Comparação do desempenho de Modelos Lineares Generalizados (MLG) e Modelos Aditivos Generalizados (MAG) na predição de dados financeiros em credit score

• Ano de defesa: 2010
• Autor(a) principal: Guirado, Lorene
• Orientador(a): Louzada Neto, Francisco
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de São Carlos; Câmpus São Carlos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Estatística - PPGEs
• Palavras-chave em Português: Dados binários; Modelos lineares generalizados; Modelos aditivos generalizados
• Palavras-chave em Inglês: Lift; Credit Score
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::REGRESSAO E CORRELACAO
• Link de acesso: https://repositorio.ufscar.br/handle/ufscar/10158

This study aimed to present and compare the performance of two different methodologies for statistical modeling of financial data with dichotomous response, specifically exemplified by models of credit score as well as methodologies for validation and performance analysis of these models. One of the measures used in this analysis is the lift, often used in marketing, but little used in the financial area, this measure is also used as a descriptive technique for categorizing variables. The techniques presented here are the Generalized Linear Models (GLM), the most usual method, and Generalized Additive Models (GAM), unusual in finance because it is a semi-parametric or nonparametric model, generating even some difficulty in interpretation because it does not present parameters. The predictive capabilities of the two techniques are compared in an application on real data and in a simulation study.