Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/46956
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2023_CayanAtreioPortelaBárcenaSaavedra.pdf6,92 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorKimura, Herbert-
dc.contributor.authorSaavedra, Cayan Atreio Portela Bárcena-
dc.date.accessioned2023-12-05T17:35:52Z-
dc.date.available2023-12-05T17:35:52Z-
dc.date.issued2023-12-05-
dc.date.submitted2023-05-31-
dc.identifier.citationSAAVEDRA, Cayan Atreio Portela Bárcena. Essays in machine learning applications in credit risk. 2023. 84 f. Tese (Doutorado em Administração) — Universidade de Brasília, Brasília, 2023.pt_BR
dc.identifier.urihttp://repositorio2.unb.br/jspui/handle/10482/46956-
dc.descriptionTese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão Pública, Programa de Pós-Graduação em Administração, 2023.pt_BR
dc.language.isoengpt_BR
dc.rightsAcesso Abertopt_BR
dc.titleEssays in machine learning applications in credit riskpt_BR
dc.typeTesept_BR
dc.subject.keywordRisco de créditopt_BR
dc.subject.keywordAprendizagem de máquinapt_BR
dc.subject.keywordRisco (Economia)pt_BR
dc.subject.keywordAnálise de sobrevivênciapt_BR
dc.rights.licenseA 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.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.pt_BR
dc.description.abstract1This dissertation explores applications of machine learning models in credit risk. Statistical and machine learning techniques are investigated, seeking to develop alternative methods in the credit risk modeling pipeline, aiming at comply with standards and regulations. We develop three papers in this dissertation, analyzing different aspects of credit risk using machine learning. In the first paper, Algorithmic Credit Analysis and the use of Discriminatory Variables, concerning machine learning fairness and the use of sensitive variables. In the second paper, Lifetime Probability of Default with Survival Analysis and Ensemble Methods, application of survival analysis models for the entire time maturity of a credit operation. Finally, in the third paper, Credit Risk Assessment with Machine Learning and Competing Risk Survival Analysis Models, an adaptation in competing risks subdistribution hazards. In the three applications, different machine learning models are explored, and the results are discussed, aiming to contribute to the credit risk literature.pt_BR
dc.description.unidadeFaculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)pt_BR
dc.description.unidadeDepartamento de Administração (FACE ADM)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Administraçãopt_BR
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



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