Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Kimura, Herbert | - |
Autor(es): dc.creator | Saavedra, Cayan Atreio Portela Bárcena | - |
Data de aceite: dc.date.accessioned | 2024-10-23T15:02:44Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T15:02:44Z | - |
Data de envio: dc.date.issued | 2023-12-04 | - |
Data de envio: dc.date.issued | 2023-12-04 | - |
Data de envio: dc.date.issued | 2023-12-04 | - |
Data de envio: dc.date.issued | 2023-05-31 | - |
Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/46956 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/872871 | - |
Descrição: dc.description | Tese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão Pública, Programa de Pós-Graduação em Administração, 2023. | - |
Descrição: dc.description | This dissertation explores applications of machine learning models in credit risk. Statistical and machine learning techniques are investigated, seeking to develop alternative methods in the credit risk modeling pipeline, aiming at comply with standards and regulations. We develop three papers in this dissertation, analyzing different aspects of credit risk using machine learning. In the first paper, Algorithmic Credit Analysis and the use of Discriminatory Variables, concerning machine learning fairness and the use of sensitive variables. In the second paper, Lifetime Probability of Default with Survival Analysis and Ensemble Methods, application of survival analysis models for the entire time maturity of a credit operation. Finally, in the third paper, Credit Risk Assessment with Machine Learning and Competing Risk Survival Analysis Models, an adaptation in competing risks subdistribution hazards. In the three applications, different machine learning models are explored, and the results are discussed, aiming to contribute to the credit risk literature. | - |
Descrição: dc.description | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | - |
Descrição: dc.description | Departamento de Administração (FACE ADM) | - |
Descrição: dc.description | Programa de Pós-Graduação em Administração | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Risco de crédito | - |
Palavras-chave: dc.subject | Aprendizagem de máquina | - |
Palavras-chave: dc.subject | Risco (Economia) | - |
Palavras-chave: dc.subject | Análise de sobrevivência | - |
Título: dc.title | Essays in machine learning applications in credit risk | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: