Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, 2013. / Submitted by Guimaraes Jacqueline (jacqueline.guimaraes@bce.unb.br) on 2014-10-06T14:22:21Z No. of bitstreams: 1 2013_AnneliseRagonedeMattos.pdf: 697035 bytes, checksum: f189aa498c91807f8405fa8207f89186 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-10-06T14:24:28Z (GMT) No. of bitstreams: 1 2013_AnneliseRagonedeMattos.pdf: 697035 bytes, checksum: f189aa498c91807f8405fa8207f89186 (MD5) / Made available in DSpace on 2014-10-06T14:24:28Z (GMT). No. of bitstreams: 1 2013_AnneliseRagonedeMattos.pdf: 697035 bytes, checksum: f189aa498c91807f8405fa8207f89186 (MD5) / Esta dissertação tem como objetivo realizar uma leitura histórica e analítica do crédito imobiliário, verificar a sua evolução e analisar as variáveis conjunturais que influenciam e demonstram o desenvolvimento deste setor, passando pelo estudo do modelo de financiamento imobiliário no país e abordando algumas experiências internacionais, pelo que têm de êxito e por suas particularidades e o atual cenário do crédito imobiliário com algumas projeções do setor no Brasil. _______________________________________________________________________________________ ABSTRACT / This master's degree dissertation aims to perform a historical and analytical review on housing loan market, verifies it progress and analyzes the short-term indicators that influence and show the development of this sector, through the study of housing loan market model in the country and focusing on some international experiences, from its success and its special characteristics and the current scenario of the housing market with some projections of the sector in Brazil.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Administração, Economia, Contabilidade e Gestão Pública, Programa de Pós-Graduação em Administração, 2016. / Submitted by Camila Duarte (camiladias@bce.unb.br) on 2017-01-24T17:31:54Z No. of bitstreams: 1 2016_JoséRômulodeCastroVieira.pdf: 2255741 bytes, checksum: 57c6f2f4036147b5ad153870340ed2e6 (MD5) / Rejected by Ruthléa Nascimento(ruthleanascimento@bce.unb.br), reason: Altere o título por favor? Você colocou tudo em mínuscula, mas há nomes próprios nele e, conforme a língua portuguesa, devem começar com letra maiúscula. Altere também a formatação do abstract, as palavras estão sem espaçamento. Obrigada! on 2017-02-13T18:04:19Z (GMT) / Submitted by Camila Duarte (camiladias@bce.unb.br) on 2017-02-14T15:22:37Z No. of bitstreams: 1 2016_JoséRômulodeCastroVieira.pdf: 2255741 bytes, checksum: 57c6f2f4036147b5ad153870340ed2e6 (MD5) / Approved for entry into archive by Ruthléa Nascimento(ruthleanascimento@bce.unb.br) on 2017-02-15T17:31:18Z (GMT) No. of bitstreams: 1 2016_JoséRômulodeCastroVieira.pdf: 2255741 bytes, checksum: 57c6f2f4036147b5ad153870340ed2e6 (MD5) / Made available in DSpace on 2017-02-15T17:31:18Z (GMT). No. of bitstreams: 1 2016_JoséRômulodeCastroVieira.pdf: 2255741 bytes, checksum: 57c6f2f4036147b5ad153870340ed2e6 (MD5) / Este trabalho tem como objetivo principal implementar diferentes modelos de previsão da inadimplência,a partir de métodos de creditscoring e técnicas computacionais com algoritmos deMachine Learning (Análise discriminante, regressão logística, DecisionTree, Random Forest,BootstrapAggregating e AdaptiveBoosting) e comparar a adequação dos modelos de previsão da inadimplência que melhor identifiquem o bom e o mau pagador no Programa Minha Casa, Minha Vida. Para avaliar a adequação dos modelos de Machine Learning, foram realizados três testes com a obtenção dos índices Area Under ROC Curve (AUROC), Kolmogorov–Smirnov (KS) eBRIER Score com o intuito de validar os modelos em diferentes intervalos de tempo para variável dependente default (30, 60, 90, 120 dias), validar os modelos, considerando um número menor de observações (300.000) e validar os modelos sem o uso de variáveis discriminatórias (gênero,idade e estado civil). Verifica-se que a capacidade de predição dos modelos melhorou, à medida que o número de dias de atrasos utilizados para definir a variável default, aumentava. Os melhores resultados foram obtidos com Bootstrap Aggregating (Bagging), Random Forest (RF) e Adaptive Boosting (AdaBoost). Observa-se um impacto negativo considerável nos resultados quando utilizado um número menor de observações. Verificou-se também que a retirada de variáveis discriminatórias dos modelos preserva o poder discriminatório do sistema de classificação de riscode crédito. Aplicando o algoritmo Bagging no Programa Minha Casa, Minha Vida (PMCMV) a taxa de inadimplência que é de 11,80% poderia ser reduzida para 2,95%. Logo, 197.905 mil contratos inadimplentes deixariam de existir no PMCMV resultando em uma redução nas perdas com inadimplência de aproximadamente R$ 9,8 bilhões. / The main objective of this work is to implement different models of forecasting of default, from credit scoring methods and computational techniques with Machine Learning algorithms (discriminant analysis, logistic regression, decision tree, random forest, bootstrap aggregating and adaptive boosting) and compare The adequacy of the default models that best identify the good and the bad payer in the "Programa Minha Casa, Minha Vida"(PMCMV). In order to evaluate the suitability of the Machine Learning models, three tests were carried out to obtain the Area Under ROC curve (AUROC), Kolmogorov-Smirnov (KS) and BRIER Score indices with the aim of validating the models at different time intervals for variable (30, 60, 90, 120 days), validate the models, considering a smaller number of observations (300,000) and validate the models without the use of discriminatory variables (gender, age and marital status). It is verified that the prediction capacity of the models improved, as the number of days of delays used to define the default variable increased. The best results were obtained with bootstrap aggregating (Bagging), random forest (RF) and adaptive boosting (AdaBoost). A considerable negative impact on results is observed when a smaller number of observations are used. It was also found that the removal of discriminatory variables from the models preserves the discriminatory power of the credit risk classification system. Applying the Bagging algorithm in the "Programa Minha Casa, Minha Vida"(PMCMV) program, the default rate of 11.80% could be reduced to 2.95%. Therefore, 197,905 thousand defaulted contracts would cease to exist in the PMCMV resulting in a reduction in losses with delinquencies of approximately 9.8 billion of real.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Humanas, Departamento de Serviço Social, Programa de Pós-Graduação em Política Social, 2016. / Submitted by Nayara Silva (nayarasilva@bce.unb.br) on 2016-06-23T18:53:17Z No. of bitstreams: 1 2016_MayaraDaherdeMelo.pdf: 1093617 bytes, checksum: 72a23437b6a7520b20c6ae06176cf2ef (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-06-30T20:42:48Z (GMT) No. of bitstreams: 1 2016_MayaraDaherdeMelo.pdf: 1093617 bytes, checksum: 72a23437b6a7520b20c6ae06176cf2ef (MD5) / Made available in DSpace on 2016-06-30T20:42:48Z (GMT). No. of bitstreams: 1 2016_MayaraDaherdeMelo.pdf: 1093617 bytes, checksum: 72a23437b6a7520b20c6ae06176cf2ef (MD5) / O presente estudo utiliza o método materialista histórico para retomar o debate da influência da acumulação capitalista na segregação socioespacial e os caminhos do capital que culminaram na sua financeirização e mundialização. Além disso, debruça-se sobre o histórico brasileiro, país periférico para o capital de sua origem colonial até a contemporaneidade, fato que afetou toda a sua formação política, econômica e social e possui reflexos mais presentes que nunca com a nova tendência do capital em não mais estimular o desenvolvimento dos ditos países emergentes. Esse contexto, com a "vista grossa" do Estado, se reflete nas cidades gerando crescimento desordenado, lógica especulativa e gentrificação do trabalhador. Esta pesquisa procurou averiguar as interligações entre o Programa Minha Casa, Minha Vida e o capital financeiro, analisando como o funcionamento do programa fomenta a especulação, o mercado imobiliário e a lógica neoliberal de responsabilização dos sujeitos. Para tanto, foram investigados o orçamento público, as renúncias tributárias, os relatórios dos bancos, além das legislações, normativos e informações disponibilizadas por órgãos federais, instituições financeiras e indústria da construção civil. Os resultados não foram animadores, o PMCMV segue a lógica de outros programas e políticas de cunho social que foram moldadas para atender aos interesses do capital. _______________________________________________________________________________________________ ABSTRACT / The present study uses the materialist method to retrieve the debate of the influence of capitalist accumulation in socio-spatial segregation, the paths of the capitalism that had culminated on its financialization and globalization and focuses on Brazilian history, peripheral country to capitalism since colonial time, fact that affected all of its political, economical and social formation and reflects more than ever with a new tendency of capitalism to not encourage the development of emerging countries. This context, with State's negligence, creates cities with uncontrolled growth, speculative logic and gentrification of the working class. This research tries to untangle the bond between social program Minha Casa, Minha Vida and the financial capital by analyzing how the program's operation foments bank's capital, real state market and the neoliberal logic of people's responsibilization. This has been done by studying public budgeting, tax expenditures, bank's reports, legislation, regulations and public information given by federal agencies, financial institutions and construction industry. The results have been discouraging, because the social program Minha Casa, Minha Vida follows the path of other social programs and policies that have been shaped to serve the interests of the capitalism.