Óscar Romero Quincoces

Proyectos / Trabajos del máster

Crédito explicable

Decisiones de crédito auditadas con SHAP y LIME

2026Máster MIAX, Instituto BME
Coste esperado según el umbral de decisión cuando un mal préstamo cuesta diez veces más
Figura 1. Coste esperado según el umbral de decisión cuando un mal préstamo cuesta diez veces más

Resumen

Un modelo de concesión de crédito con dos escenarios de coste, auditado con SHAP, LIME, contrafactuales y un árbol subrogado. Cuando conceder a un moroso cuesta diez veces más que rechazar a un buen cliente, elegir el umbral por coste esperado redujo el coste un 51 %. XGBoost ganó en los dos escenarios. Equipo de 3.

La tarea

Construir, auditar y ajustar un modelo de concesión de crédito en dos escenarios de coste: uno simétrico y otro en el que aprobar a un moroso cuesta diez veces más que rechazar a un buen cliente. Comparamos regresión logística, XGBoost, dos redes en Keras y un bandit LinUCB propio con validación cruzada sin fugas, y elegimos el umbral por coste esperado. XGBoost ganó en los dos escenarios.

La auditoría

Un árbol subrogado con reglas legibles, contrafactuales que explican a un cliente rechazado qué tendría que cambiar, SHAP global y local y, además de lo pedido, importancia por permutación, PDP e ICE, LIME comparado con SHAP en estabilidad y subgrupos por edad. En el escenario 10 a 1, elegir el umbral por coste esperado redujo el coste un 51 %.

Figuras

Importancia global SHAP en el escenario de coste 10:1
Figura 2. Importancia global SHAP en el escenario de coste 10:1
LIME y SHAP sobre una solicitud denegada: misma dirección, pero LIME cambia entre ejecuciones
Figura 3. LIME y SHAP sobre una solicitud denegada: misma dirección, pero LIME cambia entre ejecuciones
Dependencia parcial de la edad y los impagos de 30 a 59 días, en los dos escenarios
Figura 4. Dependencia parcial de la edad y los impagos de 30 a 59 días, en los dos escenarios

Hecho con

PythonXGBoostSHAPLIMEDiCEscikit-learnKeras