AnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtrica
Autor(a) principal: | |
---|---|
Data de Publicação: | 2004 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFC |
Texto Completo: | http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=1480 |
Resumo: | Sendo a intermediaÃÃo financeira a principal atividade dos bancos, alocando recursos de clientes superavitÃrios a clientes deficitÃrios, à na incerteza quanto ao carÃter e a capacidade de pagamento dos clientes que se estabelece o risco e com ele a necessidade de se buscar novas alternativas para se proteger de perdas potenciais, que podem refletir em menores lucros para as instituiÃÃes. AlÃm da subjetividade dos analistas de crÃdito, o uso de modelos quantitativos, baseados em prÃticas estatÃsticas, economÃtricas e matemÃticas, vÃm cada vez mais se firmando nos mercados como ferramenta de apoio aos gestores de crÃdito na tomada de decisÃo. VÃrios modelos de avaliaÃÃo de risco sÃo adotados pelas instituiÃÃes, modelos de credit scoring, behavioral scoring, sÃo exemplos destes modelos. O modelo de credit scoring tem sido um dos mais usados, em especial para concessÃo de crÃdito a pessoas fÃsicas. Os modelos de credit scoring utilizam tÃcnicas como a anÃlise de discriminantes, programaÃÃo matemÃtica, econometria, redes neurais, entre outras, para atravÃs da anÃlise de caracterÃsticas particulares dos indivÃduos, estabelecer uma mÃtrica de separaÃÃo de bons e maus pagadores, atribuindo probabilidades diferentes de inadimplÃncia aos mesmos. A presente dissertaÃÃo tem como objetivo central analisar os determinantes de inadimplÃncia (pessoa fÃsica), usando uma abordagem economÃtrica com base no modelo Logit. O modelo utilizado foi um modelo para aprovaÃÃo de crÃdito na abertura de conta corrente, partindo de um estudo com uma amostra de 308 observaÃÃes (cadastros pessoas fÃsicas), baseados na experiÃncia real de uma instituiÃÃo financeira, cujo objetivo à atingir uma taxa de aprovaÃÃo de crÃdito tal que a receita mÃdia depois das perdas de emprÃstimos seja maximizada. |
id |
UFC_57092a0c1d807a5f6c3703d6b640361d |
---|---|
oai_identifier_str |
oai:www.teses.ufc.br:1344 |
network_acronym_str |
UFC |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFC |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtricaAnalysis of determinative of the insolvency (natural person) borrowed of credit: a econometrical boarding2004-04-19Paulo de Melo Jorge Neto35625660344http://lattes.cnpq.br/7568927888412924FlÃvio Ataliba Flexa Daltro Barreto32198477300Josà Raimundo de AraÃjo Carvalho JÃnior31791247334http://lattes.cnpq.br/702570469529006400000000073Evanessa Maria Barbosa de Castro LimaUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Economia - CAENUFCBRcredit scoring modelo logit riscocredit scoring, logit model, risk.ECONOMIASendo a intermediaÃÃo financeira a principal atividade dos bancos, alocando recursos de clientes superavitÃrios a clientes deficitÃrios, à na incerteza quanto ao carÃter e a capacidade de pagamento dos clientes que se estabelece o risco e com ele a necessidade de se buscar novas alternativas para se proteger de perdas potenciais, que podem refletir em menores lucros para as instituiÃÃes. AlÃm da subjetividade dos analistas de crÃdito, o uso de modelos quantitativos, baseados em prÃticas estatÃsticas, economÃtricas e matemÃticas, vÃm cada vez mais se firmando nos mercados como ferramenta de apoio aos gestores de crÃdito na tomada de decisÃo. VÃrios modelos de avaliaÃÃo de risco sÃo adotados pelas instituiÃÃes, modelos de credit scoring, behavioral scoring, sÃo exemplos destes modelos. O modelo de credit scoring tem sido um dos mais usados, em especial para concessÃo de crÃdito a pessoas fÃsicas. Os modelos de credit scoring utilizam tÃcnicas como a anÃlise de discriminantes, programaÃÃo matemÃtica, econometria, redes neurais, entre outras, para atravÃs da anÃlise de caracterÃsticas particulares dos indivÃduos, estabelecer uma mÃtrica de separaÃÃo de bons e maus pagadores, atribuindo probabilidades diferentes de inadimplÃncia aos mesmos. A presente dissertaÃÃo tem como objetivo central analisar os determinantes de inadimplÃncia (pessoa fÃsica), usando uma abordagem economÃtrica com base no modelo Logit. O modelo utilizado foi um modelo para aprovaÃÃo de crÃdito na abertura de conta corrente, partindo de um estudo com uma amostra de 308 observaÃÃes (cadastros pessoas fÃsicas), baseados na experiÃncia real de uma instituiÃÃo financeira, cujo objetivo à atingir uma taxa de aprovaÃÃo de crÃdito tal que a receita mÃdia depois das perdas de emprÃstimos seja maximizada.In the financial intermediation, banks focus on its main activity, allocating resources from clients with surplus to deficit clients. The uncertainty related to the characteristics or payment capacity of the clients establishes the risk and the need to search for new alternatives to protect the institutions from potential losses, which may reflect on lower profits. Besides the subjective issue of credit analysts, the use of quantitative models, based on statistical, mathematical or econometric practices are becoming an important tool to support credit managers on the decision making process. There are several models of risk evaluation, which are adopted by financial institutions such as the credit scoring and the behavioral scoring models. The credit-scoring model has been widely used, especially on the concession of individual credit. The credit scoring model uses techniques such as discriminant analysis, mathematic programming, econometrics, neural networks, among others, to analyze particular characteristics of individuals where it establishes a metric separation of good and bad payers, therefore providing different nonpayment status to each. This present dissertation has the main objective of analyzing the determinants of nonpayment status (individuals), using an econometric approach based on the Logit model. The model utilized was a model for approval of credit in the opening from the bill shackle, starting from a study with 308 observations (physical registers Persons), based in the real experience of a financial institution, whose objective is he reach a credit approval rate such that the medium prescription after the losses of loans be maximized.nÃo hÃhttp://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=1480application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:14:28Zmail@mail.com - |
dc.title.pt.fl_str_mv |
AnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtrica |
dc.title.alternative.en.fl_str_mv |
Analysis of determinative of the insolvency (natural person) borrowed of credit: a econometrical boarding |
title |
AnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtrica |
spellingShingle |
AnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtrica Evanessa Maria Barbosa de Castro Lima credit scoring modelo logit risco credit scoring, logit model, risk. ECONOMIA |
title_short |
AnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtrica |
title_full |
AnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtrica |
title_fullStr |
AnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtrica |
title_full_unstemmed |
AnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtrica |
title_sort |
AnÃlise de determinantes da inadimplÃncia (pessoa fÃsica) tomadores de crÃdito: uma abordagem economÃtrica |
author |
Evanessa Maria Barbosa de Castro Lima |
author_facet |
Evanessa Maria Barbosa de Castro Lima |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Paulo de Melo Jorge Neto |
dc.contributor.advisor1ID.fl_str_mv |
35625660344 |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/7568927888412924 |
dc.contributor.referee1.fl_str_mv |
FlÃvio Ataliba Flexa Daltro Barreto |
dc.contributor.referee1ID.fl_str_mv |
32198477300 |
dc.contributor.referee2.fl_str_mv |
Josà Raimundo de AraÃjo Carvalho JÃnior |
dc.contributor.referee2ID.fl_str_mv |
31791247334 |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/7025704695290064 |
dc.contributor.authorID.fl_str_mv |
00000000073 |
dc.contributor.author.fl_str_mv |
Evanessa Maria Barbosa de Castro Lima |
contributor_str_mv |
Paulo de Melo Jorge Neto FlÃvio Ataliba Flexa Daltro Barreto Josà Raimundo de AraÃjo Carvalho JÃnior |
dc.subject.por.fl_str_mv |
credit scoring modelo logit risco |
topic |
credit scoring modelo logit risco credit scoring, logit model, risk. ECONOMIA |
dc.subject.eng.fl_str_mv |
credit scoring, logit model, risk. |
dc.subject.cnpq.fl_str_mv |
ECONOMIA |
dc.description.sponsorship.fl_txt_mv |
nÃo hà |
dc.description.abstract.por.fl_txt_mv |
Sendo a intermediaÃÃo financeira a principal atividade dos bancos, alocando recursos de clientes superavitÃrios a clientes deficitÃrios, à na incerteza quanto ao carÃter e a capacidade de pagamento dos clientes que se estabelece o risco e com ele a necessidade de se buscar novas alternativas para se proteger de perdas potenciais, que podem refletir em menores lucros para as instituiÃÃes. AlÃm da subjetividade dos analistas de crÃdito, o uso de modelos quantitativos, baseados em prÃticas estatÃsticas, economÃtricas e matemÃticas, vÃm cada vez mais se firmando nos mercados como ferramenta de apoio aos gestores de crÃdito na tomada de decisÃo. VÃrios modelos de avaliaÃÃo de risco sÃo adotados pelas instituiÃÃes, modelos de credit scoring, behavioral scoring, sÃo exemplos destes modelos. O modelo de credit scoring tem sido um dos mais usados, em especial para concessÃo de crÃdito a pessoas fÃsicas. Os modelos de credit scoring utilizam tÃcnicas como a anÃlise de discriminantes, programaÃÃo matemÃtica, econometria, redes neurais, entre outras, para atravÃs da anÃlise de caracterÃsticas particulares dos indivÃduos, estabelecer uma mÃtrica de separaÃÃo de bons e maus pagadores, atribuindo probabilidades diferentes de inadimplÃncia aos mesmos. A presente dissertaÃÃo tem como objetivo central analisar os determinantes de inadimplÃncia (pessoa fÃsica), usando uma abordagem economÃtrica com base no modelo Logit. O modelo utilizado foi um modelo para aprovaÃÃo de crÃdito na abertura de conta corrente, partindo de um estudo com uma amostra de 308 observaÃÃes (cadastros pessoas fÃsicas), baseados na experiÃncia real de uma instituiÃÃo financeira, cujo objetivo à atingir uma taxa de aprovaÃÃo de crÃdito tal que a receita mÃdia depois das perdas de emprÃstimos seja maximizada. |
dc.description.abstract.eng.fl_txt_mv |
In the financial intermediation, banks focus on its main activity, allocating resources from clients with surplus to deficit clients. The uncertainty related to the characteristics or payment capacity of the clients establishes the risk and the need to search for new alternatives to protect the institutions from potential losses, which may reflect on lower profits. Besides the subjective issue of credit analysts, the use of quantitative models, based on statistical, mathematical or econometric practices are becoming an important tool to support credit managers on the decision making process. There are several models of risk evaluation, which are adopted by financial institutions such as the credit scoring and the behavioral scoring models. The credit-scoring model has been widely used, especially on the concession of individual credit. The credit scoring model uses techniques such as discriminant analysis, mathematic programming, econometrics, neural networks, among others, to analyze particular characteristics of individuals where it establishes a metric separation of good and bad payers, therefore providing different nonpayment status to each. This present dissertation has the main objective of analyzing the determinants of nonpayment status (individuals), using an econometric approach based on the Logit model. The model utilized was a model for approval of credit in the opening from the bill shackle, starting from a study with 308 observations (physical registers Persons), based in the real experience of a financial institution, whose objective is he reach a credit approval rate such that the medium prescription after the losses of loans be maximized. |
description |
Sendo a intermediaÃÃo financeira a principal atividade dos bancos, alocando recursos de clientes superavitÃrios a clientes deficitÃrios, à na incerteza quanto ao carÃter e a capacidade de pagamento dos clientes que se estabelece o risco e com ele a necessidade de se buscar novas alternativas para se proteger de perdas potenciais, que podem refletir em menores lucros para as instituiÃÃes. AlÃm da subjetividade dos analistas de crÃdito, o uso de modelos quantitativos, baseados em prÃticas estatÃsticas, economÃtricas e matemÃticas, vÃm cada vez mais se firmando nos mercados como ferramenta de apoio aos gestores de crÃdito na tomada de decisÃo. VÃrios modelos de avaliaÃÃo de risco sÃo adotados pelas instituiÃÃes, modelos de credit scoring, behavioral scoring, sÃo exemplos destes modelos. O modelo de credit scoring tem sido um dos mais usados, em especial para concessÃo de crÃdito a pessoas fÃsicas. Os modelos de credit scoring utilizam tÃcnicas como a anÃlise de discriminantes, programaÃÃo matemÃtica, econometria, redes neurais, entre outras, para atravÃs da anÃlise de caracterÃsticas particulares dos indivÃduos, estabelecer uma mÃtrica de separaÃÃo de bons e maus pagadores, atribuindo probabilidades diferentes de inadimplÃncia aos mesmos. A presente dissertaÃÃo tem como objetivo central analisar os determinantes de inadimplÃncia (pessoa fÃsica), usando uma abordagem economÃtrica com base no modelo Logit. O modelo utilizado foi um modelo para aprovaÃÃo de crÃdito na abertura de conta corrente, partindo de um estudo com uma amostra de 308 observaÃÃes (cadastros pessoas fÃsicas), baseados na experiÃncia real de uma instituiÃÃo financeira, cujo objetivo à atingir uma taxa de aprovaÃÃo de crÃdito tal que a receita mÃdia depois das perdas de emprÃstimos seja maximizada. |
publishDate |
2004 |
dc.date.issued.fl_str_mv |
2004-04-19 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.uri.fl_str_mv |
http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=1480 |
url |
http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=1480 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Cearà |
dc.publisher.program.fl_str_mv |
Programa de PÃs-GraduaÃÃo em Economia - CAEN |
dc.publisher.initials.fl_str_mv |
UFC |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Federal do Cearà |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFC instname:Universidade Federal do Ceará instacron:UFC |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFC |
collection |
Biblioteca Digital de Teses e Dissertações da UFC |
instname_str |
Universidade Federal do Ceará |
instacron_str |
UFC |
institution |
UFC |
repository.name.fl_str_mv |
-
|
repository.mail.fl_str_mv |
mail@mail.com |
_version_ |
1643295119229583360 |