Essays in machine learning applications in credit risk

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorKimura, Herbert-
Autor(es): dc.creatorSaavedra, Cayan Atreio Portela Bárcena-
Data de aceite: dc.date.accessioned2024-10-23T15:02:44Z-
Data de disponibilização: dc.date.available2024-10-23T15:02:44Z-
Data de envio: dc.date.issued2023-12-04-
Data de envio: dc.date.issued2023-12-04-
Data de envio: dc.date.issued2023-12-04-
Data de envio: dc.date.issued2023-05-31-
Fonte completa do material: dc.identifierhttp://repositorio2.unb.br/jspui/handle/10482/46956-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/872871-
Descrição: dc.descriptionTese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão Pública, Programa de Pós-Graduação em Administração, 2023.-
Descrição: dc.descriptionThis 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.descriptionFaculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)-
Descrição: dc.descriptionDepartamento de Administração (FACE ADM)-
Descrição: dc.descriptionPrograma de Pós-Graduação em Administração-
Formato: dc.formatapplication/pdf-
Idioma: dc.languageen-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA 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.subjectRisco de crédito-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectRisco (Economia)-
Palavras-chave: dc.subjectAnálise de sobrevivência-
Título: dc.titleEssays in machine learning applications in credit risk-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.