APLICAÇÃO DE REGRESSÃO LOGÍSTICA E ALGORITMOS GENÉTICOS NA ANÁLISE DE RISCO DE CRÉDITO
DOI:
https://doi.org/10.4270/ruc.20128Palavras-chave:
Risco de crédito. Modelos de credit scoring. Regressão logística. Algoritmos genéticos.Resumo
A tomada de decisões de concessão de crédito baseia-se fundamentalmente na avaliação do risco de inadimplência dos potenciais contratantes de produtos de crédito. Com o avanço tecnológico, modelos estatísticos foram desenvolvidos para dar sustentação à análise de solicitações de crédito, que há algumas décadas era realizada muitas vezes qualitativamente. O objetivo deste estudo é a apresentação do uso de regressão logística e algoritmos genéticos para a classificação de bons e maus pagadores em financiamentos bancários e a identificação do melhor modelo em termos de qualidade de ajuste. A partir de uma amostra de 14.000 dados, fornecida por uma grande instituição financeira brasileira, foram aplicadas as duas técnicas. A regressão logística apresentou melhor ajuste aos dados. Este estudo ilustrou os procedimentos a serem adotados por uma empresa para identificar o melhor modelo de concessão de crédito, a partir do qual é possível direcionar a estratégia da instituição no processo de avaliação de solicitações de empréstimos bancários.
Downloads
Referências
ABDOU, H. A. Genetic programming for credit scoring: the case of Egyptian public sector banks. Expert Systems with Applications, v. 36, n. 9, p. 11402-11417, nov. 2009. http://dx.doi.org/10.1016/j.eswa.2009.01.076
ANDREEVA, G. European generic scoring models using logistic regression and survival analysis. In: YOUNG OR CONFERENCE, 2003, Bath. Anais… Bath: Young OR, 2003.
ARMINGER, G.; ENACHE, D.; BONNE, T. Analyzing credit risk data: a comparison of logistic discrimination, classification trees and feedforward networks. Computational Statistics, Berlim, v. 12, n.2, p. 293-310, 1997.
BACK, B.; LAITINEN, T.; SERE, K. Neural networks and genetic algorithms for bankruptcy predictions. In: WORLD CONFERENCE ON EXPERT SYSTEMS, 3., Seul. Anais… Seul: Science Direct, 1996. http://dx.doi.org/10.1016/S0957-4174(96)00055-3
BIJAK, K.; THOMAS, L. C. Does segmentation always improve model performance in credit scoring? Expert Systems with Applications, v. 39, n. 3, p. 2433-2442, fev. 2012. http://dx.doi.org/10.1016/j.eswa.2011.08.093
BRITO, G. A. S.; ASSAF NETO, A. Modelo de classificação de risco de crédito de empresas. Revista Contabilidade & Finanças, v. 19, n. 46, p. 18-29, abr. 2008. http://dx.doi.org/10.1590/S1519-70772008000100003
BROWN, I.; MUES, C. An experimental comparison of classification algorithms for imbalanced credit scoring data sets. Expert Systems with Applications, v. 39, n. 3, p. 3446-3453, fev. 2012. http://dx.doi.org/10.1016/j.eswa.2011.09.033
CHEN, M. C.; HUANG, S. H; CHEN, C. M. Credit classification analysis through the genetic programming approach. In: INTERNATIONAL CONFERENCE IN INFORMATION MANAGEMENT, 2002, Taipei. Anais… Taipei: Tamkang University, 2002.
CHEN, M. C.; HUANG, S. H. Credit scoring and rejected instances reassigning through evolutionary computation techniques. Expert Systems with Applications, St. Louis, v. 24, n. 4, p. 433-441, 2003. http://dx.doi.org/10.1016/S0957-4174(02)00191-4
FIDELIS, M. V.; LOPES, H. S.; FREITAS, A. A. Discovering comprehensible classification rules with a genetic algorithm. In: CONGRESS ON EVOLUTIONARY COMPUTATION, 2000, La Jolla. Anais... La Jolla: IEEE, 2000. http://dx.doi.org/10.1109/CEC.2000.870381
HAIR JR., J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L. Análise multivariada de dados. São Paulo: Bookman, 2009.
HAND, D. J.; HENLEY, W. E. Statistical classification methods in consumer credit scoring: a review. Journal of Royal Statistical Society, London, v. 160, p. 523-541, 1997. http://dx.doi.org/10.1111/j.1467-985X.1997.00078.x
HARRISON, T.; ANSELL, J. Customer retention in the insurance industry: using survival analysis to predict cross-selling opportunities. Journal of Financial Services Marketing, London, v. 6, n. 3, p. 229-239, 2002. http://dx.doi.org/10.1057/palgrave.fsm.4770054
KISHORE, J. K.; PATNAIK, L. M.; MANI, V.; AGRAWAL, V. K. Application of genetic programming for multicategory pattern classification. IEEE Transactions on Evolutionary Computation, Birmingham, v. 4, n. 3, p. 242-257, 2000. http://dx.doi.org/10.1109/4235.873235
LEWIS, E. M. An introduction to credit scoring. San Rafael: Fair Isaac and Co., Inc, 1992.
LIMA, F. G.; PERERA, L. C. J.; KIMURA, H.; SILVA FILHO, A. C. Aplicação de redes neurais na análise e na concessão de crédito ao consumidor. Revista de Administração da USP, São Paulo, v. 44, n. 1, p. 34-45, 2009.
MAVRI, M.; ANGELIS, V.; IOANNOU, G.; GAKI, E.; KOUFODONTIS, I. A two-stage dynamic credit scoring model, based on customers’ profile and time horizon. Journal of Financial Services Marketing, v. 13, n. 1, p. 17-27, maio, 2008. http://dx.doi.org/10.1057/fsm.2008.2
OHTOSHI, C. Uma comparação de regressão logística, árvores de classificação e redes neurais: analisando dados de crédito. 2003. Dissertação (Mestrado em Estatística) – Programa de Pós-graduação em Estatística, Instituto de Matemática e Estatística da Universidade de São Paulo, São Paulo, 2003.
OOGHE, H.; CAMERLYNCK, J.; BALCAEN, S. The Ooghe-Joos-De Vos failure prediction models: a cross-industry validation. Brussels Economic Review, v. 46, p. 39-70, 2003.
PAPPA, G. L. Seleção de atributos utilizando algoritmos genéticos multiobjetivos. 2002. Dissertação (Mestrado em Informática) – Programa de Pós-graduação em Informática, Pontifícia Universidade do Paraná, Curitiba, 2002.
PEREIRA, G. H. A. Modelos de risco de crédito de clientes: uma aplicação a dados reais. 2004. Dissertação (Mestrado em Estatística) – Programa de Pós-graduação em Estatística, Instituto de Matemática e Estatística da Universidade de São Paulo, São Paulo, 2004.
PICININI, R., OLIVEIRA, G. M. B.; MONTEIRO, L. H. A. Mineração de critério de credit scoring utilizando algoritmos genéticos. In: SIMPÓSIO BRASILEIRO DE AUTOMAÇÃO INTELIGENTE, 6., 2003, Bauru. Anais... Bauru: Universidade de Brasília, 2003.
ROSA, P. T. M. Modelos de Credit Scoring: Regressão Logística, CHAID e REAL. 2000. Dissertação (Mestrado em Estatística) – Programa de Pós-graduação em Estatística, Instituto de Matemática e Estatística da Universidade de São Paulo, São Paulo, 2000.
SEMOLINI, R. Support vector machines, inferência transdutiva e o problema de classificação. 2002. Dissertação (Mestrado em Engenharia Elétrica) – Programa de Pós-graduação em Engenharia Elétrica, Faculdade de Engenharia Elétrica e de Computação da Universidade Estadual de Campinas, Campinas, 2002.
SIEGEL, S. Estatística não-paramétrica para as ciências do comportamento. São Paulo: McGraw-Hill, 1975.
SILVA, S. F. Seleção de características por meio de algoritmos genéticos para aprimoramento de rankings e de modelos de classificação. 2011. 115f. Tese (Doutorado em Estatística) – Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, 2011.
ŠUŠTERŠIČ, M.; MRAMOR, D.; ZUPAN, J. Consumer credit scoring models with limited data. Expert Systems with Applications, v. 36, n. 3, p. 4736-4744, abr. 2009. http://dx.doi.org/10.1016/j.eswa.2008.06.016
TREVISANI, A. T., GONÇALVES, E. B., D’EMÍDIO, M.; HUMES, L. L. Qualidade de dados: desafio crítico para o sucesso do business intelligence. In: CONGRESSO LATINO AMERICANO DE ESTRATÉGIA, 18., 2004, Itajaí. Anais... Itajaí: Sociedade Latinoamericana de Estratégia, 2004.
ULISES, C.; CARMONA, D. M. Application of credit scoring models in the analysis of insolvency of a Brazilian microcredit institution. Journal of Modern Accounting and Auditing, v. 7, n. 8, p. 799-812, 2011.
YAP, B. W.; ONG, S. H.; HUSAIN, N. H. M. Using data mining to improve assessment of credit worthiness via credit scoring models. Expert Systems with Applications, v. 38, n. 10, p. 13274-13283, set 2011. http://dx.doi.org/10.1016/j.eswa.2011.04.147
Downloads
Publicado
Edição
Seção
Licença
Os direitos autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude de aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais. A revista permitirá o uso dos trabalhos publicados para fins não-comerciais, incluindo direito de enviar o trabalho para bases de dados de acesso público. Os artigos publicados são de total e exclusiva responsabilidade dos autores.
• O(s) autor(es) autoriza(m) a publicação do artigo na revista;
• O(s) autor(es) garante(m) que a contribuição é original e inédita e que não está em processo de avaliação em outra(s) revista(s);
• A revista não se responsabiliza pelas opiniões, ideias e conceitos emitidos nos textos, por serem de inteira responsabilidade de seu(s) autor(es);
• É reservado aos editores o direito de proceder ajustes textuais e de adequação do artigo às normas da publicação;
• O(s) autor(es) declaram que o artigo não possui conflitos de interesse.
