Determinantes de la confianza en los bancos mexicanos: un análisis de aprendizaje automático de las Encuestas Nacionales de Inclusión Financiera 2021–2024.

Resumen

La confianza pública en la protección de los depósitos bancarios y en el cumplimiento de las obligaciones es esencial para fomentar la inclusión financiera. En consecuencia, esta investigación estudia predictores a nivel individual, infraestructura regional/nacional e indicadores de seguridad, así como covariables demográficas y socioeconómicas, centrándose en las encuestas de 2021 y 2024 de la Encuesta Nacional de Inclusión Financiera (ENIF) de México. La pregunta de investigación es: ¿Qué factores predicen la Confianza en los Bancos (TIB) entre los adultos mexicanos?”. Se empleó un proceso integral de aprendizaje automático utilizando los marcos Random Forest, XGBoost, LightGBM y CatBoost con stacking, así como una especificación de regresión logística ponderada por encuesta, para abordar la relevancia estadística y predictiva. Las variables que incrementan la confianza en un banco están relacionadas con una mayor tasa de alfabetización financiera, mejores estrategias de diversificación del riesgo, mayores ingresos per cápita por hogar, así como la proximidad a los bancos. La edad y el acceso a internet también son variables importantes para dichas evaluaciones. El modelo CatBoost presenta un valor AUC robusto para la recuperación de la precisión de 0.734. El estudio propuesto contribuye a dos objetivos principales diferentes: (i) la aplicación de una combinación de modelos econométricos con algoritmos modernos de aprendizaje automático.