ESCOLA NACIONAL DE CIÊNCIAS ESTATÍSTICAS
Apresentação de Monografia |
A Escola Nacional de Ciências Estatísticas convida para a defesa de Monografia da Graduação intitulada: “COMPARAÇÃO ENTRE OS DESEMPENHOS DE REGRESSÃO LOGÍSTICA E MODELOS BASEADOS EM REDES NEURAIS PARA PREDIÇÃO DE INADIMPLÊNCIA”
Alunos: Pedro Henrique Ribeiro Alves e Vitor Hugo Cruz de Souza
Orientador: Daniel Takata Gomes (ENCE/IBGE)
Data: 27 de junho de 2023 – Terça-feira
Horário: 16h00m
Local: Rua André Cavalcanti, 106, sala 306 (Auditório) – ENCE
Resumo da Monografia: A inadimplência, isto é, o descumprimento de um acordo ou obrigação financeira prevista em contrato é um fenômeno bastante antigo e conhecido, mas segundo expectativas, tende a crescer para os próximos anos. O controle deste fenômeno é ponto nevrálgico para as instituições que trabalham com a concessão de crédito ao mercado. Para tanto, diversos acadêmicos empenham-se em entender o fenômeno e principalmente prevê-lo. Neste trabalho, foi abordado dois modelos estatístico-computacional para a previsão de inadimplência dos dados concedidos pela empresa Home Credit B.V.; empresa tcheca que concede crédito imobiliário. A comparação foi realizada entre um modelo estatístico clássico, o modelo de regressão logística, e um modelo computacional robusto, Rede Neural Artificial. Utilizou-se a função de ligação Logito para o modelo clássico e função de ativação Sigmoidal na camada de saída da Rede Neural Artificial, a fim de serem comparáveis. Os resultados obtidos foram bastante similares, em que ambos obtiveram a medida AUC igual a 0.67.
Palavras-chave: Inadimplência. Regressão Logística. Rede Neural Arficial. Razão de Chances. Risco de Crédito. Curva ROC.
Banca examinadora:
Daniel Takata Gomes (ENCE/IBGE) – Orientador
Eduardo Corrêa Gonçalves (ENCE/IBGE)
Coordenação de Graduação
Gustavo da Silva Ferreira