Modelagem de Risco de Crédito
|
|
- Mirella Canela Silva
- 5 Há anos
- Visualizações:
Transcrição
1 Modelagem de Risco de Crédito Douglas Beserra Pinheiro 23/02/2017
2 Agenda Papel da Área de Risco de Crédito Exemplo de desenvolvimento de um modelo de previsão de inadimplência Perfil dos profissionais da área Referências
3 Papel da Área de Risco de Crédito Modelagem de Risco de Crédito Estimar os parâmetros de risco que compõem a perda esperada (PD, EAD, LGD) Acompanhar a performance dos modelos Sugerir ações que mantenham o risco dentro dos limites definidos pela instituição Políticas de Crédito Determina os limites de exposição nos diferentes produtos e acompanha tanto a inadimplência como a rentabilidade dos mesmos
4 Modelo de PD O objetivo do modelo de PD (Probability of Default) é o de estimar a probabilidade de um cliente não pagar a dívida, ou seja, inadimplir O modelo pode ser apresentado na forma de classificação de risco (rating) ou pontuação (score) As metodologias são classificadas em: Massificado Julgamental
5 Modelo de PD Modelo de Concessão de Cartão de Crédito PF Base de Dados - Períodos Tratamento das Variáveis Definição de Performance Análise Descritiva Estimação dos Modelos Verificação da Qualidade dos Modelos Segmentação Resultados Finais Amostras de Desenvolvimento e Validação Aplicação dos Modelos
6 Modelo de PD Base de Dados-Períodos com base em informações do perfil do cliente na contratação, prever o comportamento futuro utilizando o Escore Mês 0 Mês 12 informações cadastrais e de restrições na data da contratação do produto para caracterizar o PERFIL DO CLIENTE informações de utilização após a contratação do produto para classificar o cliente em BOM ou RUIM Modelos Concessão vs Manutenção
7 Modelo de PD Definição de Performance Exclusões Cartão Fraudado, Roubado/Perdido, Não ativado, Desistente Ruins Cartão com mais de 90 dias de atraso Indeterminados Cartão com atraso entre 31 e 90 dias Experiência Insuficiente Menos de 6 meses de ativação na janela, inativo posteriormente Bons Cartão sem atraso acima de 31 dias
8 Modelo de PD Análise Descritiva Balanceamento da amostra Análise de observações sem informação (missing) Quantidade de Dependentes Menores Número de Dependentes Ruins Bons %B ons /% Ruins , , , , , ,0 0 miss ing ,96 Total Número de Dependentes Ruins Bons %Bons /% Ruins ,94 maior ,69 m is s ing ,96 Tot al Quantidade de Dependentes Maiores Número de Dependentes Ruins Bons % Bons/% Ruins , , , , , ,0 0 M i ssin g ,9 6 Total Número de D ependentes Ruins Bons % Bons/% Ruins ,9 1 maior ,71 M i ss in g ,9 6 Total
9 Modelo de PD Segmentação Técnicas: CHAID, Árvore de decisão S E G M E N T A Ç Ã O
10 Modelo de PD Segmentação Exemplo de Variáveis Candidatas Número de Dependentes Porcentagem Nenhum 20,3 Um ou mais 5,1 Missing 74,7 Estado Civil Porcentagem Casado 34,2 Outros 28,5 Missing 37,2 Escolaridade Porcentagem 1º grau (incompleto/completo) 20,1 2º grau, superior ou pós (incompleto/completo) 37,8 Missing 42,1 Telefone próprio Porcentagem Não 6,7 Sim 14,1 Missing 79,2 Residência própria Porcentagem Não 10,2 Sim 15,2 Missing 74,6 Segmentação de Variáveis vs Modelo Ex Região Geográfica, Produto por Faixa de Renda
11 Modelo de PD Amostra de Desenvolvimento e Validação População Total 50% de Ruins Tempo ou aleatória Amostra de Exploração para definição da performance e segmentação 50 % de Bons Amostra de Desenvolvimento para construção do modelo Amostra de Validação para validação dos passos de desenvolvimento do modelo
12 Modelo de PD Tratamento das variáveis Categorização Estabilidade Tratamento das Variáveis Conceitos Dummy Dummy: Variáveis binárias (categóricas), eficientes nos casos de falta de preenchimento, outliers, não linearidade com a resposta
13 Modelo de PD Tratamento das variáveis Information Value : Medida usada pela Fair Isaac (FICO) para determinar a importância da variável Quanto maior o Information Value, maior é o poder de discriminação e a importância da variável para o modelo Ele também dá um indicativo da segmentação ótima da variável Idade Bons Ruins % Bons % Ruins % Bons/%Ruins WoE IV (a) (b) (c) (d)=ln (c) (a-b)*d % 5% 0,46-0,786 0, % 5% 0,65-0,436 0, % 7% 0,73-0,313 0, % 7% 0,94-0,066 0, % 8% 1,01 0,005 0, % 9% 0,96-0,043 0, % 12% 1,09 0,087 0, % 14% 1,05 0,048 0, % 13% 1,28 0,250 0,010 > % 19% 1,09 0,088 0,002 Total % 100% 0,049
14 Modelo de PD Tratamento das variáveis IDADE BONS %B RUINS %R %B - %R (a) %B / %R (b) log(b) (c) (a) * (c) Até 35 anos % % 0,00 1,00 0,00 0,00 35 anos ou mais % % 0,00 1,00 0,00 0,00 Total % % IDADE BONS %B RUINS %R %B - %R (a) %B / %R (b) log(b) (c) (a) * (c) Até 35 anos % % -0,20 0,67-0,41 0,08 35 anos ou mais % % 0,20 1,50 0,41 0,08 Total % % IDADE BONS %B RUINS %R %B - %R (a) %B / %R (b) log(b) (c) (a) * (c) Até 35 anos % % -0,40 0,50-0,69 0,28 35 anos ou mais % % 0,40 3,00 1,10 0,44 Total % % Information Value: 0,00 + 0,00 = 0,00 Information Value: 0,08 + 0,08 = 0,16 Information Value: 0,28 + 0,44 = 0, Poder de Discriminação
15 Modelo de PD Tratamento das variáveis Exemplo de construção de variáveis binárias Idade Idade (Categorizada) Categ1-21 a 25 Categ2-26 a 30 Categ3-31 a 35 Categ n - 61 a 65 Categ n+1-66 a 70 Categ n+2-70 a 75 Idade (Dummy) Dummy1 = 1 se idade está em (21 a 25) Dummy1 = 0 Caso Contrário Dummy2 = 1 se idade está em (26 a 30) Dummy2 = 0 Caso Contrário Dummy n = 1 se idade está em (61 a 65) Dummy n = 0 Caso Contrário
16 Modelo de PD Estimação dos modelos Todas as variáveis disponíveis para o estudo que não foram excluídas na análise descritiva Variáveis Estáveis e com Alto Poder Preditivo (escolhidas a priori) Variáveis Selecionadas via procedimento estatístico (Stepwise) Variáveis Não Selecionadas via procedimento estatístico M o d e l o F i n a l Técnicas estatísticas Regressão Logística, árvore de decisão, redes neurais, etc
17 Modelo de PD Verificação da qualidade dos modelos No exemplo: Média Bons = 635 Variância Bons = 2885 e Média Ruins = 530 Variância Ruins = 3530 Portanto, IV = 3,44
18 Modelo de PD Verificação da qualidade dos modelos O valor do K-S é obtido a partir da distância máxima entre as curvas dos Clientes Bons e dos Clientes Ruins 100% Gráfico da Distribuição Acumulada de Bons e Ruins 90% 80% 70% 60% 50% K-S=64,6% 40% 30% 20% 10% 0% %Bons %Ruins
19 Modelo de PD Resultados Finais SITUAÇÃO ATUAL: 80% de aprovação 4,2% de inadimplência Estratégias: manter aprovação e aumentar qualidade manter qualidade e aumentar aprovação Faixa Número Taxa Bad Bad Bons Ruins Clientes Aprovação Rate Acum Rate Marg < % 8,1% 100,0% % 8,1% 39,8% % 4,4% 15,6% % 3,0% 10,9% % 1,8% 5,6% % 1,2% 2,7% % 0,8% 1,6% % 0,6% 1,1% % 0,5% 0,8% % 0,4% 0,5% % 0,2% 0,2% > % 0,0% 0,0% Total Bad Rate: Taxa de Ruins entre os aprovados pelo modelo
20 Modelo de PD Aplicação dos Modelos Concessão de Crédito Cobrança Fraude Renovação de limites Segmentação de produtos e canais de atendimento Sinistralidade de seguros
21 Perfil dos profissionais da área Críticos e curiosos Habilidade com ferramentas de programação e estatística Mão na massa Provenientes de diversas áreas, do conhecimento, entre elas, Matemática, Estatística, Administração, Economia, Física, Contabilidade, Engenharia
22 Perfil dos profissionais da área Big Data Localização Mobile Informações Públicas Softwares SAS, SPSS, R, Stata, Orange, Matlab, etc
23 Referências Lima, Jorge Claudio CO Importância de Conhecer a Perda Esperada Revista do BNDES, Rio de Janeiro, V 15, N 30, P , dez 2008 Apesar de focar em modelagem corporate, apresenta de forma simples os conceitos relacionados à perda esperada The Credit Scoring Toolkit: Theory and Practice for Retail Credit Risk Management and Decision Automation Raymond Anderson Ótimo curso online, apesar do conteúdo resumido, detalha bem a parte de tratamento de dados e validação de modelos
24 Obrigado!
Mensurando o Risco de Micro e Pequenas Empresas. Fabio Wendling M. de Andrade
Mensurando o Risco de Micro e Pequenas Empresas Fabio Wendling M. de Andrade Agenda O perfil das MPEs O que é importante no crédito para MPEs Metodologia de quantificação de risco de MPEs Gerenciamento
Leia maisModelagem de crédito no Brasil Evolução recente e desafios futuros. Ana Carla Abrão Costa
Modelagem de crédito no Brasil Evolução recente e desafios futuros Ana Carla Abrão Costa 27 nov 2012 Agenda Evolução do mercado de crédito no Brasil Modelagem de crédito Basiléia 2 Considerações Finais
Leia maisAnais da VI SEMANÍSTICA Semana Acadêmica da Estatística da UFRGS Porto Alegre 19 a 22 de outubro de 2015.
Credit Scoring: atribuição do limite através do lucro previsto Andressa Bruna Costa 1 Lisiane Priscila Roldão Selau 2 Resumo: O objetivo do presente trabalho é propor um modelo de previsão de crédito,
Leia mais- Como analisar essas informações e classificar o risco de crédito do cliente
Objetivo Proporcionar ao aluno uma visão ampla de um processo de crédito de forma que possa planejar, criar e administrar uma Política de Crédito adequada às características dos negócios da empresa onde
Leia maisScorings de Crédito. Uso de ferramentas estatísticas para concessão de crédito
Scorings de Crédito Uso de ferramentas estatísticas para concessão de crédito Dezembro/2010 Agenda FUNDAMENTOS DE RISCO O QUE É UM SCORING DE CRÉDITO? TÉCNICAS ESTATÍSTICAS VERIFICANDO A ADERÊNCIA PERSPECTIVAS
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisAplicações de Sistemas Inteligentes
Aplicações de Sistemas Inteligentes Germano C. Vasconcelos Centro de Informática - UFPE 14/6/2010 1 Roteiro Inteligência Computacional Aplicações Mineração de Dados Métodos Exemplo em Análise de Crédito
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia mais10 FORMAS ESTATÍSTICA MODELAGEM PARA USAR
10 FORMAS PARA USAR MODELAGEM ESTATÍSTICA Introdução Conheça um pouco mais sobre algumas modelagens estatísticas e como você pode implantar dentro da sua organização A análise preditiva é capaz de descobrir
Leia maisA VOCE CONSUMIDOR A CARTILHA DO SCORE
OFERECE, A VOCE CONSUMIDOR A CARTILHA DO SCORE E a CDL Bauru CAMARA DE DIRIGENTES LOJISTAS DE BAURU Rua Bandeirantes, 4-7 Bauru - Centro CEP-17010-015 Fone 2106-7070 spc@cdlbauru.com.br - recuperadoradecredito@cdlbauru.com.br
Leia maisProfessora: Cira Souza Pitombo. Disciplina: Aplicações de técnicas de análise de dados
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MESTRADO EM ENGENHARIA AMBIENTAL E URBANA Apresentação do Curso Introdução Professora: Cira Souza Pitombo Disciplina: Aplicações de técnicas de análise
Leia maisAvaliação do Risco de Crédito: Modelos de Regressão Logística com amostras de diferentes proporções
Avaliação do Risco de Crédito: Modelos de Regressão Logística com amostras de diferentes proporções Mariana Nolde Pacheco 1 Lisiane Priscila Roldão Selau 2 Resumo: O objetivo do estudo é propor um modelo
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maisModelo de avaliação do RISCO DE DELINQUENCY PERGUNTAS MAIS FREQUENTES WORLDWIDE NETWORK
RISCO DE DELINQUENCY PERGUNTAS MAIS FREQUENTES WORLDWIDE NETWORK O que é o modelo Informa D&B de avaliação do risco de delinquency? É um sistema que utiliza probabilidades estatísticas para classificar
Leia maisCapítulo 1 O CRÉDITO, OS MERCADOS FINANCEIROS E A ECONOMIA
Índice Prefácio 15 Capítulo 1 O CRÉDITO, OS MERCADOS FINANCEIROS E A ECONOMIA 1. Breve resenha histórica 19 2. O mercado do crédito 24 2.1. Títulos de crédito 25 2.2. Oferta de crédito 27 3. Influência
Leia maisVÁ ALÉM DO BI TRADICIONAL ADICIONANDO PODER ANALÍTICO... MARIANA FONTANEZI ESTATÍSTICA
Business Inteligence & Analytics VÁ ALÉM DO BI TRADICIONAL ADICIONANDO PODER ANALÍTICO... MARIANA FONTANEZI ESTATÍSTICA Apresentação Agenda O Big Data O ciclo analítico Técnicas de Data Mining Técnicas
Leia maisCiclo de Crédito uma Visão integrada
Ciclo de Crédito uma Visão integrada Analitix Soluções em Finanças ABBC São Paulo, 18 de junho de 2013 Agenda Processo do Ciclo de Crédito Descrição das etapas e processos do ciclo do crédito Concessão,
Leia maisProfissinais que desejam adquirir ou aprimorar seus conhecimentos em modelagem de dados, analytics e estatística aplicada
MBA ANALYTICS OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de decisão com base nas
Leia maisGerenciamento de Carteira
Gerenciamento de Carteira O que é o Gerenciamento de Carteira Sistema de gerenciamento, que por meio de alertas enviados por e-mail, sua empresa acompanha alterações no comportamento comercial de sua carteira
Leia maisSEGMENTAÇÃO DE GRANDES BASES DE DADOS: UMA APLICAÇÃO EM PREVISÃO DE RISCO DE CRÉDITO
V ESAMP 16-20/10/2017, Cuiabá, Brasil SEGMENTAÇÃO DE GRANDES BASES DE DADOS: UMA APLICAÇÃO EM PREVISÃO DE RISCO DE CRÉDITO Francisco Louzada ICMC-USP pg 1 Francisco SãoLouzada Carlos, 2017 Brazil Meeting
Leia maisMODELO INFORMA D&B DE AVALIAÇÃO DO RISCO DE FAILURE PERGUNTAS MAIS FREQUENTES
WORLDWIDE NETWORK MODELO INFORMA D&B DE AVALIAÇÃO DO RISCO DE FAILURE PERGUNTAS MAIS FREQUENTES O QUE É O MODELO INFORMA D&B DE AVALIAÇÃO DO RISCO DE FAILURE? É um sistema que utiliza probabilidades estatísticas
Leia maisProjeto P&D Aneel Índice de Sustentabilidade Econômico-Financeira das Distribuidoras de Energia Elétrica
Projeto P&D Aneel Índice de Sustentabilidade Econômico-Financeira das Distribuidoras de Energia Elétrica Rio de Janeiro, 23 de maio de 2017 Análise da Sustentabilidade Econômico-financeira das Distribuidoras
Leia maisPÓS-GRADUAÇÃO ANÁLISE DE DATA MINING
PÓS-GRADUAÇÃO ANÁLISE DE DATA MINING OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de
Leia maisEstratégias para Concessão de Crédito. Crédito sustentável: segurança para que um bom negócio hoje não vire um problema em cobrança amanhã
Estratégias para Concessão de Crédito Crédito sustentável: segurança para que um bom negócio hoje não vire um problema em cobrança amanhã Agenda Contexto de mercado Desafios do mercado financeiro Política
Leia maisModelo de avaliação do RISCO DE DELINQUENCY BROCHURA TÉCNICA WORLDWIDE NETWORK
RISCO DE DELINQUENCY BROCHURA TÉCNICA WORLDWIDE NETWORK INTRODUÇÃO O Delinquency Score da Informa D&B consiste na pontuação gerada por um modelo desenvolvido pela Informa D&B para determinar o risco de
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisENGENHARIA DE MARKETING
PÓS-GRADUAÇÃO LATO SENSU ENGENHARIA DE MARKETING INSCRIÇÕES ABERTAS: Dias e horários das aulas: Segunda-Feira - 18h30 às 22h30 - Semanal Quarta-Feira - 18h30 às 22h30 - Semanal Sexta-Feira - 18h30 às 22h30
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisO IBM SPSS Statistics Premium inclui todos os módulos que compõem o software.
IBM SPSS STATISTICS PREMIUM MÓDULOS O IBM SPSS Statistics Premium inclui todos os módulos que compõem o software. IBM SPSS STATISTICS BASE Dispõe dos procedimentos para gestão e acesso aos dados, para
Leia maisAULA 17 - Variáveis binárias
AULA 17 - Variáveis binárias Susan Schommer Econometria I - IE/UFRJ Variáveis binárias A variável binária (ou dummy) é um simples exemplo de variável aleatória, o qual é chamada de função indicadora de
Leia maisBig Data Science Transformando Dados em Informação Porque Educação Executiva Insper Cursos de Curta e Média Duração Educação Executiva
1 Porque Educação Executiva Insper A dinâmica do mundo corporativo exige profissionais multidisciplinares, capazes de interagir e formar conexões com diferentes áreas da empresa e entender e se adaptar
Leia maisAPRENDIZAGEM DE MÁQUINA
APRENDIZAGEM DE MÁQUINA (usando Python) Thiago Marzagão ÁRVORE DE DECISÃO & VALIDAÇÃO Thiago Marzagão APRENDIZAGEM DE MÁQUINA 1 / 20 árvore de decisão Aulas passadas: queríamos prever variáveis quantitativas.
Leia maisNovo Portfólio Pessoa Física Copyright Boa Vista SCPC 1
Novo Portfólio Pessoa Física 2016 Copyright Boa Vista SCPC 1 Como acertar na venda? As soluções da Boa Vista permitem analisar o cliente, recomendar o melhor negócio e facilitar sua venda! COMPLETO Mais
Leia maisClassificação. Eduardo Raul Hruschka
Classificação Eduardo Raul Hruschka Agenda: Conceitos de Classificação Técnicas de Classificação One Rule (1R) Naive Bayes (com seleção de atributos) Super-ajuste e validação cruzada Combinação de Modelos
Leia maisEstatística e Matemática Aplicadas a Data Science. Diógenes Justo BM&FBOVESPA & Professor FIAP
Estatística e Matemática Aplicadas a Data Science Diógenes Justo BM&FBOVESPA & Professor FIAP Agenda Modelagem para Data Science (Matemática e Estatística) Detecção de Fraudes Forecast (financeiro) Conclusões
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Aplicações de Behavior Scoring Roteiro - Introdução - Diferença entre Credit scoring e
Leia maisAPLICAÇÕES DE ESTATÍSTICA PARA TOMADA DE DECISÃO
CURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA PARA TOMADA DE DECISÃO CARGA HORÁRIA: 92 horas COORDENAÇÃO: Prof.ª Dr.ª Alessandra de Ávila Montini OBJETIVOS O curso tem como objetivo apresentar algumas técnicas
Leia maisTomador de Crédito Pessoal no Brasil, Inadimplência e Ciclos
Tomador de Crédito Pessoal no Brasil, Inadimplência e Ciclos Gráfico 1 Operações de crédito de pessoas físicas recursos livres (%) (R$ milhões) 9 82.000 8 72.000 7 62.000 6 52.000 5 42.000 4 32.000 3 2
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE CIÊNCIAS CONTÁBEIS PROGRAMA DE PÓS GRADUAÇÃO EM CIÊNCIAS CONTÁBEIS - PPGCC FICHA DE DISCIPLINA
FICHA DE DISCIPLINA Disciplina Métodos Quantitativos II Código PPGCC Carga Horária 60 Créditos 4 Tipo: Optativa OBJETIVOS Discutir com os alunos um conjunto de instrumentos estatísticos de pesquisa, necessários
Leia mais1.1 A Importância de um modelo de risco de crédito em operações nãofinanceiras
1 Introdução 1.1 A Importância de um modelo de risco de crédito em operações nãofinanceiras Os modelos de credit scoring (escoragem de crédito) foram introduzidos nos primórdios da década de 90 com o objetivo
Leia maisSumário. Prefácio, xix Apresentação, xxi
Prefácio, xix Apresentação, xxi 1 Introdução à Análise Multivariada (Adriano Rodrigues e Edilson Paulo), 1 1.1 Análise multivariada: conceitos e técnicas, 2 1.2 Exame gráfico dos dados, 10 1.2.1 Exemplo
Leia mais5 Modelagem e análise dos resultados
5 Modelagem e análise dos resultados Neste capítulo serão detalhados os resultados da modelagem realizada por meio de árvores de decisão, a escolha final do modelo das variáveis que melhor definem o perfil
Leia maisClassificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si
Classificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si Classificação de Dados Os modelos de classificação de dados são preditivos, pois desempenham inferências
Leia maisTomada de Decisão. Agenda. Tomada de Decisão... Forma Simplificada. Dos Dados ao Conhecimento Modelagem Estatística. Exemplos de Trabalhos
Estatística Empresarial Casos e Aplicações José Eduardo Outubro/20 Agenda Tomada de Decisão Dos Dados ao Conhecimento Modelagem Estatística Principais Aplicações Exemplos de Trabalhos 2 Tomada de Decisão...
Leia maisA Tripartite Scorecard for the Pay/No pay Decision-Making in the Retail Banking Industry de Maria Rocha Sousa e Joaquim Pinto da Costa
Artigo A Tripartite Scorecard for the Pay/No pay Decision-Making in the Retail Banking Industry de Maria Rocha Sousa e Joaquim Pinto da Costa Analisado por Hélia Monteiro da Costa Seminário de Modelação
Leia maisAnálise dos alunos do 1ºAno da Escola Naval. O problema. Sumário. O problema. A questão. Os dados (1)
Análise dos alunos do ºAno da Escola Naval Sumário O problema Análise exploratória Tentativa de previsão Resultados possíveis Conclusões O problema O problema Apesar de uma escolha muito cuidada, /3 dos
Leia maisMODELO DE AVALIAÇÃO DO RISCO DE FAILURE INFORMA D&B
MODELO DE AVALIAÇÃO DO RISCO DE FAILURE INFORMA D&B BROCHURA TÉCNICA WORLDWIDE NETWORK INTRODUÇÃO O Failure Score da Informa D&B consiste na pontuação gerada por um modelo desenvolvido pela Informa D&B
Leia maisAnálise estatística multivariada
Análise estatística multivariada Conjunto de procedimentos para a análise simultânea de duas ou mais medidas de cada caso/observação Os dados coletados p variáveis - de uma amostra de tamanho n podem ser
Leia maisAula inaugural do curso Análise de Regressão
Aula inaugural do curso Prof a Silvia Nagib Elian Sala 215 - Bloco A Instituto de Matemática e Estatística Universidade de São Paulo Agenda 1. Exemplo 2. Introdução 3. Modelo de regressão linear simples
Leia maisCentral de Relacionamento: GERENCIAMENTO DE CARTEIRA
www.boavistascpc.com.br atendimento@boavistascpc.com.br Central de Relacionamento: 3003 0101 É uma ferramenta de monitoramento de empresas desenvolvida de forma inteligente e funcional. Tem o objetivo
Leia maisAnálise de Crédito. Associação Comercial de Salto
Análise de Crédito Associação Comercial de Salto Abril/18 2014 Copyright Boa Vista Serviços 1 Agenda Cenário Econômico Regional Conceito de Análise de Crédito Política de Crédito Dados Cadastrais e Documentos
Leia maisIntrodução à probabilidade e à estatística II. Prof. Alexandre G Patriota Sala: 298A Site:
Introdução à probabilidade e à estatística II Revisão Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Estatística Estatística: É uma ciência que se dedica
Leia maisUtilizando análise de sobrevivência no crédito: um modelo de behavioral scoring
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA Utilizando análise de sobrevivência no crédito: um modelo de behavioral scoring Autor: Jonas de Souza Pacheco
Leia maisMeu cliente não pode pagar à vista. E agora? "Estabelecendo limites de crédito"
Meu cliente não pode pagar à vista. E agora? "Estabelecendo limites de crédito" Professor Carlos Henrique Bezerra de Miranda Pós-Graduado em Finanças pela COPPEAD-UFRJ e Graduado em Economia pela PUC-RJ.
Leia maisThiago Marzagão 1. 1 Thiago Marzagão (Universidade de Brasília) MINERAÇÃO DE DADOS 1 / 21
MINERAÇÃO DE DADOS Thiago Marzagão 1 1 marzagao.1@osu.edu ÁRVORE DE DECISÃO & VALIDAÇÃO Thiago Marzagão (Universidade de Brasília) MINERAÇÃO DE DADOS 1 / 21 árvore de decisão Aulas passadas: queríamos
Leia maisA busca do equilíbrio financeiro no segmento da distribuição de energia elétrica. Prof. Thereza Aquino
A busca do equilíbrio financeiro no segmento da distribuição de energia elétrica Prof. Thereza Aquino Agenda 1. Introdução Contextualização 2. Objetivo 3. Metodologia 4. Caracterização da situação de uma
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisUniversidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA Plano da Disciplina Campus de Belém Curso de Engenharia Mecânica 1 IDENTIFICAÇÃO Nome da disciplina: Estatística Aplicada I Código
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA CALEB SOUZA - GRR RODOLFO PIROLO GATZKE - GRR THAYS COSTA S. SOUZA - GRR
UNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA CALEB SOUZA - GRR 20149072 RODOLFO PIROLO GATZKE - GRR 20149150 THAYS COSTA S. SOUZA - GRR 20159231 MODELAGEM PARA O SUCESSO DE CAMPANHA DE MARKETING CURITIBA
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE ESTATÍSTICA
UNIVERSIDADE FEDERAL DE PERNAMBUCO CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE ESTATÍSTICA INFORMAÇÕES COMPLEMENTARES AO EDITAL N 127, DE 09 DE SETEMBRO DE 2010, PUBLICADO NO D.O.U. Nº 179,
Leia maisAjuste e validação de modelos preditivos
Ajuste e validação de modelos preditivos 1 O modelo de regressão logística é frequentemente utilizado com o objetivo de predizer (classificar) indivíduos com base nos valores de suas covariáveis. Modelos
Leia maisUniversidade Federal do Pará Instituto de Tecnologia. Plano da Disciplina. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia Campus de Belém Curso de Engenharia Mecânica 1. IDENTIFICAÇÃO Nome da disciplina: Estatística Aplicada I Código da disciplina: EN07048 Nome do professor:
Leia maisHorária. Total: Cálculo Diferencial e Integral I Fundamentos de Matemática. Desenho Técnico II 2 40 Desenho Técnico I
Álgebra Linear 3 60 Comunicação e Expressão 2 40 Desenho Técnico I 2 40 1º Fundamentos de Matemática 5 100 Geometria Descritiva 2 40 Higiene e Segurança do Trabalho 2 40 Introdução à Engenharia 2 40 Total:
Leia maisUso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística
Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística José Edson Rodrigues Guedes Gondim 1 Joab de Oliveira Lima 2 1 Introdução
Leia maisSER Introdução ao Geoprocessamento. Relatório sobre o Laboratório 5
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 - Introdução ao Geoprocessamento Relatório sobre o Laboratório 5 Acadêmico: Gabriel de Oliveira Docentes: Dr. Antônio Miguel Vieira Monteiro Dr. Cláudio
Leia maisEstatística. Professor Jair Vieira Silva Júnior.
Estatística Professor Jair Vieira Silva Júnior Ementa da Disciplina Estatística descritiva; Interpretação de gráficos e tabelas; Amostras, representação de dados amostrais e medidas descritivas de uma
Leia maisIFRS 9 a nova contabilidade dos instrumentos financeiros
M2M SABER IFRS 9 a nova contabilidade dos instrumentos financeiros Prof. Eric Barreto Direitos autorais: a utilização total ou parcial deste material é livre, desde que o autor seja mencionado: Barreto,
Leia maisProdutos e Serviços Financeiros no Varejo
Seminário GVcev Produtos e Serviços Financeiros no Varejo O Serviço de Informação de Proteção ao Crédito Paulo Ronaldo Capoletti Agenda ACSP Base de Dados Nossos Clientes Varejo e Bancos Segmentação de
Leia mais5 Resultados e Interpretação do Índice Construído
5 Resultados e Interpretação do Índice Construído Apresentam-se, nesta seção, os resultados dos scores e interpretação da escala produzida. O objetivo é responder questões do tipo: O que significa uma
Leia maisGESTÃO DA PRODUÇÃO. Introdução à Previsão de Demanda UFES. Prof. Dr. Joao Ferreira Netto
GESTÃO DA PRODUÇÃO Introdução à Previsão de Demanda UFES Prof. Dr. Joao Ferreira Netto Avaliação de Desempenho Marketing Previsão de Vendas Pedidos em Carteira Engenharia Estrutura do Produto Roteiro de
Leia mais5º Seminário de Gestão do Crédito nas Empresas
POLÍTICA DE CRÉDITO: Base de Sustentação do Crescimento Saudável das Empresas 5º Seminário de Gestão do Crédito nas Empresas Prof. João Carlos Douat 05.06.07 ABANDONO DE MITOS Todos clientes merecem crédito
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisPREVISÃO DE ESCOLHA MODAL EM UM CAMPUS UNIVERSITÁRIO UTILIZANDO A REGRESSÃO LOGÍSTICA BINOMIAL. F. A. Ferreira, C. S. Pitombo e A. L.
PREVISÃO DE ESCOLHA MODAL EM UM CAMPUS UNIVERSITÁRIO UTILIZANDO A REGRESSÃO LOGÍSTICA BINOMIAL F. A. Ferreira, C. S. Pitombo e A. L. Cunha RESUMO Este trabalho apresenta um método para previsão de escolha
Leia maisvariável dependente natureza dicotômica ou binária independentes, tanto podem ser categóricas ou não estimar a probabilidade associada à ocorrência
REGRESSÃO LOGÍSTICA É uma técnica recomendada para situações em que a variável dependente é de natureza dicotômica ou binária. Quanto às independentes, tanto podem ser categóricas ou não. A regressão logística
Leia mais5 Avaliação dos estimadores propostos
5 valiação dos estimadores propostos Este capítulo apresenta as medidas estatísticas usuais para avaliar a qualidade de estimadores e as expressões utilizadas para a estimação destas medidas, a partir
Leia maisSeminário Nacional de Práticas em Saneamento
Seminário Nacional de Práticas em Saneamento Cobrança e Fraude Lucas Fernandes Gerente de Negócios PANORAMA ECONÔMICO Em 2017, o Brasil atingiu recordes de inadimplência. Quatro em cada dez adultos no
Leia maisRELATO. Apresentação para Representantes. Julho/2008 Adriana Sarmento Gondim Produto Relato
RELATO Apresentação para Representantes Julho/2008 Adriana Sarmento Gondim Produto Relato AGENDA SOLUÇÃO RELATO O que é Como funciona Informações apresentadas no Relatório Forma de consulta FEATURES DO
Leia maisConsulta Empresas - Informações Comerciais - Autofax. Manual do Usuário EMPRESAS TOP. informações comerciais
Manual do Usuário EMPRESAS TOP informações comerciais 1 Índice O que é a Consulta Empresas da Autofax?...5 Como realizar consultas?...4 Quais informações a consulta apresenta?...6 PLUS - Informações adicionais
Leia maisPROPOSTA DE UM MODELO PROBABILÍSTICO DE RISCO DE INADIMPLÊNCIA EM UMA COOPERATIVA DE CRÉDITO, COM A APLICAÇÃO DA TÉCNICA DE REGRESSÃO LOGÍSTICA
PROPOSTA DE UM MODELO PROBABILÍSTICO DE RISCO DE INADIMPLÊNCIA EM UMA COOPERATIVA DE CRÉDITO, COM A APLICAÇÃO DA TÉCNICA DE REGRESSÃO LOGÍSTICA FABIANE TUBINO GARCIA (UNIPAMPA) fabianegarcia@unipampa.edu.br
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisConsulta Empresas - Informações Comerciais - Autofax. Manual do Usuário EMPRESAS. informações comerciais
Manual do Usuário EMPRESAS informações comerciais 1 Índice O que é a Consulta Empresas da Autofax?...5 Como realizar consultas?...4 Quais informações a consulta apresenta?...6 PLUS - Informações adicionais
Leia maisFUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO MARCOS VINÍCIUS ALVARENGA RAMOS DA SILVA
FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO MARCOS VINÍCIUS ALVARENGA RAMOS DA SILVA EXPLORAÇÃO DE METODOLOGIAS PARA CLASSIFICAÇÃO DE RISCO SÃO PAULO 2015 MARCOS VINÍCIUS ALVARENGA RAMOS DA
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisAvaliação de trabalhos
PREVISÃO DE ESCOLHA MODAL EM UM CAMPUS UNIVERSITÁRIO UTILIZANDO A REGRESSÃO LOGÍSTICA BINOMIAL RESUMO Este trabalho apresenta um método para previsão de escolha modal de um campus universitário utilizando
Leia maisFilho, não é um bicho: chama-se Estatística!
Paulo Jorge Silveira Ferreira Filho, não é um bicho: chama-se Estatística! Estatística aplicada uma abordagem prática FICHA TÉCNICA EDIÇÃO: Paulo Ferreira TÍTULO: Filho, não é um bicho: chama-se Estatística!
Leia mais2. METODOLOGIA DE PESQUISA
2. METODOLOGIA DE PESQUISA O presente capítulo apresenta a metodologia de pesquisa proposta e procura-se dar uma visão geral do que será feito para atingir os objetivos. Está dividido em seis partes: i)
Leia maisO que é preciso para ser Cientista de Dados?
O que é preciso para ser Cientista de Dados? Cássio Socal Cervo Administração de Empresas - PUCRS Ciências Contábeis - PUCRS MBA Gerenciamento de Projetos - FGV/Decision MBA Big Data e Analytics - FGVSP
Leia maisDepartamento de Crédito
Departamento de Crédito Outubro/2014 Este documento foi classificado pelo Departamento de Crédito / Gestão de Modelos e o acesso está autorizado, exclusivamente,para os Colaboradores da Organização. 1
Leia maisMetodologia Aplicada a Computação.
Metodologia Aplicada a Computação gaudenciothais@gmail.com Pré-processamento de dados Técnicas utilizadas para melhorar a qualidade dos dados; Eliminam ou minimizam os problemas como ruídos, valores incorretos,
Leia maisP R O D U T O S F I N A N C E I R O S. LAURENCE GOMES CFO e DRI
P R O D U T O S F I N A N C E I R O S LAURENCE GOMES CFO e DRI 1 C R É D I T O (filme) 2 MUDANÇAS ESTRUTURAIS 2013 2014 CO-BRANDED 2011/12 CLUBE DE VANTAGENS 2010 SIMPLIFICAÇÃO DO PORTFOLIO 2007/2009 MELHORIAS
Leia maisFaturamento Presumido 2.0
Faturamento Presumido 2.0 Diretoria de Analytics 2015 Copyright Boa Vista SCPC 1 Conheça o Faturamento Presumido 2.0 A nova versão da solução Boa Vista SCPC que estima o Faturamento Anual de empresas de
Leia maisHP UFCG Analytics Abril-Maio Um curso sobre Reconhecimento de Padrões e Redes Neurais. Por Herman Martins Gomes.
HP UFCG Analytics Abril-Maio 2012 Um curso sobre Reconhecimento de Padrões e Redes Neurais Por Herman Martins Gomes hmg@dsc.ufcg.edu.br Programa Visão Geral (2H) Reconhecimento Estatístico de Padrões (3H)
Leia maisCurso(s): Licenciaturas em Engenharia (1º ciclo) Aulas Teóricas 30h. Ano Curricular Semestre: 2º ano 1º semestre Aulas Teórico-Práticas 45h
UNIVERSIDADE CATÓLICA PORTUGUESA F A C U L D A D E D E E NGE N H ARIA Disciplina de Estatística Contexto da Disciplina Horas de Trabalho do Aluno Curso(s): Licenciaturas em Engenharia (1º ciclo) Aulas
Leia maisANÁLISE DE BIG DATA E INTELIGÊNCIA ARTIFICIAL PARA A ÁREA MÉDICA
CURTA DURAÇÃO ANÁLISE DE BIG DATA E INTELIGÊNCIA ARTIFICIAL PARA A ÁREA MÉDICA CARGA HORÁRIA: 80 horas COORDENAÇÃO: Prof.ª Dr.ª Alessandra de Ávila Montini OBJETIVOS Introduzir o conceito de Big Data,
Leia mais