Evolution of credit risk prediction models: a bibliometric review of techniques based on artificial intelligence
DOI:
https://doi.org/10.5281/zenodo.13844854Keywords:
credit risk, artificial intelligence, machine learning, neural networks, deep learning, bibliometric analysis, credit scoringAbstract
Artificial intelligence (AI) is rapidly transforming credit risk prediction, enabling the creation of more accurate and efficient models. This bibliometric review examines the evolution of this field by analyzing 19 studies published between 2010 and 2024, extracted from Scopus and Web of Science. A sustained growth in the number of publications is observed, reflecting the increasing interest in the topic. The analysis reveals the prominence of authors such as Hernández (2024) and Valbuena & Meneses (2021), as well as the concentration of studies in Latin American institutions. A trend towards the adoption of more sophisticated AI techniques, such as deep neural networks and reinforcement learning, is identified. The discussion addresses the challenges of algorithm explainability and the risk of bias in data. Future lines of research are suggested, such as the application of AI in emerging markets and integration with technologies such as blockchain.
Downloads
References
Addo, P., Guegan, D., & Hassani, B. (2018). Credit risk analysis using machine and deep learning models. Risks, 6(2), 38. https://www.mdpi.com/2227-9091/6/2/38
Agudelo, O. (2023). Identificación de deserción temprana en la Universidad de Manizales con aprendizaje automático, como parte de la estrategia de prevención [Tesis de pregrado]. Repositorio Universidad de Manizales. https://ridum.umanizales.edu.co/handle/20.500.12746/6472
Arévalo, V., & González, H. (2024). Incidencia de la inteligencia artificial en la toma de decisiones del sector bancario como actor del mercado de capitales en Colombia [Tesis doctoral]. Corporación Universitaria Minuto de Dios. https://repository.uniminuto.edu/handle/10656/19346
Thalhofer, T., & Monschke, J. (2024). Die Cloud-Aufsichtsmitteilung von BaFin und Bundesbank: Ein Leitfaden für die IT-Vertragsgestaltung. Computer und Recht, 40(6), 366-373. https://www.degruyter.com/document/doi/10.9785/cr-2024-400605/html
Becerra, C. (2022). Innovación en pagos digitales en el Perú: Retos al 2030 [Tesis de maestría]. Repositorio Institucional - Pontificia Universidad Católica del Perú. https://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/23425
Bellovary, J., Giacomino, D., & Akers, M. (2019). A review of bankruptcy prediction: Emerging techniques for corporate financial distress analysis. Journal of Bankruptcy Law and Practice, 28(1), 15-51. https://www.jstor.org/stable/41948574
Calistro, M., & Passara, C. (2022). Innovación financiera en el contexto digital. Revisión sistemática. INNOVA Research Journal, 7(3), 426-439. https://repositorio.ucv.edu.pe/handle/20.500.12692/98539
Canal, M., & Muñoz, J. (2023). La inteligencia artificial en la operación del negocio. Revista Científica Ingeniería y Desarrollo, 5(1). https://repositorioacademico.upc.edu.pe/handle/10757/668213
Díaz, N., & Tarazona, Z. (2024). Aplicaciones de la inteligencia artificial en la Ingeniería financiera línea de investigación inversiones. Cuadernos de Investigación UNED, 16(1). https://repository.unab.edu.co/handle/20.500.12749/25249
Espinosa, L., Jimenez, C., & Ramirez, K. (2024). Análisis de las anomalías contables en las organizaciones de economía solidaria. CUNOA Ciencia Abierta, 6(1). https://repository.ucc.edu.co/entities/publication/fd0547ad-f111-4ad9-aea0-e346cfcd5872
Fajardo, J., Toscano, A., García, H., & Llanos, J. (2023). Artificial Intelligence and Auditing: Trends in scientific literature. Panorama Económico, 31(2). https://www.researchgate.net/profile/Anibal-Toscano-Hernandez/publication/378351968_Inteligencia_Artificial_y_Auditoria_Tendencias_de_la_literatura_cientifica/links/65d67224adc608480ade7a76/Inteligencia-Artificial-y-Auditoria-Tendencias-de-la-literatura-cientifica.pdf
Franco, Y. (2023). Machine learning aplicado a dificultades financieras y quiebra empresarial: Una revisión de literatura. Avances en Investigación científica, 277. https://www.researchgate.net/profile/Nelson-Fonseca-Carreno/publication/371250033_libro_4_tomo_4_Ciencias_multidisciplinarias/links/647a24832cad460a1bee2f56/libro-4-tomo-4-Ciencias-multidisciplinarias.pdf#page=277
Giraldo, A., & Marín, L. (2019). Modelo de scoring para el otorgamiento de crédito a pequeñas empresas inscritas en la superintendencia de sociedades. Revista Observatorio de la Economía Latinoamericana, (agosto 2019). https://repository.eia.edu.co/bitstreams/edc499de-86a3-4b89-8178-c4a430245e73/download
Gutiérrez, B., & Serrano, C. (2019). La relación entre la calidad de la información contable, la quiebre de las empresas y el desarrollo humano. Revista Española de Financiación y Contabilidad, 48(3), 363–397. https://zaguan.unizar.es/record/89955/files/TESIS-2020-099.pdf?version=1
Hernández, S. (2024). Inteligencia Artificial en los servicios bancarios. Una revisión bibliométrica. Región Científica, 3(2). https://rc.cienciasas.org/index.php/rc/article/view/335
Huang, K. (2024). Estudio bibliográfico sobre la aplicación en inteligencia artificial y análisis de big data a gestión de calidad de proyectos de ingeniería civil [Tesis de maestría]. Universidad Politécnica de Madrid. https://riunet.upv.es/handle/10251/203508
Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., & Galstyan, A. (2021). A survey on bias and fairness in machine learning. ACM Computing Surveys (CSUR), 54(5), 1-35. https://dl.acm.org/doi/abs/10.1145/3457607
Palma, J. (2024). Análisis sobre el impacto de los navegadores web a partir de las ciencias del comportamiento [Tesis de pregrado]. Repositorio Universidad Peruana de Ciencias Aplicadas (UPC). https://dspace.ups.edu.ec/handle/123456789/27866
Portela, F. G., Cárdenas, S. R., Ospina, L. P. P., & Aros, L. H. (2023). Estudio de la prevención y detección de fraudes financieros a través de técnicas de aprendizaje automático. CAFI, 6(1), 77-101. https://revistas.pucsp.br/CAFI/article/view/58372
Quispe, J. (2023). La gestión del riesgo en la administración financiera: Estrategias y herramientas. Business Innova Sciences, 4(3), 25-44. http://innovasciencesbusiness.org/index.php/ISB/article/view/159
Ramos, M. (2022). Fraude contable y aspectos psicológicos de los defraudadores: Una aproximación aplicando ecuaciones estructurales y minería de textos [Tesis doctoral]. Universidad de La Laguna. https://accedacris.ulpgc.es/handle/10553/119595
Valbuena, M., & Meneses, F. (2021). Predicción de la quiebra en las empresas. Una revisión de literatura. Revista Activos, 19(1), 112-142. https://revistas.usantotomas.edu.co/index.php/activos/article/view/6684
Published
How to Cite
Issue
Section
License
The authors exclusively transfer the right to publish their article to our journal, which may formally edit or modify the approved text to comply with its own editorial norms and universal grammatical standards, before publication; Likewise, our journal may translate approved manuscripts into as many languages as it deems necessary and disseminate them in several countries, always giving public recognition to the author or authors of the research.
