Score comportamental de crédito: avaliação de performance de diferentes algoritmos (2024)
- Authors:
- Autor USP: ZOHA, GABRIEL SALIMENE - ICMC
- Unidade: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL; POLÍTICA DE CRÉDITO
- Keywords: AutoGluon; AutoML; Machine learning; Score de crédito; Score comportamental de crédito
- Language: Português
- Abstract: Na busca por uma melhor concessão de crédito, estão disponíveis no mercado diversos scores de crédito através de bureaus tradicionais, mediante certo custo. No presente trabalho, foram avaliados os clientes de uma empresa de médio porte no segmento de adiantamento de recebíveis. A base de clientes a ser modelada consiste de pequenas e médias empresas, onde foram analisados os pagamentos, atrasos e inadimplências das notas fiscais de produto, adiantadas conforme concessão de crédito. Foram analisados diversos algoritmos de machine learning disponíveis em bibliotecas públicas, utilizando uma abordagem customizada de avaliação das métricas de performance e uma abordagem recente de AutoML, através da biblioteca AutoGluon. Para seleção e avaliação dos melhores algoritmos, foi utilizado o teste de Kolmogorov-Smirnov, além das precisões dos modelos em dois pontos de corte, 30% e 90% de recall no que foram classificados previamente como bons clientes, para avaliação numa visão mais próxima do negócio. Os modelos de melhor performance, com valores de KS ≈ 0.26, foram XGBoost, NeuralNetAi e ExtraTrees, o primeiro usando a metodologia proposta nesse trabalho e os outros dois através da metodologia de AutoML da biblioteca AutoGluon. Com exceção do algoritmo de KNN, todos os outros modelos tiveram performance similar, tanto em KS quanto em precisão nos pontos de cortes selecionados. No recorte de 30% de recall, o maior valor alcançado de precisão foi de 96.1%, no modelo de XGBoost, tanto através da metodologia proposta, quanto da utilizada no AutoGluon. No recorte de 90% de recall, o maior valor alcançado foi de 93.2%, nos modelos de ExtraTrees e Catboost, ambos otimizados pelo AutoGluon.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
ZOHA, Gabriel Salimene. Score comportamental de crédito: avaliação de performance de diferentes algoritmos. 2024. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/f6c39a43-7e43-49a8-888d-2571fb2230a3/Gabriel_Salimene_Zoha.pdf. Acesso em: 30 abr. 2025. -
APA
Zoha, G. S. (2024). Score comportamental de crédito: avaliação de performance de diferentes algoritmos (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/f6c39a43-7e43-49a8-888d-2571fb2230a3/Gabriel_Salimene_Zoha.pdf -
NLM
Zoha GS. Score comportamental de crédito: avaliação de performance de diferentes algoritmos [Internet]. 2024 ;[citado 2025 abr. 30 ] Available from: https://bdta.abcd.usp.br/directbitstream/f6c39a43-7e43-49a8-888d-2571fb2230a3/Gabriel_Salimene_Zoha.pdf -
Vancouver
Zoha GS. Score comportamental de crédito: avaliação de performance de diferentes algoritmos [Internet]. 2024 ;[citado 2025 abr. 30 ] Available from: https://bdta.abcd.usp.br/directbitstream/f6c39a43-7e43-49a8-888d-2571fb2230a3/Gabriel_Salimene_Zoha.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Gabriel_Salimene_Zoha.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
