A carregar...
Publicação
Previsão do incumprimento no crédito a empresas com classificadores múltiplos
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 357.87 KB | Adobe PDF |
Orientador(es)
Resumo(s)
Neste estudo foram implementados modelos de previsão do incumprimento no crédito a empresas baseados em classificadores múltiplos. O desempenho destes modelos foi comparado com o de classificadores individuais. A capacidade preditiva dos modelos foi avaliada através de curvas ROC e da análise de taxas de erro de classificação. Os resultados sugerem que modelos baseados em classificadores múltiplos têm maior precisão na classificação de incumprimento do que classificadores individuais.
This study develops models for predicting credit defaults in the corporate segment using multiple classifiers. The performance of these models was compared with those of individual classifiers. The predictive ability of the competing models was evaluated using ROC curves and error rates of classification. The results suggest that models based on multiple classifiers have a better performance in the classification of credit defaults than individual classifiers.
This study develops models for predicting credit defaults in the corporate segment using multiple classifiers. The performance of these models was compared with those of individual classifiers. The predictive ability of the competing models was evaluated using ROC curves and error rates of classification. The results suggest that models based on multiple classifiers have a better performance in the classification of credit defaults than individual classifiers.
Descrição
Mestrado em Matemática Financeira
Palavras-chave
Probabilidade de Incumprimento Regressão Logística Árvore de decisão Bagging Boosting Voting Probability of Default Logistic Regression Decision tree
Contexto Educativo
Citação
Dias, Alexandra Aparecida Delpósito (2012). "Previsão do incumprimento no crédito a empresas com classificadores múltiplos". Dissertação de Mestrado, Universidade Técnica de Lisboa. Instituto Superior de Economia e Gestão.
Editora
Instituto Superior de Economia e Gestão