Arquiteturas de Redes Neurais Aplicadas a Data Mining no Mercado Financeiro Uma Aplica��o para a Gera��o de Credit Ratings

Abstract

Credit Ratings play a central role in Credit Risk Management for Financial Institutions. Credit Risk Managers are interested in calculating Risk Spreads, in order to balance the expected losses on a portfolio of customers or credit operations, what is much easier to do using Credit Ratings. In this paper, some alternative approaches are proposed to obtain Credit Ratings, derived from Statistical Theory and Neural Networks Architectures, instead of the usual Linear Logistic Regression Model: Additive Logistic Regression, Multi Layer Perceptron Neural Networks and Bayesian Networks. A comparison of the methods is presented and some recommendations are indicated.

Análise de risco de crédito com o uso de modelos de regressão logística, redes neurais e algoritmos genéticos

“…Observa-se ainda que, excetuando-se a programação linear, todos os outros métodos apresentados, em ao menos um estudo, apresentaram a maior precisão. Arraes et al (1999) 84,8 85,4 Chen et al (2002) 91,9 92,9 Nanda e Pendharkar (2001) 65 62,5 Ohtoshi (2003) 83,5 73,9 85 83,1 Picinini et al (2003) 63,5 64,4 67,5 Arminger et al (1997) 67,6 66,4 65,2 Huang et al (2004) 77 80 Semolini (2002) 68,3 67,4 Rosa (2000) 70,4 66,6 71,4…”

“…Segundo Potts (1998, p. 44), a estrutura de rede neural mais utilizado para este tipo de problema é multilayer perceptron (MLP), que se trata de uma rede com arquitetura feedforward com múltiplas camadas. A literatura consultada (ARMINGER et al, 1997;ARRAES et al, 1999;ZERBINI, 2000;CASTRO JR., 2003;OHTOSHI, 2003)…”