Submitted by Marcos Vinícius Alvarenga Ramos da Silva (marcosvarsilva@gmail.com) on 2015-08-19T01:38:31Z No. of bitstreams: 1 Tese_V11.pdf: 1831740 bytes, checksum: ea23632eaf2595347fb5bf42e94cf418 (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2015-08-19T15:50:35Z (GMT) No. of bitstreams: 1 Tese_V11.pdf: 1831740 bytes, checksum: ea23632eaf2595347fb5bf42e94cf418 (MD5) / Made available in DSpace on 2015-08-19T16:21:04Z (GMT). No. of bitstreams: 1 Tese_V11.pdf: 1831740 bytes, checksum: ea23632eaf2595347fb5bf42e94cf418 (MD5) Previous issue date: 2015-08-11 / Neste trabalho será apresentada a modelagem por regressão logística, com a finalidade de prever qual seria a inadimplência dos clientes que compõem o portfólio de uma grande instituição financeira do país. Sendo assim, será explorada a ideia de usar o conceito de provisionamento pura e simplesmente, através da estimação de uma probabilidade de default dado por um ou mais modelos estatísticos que serão construídos no decorrer do trabalho, conforme incentiva o comitê de Basileia. Um dos modelos será feito a partir de uma separação prévia de público através de clusters e a outra técnica a ser explorada será a criação de um modelo sem nenhuma separação. O objetivo será a comparação entre as duas métricas de classificação de risco e verificar os trade-off entre elas e os impactos de variáveis macroeconômicas nestes modelos. / This work presents the modeling logistic regression, in order to predict what the default of customers that make up the portfolio of a major financial institution in the country. Thus, the idea is exploited to use the concept of provisioning pure and simply, by estimating a probability of default data for one or more statistical models to be constructed during this work, as encourages Basel committee. One of the models will be done from a previous separation of the public through clusters and other technique being explored is the creation of a model with no separation. The goal will be to compare the two risk rating metrics and check the trade-off between them and the impacts of macroeconomic variables in these models.