Regressão Logística Geograficamente Ponderada Aplicada a Modelos de Credit Scoring

AUTOR(ES)

Albuquerque, Pedro Henrique Melo, Medina, Fabio Augusto Scalet, Silva, Alan Ricardo da

FONTE

Rev. contab. finanç.

DATA DE PUBLICAÇÃO

2017-04

RESUMO

Resumo Este estudo utilizou dados reais de uma instituição financeira nacional referentes a operações de Crédito Direto ao Consumidor (CDC), concedidas a clientes domiciliados no Distrito Federal (DF), para a construção de modelos de credit scoring utilizando as técnicas Regressão Logística e Regressão Logística Geograficamente Ponderada [Geographically Weighted Logistic Regression] (GWLR). Os objetivos foram: verificar se os fatores que influenciam o risco de crédito diferem de acordo com a localização geográfica do tomador; comparar o conjunto de modelos estimados via GWLR frente ao modelo global estimado via Regressão Logística, em termos de capacidade de previsão e perdas financeiras para a instituição; e verificar a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring. As métricas utilizadas para comparar os modelos desenvolvidos por meio das duas técnicas foram o critério informacional AICc, a acurácia dos modelos, o percentual de falsos positivos, a soma do valor da dívida dos falsos positivos e o valor monetário esperado de inadimplência da carteira frente ao valor monetário de inadimplência observado. Os modelos estimados para cada região do DF se mostraram distintos em suas variáveis e coeficientes (parâmetros), concluindo-se que o risco de crédito foi influenciado de maneira distinta em cada região do estudo. As metodologias Regressão Logística e GWLR apresentaram resultados bem próximos, em termos de capacidade de previsão e perdas financeiras para a instituição, e o estudo demonstrou a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring para o público-alvo do estudo.

ASSUNTO(S)

risco de crédito regressão logística geograficamente ponderada credit scoring

Documentos Relacionados

• Modelos de regressão logística clássica, Bayesiana e redes neurais para Credit Scoring
• Regressão linear ponderada na seleção de variaveis independentes em modelos de regressão logistica
• Aplicação da análise de sobrevivência em um problema de Credit Scoring e comparação com a regressão logística.
• Construção de modelos credit scoring com análise discriminante e regressão logística para a gestão do risco de inadimplênciaa de uma intituição de microcrédito.
• Modelos de regressão logística