In this work was evaluated the effectiveness of artificial neural networks in trading on the stock markets. The subject of the work was the process of optimizing parameters of artificial neural networks, the resulting predictive efficiency was determined on the basis of the application being optimized parameters of neural networks.

Orientadora: Profª Drª Graziella Colato Antonio / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Pós-Graduação em Energia, 2016. / As crescentes preocupações socioambientais têm incentivado discussões acerca de alternativas que aliem um incremento da participação de fontes renováveis na matriz energética e a redução dos impactos ambientais negativos decorrentes da atividade humana. Nesse sentido, o correto manejo e destinação dos resíduos sólidos urbanos ocupa uma posição importante, pois tratamentos adequados para esses resíduos podem contribuir em ambas as frentes. Uma solução que tem sido largamente utilizada por países desenvolvidos e em desenvolvimento para a destinação dos resíduos sólidos é a sua recuperação energética por processo de conversão termoquímica de incineração. Essa solução tanto contribui para o aumento da oferta de energia, quanto diminui consideravelmente o volume dos resíduos a serem depositados em aterros, e ainda mitiga sua toxicidade. Como parte de um adequado planejamento, implantação e operação de uma planta de conversão energética de resíduos é imprescindível que se conheça seu poder calorífico, e muitos modelos têm sido desenvolvidos, principalmente com a utilização de regressão linear múltipla, técnica matemática que gera modelos de previsão lineares. Este trabalho teve o objetivo de propor uma metodologia de construção de modelos de predição de poder calorífico de resíduos sólidos urbanos, a partir da análise elementar, porém com uma abordagem computacional, utilizando uma técnica de inteligência computacional denominada redes neurais artificiais. Redes neurais podem representar tanto funções lineares quanto funções não lineares, e é através dessa característica que se pretendeu promover um incremento na acurácia das predições de poder calorífico de resíduos. Para tanto, foram testadas 432 configurações distintas de redes neurais, com a variação de 5 parâmetros de arquitetura da rede. Como resultado do trabalho, foi observado que, dentre essas 432 configurações, 80 (18,5%) obtiveram um índice de previsão considerado excelente, e a rede de melhor desempenho (rna-771-bfg-lp) atingiu um índice de erro médio percentual absoluto de 2,9%, na previsão de poder calorífico de 10 amostras. No comparativo com modelos matemáticos da literatura, a rna-771-bfg-lp foi melhor do que todos os modelos considerados, cujo melhor resultado foi 3,9% pelo índice MAPE. Esses resultados indicam que redes neurais se constituem uma técnica de construção de modelos de predição bastante promissora, e que a metodologia aqui proposta é capaz de gerar modelos de predição de poder calorífico de resíduos baseado em redes neurais bastante eficazes para esse tipo de tarefa. / The growing of the environmental concerns has encouraged discussions about alternatives that combine an increase of the share of renewable sources in the energy matrix and the reduction of the negative environmental impacts of human activity. By this way, the proper management and disposal of municipal solid waste have played an important role, and an adequate waste treatment can help on both fronts. A possible solution that has been widely used by developed and developing countries for disposal of solid waste is the energy recovery of the waste by a thermochemical conversion process called incineration. This solution contributes to increase the energy supply, reducing the vólume óf waste tó be landfilled, and mitigates the waste¿s tóxicity. To a proper planning, implementation and operation of a waste-to-energy plant is essential to know the heating value of waste to be incinerated, and many models have been developed, especially with the use of multiple linear regression, a mathematical technique to build linear predictive models. This paper aims to propose a methodology to create heating value predicting models of municipal solid waste with a computational approach, using an artificial intelligence technique called neural networks. Artificial neural networks can represent both linear and non-linear functions, and we intend that this feature could improve the accuracy of the heating value of waste forecasts. 432 neural networks configurations have been tested, with a variation of 5 architecture parameters of the networks. It was observed that among these 432 configurations, 80 (18.5%) were considered excellent to predict the heating value of the waste, and the best performance network (rna-771-bfg-lp) got a mean absolute percentage error (MAPE) index of 2.9%, in a set of 10 samples. In the comparison with mathematical models of literature, rna-771-bfg-lp was better than all models considered, whose best result was 3.9% by the MAPE index. These results indicate that neural networks are a very promising computational technique to create prediction models, and the methodology proposed here is very effective to the development of municipal solid waste heating value forecasting models based on neural networks.

Orientadora: Profa. Dra. Patricia Belfiore Fávero / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2016. / Este trabalho tem o objetivo de analisar as conjunturas do mercado financeiro, no tocante ao assunto de avaliação de risco de crédito. Esta atividade é primordial em toda e qualquer instituição que trabalhe com a concessão de ativos de crédito a credores, assumindo com isso todos os riscos de perda financeira envolvidos em uma operação de confiança. Com isso, este trabalho apresenta diferentes métodos de avaliação de risco de crédito utilizados por instituições ao redor do mundo, destacando melhores práticas de avaliação dos riscos na concessão de crédito, e características locais especificas que muitas vezes são similares em muitos países como regulamentações dos órgãos reguladores do governo local, e até mesmo acordos internacionais de melhores práticas de gestão de carteira de crédito como a Basileia. Dentre os métodos mais comumente utilizados nas instituições, este trabalho presta uma avaliação mais próxima sobre os métodos estatísticos aplicados para avaliação de risco de crédito, e os avanços conquistados com o apoio de técnicas sofisticadas de inteligência artificial no auxílio a resolução de problemas de análise de crédito, como redes neurais artificiais, algoritmos genéticos, e aprendizado conjunto de máquina. A união entre os conhecimentos clássicos de gestão de crédito e as técnicas de inteligência artificial permitem uma melhor assertividade na predição de bons e maus clientes, garantindo um menor risco financeiro e uma economia considerável devido à redução de processos operacionais. Com base nas análises literárias analisadas, será apresentado um estudo experimental, com o objetivo de apresentar na pratica o uso de técnicas de inteligência artificial para simular a resolução de problemas simples de análise de crédito. / This work has been developed with the objective of analyzing different situations in the financial Market, as regards the issue of credit risk evaluation. This activity is paramount in any institution that works with the granting of credit assets to creditors, taking with it all the risks of financial loss involved in a reliable operation. Thus, this paper presents various credit risk assessment methods used by institutions around the world, highlighting best risk assessment practices in lending, and specific local characteristics that are often similar in many countries such regulations organs regulators of local government, and even international agreements to better credit portfolio management practices such as Basel. Among the methods most commonly used in institutions, this paper provides a closer assessment of the statistical methods used to evaluate credit risk, and the advances made with the support of sophisticated artificial intelligence techniques to aid solving analysis problems credit, such as artificial neural networks, genetic algorithms, and joint learning machine. The union between the classical knowledge credit management and artificial intelligence techniques, provide better assertiveness in the prediction of good and bad clients, ensuring a lower financial risk and considerable savings due to reduced operational processes. Based on the literary analysis analyzed, an experimental study will be presented, with the aim of presenting in practice the use of artificial intelligence techniques to simulate the resolution of simple credit analysis problems.

Orientador: Prof. Dr. Ivan Roberto Santana Casella / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia Elétrica, 2017. / Com o desligamento das transmissoes do sinal de TV analogica e o crescimento de novas instalações do sinal de TV digital em todo territorio nacional para os proximos anos, existe a necessidade de um conhecimento mais aprofundado das caractersticas dos canais de propagação, possibilitando a implantação desses novos sistemas de forma mais otimizada e efciente. Os modelos de propagação propostos para o Sistema Brasileiro de TV Digital seguem recomendações nacionais e internacionais baseadas nos modelos de propagação de larga escala, propostos na literatura cientifica. Contudo, em algumas situaçõess, esses modelos não caracterizam com precisão a propagação da onda eletromagnetica na comunicação entre o transmissor e o receptor, devido aos fenomenos de propagação e interferencias que degradam o sinal. Assim sendo, aplicou-se nesse projeto 03 tecnicas de Redes Neurais Artificiais como aproximadores de funções: Perceptron Multicamadas, Redes de Funções de Base Radial e Rede Neurais com Regressão Generalizada, sendo treinadas com os dados coletados de um levantamento de campo dos canais abertos de TV digital na cidade de São Paulo. Apos a fase de treinamento e utilizando metodos de otimização adequados para redução de overfitting, as melhores configurações de Redes Neurais Artificiais foram analisadas com resultados de saída mais adequados para representar o canal de propagação para o sistema de TV digital e resultados generalizados para diferentes distancias, frequencias e alturas foram gerados. Por fim, uma analise estatistica foi realizada comparando os valores de saida das Redes Neurais Artificiais, com valores praticos do levantamento de campo e os resultados teoricos calculados atraves dos modelos de propagação classicos da literatura cientifica, sinalizando que o uso das tecnicas de Redes Neurais Artificiais é possível na predição de canal de propagação com relativa eficiência de resultados. / With the switch-off of the analogue TV signal transmissions and the new digital TV signal installations throughout the national territory for the next years, there is a need for a more in-depth knowledge of the characteristics of the propagation channels, enabling the deployment of these new systems in a more optimized and eficient way. The propagation models proposed for the Brazilian Digital TV System follow national and international recommendations based on the large scale propagation models proposed in the scientific literature. However, in some situations, these models do not accurately characterize the propagation of the electromagnetic wave in the communication between the transmitter and the receiver, due to propagation phenomena and interferences that degrade the signal. Thus, we applied in this project 03 techniques of Artificial Neural Networks as approximations of functions: Multi layer Perceptron, Radial Base Functions Networks and Generalized Regression Neural Network, being trained with data collected from a field survey of open channels of digital TV in the city of S~ao Paulo. After the training phase and using appropriate optimization methods to reduce overfitting, the best configurations of Artificial Neural Networks were analyzed with better output results to represent the propagation channel for the digital TV system and generalized results for diferent distances, Frequencies and heights of the profiles were generated. Finally, a statistical analysis was performed comparing the output values of the Artificial Neural Networks with practical values of the field survey and the theoretical results calculated through the classical propagation models of the scientific literature, signaling that the use of Artificial Neural Networks techniques is possible in the prediction of propagation channel with relative eficiency of results.

Esta tese tem por objetivo propor uma metodologia para recuperação de perfis verticais de temperatura na atmosfera com nuvens a partir de medidas de radiância feitas por satélite, usando redes neurais artificiais. Perfis verticais de temperatura são importantes condições iniciais para modelos de previsão de tempo, e são usualmente obtidos a partir de medidas de radiâncias feitas por satélites na faixa do infravermelho. No entanto, quando estas medidas são feitas na presença de nuvens, não é possível, com as técnicas atuais, efetuar a recuperação deste perfil. É uma perda significativa de informação, pois, em média, 20% dos pixels das imagens acusam presença de nuvens. Nesta tese, este problema é resolvido como um problema inverso em dois passos: o primeiro passo consiste na determinação da radiância que atinge a base da nuvem a partir da radiância medida pelos satélites; o segundo passo consiste na determinação do perfil vertical de temperaturas a partir da informação de radiância fornecida pelo primeiro passo. São apresentadas reconstruções do perfil de temperatura para quatro casos testes. Os resultados obtidos mostram que a metodologia adotada produz resultados satisfatórios e tem grande potencial de uso, permitindo incorporar informações sobre uma região mais ampla do globo e, consequentemente, melhorar os modelos de previsão do tempo. / This thesis presents a methodology for retrieving vertical temperature profiles in the atmosphere with clouds from radiance measurements made by satellite, using artificial neural networks. Vertical temperature profiles are important initial conditions for numerical weather prediction models, and are usually obtained from measurements of radiance using infrared channels. Though, when these measurements are performed in the atmosphere with clouds, it is not possible to retrieve the temperature profile with current techniques. It is a significant loss of information, since on average 20% of the pixels of the images have clouds. In this thesis, this problem is solved as a two-step inverse problem: the first step is an inverse problem of boundary condition estimation, where the radiance reaching the cloud basis is determined from radiance measured by satellite; the second step consists in determining the vertical temperature profile from the boundary condition estimated in the first step. Reconstructions of temperature profile are presented for four test cases. The results show that the proposed methodology produces satisfactory results and has great potential for use, allowing to incorporate information from a wider area of the planet and thus to improve numerical weather prediction models.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / This work presents the implementation and analysis of a system devoted to the extraction and recognition of optical characters which is based on the hardware and software co-design methodology and built over a reconfigurable platform. Since vision is a very important sense, the research in the field of artificial vision systems has been carried out since the very beginning of the digital era, in the early 60 s. Taking into account the recent evolution experienced by the configurable computing area, a new tendency of research and development of heterogeneous artificial vision systems emerges. Among the main benefits provided by the so called systems on chip are the reduction of power dissipation, financial costs and physical area. In this sense, taking a License Plate Recognition System (LPRS) as a case study, the focus of this work is the implementation of the character localization and recognition steps, while the partitioning of hardware and software resources is based in costbenefit heuristics. Initially, a software-only version of the system is build over an x86 platform. More than to allow the evaluation of several character localization related methods, this software-only version is also intended to be used as parameter of comparison for the embedded version of the system. Regarding the character recognition step, it is performed by the means of an Artificial Neural Network. Based on the results provided by the software-only evaluation system, the implementation of the embedded version is performed, considering an FPGA as platform. In this embedded version, the character localization step consists of a dedicated hardware block, while the character recognition step comprises a piece of software executed in a microprocessor that is physically implemented inside the FPGA. Taking into account a 10 times higher frequency of operation for the processor of the x86 platform, as well as the fact that most of the embedded hardware block employs a clock frequency smaller or equal to 25 MHz, the most noticeable result is the 2.25 times faster speed of processing achieved by the embedded version. Regarding the plate recognition capability, both systems have the same performance, being able to successfully recognize plates in 51.62 % of the cases (considering the best case). Beyond LPRSs, the system developed here could also be employed to build other applications that require optical character recognition features, such as automatic traffic signs recognition and serial number reading of items in a production line. / Este trabalho apresenta a implementação e análise de um sistema voltado à extração e reconhecimento de caracteres ópticos a partir do co-projeto de hardware e software sobre uma plataforma reconfigurável. Por conta da importância atribuída ao sentido da visão, sistemas artificiais capazes de emular as tarefas envolvidas neste processo biológico têm sido alvo de pesquisas desde o surgimento dos primeiros computadores digitais, na década de 60. Tendo em vista a recente evolução experimentada na área da computação configurável, surge uma tendência natural à pesquisa e desenvolvimento de sistemas heterogêneos (compostos por uma combinação de blocos de hardware e software) de visão artificial baseados em tal plataforma. Dentre os principais benefícios proporcionados por sistemas em chip podem ser citados a redução no consumo de potência, custos financeiros e área física. Neste sentido, tomando como estudo de caso um Sistema de Reconhecimento de Placas de Licenciamento Veicular (SRPLV), o foco do trabalho está situado na implementação das etapas de localização e reconhecimento de caracteres, sendo o particionamento dos blocos de hardware e software baseado em heurísticas de custo-benefício. Inicialmente é realizada a implementação de uma versão totalmente em software do sistema aqui proposto, sobre plataforma x86, no intuito de avaliar os diversos métodos passíveis de implementação, bem como o de possibilitar um parâmetro de comparação com a versão embarcada do sistema. Os métodos avaliados dizem respeito à etapa de localização de caracteres, haja vista a definição à priori do emprego de Redes Neurais Artificiais no reconhecimento dos mesmos. A partir dos resultados obtidos por esta avaliação é realizada a implementação da versão embarcada do sistema, tendo como plataforma um FPGA. Nesta versão, a etapa de localização de caracteres é implementada como um bloco dedicado de hardware, enquanto a de reconhecimento constitui-se num software executado sobre um microprocessador fisicamente embutido no interior do FPGA. Considerando uma freqüência de operação 10 vezes superior para o processador da plataforma x86, bem como o fato da maior parte do hardware embarcado utilizar um clock menor ou igual a 25 MHz, o principal resultado consiste no ganho de 2,25 vezes no tempo de execução obtido na segunda versão do sistema. No tocante à capacidade de reconhecimento de placas, os sistemas são equivalentes, sendo capazes de reconhecê-las corretamente em 51,62% das vezes, no melhor caso. Além de SRPLVs, o sistema aqui desenvolvido pode ser empregado na criação de outras aplicações que envolvam a problemática do reconhecimento de caracteres óticos, como reconhecimento automático de placas de trânsito e do número de série de itens numa linha de produção.

The knowledge of the relationships between physical and mechanical properties of the soil may contribute to the development of pedotransfer functions (PTFs), to estimate other soil properties are difficult to measure. The objectives of this work were to estimate the preconsolidation pressure and soil resistance to penetration, using predictive methodologies, using data available in the literature, with physical-hydrological and mineralogical characteristics of soils. The development of PTFs was based on three modeling methods: (i) multiple linear regression (MLR), (ii) artificial neural networks (ANNs) and (iii) support vector machines (SVM). The first proposed methodology for the development of PTFs was the stepwise option of the IBM-SPSS 20.0® software. The models generated from the second methodology, ie RNA were implemented through the multilayer perceptron with backpropagation algorithm and Levenberg-Marquardt optimization of Matlab®2008b software, with variations of the number of neurons in the input layer and number of neurons In the middle layer. The third methodology was to generate PTFs from SVM that fit within the data mining process by exercising the Waikato Environment for Knowledge Analysis software (RapidMiner 5). The SVM training was performed by varying the number of input data, the kernel function and coefficients of these functions. Once the estimates were made, the performance indices (id) and classified according to Camargo and Sentelhas (1997) were calculated, thus comparing the methods between themselves and others already established. The obtained results showed that artificial intelligence models (RNA and MVS) are efficient and have predictive capacity superior to the established models, in data conditions of soils with textural classes and diverse managements, and similar, although with higher performance index values for Conditions of soils of the same textural class exposed to the same management. / O conhecimento das relações entre propriedades físicas e mecânicas do solo pode contribuir no desenvolvimento de funções de pedotransferência (FPTs), que permitam estimar outras propriedades do solo de difícil mensuração. Os objetivos deste trabalho foram estimar a pressão de preconsolidação e a resistência do solo à penetração, com o uso de metodologias de predição, utilizando-se de dados disponíveis na literatura, com valores de características físico-hídricas e mineralógicas dos solos. Os valores estimados foram obtidos a partir de três métodos de modelagem: (i) regressão linear múltipla (RLM), (ii) redes neurais artificiais (RNA) e (iii) máquinas de vetores de suporte (MVS). A primeira metodologia proposta para o desenvolvimento dos modelos preditivos foi a opção stepwise do software IBM-SPSS 20.0®. Os modelos geradas a partir da segunda metodologia, ou seja, das RNA foram implementadas através do perceptron multicamadas com algoritmo backpropagation e otimização Levenberg-Marquardt do software Matlab®2008b, efetuando-se variações do número de neurônios na camada de entrada e número de neurônios na camada intermediária. A terceira metodologia foi gerar FPTs a partir de MVS que se enquadra dentro dos processos de mineração de dados utilizando para tal o software Waikato Environment for Knowledge Analysis® (RapidMiner 5). O treinamento das MVS foi realizado variando-se o número de dados de entrada, a função kernel e coeficientes destas funções. Realizadas as estimativas, foram calculados os índices de desempenho (id) e classificados segundo Camargo e Sentelhas (1997), podendo-se assim comparar os métodos entre si e a outros já consagrados. Os resultados obtidos mostraram que modelos de inteligência artificial (RNA e MVS) são eficientes e possuem capacidade preditiva superior aos modelos consagrados, em condições de dados de solos com classes texturais e manejos diversos, e semelhantes ainda que com valores de índice de desempenho superiores para condições de solos de mesma classe textural expostos ao mesmo manejo.

Made available in DSpace on 2014-06-11T19:31:35Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-12-10Bitstream added on 2014-06-13T19:02:00Z : No. of bitstreams: 1 silva_shmg_dr_botfca.pdf: 1183066 bytes, checksum: 90313e74dffe24f7d376280e7532d49f (MD5) / Outros / O presente trabalho investigou a utilização do processamento digital de imagens conjuntamente com a análise de componentes principais e redes neurais artificiais como ferramentas de apoio para uma melhor identificação dos estádios iniciais do desenvolvimento da Sigatoka Negra, em nível de campo, para que medidas de controle sejam adotadas mais rapidamente e, assim, reduzir danos e prejuízos causados pela doença na bananicultura. Foram coletadas imagens digitais de folhas de bananeiras infectadas com a Sigatoka Negra nos estádios 1, 2 e 3, sadia e com fitotoxidez por óleo. A seguir, extraíram-se histogramas dos componentes de imagens no sistema RGB (Red, Green eBlue) para 256 intensidades de cinza das amostras, totalizando 768 variáveis para cada amostra. Com a aplicação de uma técnica de seleção de atributos, a análise de componentes principais, conseguiu-se reduzir as variáveis de entrada de 768 para 11 variáveis canônicas, representado uma redução de 98,6%. Em seguida, considerando-se as variáveis canônicas, realizou-se a fase de classificação com o uso de redes neurais artificiais. De maneira geral, as maiores freqüências de acertos do modelo foram para as classes que mais interessam ao monitoramento da enfermidade, mostrando a robustez do classificador gerado, evidenciada pela baixa probabilidade de classificação incorreta (19%). / This study investigated the application, specifically the digital processing of images, with main components analysis and artificial neural networks as tools to support for a better identification of the primaries stages of the Black Sigatoka, in field level, so that control measures are adopted more quickly and consequently it reduces injuries and damages caused by the disease in the banana crops. It were collected digital images of banana leaves infected with Black Sigatoka in stages 1, 2, and 3, healthy and with oil fitotoxity. To proceed, histograms of the components of images were extracted in the system RGB (Red, Green and Blue) for 256 intensities shades of gray of the samples, totaling 768 variables for each sample. With the application of a technique of selection of attributes, the main components analysis, it was possible to reduce the variables of entrance of 768 for 11 canonical variables, represented a reduction of 98,6%. Therefore, being considered the canonical variables, it was accomplished the classification phase with the use of artificial neural networks. In a general way, the largest frequencies of successes of the model went to the classes that more they interest to the control of the diseases, showing the robustness of the generated classifier, evidenced by the low probability of wrong classification (19%).

Made available in DSpace on 2016-06-02T20:00:26Z (GMT). No. of bitstreams: 1 2582.pdf: 440877 bytes, checksum: 0a6ecbfc775ef23cbc8acd0cfb5eca04 (MD5) Previous issue date: 2008-12-18 / Universidade Federal de Sao Carlos / The development of Artificial Neural Networks in the Brazilian´s Sector of Transports comes carrying through great done in what it refers to the promotion of the use of the technique in the solution of problems found in this area. Artificial Neural Networks are computational techniques with capacity to simulate the cerebral activity human being, making future forecasts from the analysis of data. This technique, throughout the years comes greatly stimulating the research in planning of transports in such a way in the exterior how much in Brazil. As objective, this work brings an exploratory research, trying to lift the state of the art of the use and application of the technique Artificial Neural Networks in the Section of Transports in Brazil, drawing a comparison of what has been accomplished at the developed countries and in Brazil. In Brazil, the ANNs had started to be developed in the Sector of Transports for return of the years of 1990, today, the research in this area is generating important works very for the planning of transports, however, the technique of Artificial Neural Networks still has much to be improved better to be used as administrative tools in the country. / O desenvolvimento das Redes Neurais Artificiais no Setor de Transportes no Brasil vem realizando grandes feitos no que tange o fomento da utilização da técnica na solução de problemas encontrados nesta área. As Redes Neurais Artificiais são técnicas computacionais com capacidade de simular a atividade cerebral humana, fazendo previsões futuras a partir da análise de dados. Essa técnica, ao longo dos anos vem estimulando grandemente as pesquisas em planejamento de transportes tanto no exterior quanto no Brasil. Como objetivo, este trabalho traz uma pesquisa exploratória, procurando-se levantar o estado da arte do uso e aplicação da técnica Redes Neurais Artificiais no Setor de Transportes no Brasil, traçando uma comparação do que vem sendo realizado nos países desenvolvidos e no Brasil. No Brasil, as RNAs começaram a ser desenvolvidas no Setor de Transportes por volta dos anos de 1990, hoje, as pesquisas nesta área estão gerando trabalhos muito importantes para o planejamento de transportes, no entanto, a técnica de Redes Neurais Artificiais ainda tem muito a ser aprimorada para melhor ser utilizados como ferramentas administrativas no país.

Made available in DSpace on 2016-06-02T20:06:03Z (GMT). No. of bitstreams: 1 2410.pdf: 5430269 bytes, checksum: 6eb0e35f94b3108e492df5a93a5b0c34 (MD5) Previous issue date: 2008-02-15 / Important advances have been achieved in the granting of credit, however, the problem of identifying good customers for the granting of credit does not provide a definitive solution. Several techniques were presented and are being developed, each presents its characteristics, advantages and disadvantages as to their discrimination power, robustness, ease of implementation and possibility of interpretation. This work presents three techniques for the classification of defaults in models of Credit Score, Classical Logistic Regression, Bayesian Logistic Regression with no prior information and Artificial Neural Networks with a few different architectures. The main objective of the study is to compare the performance of these techniques in the identification of customers default. For this, four metrics were used for comparison of models: predictive capacity, ROC Curve, Statistics of Kolmogorov Smirnov and capacity of hit models. Two data bases were used, an artificial bank and a real bank. The database was constructed artificially based on an article by Breiman that generates the explanatory variables from a multivariate normal distribution and the actual database used is a problem with Credit Score of a financial institution that operates in the retail Brazilian market more than twenty years. / Importantes avanços vêm sendo conquistados na área de concessão de crédito, não obstante, o problema de identificação de bons clientes para a concessão de crédito não apresenta uma solução definitiva. Diversas técnicas foram apresentadas e vêm sendo desenvolvidas, cada uma apresenta suas características, com vantagens e desvantagens no tocante ao seu poder de discriminação, robustez, facilidade de implementação e possibilidade de interpretação. Este trabalho apresenta três técnicas para a classificação de inadimplência em modelos de Credit Score, Regressão Logística Clássica, Regressão Logística Bayesiana com priori não informativa e Redes Neurais Artificiais com algumas diferentes arquiteturas. O objetivo principal do trabalho é comparar o desempenho destas técnicas na identificação de clientes inadimplentes. Para isto, Foram utilizadas quatro métricas para a comparação dos modelos: Capacidade Preditiva, Curva ROC, Estatística de Kolmogorov Smirnov e a Capacidade de Acerto dos modelos. Dois bancos de dados foram utilizados, um banco artificial e um banco real. O banco de dados artificial foi construído baseado em um artigo de Breiman que gera as variáveis explicativas a partir de uma distribuição normal multivariada e o banco de dados real utilizado trata-se de um problema de Credit Score de uma instituição financeira que atua no mercado varejista brasileiro há mais de vinte anos.