Geographically weighted logistic regression applied to Credit Scoring models
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | eng por |
Título da fonte: | Repositório Institucional da UnB |
Texto Completo: | http://repositorio.unb.br/handle/10482/30839 http://dx.doi.org/10.1590/1808-057x201703760 |
Resumo: | Este estudo utilizou dados reais de uma instituição financeira nacional referentes a operações de Crédito Direto ao Consumidor (CDC), concedidas a clientes domiciliados no Distrito Federal (DF), para a construção de modelos de credit scoring utilizando as técnicas Regressão Logística e Regressão Logística Geograficamente Ponderada [Geographically Weighted Logistic Regression] (GWLR). Os objetivos foram: verificar se os fatores que influenciam o risco de crédito diferem de acordo com a localização geográfica do tomador; comparar o conjunto de modelos estimados via GWLR frente ao modelo global estimado via Regressão Logística, em termos de capacidade de previsão e perdas financeiras para a instituição; e verificar a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring. As métricas utilizadas para comparar os modelos desenvolvidos por meio das duas técnicas foram o critério informacional AICc, a acurácia dos modelos, o percentual de falsos positivos, a soma do valor da dívida dos falsos positivos e o valor monetário esperado de inadimplência da carteira frente ao valor monetário de inadimplência observado. Os modelos estimados para cada região do DF se mostraram distintos em suas variáveis e coeficientes (parâmetros), concluindo-se que o risco de crédito foi influenciado de maneira distinta em cada região do estudo. As metodologias Regressão Logística e GWLR apresentaram resultados bem próximos, em termos de capacidade de previsão e perdas financeiras para a instituição, e o estudo demonstrou a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring para o público-alvo do estudo. |
id |
UNB_027401bb2399e09bb97333f531a5da13 |
---|---|
oai_identifier_str |
oai:repositorio2.unb.br:10482/30839 |
network_acronym_str |
UNB |
network_name_str |
Repositório Institucional da UnB |
repository_id_str |
|
spelling |
Albuquerque, Pedro Henrique MeloMedina, Fabio Augusto ScaletSilva, Alan Ricardo da2018-01-04T19:15:10Z2018-01-04T19:15:10Z2017-04ALBUQUERQUE, Pedro Henrique Melo; MEDINA, Fabio Augusto Scalet; SILVA, Alan Ricardo da. Geographically weighted logistic regression applied to Credit Scoring models. Revista Contabilidade & Finanças, São Paulo, v. 28, n. 73, p. 93-112, jan./abr. 2017. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso>. Acesso em: 16 jan. 2018. doi: http://dx.doi.org/10.1590/1808-057x201703760. _____________________________________________________________________________________________________________________________________ALBUQUERQUE, Pedro Henrique Melo; MEDINA, Fabio Augusto Scalet; SILVA, Alan Ricardo da. Regressão logística geograficamente ponderada aplicada a modelos de Credit Scoring. Revista Contabilidade & Finanças, São Paulo, v. 28, n. 73, p. 93-112, jan./abr. 2017. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso>. Acesso em: 16 jan. 2018. doi: http://dx.doi.org/10.1590/1808-057x201703760.http://repositorio.unb.br/handle/10482/30839http://dx.doi.org/10.1590/1808-057x201703760Este estudo utilizou dados reais de uma instituição financeira nacional referentes a operações de Crédito Direto ao Consumidor (CDC), concedidas a clientes domiciliados no Distrito Federal (DF), para a construção de modelos de credit scoring utilizando as técnicas Regressão Logística e Regressão Logística Geograficamente Ponderada [Geographically Weighted Logistic Regression] (GWLR). Os objetivos foram: verificar se os fatores que influenciam o risco de crédito diferem de acordo com a localização geográfica do tomador; comparar o conjunto de modelos estimados via GWLR frente ao modelo global estimado via Regressão Logística, em termos de capacidade de previsão e perdas financeiras para a instituição; e verificar a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring. As métricas utilizadas para comparar os modelos desenvolvidos por meio das duas técnicas foram o critério informacional AICc, a acurácia dos modelos, o percentual de falsos positivos, a soma do valor da dívida dos falsos positivos e o valor monetário esperado de inadimplência da carteira frente ao valor monetário de inadimplência observado. Os modelos estimados para cada região do DF se mostraram distintos em suas variáveis e coeficientes (parâmetros), concluindo-se que o risco de crédito foi influenciado de maneira distinta em cada região do estudo. As metodologias Regressão Logística e GWLR apresentaram resultados bem próximos, em termos de capacidade de previsão e perdas financeiras para a instituição, e o estudo demonstrou a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring para o público-alvo do estudo.This study used real data from a Brazilian financial institution on transactions involving Consumer Direct Credit (CDC), granted to clients residing in the Distrito Federal (DF), to construct credit scoring models via Logistic Regression and Geographically Weighted Logistic Regression (GWLR) techniques. The aims were: to verify whether the factors that influence credit risk differ according to the borrower’s geographic location; to compare the set of models estimated via GWLR with the global model estimated via Logistic Regression, in terms of predictive power and financial losses for the institution; and to verify the viability of using the GWLR technique to develop credit scoring models. The metrics used to compare the models developed via the two techniques were the AICc informational criterion, the accuracy of the models, the percentage of false positives, the sum of the value of false positive debt, and the expected monetary value of portfolio default compared with the monetary value of defaults observed. The models estimated for each region in the DF were distinct in their variables and coefficients (parameters), with it being concluded that credit risk was influenced differently in each region in the study. The Logistic Regression and GWLR methodologies presented very close results, in terms of predictive power and financial losses for the institution, and the study demonstrated viability in using the GWLR technique to develop credit scoring models for the target population in the study.Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)Departamento de Administração (FACE ADM)engporUniversidade de São Paulo, Faculdade de Economia, Administração e Contabilidade, Departamento de Contabilidade e AtuáriaRevista Contabilidade & Finanças - This is an open-access article distributed under the terms of the Creative Commons Attribution License (CC BY 4.0). Fonte: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso. Acesso em: 16 jan. 2018.info:eu-repo/semantics/openAccessGeographically weighted logistic regression applied to Credit Scoring modelsRegressão logística geograficamente ponderada aplicada a modelos de Credit Scoringinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleRisco de créditoRegressão logísticaCrédito direto ao consumidorreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINALARTIGO_GeographicallyWeightedlogistic.pdfARTIGO_GeographicallyWeightedlogistic.pdfapplication/pdf9381572http://repositorio2.unb.br/jspui/bitstream/10482/30839/1/ARTIGO_GeographicallyWeightedlogistic.pdf74897d026e452cccaddbd6e8db43b69fMD51open accessARTIGO_RegressaoLogisticaGeograficamente.pdfARTIGO_RegressaoLogisticaGeograficamente.pdfapplication/pdf9510269http://repositorio2.unb.br/jspui/bitstream/10482/30839/2/ARTIGO_RegressaoLogisticaGeograficamente.pdfd1903f49167751066d1748cb30be4479MD52open access10482/308392023-10-19 15:00:45.029open accessoai:repositorio2.unb.br:10482/30839Biblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2023-10-19T18:00:45Repositório Institucional da UnB - Universidade de Brasília (UnB)false |
dc.title.pt_BR.fl_str_mv |
Geographically weighted logistic regression applied to Credit Scoring models |
dc.title.other.none.fl_str_mv |
Regressão logística geograficamente ponderada aplicada a modelos de Credit Scoring |
title |
Geographically weighted logistic regression applied to Credit Scoring models |
spellingShingle |
Geographically weighted logistic regression applied to Credit Scoring models Albuquerque, Pedro Henrique Melo Risco de crédito Regressão logística Crédito direto ao consumidor |
title_short |
Geographically weighted logistic regression applied to Credit Scoring models |
title_full |
Geographically weighted logistic regression applied to Credit Scoring models |
title_fullStr |
Geographically weighted logistic regression applied to Credit Scoring models |
title_full_unstemmed |
Geographically weighted logistic regression applied to Credit Scoring models |
title_sort |
Geographically weighted logistic regression applied to Credit Scoring models |
author |
Albuquerque, Pedro Henrique Melo |
author_facet |
Albuquerque, Pedro Henrique Melo Medina, Fabio Augusto Scalet Silva, Alan Ricardo da |
author_role |
author |
author2 |
Medina, Fabio Augusto Scalet Silva, Alan Ricardo da |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Albuquerque, Pedro Henrique Melo Medina, Fabio Augusto Scalet Silva, Alan Ricardo da |
dc.subject.keyword.pt_BR.fl_str_mv |
Risco de crédito Regressão logística |
topic |
Risco de crédito Regressão logística Crédito direto ao consumidor |
dc.subject.keyword.none.fl_str_mv |
Crédito direto ao consumidor |
description |
Este estudo utilizou dados reais de uma instituição financeira nacional referentes a operações de Crédito Direto ao Consumidor (CDC), concedidas a clientes domiciliados no Distrito Federal (DF), para a construção de modelos de credit scoring utilizando as técnicas Regressão Logística e Regressão Logística Geograficamente Ponderada [Geographically Weighted Logistic Regression] (GWLR). Os objetivos foram: verificar se os fatores que influenciam o risco de crédito diferem de acordo com a localização geográfica do tomador; comparar o conjunto de modelos estimados via GWLR frente ao modelo global estimado via Regressão Logística, em termos de capacidade de previsão e perdas financeiras para a instituição; e verificar a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring. As métricas utilizadas para comparar os modelos desenvolvidos por meio das duas técnicas foram o critério informacional AICc, a acurácia dos modelos, o percentual de falsos positivos, a soma do valor da dívida dos falsos positivos e o valor monetário esperado de inadimplência da carteira frente ao valor monetário de inadimplência observado. Os modelos estimados para cada região do DF se mostraram distintos em suas variáveis e coeficientes (parâmetros), concluindo-se que o risco de crédito foi influenciado de maneira distinta em cada região do estudo. As metodologias Regressão Logística e GWLR apresentaram resultados bem próximos, em termos de capacidade de previsão e perdas financeiras para a instituição, e o estudo demonstrou a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring para o público-alvo do estudo. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-04 |
dc.date.accessioned.fl_str_mv |
2018-01-04T19:15:10Z |
dc.date.available.fl_str_mv |
2018-01-04T19:15:10Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ALBUQUERQUE, Pedro Henrique Melo; MEDINA, Fabio Augusto Scalet; SILVA, Alan Ricardo da. Geographically weighted logistic regression applied to Credit Scoring models. Revista Contabilidade & Finanças, São Paulo, v. 28, n. 73, p. 93-112, jan./abr. 2017. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso>. Acesso em: 16 jan. 2018. doi: http://dx.doi.org/10.1590/1808-057x201703760. _____________________________________________________________________________________________________________________________________ ALBUQUERQUE, Pedro Henrique Melo; MEDINA, Fabio Augusto Scalet; SILVA, Alan Ricardo da. Regressão logística geograficamente ponderada aplicada a modelos de Credit Scoring. Revista Contabilidade & Finanças, São Paulo, v. 28, n. 73, p. 93-112, jan./abr. 2017. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso>. Acesso em: 16 jan. 2018. doi: http://dx.doi.org/10.1590/1808-057x201703760. |
dc.identifier.uri.fl_str_mv |
http://repositorio.unb.br/handle/10482/30839 |
dc.identifier.doi.pt_BR.fl_str_mv |
http://dx.doi.org/10.1590/1808-057x201703760 |
identifier_str_mv |
ALBUQUERQUE, Pedro Henrique Melo; MEDINA, Fabio Augusto Scalet; SILVA, Alan Ricardo da. Geographically weighted logistic regression applied to Credit Scoring models. Revista Contabilidade & Finanças, São Paulo, v. 28, n. 73, p. 93-112, jan./abr. 2017. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso>. Acesso em: 16 jan. 2018. doi: http://dx.doi.org/10.1590/1808-057x201703760. _____________________________________________________________________________________________________________________________________ ALBUQUERQUE, Pedro Henrique Melo; MEDINA, Fabio Augusto Scalet; SILVA, Alan Ricardo da. Regressão logística geograficamente ponderada aplicada a modelos de Credit Scoring. Revista Contabilidade & Finanças, São Paulo, v. 28, n. 73, p. 93-112, jan./abr. 2017. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso>. Acesso em: 16 jan. 2018. doi: http://dx.doi.org/10.1590/1808-057x201703760. |
url |
http://repositorio.unb.br/handle/10482/30839 http://dx.doi.org/10.1590/1808-057x201703760 |
dc.language.iso.fl_str_mv |
eng por |
language |
eng por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade de São Paulo, Faculdade de Economia, Administração e Contabilidade, Departamento de Contabilidade e Atuária |
publisher.none.fl_str_mv |
Universidade de São Paulo, Faculdade de Economia, Administração e Contabilidade, Departamento de Contabilidade e Atuária |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UnB instname:Universidade de Brasília (UnB) instacron:UNB |
instname_str |
Universidade de Brasília (UnB) |
instacron_str |
UNB |
institution |
UNB |
reponame_str |
Repositório Institucional da UnB |
collection |
Repositório Institucional da UnB |
bitstream.url.fl_str_mv |
http://repositorio2.unb.br/jspui/bitstream/10482/30839/1/ARTIGO_GeographicallyWeightedlogistic.pdf http://repositorio2.unb.br/jspui/bitstream/10482/30839/2/ARTIGO_RegressaoLogisticaGeograficamente.pdf |
bitstream.checksum.fl_str_mv |
74897d026e452cccaddbd6e8db43b69f d1903f49167751066d1748cb30be4479 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UnB - Universidade de Brasília (UnB) |
repository.mail.fl_str_mv |
|
_version_ |
1801864095449743360 |