Dissertação

{en_GB=Credit Risk Modelling} {} EVALUATED

{pt=Definir o limite de crédito de empresas é uma das maiores fontes de preocupação na gestão de risco financeiro. Os métodos que calculam os limites de crédito têm vindo a ser desenvolvidos, de forma a cumprir as exigências e mudanças que ocorrem no mercado. Uma boa e adequada prática de definição de limite de crédito tem um impacto enorme nas poupanças das instituições financeiras, dado que resulta numa redução do potencial de empresas que podem falhar as suas obrigações financeiras. A presente pesquisa tem o objetivo de construir modelos fiáveis, que definem automaticamente o limite de crédito das empresas, de acordo com os seus dados financeiros. Os dados financeiros foram fornecidos por uma das maiores bases de dados financeira, contendo informações financeiras de milhares de empresas, desde rácios financeiros a resultados financeiros. Para construir estes modelos podem ser usadas várias tecnologias, sendo que neste estudo serão considerados métodos estatísticos e de inteligência artificial. Considerando estes métodos, o principal objetivo é descobrir qual destes consegue desenvolver o modelo mais preciso. Considerando os resultados finais, o modelo que revelou o melhor desempenho preditivo foi obtido por um método de Inteligência Artificial, como seria expectável. Apesar do modelo desenvolvido pelos Modelos Multiplicativos não ser fiável nesta fase do estudo, deixou fortes evidências de ser o método analítico usado para o cálculo do limite de crédito, exigindo uma análise profunda, sendo que existe a possibilidade de os dados serem divididos por classes, em que cada uma é definida por uma regressão diferente. , en=Setting a credit limit to companies is a major source of concern in financial risk management. The methods that calculate the credit limit have been developed as a response to the market requirements and changes. A good and appropriate practice of setting credit limits has a huge impact on financial institutions savings, once this results in a reduction of the potential companies which can default in their financial obligations. The present research aims to build reliable models, which automatically define the credit limit of the companies, according to their financial data. The financial dataset was provided from one of the biggest financial, containing information of thousands of corporations, since financial ratios to financial results. To build these models various technologies can be used, and in this study, methods such as statistical and AI methods will be tested. Considering these methods, the main objective was to find out which one can develop the most accurate model. Taking into account the final results, the model that revealed the best predictive performance was obtained by an Artificial Intelligence method, as it would be expected according to the academic literature. Despite the Multiplicative Model not being reliable at this stage of the research, it left strong evidences of being the analytical method used to credit limit calculation, requiring a deeper analysis, where the data are possibly divided into classes, and each class is defined by a different regression. }
{pt=Limite de crédito, Regressão Linear Múltipla, Modelos Multiplicativos, Multilayer Perceptron, Radial Basis Function, en=Credit limit, Multiple Linear Regression, Multiplicative Models, Multilayer Perceptron, Radial Basis Function.}

Janeiro 28, 2021, 14:30

Orientação

ORIENTADOR

António Manuel da Nave Quintino

Departamento de Engenharia e Gestão (DEG)

Professor Auxiliar Convidado