Projeto Evolucionário de Redes Neurais Artificiais para Avaliação de Crédito Financeiro

• Autor(a) principal: Mendes Filho, Elson Felix
• Data de Publicação: 1997
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19032018-172227/
• topic: Algoritmos genéticos; Credit; Crédito; Finanças; Finance; Genetic algorithms; Neural networks; Redes neurais

O risco de crédito a pessoas físicas tem sido avaliado empiricamente ou por sistemas de credit score. No entanto, com o crescimento do mercado de crédito ao varejo, o assunto passou a merecer maior preocupação em razão da elevação das taxas de inadimplência, que vem causando enormes prejuízos aos doadores de recursos. Redes Neurais Artificiais (RNA) podem ser treinadas utilizando grandes quantidades de exemplos significativos. Utilizando esta técnica, as avaliações podem ser modeladas através de exemplos encontrados nos históricos dos clientes das aplicações de crédito. Contudo, a topologia e os parâmetros de aprendizado das RNA precisam ser apropriadamente estabelecidos para que a rede funcione eficientemente. Para resolver este tipo de problema, recentemente vêm sendo utilizados Algoritmos Genéticos (AG), algoritmos baseados em mecanismos genéticos e de seleção natural, que podem ser utilizados para encontrar as arquiteturas mais eficientes. O objetivo deste projeto é investigar como o projeto de RNA pode se beneficiar de AG para a determinação de sua arquitetura e o comportamento de RNA como técnica para análise de risco crédito financeiro. Para avaliar os modelos desenvolvidos, foram utilizados dois conjuntos de dados diferentes, compostos de informações sobre aplicações reais de crédito. O primeiro deles é constituído por dados de aplicações de cartão de crédito, cujo objetivo do modelo é \"imitar\" a avaliação humana. O segundo é constituído por dados de clientes de crédito bancário e seus históricos de pagamento com o objetivo de prever o comportamento de futuros clientes.