La pérdida dada el incumplimiento (LGD) es un parámetro importante de riesgo crediticio en el sistema regulatorio para las instituciones financieras. Debido a la compleja estructura de la distribución de LGD, proponemos un nuevo enfoque, llamado modelo de algoritmos híbridos de múltiples etapas (HMS), para construir un modelo de predicción de LGD de múltiples etapas y probarlo en el conjunto de datos de crédito para pequeñas empresas de la Administración de Pequeñas Empresas de EE. UU. (SBA). Luego comparamos el rendimiento del modelo bajo cuatro rutas mediante diferentes métricas de evaluación. Finalmente, se añaden conjuntos de datos de información empresarial pertinente y características macroeconómicas para validar la robustez. Los resultados muestran que HMS tiene un buen y estable rendimiento en la predicción de LGD, confirmando la superioridad del algoritmo híbrido propuesto de aprendizaje automático no supervisado y supervisado. Las instituciones financieras pueden aplicar el enfoque para hacer predicciones de incumplimiento basadas en otros conjuntos de datos de crédito.