Risco de crédito: uma análise comparativa entre diferentes métodos de avaliação
| Orientador(a) (dc.contributor.advisor) | Azevedo, André Filipe Zago de | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/0625926234026025 | pt_BR |
| Autor(a) (dc.contributor.author) | Pires, Cristiano Martins | |
| Autor(a) Lattes (dc.contributor.authorLattes) | http://lattes.cnpq.br/4285031823444914 | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2021-11-23T13:12:35Z | |
| dc.date.available (dc.date.available) | 2021-11-23T13:12:35Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2021-09-30 | |
| Abstract (dc.description.abstract) | This paper analyzes the different methods of credit risk assessment, considering the techniques of Logistic Regression, widely used for credit risk scoring, and also Machine Learning, which has been explored for various purposes, including in the context of credit scoring. The importance of the theme is evident considering that the economic system depends on credit to promote the expansion of consumption and economic growth. To reach the objective, bibliographic research of a qualitative nature was used in the study. As findings, it is noteworthy that there is no definitive position on which method of credit risk assessment is the best to be used, having different factors for the choice to be made. The fact is that both demonstrate a satisfactory level of accuracy, presenting advantages and disadvantages, depending on the context in which the problem is inserted. Another relevant point, specific to credit in the Brazilian economy, is the level of credit concession that shows expansion over time, maintaining or even reducing the level of default, depending on the period analyzed. This shows that the techniques and processes used by the financial system are following this evolution. As contributions, the paper provides a broad review of the subject, from the role of credit in the economy and its recent evolution in the Brazilian context, to the most used techniques for credit scoring. This research contributes both to the academic environment, by establishing a synthetic consolidation on the topic, and to the professional environment, for professionals in the business of credit risk and related areas. | en |
| Resumo (dc.description.resumo) | O presente trabalho tem como objetivo analisar diferentes métodos de avalição de risco de crédito, considerando as técnicas de Regressão Logística, amplamente usada para avaliação de risco de crédito, e também de Machine Learning, que vem sendo explorada para diversas finalidades, inclusive no âmbito de Credit Scoring. A importância do tema é evidente considerando que o sistema econômico depende do crédito para promover a expansão do consumo e do crescimento econômico. Para atender ao objetivo, foi realizada uma pesquisa bibliográfica, de natureza qualitativa. Como constatações, ressalta-se que não há posição definitiva sobre qual método de avaliação de risco de crédito é o melhor a ser utilizado, tendo diferentes fatores para que a escolha seja feita. Fato é que, ambos demonstram nível de acurácia satisfatório, apresentando vantagens e desvantagens, dependendo do contexto que o problema está inserido. Outro ponto relevante, específico do crédito na economia brasileira, é de que o nível de concessão demonstra expansão ao longo do tempo, mantendo ou até reduzindo o nível de inadimplência, dependendo do período analisado. Isso demonstra que as técnicas e processos utilizados pelo sistema financeiro estão acompanhando essa evolução. Como contribuições, o trabalho faz uma revisão ampla sobre o tema, desde o papel do crédito na economia e sua evolução recente no contexto brasileiro, bem como as técnicas mais utilizadas para Credit Scoring. Esse levantamento contribui tanto para o meio acadêmico, estabelecendo um consolidado sintético sobre o tema, quanto para o meio profissional, para profissionais da área de risco de crédito e afins. | pt_BR |
| Agência de fomento (dc.description.sponsorship) | Nenhuma | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/10629 | |
| Idioma (dc.language) | pt_BR | pt_BR |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| País da Instituição (dc.publisher.country) | Brasil | pt_BR |
| Departamento (dc.publisher.department) | Escola de Gestão e Negócios | pt_BR |
| Sigla da Instituição (dc.publisher.initials) | Unisinos | pt_BR |
| Programa (dc.publisher.program) | Programa de Pós-Graduação em Gestão e Negócios | pt_BR |
| Direitos de acesso ao documento (dc.rights) | openAccess | pt_BR |
| Assunto (dc.subject) | Risco de crédito | pt_BR |
| Assunto (dc.subject) | Regressão logística | pt_BR |
| Assunto (dc.subject) | Machine learning | en |
| Assunto (dc.subject) | Credit scoring | en |
| Assunto (dc.subject) | Credit risk | en |
| Assunto (dc.subject) | Logistical regression | en |
| Tema (CNPq) (dc.subject.cnpq) | ACCNPQ::Ciências Sociais Aplicadas::Administração | pt_BR |
| Título (dc.title) | Risco de crédito: uma análise comparativa entre diferentes métodos de avaliação | pt_BR |
| Tipo de arquivo (dc.type) | Dissertação | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Cristiano Martins Pires_.pdf
- Tamanho:
- 580.97 KB
- Formato:
- Adobe Portable Document Format
- Descrição:
- risco_credito
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: