Machine learning no processo de risco de crédito das instituições bancárias

• Autor(a) principal: Monteiro, André Luiz
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10071/20293
• topic: Machine learning; Risco de crédito; Instituições bancárias; Credit risk; Banking institutions

Uma vez que o sistema económico mundial se encontra em constante mudança, o estudo do risco de crédito tem uma grande importância para as instituições bancárias. Por estar associado a possíveis perdas que impactam o mercado financeiro, o processo de análise de crédito deve ser contínuo e progressivo. O atraso nos pagamentos de negócios tornou-se uma tendência, especialmente após as recentes crises financeiras. Desse modo, os bancos devem minimizar dívidas, analisar individualmente os créditos, agir com rapidez e se proteger de não pagamentos. Na mesma conjuntura, machine learning é uma tecnologia emergente para a construção de modelos analíticos, faz com que as máquinas aprendam com os dados. Com isso, efetuem análises preditivas de maneira mais rápida e eficiente. Fazer análises preditivas é muito importante e possui uma ampla gama de atuação para os bancos. Como, por exemplo: • Identificação dos melhores fatores de risco a serem utilizados na antecipação de crédito a clientes; • Obediência dos dispositivos legais; • Qualidade de dados; • Deteção de fraudes. Na criação de uma pontuação de risco de crédito bancário, automatizada, robusta e eficaz, machine learning vai ajudar na previsão da capacidade de crédito do cliente com mais precisão. O objetivo é analisar as diferentes abordagens de gestão de risco de crédito. Para tal, recorre-se a revisão de literatura de tópicos importantes, em destaque a machine learning, e ao uso de questionários. Os principais resultados mostraram que o uso de machine learning no risco de crédito bancário, ainda está em fase inicial. A maioria dos bancos já reconhece os valores que esta tecnologia pode proporcionar. Com base nesses resultados, os bancos que são tão sensíveis a mudanças, têm que sair do âmbito da teoria e investir em pequenos projetos. Só assim esta tecnologia provará a sua capacidade de melhoria, e transmitir a confiança necessária para este sector.