Submitted by Maicon Juliano Schmidt (maicons) on 2015-04-08T12:07:56Z No. of bitstreams: 1 Samuel Ongaratto.pdf: 1337304 bytes, checksum: 14198512c9cbcad30e81483b17403288 (MD5) / Made available in DSpace on 2015-04-08T12:07:56Z (GMT). No. of bitstreams: 1 Samuel Ongaratto.pdf: 1337304 bytes, checksum: 14198512c9cbcad30e81483b17403288 (MD5) Previous issue date: 2010-08-20 / Nenhuma / O objetivo deste estudo é ajudar as empresas na tomada de decisão com relação à base de clientes e ajuste de suas promoções de mercado num contexto de risco de crédito comercial. O resultado da pesquisa é a proposição de um novo modelo. Como contribuições teóricas, pode ser citado o desenvolvimento de um modelo de risco de crédito capaz de estimar um risco de inadimplência para cada pagamento efetuado por um cliente. Isso difere dos modelos encontrados na literatura, que estimam apenas um risco para cada cliente. Outra contribuição é o desenvolvimento de um modelo baseado na métrica de Customer Lifetime Value com componentes inéditos (assimetria entre prazos de pagamento e recebimento e risco de crédito). Esta pesquisa é dividida em três fases distintas: uma fase exploratória, resultado de uma pesquisa realizada na literatura em busca de conceitos e elementos alinhados ao objetivo; a segunda é a proposição do método e do modelo propriamente ditos, e a terceira e última fase foi a aplicação do modelo a um estudo de campo, o qual utilizou dados de 14.259 faturas e 229 clientes. Os dados são de dezembro de 2007 a agosto de 2009. O modelo de risco de crédito integrado ao modelo proposto classifica as faturas pagas com 75,52% de assertividade média. Os resultados do estudo de campo ajudaram a empresa estudada a realizar uma série de mudanças na sua base de clientes, resultando com essas medidas num ganho estimado de mais de R$ 2,5 milhões para 2010. / The objective of this research is to help companies in decision making regarding the customer base and adjust their marketing promotions in the context of commercial credit risk. The result of this research is to propose a new model. As theoretical contributions can be mentioned the development of a model of credit risk can estimate a default risk for each payment made by a client. This differs from the other models in the literature that estimate only one risk for each client. Another contribution is the development of a model based on metrics of Customer Lifetime Value with components unpublished (asymmetry between receiving and payment terms and credit risk). This research is divided into three distinct phases: an exploratory phase, where it performed a literature review in search of concepts and elements aligned to the goal. The second phase is the proposition of the method and the model itself. The third and final phase was the implementation of the model to a field study. The field study used data from 14 259 bills and 229 customers. Data are from December 2007 to August 2009. The model of credit risk built into the proposed model classifies invoices paid on average 75.52% of assertiveness. The results of the field helped the company studied conducting a series of changes in its customer base. Changes made resulting in an estimated gain of more than R$ 2.5 million in 2010.

Submitted by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-08-08T13:33:03Z No. of bitstreams: 1 RafaelLeiteGregorioDissertacao2018.pdf: 1382550 bytes, checksum: 9c6e4f1d3c561482546aca581262b92b (MD5) / Approved for entry into archive by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-08-08T13:33:24Z (GMT) No. of bitstreams: 1 RafaelLeiteGregorioDissertacao2018.pdf: 1382550 bytes, checksum: 9c6e4f1d3c561482546aca581262b92b (MD5) / Made available in DSpace on 2018-08-08T13:33:24Z (GMT). No. of bitstreams: 1 RafaelLeiteGregorioDissertacao2018.pdf: 1382550 bytes, checksum: 9c6e4f1d3c561482546aca581262b92b (MD5) Previous issue date: 2018-07-09 / The credit risk assessment has a relevant role for financial institutions because it is associated with possible losses and has a large impact on the balance sheets. Although there are several researches on applications of machine learning and finance models, a study is still lacking that integrates available knowledge about credit risk assessment. This paper aims at specifying the machine learning model of the probability of default of publicly traded companies present in the Bovespa Index (corporations) and, based on the estimations of the model, to obtain risk assessment metrics based on risk letters. We converged methodologies verified in the literature and we estimated models that comprise fundamentalist (balance sheet) and governance data, macroeconomic and even variables resulting from the application of the proprietary model of KMV credit risk assessment. We test the XGboost and LinearSVM algorithms, which have very different characteristics among them, but are potentially useful to the problem. Parameter Grids were performed to identify the most representative variables and to specify the best performing model. The model selected was XGboost, and performance was very similar to the results obtained for the North American stock market in analogous research. The estimated credit ratings suggest that they are more sensitive to the economic and financial situation of the companies than that verified by traditional Rating Agencies. / A avaliação do risco de crédito tem papel relevante para as instituições financeiras por estar associada a possíveis perdas que podem gerar grande impacto nos balanços. Embora existam várias pesquisas sobre aplicações de modelos de aprendizado de máquina e finanças, ainda não há estudo que integre o conhecimento disponível sobre avaliação de risco de crédito. Este trabalho visa especificar modelo de aprendizado de máquina da probabilidade de descumprimento de empresas de capital aberto presentes no Índice Bovespa (corporações) e, fruto das estimações do modelo, obter métrica de avaliação de risco baseada em letras (ratings) de risco. Convergiu-se metodologias verificadas na literatura e estimou-se modelos que compreendem componentes fundamentalistas (de balanço) e de governança corporativa, macroeconômicos e ainda variáveis produto da aplicação do modelo proprietário de avaliação de risco de crédito KMV. Testou-se os algoritmos XGboost e LinearSVM, os quais possuem características bastante distintas entre si, mas são potencialmente úteis ao problema exposto. Foram realizados Grids de parâmetros para identificação das variáveis mais representativas e para a especificação do modelo com melhor desempenho. O modelo selecionado foi o XGboost, tendo sido observado desempenho bastante semelhante aos resultados obtidos para o mercado de ações norte-americano em pesquisa análoga. Os ratings de crédito estimados mostram-se mais sensíveis à situação econômico-financeira das empresas ante o verificado por agências de rating tradicionais.

Os modelos de análise e decisão de concessão de crédito buscam associar o perfil do tomador de crédito à probabilidade do não pagamento de obrigações contraídas, identificando assim o risco associado ao tomador e auxiliando a firma a decidir pela aprovação ou negação da solicitação de crédito. Atualmente este campo de pesquisa tem ganhado importância no cenário nacional - pela intensificação da atividade de crédito no país com grande participação dos bancos públicos neste processo - e internacional - pelo aumento das preocupações com potenciais danos à economia derivados de eventos de default. Tal quadro fez com que fossem construídos e adaptados diversos modelos e métodos à análise de risco de crédito tanto para consumidores como para empresas. Estes modelos são testados e comparados com base na acurácia de previsão ou de métricas de otimização estatística. Este é um procedimento que pode não se mostrar eficiente do ponto de vista financeiro, ao mesmo tempo em que dificulta a interpretação e tomada de decisão por parte da firma quanto a qual o melhor modelo, gerando uma lacuna pelo desprendimento observado entre a decisão de qual o modelo a ser adotado e o objetivo financeiro da empresa. Tendo em vista que o desempenho financeiro é um dos principais indicadores de qualquer procedimento gerencial, o presente estudo objetivou preencher a esta lacuna analisando o desempenho financeiro de carteiras de crédito formadas por técnicas de aprendizagem estatística utilizadas atualmente na classificação e análise de risco de crédito em pesquisas nacionais e internacionais. A pesquisa selecionou as técnicas: análise discriminante, regressão logística, redes bayesianas Naïve Bayes, kdB-1, kdB-2, SVC e SVM e aplicou tais técnicas junto à base de dados German Credit Data Set. Os resultados foram analisados e comparados inicialmente em termos de acurácia e custos por erro de classificação. Adicionalmente a pesquisa propôs o emprego de quatro métricas financeiras (RFC, PLR, RAROC e IS), encontrando variações quanto aos resultados produzidos por cada técnica. Estes resultados sugerem variações quanto a sequência de eficiência e consequentemente de emprego das técnicas, demonstrando a importância da consideração destas métricas para a análise e decisão de seleção de modelos de classificação ótimos. / Analysis and decision credit concession models search for relating the borrower\'s credit profile to the nonpayment probability of their obligations, identifying risks related to borrower and helping decision firm to approve or deny the credit request. Currently this search field has increased in Brazilian scenario - by credit activity intensification into the country with a large public banks sharing - and in the international scenario - by growing concerns about economy potential damages resulting from default events. This position leads the construction and adaptation of several models and methods by credit risk analysis from both consumers and companies. These models have been tested and compared based on prediction of accuracy or other statistical optimization metrics. This proceed is eventually not effective when analyzed by a financial standpoint, in the same time that affects the understanding and decision of the enterprise about the best model, creating a gap in the decision model choice and the firm financial goals. Given that the financial performance is a foremost indicator of any management procedure, this study aimed to address this gap by the financial performance analysis of loan portfolios formed by statistical learning techniques currently used in the classification and credit risk analysis in national and international researches. The selected techniques (discriminant analysis, logistic regression, Bayesian networks Naïve Bayes , 1 - KDB , KDB - 2 , SVC and SVM) were applied to the German Credit Data Set and their results were initially analyzed and compared in terms of accuracy and misclassification costs. Regardless of these metrics the research has proposed to use four financial metrics (RFC, PLR, RAROC and IS), finding variations in the results of each statistical learning techniques. These results suggest variations in the sequence of efficiency and, ultimately, techniques choice, demonstrating the importance of considering these metrics for analysis and selection of decision models of optimal classification.

Modelos de credit score são usualmente desenvolvidos somente com informações dos proponentes aceitos. Neste trabalho foram consideradas estratégias que podem ser utilizadas para o desenvolvimento de modelos de credit score com a inclusão das informações dos rejeitados. Foram avaliadas as seguintes técnicas de inferência de rejeitados: classificação dos rejeitados como clientes Maus, parcelamento, dados aumentados, uso de informações de mercado e ainda a estratégia de aceitar proponentes rejeitados para acompanhamento e desenvolvimento de novos modelos de risco de crédito. Para a avaliação e comparação dos modelos foram utilizadas as medidas de desempenho: estatística de Kolmogorov-Smirnov (KS), área sob a curva de Lorentz (ROC), área entre as curvas de distribuição acumulada dos escores (AEC), diferença entre as taxas de inadimplência nos intervalos do escore definidos pelos decis e coeficiente de Gini. Concluiu-se que dentre as quatro primeiras técnicas avaliadas, o uso de informaçõoes de mercado foi a que apresentou melhor desempenho. Quanto à estratégia de aceitar proponentes rejeitados, observou-se que há um ganho em relação ao modelo ajustado só com base nos proponentes aceitos. / Credit scoring models are usually built using only information of accepted applicants. This text considered strategies that can be used to develop credit score models with inclusion of the information of the rejects. We evaluated the techniques of reject inference: classification of rejected customers as bad, parceling, augmentation, use of market information and the strategy of accepting rejected proponents for monitoring and developing new models of credit risk. For the evaluation and comparison between models were used performance measures: Kolmogorov-Smirnov statistics (KS), the area under the Lorentz Curve (ROC), area between cumulative distribution curves of the scores (AEC), difference among the delinquency rate in the score buckets based on deciles (DTI) and the Gini coefficient. We concluded that among the first four techniques evaluated, the fourth (use of market information) had the best performance. For the strategy to accept rejected bidders, it was observed that there is a gain in relation to the model that uses only information of accepted applicants.

Métodos analíticos para concessão de crédito vêm apresentando enormes avanços nas últimas décadas, particularmente no que se refere a métodos estatísticos de classificação para identificar grupos de indivíduos com diferentes taxas de inadimplência. A maioria dos trabalhos existentes sugere decisões do tipo conceder o crédito ou não, considerando apenas de forma marginal o resultado esperado da operação. O presente trabalho tem o objetivo de propor um modelo de avaliação de risco de crédito mais complexo que os tradicionais modelos de Credit Scoring, que forneça uma perspectiva mais detalhada acerca do desempenho futuro de um contrato de crédito, e que vá além da classificação entre bom e mau pagador. Aliado a este ganho de informação na previsibilidade oferecida pelo modelo, também é objetivo ampliar o espaço de decisões do problema, saindo de uma resposta binária (como aceitar/rejeitar o crédito) para algo que responda à seguinte pergunta: qual é a taxa justa para cobrir determinado risco?. / Analytical methods for granting credit are presenting enormous advances in recent decades, particularly in the field of statistical methods of classification to identify groups of individuals with different rates of default. Most of the existing work suggests decisions of the type granting credit or not, regarding just marginally the expected outcome of the operation. This work aims to propose a model to evaluate credit risk with more complexity than the traditional \"Credit Scoring\" models, providing a more detailed view about the future performance of a credit agreement, which goes beyond the classification of good and bad payers. Coupled with this improvement of information offered by the model, it is also this works aim to expand the decision space of the problem, leaving a binary response (such as accept/reject the claim) to something that answers the following question: \"what is the fair rate to cover a given risk \".

Modelos de customer scoring são utilizados para mensurar o risco de crédito de clientes de instituições financeiras. Neste trabalho, são apresentadas três estratégias que podem ser utilizadas para o desenvolvimento desses modelos. São discutidas as vantagens de cada uma dessas estratégias, bem como os modelos e a teoria estatística associada a elas. Algumas medidas de performance usualmente utilizadas na comparação de modelos de risco de crédito são descritas. Modelos para cada uma das estratégias são ajustados utilizando-se dados reais obtidos de uma instituição financeira. A performance das estratégias para esse conjunto de dados é comparada a partir de medidas usualmente utilizadas na avaliação de modelos de risco de crédito. Uma simulação também é desenvolvida com o propósito de comparar o desempenho das estratégias em condições controladas. / Customer scoring models are used to measure the credit risk of financial institution´s customers. In this work, we present three strategies that can be used to develop these models. We discuss the advantages of each of the strategies, as well as the models and statistical theory related with them. We fit models for each of these strategies using real data of a financial institution. We compare the strategies´s performance through some measures that are usually used to validate credit risk models. We still develop a simulation to study the strategies under controlled conditions.

Made available in DSpace on 2010-04-20T20:08:02Z (GMT). No. of bitstreams: 1 71050100649.pdf: 1650593 bytes, checksum: 1aea540855dc6d99220fdb91c1e80900 (MD5) Previous issue date: 2009-07-16T00:00:00Z / This study aimed at verifying potential transfer of credit risks among companies in the context of supply chain, the time the maximum transfer happens, and its magnitude. A template formed by agile and lean supply chains were adopted in order to find significant differences among these two dimensions. The study was limited to two main links of the supply chains – manufacturers and retailers. The results showed that the credit risk transfer is observed in most of the cases, varying from upstream, downstream, and both directions. The time the maximum credit risk transfer also varied, showing great variability according to the type of the chain (agile or lean). The magnitude of the transfer shows the degree of influence of a link over the other in the analysis. / Este estudo teve com objetivo verificar a potencial transmissão de riscos de crédito entre empresas de uma mesma cadeia de suprimentos, o tempo em que ocorre a máxima transmissão e sua magnitude. As análises foram realizadas em cadeias de suprimentos conhecidas pela academia como cadeias enxutas e cadeias ágeis, limitando-se aos dois elos principais das cadeias selecionadas – comércio e indústria. Os resultados mostraram que a transmissão de risco de crédito é observável na maioria dos casos, ora a jusante, ora a montante, ora bilateralmente. Os prazos em que ocorre a máxima transferência também foram identificados e apresentaram grande variabilidade segundo o tipo de cadeia estudada (enxuta ou ágil). A magnitude da transmissão mostra o grau de influência de um nó da cadeia sobre o outro constante na análise.

Made available in DSpace on 2010-04-20T20:08:15Z (GMT). No. of bitstreams: 0 Previous issue date: 2002-06-27T00:00:00Z / Hazard models, also known as time-to-failure or duration models, have been used to examine what independent variables have higher explanatory power in predicting bankruptcy. It is an alternative approach to binary logit, probit and discriminant analysis. Duration models should yield more efficient results than discrete choice models, since it takes into consideration the surviving time in the estimation ofthe instantaneous probability of failure for a given set of observations on the independent variables. Discrete choice models typically ignore information about the timing of failures, and provide an estimate only ofthe probability offailure within a given interval oftime. The question I address in this work is how to use hazard models to project default rates and construct migration matrix conditioned on the state ofthe economy. The concept of the model is pretty closed to the historical default and mortality rates used in the literature. I test the Cox proportional hazard model in Brazilian companies and fmd that the default probability reduces significantly after the third year after issuance date. Default probabilities mean and standard deviation are also affected by economic cycles. I discuss how to incorporate the Cox proportional hazard model to the four most popular credit risk models: CreditRisk +, KMV, CreditPortfolio View and CreditMetrics, and improve existing features. / Os modelos hazard, também conhecidos por modelos de tempo até a falência ou duração, são empregados para determinar quais variáveis independentes têm maior poder explicativo na previsão de falência de empresas. Consistem em uma abordagem alternativa aos modelos binários logit e probit, e à análise discriminante. Os modelos de duração deveriam ser mais eficientes que modelos de alternativas discretas, pois levam em consideração o tempo de sobrevivência para estimar a probabilidade instantânea de falência de um conjunto de observações sobre uma variável independente. Os modelos de alternativa discreta tipicamente ignoram a informação de tempo até a falência, e fornecem apenas a estimativa de falhar em um dado intervalo de tempo. A questão discutida neste trabalho é como utilizar modelos hazard para projetar taxas de inadimplência e construir matrizes de migração condicionadas ao estado da economia. Conceitualmente, o modelo é bastante análogo às taxas históricas de inadimplência e mortalidade utilizadas na literatura de crédito. O Modelo Semiparamétrico Proporcional de Cox é testado em empresas brasileiras não pertencentes ao setor financeiro, e observa-se que a probabilidade de inadimplência diminui sensivelmente após o terceiro ano da emissão do empréstimo. Observa-se também que a média e o desvio-padrão das probabilidades de inadimplência são afetados pelos ciclos econômicos. É discutido como o Modelo Proporcional de Cox pode ser incorporado aos quatro modelos mais famosos de gestão de risco .de crédito da atualidade: CreditRisk +, KMV, CreditPortfolio View e CreditMetrics, e as melhorias resultantes dessa incorporação

Made available in DSpace on 2010-04-20T20:54:50Z (GMT). No. of bitstreams: 3 LuizFernandoZLins2003.pdf.jpg: 14148 bytes, checksum: b2dd47ec3cfd89b30b57d07c06624b6b (MD5) LuizFernandoZLins2003.pdf.txt: 177747 bytes, checksum: a53679717da94c959539a586e75b9b91 (MD5) LuizFernandoZLins2003.pdf: 705493 bytes, checksum: 9d0715b9b94c80eaef338c1bcdbb6987 (MD5) Previous issue date: 2003-12-23T00:00:00Z / A recente discussão sobre o impacto do risco de crédito sobre a oferta de financiamento a países emergentes é o motivador deste trabalho, que procura estimar modelos de apreçamento de ativos que levam em consideração as expectativas de investidores em relação à probabilidade de não cumprimento integral por parte do emissor das disposições estabelecidas na emissão do título. Estimam-se modelos com o objetivo de extrair de uma série de preços de títulos informações sobre a probabilidade de default e a expectativa de valor recuperado em caso de default. Estes dois fatores apresentam comportamento bastante volátil no período da amostra, indicando a fragilidade da arquitetura de contratos atuais de dívida soberana.

The goal of this dissertation is to organize a probabilistic expert system with use of the Shell Spirit in order to evaluate the default risk of borrowers in a financial institution or minimize the risk that it represents. The study was limited to private individuals, since the variables used to analyse the risk in the concession of credit to legal entities are different, and also to the fact that this area is less explored by academics. The applied methodology was inserted in the context of a quantitative empirical research, which aimed to bring the model developed as close to reality as possible. However, in this step it was necessary to collect inside information of the institution used to study, referring to risk analysis, credit policies, profile of borrowers, and also to extract knowledge from the experts with the purpose of selecting the relevant variables for the system and to make the interaction of these when composing rules along with the definition of their weights. Consecutive to the conclusion of the model, tests occurred with some favorable situations and/or unfavorable to the granting of credit, considering that in this phase were instantiated the pertinent variables to each situation at hand. The main idea of the system is to manage and reduce the credit risk of bank institutions, for SPIRIT, an expert system is able to work with uncertainties and manipulates data, being fed with information that indicates the no default probability. The results obtained with the tests were satisfactory as they were able to identify the probability of a borrower turn out to be a no default or minimize the risk, even before the credit was released. / O objetivo desta dissertação é estruturar um sistema especialista probabilístico com utilização da Shell Spirit para avaliar o risco de inadimplência de tomadores de crédito em uma instituição financeira ou de reduzir o risco que ele representa. O estudo foi limitado a pessoas físicas, uma vez que, as variáveis utilizadas para a análise de risco na concessão de créditos se diferem das pessoas jurídicas e, também, pelo fato de esta ser uma área menos explorada pelos acadêmicos. A metodologia aplicada foi inserida no contexto de uma pesquisa empírica quantitativa, na qual se buscou aproximar o máximo possível o modelo elaborado à realidade. Contudo, nesta etapa foi necessário coletar informações internas da instituição utilizada para o estudo, referentes à análise de riscos, políticas de crédito, perfis de tomadores, bem como extrair conhecimentos de especialistas com a finalidade de selecionar as variáveis relevantes para o sistema e de fazer a interação destas ao compor regras juntamente com a definição dos seus pesos. Consecutivo à conclusão do modelo, ocorreram testes de algumas situações favoráveis e/ou desfavoráveis a concessão de créditos, considerando que nesta fase foram instanciadas as variáveis pertinentes a cada situação em questão. O sistema é capaz de gerenciar e reduzir os riscos de crédito de instituição bancária, pois o SPIRIT trabalha com incertezas e manipula dados, sendo alimentado com informações que indiquem a probabilidade de inadimplência não . Os resultados obtidos com os testes foram satisfatórios à medida que estes possibilitaram identificar a probabilidade de um tomador de crédito vir a torna-se um não inadimplente ou de reduzir o risco, antes mesmo da liberação do crédito.