Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/44464
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2022_FlávioHenriquedeSouzaGonçalves.pdf1,75 MBAdobe PDFVisualizar/Abrir
Título: Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking
Autor(es): Gonçalves, Flávio Henrique de Souza
Orientador(es): Souza, João Carlos Félix
Assunto: Gestão de riscos
Renda presumida
Regressão quantílica
Inteligência analítica
Open Banking
Data de publicação: 9-Ago-2022
Referência: GONÇALVES, Flávio Henrique de Souza. Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking. 2022. xii, 68 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2022.
Resumo: Uma das informações fundamentais no processo de concessão de crédito em uma instituição financeira é a capacidade de o indivíduo honrar os compromissos assumidos. Nesse contexto, a renda individual da pessoa física é de suma importância para determinar, de maneira adequada, a capacidade de pagamento e o volume de recursos a serem disponibilizados a cada cliente. Um modelo estatístico capaz de estimar a renda do indivíduo é deveras relevante, para além do processo de crédito, com influência, por exemplo, na exigência regulatória, na fidelização/prospecção de clientes, no combate à lavagem de dinheiro, na validação de informações prestadas sem a devida comprovação e sujeitas a risco operacional - no momento de internalização do dado -, entre outros. A posse de informações de renda fidedignas e atualizadas torna-se, portanto, grande vantagem competitiva para as instituições financeiras. Dado o início do Open Banking no Brasil (princípio que permite a abertura de dados no sistema financeiro), o desafio de estimar a renda presumida das pessoas físicas, por metodologia proprietária, pode ser o diferencial das instituições financeiras e fintechs, nesta nova arena do Sistema Financeiro Nacional (SFN). A partir deste ecossistema de compartilhamento de dados foi desenvolvido modelos estatísticos para presumir a renda de clientes de uma Instituição Financeira Brasileira com objetivo de aprimorar a consistência das informações cadastrais, mitigar os riscos de crédito e prospectar novos clientes. O presente trabalho objetiva descrever as etapas de elaboração do modelo preditivo de renda presumida de pessoa física, utilizando modelagem estatística - em especial a regressão quantílica -, aplicadas em base de dados de clientes em uma grande instituição financeira brasileira e comparar seus resultados com os modelos de renda presumida adquiridos de Bureaus de Crédito.
Abstract: One of the fundamental pieces of information in the credit granting process to a financial institution is the individual’s ability to honor commitments assumed. In this context, the individual income is of paramount importance to properly determine one’s ability to pay and the volume of resources to be made available to each customer. A statistical model capable of estimating an individual’s income is highly relevant, and goes beyond the credit process, as it influences, for instance, regulatory requirement, customer loyalty/prospecting, money laundering fighting, validation of information provided without proper evidence and subject to operational risk at the time of data internalization, among others. The possession of reliable and up-to-date income information becomes, therefore, a relevant competitive advantage for financial institutions. With the beginning of Open Banking in Brazil (a principle that allows data opening in the financial system), the challenge of estimating the presumed income of individuals, using a proprietary methodology, could be the dierential for financial institutions and fintechs in this new arena of the National Financial System (SFN). From this data sharing ecosystem, statistical models were developed to estimate the income of clients of a Brazilian Financial Institution with the objective of improving the consistency of registration information, mitigating credit risks and prospecting new clients. The present work aims to describe the stages of elaboration of the predictive model of estimated income of individuals, using statistical modeling - in particular quantile regression -, applied to a database of clients in a large Brazilian financial institution and to compare its results with the models of presumed income acquired from Credit Bureaus.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Ciência da Computação (IE CIC)
Informações adicionais: Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Brasília, 2022.
Programa de pós-graduação: Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



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