Machine learning para rating de crédito de companhias brasileiras não financeiras (2022)
- Authors:
- USP affiliated authors: TOMIDA, MAURICIO HIROKI - EP ; CRUZ, MAYKON SOUZA - EP
- Unidade: EP
- Sigla do Departamento: PMR
- Subjects: APRENDIZADO COMPUTACIONAL; ANÁLISE DE DADOS
- Language: Português
- Abstract: Este trabalho propõe um modelo de machine learning como ferramenta de apoio para análise do risco de crédito, detectando a tendência do rating de crédito de companhias brasileiras não financeiras com base, exclusivamente, nos seus demonstrativos financeiros. Foi proposto um modelo de machine learning utilizando os demonstrativos financeiros da Economatica e o histórico dos ratings de crédito da Bloomberg. Como as bases não são totalmente compatíveis, foi construída uma aplicação em R para compatibilizá-las. Em seguida, a base de dados foi importada no ambiente Python e, utilizando bibliotecas de machine learning, principalmente o Sklearn, foram executadas as seguintes etapas: préprocessamento da base de dados, divisão da base em treinamento e teste, treinamento dos modelos utilizando validação cruzada com a base de treinamento. Foi feita a seleção dentre os seguintes modelos: árvorte de decisão, KNN, Regressão Logística, SVM, Rede Neural (MLP), Random Forest, XGBoost e LightGBM. O melhor modelo foi o Random Forest, que passou por um tuning e avaliação utilizando a base de teste com diferentes métricas, obtendo uma acurácia de 90.12% e F1-Score de 90.04%, demonstrando o bom desempenho do modelo em classificar tanto as classes majoritárias quanto as classes minoritárias. Os resultados mostram que o modelo é sensível às alterações dos indicadores dos demonstrativos financeiros, capturando a tendência da saúde financeira real da companhia, traduzida em forma de rating de crédito.
- Imprenta:
-
ABNT
TOMIDA, Mauricio Hiroki e CRUZ, Maykon Souza. Machine learning para rating de crédito de companhias brasileiras não financeiras. 2022. Trabalho de Conclusão de Curso (Graduação) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2022. Disponível em: https://bdta.abcd.usp.br/directbitstream/c2d7a4cb-d9ab-4204-a862-935174e524d7/MAURICIO%20HIROKI%20TOMIDA%20TCC-PMR.pdf. Acesso em: 25 mar. 2025. -
APA
Tomida, M. H., & Cruz, M. S. (2022). Machine learning para rating de crédito de companhias brasileiras não financeiras (Trabalho de Conclusão de Curso (Graduação). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/c2d7a4cb-d9ab-4204-a862-935174e524d7/MAURICIO%20HIROKI%20TOMIDA%20TCC-PMR.pdf -
NLM
Tomida MH, Cruz MS. Machine learning para rating de crédito de companhias brasileiras não financeiras [Internet]. 2022 ;[citado 2025 mar. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/c2d7a4cb-d9ab-4204-a862-935174e524d7/MAURICIO%20HIROKI%20TOMIDA%20TCC-PMR.pdf -
Vancouver
Tomida MH, Cruz MS. Machine learning para rating de crédito de companhias brasileiras não financeiras [Internet]. 2022 ;[citado 2025 mar. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/c2d7a4cb-d9ab-4204-a862-935174e524d7/MAURICIO%20HIROKI%20TOMIDA%20TCC-PMR.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
MAURICIO HIROKI TOMIDA TC... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
