Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron
DOI:
https://doi.org/10.15675/gepros.v0i1.1120Abstract
O objetivo da presente pesquisa é realizar a aplicação da técnica de redes neurais do tipo Multilayer Perceptron (MLP) na criação dos modelos classificação de um portfólio de créditos inadimplidos não-performados (NPLs – Non-Performing Loans) para classificação destes derivativos de crédito. Os créditos NPL são caracterizados como o montante relativo a empréstimos que não foram pagos e que já estão vencidos por mais de 90 dias. Uma vez que esses títulos por força de legislação são movidos para perdas, Fundos de Investimento em Direitos Creditórios (FIDC) realizam a compra dessas dívidas junto a essas instituições e realizam o processo de recuperação desse crédito. Com a utilização de redes neurais foram criados modelos de classificação relativos à posterior recuperação dessas dívidas. Para a avaliação de desempenho dos modelos foram apresentadas métricas de avaliação da classificação relativas às redes neurais com diferentes arquiteturas. Os resultados com a classificação foram satisfatórios tendo em vista que os modelos de classificação tiveram sucesso conforme a estrutura de custos econômicos apresentada.
Palavras-chave: Créditos Não-Performados. Redes Neurais Artificiais. Multilayer Perceptron. Non-Performing Loans. Créditos Inadimplidos.
Downloads
Published
How to Cite
Issue
Section
License
O(s) autor(es) do artigo autorizam a publicação do texto na revista e garantem que a contribuição é original e inédita, não estando em processo de avaliação em outra(s) revista(s). As opiniões, ideias e conceitos emitidos nos textos são de inteira responsabilidade do(s) autor(es), não sendo a revista responsável por tais conteúdos.
Os editores da revista reservam o direito de efetuar ajustes textuais e de adequação às normas da publicação, caso necessário.
Os autores mantêm os direitos autorais sobre o trabalho e concedem à revista o direito de primeira publicação, sendo o trabalho simultaneamente licenciado sob a Attribution 4.0 International (CC BY 4.0), o que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Os autores têm autorização para firmar 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.
