Aplicação de machine learning na análise da dinâmica do mercado de crédito: uma perspectiva de 2012 a 2023

• Autor(a) principal: Costa, Maria Natalina Ferreira
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
• Texto Completo: https://hdl.handle.net/10438/35044
• topic: Mercado de crédito; Estrutura de mercado; Concentração bancária; Preço; Machine learning; Cartão de crédito; Inadimplência; Método de variáveis instrumentais; Método de três estágios; Equação simultânea; Credit market; Market structure; Bank concentration; Pricing; Machine learning; Credit card; Delinquency; Instrumental variable method; Three-stage method; Economia; Aprendizado do computador; Cartões de crédito; Taxas de juros; Inadimplência (Finanças); Avaliação de riscos

Este estudo oferece uma análise abrangente do mercado de crédito brasileiro, com foco na concentração de mercado, preço, cartão de crédito e inadimplência no período entre 2012 e 2023. Utilizando dados do Banco Central e do Sistema Gerenciador de Séries Temporais (SGS). Abordando temas cruciais como volume das operações de crédito, estrutura de mercado e mudanças estruturais. Inicialmente, são discutidos os indicadores macroeconômicos relevantes e as operações de crédito durante o período em questão. Em seguida, são examinadas as tendências da carteira de crédito, tanto para pessoas físicas quanto para pessoas jurídicas, destacando mudanças significativas e fatores que influenciaram o mercado ao longo do tempo. Além disso, o artigo aborda a estrutura de mercado e os indicadores de concentração, fornecendo uma análise comparativa para entender a competição entre as instituições financeiras. A taxa de juros é outro aspecto explorado, com uma análise detalhada das taxas de juros por modalidades de crédito e suas implicações para o mercado. Finalmente, utilizando os modelos de método de variáveis instrumentais e método de três estágios, empregamos um modelo econométrico de equação simultânea para estimar a relação entre taxa de juros (preço) e inadimplência, visando identificar padrões e tendências no comportamento dessas variáveis. Os resultados indicam que aproximadamente 76,38% da variabilidade da Taxa de Juros e 68,15% da Inadimplência do Cartão de Crédito são explicados pelas variáveis incluídas no modelo.