Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Murtadha, Nabil Ahda
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Católica de Brasília
Escola de Humanidades, Negócios e Direito
Brasil
UCB
Programa Stricto Sensu em Economia de Empresas
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Inadimplência
Cartão de crédito
Variáveis macroeconômicas
Modelo ARDL
Aprendizado de máquina
Risco de crédito
Credit default
Credit cards
Macroeconomic variables
ARDL model
Cointegration
Machine learning
Credit risk
CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Link de acesso: https://bdtd.ucb.br:8443/jspui/handle/tede/3702
Resumo: Este trabalho investiga os determinantes macroeconômicos da inadimplência de cartão de crédito no Brasil, com base em dados mensais do período de março de 2011 a maio de 2024. Utiliza-se a metodologia ARDL (Autoregressive Distributed Lag) para identificar relações de curto e longo prazos entre a inadimplência e variáveis macroeconômicas. Os resultados indicam que a inadimplência é influenciada por fatores macroeconômicos, com destaque para os efeitos da taxa Selic, da inflação, da taxa de câmbio e do volume de crédito. O PIB apresentou impacto significativo apenas no curto prazo. Foram observadas diferenças entre os efeitos de curto e longo prazo, principalmente em relação à inflação e ao crédito, sugerindo uma dinâmica complexa. Modelos de aprendizado de máquina complementaram a análise, confirmando a relevância das variáveis selecionadas e apresentando bom desempenho preditivo. A convergência entre abordagens econométricas e preditivas reforça a robustez dos resultados e sua utilidade para o monitoramento do risco de crédito no setor de cartões.
id UCB_7e9c7e200dfc40f063710c7899fe47e9
oai_identifier_str oai:bdtd.ucb.br:tede/3702
network_acronym_str UCB
network_name_str Biblioteca Digital de Teses e Dissertações da UCB
repository_id_str
spelling Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicosInadimplênciaCartão de créditoVariáveis macroeconômicasModelo ARDLAprendizado de máquinaRisco de créditoCredit defaultCredit cardsMacroeconomic variablesARDL modelCointegrationMachine learningCredit riskCNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIAEste trabalho investiga os determinantes macroeconômicos da inadimplência de cartão de crédito no Brasil, com base em dados mensais do período de março de 2011 a maio de 2024. Utiliza-se a metodologia ARDL (Autoregressive Distributed Lag) para identificar relações de curto e longo prazos entre a inadimplência e variáveis macroeconômicas. Os resultados indicam que a inadimplência é influenciada por fatores macroeconômicos, com destaque para os efeitos da taxa Selic, da inflação, da taxa de câmbio e do volume de crédito. O PIB apresentou impacto significativo apenas no curto prazo. Foram observadas diferenças entre os efeitos de curto e longo prazo, principalmente em relação à inflação e ao crédito, sugerindo uma dinâmica complexa. Modelos de aprendizado de máquina complementaram a análise, confirmando a relevância das variáveis selecionadas e apresentando bom desempenho preditivo. A convergência entre abordagens econométricas e preditivas reforça a robustez dos resultados e sua utilidade para o monitoramento do risco de crédito no setor de cartões.This study investigates the macroeconomic determinants of credit card default in Brazil, based on monthly data from March 2011 to May 2024. The ARDL (Autoregressive Distributed Lag) methodology is used to identify short- and long-run relationships between default rates and macroeconomic variables. The results indicate that credit card default is influenced by macroeconomic factors, particularly the Selic interest rate, inflation, exchange rate, and credit volume. GDP showed a significant effect only in the short run. Differences between short- and long-run effects were observed, especially regarding inflation and credit, suggesting a complex dynamic. Machine learning models were applied to complement the analysis, confirming the relevance of the selected variables and demonstrating strong predictive performance. The convergence between econometric and predictive approaches reinforces the robustness of the results and their usefulness for monitoring credit risk in the credit card segment.Universidade Católica de BrasíliaEscola de Humanidades, Negócios e DireitoBrasilUCBPrograma Stricto Sensu em Economia de EmpresasCândido, Osvaldohttp://lattes.cnpq.br/3691103797905606Murtadha, Nabil Ahda2025-08-27T18:08:39Z2025-07-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfMURTADHA, Nabil Ahda. Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos. 2025. 40 f. Dissertação (Programa Stricto Sensu em Economia de Empresas) - Universidade Católica de Brasília, Brasília, 2025.https://bdtd.ucb.br:8443/jspui/handle/tede/3702porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UCBinstname:Universidade Católica de Brasília (UCB)instacron:UCB2025-09-10T13:01:02Zoai:bdtd.ucb.br:tede/3702Biblioteca Digital de Teses e Dissertaçõeshttps://bdtd.ucb.br:8443/jspui/PRIhttps://bdtd.ucb.br:8443/oai/requestsdi@ucb.bropendoar:47812025-09-10T13:01:02Biblioteca Digital de Teses e Dissertações da UCB - Universidade Católica de Brasília (UCB)false
dc.title.none.fl_str_mv Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos
title Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos
spellingShingle Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos
Murtadha, Nabil Ahda
Inadimplência
Cartão de crédito
Variáveis macroeconômicas
Modelo ARDL
Aprendizado de máquina
Risco de crédito
Credit default
Credit cards
Macroeconomic variables
ARDL model
Cointegration
Machine learning
Credit risk
CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
title_short Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos
title_full Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos
title_fullStr Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos
title_full_unstemmed Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos
title_sort Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos
author Murtadha, Nabil Ahda
author_facet Murtadha, Nabil Ahda
author_role author
dc.contributor.none.fl_str_mv Cândido, Osvaldo
http://lattes.cnpq.br/3691103797905606
dc.contributor.author.fl_str_mv Murtadha, Nabil Ahda
dc.subject.por.fl_str_mv Inadimplência
Cartão de crédito
Variáveis macroeconômicas
Modelo ARDL
Aprendizado de máquina
Risco de crédito
Credit default
Credit cards
Macroeconomic variables
ARDL model
Cointegration
Machine learning
Credit risk
CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
topic Inadimplência
Cartão de crédito
Variáveis macroeconômicas
Modelo ARDL
Aprendizado de máquina
Risco de crédito
Credit default
Credit cards
Macroeconomic variables
ARDL model
Cointegration
Machine learning
Credit risk
CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
description Este trabalho investiga os determinantes macroeconômicos da inadimplência de cartão de crédito no Brasil, com base em dados mensais do período de março de 2011 a maio de 2024. Utiliza-se a metodologia ARDL (Autoregressive Distributed Lag) para identificar relações de curto e longo prazos entre a inadimplência e variáveis macroeconômicas. Os resultados indicam que a inadimplência é influenciada por fatores macroeconômicos, com destaque para os efeitos da taxa Selic, da inflação, da taxa de câmbio e do volume de crédito. O PIB apresentou impacto significativo apenas no curto prazo. Foram observadas diferenças entre os efeitos de curto e longo prazo, principalmente em relação à inflação e ao crédito, sugerindo uma dinâmica complexa. Modelos de aprendizado de máquina complementaram a análise, confirmando a relevância das variáveis selecionadas e apresentando bom desempenho preditivo. A convergência entre abordagens econométricas e preditivas reforça a robustez dos resultados e sua utilidade para o monitoramento do risco de crédito no setor de cartões.
publishDate 2025
dc.date.none.fl_str_mv 2025-08-27T18:08:39Z
2025-07-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv MURTADHA, Nabil Ahda. Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos. 2025. 40 f. Dissertação (Programa Stricto Sensu em Economia de Empresas) - Universidade Católica de Brasília, Brasília, 2025.
https://bdtd.ucb.br:8443/jspui/handle/tede/3702
identifier_str_mv MURTADHA, Nabil Ahda. Cartão de crédito: prevendo a taxa de inadimplência através dos indicadores macroeconômicos. 2025. 40 f. Dissertação (Programa Stricto Sensu em Economia de Empresas) - Universidade Católica de Brasília, Brasília, 2025.
url https://bdtd.ucb.br:8443/jspui/handle/tede/3702
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Católica de Brasília
Escola de Humanidades, Negócios e Direito
Brasil
UCB
Programa Stricto Sensu em Economia de Empresas
publisher.none.fl_str_mv Universidade Católica de Brasília
Escola de Humanidades, Negócios e Direito
Brasil
UCB
Programa Stricto Sensu em Economia de Empresas
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UCB
instname:Universidade Católica de Brasília (UCB)
instacron:UCB
instname_str Universidade Católica de Brasília (UCB)
instacron_str UCB
institution UCB
reponame_str Biblioteca Digital de Teses e Dissertações da UCB
collection Biblioteca Digital de Teses e Dissertações da UCB
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UCB - Universidade Católica de Brasília (UCB)
repository.mail.fl_str_mv sdi@ucb.br
_version_ 1845617848462868480

Registros relacionados