Palavras-chave: software livre; inteligência artificial; redes neurais artificiais; análise de crédito.

Transcrição

1 1 SOFTWARE PARA ANÁLISE DE CONCESSÃO DE CRÉDITO USANDO REDES NEURAIS ARTIFICIAIS * 1 BARROS, Sandro Reis Rocha Mestre em Engenharia (UFRJ) e Mestre em Ciências das Religiões (UNIDA) Professor do Instituto Federal Fluminense (IFF) e Estudante de Doutorado Programa de Pós- Graduação em Cognição e Linguagem da Universidade Estadual do Norte Fluminense Darcy Ribeiro (UENF) prsandroreis@gmail.com sandro@iff.edu.br MEDEIROS, Gleison Pereira Estudante do curso de Bacharelado em Sistemas de Informação do Instituto Federal Fluminense (IFF) gleisongpm@gmail.com MIRANDA, Mozarth Dias de Almeida Mestre em TV Digital (UNESP) Estudante de Doutorado Programa de Pós-Graduação em Cognição e Linguagem da Universidade Estadual do Norte Fluminense Darcy Ribeiro (UENF) mozarthdias@hotmail.com Resumo: Este artigo apresenta o desenvolvimento de um software de inteligência artificial para auxiliar a análise de concessão de crédito ao consumidor feita por instituições financeiras ou comércio eletrônico. A pesquisa foi fundamentada em três etapas: levantamento bibliográfico sobre o tema; entrevistas com um gerente do Banco do Brasil e com um Superintendente Regional da Caixa Econômica Federal; e por último, o desenvolvimento de um software usando Redes Neurais Artificiais tipo MLP. Foi criada uma interface através da qual pode-se informar um histórico com vários exemplos de operações de clientes antes realizadas, cujo resultado quanto à inadimplência já seja conhecido. Essas informações servem como base de conhecimento para se realizar a etapa de treinamento/aprendizagem da Rede Neural Artificial. Uma vez concluída essa etapa de treinamento, o software está pronto a operar avaliando as informações de novos clientes para os quais a instituição financeira ou comercial deseja ter um laudo com relação ao risco de se conceder crédito. O software desenvolvido foi testado em diversos exemplos de operações de crédito, obtendo resultado de 80% de acertos, o que pode ser considerado como um bom desempenho se comparado aos resultados alcançados exclusivamente por mão de obra humana. Partindo do pressuposto que as tarefas de análise e concessão de crédito são realizadas, em sua maioria, por um profissional, ou por um comitê de crédito, esse software poderá substituir o fator de risco humano, ou ser usado como elemento auxiliar na orientação de concessão de crédito a clientes, diminuindo o risco de inadimplência em operações. Palavras-chave: software livre; inteligência artificial; redes neurais artificiais; análise de crédito. * XV Encontro Virtual de Documentação em Software Livre e XII Congresso Internacional de Linguagem e Tecnologia Online

2 2 Introdução A análise de concessão de crédito financeiro feita pelo sistema bancário e pelas empresas de comércio eletrônico no Brasil, ainda tem sido realizada de uma maneira dependente da atuação humana, e totalmente gerida por pessoas. Nas instituições financeiras, existe um comitê de análise de crédito, o qual discute cada caso individual dos clientes e decide se eles podem, ou não, receber crédito da instituição, segundo os critérios considerados importantes pelo sistema de mercado financeiro. Nas empresas de comércio eletrônico existe, em sua maioria, apenas um analista de crédito, que faz consultas aos órgãos de registro de inadimplência, como o SERASA, e outros. O objetivo deste artigo é mostrar o desenvolvimento de um software livre utilizando Redes Neurais Artificiais como uma ferramenta para auxiliar o sistema atual usado por algumas empresas na análise e concessão de crédito, reduzindo o número de funcionários e de reuniões dos profissionais envolvidos na tomada de decisão, diminuindo o desperdício de tempo e aumentando o desempenho nos sucessos das operações de crédito, reduzindo assim, o índice de inadimplência, ( ROSENBERG & GLEIT, 1994). Este artigo também teve por objetivo, disponibilizar material didático-científico para pesquisadores na área de inteligência artificial e programação usando Redes Neurais Artificiais. O software desenvolvido, tem seu código aberto, o que possibilita a todos que desejam utilizá-lo, alterarem seus critérios e parâmetros. Neste software, as informações dos clientes que desejam fazer uso do crédito são informadas e recebidas pela internet, e o sistema dá um parecer favorável, ou não, a respeito desse cliente, segundo os padrões que cada cliente apresenta em suas informações pessoais. 1. Fundamentação teórica As Redes Neurais Artificiais (RNA s), com sua habilidade de derivar o significado de dados complexos ou imprecisos, podem ser usadas para extrair padrões e detectar tendências que são muito complexas para serem observadas por humanos ou por outras técnicas computacionais. Uma vez concluída a sua fase de treinamento/aprendizagem, ela pode ser comparada a um especialista na categoria de informação e análise (AMORIM, 2004), porém, com uma velocidade de processamento muito maior, além de uma padronização em seu processamento, o que garante os mesmos critérios, pesos e medidas, para todos os clientes analisados, comprovando a isonomia em seus parâmetros de decisão diante de todos os clientes analisados. Uma RNA, antes de ser testada e colocada em funcionamento, necessita passar por uma fase de treinamento/aprendizagem, na qual recebe informações organizadas em forma de conhecimento específico do assunto para o qual a RNA é destinada (HAYKIN, 2001). A construção de RNA s tem inspiração nos neurônios biológicos e nos sistemas nervosos. No entanto, é importante compreender que atualmente, as RNA s estão muito distantes das redes neurais biológicas, sendo somente semelhantes. O primeiro modelo de neurônio artificial foi proposto por (MCCULLOCH & PITTS, 1943) e tinha a intenção de simular o neurônio biológico. A arquitetura das redes Multilayer Perceptron (MLP) ou Perceptron de Múltiplas Camadas é dada pela camada de entrada, por uma ou mais camadas ocultas, e pela camada de saída. Tanto a camada de entrada como a camada de saída, geralmente, são traçadas conforme as variáveis do problema (KOVÁCS, 1996). Para este trabalho, foi escolhida a arquitetura de RNA do tipo MLP por apresentar bons resultados na atividade de reconhecimento de padrões. Neste caso, interessa analisar e reconhecer os padrões de clientes com relação à sua tendência de se tornarem inadimplentes ou

3 3 não, diante das empresas credoras. É necessário que se tenha uma base de conhecimento construída com informações do passado sobre algumas operações já realizadas anteriormente, e cujos resultados quanto à inadimplência já sejam conhecidos. Esses exemplos formarão um conjunto de amostras que serão usadas no treinamento/aprendizagem da RNA. Depois que essa fase de treinamento for concluída, a qual é avaliada a partir do acompanhamento da curva de erro, a RNA estará pronta para entrar na fase de teste, em que as empresas poderão utilizá-la para a decisão quanto à concessão ou não de crédito. 2. Metodologia e desenvolvimento Com o intuito de se construir essa base de conhecimento, foram feitas entrevistas com um gerente financeiro de uma agência do Banco do Brasil 2 e com um superintendente regional da Caixa Econômica Federal 3. Estes, disponibilizaram um modelo de ficha cadastral contendo vários indicadores. A partir deste modelo de ficha, foi feito um levantamento dos parâmetros mais relevantes na identificação do comportamento dos clientes: sexo, estado civil, grau de instrução, residência própria, fonte pagadora, renda mensal, outros imóveis próprios, veículo próprio, aplicações financeiras, compromissos financeiros e registro de negativação em órgãos competentes, conforme a tabela 1. Essas serão as informações de entrada para a RNA. Tabela 1 2 Sr. Marcelo Luiz de Figueiredo, gerente do Banco do Brasil, agência Campos dos Goytacazes -RJ 3 Sr. Marcus Vinícius Oliveira de Paiva, Superintendente Regional da CEF, Norte Fluminense RJ.

4 4 A RNA foi alimentada com 20 exemplos da sua base de conhecimento, os quais foram preenchidos por gerentes de crédito por meio de formulário criado no Google Form 4. Os mesmos foram inseridos de forma que as variáveis selecionadas recebessem valor 1 e as variáveis não selecionadas recebessem o valor 0. Na tabela 1, constam 11 categorias com o total de 61 indicadores, onde cada um foi tratado como variável de entrada no modelo da RNA, e por esse motivo, só poderá receber valores binários (0 e 1). No entanto, algumas dessas categorias passaram por um processo de preparação para se adequarem a este requisito, para assim, poderem ser processadas pela RNA. É o caso do indicador Renda Mensal, que só receberia um valor numérico tipo real, sendo modificada para poder receber valores binários. Para isto, foi dividida em 5 variáveis de Classe: A, B, C, D e E, segundo dados do IBGE (CARNEIRO, 2018), como demonstrado na tabela 2. Acrescentou-se assim, mais 5 (cinco) indicadores, formando um total de 67. Tabela 2 Para melhor compreensão, a tabela 3 demonstra dados referentes à parte de um exemplo, onde cada valor 1 representa a variável selecionada. Nesta, consta Sexo feminino, Renda Mensal Classe D, Compromissos Financeiros; Empréstimo e Financeiro. Nas categorias Imóvel, Veículo, Aplicações e Compromissos Financeiros poderão ser selecionadas mais de uma opção. Porém, nas demais categorias, somente uma opção poderá ser selecionada. Tabela 3 Em busca de uma otimização e diminuição dos dados de entrada da RNA, sem perda de informações, foi reformulada a maneira com que os indicadores eram convertidos em números binários. Assim, para as categorias que só podem ser selecionadas uma única opção, foi substituído o valor 1 do indicador selecionado, pelo valor em binário da posição em ordem crescente de onde ele se encontra. Veja, na tabela 4, o exemplo da categoria Estado Civil que possui 8 indicadores. 4 Google Form é uma ferramenta de uso gratuito oferecida pela Google para se criar formulários de pesquisa através da internet. O usuário pode implementar um questionário com questões de múltipla escolha ou discursivas.

5 5 Cada indicador foi representado por um número que vai de 0 a 7. Neste exemplo, está selecionado o indicador União Estável, que está representado pelo valor 7. Este, convertido em binário, resulta em 111. Assim, a categoria que tinha 8 neurônios de entrada representando cada indicador, agora só precisa de 3 neurônios, conforme mostrado na tabela 5. Tabela 4 Tabela 5 Para as categorias que podem ser selecionadas mais de uma opção, cada indicador está representado por um número primo em ordem crescente a sua posição. Foram somados todos os números primos que estavam representando os indicadores selecionados e o resultado foi convertido em binário. Então, este método foi escolhido pois o resultado da soma destes números sempre será único, não sendo repetido em nenhuma outra combinação. Inicialmente, foi criada uma rede MLP com 67 neurônios de entrada, referente a quantidade de indicadores mais uma entrada do bias, 20 neurônios na camada oculta, podendo ser alterado de acordo com os resultados dos testes e 1 neurônio na última camada, que terá como valor de saída 1, se a resposta da RNA for crédito aprovado, ou 0, caso seja crédito não aprovado. Porém, após os ajustes devido à codificação dos dados de entrada na rede, foi definido sua nova arquitetura, com 42 neurônios na camada de entrada, 44 neurônios na camada oculta, e 1 neurônio na camada de saída, conforme figura abaixo: Figura 1 Arquitetura da RNA Após as mudanças feitas através da codificação dos dados de entrada, novos testes foram realizados na topologia da RNA, alterando o número de neurônios na camada oculta, observando os resultados de aprendizagem para cada um deles. Inicialmente foram analisados os resultados das quantidades; 20,30,40,50 e 60. Os testes foram feitos expondo as seguintes informações em paralelo: quantidade de neurônio, erro por época e quantidade de época, conforme tabela a tabela 6.

6 6 Tabela 6 A partir dessas informações, foi possível verificar que número ideal de neurônios na camada oculta estaria entre 40 e 50, pois foram os menores erros encontrados. Então, empiricamente, foram testados de 41 a 49 neurônios e o melhor desempenho foi alcançado com 44 neurônios. Passou-se para a fase de teste e validação da RNA, onde foram testadas informações referentes a novos clientes cujos dados não haviam sido usados na fase de treinamento. 3. Resultados e Considerações finais Após a fase de teste e validação, verificou-se que o software desenvolvido alcançou 100% de acertos para os dados do conjunto de treinamento feito com os 20 exemplos e 80% de acertos na fase de teste com novos dados. Os resultados permitem concluir que este software é viável para uso no auxílio à decisão sobre concessão de crédito, uma vez que, além de oferecer rapidez e isonomia na análise dos clientes, a sua taxa de acertos de 80%, na previsão de inadimplência é superior às taxas alcançadas nos modelos que usam somente a atuação humana nos comitês de crédito. E como se trata de um software livre, qualquer usuário poderá fazer as alterações que julgar necessário para adaptá-lo ao seu tipo de aplicação ou negócio, bastando baixá-lo da plataforma Google Docs 5, onde está disponível o código fonte deste software, no endereço: t2pf52evzrkfjb4azu8bwe_ N9xrJ-hz4Ft_t6KUJzc_sS2GPOz4sFrX140o9DeCsxnpdQME9ue/pub Referências AMORIM, B. Desenvolvimento de uma Plataforma Híbrida para Descoberta de Conhecimento em Bases de Dados. Dissertação de Mestrado. Universidade Federal de Pernambuco, CARNEIRO, T. R. A., Faixas Salariais x Classe Social Qual a sua classe social? Disponível em: Acesso em 19 set HAYKIN, S. Redes neurais: princípios e prática. 2.ed. Porto Alegre: Bookman, KOVACS, Z. L. Redes neurais artificiais fundamentos e aplicações. São Paulo: Acadêmica, p. MCCULLOCH, W. S.; PITTS, W. A logical calculus of the ideas immanent in nervous activity. Bulletin Of Mathematical Biophysics, New York, p dez ROSENBERG, E.; GLEIT, A. Quantitative methods in credit management: a survey. Operations Research, Oxford, v.42, n.4, p , July/Aug Google Docs é uma plataforma gratuita da Google que permite ao usuário criar, editar e acessar seus documentos disponibilizando-os de forma livre ao público através da internet.