Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Xavier, Eric Carvalhal |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.idp.edu.br//handle/123456789/4193
|
Resumo: |
O objetivo desse trabalho foi identificar a existência de variáveis comportamentais de cotistas de fundos de investimento que pudessem ajudar a explicar o encerramento de relacionamento com o banco e buscar modelos com a melhor performance preditora de evasão. A metodologia utilizou a pesquisa aplicada para gerar conhecimentos de aplicação prática com a abordagem quantitativa. O procedimento adotado foi por meio da pesquisa empírica a base de dados de uma instituição financeira do Brasil. Para garantir o atendimento à Lei 13.709 de 14 de agosto de 2018, todas as informações pessoais foram descaracterizadas e não disponibilizadas durante o processo de pesquisa, análise de dados e desenvolvimento dos modelos preditivos para a aprendizagem de máquinas. A população totalizou 2.907.270 clientes pessoas físicas dos segmentos de média a alta renda e amostra balanceada com a técnica under sampling de 200.000 clientes. As principais variáveis identificadas como importantes na predição da evasão foram a posse de produtos, saldo, perfil digital, dentre outras. Foi realizada a comparação de performance em relação a curva ROC para os modelos Regressão Logística, Árvore de Decisão, KNN, Naive Bayes, Randon Forest, XGBoost, LDA, MLP e SVC, e os resultados apontaram o XGBoost como o modelo de melhor performance preditiva com curva ROC de 0,7861 e matriz de confusão com acurácia de 71,16. |
