============================ 9. Predicción de Riesgo ============================ Esta guía te enseñará a usar los modelos entrenados para predecir el nivel de riesgo crediticio de nuevos solicitantes en tiempo real. Objetivo del Módulo =================== El módulo de predicción te permite: * 🔮 **Predecir riesgo** de nuevos solicitantes * 📊 **Obtener probabilidades** por clase * 🎯 **Evaluar confianza** de predicciones * 📋 **Generar reportes** detallados * 💾 **Guardar predicciones** para auditoría * 🔄 **Predicción batch** para múltiples casos Acceso al Módulo ================ En el sidebar, click en: .. code-block:: text 🔮 Predicción → 🔮 Predicción de Riesgo Predicción Individual ===================== Ingresar Datos del Solicitante ------------------------------- **Información Personal:** .. code-block:: text Edad: [35] Ciudad: [Bogotá ▼] Estrato: [4 ▼] Nivel educación: [Profesional ▼] Estado civil: [Casado ▼] Personas a cargo: [2] **Información Laboral:** .. code-block:: text Tipo empleo: [Formal ▼] Antigüedad (años): [5.5] Salario mensual: [$5,000,000] Egresos mensuales: [$3,200,000] **Información Financiera:** .. code-block:: text Puntaje DataCrédito: [750] Número demandas: [0] Número propiedades: [1] Patrimonio total: [$80,000,000] Saldo banco: [$15,000,000] **Información del Crédito:** .. code-block:: text Valor inmueble: [$250,000,000] Cuota inicial (%): [20] Plazo (años): [20] Tasa interés (%): [10.5] Ejecutar Predicción ------------------- .. code-block:: text [🎯 Predecir Nivel de Riesgo] Procesando... ✓ Datos validados ✓ Features calculadas ✓ Modelo aplicado Resultado de la Predicción =========================== Predicción Principal -------------------- .. code-block:: text ╔══════════════════════════════════════╗ ║ RESULTADO DE LA PREDICCIÓN ║ ╠══════════════════════════════════════╣ ║ ║ ║ Nivel de Riesgo: BAJO ✓ ║ ║ ║ ║ Confianza: 92.3% ║ ║ ║ ╚══════════════════════════════════════╝ Probabilidades por Clase ------------------------- .. code-block:: text Distribución de Probabilidades: Bajo: 92.3% ████████████████████████████ Medio: 6.5% ██ Alto: 1.2% ▌ **Interpretación:** * El modelo está 92.3% seguro de que es Bajo riesgo * Probabilidad muy baja de ser Alto riesgo (1.2%) * Predicción confiable Factores Clave -------------- .. code-block:: text Factores que Influyen en la Predicción: ✓ Positivos (reducen riesgo): 1. Puntaje DataCrédito alto (750) 2. DTI bajo (25.6%) 3. Capacidad residual alta ($1,200,000) 4. Empleo formal estable (5.5 años) 5. Sin demandas legales ⚠ Negativos (aumentan riesgo): 1. Ninguno significativo Métricas Calculadas ------------------- .. code-block:: text Ratios Financieros: • DTI: 25.6% (Excelente) • LTV: 80.0% (Aceptable) • Capacidad ahorro: $1,800,000 • Capacidad residual: $1,200,000 • Meses colchón: 11.5 • Ratio patrimonio/deuda: 0.40 Recomendación ------------- .. code-block:: text ╔══════════════════════════════════════╗ ║ RECOMENDACIÓN ║ ╠══════════════════════════════════════╣ ║ ║ ║ ✅ APROBAR CRÉDITO ║ ║ ║ ║ Condiciones sugeridas: ║ ║ • Tasa: 10.5% (estándar) ║ ║ • Plazo: 20 años ║ ║ • Cuota inicial: 20% ║ ║ • Seguimiento: Estándar ║ ║ ║ ╚══════════════════════════════════════╝ Predicción Batch ================ Cargar Archivo -------------- .. code-block:: text [📁 Cargar Archivo de Solicitantes] Formatos: CSV, Excel Columnas requeridas: edad, salario_mensual, ... Archivo cargado: nuevos_solicitantes.csv Registros: 150 Ejecutar Predicciones --------------------- .. code-block:: text [🎯 Predecir Batch] Procesando 150 solicitantes... Progreso: ████████████████████ 100% ✓ Predicciones completadas Tiempo: 3.2 segundos Resultados Batch ---------------- .. code-block:: text Resumen de Predicciones: Bajo: 92 (61.3%) ████████████████████ Medio: 41 (27.3%) ████████ Alto: 17 (11.3%) ███ Recomendaciones: • Aprobar: 92 solicitudes • Revisar: 41 solicitudes • Rechazar: 17 solicitudes Exportar Resultados ------------------- .. code-block:: text [💾 Exportar Resultados] Formatos disponibles: ☑ CSV con predicciones ☑ Excel con formato ☑ PDF con reportes individuales ☑ JSON para API Archivo: predicciones_20240115.xlsx Análisis de Confianza ===================== Niveles de Confianza -------------------- .. code-block:: text Distribución de Confianza: Alta (>90%): 105 (70.0%) Media (70-90%): 32 (21.3%) Baja (<70%): 13 ( 8.7%) **Recomendación:** * Alta confianza: Decisión automática * Media confianza: Revisión rápida * Baja confianza: Análisis manual detallado Casos Límite ------------ Solicitantes cerca del umbral de decisión: .. code-block:: text Casos Límite (requieren revisión): ID: 1023 Predicción: Medio (48%) vs Bajo (47%) Acción: Revisar manualmente ID: 1087 Predicción: Alto (52%) vs Medio (45%) Acción: Análisis detallado Comparación de Modelos ====================== Predicción con Múltiples Modelos --------------------------------- .. code-block:: text [🔄 Comparar Modelos] Solicitante ID: 1001 XGBoost: Bajo (92.3%) LightGBM: Bajo (91.8%) Random Forest: Bajo (89.5%) SVM: Bajo (87.2%) Consenso: BAJO ✓ Confianza agregada: 90.2% Ensemble Voting --------------- .. code-block:: text Votación por mayoría: Bajo: 4 votos (XGBoost, LightGBM, RF, SVM) Medio: 0 votos Alto: 0 votos Decisión final: BAJO (unánime) Monitoreo de Predicciones ========================== Dashboard de Predicciones -------------------------- .. code-block:: text Estadísticas del Día: Total predicciones: 247 Aprobadas: 152 (61.5%) Revisión: 68 (27.5%) Rechazadas: 27 (10.9%) Tiempo promedio: 0.8s Confianza promedio: 88.3% Alertas Automáticas ------------------- .. code-block:: text ⚠ Alertas Activas: • 5 predicciones con baja confianza (<70%) • 2 casos con datos inconsistentes • 1 solicitante con múltiples demandas Auditoría y Trazabilidad ========================= Log de Predicciones ------------------- Cada predicción se registra: .. code-block:: text Timestamp: 2024-01-15 14:30:25 ID Solicitante: SOL-2024-001 Modelo: XGBoost v2.1 Predicción: Bajo Probabilidad: 92.3% Usuario: analista@banco.com IP: 192.168.1.100 Explicabilidad -------------- .. code-block:: text [📊 Explicar Predicción] SHAP Values: • puntaje_datacredito: +0.35 • dti: +0.28 • capacidad_residual: +0.22 • ltv: -0.08 • edad: +0.05 Casos de Uso ============ **Caso 1: Evaluación en Sucursal** Analista evalúa solicitante en tiempo real. **Caso 2: Procesamiento Nocturno** Batch de 1,000 solicitudes procesadas automáticamente. **Caso 3: API de Predicción** Sistema externo consulta predicciones vía API. **Caso 4: Revisión de Cartera** Re-evaluar riesgo de clientes existentes. Tips y Mejores Prácticas ========================= ✅ **Haz:** - Valida datos de entrada - Revisa casos de baja confianza - Documenta decisiones - Monitorea drift del modelo - Actualiza modelos periódicamente ❌ **Evita:** - Decisiones automáticas sin umbral de confianza - Ignorar alertas del sistema - No auditar predicciones - Usar modelos desactualizados - Omitir validación de datos Troubleshooting =============== **Problema: Predicción inconsistente** Solución: Verifica calidad de datos de entrada. **Problema: Baja confianza** Solución: Revisa manualmente, puede ser caso atípico. **Problema: Error en predicción** Solución: Verifica que modelo esté cargado correctamente. Próximos Pasos ============== Después de predecir: 1. **Reentrenar**: :doc:`10_reentrenamiento` 2. **Aprender**: :doc:`11_rag_educativo` 3. **Analizar**: Volver a :doc:`04_analisis_descriptivo` ¡Sistema de predicción operativo! 🔮