Análise de risco de crédito com o uso de regressão logística
| Autor | Eric Bacconi Gonçalves - Maria Aparecida Gouvêa - Daielly Melina Nassif Mantovani |
| Cargo | Mestre em Administração pela Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo-FEA/USP - Doutora em Administração pela Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo-FEA/USP - Doutora em Administração pela Faculdade de Economia, Administração e Contabilidade da Universidade de S... |
| Páginas | 139-160 |
DOI: http://dx.doi.org/10.5007/2175-8069.2013v10n20p139
139
ISSN 2175-8069, UFSC, Florianópolis, v. 10, n. 20, p. 139-160, mai./ago. 2013
Análise de risco de crédito com o uso de regressão logística
Credit risk analysis through logistic regression
Eric Bacconi Gonçalves
Mestre em Administração pela Faculdade de Economia, Administração e Contabilidade da
Universidade de São Paulo FEA/USP
Endereço: Av. Professor Luciano Gualberto, n°908, Sala G-162
CEP: 05508-010 - São Paulo/SP Brasil
E-mail: eric.goncalves@telefonica.com.br
Telefone: (11) 3091-6044
Maria Aparecida Gouvêa
Doutora em Administração pela Faculdade de Economia, Administração e Contabilidade da
Universidade de São Paulo FEA/USP
Professora Livre Docente do Departamento de Administração da Faculdade de Economia,
Administração e Contabilidade da Universidade de São Paulo FEA/USP
Endereço: Av. Professor Luciano Gualberto, n° 908, Sala G-162
CEP: 05508-010 - São Paulo/SP Brasil
E-mail: magouvea@usp.br
Telefone: (11) 3091-6044
Daielly Melina Nassif Mantovani
Doutora em Administração pela Faculdade de Economia, Administração e Contabilidade da
Universidade de São Paulo FEA/USP
Professora do Programa de Pós-Graduação em Administração das Faculdades Metropolitanas
Unidas PPGA/FMU
Endereço: Rua Taguá, n° 150
CEP: 01508-010 - São Paulo/SP Brasil
E-mail: daimantovani@gmail.com
Telefone: (11) 2985 8820
Artigo recebido em 06/06/2011. Revisado por pares em 01/10/2012. Reformulado em
12/06/2013. Recomendado para publicação em 25/07/2013 por Sandra Rolim Ensslin (Editora
Científica). Publicado em 09/08/2013.
Eric Bacconi Gonçalves, Maria Aparecida Gouvêa e Daielly Melina Nassif Mantovani
ISSN 2175-8069, UFSC, Florianópolis, v. 10, n. 20, p. 139-160, mai./ago. 2013
140
Resumo
O objetivo deste estudo foi aplicar a técnica de regressão logística no desenvolvimento de um
modelo de predição de credit scoring com dados de uma instituição financeira. A partir de
uma amostra de 20.000 dados, foram definidas três subamostras: uma para construção do
modelo (8.000 dados) e duas para validação, cada uma com 6.000 dados. Nas 3 subamostras,
houve distribuição equitativa de bons e maus clientes, classificados nessas categorias
conforme padrões da instituição. O modelo de regressão logística apresentou adequados
indicadores de ajuste aos dados, podendo ser utilizado no processo de tomada de decisões de
concessão de crédito bancário.
Palavras-chave: Crédito. Regressão Logística. Risco.
Abstract
The objective of this study was to apply the logistic regression technique in the development
of a model for predicting credit scoring using data from a financial institution. From a sample
of 20,000 data, three sub-samples were defined: one sample for model construction (8,000
data) and two other ones for validation, each one with 6,000 data. In the three sub-samples,
there was an equitable distribution of good and bad clients, classified into these categories
according to institutional standards. The logistic regression model presented adequate
indicators of data adjustment in the results, which can be used in the decision-making process
of bank credit concessions.
Keywords: Credit. Logistic Regression. Risk.
1 Introdução
O crédito ao consumidor é uma grande indústria que opera no mundo, facilitando as
transações de bens e serviços. Assim, grandes varejistas impulsionam suas vendas,
fornecendo crédito. O crédito ao consumidor é um negócio essencial. O maior desafio dessa
indústria é tornar o crédito largamente disponível; assim, tantas pessoas quanto possíveis terão
a oportunidade de utilizar essa poderosa ferramenta (LEWIS, 1992, p. 2).
Associado ao crédito ao consumidor, existe o fator risco. Para administrar o risco de
crédito, diversas metodologias de mensuração de exposição e mecanismos de gestão existem
(LIMA et al., 2009). A análise discriminante, a regressão logística, as árvores de decisão e a
programação linear e suas variações podem ser destacadas como técnicas para construção de
modelos de risco de crédito (SAMEJIMA; DOYA; KAWATO, 2003). A gestão do risco de
crédito é um fator estratégico nas instituições que oferecem produtos dessa natureza ao
mercado. Os modelos matemáticos e estatísticos auxiliam nessa gestão, permitindo, com base
em dados de contratos já existentes, criar equações que classifiquem bons e maus pagadores.
A criação e implementação de um modelo estatístico, utilizado de maneira integrada com o
desenvolvimento do banco de dados de clientes da instituição, leva a um modelo de credit
Para continuar a ler
PEÇA SUA AVALIAÇÃO