiento de sus clientes, lo cual limi=
ta
la eficacia de su gestión comercial. Ante esta problemática, el presente
estudio tiene como objetivo determinar el modelo de aprendizaje automático=
más
preciso para predecir el riesgo de morosidad en la Unidad de Negocio BolÃv=
ar.
Para ello, se adoptó un enfoque metodológico basado en Design Science Res=
earch
y CRISP-DM, el cual permitió integrar una revisión sistemática de litera=
tura
(PRISMA), el análisis de un conjunto de 72.483 registros históricos y la
aplicación de técnicas como PCA, SMOTE y modelos ensemble (RandomForest,
Gradient Boosting, AdaBoost y VotingClassifier). Gradient Boosting y
VotingClassifier alcanzaron métricas casi perfectas (Accuracy: 0.9982; F1
Macro: 0.9957; AUC ROC: 1.000) y (Accuracy: 0.9983; F1 Macro: 0.9959; AUC R=
OC:
1.000), incluso en escenarios de estrés con ruido, desbalance y pérdida de
datos; además, la incorporación de SHAP y LIME facilitó la interpretaciÃ=
³n de
las predicciones, garantizando transparencia para usuarios no técnicos. Los
hallazgos evidencian que la solución es robusta, replicable y aplicable en=
la
práctica. Este estudio constituye un aporte significativo al demostrar que=
los
modelos de aprendizaje automático pueden fortalecer la gestión de cartera=
en el
sector eléctrico público ecuatoriano.
=
Pa=
labras
clave: =
Aprendizaje
Automático, Ciencia del Diseño, Evaluación de Modelos, Modelos Ensemble,
MinerÃa de Datos, Inteligencia Artificial Explicable, Riesgo de Morosidad.=
Abstract
Payment delinquency represents=
a
structural barrier to the financial sustainability of public electricity
distribution companies; however, unlike the financial sector, predictive mo=
dels
based on machine learning have not yet been adapted to this context. In
particular, CNEL EP faces challenges in anticipating customer defaults, whi=
ch
limits the effectiveness of its commercial management. This study aims to
identify the most accurate machine learning model to predict delinquency ri=
sk
in the BolÃvar Business Unit. A methodological approach based on Design Sc=
ience
Research and CRISP-DM was adopted, incorporating a systematic literature re=
view
(PRISMA), the analysis of 72,483 historical records, and the application of
techniques such as PCA, SMOTE, and ensemble models (RandomForest, Gradient
Boosting, AdaBoost, and VotingClassifier). Gradient Boosting and
VotingClassifier achieved near-perfect performance metrics (Accuracy: 0.998=
2;
F1 Macro: 0.9957; AUC ROC: 1.000) and (Accuracy: 0.9983; F1 Macro: 0.9959; =
AUC
ROC: 1.000), even under stress scenarios involving noise, imbalance, and da=
ta
loss. Furthermore, the integration of SHAP and LIME enabled transparent
interpretation of predictions for non-technical users. The findings show th=
at
the proposed solution is robust, replicable, and applicable in practice. Th=
is
study makes a significant contribution by demonstrating that machine learni=
ng
models can enhance portfolio management in Ecuador's public electricity sec=
tor.
Introducción
La morosidad en la cartera de clien=
tes
constituye un desafÃo estructural para la sostenibilidad financiera de las
empresas públicas de distribución eléctrica; en contraste, en el sector
financiero se han desarrollado modelos de aprendizaje automático altamente
efectivos para predecir el riesgo de incumplimiento
En la literatura cientÃfica se han
documentado múltiples enfoques exitosos de clasificación del riesgo credi=
ticio,
destacando el uso de modelos ensemble como Random Forest, Gradient Boosting=
y
Voting Classifier, junto con técnicas de balanceo de clases como SMOTE y
métodos de reducción de dimensionalidad como PCA
No se han documentado estudios empÃ=
ricos
aplicados al sector eléctrico público que implementen y validen modelos de
aprendizaje automático para la predicción del riesgo de morosidad, consid=
erando
la complejidad operativa, los esquemas tarifarios diferenciados y los facto=
res
sociales que influyen en el comportamiento de pago de los usuarios
El objetivo del estudio es, determi= nar el modelo de aprendizaje automático más preciso mediante un proceso de miner= Ãa de datos para gestionar de forma efectiva a los clientes en riesgo de morosida= d en CNEL EP Unidad de Negocio BolÃvar.
La investigación busca proporciona=
r una
solución replicable, robusta y basada en evidencia que permita automatizar=
la
clasificación de clientes morosos, reducir las pérdidas por incobrabilida=
d y
fortalecer la gestión comercial mediante la incorporación de inteligencia
artificial
El artÃculo se organiza en cinco
secciones: Sección 1, “Introdu=
cción,
presentación del tema, relevancia, brecha de conocimiento, objetivo y
justificaciónâ€; Sección 2, “MetodologÃa, describe el enfoque Design =
Science
Research y CRISP-DM para el desarrollo del artefacto, detalla las fases de
Entendimiento del Negocio, Comprensión y Preparación de datos, Modelado y
Evaluaciónâ€; Sección 3, “Resultados de los modelos implementados, su
rendimiento comparativo, pruebas de estrésâ€; Sección 4, “Discusión, =
contraste
entre los resultados alcanzados y los reportados en investigaciones
previasâ€; Sección 5, â€Conclu=
siones, se
exponen las principales conclusiones y se sugieren futuras lÃneas de
investigación para optimizar y ampliar la solución desarrollada
MetodologÃa
El estudio se desarrolló bajo el m=
arco metodológico
de la Ciencia del Diseño (Design Science Research, DSR), un enfoque que pe=
rmite
abordar problemas complejos mediante la construcción y validación de arte=
factos
tecnológicos en contextos reales
Figura = 1=
MetodologÃa de la Ciencia del Di= seño Aplicada (DSR)
El Ciclo de Relevancia vinculó la = solución propuesta con una necesidad institucional crÃtica: anticipar el riesgo de morosidad para optimizar la gestión de cartera. Esta necesidad se asocia c= on el problema formulado en la presente investigación, el cual muestra sus causas estructurales y efectos en la Figura 2. En consecuencia, la investigación inició con un proceso de revisión de la literatura a fin de determinar los modelos de aprendizaje automático más utilizados en la predicción del riesgo de morosidad y la recuperación de cartera en contextos generales.
Figura = 2=
Análisis de Causas Estructurales=
, Causas
Directas y Consecuencias
El proceso de revisión sistemátic=
a de
literatura se realizó siguiendo el protocolo PRISMA, el diagrama de flujo =
de
este proceso en esta investigación se observa en la Figura 3. Este
protocolo permitió establecer criterios claros para la búsqueda, selecciÃ=
³n y
evaluación de fuentes
Figura = 3=
Diagrama de Flujo de la Metodolog= Ãa PRISMA para la Revisión de Literatura
Identificación
Se recopilaron un total de 56 regis= tros iniciales, provenientes de bases de datos cientÃficas reconocidas por su r= igor académico, tales como IEEE Xplore, SpringerLink, Elsevier y ScienceDirect.= En esta fase, se eliminaron 2 documentos duplicados y otros 6 artÃculos que no cumplÃan con los siguientes criterios temáticos, contextuales:
·&n= bsp; ArtÃculos que traten sob= re modelos de aprendizaje automático.
·&n= bsp; ArtÃculos cuyo enfoque s= ea la predicción de riesgo de morosidad o default crediticio.
·&n= bsp; ArtÃculos que empleen tÃ= ©cnicas de minerÃa de datos.
·&n= bsp; ArtÃculos cuyo contexto = del estudio sea operativo, no solo teórico o simulado.
Screening (Cribado)
Se procedió al análisis prelimina= r de los 48 estudios restantes, sin que se registraran exclusiones adicionales en es= ta etapa, ya que todos los estudios cumplÃan con los requisitos básicos para= pasar a la fase de evaluación completa.
Elegibilidad
Se realizó un análisis en profund= idad de los 48 estudios filtrados, de los cuales se excluyeron 18 trabajos por las siguientes razones:
·&n= bsp; 12 estudios se centraban exclusivamente en aspectos metodológicos sin aplicación directa a problem= as de morosidad o riesgo crediticio.
·&n= bsp; 4 estudios estaban orient= ados al desarrollo de técnicas de interpretabilidad (Explainable AI - XAI) sin abordar directamente la predicción de morosidad.
·&n= bsp; 2 estudios fueron descart= ados por pertenecer a otras temáticas que no se alineaban con los objetivos de = la presente investigación.
Inclusión
Finalmente, se obtuvieron 30 estudi= os en la revisión final, los cuales aportaron evidencia empÃrica y mejores prácti= cas sobre la implementación de modelos de aprendizaje automático para la pred= icción de morosidad y riesgo crediticio en entornos organizacionales, conforme el detalle de la Figura 4.
Figura =
4=
Cantidad de modelos utilizados por estudio en los trabajos analizados
El Ciclo del Diseño <= /b>permitió la construcción del artefacto, facilitando la valid= ación empÃrica de las soluciones propuestas. En esta etapa, se describe la construcción de los modelos predictivos propuestos orientados a resolver el problema identificado en el entorno organizacional. Para estructurar este proceso de manera sistemática y efectiva, se adoptó la metodologÃa CRISP= -DM (Cross Industry Standard Process for Data Mining), la cual se observa en la= Figura 5.
Figura = 5=
MetodologÃa CRISP-DM para el anÃ= ¡lisis predictivo de CNEL EP
<= o:p>
Entendimiento del Negocio
En una =
primera
fase se analizó el impacto y estado de la cartera vencida en CNEL EP Unida=
d de
Negocio BolÃvar en la gestión financiera, identificándose un porcentaje =
de
cartera vencida del 13,6% a diciembre de 2024, porcentaje considerado alto
según el Banco Mundial que recomienda para empresas de servicios públicos
mantener este indicador por debajo del 5% para garantizar su sostenibilidad
financiera. Asà mismo, se realizó un análisis integral de las variables =
objeto
del estudio.
Comprensión de los Datos
La info=
rmación
analizada estuvo compuesta por 72.483 registros y 43 variables relacionadas=
con
la gestión de cartera de CNEL EP Unidad de Negocio BolÃvar. Esta incluye =
datos
de identificación del cliente, ubicación geográfica, tarifas, aplicació=
n de
subsidios, nivel de morosidad y un desglose detallado de la deuda, como mes=
es
de mora, valor total de la deuda, fechas de última factura y suspensión, =
asÃ
como categorizaciones por rangos de antigüedad y valor. También se contem=
plan
componentes especÃficos de valores vencidos por concepto de energÃa, alum=
brado,
intereses, entre otros.
Análisis Exploratorio
Se real=
izó una
depuración de columnas irrelevantes y se clasificaron las variables en
numéricas y categóricas. Se identificaron valores atÃpicos utilizando el=
rango
intercuartÃlico (IQR), detectándose anomalÃas especialmente en variables=
como
"MESES_DEUDA", "VALOR_DEUDA", y
"V_VENCIDO_ENERGIA".
Se impl=
ementaron
histogramas, boxplots, gráficos de barras para categorÃas con meno=
s de
20 niveles, mapas de calor de correlación entre variables numéricas, y
diagramas de dispersión, como se muestra en las Figuras Figura 6 y Figura 7. Se identificó una alta dispersi=
ón y
presencia de valores extremos, como deudas que alcanzan hasta los 27.854 US=
D y
perÃodos de mora de hasta 193 meses. Este análisis permitió identificar
patrones de comportamiento de la morosidad y sentó las bases para el
preprocesamiento y modelado predictivo posterior
<= o:p>
Figura = 6=
Gráficas Descriptivas
<= o:p>
Figura = 7=
Mapa de calor de Correlación de = variables
<= o:p>
Preparación de Datos
Se real=
izó una
depuración de registros. Se excluyeron clientes con estado “PASIVO†por
representar casos en etapa coactiva, no aptos para predicción temprana, as=
Ã
como registros con deudas negativas y duplicados. Posteriormente, se elimin=
aron
variables irrelevantes o redundantes, y se estandarizaron los nombres de las
columnas. Se manejaron valores nulos, principalmente imputando la moda o
eliminando registros según el caso. Se identificaron y trataron valores
atÃpicos mediante IQR, y se aplicó winsorización para reducir su impacto=
sin
eliminar datos. Finalmente, se implementó un modelo Random Forest con sele=
cción
de caracterÃsticas para reducir la dimensionalidad, mejorando la eficienci=
a del
modelo y su capacidad de generalización sin comprometer la precisión
Figura = 8=
Importancia de las Variables (Ran= dom Forest con selección de caracterÃsticas)
Implementación de Modelos
Para id=
entificar
el riesgo de morosidad, se desarrolló un enfoque en dos fases: una fase no
supervisada, orientada a la segmentación de clientes mediante técnicas de
agrupamiento y una fase supervisada, centrada en la construcción de modelos
predictivos basados en aprendizaje automático.
Fase No Supervisada
Se sele=
ccionaron
las 10 variables más relevantes y se aplicó RobustScaler para escalar los
datos, mitigando el efecto de outliers. Posteriormente, se utilizó Anális=
is de
Componentes Principales (PCA) para reducir la dimensionalidad, conservando =
más
del 90% de la varianza. Sobre esta representación reducida se aplicó el
algoritmo K-Means, para determinar el número óptimo de clústeres se empl=
eó el
método del codo, el cual indicó que tres clústeres ofrecÃan un buen equ=
ilibrio
de agrupamiento, representados gráficamente en la Figura 9. El Ãndice de Silhouette del mod=
elo fue
de 0.681, clasificando a los clientes en riesgo bajo (0), medio (1) y alto =
(2).
Este enfoque permitió identificar patrones de morosidad sin necesidad de
etiquetas predefinidas
Figura = 9=
Clasificación con KMeans<= /p>
Fase Supervisada
A parti=
r de un
conjunto de datos previamente segmentado mediante técnicas no supervisadas=
, se
procedió con la codificación de las variables categóricas mediante la tÃ=
©cnica
de Label Encoding y la selección de variables explicativas relevantes, ent=
re
ellas: VALOR_DEUDA, VALOR_FACTURACION, VALOR_RECAUDACION, MESES_DEUDA y los
componentes del valor vencido, en función de su contribución al estudio. =
La
variable objetivo fue RIESGO_DE_MOROSIDAD, categorizada en tres niveles (ba=
jo,
medio y alto). Se dividió el conjunto de datos en subconjuntos de entrenam=
iento
y prueba bajo una proporción 80/20. Dado que se identificó un desbalance =
entre
las categorÃas de la variable objetivo, se aplicó la técnica SMOTE (Synt=
hetic
Minority Over-sampling Technique) exclusivamente al conjunto de entrenamien=
to,
con el fin de equilibrar las clases mediante la generación de instancias
sintéticas de las categorÃas minoritarias, mejorando asà la representati=
vidad
de los datos y la capacidad del modelo para generalizar
Se impl=
ementaron
tres algoritmos de aprendizaje ensemble: Random Forest, Gradient Boostin=
g y
AdaBoost, además de un Voting Classifier que integra las
predicciones de los modelos base mediante votación suave.
Se real=
izó un
ajuste de hiperparámetros clave en el caso de Random Forest, se aumentó el
número de árboles (n_estimators=3D150) para incrementar la estabilidad del
modelo, se limitó la profundidad máxima (max_depth=3D12) y se establecier=
on
umbrales mÃnimos para divisiones y hojas (min_samples_split=3D5,
min_samples_leaf=3D3) para evitar el sobreajuste, mientras que la selección
aleatoria de caracterÃsticas (max_features=3D"sqrt") y el ajuste=
de
pesos por clase (class_weight=3D"balanced") permitieron mejorar la
diversidad y compensar el desbalance de clases. Para Gradient Boosting, se
incrementó el número de árboles (n_estimators=3D200) con una tasa de apr=
endizaje
reducida (learning_rate=3D0.05) para estabilizar el aprendizaje progresivo,=
se
limitaron los árboles base en profundidad y tamaño de partición, asà mi=
smo, se
aplicó una técnica de muestreo parcial (subsample=3D0.8) para aumentar la
robustez frente al ruido. En el caso de AdaBoost, se configuraron 150
clasificadores débiles con una tasa de aprendizaje moderada (learning_rate=
=3D0.1)
que permite mejorar la estabilidad del modelo sin comprometer su capacidad =
de
ajuste. Estos hiperparámetros, para alcanzar altos niveles de precisión y
reducir la tendencia al sobreajuste mejorando la generalización
Se desa=
rrollaron
curvas de aprendizaje completas con el objetivo de identificar signos de
sobreajuste.
Se apli=
có
validación cruzada estratificada con k=3D5 asegurando que cada fold conser=
ve la
proporción original de clases (riesgo bajo, medio y alto), lo que es
fundamental en problemas multiclase con datos desbalanceados
Las mé=
tricas de
evaluación empleadas incluyeron Accuracy, Balanced Accuracy, F1 Score Macr=
o,
Precision Macro, Recall Macro, Cohen’s Kappa y Matthews Correlation
Coefficient, lo que proporcionó una valoración robusta del desempeño de =
los
modelos en contextos con clases desbalanceadas. Adicionalmente, se aplicaron
métricas basadas en probabilidades, como AUC ROC (One-vs-Rest) y Average
Precision Score (PR AUC), lo que permitió analizar su capacidad discrimina=
tiva
entre clases y su rendimiento frente a clases minoritarias. También se
elaboraron matrices de confusión, curvas ROC y curvas Precision-Recall por
clase, lo cual enriqueció la interpretación visual de los resultados y
fortaleció la validación de los modelos predictivos.
Se cons=
truyó un
entorno de pruebas sistemático en el que, para cada modelo, se midió su
capacidad de generalización y su sensibilidad frente a clases con menor
representación. Los escenarios definidos incluyeron: (1) evaluación con el
conjunto base original, (2) adición de ruido moderado (σ=3D0.3) para simu=
lar
datos con perturbaciones, (3) reducción del 50% de los datos correspondien=
tes a
la clase minoritaria (clase 2), y (4) eliminación aleatoria del 40% del to=
tal
de muestras. Estos escenarios permitieron analizar la robustez y estabilida=
d de
los modelos ante condiciones de incertidumbre, pérdida de información o
desbalance inducido, consolidando una metodologÃa orientada a validar el
comportamiento de los algoritmos en situaciones cercanas a un entorno real =
de
aplicación
También se implementaron técnicas= de interpretabilidad en inteligencia artificial (Explainable AI – XAI= ), especÃficamente SHAP (Shapley Additive Explanations) y LIME (Local Interpretable Model-Agnostic Explanations). Estas herramientas permitieron analizar individualmente las decisiones del modelo, identificando el aporte especÃfico de cada variable en la clasificación de riesgo de morosidad.
Finalmente, se realiza una propuest= a de integración del modelo en los sistemas de gestión de CNEL EP, tal como se detalla en la Figura 10. La arquitectura propuesta incluye un módulo de alertas en tiempo real y un si= stema de visualización interactiva que permite segmentar y priorizar clientes se= gún su nivel de riesgo estimado. El sistema incorpora técnicas de interpretabi= lidad como SHAP y LIME, lo que garantiza la transparencia de las predicciones y facilita su evaluación por parte de usuarios no expertos; además, se plan= tea un entorno de actualización continua (MLOps) con monitoreo de desempeño y generación de reportes ejecutivos, alineado con principios de trazabilidad= y auditorÃa en contextos regulados. Estos elementos permiten vincular los resultados obtenidos con aplicaciones prácticas en la gestión de cartera, conforme a lo sugerido en estudios previos (Qin et al., 2021; Dinh & Th= anh, 2022; Zanke, 2023).
Figura = 10
Propuesta de integraciÃ=
³n del
modelo en los sistemas de gestión comercial de CNEL EP Unidad de Negocio
BolÃvar
Ciclo de Rigor
La construcción del modelo se fund= amentó en principios teóricos ampliamente validados en la literatura cientÃfica, los cuales fueron identificados de manera sistemática mediante el protocolo PR= ISMA. Esta revisión rigurosa permitió explorar y sintetizar crÃticamente los e= nfoques más relevantes en segmentación de clientes, técnicas de clasificación en contextos multiclase, y métodos para el tratamiento de desbalance de clase= s, como SMOTE (Synthetic Minority Over-sampling Technique). A partir de esta b= ase teórica consolidada, se justificó la selección de los algoritmos Random = Forest, Gradient Boosting, AdaBoost y un Voting Classifier, cuya eficacia ha sido a= mpliamente demostrada en investigaciones aplicadas a problemáticas similares.<= /p>
Asimismo, se adoptó el modelo meto= dológico CRISP-DM para estructurar el proceso de análisis en seis fases, desde el entendimiento del negocio hasta la evaluación de los modelos. El uso de es= ta metodologÃa permitió implementar una limpieza exhaustiva de datos, selecc= ión de variables relevantes mediante Random Forest, reducción de dimensionalidad = con PCA y una fase exploratoria que identificó valores atÃpicos crÃticos como deudas de hasta 27.854 USD o 193 meses de mora acumulada.
La robustez del diseño se reforzó= a través de la validación cruzada estratificada (k=3D5), y de un conjunto amplio de métricas de evaluación: Accuracy, F1 Score Macro, Balanced Accuracy, Matt= hews Correlation Coefficient, AUC ROC OVR y Average Precision Score (PR AUC). Las métricas fueron seleccionadas por su idoneidad en la evaluación de modelos predictivos multiclase con desbalance. Por ejemplo, el modelo Gradient Boos= ting alcanzó una accuracy del 0.9982 y una F1 Macro de 0.9957, mostrando desemp= eño casi perfecto incluso ante perturbaciones simuladas.
Se implementaron escenarios de stre=
ss
testing, para evaluar la estabilidad de los modelos frente a la introducciÃ=
³n de
ruido (σ=3D0.3), eliminación aleatoria del 40% de los registros, y reducc=
ión del
50% de la clase minoritaria. El modelo de Gradient Boosting y el Voting
Classifier mantuvieron su capacidad de generalización con AUC ROC de 1.000=
y PR
AUC de 1.000, validando empÃricamente su idoneidad para aplicaciones reale=
s. De
esta forma, el estudio no solo aplica conocimientos existentes, sino que co=
ntribuye
al cuerpo cientÃfico con evidencia replicable sobre la aplicación de algo=
ritmos
ensemble en entornos públicos con alto grado de incertidumbre y desbalance
estructural en los datos.
Curvas de Aprendizaje
Los modelos Gradient Boosting y Voting Class=
ifier
presentaron un comportamiento altamente estable, con precisiones cercanas al
100%, lo que evidenció una sólida capacidad de generalización. Random Fo=
rest
mantuvo también un desempeño consistente, con una brecha controlada entre=
ambas
curvas. En contraste, el modelo AdaBoost evidenció una mayor variabilidad =
en la
precisión de validación y una separación más pronunciada respecto al
entrenamiento, lo que indicó una menor robustez frente a incrementos en el=
tamaño
del conjunto de datos y una posible tendencia al sobreajuste, tal como se observa en la Figura 11=
.
Figura 11
Clasificación con KMeans
Validación Cruzada
Los modelos fueron evaluados mediante valida=
ción
cruzada estratificada (k=3D5). Todos los modelos, excepto AdaBoost, present=
an un
rendimiento sobresaliente con una concordancia cercana entre el accuracy
puntual y el promedio de validación cruzada, lo que sugiere una alta capac=
idad
de generalización y robustez, los resultados se presentan en la Tabla 1. GradientBoosting y VotingClassif=
ier
emergen como las opciones más sólidas para entornos crÃticos, mientras q=
ue
AdaBoost, aunque funcional, podrÃa no ser óptimo en contextos con alta
variabilidad o donde las clases minoritarias son relevantes.
Tabla 1=
Resultados Validación Cruzada (k=3D5)
|
Modelo |
Accuracy |
Cross-Validation |
Análisis |
|
RandomForest |
0.997 |
0.999 |
Excelente
capacidad de ajuste, con mÃnima diferencia entre entrenamiento y validac=
ión,
lo que indica buena generalización y bajo riesgo de sobreajuste. |
|
GradientBoosting |
0.998 |
0.999 |
Ligeramente
superior en precisión puntual. Su alto desempeño en validación cruzada
refuerza su confiabilidad, incluso en entornos variados. |
|
AdaBoost |
0.984 |
0.983 |
Notablemente
menor que los otros modelos. Puede tener mayor sensibilidad al ruido o me=
nor
capacidad de adaptación a patrones complejos, pese al balanceo con SMOTE=
. |
|
VotingClassifier |
0.998 |
0.999 |
Iguala
el rendimiento del GradientBoosting y lo supera en robustez al combinar
varios algoritmos, lo que le permite mantener consistencia entre precisiÃ=
³n
individual y validación cruzada. |
Evaluación de modelos
Los resultados mostrados en la Tabla 2
indican que el modelo GradientBoosting obtuvo el mejor desempeño global con
métricas casi perfectas en todas las clases. VotingClassifier también mos=
tró
resultados sobresalientes, siendo robusto y estable, ideal para escenarios
operativos. RandomForest alcanzó una precisión muy alta y balance entre c=
lases.
En contraste, AdaBoost, aunque competitivo, presentó menor rendimiento en
clases minoritarias. La evaluación incluyó métricas tradicionales y
probabilÃsticas, asà como análisis gráfico (ROC y Precision-Recall),
confirmando la efectividad de SMOTE en mejorar el aprendizaje de clases
minoritarias.
Tabla 2=
Evaluación de Modelos
|
Modelo |
Accuracy |
Balanced Accuracy |
F1 Macro |
Precision Macro |
Recall Macro |
Cohen's Kappa |
Matthews Corrcoef |
AUC ROC (OVR) |
Avg. Precision (PR AUC) |
|
=
RandomForest |
=
0.9965 |
=
0.9980 |
=
0.9916 |
=
0.9853 |
=
0.9980 |
=
0.9873 |
=
0.9874 |
=
1.0 |
=
0.9998 |
|
=
GradientBoosting |
=
0.9982 |
=
0.9987 |
=
0.9957 |
=
0.9927 |
=
0.9987 |
=
0.9935 |
=
0.9935 |
=
1.0 |
=
1.0 |
|
=
AdaBoost |
=
0.9845 |
=
0.9805 |
=
0.9590 |
=
0.9404 |
=
0.9805 |
=
0.9450 |
=
0.9459 |
=
0.9997 |
=
0.9981 |
|
=
VotingClassifier |
=
0.9983 |
=
0.9990 |
=
0.9959 |
=
0.9927 |
=
0.9990 |
=
0.9938 |
=
0.9938 |
=
1.0 |
=
0.9999 |
Matrices
de Confusión
Las matrices de confusión muestran que GradientBoosting y VotingClassifier son= los modelos con mejor desempeño general, presentando apenas 23 errores cada un= o y una excelente capacidad para discriminar entre las tres clases de riesgo de morosidad (bajo, medio y alto). RandomForest también demuestra alta precis= ión, aunque con un leve incremento en errores de clasificación, especialmente e= n la clase 0. En contraste, AdaBoost es el modelo con menor desempeño relativo, acumulando más errores en las clases 0 y 1, lo que evidencia una menor sensibilidad frente a clases minoritarias, a pesar de clasificar correctame= nte todos los casos de la clase 2, tal como se observa en la Figura 12= .
Figura 12
Matrices de Confusión modelos implementados
Curvas
Precision-Recall y ROC
Las curvas ROC y Precision-Recall por clase
reflejaron un desempeño sobresaliente en todos los modelos evaluados.
GradientBoosting y VotingClassifier, cuyos perfiles se mantuvieron próximo=
s al
punto ideal, evidenciando una excelente capacidad de discriminación y prec=
isión
en la clasificación de las tres clases. RandomForest mostró un comportami=
ento
igualmente sólido, aunque con leves desviaciones en la clase 1. Por su par=
te,
AdaBoost presentó una ligera disminución en la precisión y sensibilidad,=
particularmente
en las clases minoritarias, lo que se tradujo en curvas menos ajustadas al
óptimo, como se ilustra en la Figura 13=
.
Figura 13
Curva ROC y Curva de Precisión-Recall de los modelos implementados=
Stress Testing
Los resultados del stress testing demostraron que todos los modelos evaluados mantuvieron un alto rendimiento en el escenario base, destacándose GradientBoosting y VotingClassifier con métricas cercanas a la perfección= en precisión, sensibilidad, F1, AUC y PR AUC. Ante escenarios adversos como r= uido, reducción de clases y eliminación de datos, GradientBoosting mostró la m= ayor robustez y consistencia, con caÃdas mÃnimas en las métricas clave, mient= ras que VotingClassifier también mantuvo un desempeño muy alto, aunque con una le= ve sensibilidad al balance de clases. En contraste, AdaBoost evidenció mayor vulnerabilidad, especialmente en escenarios de reducción de datos o desbal= ance. En función de estos resultados, GradientBoosting se perfila como el modelo= más adecuado para entornos operativos exigentes, donde la precisión y la resiliencia frente a condiciones cambiantes son fundamentales, como se deta= lla en la Tabla 3.
Tabla 3=
Stress
Testing modelos implementados
|
Modelo |
Escenario |
Accuracy |
Balanced Accuracy |
F1 Macro |
Precision Macro |
Recall Macro |
AUC ROC (OVR) |
Avg. Precision (PR AUC) |
Observaciones |
|
=
RandomForest |
=
Base
(original) |
=
0,9965 |
=
0,998 |
=
0,9916 |
=
0,9853 |
=
0,998 |
=
1 |
=
0,9998 |
=
Desempeño
sólido y estable. |
|
=
GradientBoosting |
=
Base
(original) |
=
0,9982 |
=
0,9987 |
=
0,9957 |
=
0,9927 |
=
0,9987 |
=
1 |
=
1 |
=
Máxima
precisión y robustez. |
|
=
AdaBoost |
=
Base
(original) |
=
0,9845 |
=
0,9805 |
=
0,959 |
=
0,9404 |
=
0,9805 |
=
0,9997 |
=
0,9981 |
=
Alta
precisión pero menor balance. |
|
=
VotingClassifier |
=
Base
(original) |
=
0,9983 |
=
0,999 |
=
0,9959 |
=
0,9927 |
=
0,999 |
=
1 |
=
0,9999 |
=
Desempeño
sólido y estable. |
|
=
RandomForest |
=
Ruido
moderado (σ=3D0.3) |
=
0,9926 |
=
0,9939 |
=
0,9823 |
=
0,9711 |
=
0,9939 |
=
0,9997 |
=
0,9982 |
=
Ligeramente
afectado por ruido. |
|
=
GradientBoosting |
=
Ruido
moderado (σ=3D0.3) |
=
0,9952 |
=
0,9903 |
=
0,9865 |
=
0,983 |
=
0,9903 |
=
0,9999 |
=
0,9994 |
=
Buena
tolerancia al ruido. |
|
=
AdaBoost |
=
Ruido
moderado (σ=3D0.3) |
=
0,9811 |
=
0,9783 |
=
0,9517 |
=
0,9302 |
=
0,9783 |
=
0,9995 |
=
0,9962 |
=
Disminución
significativa por ruido. |
|
=
VotingClassifier |
=
Ruido
moderado (σ=3D0.3) |
=
0,9954 |
=
0,9941 |
=
0,9885 |
=
0,9831 |
=
0,9941 |
=
0,9999 |
=
0,9993 |
=
Resistente
a ruido con leve pérdida. |
|
=
RandomForest |
=
Reducción
clase 2 al 50% |
=
0,9964 |
=
0,998 |
=
0,9886 |
=
0,9795 |
=
0,998 |
=
1 |
=
0,9997 |
=
Pérdida
de sensibilidad clase 2. |
|
=
GradientBoosting |
=
Reducción
clase 2 al 50% |
=
0,9982 |
=
0,999 |
=
0,9943 |
=
0,9896 |
=
0,999 |
=
1 |
=
1 |
=
Reducción
marginal con buena generalización. |
|
=
AdaBoost |
=
Reducción
clase 2 al 50% |
=
0,9839 |
=
0,9805 |
=
0,939 |
=
0,9074 |
=
0,9805 |
=
0,9997 |
=
0,9973 |
=
Menor
precisión en clase minoritaria. |
|
=
VotingClassifier |
=
Reducción
clase 2 al 50% |
=
0,9982 |
=
0,999 |
=
0,9943 |
=
0,9896 |
=
0,999 |
=
1 |
=
0,9999 |
=
Mantuvo
desempeño elevado. |
|
=
RandomForest |
=
Eliminación
aleatoria del 40% |
=
0,9965 |
=
0,9982 |
=
0,9917 |
=
0,9854 |
=
0,9982 |
=
1 |
=
0,9998 |
=
Afectado
por reducción de muestra. |
|
=
GradientBoosting |
=
Eliminación
aleatoria del 40% |
=
0,9984 |
=
0,9989 |
=
0,9962 |
=
0,9936 |
=
0,9989 |
=
1 |
=
1 |
=
Estable
bajo eliminación aleatoria. |
|
=
AdaBoost |
=
Eliminación
aleatoria del 40% |
=
0,9853 |
=
0,9821 |
=
0,961 |
=
0,9427 |
=
0,9821 |
=
0,9998 |
=
0,9983 |
=
Alto
impacto por pérdida de datos. |
|
=
VotingClassifier |
=
Eliminación
aleatoria del 40% |
=
0,9984 |
=
0,9994 |
=
0,9962 |
=
0,9931 |
=
0,9994 |
=
1 |
=
0,9999 |
=
Alto
rendimiento con buena resiliencia. |
Aplicación de técnicas de interpretabilidad de modelos (Explainable AI - XAI)<= /span>
El análisis=
SHAP
aplicado al modelo VotingClassifier mostró que =
la
predicción individual se ajustó desde un valor esperado de 0.463 a una
probabilidad final de 0.055 de morosidad. Las variables que más contribuye=
ron a
esta reducción fueron VALOR_DEUDA =3D 2.63 (–0.18), VALOR_FACTURACION =
=3D 2.63
(–0.16) y VALOR_RECAUDACION =3D 2.58 (–0.08), todas asociadas a bajos m=
ontos que
disminuyeron significativamente el riesgo estimado. Otras variables como
MESES_DEUDA =3D 1, V_VENCIDO_ENERGIA =3D 0 y RANGO_VALOR =3D 6 tuvieron un =
impacto
marginal positivo (+0.01 o menor), sin alterar el resultado final. En conju=
nto,
el modelo clasificó correctamente al cliente como No Moroso, basándose en
caracterÃsticas económicas clave, como se visualiza en la <=
!--[if supportFields]>Â =
REF
_Ref201310876 \h =
Figura 14.
Figura 14
SHAP aplicado al modelo
VotingClassifier
Asà mismo, LIME de VotingClassifier mostró que el cliente=
fue
clasificado como No Moroso con una probabilidad del 86%, frente a un 5% de =
ser
considerado moroso. Las variables que más contribuyeron a esta decisión f=
ueron
VALOR_DEUDA =3D 2.63 (+0.19), VALOR_FACTURACION =3D 2.63 (+0.14) y VALOR_RE=
CAUDACION
=3D 2.58 (+0.11), todas asociadas a montos bajos que redujeron el riesgo
proyectado. En contraste, factores como V_VENCIDO_ENERGIA =3D 0 (+0.08),
DESC_TERCERA_EDAD =3D 0 (+0.03) y MESES_DEUDA =3D 1 (+0.02) tuvieron un efe=
cto leve
hacia la morosidad, pero sin suficiente peso para alterar la clasificación.
Esta interpretación confirma la consistencia del modelo al otorgar mayor p=
eso a
variables económicas directas en su decisión final, como se muestra en la=
Figura 15.
Figura 15
LIME aplicado al modelo VotingClassifier
SHAP aplicad=
o al
modelo Gradient Boosting indicó que la predicción final fue 0, a partir d=
e un
valor esperado del modelo de 0.38, lo que refleja una fuerte inclinación h=
acia
la clasificación de No Moroso. Las variables que más contribuyeron a esta
disminución fueron VALOR_DEUDA =3D 2.63 (–0.16), VALOR_FACTURACION =3D 2=
.63 (–0.15)
y VALOR_RECAUDACION =3D 2.58 (–0.08), evidenciando que valores bajos en e=
stos
indicadores financieros son determinantes para reducir el riesgo. En contra=
ste,
V_VENCIDO_ENERGIA =3D 0 aportó ligeramente a la morosidad (+0.01), pero sin
impacto relevante. Otras variables como DESC_TERCERA_EDAD, PARROQUIA, CANTO=
N,
TARIFA_DIGNIDAD y V_VENCIDO_INTERESES no influyeron significativamente. Esta
interpretación muestra que el modelo priorizó información cuantitativa s=
obre
deuda y facturación como factores clave para una decisión confiable, como=
se
representa en la Figura 16.
Figura 16
SHAP aplicado al modelo Gradient Boosting
Mientras que=
LIME
mostró que el cliente fue clasificado como No Moroso con una probabilidad =
del
100%. Las variables que más contribuyeron a esta decisión fueron VALOR_DE=
UDA =3D
2.63 (+0.24), VALOR_FACTURACION =3D 2.63 (+0.20) y VALOR_RECAUDACION =3D 2.=
58 (+0.14),
indicando que estos montos bajos o adecuados tuvieron un peso determinante =
en
la reducción del riesgo proyectado. En contraste, V_VENCIDO_ENERGIA =3D 0.=
00
(+0.12) fue la única variable con una contribución moderada hacia la moro=
sidad,
mientras que otras como DESC_TERCERA_EDAD =3D 0, V_VENCIDO_BOMBEROS =3D 0, =
CANTON =3D
2 y RANGO_PASTEL =3D 0 mostraron impactos muy bajos (+0.01 a +0.02). Esta
explicación confirma que el modelo priorizó los indicadores económicos d=
irectos
para tomar la decisión, descartando variables estructurales por su escasa
influencia en esta observación, como se muestra en la Figura 17.
Figura 17
LIME aplicado al modelo Gradient Boosting
Modelo matemático
Finalmente,
se propone un modelo matemático formulado para abordar el problema de
clasificación multiclase en la predicción del riesgo de morosidad. Este m=
odelo
busca proporcionar una base teórica rigurosa que respalde la validación t=
écnica
del enfoque implementado y, al mismo tiempo, facilite su replicabilidad en
otros entornos operativos con caracterÃsticas comparables
- = Clase 0 (Riesgo Bajo): Cl= ientes con baja probabilidad de incumplimiento.
- = Clase 1 (Riesgo Medio): Clientes con una probabilidad intermedia de incumplimiento.
- = Clase 2 (Riesgo Alto): Cl= ientes con alta probabilidad de incumplimiento.
Se
define
Se busca encontrar una función de clasificación multiclase:
Donde
Estructura
del sistema ensemble El
sistema ensemble implementado agrupa m clasificadores individuales <=
/span> Cada
clasificador Donde: - -&nb=
sp;
Votación
ponderada (Soft Voting Multiclase) Ensemble
integra las predicciones individuales mediante una votación ponderada,
asignando un peso <=
/span> Para
cada clase k la probabilidad agregada es: La
asignación de la clase al cliente i se realiza seleccionando=
la
clase con la probabilidad conjunta máxima: La
optimización del ensemble multiclase se realiza minimizando la pérdida
logarÃtmica categórica (categorical cross-entropy): Donde:
- &nb=
sp;
- &nb=
sp;
N es el total de observaciones en el conjunto de entrenamiento.
Gradient Boosting Multiclase
Gradient Boosting construye una función de decisión compuesta como suma de árbole= s de decisión:
Donde:
-&nb=
sp;
- =
- = T es el número total de iteraciones (boosting rounds).<= /span>
La
función de predicción utiliza la normalización softmax para convertir los
scores
La clase predicha es la que tiene la mayor probabilidad estimada:
Función de Pérdida
El entrenamiento de Gradient Boosting optimiza la función de pérdida categó= rica (log-loss) sobre N ejemplos del conjunto de entrenamiento:
-
Discusión
El
presente estudio permitió identificar el modelo de aprendizaje automático=
con
mayor capacidad predictiva para anticipar el riesgo de morosidad en cliente=
s de
CNEL EP Unidad de Negocio BolÃvar, a partir de un enfoque metodológico ri=
guroso
sustentado en Design Science Research (DSR). Esta perspectiva metodológica
facilitó la integración de evidencia empÃrica con la construcción de un
artefacto tecnológico alineado a las necesidades operativas institucionale=
s,
identificadas en el Ciclo de Relevancia. La aplicación de DSR resultó ade=
cuada
para el contexto de la ingenierÃa aplicada, al permitir la solución de
problemas prácticos mediante la construcción y validación iterativa de
artefactos, como señalan
Se
evidencia un desempeño sobresaliente del modelo Gradient Boosting, el cual
alcanzó métricas cercanas a la perfección (Accuracy: 0.9982; F1 Macro: 0=
.9957;
AUC ROC: 1.000). El modelo VotingClassifier presentó un rendimiento igualm=
ente
elevado (Accuracy: 0.9983; F1 Macro: 0.9959; AUC ROC: 1.000). Al comparar e=
stos
resultados con hallazgos previos en la literatura, se constata una mejora
significativa.
La
aplicación de técnicas de preprocesamiento como SMOTE y PCA resultó fund=
amental
para la mejora del desempeño predictivo. En particular, SMOTE contribuyó
significativamente al equilibrio de clases, incrementando la capacidad del
modelo para identificar correctamente observaciones pertenecientes a clases
minoritarias, como ha sido evidenciado también por
Una
limitación relevante del estudio es la falta de validación externa en con=
textos
distintos al conjunto de entrenamiento. Aunque se aplicaron validación cru=
zada
y pruebas de estrés, se requiere contrastar los resultados en otros entorn=
os
operativos para confirmar la generalización del modelo, como recomiendan <=
/span>
Desde
una perspectiva aplicada, los modelos desarrollados presentan un alto poten=
cial
para ser integrados como herramientas de apoyo a la toma de decisiones en la
gestión de cartera, permitiendo la priorización de intervenciones en func=
ión
del nivel de riesgo estimado. Para investigaciones futuras, se sugiere eval=
uar
su desempeño en entornos productivos reales, a fin de validar su eficacia
operativa. Asimismo, se recomienda la incorporación de técnicas de
interpretabilidad, como SHAP o LIME, que faciliten la comprensión de las
predicciones individuales, lo cual es particularmente relevante en contextos
regulados. Finalmente, se plantea como lÃnea de trabajo futura la explorac=
ión
de modelos hÃbridos basados en arquitecturas neuronales o enfoques secuenc=
iales
que capturen la dinámica temporal del comportamiento del cliente, siguiendo
propuestas recientes como las de
En
sÃntesis, la investigación demuestra la viabilidad de adaptar metodologÃ=
as
avanzadas de ciencia de datos al sector eléctrico público, logrando soluc=
iones
predictivas precisas, replicables y contextualizadas operativamente. Estos
resultados respaldan las metas de sostenibilidad tanto operativa como
financiera de CNEL EP, y se relacionan con estudios previos que destacan la
efectividad de los modelos ensemble en dominios de riesgo crediticio
El presente estudio tuvo como objetivo
identificar el modelo de aprendizaje automático más preciso para predecir=
el
riesgo de morosidad en los clientes de CNEL EP, Unidad de Negocio BolÃvar
enmarcándose en la necesidad institucional de mejorar la sostenibilidad
financiera a través de la optimización de la gestión de cartera.
Se aplicaron diversas técnicas de
preprocesamiento y modelos de clasificación multiclase, destacando Gradient
Boosting y VotingClassifier como los más eficaces. Ambos modelos alcanzaron
métricas de desempeño sobresalientes (Accuracy: 0.9982–0.9983; F1 Macro:
0.9957–0.9959; AUC ROC: 1.000) incluso bajo condiciones simuladas de ruid=
o,
desbalance y pérdida de datos.
Los resultados refuerzan la validez de apl=
icar
técnicas de aprendizaje automático en contextos distintos al financiero, =
como
el sector eléctrico público. Además, contribuyen al cuerpo de conocimien=
to al
evidenciar que, mediante PCA, SMOTE y modelos ensemble, es posible desarrol=
lar
soluciones predictivas robustas y replicables que superan el rendimiento
reportado en estudios previos.
Una limitación clave del estudio es la
ausencia de validación externa en otros entornos geográficos o temporales.
Aunque se realizaron pruebas de estrés y validación cruzada, se recomienda
aplicar el modelo en otros contextos reales para evaluar su generalización=
.
Los modelos propuestos pueden ser integrad=
os
como herramientas de apoyo en la gestión comercial de CNEL EP, permitiendo
priorizar intervenciones según el riesgo de morosidad. Para investigaciones
futuras, se sugiere validar el modelo en tiempo real, incorporar variables
temporales y explorar arquitecturas hÃbridas con redes neuronales que capt=
uren
la dinámica del comportamiento del cliente.
Este estudio demuestra la factibilidad de
adaptar técnicas avanzadas de ciencia de datos al sector eléctrico públi=
co,
generando artefactos predictivos precisos y útiles. Su contribución se
manifiesta no solo en el fortalecimiento de la gestión operativa de CNEL E=
P,
sino también en la ampliación del alcance de la inteligencia artificial
explicable a contextos no financieros, promoviendo una toma de decisiones m=
ás
informada y transparente.
Reconocimient=
os
Deseo expresar mi más sincero agradecimiento a la Escuela Superior Politécnica de Chimborazo, asà como a nuestros docentes, el distinguido Dr. Wilson Gustavo Chango Sailema por su valiosa colaboración y apoyo en la realización de este estudio.
Los autores de=
claran
la contribución y participación equitativa de roles de autorÃa para esta
publicación.
Refe=
rencias
Akinjole, A=
.,
Shobayo, O., Popoola, J., Okoyeigbo, O., & Ogunleye, B. (2024).
Ensemble-Based Machine Learning Algorithm for Loan Default Risk Prediction.=
Mathematics,
12(21), 3423. https://doi.org/10.3390/MATH12213423=
Akoka, J.,
Comyn-Wattiau, I., & Storey, V. C. (2023). Design Science Research:
Progression, Schools of Thought and Research Themes. Lecture Notes in
Computer Science (Including Subseries Lecture Notes in Artificial Intellige=
nce
and Lecture Notes in Bioinformatics), 13873 LNCS, 235–249. https://doi.org/10.1007/978-3-031-32808-4_15
Alonso Robisco, A., & Carbó Ma=
rtÃnez,
J. M. (2022). Measuring the model risk-adjusted performance of machine learning
algorithms in credit default prediction. Financial Innovation, 8<=
/i>(1),
1–35. https://doi.org/10.1186/S40854-022-00366-1=
Alvi, J., A=
rif, I.,
& Nizam, K. (2024). Advancing financial resilience: A systematic review=
of
default prediction models and future directions in credit risk management. =
Heliyon,
10(21), e39770. https://doi.org/10.1016/J.HELIYON.2024.E39770
Aurona, G.,=
&
Richard, B. (2023). Design Science Research for a New Society: Society 5.0.=
18th
International Conference on Design Science Research in Information Systems =
and
Technology, DESRIST 2023, Pretoria, South Africa, May 31 – June 2, 2023,
Proceedings, 13873. https://doi.org/10.1007/978-3-031-32808-4<=
/a>
Dastile, X.=
, Celik,
T., & Potsane, M. (2020). Statistical and machine learning models in cr=
edit
scoring: A systematic literature survey. Applied Soft Computing, =
91,
106263. https://doi.org/10.1016/J.ASOC.2020.106263=
Delport, P.=
M. J.,
Solms, R. Von, & Gerber, M. (2024). Methodological Guidelines for Design
Science Research. Procedia Computer Science, 237, 195–203. =
https://doi.org/10.1016/J.PROCS.2=
024.05.096
Gao, B., &a=
mp;
Balyan, V. (2022). Construction of a financial default risk prediction model
based on the LightGBM algorithm. Journal of Intelligent Systems, =
31(1),
767–779. https://doi.org/10.1515/JISYS-2022-0036
Goecks, L. =
S., De
Souza, M., Librelato, T. P., & Trento, L. R. (2021). Design Science
Research in practice: review of applications in Industrial Engineering. =
Gestão
& Produção, 28(4), e5811. https://doi.org/10.1590/1806-9649-2021V28E5811
Gregor, S. =
(2021).
Reflections on the Practice of Design Science in Information Systems. En=
gineering
the Transformation of the Enterprise: A Design Science Research Perspective=
,
101–113. https://doi.org/=
10.1007/978-3-030-84655-8_7
Ha, T., Xiao, D., Katsikis, V. N., =
Khan,
H., Li, S., Zhu, M., Shia, B.-C., Su, M., & Liu, J. (2024). Consumer De=
fault
Risk Portrait: An Intelligent Management Framework of Online Consumer Credit
Default Risk. Mathematics 2024, Vol. 12, Page 1582, 12(10), 1=
582.
=
https://doi.org/10.3390/MATH12101=
582
Kim, H., Ch=
o, H.,
& Ryu, D. (2020). Corporate Default Predictions Using Machine Learning:
Literature Review. Sustainability 2020, Vol. 12, Page 6325, 12(16),
6325. https://doi.org/10.3390/SU1216632=
5
Lai, L. (20=
20).
Loan Default Prediction with Machine Learning Techniques. Proceedings - =
2020
International Conference on Computer Communication and Network Security, CC=
NS
2020, 5–9. https://doi.org/10.1109/CCNS50731.2020.00009
Liu, J., Li=
u, J.,
Wu, C., & Wang, S. (2024). Enhancing credit risk prediction based on
ensemble tree-based feature transformation and logistic regression. Jour=
nal
of Forecasting, 43(2), 429–455. https://doi.org/https://doi.org/10.1002/for.3040<=
/span>
Montevechi, A. A., Miranda, R. de C=
.,
Medeiros, A. L., & Montevechi, J. A. B. (2024). Advancing credit risk
modelling with Machine Learning: A comprehensive review of the
state-of-the-art. Engineering Applications of Artificial Intelligence, 137,
109082. https://doi.org/10.1016/J.ENGAPPAI.2024.109082
Mujo, A., Nikolla, S., Hoxha, E., &=
amp;
Pelivani, E. (2025). Explainable AI in Credit Scoring: Improving
Transparency in Loan Decisions. Journal of Information Systems Engineeri=
ng
and Management, 10(27s), 506–515. https://doi.org/10.52783/JISEM.V10I27S.4437
Qin, C., Zh=
ang, Y.,
Bao, F., Zhang, C., Liu, P., & Liu, P. (2021). XGBoost optimized by
adaptive particle swarm optimization for credit scoring. Mathematical
Problems in Engineering, 2021. https://doi.org/10.1155/2021/6655510=
Ren, H. (20=
25).
Machine Learning-Based Prediction of Customer Churn Risk in E-commerce. =
Advances
in Economics, Management and Political Sciences, 153(1), 47–52=
. https://doi.org/10.54254/2754-116=
9/2024.19473
Rios, S. B., & Arbeláez, D. H.=
(2023).
Construcción de un modelo para predecir la morosidad de cartera. Cuader=
no
Activa, 15(1). https://doi.org/=
10.53995/20278101.1229
scikit-learn.org. (n.d.-a). 3.1.=
Cross-valid=
ation:
evaluating estimator performance — scikit-learn 1.6.1 documentation. Retrieved=
May 4,
2025, from https://scikit-learn.org/stable/m=
odules/cross_validation.html
scikit-lear=
n.org.
(n.d.-b). 3.2. Tuning the hyper-parameters of an estimator — scikit-le=
arn
1.6.1 documentation. Retrieved May 4, 2025, from https://scikit-learn.org/stable/m=
odules/grid_search.html
Shahid, A.,
Hussain, M., & Iqbal, A. (2023). Machine Learning Based Improved Custom=
er
Churn Prediction Model for Telecommunications Industry. 18th IEEE
International Conference on Emerging Technologies, ICET 2023, 147–153=
.
Sheikh, M. =
A.,
Goel, A. K., & Kumar, T. (2020). An Approach for Prediction of Loan
Approval using Machine Learning Algorithm. Proceedings of the Internatio=
nal
Conference on Electronics and Sustainable Communication Systems, ICESC 2020=
,
490–494. https://doi.org/10.1109/ICESC48915.2020.9155614
Wang, Z., Z=
hang,
H., Wang, J., Jiang, C., He, H., & Ding, Y. (2025). Forecasting time to
risk based on multi-party data: An explainable privacy-preserving decentral=
ized
survival analysis method. Information Processing and Management, =
62(1).
https://doi.org/10.1016/j.ipm.202=
4.103881
Xu, T. (202=
4).
Comparative Analysis of Machine Learning Algorithms for Consumer Credit Risk
Assessment. Transactions on Computer Science and Intelligent Systems
Research, 4, 60–67. https://doi.org/10.62051/R1M3PG16
Yemmanuru, =
P. K.,
Yeboah, J., & Nti, I. K. (2024). Customer Credit Risk: Application and
Evaluation of Machine Learning and Deep Learning Models. 2024 IEEE 3rd
International Conference on Computing and Machine Intelligence, ICMI 2024 -
Proceedings. https://doi.org/10.1109/ICMI60790.2024.10585896
Zhang, L., =
&
Wang, L. (2023). An Ensemble Learning-Enhanced Smart Prediction Model for
Financial Credit Risks. Https://Doi.Org/10.1142/S0218126624501299, 33(7). https://doi.org/=
10.1142/S0218126624501299
5
Análisis predictivo y gestión optimizada de =
la
cartera de clientes morosos en CNEL EP, unidad de Negocio BolÃvar