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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
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://www.teses.usp.br/teses/disponiveis/55/55137/tde-30082022-143536/. Acesso em: 06 jun. 2024. -
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://www.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 2024 jun. 06 ] Available from: https://www.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 2024 jun. 06 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-30082022-143536/
Informações sobre o DOI: 10.11606/D.55.2022.tde-30082022-143536 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas