Portada

PREVISAO DO RISCO DE EMPRéSTIMO IBD

EDIÇOES NOSSO CONHECIMENTO
04 / 2025
9786206804390
Portugués

Sinopsis

A previsao do risco de crédito é crucial para as instituiçoes financeiras minimizarem os riscos de crédito. Este estudo investiga a eficácia dos dados de transacçoes na previsao do risco de empréstimos, comparando o desempenho de dois algoritmos populares: regressao logística e redes neurais feed-forward. A investigaçao visa avaliar as capacidades de previsao, a interpretabilidade e a aplicabilidade prática destes modelos na identificaçao de potenciais incumprimentos de empréstimos com base em padroes transaccionais. Os dados transaccionais, adquiridos no Kaggle, foram submetidos a um pré-processamento rigoroso e a uma engenharia de caraterísticas adaptada às caraterísticas únicas dos registos de transacçoes financeiras. Ambos os modelos foram extensivamente treinados e avaliados utilizando métricas estabelecidas, abrangendo a exatidao, a precisao, a recordaçao e a pontuaçao F1 para medir de forma abrangente o seu desempenho na previsao de incumprimentos de empréstimos. Os resultados indicam pontos fortes variados entre os modelos: a regressao logística demonstra uma interpretabilidade louvável, ao mesmo tempo que alcança métricas de desempenho competitivas, enquanto a rede neural feed-forward apresenta uma maior exatidao de previsao, embora com maior complexidade e menor interpretabilidade.

PVP
64,05