Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/46078
Files in This Item:
File Description SizeFormat 
2022_MoniqueLohaneXavierSilva.pdf383,33 kBAdobe PDFView/Open
Title: Um modelo de risco de crédito bayesiano para classificação de clientes inadimplentes
Other Titles: A bayesian credit risk model for rating defaulting customers
Authors: Silva, Monique Lohane Xavier
metadata.dc.contributor.email: monique_lohane@hotmail.com
Orientador(es):: Nakano, Eduardo Yoshio
Assunto:: Escore de risco
Regressão logística
Inferência bayesiana
Informação a priori
Issue Date: 12-Jul-2023
Citation: SILVA, Monique Lohane Xavier. Um modelo de risco de crédito bayesiano para classificação de clientes inadimplentes. 2022. 61 f., il. Dissertação (Mestrado em Estatística) — Universidade de Brasília, Brasília, 2022.
Abstract: O objetivo desse trabalho foi propor uma modelagem bayesiana de risco de crédito para a classificação de clientes quanto ao seu risco de inadimplência. O diferencial da metodologia proposta é a possibilidade de incorporar uma informação a priori no processo de classificação dos clientes e não apenas na obtenção das estimativas dos parâmetros do modelo que gera o Escore de Risco. A principal vantagem desse procedimento se deve à simplicidade em incorporar a opinião do especialista no processo de classificação, algo que não ocorre na modelagem bayesiana tradicional, cuja informação a priori recai sobre os parâmetros dos modelos que, geralmente, são quantidades abstratas e/ou associadas à covariáveis sujeitas a problemas de multicolinearidade. Para a devida ilustração da metodologia proposta, utilizou-se um conjunto de dados na literatura e os resultados obtidos mostraram que o modelo é útil para a classificação de clientes quanto a sua probabilidade de inadimplência.
Abstract: The aim of this work was to propose a bayesian credit risk model for classifying customers in terms of their default risk. The differential of the proposed methodology is the possibility of incorporating a priori information in the customer classification process and not just in the estimation of the customers' evaluation parameters. The main advantage of this procedure is due to the simplicity in incorporating the expert's opinion in the classification process, something that does not occur in traditional bayesian modeling, whose a priori information falls on the parameters of the models, which are usually abstract quantities and/or associated with covariates with multicollinearity problems. To illustrate the proposed methodology, a dataset in the literature was used and the results obtained showed that the model is useful for classifying customers in terms of their probability of default.
metadata.dc.description.unidade: Instituto de Ciências Exatas (IE)
Departamento de Estatística (IE EST)
Description: Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2022.
metadata.dc.description.ppg: Programa de Pós-Graduação em Estatística
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.
Appears in Collections:Teses, dissertações e produtos pós-doutorado

Show full item record " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/46078/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.