Ferramenta de machine learning para predição de inadimplência em operações de crédito: uma aplicação em carteira de crédito de uma cooperativa
Carregando...
Tipo
Dissertação
Data de publicação
2025-03-03
Periódico
Citações (Scopus)
Autores
Lima, Eduardo Chiariello Pereira
Orientador
Vallim Filho, Arnaldo Rabello de Aguiar
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Yoshikuni, Adilson Carlos
Bonizio, Roni Cleber
Bonizio, Roni Cleber
Programa
Controladoria e Finanças Empresariais
Resumo
Objetivo: Este estudo tem como objetivo desenvolver e implementar uma ferramenta de Machine Learning (ML), um campo da Inteligência Artificial (IA) focado no desenvolvimento de algoritmos que aprendem padrões a partir de dados, para prever e mitigar o risco de inadimplência, utilizando como estudo de caso uma cooperativa de crédito. Metodologia/Abordagem: A pesquisa adotou uma abordagem aplicada, nos moldes de uma pesquisa-ação, onde técnicas de Machine Learning foram aplicadas a uma base de dados contendo mais de 91 mil contratos de crédito ativos até agosto de 2023. O processo incluiu o processamento e normalização da base de dados e a posterior aplicação de diversos modelos preditivos, como Random Forest, Gradient Boosted Trees e Redes Neurais Artificiais, para avaliar sua eficácia na previsão da inadimplência. Resultados: Os resultados apontaram que o modelo Gradient Boosted Trees apresentou o melhor desempenho, com 98,32% de acurácia e um F-score de 0,91, destacando as variáveis Risco da Operação e Produto como as mais influentes. Implicações Práticas: A ferramenta desenvolvida tem potencial de aumentar a eficiência e eficácia operacional, permitindo que gestores antecipem riscos e tomem decisões estratégicas embasadas. Originalidade: O estudo explora a aplicação de técnicas avançadas de Machine Learning no contexto de cooperativas de crédito brasileiras, um campo ainda pouco explorado. Contribuições: O estudo contribui teoricamente ao expandir o conhecimento sobre o uso dessas tecnologias para gestão de risco e fornece um guia prático para futuras aplicações. As implicações práticas são promissoras, destacando o potencial de automação e precisão desses modelos para a gestão de crédito em cooperativas. Limitações da Pesquisa: No entanto, o estudo possui a limitação de que a análise foi focada em apenas uma cooperativa, o que pode restringir a generalização dos resultados. Pesquisas futuras devem expandir o estudo para outras instituições com o intuito de validar e aprimorar os modelos.
Descrição
Palavras-chave
inadimplência , risco de crédito , inteligência artificial , machine learning , cooperativa de crédito