Modelo h??brido de avalia????o de risco de cr??dito para corpora????es brasileiras com base em algoritmos de aprendizado de m??quina

• Ano de defesa: 2018
• Autor(a) principal: Greg??rio, Rafael Leite
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Cat??lica de Bras??lia; Escola de Gest??o e Neg??cios; Brasil; UCB; Programa Stricto Sensu em Economia de Empresas
• Palavras-chave em Português: SVM; XGboost; Risco de cr??dito; Ratings de cr??dito; Default probability; Credit risk; CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
• Link de acesso: https://bdtd.ucb.br:8443/jspui/handle/tede/2432

A avalia????o do risco de cr??dito tem papel relevante para as institui????es financeiras por estar associada a poss??veis perdas que podem gerar grande impacto nos balan??os. Embora existam v??rias pesquisas sobre aplica????es de modelos de aprendizado de m??quina e finan??as, ainda n??o h?? estudo que integre o conhecimento dispon??vel sobre avalia????o de risco de cr??dito. Este trabalho visa especificar modelo de aprendizado de m??quina da probabilidade de descumprimento de empresas de capital aberto presentes no ??ndice Bovespa (corpora????es) e, fruto das estima????es do modelo, obter m??trica de avalia????o de risco baseada em letras (ratings) de risco. Convergiu-se metodologias verificadas na literatura e estimou-se modelos que compreendem componentes fundamentalistas (de balan??o) e de governan??a corporativa, macroecon??micos e ainda vari??veis produto da aplica????o do modelo propriet??rio de avalia????o de risco de cr??dito KMV. Testou-se os algoritmos XGboost e LinearSVM, os quais possuem caracter??sticas bastante distintas entre si, mas s??o potencialmente ??teis ao problema exposto. Foram realizados Grids de par??metros para identifica????o das vari??veis mais representativas e para a especifica????o do modelo com melhor desempenho. O modelo selecionado foi o XGboost, tendo sido observado desempenho bastante semelhante aos resultados obtidos para o mercado de a????es norte-americano em pesquisa an??loga. Os ratings de cr??dito estimados mostram-se mais sens??veis ?? situa????o econ??mico-financeira das empresas ante o verificado por ag??ncias de rating tradicionais.