| dc.contributor | Bastos, Ronaldo Rocha | |
| dc.contributor | http://lattes.cnpq.br/8943562657054260 | |
| dc.contributor | Bastos, Ronaldo Rocha | |
| dc.contributor | http://lattes.cnpq.br/8943562657054260 | |
| dc.contributor | Souza, Augusto Carvalho | |
| dc.contributor | http://lattes.cnpq.br/4948010017164625 | |
| dc.contributor | Vieira, Marcel de Toledo | |
| dc.contributor | http://lattes.cnpq.br/1980385021266418 | |
| dc.creator | Lupchinski, Isadora Cônsoli Silva | |
| dc.date | 2021-01-20T21:55:32Z | |
| dc.date | 2021-01-01 | |
| dc.date | 2021-01-20T21:55:32Z | |
| dc.date | 2018-07-06 | |
| dc.date.accessioned | 2023-09-29T15:01:38Z | |
| dc.date.available | 2023-09-29T15:01:38Z | |
| dc.identifier | https://repositorio.ufjf.br/jspui/handle/ufjf/12240 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/9123407 | |
| dc.description | Credit granting analysis is a very studied and important branch of finance. This is
because it no longer uses purely subjective criteria such as human judgment, but
employs faster, more accurate and reliable statistical and computational techniques.
As a primary and preliminary way to grant credit, a careful analysis of the type of client
(good and bad payers is necessary. Therefore, the latent class analysis (LCA) emerges
as a new proposal for the evaluation of clients’ profile subject to the granting of bank
credit. In this context, this paper aims to present which variables determine the
conjecture of the characteristics of good and bad payers, through LCA, as a way of
helping creditor institutions in decision-making. In addition, it was also the objective of
this paper to study techniques and procedures on credit risk analysis, as well as to
know the database and analyze its characteristics in an exploratory manner. For that,
descriptive statistics, simple and multiple logistic regressions, and stepwise regression
were used, in order to pre-select the LCA variables, which were then used in the poLCA
package of the R software. From the analysis of data, it was possible to perceive a
distinction between two latent classes, even with only a few observed variables: the
good and the bad payers. However, this work suggests future studies associated with
other methodologies, such as cross-validation, discriminant analysis and cluster
analysis. | |
| dc.description | A análise de concessão de crédito é um ramo da área financeira muito estudado e
importante. Isso porque deixou de utilizar critérios meramente subjetivos como o
julgamento humano, e passou a empregar técnicas estatísticas e computacionais mais
rápidas, precisas e confiáveis. E como forma principal e preliminar para conceder o
crédito, é necessário uma análise criteriosa do tipo de cliente que esse mais se
enquadra, tal como adimplente ou inadimplente. Diante disso, a análise de classes
latentes (LCA) surge como uma nova proposta para a avaliação do perfil dos clientes
sujeitos a concessão do crédito bancário. Neste contexto, este trabalho objetivou
apresentar quais variáveis determinam a conjectura das características dos bons e
dos maus pagadores, através da LCA, como forma de ajudar as instituições credoras
na tomada de decisão. Além disso, também foi alvo deste trabalho estudar técnicas e
procedimentos sobre a análise de risco de crédito, bem como conhecer o banco de
dados e analisar suas características de forma exploratória. Para tanto, foram
utilizadas estatísticas descritivas, regressões logística simples, múltipla e o comando
stepwise do R, com intuito de fazer uma pré-seleção das variáveis do LCA que, em
seguida, foram utilizadas no pacote poLCA do mesmo software. A partir da análise de
dados foi possível perceber, mesmo que com poucas variáveis manifestas, uma
distinção entre duas classes latentes: os bons e os maus pagadores. No entanto, a
partir desse trabalho sugere-se futuros estudos associados a outras metodologias,
tais como: validação cruzada, análise discriminante e análise de cluster. | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Juiz de Fora (UFJF) | |
| dc.publisher | Brasil | |
| dc.publisher | ICE – Instituto de Ciências Exatas | |
| dc.publisher | UFJF | |
| dc.rights | Acesso Aberto | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject | análise classe latente | |
| dc.subject | regressão logística | |
| dc.subject | crédito | |
| dc.subject | perfis de clientes | |
| dc.subject | Latent Class Analysis | |
| dc.subject | Logistic Regression | |
| dc.subject | Credit | |
| dc.subject | Customer Profiles | |
| dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA | |
| dc.title | Análise de classes latentes: classificação de perfis na concessão de crédito | |
| dc.type | Trabalho de Conclusão de Curso | |
