Reconhecimento de padrões: motodologias estatísticas em crédito ao consumidor

Abstract

A inadimplência é um dos maiores problemas, senão o maior, enfrentado pelas administradoras de cartão de crédito. No estudo deste problema foi criado o conceito de risco, que é essencialmente a probabilidade de não recebimento dos créditos por parte das administradoras de cartões. Alguns autores, Caouette et al. (2000) e Silva (1988) referem-se às técnicas estatísticas multivariadas como ferramentas poderosas na administração do risco envolvido na concessão de crédito pessoal. Este trabalho apresenta a construção e avaliação de regras de reconhecimento de padrões baseadas em duas técnicas multivariadas: a Função Discriminante Linear de Fisher e a Regressão Logística para classificação de clientes de cartão de crédito em um de dois grupos. A eficiência dos procedimentos é avaliada por meio do Método de Lachenbruch, Lachenbruch (1975).

Monte Carlo Evaluation of Classification Algorithms Based on Fisher's Linear Function in Classification of Patients With CHD

“…Consequently, the false positive and false negative rates are 9.3% and 31.58%, respectively, considering a partition of 70% for the training sample. Works that have used Fisher's linear discriminant method, like in consumer credit analysis, Guimarães and Chaves-Neto [12] obtained sensitivity and specificity rates of 92.16% and 92.4%, respectively, bur ignoring the partition training set. In the case of cross-validation following the Monte Carlo procedure, which consisted of performing 100 simulations of the training and test set partition and for each of these simulations, calculated the sensibility and specificity of the LDA classifier, the prediction power of the Fisher Linear discriminant remained consistent, in the sense that the values are close to those of Table 3 (Fig.…”

Evaluation of sensory panels of consumers of specialty coffee beverages using the boosting method in discriminant analysis

“…In the same study, analyzing seed color (red and yellow), the accuracy of the model was 68.9%. In consumer credit analysis, Guimarães and Chaves-Neto (2002) applied the discriminant analysis model and obtained sensitivity and specificity rates of 92.16% and 92.4%, respectively. Table 4.…”

Inadimplência no Brasil: Uma Análise das Evidências Empíricas

“…É preciso conhecer os fatores que levam a inadimplência para poder preveni-la. Assim, nessa perspectiva Guimarães e Chaves Neto (2002) trazem a ideia de que a inadimplência é considerada um dos maiores problemas enfrentados pelos administradores, sendo que para alguns é considerada a maior das questões do dia a dia das organizações.…”

“…A literatura referente à inadimplência demonstra que alguns autores tiveram a iniciativa de analisar essa questão em algumas realidades e setores econômicos dentro do contexto brasileiro. Dentre esses, citam-se os trabalhos de Guimarães e Chaves Neto (2002), Araújo e Carmona (2007), Sehn e Carlini Junior 2007 Barros et al (2015), Campara et al (2016).…”

“…O estudo de Guimarães e Chaves Neto (2002) teve como objeto de estudo a análise de cartão de crédito de alguns clientes do setor varejista. A partir disso, com a utilização de algumas técnicas multivariadas os autores concluem que na atividade de análise de crédito é necessário um banco de dados com informações que realmente possibilitem a discriminação entre os diversos padrões existentes para os diferentes clientes.…”