Desenvolvimento de um modelo de análise de crédito baseado em dados de redes sociais

Página do item simplificado
dc.contributor.advisorSilva, Leandro Augusto da
dc.contributor.authorSantos, Tharles Maicon Freire dos
dc.date.accessioned2025-02-25T15:53:00Z
dc.date.available2025-02-25T15:53:00Z
dc.date.issued2024-09-30
dc.description.abstractA análise de crédito tradicional enfrenta diversos desafios, incluindo a dependência de dados históricos, que podem não refletir adequadamente o risco futuro, e a dificuldade de capturar fatores qualitativos e comportamentais. Em complemento aos dados históricos, há oportunidades de uso de dados de redes sociais que podem indicar o comportamento financeiro dos indivíduos, como frequência de postagens, redes de amigos e interações sociais. Estes dados de redes sociais uma vez transformados em variáveis podem agregar maior precisão na análise de crédito. Neste sentido que esta pesquisa propõe desenvolver um modelo inovador de análise de crédito, utilizando dados de redes sociais. A pesquisa visa explorar a viabilidade da aplicação de dados de redes sociais na análise de crédito e as vantagens dessa abordagem em comparação aos métodos tradicionais, que se baseiam em dados financeiros históricos. Para tanto são construídos e validados modelos preditivos utilizando técnicas de aprendizado de máquina. Esses modelos são então avaliados quanto a sua capacidade de atender aos pilares da análise de crédito – Caráter, Capacidade, Capital, Colateral e Condições – da mesma forma que as análises tradicionais baseadas em dados históricos. Os resultados da pesquisa indicam que a inclusão de dados de redes sociais pode melhorar significativamente a precisão dos modelos de análise de crédito, oferecendo uma visão mais completa e atualizada sobre os solicitantes. Além disso, a pesquisa discute as implicações ´éticas e de privacidade no uso de dados de redes sociais para fins de análise de crédito, bem como as implicações regulatórias. Este estudo contribui para a área de análise de crédito ao introduzir uma nova perspectiva baseada em big data e aprendizado de máquina, promovendo uma abordagem mais justa e inclusiva para a concessão de crédito.
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/40047
dc.language.isopt_BR
dc.subjectanálise de crédito
dc.subjectredes sociais
dc.subjectaprendizado de máquina
dc.subjectbig data
dc.subjectprivacidade
dc.subjectinclusão financeira
dc.titleDesenvolvimento de um modelo de análise de crédito baseado em dados de redes sociais
dc.typeDissertação
local.contributor.advisorLatteshttp://lattes.cnpq.br/1396385111251741
local.contributor.advisorOrcidhttps://orcid.org/0000-0002-8671-3102
local.contributor.authorLatteshttp://lattes.cnpq.br/4773794180764797
local.contributor.board1Sampaio, Gustavo Scalabrini
local.contributor.board1Latteshttp://lattes.cnpq.br/6516369977507577
local.contributor.board1Orcidhttps://orcid.org/0000-0003-1150-5584
local.contributor.board2Souza, Alexandra Aparecida
local.contributor.board2Latteshttp://lattes.cnpq.br/1119774618311172
local.description.abstractenTraditional credit analysis faces various challenges, including a reliance on historical data that may not adequately reflect future risk and the difficulty in capturing qualitative and behavioral factors. In addition to historical data, there are opportunities to use social network data that can indicate individuals’ financial behavior, such as posting frequency, friend networks, and social interactions. Once transformed into variables, this social network data can add greater accuracy to credit analysis. This research proposes developing an innovative credit analysis model using social network data. The study aims to explore the feasibility of applying social network data in credit analysis and the advantages of this approach compared to traditional methods that rely on historical financial data. To achieve this, predictive models are built and validated using machine learning techniques. These models are then evaluated on their ability to meet the pillars of credit analysis – Character, Capacity, Capital, Collateral, and Conditions – in the same way as traditional analyses based on historical data. The research results indicate that the inclusion of social network data can significantly improve the accuracy of credit analysis models, providing a more comprehensive and up-to-date view of applicants. Additionally, the research discusses the ethical and privacy implications of using social network data for credit analysis purposes, as well as regulatory implications. This study contributes to the field of credit analysis by introducing a new perspective based on big data and machine learning, promoting a fairer and more inclusive approach to credit granting.
local.keywordscredit analysis
local.keywordssocial network
local.keywordsmachine learning
local.keywordsbig data
local.keywordsprivacy
local.publisher.departmentFaculdade de Computação e Informática (FCI)
local.publisher.programComputação Aplicada
local.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
THARLES MAICON FREIRE DOS SANTOS - TCM - VERSÃO FINAL - protegido.pdf
Tamanho:
1.71 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2.22 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Computação Aplicada (Mestrado Profissional) - Dissertações - FCI Higienópolis