Publicação
Modelos de classificação e definição de montante de crédito de clientes : caso do Grupo Nors
| Resumo: | A análise financeira é um fator preponderante na atribuição de crédito, por parte das instituições financeiras. Os modelos de classificação de crédito surgem como forma de facilitar a análise financeira, ao classificar os clientes em categorias de pagador. A aplicação destes modelos tem sido uma prática corrente em instituições financeiras, porque permitem poupar tempo e recursos. O Grupo Nors concede crédito aos clientes, como forma de fomentar a sua faturação. Assim, a área das Contas a Receber (CaR), dos Serviços Partilhados, está encarregue da análise de crédito dos clientes e tomar as decisões de conceder ou não crédito e que montante disponibilizar ao cliente. Assim, o presente trabalho tem como objetivo construir e propôr um modelo de classificação de crédito que seja útil à tomada de decisão de crédito da área das CaR e uma ferramenta que indique o montante de crédito a disponibilizar aos clientes que solicitam crédito. Desta forma, foram criados vários modelos de classificação de crédito diferentes, construídos a partir de três métodos distintos, Análise Múltipla Discriminante, Regressão Logística e Redes Neuronais Artificiais. Também, foi criado um modelo que indica o montante de crédito a conceder a cada cliente, baseado em algoritmos genéticos. Constatou-se que as Redes Neuronais Artificiais são o método de classificação com melhores resultados para o caso de classificação de crédito do Grupo Nors e que o modelo de definição do montante de crédito de clientes pode constituir uma ferramenta útil para o Grupo, uma vez que os indicadores correntemente utilizados não estão orientados especificamente para esse efeito. |
|---|---|
| Autores principais: | Silva, Pedro Carvalho Neto Gabriel |
| Assunto: | Modelos de classificação de crédito Redes neuronais artificiais Regressão logística Análise discriminante Algoritmos genéticos Plafond de crédito de clientes Credit scoring models Artificial neural networks Logistic regression Discriminant analysis Genetic algorithms Customer credit plafond |
| Ano: | 2017 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade Católica Portuguesa |
| Idioma: | português |
| Origem: | Veritati - Repositório Institucional da Universidade Católica Portuguesa |
| Resumo: | A análise financeira é um fator preponderante na atribuição de crédito, por parte das instituições financeiras. Os modelos de classificação de crédito surgem como forma de facilitar a análise financeira, ao classificar os clientes em categorias de pagador. A aplicação destes modelos tem sido uma prática corrente em instituições financeiras, porque permitem poupar tempo e recursos. O Grupo Nors concede crédito aos clientes, como forma de fomentar a sua faturação. Assim, a área das Contas a Receber (CaR), dos Serviços Partilhados, está encarregue da análise de crédito dos clientes e tomar as decisões de conceder ou não crédito e que montante disponibilizar ao cliente. Assim, o presente trabalho tem como objetivo construir e propôr um modelo de classificação de crédito que seja útil à tomada de decisão de crédito da área das CaR e uma ferramenta que indique o montante de crédito a disponibilizar aos clientes que solicitam crédito. Desta forma, foram criados vários modelos de classificação de crédito diferentes, construídos a partir de três métodos distintos, Análise Múltipla Discriminante, Regressão Logística e Redes Neuronais Artificiais. Também, foi criado um modelo que indica o montante de crédito a conceder a cada cliente, baseado em algoritmos genéticos. Constatou-se que as Redes Neuronais Artificiais são o método de classificação com melhores resultados para o caso de classificação de crédito do Grupo Nors e que o modelo de definição do montante de crédito de clientes pode constituir uma ferramenta útil para o Grupo, uma vez que os indicadores correntemente utilizados não estão orientados especificamente para esse efeito. |
|---|