Classificação de Portfólio de Créditos Não-Performados utilizando Redes Neurais Artificiais Multilayer Perceptron

Flavio Clesio, Renato José Sassi

Resumo


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.

 


Texto completo:

PDF


DOI: https://doi.org/10.15675/gepros.v0i1.1120

Licença Creative Commons
Revista GEPROS - Gestão da Produção, Operações e Sistemas

http://revista.feb.unesp.br/index.php/gepros está licenciado com uma Licença Creative Commons - Atribuição-NãoComercial 4.0 Internacional

 

Locations of visitors to this page