FERRAMENTA PARA AUTOMATIZAÇÃO DO PROCESSO DE CONCESSÃO DE CRÉDITO UTILIZANDO DE CONCEITOS DE INTELIGÊNCIA ARTIFICIAL
DOI:
https://doi.org/10.24933/eusf.v1i1.63Resumo
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.Downloads
Referências
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.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem ao periódico o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais, separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
