Análise de Risco de Crédito com Aplicação de Regressão Logística e Redes Neurais

Autores

  • Maria Aparecida Gouvêa
  • Eric Bacconi Gonçalves
  • Daielly Melina Nassif Mantovani

Palavras-chave:

Crédito. Regressão logística. Redes neurais.

Resumo

O objetivo deste estudo foi aplicar e comparar as técnicas regressão logística e redes neurais no desenvolvimento de modelos de predição de credit scoring com base em dados de uma grande instituição financeira brasileira. A questão-problema deste estudo é relevante, pois contribui para o aprimoramento das previsões e fornece apoio para as instituições financeiras tomarem decisões mais precisas sobre concessões de crédito. A base de dados correspondeu ao período de agosto de 2009 a fevereiro de 2010,período em que o Brasil vivenciou notável expansão da oferta de crédito no mercado. A partir de uma amostra de 20.000 dados, foram aplicadas as duas técnicas. A amostra foi dividida em três sub-amostras provenientes do mesmo universo de interesse: uma para construção do modelo (8.000 dados); a segunda para validação do modelo construído (6.000 dados) e a terceira também com 6.000 dados para testar o modelo obtido. Nas 3 sub-amostras houve uma distribuição equitativa de bons e maus clientes, classificados nestas categorias de acordo com padrões da instituição.Os dois modelos testados apresentaram estatísticas de desempenho satisfatórias e poderão ser empregados pela instituição bancária interessada na identificação de bons e maus pagadores de empréstimos.O processo de tomada de decisões de concessão de crédito bancário poderá ser agilizado com o apoio dos modelos analisados neste trabalho.

Downloads

Arquivos adicionais

Publicado

2015-01-19

Como Citar

GOUVÊA, M. A.; GONÇALVES, E. B.; MANTOVANI, D. M. N. Análise de Risco de Crédito com Aplicação de Regressão Logística e Redes Neurais. Contabilidade Vista & Revista, [S. l.], v. 24, n. 4, p. 96–123, 2015. Disponível em: https://revistas.face.ufmg.br/index.php/contabilidadevistaerevista/article/view/1887. Acesso em: 28 mar. 2024.