Uma Abordagem Bayesiana em Modelos de Risco de Crédito (2022)
- Authors:
- Autor USP: MENDES, ERICK LUCIANO FLORIANO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- DOI: 10.11606/D.55.2022.tde-30082022-143536
- Subjects: REGRESSÃO LOGÍSTICA; VEROSSIMILHANÇA; INFERÊNCIA BAYESIANA
- Keywords: Bayesian inference; Credit modeling; Credit risk; Modelagem de crédito; Modelos power link; Power links models; Risco de crédito
- Language: Português
- Abstract: A decisão de aprovação ou não de uma proposta de crédito resulta basicamente em duas opções: ou o crédito é aprovado, ou o crédito é reprovado. Para a aprovação deste crédito as empresas utilizam usualmente o modelo de regressão logística com a estimação dos parâmetros baseada no Estimador de Máxima Verossimilhança, uma técnica considerada da Inferência Clássica, o que limita a usabilidade deste estimador. Uma das abordagens desafiantes muito discutida em pesquisas acadêmicas é a Inferência Bayesiana, em que os parâmetros dos modelos são interpretados como variáveis aleatórias com distribuições definidas a priori. Sendo assim, a proposta desta pesquisa foi a utilização de técnicas provenientes da Inferência Bayesiana para avaliar possíveis ganhos que essa abordagem poderia trazer frente à metodologia Clássica. As análises foram desenvolvidas a partir de uma base de dados com cerca de cem mil registros contendo informações da performance de crédito de uma instituição financeira e variáveis preditoras com informações de débitos,consultas, informações geográficas e cadastrais em todo o mercado de crédito. Em posse destas informações, foram testadas abordagens Bayesianas para a estimativa dos parâmetros do modelo, avaliando os resultados em termos de KS e AUC. Avaliouse também o ganho que as transformações Power Link na função e ligação logito poderiam trazer. Foram testados mais de 60 modelos Bayesianos diferentes, com resultados de KS e AUC bastante próximos aos resultadosutilizando Inferência Clássica( melhor resultado de KS foi 26.8% e o melhor resultado de AUC foi de 33.0%). Sendo assim, ao final da pesquisa foi possível encontrar modelos Bayesianos com poder discriminante (KS e AUC) próximas ao modelo Clássico, porém com a grande vantagem de obter parâmetros agora com distribuições de probabilidade conhecidas.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2022
- Data da defesa: 08.03.2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MENDES, Erick Luciano Floriano. Uma Abordagem Bayesiana em Modelos de Risco de Crédito. 2022. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://teses.usp.br/teses/disponiveis/55/55137/tde-30082022-143536/. Acesso em: 07 abr. 2026. -
APA
Mendes, E. L. F. (2022). Uma Abordagem Bayesiana em Modelos de Risco de Crédito (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55137/tde-30082022-143536/ -
NLM
Mendes ELF. Uma Abordagem Bayesiana em Modelos de Risco de Crédito [Internet]. 2022 ;[citado 2026 abr. 07 ] Available from: https://teses.usp.br/teses/disponiveis/55/55137/tde-30082022-143536/ -
Vancouver
Mendes ELF. Uma Abordagem Bayesiana em Modelos de Risco de Crédito [Internet]. 2022 ;[citado 2026 abr. 07 ] Available from: https://teses.usp.br/teses/disponiveis/55/55137/tde-30082022-143536/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
