Análise de credit scoring utilizando redes neurais
dc.contributor.advisor | Fogliatto, Flavio Sanson | pt_BR |
dc.contributor.author | Schoen, Pedro Rehfeld | pt_BR |
dc.date.accessioned | 2018-06-26T02:31:42Z | pt_BR |
dc.date.issued | 2017 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10183/179763 | pt_BR |
dc.description.abstract | Bancos e instituições financeiras usualmente desejam saber quais clientes pagarão o crédito concedido. Para tanto, usam modelos estatísticos de credit scoring.Nos últimos anos, redes neurais se estabeleceram como uma das ferramentas com melhores resultados em desenvolvimento de modelos de credit scoring. A fim de aprimorar a precisão de modelos de credit scoring, esse artigo tem como objetivo analisar o uso de variáveis dummy e seleção stepwise de variáveis no desenvolvimento de modelos de credit scoring com redes neurais. Para isso, foram desenvolvidos a partir de uma base de dados de um banco de Taiwan, 4 modelos, com variações de uso/não uso de variáveis dummy e seleção stepwise .Comparando-os, constatou-se que ambos os modelos com uso de variáveis dummy , com ou sem uso de seleção stepwise, tiveram resultados melhores comparados à base padrão. Também se verificou que a seleção stepwise traz um ganho pequeno se considerado o aumento do tempo necessário para sua aplicação. | pt |
dc.format.mimetype | application/pdf | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | Open Access | en |
dc.subject | Engenharia de produção | pt_BR |
dc.title | Análise de credit scoring utilizando redes neurais | pt_BR |
dc.type | Trabalho de conclusão de graduação | pt_BR |
dc.identifier.nrb | 001051699 | pt_BR |
dc.degree.grantor | Universidade Federal do Rio Grande do Sul | pt_BR |
dc.degree.department | Escola de Engenharia | pt_BR |
dc.degree.local | Porto Alegre, BR-RS | pt_BR |
dc.degree.date | 2017 | pt_BR |
dc.degree.graduation | Engenharia de Produção | pt_BR |
dc.degree.level | graduação | pt_BR |
Este item está licenciado na Creative Commons License
-
TCC Engenharias (5670)