Modelo Preditivo para Avaliação de Crédito em Empréstimos Pessoais

• Pablo Simões Nascimento Instituto Federal do Espírito Santo
• Karin S. Komati Instituto Federal do Espírito Santo
• Jefferson O. Andrade Instituto Federal do Espírito Santo

Abstract

This work consists in the construction of a classification model for credit proposal analysis using machine learning algorithms from the historical database of credit analysis made by a financial institution. The study uses a database of nearly 200.000 proposals, performs exploratory data analysis, generates two prediction models, sets thresholds for pass and fail proposals, tests initial scores to obtain 0.77 and 0.83 for models 1 and 2 respectively, It establishes the accuracy and quantity of proposals classified as model evaluation methodologies, performs experiments varying the thresholds and presents the results. Assuring accuracy of 97% we were able to correctly classify 90.6% of Proposals.

Keywords: construction, rating model, credit, algorithm

References

Batista, G. E. d. A. P. A. (2003). Pré-processamento de dados em aprendizado de máquina supervisionado. Doutorado em ciências, Universidade de São Paulo, São Carlos.

de Oliveira Araújo, F. and Ribeiro, A. P. A. (2003). Mercado de crédito brasileiro. Organização Internacional do Trabalho, 1a edition.

Dietterich, T. G. (1998). Approximate statistical tests for comparing supervised classifi- cation learning algorithms. Neural computation, 10(7):1895–1923.

Gertler, M. and Karadi, P. (2015). Monetary policy surprises, credit costs, and economic activity. American Economic Journal: Macroeconomics, 7(1):44–76.

Guyon, I. and Elisseeff, A. (2006). An introduction to feature extraction. In Feature extraction, pages 1–25. Springer.

Ho, T. K. (1995). Random decision forests. In Proceedings of 3rd international confe- rence on document analysis and recognition, volume 1, pages 278–282. IEEE.

Kealhofer, S. (2003). Quantifying credit risk I: default prediction. Financial Analysts Journal, 59(1):30–44.

Rodrigues, D. S., Brasil, A. R. A., Costa, M. B., Komati, K. S., and Pinto, L. A. (2018). Uma análise comparativa de um algoritmo de aprendizado supervisionado para soli- citações de empréstimo em uma plataforma peer-to-peer. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação , pages 332–325, Porto Alegre, RS, Brasil. SBC.

UOL (2018). BC autoriza 1a fintech a conceder empréstimo no país sem mediação de banco. https:// economia.uol.com.br/noticias/redacao/2018/12/05/

banco-central-concede-autorizacao-para-primeira-fintech\-de-credito.htm?cmpid=copiaecola. Accessed on 01/05/2019.

Vasconcellos, M. S. d. (2002). Proposta de método para análise de concessões de crédito a pessoas físicas. PhD thesis, Universidade de São Paulo.

Zogbi, P. and Castro, M. (2019). Empresa simples de crédito (ESC): en- tenda a lei que permite empréstimos entre pessoas. https://www. infomoney.com.br/minhas-financas/credito/noticia/8088402/ esc-como-vai-funciona-a-empresa-criada-para-facilitar\-a-vida-de-pmes. Accessed on 01/08/2019.