Uso de ia para analise de credito bancario

Disponível somente no TrabalhosFeitos
  • Páginas : 21 (5228 palavras )
  • Download(s) : 0
  • Publicado : 8 de maio de 2012
Ler documento completo
Amostra do texto
ABORDAGEM COMPARATIVA ENTRE MODELOS PARA A ANÁLISE DE RISCO DECONCESSÃO DE CRÉDITO BANCÁRIO
Andréa Pinheiro Lourido1, Dayanne Priscila de Melo Coelho1
1

Universidade Federal do Oeste do Pará (UFOPA) – Santarém – PA – Brasil
pinheirolourido@hotmail.com, legionaria_dark@hotmail.com

Abstract. This paper will address the issues explained in the discipline of Artificial Intelligence,concerning three articles which aim to present models for the analysis of bank credit. The problem of analysis of bank credit risk is the ability to identify, from the collection of customer information, profiles of good and bad payers. This item Artificial Intelligence (AI) seeks to provide tools that can help streamline and better way to help this analysis of credit risk. These include: Neural Networks,Data Mining, Decision Tree, genetic algorithms and others. One can not specify that for this, three items were chosen using such techniques, seeking to specify which one reaches the goal of providing the best way to perform such an analysis of credit. But for both, you need to know that such tools were available to meet this need. Resumo. Este artigo faz uma abordagem dos assuntos explanadosdurante a disciplina de Inteligência Artificial, a respeito de três artigos que visam apresentar modelos para a análise de crédito bancário. O problema de análise de risco de crédito bancário consiste em poder identificar, a partir de acervo de informações de clientes, perfis de bons e maus pagadores. Neste quesito a Inteligência Artificial (IA) procura oferecer ferramentas que agilizem ou possamajudar na melhor forma de ajudar nessa análise de risco de crédito. Dentre elas estão: Redes Neurais, Data Mining, Árvore de Decisão, algoritmos genéticos entre outros. Não se pode deixar de especificar que para isso, foram escolhidos três artigos que utilizam tais técnicas, procurando especificar qual delas atinge o objetivo de oferecer a melhor forma de se realizar tal análise de credito. Mas paratanto, necessita-se conhecer tais ferramentas que foram disponibilizadas para suprir tal necessidade.

1. Introdução
Ao se falar em análise de crédito realizada nas várias agências bancária espalhadas pelo Brasil, a posse e o uso de ferramentas que auxiliem na tarefa de classificação de clientes em prováveis solventes ou insolventes em relação à tomada de crédito podem tornar-se um fator-chave,resultando em uma grande vantagem competitiva1. O presente artigo pretende realizar uma comparação entre três artigos que abordam e apresentam modelos para a análise de risco de concessão de crédito bancário. Entre os modelos apresentados nos artigos, destacam-se: Redes Neurais, Árvores de Decisão, Data Mining, Algoritmos Genéticos, Regressão Logística.

É importante salientar que se realizaráuma comparação entre os modelos que foram utilizados em cada artigo, procurando estabelecer em qual artigo se obteve melhor êxito em relação ao crédito bancário. Os artigos escolhidos foram: ANÁLISE DE CRÉDITO BANCÁRIO POR MEIO DE REDES NEURAIS E ÁRVORES DE DECISÃO: UMA APLICAÇÃO SIMPLES DE DATA MINING; EXTRAÇÃO DE REGRAS DE CLASSIFICAÇÃO A PARTIR DE REDES NEURAIS PARA AUXÍLIO À TOMADA DEDECISÃO NA CONCESSÃO DE CRÉDITO BANCÁRIO; ANÁLISE DE RISCO DE CRÉDITO COM O USO DE MODELOS DE REGRESSÃO LOGÍSTICA, REDES NEURAIS E ALGORITMOS GENÉTICOS. Na primeira parte do trabalho falar-se-á a respeito Dos conceitos que envolvem cada um dos modelos ou ferramentas adotadas, com conceitos, exemplificações e abordagens de uso. Vale ressaltar que todos os modelos fizeram parte da disciplina deInteligência Artificial (IA). A segunda parte abordará a respeito de cada um desses artigos, como foram aplicados, os objetivos, os resultados obtidos e qual a conclusão de cada um deles. A terceira e última parte, ressaltará qual dos três artigos demonstra ter mais chance de sucesso em relação a sua aplicabilidade em análise de crédito bancário. Apresentando uma conclusão a respeito da melhor abordagem...
tracking img