Modelos de 'credit scoring': regressão logística, 'chaid' e real

Detalhes bibliográficos
Autor(a) principal: Rosa, Paulo de Tarso Marques
Data de Publicação: 2000
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-122749/
Resumo: O mercado financeiro de varejo brasileiro encontra-se em um momento de expansão da concessão de crédito, ocasionando um forte aumento na demanda por ferramentas capazes de avaliar o risco de inadimplência dos potenciais contratantes de produtos de crédito. Modelos estatísticos, denominados modelos de 'Credit Scoring', estão sendo utilizados para esta finalidade. Neste trabalho, descrevemos as caracteristicas dos processo de concessão de crédito e a partir de uma amostra de dados, fornecida por uma instituição financeira brasileira, aplicamos e comparamos três técnicas para classificação de clientes: a Regressão Logística Múltipla, o CHAID e o REAL. As duas primeiras técnicas são bastante utilizadas por profissionais do mercado e a terceira, trata-se de um novo algoritmo de Árvore de Classificação, sendo a primeira vez que é aplicado ao problema. Vantagens e desvantagens de cada um dos métodos são apresentadas
id USP_9bc018f09f18584ac83a54d61c57fd74
oai_identifier_str oai:teses.usp.br:tde-20210729-122749
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Modelos de 'credit scoring': regressão logística, 'chaid' e realnot availableEstatística AplicadaO mercado financeiro de varejo brasileiro encontra-se em um momento de expansão da concessão de crédito, ocasionando um forte aumento na demanda por ferramentas capazes de avaliar o risco de inadimplência dos potenciais contratantes de produtos de crédito. Modelos estatísticos, denominados modelos de 'Credit Scoring', estão sendo utilizados para esta finalidade. Neste trabalho, descrevemos as caracteristicas dos processo de concessão de crédito e a partir de uma amostra de dados, fornecida por uma instituição financeira brasileira, aplicamos e comparamos três técnicas para classificação de clientes: a Regressão Logística Múltipla, o CHAID e o REAL. As duas primeiras técnicas são bastante utilizadas por profissionais do mercado e a terceira, trata-se de um novo algoritmo de Árvore de Classificação, sendo a primeira vez que é aplicado ao problema. Vantagens e desvantagens de cada um dos métodos são apresentadasCosumer credit is an extremely significant factor in Brazilian economic expansion. Financial institutions are looking for efficient tools to evaluate the risk of consumer loans. Some statistical Credit Scoring Models have already been used for this evaluation. In this study we apply three methods in a sample set of applicants from a Brazilian Bank. Two of these methods, Multiple Logistic Regression and CAID, are well known and have good reputation in the financial community. The third method, the REAL, is a new decision tree algorithm and was adapted to be as a credit scoring technique. We compare the performance of these three methods to the data. We discuss the avanteges and disadvantages of each methodBiblioteca Digitais de Teses e Dissertações da USPPereira, Carlos Alberto de BragançaRosa, Paulo de Tarso Marques2000-10-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-122749/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-16T12:11:01Zoai:teses.usp.br:tde-20210729-122749Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-16T12:11:01Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Modelos de 'credit scoring': regressão logística, 'chaid' e real
not available
title Modelos de 'credit scoring': regressão logística, 'chaid' e real
spellingShingle Modelos de 'credit scoring': regressão logística, 'chaid' e real
Rosa, Paulo de Tarso Marques
Estatística Aplicada
title_short Modelos de 'credit scoring': regressão logística, 'chaid' e real
title_full Modelos de 'credit scoring': regressão logística, 'chaid' e real
title_fullStr Modelos de 'credit scoring': regressão logística, 'chaid' e real
title_full_unstemmed Modelos de 'credit scoring': regressão logística, 'chaid' e real
title_sort Modelos de 'credit scoring': regressão logística, 'chaid' e real
author Rosa, Paulo de Tarso Marques
author_facet Rosa, Paulo de Tarso Marques
author_role author
dc.contributor.none.fl_str_mv Pereira, Carlos Alberto de Bragança
dc.contributor.author.fl_str_mv Rosa, Paulo de Tarso Marques
dc.subject.por.fl_str_mv Estatística Aplicada
topic Estatística Aplicada
description O mercado financeiro de varejo brasileiro encontra-se em um momento de expansão da concessão de crédito, ocasionando um forte aumento na demanda por ferramentas capazes de avaliar o risco de inadimplência dos potenciais contratantes de produtos de crédito. Modelos estatísticos, denominados modelos de 'Credit Scoring', estão sendo utilizados para esta finalidade. Neste trabalho, descrevemos as caracteristicas dos processo de concessão de crédito e a partir de uma amostra de dados, fornecida por uma instituição financeira brasileira, aplicamos e comparamos três técnicas para classificação de clientes: a Regressão Logística Múltipla, o CHAID e o REAL. As duas primeiras técnicas são bastante utilizadas por profissionais do mercado e a terceira, trata-se de um novo algoritmo de Árvore de Classificação, sendo a primeira vez que é aplicado ao problema. Vantagens e desvantagens de cada um dos métodos são apresentadas
publishDate 2000
dc.date.none.fl_str_mv 2000-10-02
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 https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-122749/
url https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-122749/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090926627258368