FERRAMENTA PARA AUTOMATIZAÇÃO DO PROCESSO DE CONCESSÃO DE CRÉDITO UTILIZANDO DE CONCEITOS DE INTELIGÊNCIA ARTIFICIAL

Autores/as

  • Gustavo Dantas Universidade São Francisco
  • Lucas Felipe Godoi Universidade São Francisco
  • Silvio Petroli Neto Universidade São Francisco

DOI:

https://doi.org/10.24933/eusf.v1i1.63

Resumen

Tendo em vista o aumento da competitividade do mercado, as empresas estão cada vez mais oferecendo facilidades no pagamento dos títulos, com condições diferenciadas e prazos de pagamento maiores, com isso o risco de inadimplência também aumenta e o trabalho dos analistas no processo de concessão de crédito é dificultado. Este trabalho tem como objetivo apresentar uma ferramenta utilizando do conceito de redes neurais artificiais, mais especificamente baseadas no algoritmo Multilayer Perceptron (MLP), para auxiliar a tomada de decisão de analistas de crédito de empresas com um modelo de negócios baseado no Business to Business (B2B). Para isso, é utilizado um banco de informações contendo, não apenas o histórico de pagamento do cliente, mas sua representatividade no mercado em que se insere. Os resultados mostram que esse tipo de ferramenta tem um grande potencial para auxílio no processo de análise para concessão de crédito tendo em vista que mesmo com um número limitado de dados que foram utilizados para treinamento da rede neural a ferramenta desenvolvida neste trabalho apresentou uma precisão de mais de 90% de acerto e que, em um cenário real, o número de variáveis disponíveis para captação de informações tende a ser maior. Com isso pôde-se concluir que a implementação dessa ferramenta em uma empresa com uma disponibilidade maior de informações irá apresentar uma performance aceitável para os padrões de mercado.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

BIONDI NETO, L. B. Introdução a Redes Neurais Artificiais. 2011. 65 f. Rio de Janeiro.

BISHOP, C. Neural Networks for Pattern Recognition. Oxford University Press, 1995.

BLATT, Adriano. Avaliação de risco e decisão de crédito: um enfoque prático. São Paulo: Nobel, 1999.

BITENCOURT, Guilherme. Inteligência artificial - Ferramentas e teorias. 3ª ed. Santa Catarina: UFSC, 2006.

FAUSETT, Laurene V. Fundamentals of neural networks: architectures, algorithms, and applications. USA: Prentice-Hall, 1994.

FILHO, SANTI, Armando de. Avaliação de riscos de crédito: para gerentes de operações. São Paulo: Atlas, 12/2000.

HAYKIN, Simon. Redes Neurais: Princípios e Prática, 2nd edição. Porto Alegre: Bookman, 2007.

LUDWIG JR. O. e COSTA, Eduard Montgomery M. Redes Neurais: Fundamentos e Aplicações com Programas em C. Rio de Janeiro: Editoria Ciência Moderna Ltda. 2007.

SELAU, Lisiane Priscila Roldão; RIBEIRO, Jose Luis Duarte. Construção de modelos de previsão de risco de crédito. Porto Alegre: Universidade Federal do Rio Grande do Sul, 2008.

XAVIER, C. G. Risco na análise de crédito. Florianópolis: UFSC, 2011.

Publicado

2017-12-18

Cómo citar

Dantas, G., Godoi, L. F., & Neto, S. P. (2017). FERRAMENTA PARA AUTOMATIZAÇÃO DO PROCESSO DE CONCESSÃO DE CRÉDITO UTILIZANDO DE CONCEITOS DE INTELIGÊNCIA ARTIFICIAL. Ensaios USF, 1(1), 117–129. https://doi.org/10.24933/eusf.v1i1.63

Número

Sección

Ciências Exatas, Engenharias e Tecnológicas