Uma abordagem alternativa de behavioral scoring usando modelagem híbrida de dois estágios com regressão logística e redes neurais

Abstract

Com o crescimento progressivo nos volumes de concessão de crédito no Brasil, as empresas estão buscando melhorar na assertividade da concessão e agilidade na análise do crédito, não somente para novos clientes como também para clientes antigos. Técnicas quantitativas vêm sendo difundidas para a construção de modelos de previsão de risco de crédito que, baseadas tanto em informações cadastrais, quanto no histórico de relacionamento do cliente na empresa, predizem um comportamento padrão de risco. O objetivo deste artigo é propor uma sistemática para construção de modelos de previsão de risco de crédito baseados em dados comportamentais (Behavioral Scoring), utilizando um processo de modelagem híbrida de dois estágios com regressão logística e redes neurais e avaliar seu desempenho. Todas as etapas de construção do modelo são discutidas detalhadamente, sendo abordado desde o planejamento e definições do modelo até a validação da fórmula de pontuação. O modelo foi aplicado em uma amostra de 9.070 clientes de uma instituição financeira de atuação nacional. Os resultados para esse estudo específico apontaram que o método de modelagem híbrida desenvolvido apresentou superioridade às técnicas tradicionais, ressaltando que o apoio dos resultados da regressão logística, como nós de entrada da rede neural, contornaram as características indesejáveis das redes neurais, como processamento lento e dificuldade na interpretação das variáveis.