Introdução.

O propósito de esta pesquisa é analisar o risco creditício de uma instituição financeira não vigilada pela Superintendência Financeira da Colômbia em torno de um modelo scoring que permita determinar o incumprimento dos clientes correspondentes à sua carteira de consumidores.

Objetivo.

Confrontar o poder de previsão de dois modelos scoring obtidos através de regressão logística e rede neuronal.

Materiais e métodos.

Os modelos desenvolvam-se com base em uma amostra de 43.086 obrigações correspondentes à una carteira de consumidores, utilizando as técnicas estatísticas de regressão logística e rede neuronal. A primeira está enquadrada no grupo dos modelos lineais generalizados, os quais utilizam uma função logit e são úteis para modelar probabilidades referentes à um evento em função de outras variáveis, em quanto que, a segunda são modelos computacionais cujo objetivo é resolver problemas utilizando relações já estipuladas e para isso utiliza-se uma amostra base do processo que ampara-se no sucesso do autoaprendizagem produto do treinamento.

Resultados.

Para ambos os modelos se consegue uma precisão do 71% na base do treinamento e do 72% na base da comprovação, mas, não obstante isso, a pesar de obterem resultados semelhantes, a regressão logística mostrou a menor taxa ruim na zona de aceitação.

Conclusão.

As duas técnicas utilizadas são adequadas para o estudo e previsão da probabilidade do incumprimento de um cliente correspondente à una carteira de consumidores, o que precede, respaldado pelo alto índice de eficiência preditiva em ambos os modelos.

        · abstract in English | Spanish     · text in Spanish     · Spanish ( pdf )