Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]

Detalhes bibliográficos
Autor(a) principal: Silva, Rodrigo Alves
Data de Publicação: 2017
Outros Autores: Ara, Anderson, Ribeiro, Evandro Marcos Saidel
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Eletrônica de Ciência Administrativa
Texto Completo: http://www.periodicosibepes.org.br/index.php/recadm/article/view/2321
Resumo: This paper aims to show the importance of the use of financial metrics in decision-making of credit scoring models selection. In order to achieve such, we considered an automatic approval system approach and we carried out a performance analysis of the financial metrics on the theoretical portfolios generated by seven credit scoring models based on main statistical learning techniques. The models were estimated on German Credit dataset and the results were analyzed based on four metrics: total accuracy, error cost, risk adjusted return on capital and Sharpe index. The results show that total accuracy, widely used as a criterion for selecting credit scoring models, is unable to select the most profitable model for the company, indicating the need to incorporate financial metrics into the credit scoring model selection process.
id FACECLA-1_90392b6cd11da7e83e68069e14cc199c
oai_identifier_str oai:periodicosibepes.org.br:article/2321
network_acronym_str FACECLA-1
network_name_str Revista Eletrônica de Ciência Administrativa
repository_id_str
spelling Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]Desempenho financeiro como critério de decisão para seleção modelos de análise e concessão de créditoCredit risk; Model’s selection; Statistical learningRisco de crédito; Seleção de modelos; Aprendizagem estatísticaThis paper aims to show the importance of the use of financial metrics in decision-making of credit scoring models selection. In order to achieve such, we considered an automatic approval system approach and we carried out a performance analysis of the financial metrics on the theoretical portfolios generated by seven credit scoring models based on main statistical learning techniques. The models were estimated on German Credit dataset and the results were analyzed based on four metrics: total accuracy, error cost, risk adjusted return on capital and Sharpe index. The results show that total accuracy, widely used as a criterion for selecting credit scoring models, is unable to select the most profitable model for the company, indicating the need to incorporate financial metrics into the credit scoring model selection process.O presente artigo tem por objetivo apresentar a importância do emprego de métricas financeiras na tomada de decisão de seleção de modelos de credit scoring. Para tanto, considerando um sistema de aprovação automática, este artigo empregou métricas de desempenho financeiro sobre as carteiras teóricas geradas por modelos de credit scoring baseados em sete das principais técnicas de aprendizagem estatística utilizadas para tratamento dessa problemática. Os modelos foram ajustados aos dados da base German Credit Data Set e os resultados analisados com base em quatro métricas: acurácia total, custo por erro, retorno ajustado ao risco de capital e índice de Sharpe. Os resultados apontam que a acurácia total, amplamente empregada como critério de seleção de modelos de credit scoring, é incapaz de selecionar o modelo mais rentável para a firma, indicando a necessidade de incorporar métricas financeiras ao processo de seleção de modelos de credit scoring. Instituto Brasileiro de Estudos e Pesquisas Sociais - IBEPESSilva, Rodrigo AlvesAra, AndersonRibeiro, Evandro Marcos Saidel2017-04-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://www.periodicosibepes.org.br/index.php/recadm/article/view/232110.21529/RECADM.2017004Revista Eletrônica de Ciência Administrativa; v. 16, n. 1 (2017): Janeiro-Abril; 25-39Revista Eletrônica de Ciência Administrativa; v. 16, n. 1 (2017): Janeiro-Abril; 25-39Revista Eletrônica de Ciência Administrativa; v. 16, n. 1 (2017): Janeiro-Abril; 25-391677-738710.21529/RECADM.20171601reponame:Revista Eletrônica de Ciência Administrativainstname:Faculdade Cenecista de Campo Largo (FACECLA)instacron:FACECLAporhttp://www.periodicosibepes.org.br/index.php/recadm/article/view/2321/931http://www.periodicosibepes.org.br/index.php/recadm/article/downloadSuppFile/2321/616Direitos autorais 2017 Rodrigo Alves Silva, Anderson Ara, Evandro Marcos Saidel Ribeirohttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2018-06-05T04:21:44Zoai:periodicosibepes.org.br:article/2321Revistahttp://www.periodicosibepes.org.br/recadmONGhttp://www.periodicosibepes.org.br/recadm/oairecadm.editor@ibepes.org.br1677-73871677-7387opendoar:2018-06-05T04:21:44Revista Eletrônica de Ciência Administrativa - Faculdade Cenecista de Campo Largo (FACECLA)false
dc.title.none.fl_str_mv Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]
Desempenho financeiro como critério de decisão para seleção modelos de análise e concessão de crédito
title Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]
spellingShingle Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]
Silva, Rodrigo Alves
Credit risk; Model’s selection; Statistical learning
Risco de crédito; Seleção de modelos; Aprendizagem estatística
title_short Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]
title_full Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]
title_fullStr Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]
title_full_unstemmed Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]
title_sort Financial performance as a decision criterion of credit scoring models selection [doi: 10.21529/RECADM.2017004]
author Silva, Rodrigo Alves
author_facet Silva, Rodrigo Alves
Ara, Anderson
Ribeiro, Evandro Marcos Saidel
author_role author
author2 Ara, Anderson
Ribeiro, Evandro Marcos Saidel
author2_role author
author
dc.contributor.none.fl_str_mv

dc.contributor.author.fl_str_mv Silva, Rodrigo Alves
Ara, Anderson
Ribeiro, Evandro Marcos Saidel
dc.subject.por.fl_str_mv Credit risk; Model’s selection; Statistical learning
Risco de crédito; Seleção de modelos; Aprendizagem estatística
topic Credit risk; Model’s selection; Statistical learning
Risco de crédito; Seleção de modelos; Aprendizagem estatística
description This paper aims to show the importance of the use of financial metrics in decision-making of credit scoring models selection. In order to achieve such, we considered an automatic approval system approach and we carried out a performance analysis of the financial metrics on the theoretical portfolios generated by seven credit scoring models based on main statistical learning techniques. The models were estimated on German Credit dataset and the results were analyzed based on four metrics: total accuracy, error cost, risk adjusted return on capital and Sharpe index. The results show that total accuracy, widely used as a criterion for selecting credit scoring models, is unable to select the most profitable model for the company, indicating the need to incorporate financial metrics into the credit scoring model selection process.
publishDate 2017
dc.date.none.fl_str_mv 2017-04-30
dc.type.none.fl_str_mv
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.periodicosibepes.org.br/index.php/recadm/article/view/2321
10.21529/RECADM.2017004
url http://www.periodicosibepes.org.br/index.php/recadm/article/view/2321
identifier_str_mv 10.21529/RECADM.2017004
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://www.periodicosibepes.org.br/index.php/recadm/article/view/2321/931
http://www.periodicosibepes.org.br/index.php/recadm/article/downloadSuppFile/2321/616
dc.rights.driver.fl_str_mv Direitos autorais 2017 Rodrigo Alves Silva, Anderson Ara, Evandro Marcos Saidel Ribeiro
https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Direitos autorais 2017 Rodrigo Alves Silva, Anderson Ara, Evandro Marcos Saidel Ribeiro
https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Brasileiro de Estudos e Pesquisas Sociais - IBEPES
publisher.none.fl_str_mv Instituto Brasileiro de Estudos e Pesquisas Sociais - IBEPES
dc.source.none.fl_str_mv Revista Eletrônica de Ciência Administrativa; v. 16, n. 1 (2017): Janeiro-Abril; 25-39
Revista Eletrônica de Ciência Administrativa; v. 16, n. 1 (2017): Janeiro-Abril; 25-39
Revista Eletrônica de Ciência Administrativa; v. 16, n. 1 (2017): Janeiro-Abril; 25-39
1677-7387
10.21529/RECADM.20171601
reponame:Revista Eletrônica de Ciência Administrativa
instname:Faculdade Cenecista de Campo Largo (FACECLA)
instacron:FACECLA
instname_str Faculdade Cenecista de Campo Largo (FACECLA)
instacron_str FACECLA
institution FACECLA
reponame_str Revista Eletrônica de Ciência Administrativa
collection Revista Eletrônica de Ciência Administrativa
repository.name.fl_str_mv Revista Eletrônica de Ciência Administrativa - Faculdade Cenecista de Campo Largo (FACECLA)
repository.mail.fl_str_mv recadm.editor@ibepes.org.br
_version_ 1797042422211936256

Registros relacionados