Impactos da pandemia nos modelos de detecção de fraude

• Autor(a) principal: Gimenez, Robson Pedreiro
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
• Texto Completo: https://hdl.handle.net/10438/30806
• topic: Fraud; Predictive modeling; Fraude; Modelagem preditiva; COVID-19; Economia; Fraude; Fraude - Prevenção; Previsão; Risco (Economia); COVID-19 (Doença)

Modelos para detecção de fraude são utilizados para identificar se uma transação é legítima ou fraudulenta, com base em informações cadastrais e transacionais. Este trabalho possui como objetivo propor um modelo preditivo em substituição ao conjunto de regras tradicionais utilizadas por uma multinacional de grande porte do setor de telecomunicação. Além disso, testamos o impacto da pandemia nas transações fraudulentas e no modelo construído. Foram comparadas entre si as seguintes abordagens: regressão logística, redes neurais, árvores de decisão, redes bayesianas e gradient boosting em um banco de dados real. A base de dados foi separada em amostras de treino, validação e fora do tempo. A regressão logística foi escolhida como modelo mais adequado por ter apresentado melhor desempenho na previsão das operações fraudulentas, e verificamos que a pandemia causou impactos significativos, tanto na fraude como no modelo preditivo construído.