Análise de risco de crédito apoiada por inteligencia artificial

Detalhes bibliográficos
Autor(a) principal: Silva, Renato Aparecido Souza da
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=108553
Resumo: Orientadora: Profa. Dra. Patricia Belfiore Fávero
id UFBC_75162ad7deda3efeaa6008742a52ef16
oai_identifier_str oai:BDTD:108553
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Análise de risco de crédito apoiada por inteligencia artificialANÁLISE DE RISCOINTELIGÊNCIA ARTIFICIALREDES NEURAISCREDITY RISK ANALISYSARTIFICIAL INTELLIGENCEARTIFICIAL NEURAL NETWORKSPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABCOrientadora: Profa. Dra. Patricia Belfiore FáveroDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2016.Este trabalho tem o objetivo de analisar as conjunturas do mercado financeiro, no tocante ao assunto de avaliação de risco de crédito. Esta atividade é primordial em toda e qualquer instituição que trabalhe com a concessão de ativos de crédito a credores, assumindo com isso todos os riscos de perda financeira envolvidos em uma operação de confiança. Com isso, este trabalho apresenta diferentes métodos de avaliação de risco de crédito utilizados por instituições ao redor do mundo, destacando melhores práticas de avaliação dos riscos na concessão de crédito, e características locais especificas que muitas vezes são similares em muitos países como regulamentações dos órgãos reguladores do governo local, e até mesmo acordos internacionais de melhores práticas de gestão de carteira de crédito como a Basileia. Dentre os métodos mais comumente utilizados nas instituições, este trabalho presta uma avaliação mais próxima sobre os métodos estatísticos aplicados para avaliação de risco de crédito, e os avanços conquistados com o apoio de técnicas sofisticadas de inteligência artificial no auxílio a resolução de problemas de análise de crédito, como redes neurais artificiais, algoritmos genéticos, e aprendizado conjunto de máquina. A união entre os conhecimentos clássicos de gestão de crédito e as técnicas de inteligência artificial permitem uma melhor assertividade na predição de bons e maus clientes, garantindo um menor risco financeiro e uma economia considerável devido à redução de processos operacionais. Com base nas análises literárias analisadas, será apresentado um estudo experimental, com o objetivo de apresentar na pratica o uso de técnicas de inteligência artificial para simular a resolução de problemas simples de análise de crédito.This work has been developed with the objective of analyzing different situations in the financial Market, as regards the issue of credit risk evaluation. This activity is paramount in any institution that works with the granting of credit assets to creditors, taking with it all the risks of financial loss involved in a reliable operation. Thus, this paper presents various credit risk assessment methods used by institutions around the world, highlighting best risk assessment practices in lending, and specific local characteristics that are often similar in many countries such regulations organs regulators of local government, and even international agreements to better credit portfolio management practices such as Basel. Among the methods most commonly used in institutions, this paper provides a closer assessment of the statistical methods used to evaluate credit risk, and the advances made with the support of sophisticated artificial intelligence techniques to aid solving analysis problems credit, such as artificial neural networks, genetic algorithms, and joint learning machine. The union between the classical knowledge credit management and artificial intelligence techniques, provide better assertiveness in the prediction of good and bad clients, ensuring a lower financial risk and considerable savings due to reduced operational processes. Based on the literary analysis analyzed, an experimental study will be presented, with the aim of presenting in practice the use of artificial intelligence techniques to simulate the resolution of simple credit analysis problems.Fávero, Patrícia BelfioreKurashima, Celso SetsuoLeonardi, FabrizioSilva, Renato Aparecido Souza da2016info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf124 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=108553http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=108553&midiaext=75361http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=108553&midiaext=75362Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=108553porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2022-03-21T13:18:04Zoai:BDTD:108553Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2022-03-21T13:18:04Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Análise de risco de crédito apoiada por inteligencia artificial
title Análise de risco de crédito apoiada por inteligencia artificial
spellingShingle Análise de risco de crédito apoiada por inteligencia artificial
Silva, Renato Aparecido Souza da
ANÁLISE DE RISCO
INTELIGÊNCIA ARTIFICIAL
REDES NEURAIS
CREDITY RISK ANALISYS
ARTIFICIAL INTELLIGENCE
ARTIFICIAL NEURAL NETWORKS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
title_short Análise de risco de crédito apoiada por inteligencia artificial
title_full Análise de risco de crédito apoiada por inteligencia artificial
title_fullStr Análise de risco de crédito apoiada por inteligencia artificial
title_full_unstemmed Análise de risco de crédito apoiada por inteligencia artificial
title_sort Análise de risco de crédito apoiada por inteligencia artificial
author Silva, Renato Aparecido Souza da
author_facet Silva, Renato Aparecido Souza da
author_role author
dc.contributor.none.fl_str_mv Fávero, Patrícia Belfiore
Kurashima, Celso Setsuo
Leonardi, Fabrizio
dc.contributor.author.fl_str_mv Silva, Renato Aparecido Souza da
dc.subject.por.fl_str_mv ANÁLISE DE RISCO
INTELIGÊNCIA ARTIFICIAL
REDES NEURAIS
CREDITY RISK ANALISYS
ARTIFICIAL INTELLIGENCE
ARTIFICIAL NEURAL NETWORKS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
topic ANÁLISE DE RISCO
INTELIGÊNCIA ARTIFICIAL
REDES NEURAIS
CREDITY RISK ANALISYS
ARTIFICIAL INTELLIGENCE
ARTIFICIAL NEURAL NETWORKS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
description Orientadora: Profa. Dra. Patricia Belfiore Fávero
publishDate 2016
dc.date.none.fl_str_mv 2016
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=108553
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=108553
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=108553&midiaext=75361
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=108553&midiaext=75362
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=108553
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
124 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1801502100438384640

Registros relacionados