Regressão Logística Geograficamente Ponderada na análise de risco de crédito

• Autor(a) principal: Ferreira, Raquel Rossi
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/235629
• topic: Pontuação de crédito; Regressão logística; Credit scoring; Geographically weighted logistic regression; Logistic regression

O mercado brasileiro de crédito se popularizou nos últimos anos e com isso empresas buscam formas de aumentar a capacidade de previsão de seus modelos na hora de conceder crédito. Há diversas técnicas que são amplamente utilizadas pelo setor financeiro para a construção dos modelos de previsão, a mais usada é a Regressão Logística. Recentemente estudos mostraram que o uso da Regressão Logística Geograficamente Ponderada tem um desempenho melhor para prever o comportamento padrão de risco quando comparada com métodos de regressão não espacial. Sendo assim, este trabalho introduz o modelo de Regressão Logística Geograficamente Ponderada e compara com os resultados do modelo tradicional usado pelo mercado financeiro, a Regressão Logística. Com os objetivos de verificar se existe influência do espaço geográfico no risco de crédito de clientes de uma rede de farmácias e verificar se a técnica de Regressão Logística Geograficamente Ponderada tem maior capacidade de previsão que a Regressão Logística na avaliação de risco de crédito. Os modelos foram desenvolvidos com uma base de dados de treino de 2014 clientes, e foram avaliados em um conjunto de teste de 515 clientes. Os modelos foram analisados com base em quatro indicadores: percentual de acerto, área abaixo da curva ROC, critério de informação de Akaike e teste KS. Neste estudo a técnica de Regressão Logística Geograficamente Ponderada obteve resultados superiores a Regressão Logística no desenvolvimento de modelos de Credit Scoring. No entanto, os resultados de ambos os modelos foram bem próximos em termos de capacidade de previsão, mas o modelo de Regressão Logística Geograficamente Ponderada teve resultados pouco melhores em relação a Regressão Logística.