Dissertação

Evaluating Classical and Artificial Intelligence Methods for Credit Risk Analysis. An experimental comparison using a database for B2B clients EVALUATED

O risco na concessão de crédito continua a ser um tópico de suprema importância na área da gestão do risco em finanças. Apesar dos métodos utilizados nesta área se terem tornado gradualmente mais sofisticados, existe ainda algum espaço para melhorias. Estes avanços podem-se traduzir em enormes ganhos para instituições financeiras e outras organizações que concedam crédito através da redução do potencial para perdas neste processo. Este trabalho de pesquisa procura comparar métodos estatísticos e de inteligência artificial num contexto de análise de risco de crédito. Com este intuito, é realizada uma experiência de credit scoring com recurso a uma amostra de empresas. A amostra obtida contém uma variedade de informação financeira e de outros tipos a respeito destas empresas, possibilitando o desenvolvimento e implementação de diversos modelos. Os procedimentos de pré-processamento dos dados são estabelecidos, nomeadamente na forma de uma técnica de amostragem adequada para a obtenção de uma amostra equilibrada. Adicionalmente, problemas de multicolinearidade são estudados e a presença de valores discrepantes é abordada. Esta fase da pesquisa permite que modelos não-robustos a estas questões tenham desempenhos superiores, nomeadamente os métodos estatísticos que são tendencialmente mais afetados. Diversos modelos alternativos são examinados para cada um dos métodos de credit scoring considerados. Após esta fase de experimentação, os melhores modelos são selecionados para integrarem o estudo comparativo. Esta análise revela que o melhor desempenho é obtido pelos métodos de inteligência artificial, confirmando os resultados de outros estudos comparativos.
risco de crédito, inteligência artificial, análise discriminante, regressão logística, redes neuronais artificiais, árvores de decisão

Novembro 28, 2019, 18:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

António Manuel da Nave Quintino

Departamento de Engenharia e Gestão (DEG)

Professor Auxiliar Convidado