Modelagem para concessão de crédito a pessoas físicas em empresas comerciais : da decisão binária para a decisão monetária

• Ano de defesa: 2012
• Autor(a) principal: Selau, Lisiane Priscila Roldão
• Orientador(a): Becker, Joao Luiz
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Lucro médio; Concessão de crédito; Modelo de previsão; Tomada de decisão
• Palavras-chave em Inglês: Credit analysis; Forecasting model; Monetary decision
• Link de acesso: http://hdl.handle.net/10183/55145

A presente tese tem como objetivo propor um modelo de previsão para estimar o lucro médio esperado na concessão de crédito para pessoas físicas em empresas comerciais, obtendo assim uma medida monetária para dar suporte à tomada de decisão. O modelo proposto foi desenvolvido em três grandes etapas: 1) pré-processamento; 2) modelos de classificação; e 3) modelo de previsão do risco monetário. A primeira etapa inclui três passos: (i) delimitação da população, (ii) seleção da amostra, e (iii) análise preliminar. Na segunda etapa mais dois passos são necessários: (i) construção dos modelos, e (ii) qualidade dos modelos. Por fim, a última etapa trata das definições para construção do modelo de previsão do risco monetário propriamente dito, que utilizou os seguintes métodos: (i) ensemble, (ii) hybrid, e (iii) regressão linear múltipla. A exequibilidade do modelo proposto foi testada em dados reais de concessão de crédito. São avaliados os resultados de utilização do modelo de previsão, de forma a verificar o potencial aumento nos ganhos a partir da concessão do crédito, comparando quatro cenários: (i) sem utilizar nenhum modelo de previsão de risco de crédito; (ii) utilizando o modelo de classificação obtido com a regressão logística; (iii) utilizando o modelo de classificação obtido com a rede neural; e (iv) utilizando o modelo proposto para previsão do risco monetário. O modelo construído demonstrou resultados promissores na previsão do lucro médio esperado, apresentando um aumento estimado de 94,97% em comparação com o cenário sem uso de modelo de previsão, e um aumento de 26,08% quando comparado com o cenário de uso do modelo de classificação obtido com regressão logística. Uma análise de sensibilidade dos resultados com variações na margem de lucro por transação também foi realizada, evidenciando sua robustez. Nesse sentido, o modelo proposto se mostra efetivo como ferramenta de apoio para gestão no processo de decisão de concessão de crédito.