Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Gonçalves, Flávio Henrique de Souza
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: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Gestão de riscos
Renda presumida
Regressão quantílica
Inteligência analítica
Open Banking
Link de acesso: https://repositorio.unb.br/handle/10482/44464
Resumo: Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Brasília, 2022.
id UNB_b4e5357fcba7aa1b9699d5c7c8fd6a6f
oai_identifier_str oai:repositorio.unb.br:10482/44464
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open BankingGestão de riscosRenda presumidaRegressão quantílicaInteligência analíticaOpen BankingDissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Brasília, 2022.Uma das informações fundamentais no processo de concessão de crédito em uma instituição financeira é a capacidade de o indivíduo honrar os compromissos assumidos. Nesse contexto, a renda individual da pessoa física é de suma importância para determinar, de maneira adequada, a capacidade de pagamento e o volume de recursos a serem disponibilizados a cada cliente. Um modelo estatístico capaz de estimar a renda do indivíduo é deveras relevante, para além do processo de crédito, com influência, por exemplo, na exigência regulatória, na fidelização/prospecção de clientes, no combate à lavagem de dinheiro, na validação de informações prestadas sem a devida comprovação e sujeitas a risco operacional - no momento de internalização do dado -, entre outros. A posse de informações de renda fidedignas e atualizadas torna-se, portanto, grande vantagem competitiva para as instituições financeiras. Dado o início do Open Banking no Brasil (princípio que permite a abertura de dados no sistema financeiro), o desafio de estimar a renda presumida das pessoas físicas, por metodologia proprietária, pode ser o diferencial das instituições financeiras e fintechs, nesta nova arena do Sistema Financeiro Nacional (SFN). A partir deste ecossistema de compartilhamento de dados foi desenvolvido modelos estatísticos para presumir a renda de clientes de uma Instituição Financeira Brasileira com objetivo de aprimorar a consistência das informações cadastrais, mitigar os riscos de crédito e prospectar novos clientes. O presente trabalho objetiva descrever as etapas de elaboração do modelo preditivo de renda presumida de pessoa física, utilizando modelagem estatística - em especial a regressão quantílica -, aplicadas em base de dados de clientes em uma grande instituição financeira brasileira e comparar seus resultados com os modelos de renda presumida adquiridos de Bureaus de Crédito.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).One of the fundamental pieces of information in the credit granting process to a financial institution is the individual’s ability to honor commitments assumed. In this context, the individual income is of paramount importance to properly determine one’s ability to pay and the volume of resources to be made available to each customer. A statistical model capable of estimating an individual’s income is highly relevant, and goes beyond the credit process, as it influences, for instance, regulatory requirement, customer loyalty/prospecting, money laundering fighting, validation of information provided without proper evidence and subject to operational risk at the time of data internalization, among others. The possession of reliable and up-to-date income information becomes, therefore, a relevant competitive advantage for financial institutions. With the beginning of Open Banking in Brazil (a principle that allows data opening in the financial system), the challenge of estimating the presumed income of individuals, using a proprietary methodology, could be the dierential for financial institutions and fintechs in this new arena of the National Financial System (SFN). From this data sharing ecosystem, statistical models were developed to estimate the income of clients of a Brazilian Financial Institution with the objective of improving the consistency of registration information, mitigating credit risks and prospecting new clients. The present work aims to describe the stages of elaboration of the predictive model of estimated income of individuals, using statistical modeling - in particular quantile regression -, applied to a database of clients in a large Brazilian financial institution and to compare its results with the models of presumed income acquired from Credit Bureaus.Instituto de Ciências Exatas (IE)Departamento de Ciência da Computação (IE CIC)Programa de Pós-Graduação em Computação Aplicada, Mestrado ProfissionalSouza, João Carlos FélixGonçalves, Flávio Henrique de Souza2022-08-09T21:54:59Z2022-08-09T21:54:59Z2022-08-092022-02-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfGONÇALVES, Flávio Henrique de Souza. Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking. 2022. xii, 68 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2022.https://repositorio.unb.br/handle/10482/44464porA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2025-03-19T15:58:59Zoai:repositorio.unb.br:10482/44464Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-03-19T15:58:59Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking
title Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking
spellingShingle Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking
Gonçalves, Flávio Henrique de Souza
Gestão de riscos
Renda presumida
Regressão quantílica
Inteligência analítica
Open Banking
title_short Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking
title_full Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking
title_fullStr Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking
title_full_unstemmed Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking
title_sort Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking
author Gonçalves, Flávio Henrique de Souza
author_facet Gonçalves, Flávio Henrique de Souza
author_role author
dc.contributor.none.fl_str_mv Souza, João Carlos Félix
dc.contributor.author.fl_str_mv Gonçalves, Flávio Henrique de Souza
dc.subject.por.fl_str_mv Gestão de riscos
Renda presumida
Regressão quantílica
Inteligência analítica
Open Banking
topic Gestão de riscos
Renda presumida
Regressão quantílica
Inteligência analítica
Open Banking
description Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Brasília, 2022.
publishDate 2022
dc.date.none.fl_str_mv 2022-08-09T21:54:59Z
2022-08-09T21:54:59Z
2022-08-09
2022-02-10
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 GONÇALVES, Flávio Henrique de Souza. Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking. 2022. xii, 68 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2022.
https://repositorio.unb.br/handle/10482/44464
identifier_str_mv GONÇALVES, Flávio Henrique de Souza. Métodos de estimação de renda presumida para Clientes Pessoa Física no ambiente de Open Banking. 2022. xii, 68 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2022.
url https://repositorio.unb.br/handle/10482/44464
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.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1839083750152994816

Registros relacionados