
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 | Nakano, Eduardo Yoshio | - |
| Autor(es): dc.contributor | gustavoduraes0@gmail.com | - |
| Autor(es): dc.creator | Almeida, Gustavo Durães | - |
| Data de aceite: dc.date.accessioned | 2025-03-18T17:39:03Z | - |
| Data de disponibilização: dc.date.available | 2025-03-18T17:39:03Z | - |
| Data de envio: dc.date.issued | 2021-12-08 | - |
| Data de envio: dc.date.issued | 2021-12-08 | - |
| Data de envio: dc.date.issued | 2021-12-07 | - |
| Data de envio: dc.date.issued | 2021-09-27 | - |
| Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/42580 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/932818 | - |
| Descrição: dc.description | Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2021. | - |
| Descrição: dc.description | A modelagem de risco de crédito utiliza frequentemente de variáveis explicativas comportamentais medidas de forma longitudinal afim de estimar a probabilidade de não pagamento de uma operação de crédito. Usualmente, as informações longitudinais são sintetizadas atraváes de estatísticas resumos e em seguida são utilizadas como preditoras em modelos lineares de classificação binária. Este trabalho avalia a utilização e performance de uma rede neural recorrente (Long short-term memory), que é capaz de processar integralmente as vari ́veis explicativas longitudinais, como uma alternativa à regressão logística na modelagem de risco de crédito utilizando dados reais da instituição financeira Sicoob. | - |
| Descrição: dc.description | Credit risk modelling usually utilizes longitudinal behavioural data as explanatory variables in default classification tasks. Usually, the aforementioned longitudinal data is summarized using domain appropriate summary statistics in order to transform the longitudinal data in linear data so that the information can be used as input for a logistic regression. This work assess the usability and performance of a recurrent neural network, that is capable of consuming the longitudinal data directly, as and alternative for a logistic regression model in the credit risk context using real data from a financial institution named Sicoob. | - |
| Descrição: dc.description | Instituto de Ciências Exatas (IE) | - |
| Descrição: dc.description | Departamento de Estatística (IE EST) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Estatística | - |
| 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 | Risco de crédito | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Palavras-chave: dc.subject | Aprendizado profundo | - |
| Palavras-chave: dc.subject | Redes neurais recorrentes | - |
| Palavras-chave: dc.subject | Long Short-term Memory | - |
| Título: dc.title | Modelagem de risco de crédito via LSTM | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB - Rep. 1 | |
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: