PREVISÃO DE INADIMPLÊNCIA UTILIZANDO REGRESSÃO LOGÍSTICA APLICADO A TOMADORES DE CRÉDITO DE UMA INSTITUIÇÃO FINANCEIRA
Este trabalho teve como objetivo realizar um estudo da inadimplência dos tomadores de crédito de uma instituição financeira da cidade de Ji-Paraná/RO por meio da regressão logística, de modo que fosse possível gerar um modelo capaz de prever a probabilidade de um tomador de crédito como potencial inadimplente ou adimplente com base em seu perfil cadastrado no sistema da instituição financeira. A amostra é composta por 959 tomadores de crédito de uma instituição financeira da cidade de Ji-Paraná/RO referente ao período de 2013 a 2019. As variáveis independentes foram categorizadas. O método de regressão logística multivariável foi utilizado para a escolha e estimação das variáveis. Um modelo de regressão logística foi criado, composto por seis variáveis: sexo, quantidade de parcelas, taxa de juros, tem seguro prestamista, tem algum avalista e nível de educação. Com base na modelagem, a variável que mais contribui para inadimplência foi “sim para seguro prestamista”. Os resultados indicam que o modelo proposto foi significativo para a classificação dos tomadores de crédito com 81,9% de acerto. O modelo pode ser recomendado para uso de previsão em instituições financeiras, como apoio à gestão, mitigando assim o risco de se fornecer crédito a um tomador que tenha certa probabilidade de se tornar inadimplente.
PREVISÃO DE INADIMPLÊNCIA UTILIZANDO REGRESSÃO LOGÍSTICA APLICADO A TOMADORES DE CRÉDITO DE UMA INSTITUIÇÃO FINANCEIRA
-
DOI: 10.22533/at.ed.5002003085
-
Palavras-chave: Concessão de Crédito, Gestão de risco, Modelo Logístico, Níveis de Inadimplência.
-
Keywords: Granting of Credit. Risk management, Logistic Model, Default Levels.
-
Abstract:
This study aimed to conduct a study of default by borrowers of a financial institution in the city of Ji-Paraná / RO by logistic regression, so that it is possible to generate a model to predict the probability of a credit borrower as a potential defaulter or a defaulter based on his profile registered in the financial institution's system. The sample consists of 959 borrowers from a financial institution in the city of Ji-Paraná / RO for the period from 2013 to 2019. The independent variables were categorized. The multivariable logistic regression method was used to choose and estimate the variables. A logistic regression model was created, composed of six variables: sex, number of installments, interest rate, has credit insurance, has a guarantor and education level. Based on the modeling, the variable that contributed most to default was “yes to credit life insurance”. The results indicate that the proposed model was significant for the classification of borrowers with 81.9% accuracy. The model can be recommended for use in forecasting in financial institutions, as a support to management, thus mitigating the risk of providing credit to a borrower who is likely to become in default.
-
Número de páginas: 15
- Jediel Ferreira dos Reis
- Irene Yoko Taguchi Sakuno
- Josivan Ribeiro Justino
- Vania Corrêa Mota
