Made available in DSpace on 2016-06-02T19:53:33Z (GMT). No. of bitstreams: 1 FATTIBENE_Marcos_2015.pdf: 1035875 bytes, checksum: 9f4308478818fe20ad4a239e96c1bb67 (MD5) Previous issue date: 2015-01-27 / The credit analysis for individuals has traditionally relied on three pillars: documentary proof of income and residence; refers to negative credit bureaus as SERASA and SCPC and the use of forecasting models based on the hypothesis that similar profiles in the future will reproduce the same credit behavior of the past, such as the "credit scores" (HAND; HENLEY, 2007) . This approach has been adequate, while being susceptible to moments of economic crisis or to fast profile changing of the target market, as occurred in the U.S. subprime in 2008. This study aims to point out ways to use Social Networks informational content, where individuals express and record their opinions, preferences, and especially get evident their network of relationships, in the credit analysis context. It was made evident the feasibility to investigate the assumption that an individual's proximity to other appropriate profile payers, or vice versa, influences the repayment rate. To illustrate such a conclusion, a real social network, enriched with credit data obtained by statistical simulation, was used. Three models of data weighting and three other based on multiple linear regression models were developed. In general the results were not statistically significant, by need to use a non-brazilian social network, as well synthetic data bureau score, since real information was not available in this country. It was shown a way to investigate the hypothesis that the informational content of a social network may generate greater efficiency into credit analysis when added to decision-making, operational and control systems of this segment. / A análise de crédito para pessoas físicas tem tradicionalmente se apoiado em três pilares: comprovação documental de renda e de residência; consulta a birôs negativos de crédito, como SERASA Experian e SCPC e a utilização de modelos de projeção baseados na hipótese que perfis semelhantes reproduzirão no futuro o comportamento de crédito do passado, como por exemplo, os credit scores (HAND ; HENLEY, 2007). Tal abordagem tem se mostrado adequada, sendo, entretanto suscetível a momentos de crise econômica ou mudança rápida do perfil do mercado alvo, a exemplo do ocorrido no mercado imobiliário dos EUA no ano de 2008. O presente trabalho propõe-se indicar alternativas para a utilização do teor informacional presente nas Redes Sociais, onde os indivíduos registram suas opiniões, preferências e especialmente evidenciam sua rede de relacionamentos, no contexto da análise de risco de crédito. Evidenciaram-se formas de averiguação da premissa que proximidade de um indivíduo a outros com perfil de bons pagadores, ou vice-versa, influencia a taxa de adimplência. Para se ilustrar tais sugestões, foi utilizada uma rede social real, enriquecida com dados de crédito obtidos por simulação estatística. Foram elaborados três modelos de ponderação de dados e três modelos baseados em regressão linear múltipla. Em geral os resultados não foram estatisticamente significantes, dada a necessidade de uso de rede social estrangeira como também da geração de dados sintéticos de score de birô de crédito, dada a indisponibilidade de informações reais no País. Porém, ficou evidenciada a viabilidade da averiguação da hipótese de que o conteúdo informacional contido em redes sociais pode ampliar a eficiência do sistema de análise de crédito, se incorporado aos sistemas decisórios, operativos e de controle.

Esta tese trata de crédito, não da análise dos demonstrativos financeiros, e sim a partir do momento em que o resultado de uma análise criteriosa e competente é colocada à disposição do comitê para decidir pela concessão ou não do crédito. A decisão de crédito é nosso enfoque principal. A tese está dividida em quatro partes. Na primeira parte fazemos uma revisão bibliográfica sobre crédito, dos fundamentos históricos à aplicação de modelos sofisticados de administração de carteiras (o Creditmetrics), passando pelo Estado da Arte das técnicas de credit scoring. A segunda parte trata dos fundamentos da teoria da análise da decisão, onde discutimos e analisamos o comportamento político e racional nas organizações, e os principais problemas decorrentes de atitudes indesejáveis como escalation, groupthink e bandwagon. A terceira parte discorre, inicialmente, sobre a pesquisa e sua metodologia, apresentando as hipóteses a serem testadas. Na seqüência, com base em dezoito entrevistas com diretores das principais entidades bancárias do país, descrevemos o processo geral para a concessão de crédito para grandes corporações e analisamos sete casos de concessões de crédito malsucedidas. Finalmente, com uma amostra de 54 bancos, realizamos a análise estatística dos resultados buscando comprovar nossas hipóteses de pesquisa. Na quarta e última parte apresentamos o sumário e conclusões da tese. Podemos destacar a relevância dos aspectos comportamentais, como fundamento da tomada de decisão e crédito: os testes realizados comprovam a influência do comportamento racional como redutor do índice de inadimplência; enquanto os sintomas de comportamento político, escalation e groupthink contribuem para o aumento do índice de inadimplência. / This thesis is concerned with credit decision and not with financial statements analysis. More specifically, it is focused on the decision making process of the credit committee once the results of a competent anlysis is avalaible. The thesis is divided in four parts. In the first we present a review about credit, from its historical developments up to the applications of sophisticated portfolio management models and other modern techniques. The second part deals with the fundamentals of decision theory. We discuss ans analyze political and rational decision behaviors within organizations, and phenomenon such as escalation, groupthink and bandwagon. The third part presents, initially, the research problem, its methodology and the hypothesis to be tested. Subsequently, based on eighteen interviews with bank executives in Brazil, we describe the decision processes employed in the concession of credits to large corporations. We also analyze seven cases of unsuccessful credit decisions. Finally we present the statistical analysis of a survey by questionnaires from 54 Brazilian banks. In the fourth and last part we present the conclusions of this thesis. The key results in the importance of behavioral aspects in the credit decision processes: the statistical tests confirm that the rational behavior mitigates the bankruptcy index; while the political behavior, escalation and groupthink contribute to an increment of the banruptcy index.

Made available in DSpace on 2016-03-15T19:32:50Z (GMT). No. of bitstreams: 1 Cy-dy Augusto Alves Filho.pdf: 1241998 bytes, checksum: 66cb09913a17b5fa16a6a396fd35a871 (MD5) Previous issue date: 2014-08-29 / The literature on analytical methods of accounting and corporate financial analysis models and cr edit indicators is large , and among the methods of credit risk classification is the classification model ratings, through which institutions classifie s customers according to their risk. However, the classical models of modeling credit risk using statisti cal techniques widely disseminated, as is the case of simple linear regression, the least squares method, among others. The quantile regression, evaluated in disseminated by Koenker and Basset (1978) has it as a main characteristic , analyzing the sample by the median and allow the analysis of subpopulations through the quantiles of the sample, which allows more specific inferences in according to the needs of the study. In recent years the concern with social and environmental issues have become increasing present in both the practical means and academia and in society in general, which brings up the idea of including the analysis of social indicators in environmental analysis credit, as already proposed in previous studies. However, the combined use of ec onomic, financial, social and environmental indicators, together with quantile regression, is an innovative proposal, and the subject of this academic study. This work is an exploratory and descriptive study , objective verify the possible contribution of t he inclusion of social and environmental variables, combined with the use of quantile regression for ratings classification and hence prediction of default. To fulfill this goal, we devel oped a database on panel, with the total of 561 observations, consist ing of data from publicly traded, its ratings, economic indicators, financial, social and environmental, the years 2007 to 2012 companies. With use of quantile regression was possible to infer that the social environmental variables are relevant for classi fication ratings and, consequently, to predict default. / A literatura a respeito de métodos de análise de indicadores co ntábeis e financeiros empresariais e modelos de análise de crédito é vasta, e dentre os métodos de classificação de risco de crédito, encontra - se o modelo de classificação de ratings , através do qual as instituições classificam seus clientes em função de s eu risco. Entretanto, os modelos clássicos de modelagem de risco de crédito se utilizam de técnicas estatísticas amplamente difundidas, como é o caso da regressão linear simples, método dos mínimos quadrados, entre outras. A regressão quantílica, estudada em difundida por Koenker e Basset (1978) tem como principal característica analisar a amostra através da mediana, e permitir a análise de subpopulações através dos quantis da amostra, o que permite realizar inferências mais específicas, de acordo com as ne cessidades do estudo. Nos últimos anos a preocupação com questões sociais e ambientais tem se tornado cada vez mais presente, tanto no meio prático quanto no meio acadêmico e na sociedade de maneira geral, o que traz à tona a ideia de incluir a análise de indicadores sócio ambientais na análise de crédito, como já foi proposto em estudos anteriores. No entanto, a utilização, de forma combinada, de indicadores econômicos, financeiros, sociais e ambientais, aliada à regressão quantílica, é uma proposta inovad ora, e o mote deste estudo acadêmico . Este trabalho exploratório, de natureza descritiva, objetiva verificar a possível contribuição da inclusão de variáveis sócio ambientais, aliada à utilização da regressão quantílica, para classificação de ratings e, consequentemente, previsão de default . Para cumprir tal objetivo foi desenvolvido um banco de dados em painel, com um total de 561 observações, formado por dados de empresas de capital aberto, seus ratings , indicadores econômicos, financeiros, sociais e ambi entais, dos anos de 2007 a 2012. Com a utilização da regressão quantílica foi possível inferir que as variáveis sócio ambientais são relevantes para a classificação de ratings e, consequentemente, para a previsão de default.

O presente trabalho apresenta um estudo feito para a elaboração de um modelo de análise de crédito para micro, pequenas e médias empresas (MPME) utilizando Inteligência Artificial. Apresenta, também, uma contribuição de um novo método de raciocínio baseado em casos, denominado FISKNN, que utiliza medida de similaridade presente nos métodos KNN e KNN-Fuzzy, e um sistema de inferência Fuzzy para decidir se a classe de um determinado caso é a classe do elemento mais próximo ou a classe da maioria dos K elementos selecionados para análise. Compara-se o método FISKNN com os métodos tradicionais KNN e KNN-Fuzzy utilizando os dados do Machine Learning Repository da Universidade da Califórnia, e apresentam-se três estudos de casos com bases de dados selecionadas das informações provenientes de solicitações de financiamento através do Cartão BNDES. / This work presents an investigation of a model of credit analysis for micro, small and medium size enterprises based on artificial intelligence techniques. The novelty is a cases-based reasoning, denoted by FISKNN, which uses a measure of similarity present in the KNN and KNN-Fuzzy methods, and a Fuzzy Inference System to decide between the class of the nearest case and the class of the majority of K elements selected for the analysis. One compares the FISKNN methods with the more traditional ones, KNN and KNNFuzzy, using data from the Machine Learning Repository of the University of California, and one presents three study cases with data bases selected from the set of financing applications to the BNDES Card.

O presente trabalho apresenta um estudo feito para a elaboração de um modelo de análise de crédito para micro, pequenas e médias empresas (MPME) utilizando Inteligência Artificial. Apresenta, também, uma contribuição de um novo método de raciocínio baseado em casos, denominado FISKNN, que utiliza medida de similaridade presente nos métodos KNN e KNN-Fuzzy, e um sistema de inferência Fuzzy para decidir se a classe de um determinado caso é a classe do elemento mais próximo ou a classe da maioria dos K elementos selecionados para análise. Compara-se o método FISKNN com os métodos tradicionais KNN e KNN-Fuzzy utilizando os dados do Machine Learning Repository da Universidade da Califórnia, e apresentam-se três estudos de casos com bases de dados selecionadas das informações provenientes de solicitações de financiamento através do Cartão BNDES. / This work presents an investigation of a model of credit analysis for micro, small and medium size enterprises based on artificial intelligence techniques. The novelty is a cases-based reasoning, denoted by FISKNN, which uses a measure of similarity present in the KNN and KNN-Fuzzy methods, and a Fuzzy Inference System to decide between the class of the nearest case and the class of the majority of K elements selected for the analysis. One compares the FISKNN methods with the more traditional ones, KNN and KNNFuzzy, using data from the Machine Learning Repository of the University of California, and one presents three study cases with data bases selected from the set of financing applications to the BNDES Card.