Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Cajueiro, Daniel Oliveira | - |
Autor(es): dc.creator | Barnabé, Magnamara Acácio Pimentel | - |
Data de aceite: dc.date.accessioned | 2024-10-23T16:17:36Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T16:17:36Z | - |
Data de envio: dc.date.issued | 2022-07-12 | - |
Data de envio: dc.date.issued | 2022-07-12 | - |
Data de envio: dc.date.issued | 2022-07-12 | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/44215 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/904664 | - |
Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2022. | - |
Descrição: dc.description | Nesse trabalho implementamos diferentes modelos de previsão de ocorrência de desembolso financeiro em processos judiciais de instituições financeiras brasileiras a partir de técnicas estatísticas, métodos computacionais e algoritmos de Machine Learning (Logistic Regression, Decision Tree, Bagging, Ada Boost, Gradient Boosting e Random Forest) e comparamos os modelos preditivos para identificar o melhor. Para avaliar a adequação dos modelos, realizamos os testes com a obtenção dos índices de acurácia, sensibilidade, especificidade, precisão, f1-score e Area Under ROC Curve (AUROC), com o intuito de validar os modelos em 2 (dois) cenários, um com o uso exclusivo de variáveis de cadastro dos processos judiciais e outro com variáveis de andamento processual. Os melhores resultados foram obtidos com Random Forest para o cenário de variáveis exclusivas de cadastro (acurácia de 80.71%) e o Gradient Boosting para o cenário que agregou variáveis de andamento processual (acurácia de 88.94%). O uso de modelagem preditiva para aferir o risco jurídico, um tipo de risco operacional, mostrou-se adequado e com elevado grau de assertividade para atender as exigências regulamentares de provisão e registro em passivos contingentes nas demonstrações financeiras, conforme preconizado no IAS 37 - Provisions, contingent liabilities and contigent assets, Pronunciamento Técnico CPC 25 e Resolução nº 3.823 do Banco Central do Brasil. | - |
Descrição: dc.description | In this work we implemented different models for predicting the occurrence of financial disbursement in legal proceedings of Brazilian financial institutions from statistical techniques, methods computational tools and Machine Learning algorithms (Logistic Regression, Decision Tree, Bagging, Ada Boost, Gradient Boosting and Random Forest) and compared the predictive models to identify the best. In order to evaluate the adequacy of the models, we carried out the tests to obtain the indexes of accuracy, sensitivity, specificity, precision, f1-score and Area Under ROC Curve (AUROC), with the purpose of validating the models in 2 (two) scenarios, one with the exclusive use of register variables of the lawsuits and another with procedural progress variables. The best results were obtained with Random Forest for the scenario of exclusive variables of registration (accuracy of 80.71%) and Gradient Boosting for the scenario that added procedural progress variables (accuracy of 88.94%). The use of predictive modeling to assess legal risk, a type of operational risk, proved to be adequate and with high degree of assertiveness to meet regulatory requirements for provision and recording of liabilities contingents in the financial statements, as recommended in IAS 37 - Provisions, contingent liabilities and contingent assets, Pronunciamento Técnico CPC 25 and Resolução No. 3.823 of the Central Bank from Brazil. | - |
Descrição: dc.description | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | - |
Descrição: dc.description | Departamento de Economia (FACE ECO) | - |
Descrição: dc.description | Programa de Pós-Graduação em Economia | - |
Formato: dc.format | application/pdf | - |
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.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, 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 | Desembolso financeiro | - |
Palavras-chave: dc.subject | Processos judiciais | - |
Palavras-chave: dc.subject | Gerenciamento de riscos | - |
Palavras-chave: dc.subject | Risco jurídico | - |
Palavras-chave: dc.subject | Instituições financeiras | - |
Título: dc.title | Predição de risco jurídico de instituições financeiras | - |
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: