Use este identificador para citar ou linkar para este item: https://repositorio.idp.edu.br//handle/123456789/3083
Título: O poder preditivo dos modelos com aprendizado de máquina é superior aos modelos tradicionais para análise do risco de crédito?
Tipo: Working paper
Autor(es): Pinto, Alex Cerqueira
Carvalho, Alexandre Xavier Ywata de
Palavras-chave: Risco de crédito;Aprendizado de máquina;Indicadores financeiros;Modelo
Data do documento: 2020
Editor: IDP/ EAB
Citação: PINTO, Alex Cerqueira; CARVALHO, Alexandre Xavier Ywata de. O poder preditivo dos modelos com aprendizado de máquina é superior aos modelos tradicionais para análise do risco de crédito? 2020. 37 f. Working Paper (Economia) - Instituto Brasileiro de Ensino, Desenvolvimento e Pesquisa, Brasília, 2020.
Resumo: O objetivo desse trabalho foi desenvolver e analisar, para o risco de crédito, se modelos com uso de aprendizado de máquina apresentam melhor poder preditivo comparado aos tradicionais e aplicar técnicas de interpretabilidade ao de melhor performance. A metodologia adotada corresponde a pesquisa empírica econométrica com o uso das técnicas de aprendizado supervisionado. O público-alvo foram empresas do segmento atacado. Para as variáveis do modelo foram utilizados indicadores econômicos e financeiros, retirados das demonstrações contábeis das empresas, e também variáveis macroeconômicas. Os resultados indicam que o modelo de melhor capacidade preditiva foi o XGBoost, com curva ROC de 0.99 e acurácia de 0.98, na base teste. Na análise de interpretabilidade, via sharp value, os resultados corroboram o sentido econômico das variáveis. Do mesmo modo, a interpretabilidade via interações mostrou a influência da interação entre variáveis para melhora preditiva do modelo. Estes resultados corroboram a tendência de crescimento do uso de modelos com técnicas de machine learning na área econômica.
URI: https://repositorio.idp.edu.br//handle/123456789/3083
Aparece nas coleções:Série IDP Working Papers

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
06_WorkingPaper- Alex Cerqueira Pinto e Alexandre Xavier Ywata de Carvalho.pdf1.11 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.