Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | GEPROS. Gestão da Produção. Operações e Sistemas |
Texto Completo: | https://revista.feb.unesp.br/gepros/article/view/1120 |
Resumo: | O objetivo da presente pesquisa é realizar a aplicação da técnica de redes neurais do tipo Multilayer Perceptron (MLP) na criação dos modelos classificação de um portfólio de créditos inadimplidos não-performados (NPLs – Non-Performing Loans) para classificação destes derivativos de crédito. Os créditos NPL são caracterizados como o montante relativo a empréstimos que não foram pagos e que já estão vencidos por mais de 90 dias. Uma vez que esses títulos por força de legislação são movidos para perdas, Fundos de Investimento em Direitos Creditórios (FIDC) realizam a compra dessas dívidas junto a essas instituições e realizam o processo de recuperação desse crédito. Com a utilização de redes neurais foram criados modelos de classificação relativos à posterior recuperação dessas dívidas. Para a avaliação de desempenho dos modelos foram apresentadas métricas de avaliação da classificação relativas às redes neurais com diferentes arquiteturas. Os resultados com a classificação foram satisfatórios tendo em vista que os modelos de classificação tiveram sucesso conforme a estrutura de custos econômicos apresentada. Palavras-chave: Créditos Não-Performados. Redes Neurais Artificiais. Multilayer Perceptron. Non-Performing Loans. Créditos Inadimplidos. |
id |
UNESP-2_e58ae104986cc32ea512c0852df0ed1d |
---|---|
oai_identifier_str |
oai:ojs.gepros.emnuvens.com.br:article/1120 |
network_acronym_str |
UNESP-2 |
network_name_str |
GEPROS. Gestão da Produção. Operações e Sistemas |
repository_id_str |
|
spelling |
Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer PerceptronO objetivo da presente pesquisa é realizar a aplicação da técnica de redes neurais do tipo Multilayer Perceptron (MLP) na criação dos modelos classificação de um portfólio de créditos inadimplidos não-performados (NPLs – Non-Performing Loans) para classificação destes derivativos de crédito. Os créditos NPL são caracterizados como o montante relativo a empréstimos que não foram pagos e que já estão vencidos por mais de 90 dias. Uma vez que esses títulos por força de legislação são movidos para perdas, Fundos de Investimento em Direitos Creditórios (FIDC) realizam a compra dessas dívidas junto a essas instituições e realizam o processo de recuperação desse crédito. Com a utilização de redes neurais foram criados modelos de classificação relativos à posterior recuperação dessas dívidas. Para a avaliação de desempenho dos modelos foram apresentadas métricas de avaliação da classificação relativas às redes neurais com diferentes arquiteturas. Os resultados com a classificação foram satisfatórios tendo em vista que os modelos de classificação tiveram sucesso conforme a estrutura de custos econômicos apresentada. Palavras-chave: Créditos Não-Performados. Redes Neurais Artificiais. Multilayer Perceptron. Non-Performing Loans. Créditos Inadimplidos. A Fundacao para o Desenvolvimento de Bauru (FunDeB)2014-06-02info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfapplication/pdfapplication/pdfhttps://revista.feb.unesp.br/gepros/article/view/112010.15675/gepros.v0i1.1120Revista Gestão da Produção Operações e Sistemas; n. 1 (2014); 271984-2430reponame:GEPROS. Gestão da Produção. Operações e Sistemasinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporhttps://revista.feb.unesp.br/gepros/article/view/1120/566https://revista.feb.unesp.br/gepros/article/view/1120/1431https://revista.feb.unesp.br/gepros/article/view/1120/1432Clesio, FlavioSassi, Renato Joséinfo:eu-repo/semantics/openAccess2014-09-11T17:35:26Zoai:ojs.gepros.emnuvens.com.br:article/1120Revistahttps://revista.feb.unesp.br/geprosPUBhttps://revista.feb.unesp.br/gepros/oaigepros@feb.unesp.br||abjabbour@feb.unesp.br1984-24301809-614Xopendoar:2014-09-11T17:35:26GEPROS. Gestão da Produção. Operações e Sistemas - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron |
title |
Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron |
spellingShingle |
Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron Clesio, Flavio |
title_short |
Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron |
title_full |
Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron |
title_fullStr |
Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron |
title_full_unstemmed |
Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron |
title_sort |
Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron |
author |
Clesio, Flavio |
author_facet |
Clesio, Flavio Sassi, Renato José |
author_role |
author |
author2 |
Sassi, Renato José |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Clesio, Flavio Sassi, Renato José |
description |
O objetivo da presente pesquisa é realizar a aplicação da técnica de redes neurais do tipo Multilayer Perceptron (MLP) na criação dos modelos classificação de um portfólio de créditos inadimplidos não-performados (NPLs – Non-Performing Loans) para classificação destes derivativos de crédito. Os créditos NPL são caracterizados como o montante relativo a empréstimos que não foram pagos e que já estão vencidos por mais de 90 dias. Uma vez que esses títulos por força de legislação são movidos para perdas, Fundos de Investimento em Direitos Creditórios (FIDC) realizam a compra dessas dívidas junto a essas instituições e realizam o processo de recuperação desse crédito. Com a utilização de redes neurais foram criados modelos de classificação relativos à posterior recuperação dessas dívidas. Para a avaliação de desempenho dos modelos foram apresentadas métricas de avaliação da classificação relativas às redes neurais com diferentes arquiteturas. Os resultados com a classificação foram satisfatórios tendo em vista que os modelos de classificação tiveram sucesso conforme a estrutura de custos econômicos apresentada. Palavras-chave: Créditos Não-Performados. Redes Neurais Artificiais. Multilayer Perceptron. Non-Performing Loans. Créditos Inadimplidos. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-06-02 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://revista.feb.unesp.br/gepros/article/view/1120 10.15675/gepros.v0i1.1120 |
url |
https://revista.feb.unesp.br/gepros/article/view/1120 |
identifier_str_mv |
10.15675/gepros.v0i1.1120 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://revista.feb.unesp.br/gepros/article/view/1120/566 https://revista.feb.unesp.br/gepros/article/view/1120/1431 https://revista.feb.unesp.br/gepros/article/view/1120/1432 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
A Fundacao para o Desenvolvimento de Bauru (FunDeB) |
publisher.none.fl_str_mv |
A Fundacao para o Desenvolvimento de Bauru (FunDeB) |
dc.source.none.fl_str_mv |
Revista Gestão da Produção Operações e Sistemas; n. 1 (2014); 27 1984-2430 reponame:GEPROS. Gestão da Produção. Operações e Sistemas instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
GEPROS. Gestão da Produção. Operações e Sistemas |
collection |
GEPROS. Gestão da Produção. Operações e Sistemas |
repository.name.fl_str_mv |
GEPROS. Gestão da Produção. Operações e Sistemas - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
gepros@feb.unesp.br||abjabbour@feb.unesp.br |
_version_ |
1800215696388390912 |