Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito

Detalhes bibliográficos
Autor(a) principal: Aniceto, Maísa Cardoso
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/20522
http://dx.doi.org/10.26512/2016.03.D.20522
Resumo: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Programa de Pós-Graduação em Administração, 2016.
id UNB_9379bb0e9f5e178dda6a71232a21bd53
oai_identifier_str oai:repositorio.unb.br:10482/20522
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de créditoEstudo comparativoRisco de créditoDissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Programa de Pós-Graduação em Administração, 2016.A avaliação do risco de crédito tem um papel relevante para as instituições financeiras por estar associada a possíveis perdas e gerar grande impacto nas atividades do mercado financeiro. Embora existam várias pesquisas sobre risco de crédito e aprendizado de máquina ainda falta um estudo que integra e sistematiza o conhecimento disponível. Assim, o objetivo deste trabalho é apresentar uma revisão sistemática de literatura sobre aprendizado de máquina em risco de crédito. Os principais artigos dessa área foram classificados e codificados e uma agenda de pesquisa e recomendações são apresentadas para auxiliar na realização de pesquisas futuras. A segunda parte da dissertação envolve uma análise empírica de dados de uma instituição financeira e aplicação de algoritmos de Support Vector Machine e Decision Tree, além de Bagging, AdaBoost e Random Forest. Os resultados foram comparados por meio da Curva ROC, Sensibilidade, Especificidade e AUC.Despite several pieces of research on credit risk and machine learning, a study that integrates and systematizes available knowledge is still lacking. Credit risk evaluation has a relevant role to financial institutions for it is connected to possible losses. Also, it can have a great impact in the financial market. Thus, the aim of this study is to carry out a systematic literature review on credit risk machine learning. The main articles of this field have been classified and coded. Recommendations are presented to assist future research projects. Apart from that, this thesis focuses on an empirical data analysis of a financial institution, as well as the application of Support Vector Machine and Decision Tree algorithms; Bagging, AdaBoost and Random Forest, ensemble classifiers. The results were measured on the use of the ROC Curve, Sensitivity, Specificity and AUC.Kimura, HerbertAniceto, Maísa Cardoso2016-05-26T18:36:15Z2016-05-26T18:36:15Z2016-05-262016-03-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfANICETO, Maísa Cardoso. Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito. 2016. 106 f., il. Dissertação (Mestrado em Administração)—Universidade de Brasília, Brasília, 2016.http://repositorio.unb.br/handle/10482/20522http://dx.doi.org/10.26512/2016.03.D.20522A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-07-12T19:07:37Zoai:repositorio.unb.br:10482/20522Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-07-12T19:07:37Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito
title Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito
spellingShingle Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito
Aniceto, Maísa Cardoso
Estudo comparativo
Risco de crédito
title_short Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito
title_full Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito
title_fullStr Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito
title_full_unstemmed Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito
title_sort Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito
author Aniceto, Maísa Cardoso
author_facet Aniceto, Maísa Cardoso
author_role author
dc.contributor.none.fl_str_mv Kimura, Herbert
dc.contributor.author.fl_str_mv Aniceto, Maísa Cardoso
dc.subject.por.fl_str_mv Estudo comparativo
Risco de crédito
topic Estudo comparativo
Risco de crédito
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Programa de Pós-Graduação em Administração, 2016.
publishDate 2016
dc.date.none.fl_str_mv 2016-05-26T18:36:15Z
2016-05-26T18:36:15Z
2016-05-26
2016-03-14
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 ANICETO, Maísa Cardoso. Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito. 2016. 106 f., il. Dissertação (Mestrado em Administração)—Universidade de Brasília, Brasília, 2016.
http://repositorio.unb.br/handle/10482/20522
http://dx.doi.org/10.26512/2016.03.D.20522
identifier_str_mv ANICETO, Maísa Cardoso. Estudo comparativo entre técnicas de aprendizado de máquina para estimação de risco de crédito. 2016. 106 f., il. Dissertação (Mestrado em Administração)—Universidade de Brasília, Brasília, 2016.
url http://repositorio.unb.br/handle/10482/20522
http://dx.doi.org/10.26512/2016.03.D.20522
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 UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508277202944000

Registros relacionados