Avaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoring

Detalhes bibliográficos
Autor(a) principal: Kahmann, Alessandro
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/175210
Resumo: Após a crise financeira mundial de 2008, a análise de risco de crédito ganhou maior importância quando comparado a momentos anteriores. A predição do risco da concessão de crédito, chamado credit scoring, pode ser realizada através de métodos estatísticos multivariados específicos para tal situação. Dentro deste cenário, este trabalho tem como objetivo avaliar o método proposto em Kahmann et al. (2017) em um problema de credit scoring, de forma a identificar os atributos que melhor discriminam bons e maus clientes. Testando suas premissas em dois bancos de dados públicos de credit scoring, o subconjunto de variáveis selecionadas conduziu a melhores classificações quando comparado ao banco de dados completo. Complementarmente, quando comparados a outros estudos da área obteve piores classificações quando utilizado o banco de dados com desbalanço entre as observações das duas classes e a melhores classificações quando o banco de dados contém quantidades semelhantes de observações em cada classe. Tais resultados indicam que, sob as devidas condições, o método possui aplicabilidade em problemas de credit scoring.
id UFRGS-2_fbf93a7861a6a003763b846edd061da6
oai_identifier_str oai:www.lume.ufrgs.br:10183/175210
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Kahmann, AlessandroWerner, Liane2018-05-01T02:26:36Z2018http://hdl.handle.net/10183/175210001064948Após a crise financeira mundial de 2008, a análise de risco de crédito ganhou maior importância quando comparado a momentos anteriores. A predição do risco da concessão de crédito, chamado credit scoring, pode ser realizada através de métodos estatísticos multivariados específicos para tal situação. Dentro deste cenário, este trabalho tem como objetivo avaliar o método proposto em Kahmann et al. (2017) em um problema de credit scoring, de forma a identificar os atributos que melhor discriminam bons e maus clientes. Testando suas premissas em dois bancos de dados públicos de credit scoring, o subconjunto de variáveis selecionadas conduziu a melhores classificações quando comparado ao banco de dados completo. Complementarmente, quando comparados a outros estudos da área obteve piores classificações quando utilizado o banco de dados com desbalanço entre as observações das duas classes e a melhores classificações quando o banco de dados contém quantidades semelhantes de observações em cada classe. Tais resultados indicam que, sob as devidas condições, o método possui aplicabilidade em problemas de credit scoring.After the world financial crisis in 2008, the credit scoring gained more importance when compared to previous moments. The credit concession risk prediction can be made by suited multivariate statistical methods, specific to such situation. In such scenario, this paper aims to evaluate the method proposed in Kahmann et al. (2017) in a credit scoring problem, in order to identify the features that better discriminate good and bad clients. Testing its premises in two public credit scoring datasets, the selected subset of variables provided better classification when compared to the full dataset. Complementarily, when compared to other studies in the field the method provides worst results when the dataset presents unbalance between the number of observations in each class and better results when the data set has similar number of observations in each class. Such results indicates that under the right circumstances the method can be used in credit scoring problems.application/pdfporSeleção de variáveisMétodos quantitativosCredit scoringVariable selectionQuantitative methodsAvaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoringinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPorto Alegre, BR-RS2018Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001064948.pdf001064948.pdfTexto completoapplication/pdf1620169http://www.lume.ufrgs.br/bitstream/10183/175210/1/001064948.pdf7415f1cd1c1f3148d2721ac945113d57MD51TEXT001064948.pdf.txt001064948.pdf.txtExtracted Texttext/plain100552http://www.lume.ufrgs.br/bitstream/10183/175210/2/001064948.pdf.txtdf9148173786c129d960ecc9915d3729MD52THUMBNAIL001064948.pdf.jpg001064948.pdf.jpgGenerated Thumbnailimage/jpeg1413http://www.lume.ufrgs.br/bitstream/10183/175210/3/001064948.pdf.jpg164e8e1913ff0257fce04f59bc8c2200MD5310183/1752102018-10-29 09:08:45.427oai:www.lume.ufrgs.br:10183/175210Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-29T12:08:45Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Avaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoring
title Avaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoring
spellingShingle Avaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoring
Kahmann, Alessandro
Seleção de variáveis
Métodos quantitativos
Credit scoring
Variable selection
Quantitative methods
title_short Avaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoring
title_full Avaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoring
title_fullStr Avaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoring
title_full_unstemmed Avaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoring
title_sort Avaliação de uma metodologia de seleção de variáveis multicriterial no ambiente de credit scoring
author Kahmann, Alessandro
author_facet Kahmann, Alessandro
author_role author
dc.contributor.author.fl_str_mv Kahmann, Alessandro
dc.contributor.advisor1.fl_str_mv Werner, Liane
contributor_str_mv Werner, Liane
dc.subject.por.fl_str_mv Seleção de variáveis
Métodos quantitativos
topic Seleção de variáveis
Métodos quantitativos
Credit scoring
Variable selection
Quantitative methods
dc.subject.eng.fl_str_mv Credit scoring
Variable selection
Quantitative methods
description Após a crise financeira mundial de 2008, a análise de risco de crédito ganhou maior importância quando comparado a momentos anteriores. A predição do risco da concessão de crédito, chamado credit scoring, pode ser realizada através de métodos estatísticos multivariados específicos para tal situação. Dentro deste cenário, este trabalho tem como objetivo avaliar o método proposto em Kahmann et al. (2017) em um problema de credit scoring, de forma a identificar os atributos que melhor discriminam bons e maus clientes. Testando suas premissas em dois bancos de dados públicos de credit scoring, o subconjunto de variáveis selecionadas conduziu a melhores classificações quando comparado ao banco de dados completo. Complementarmente, quando comparados a outros estudos da área obteve piores classificações quando utilizado o banco de dados com desbalanço entre as observações das duas classes e a melhores classificações quando o banco de dados contém quantidades semelhantes de observações em cada classe. Tais resultados indicam que, sob as devidas condições, o método possui aplicabilidade em problemas de credit scoring.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-05-01T02:26:36Z
dc.date.issued.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/175210
dc.identifier.nrb.pt_BR.fl_str_mv 001064948
url http://hdl.handle.net/10183/175210
identifier_str_mv 001064948
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.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/175210/1/001064948.pdf
http://www.lume.ufrgs.br/bitstream/10183/175210/2/001064948.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/175210/3/001064948.pdf.jpg
bitstream.checksum.fl_str_mv 7415f1cd1c1f3148d2721ac945113d57
df9148173786c129d960ecc9915d3729
164e8e1913ff0257fce04f59bc8c2200
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447214901690368