Uma sistemática para construção e escolha de modelos de previsão de risco de crédito

• Autor(a) principal: Selau, Lisiane Priscila Roldão
• Data de Publicação: 2009
• Outros Autores: Ribeiro, Jose Luis Duarte
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/129154
• topic: Redes neurais artificiais; Engenharia econômica; Modelos estatísticos; Logistic regression; Neural networks; Discriminat analysis; Credit analysis

Com o aumento recente nos volumes de créditos a pessoas físicas e, por consequência, nos índices de inadimplência, as empresas estão buscando melhorar sua análise de crédito incorporando critérios objetivos. Técnicas multivariadas têm sido utilizadas para construir modelos de previsão de crédito que, baseados em informações cadastrais dos clientes, levam à criação de um padrão de comportamento em relação à inadimplência. O objetivo deste artigo é propor uma sistemática para construção de modelos de previsão de risco de crédito e avaliar seu desempenho usando três modelos específicos: análise discriminante, regressão logística e redes neurais. O método proposto (denominado Modelo PRC) é composto de seis etapas: (i) delimitação da população; (ii) seleção da amostra; (iii) análise preliminar; (iv) construção do modelo; (v) escolha do modelo; e (vi) passos para implantação. O Modelo PRC foi aplicado em uma amostra de 17.005 clientes de uma rede de farmácias com crediário próprio. Os resultados para este banco de dados específico apontam uma pequena superioridade do modelo de redes neurais em relação aos outros modelos, que pode ser atribuída a sua não linearidade em relação à combinação de variáveis.