Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://bibliotecatede.uninove.br/handle/tede/1012
Tipo do documento: Dissertação
Título: Inteligência computacional aplicada na análise e recuperação de portfólios de créditos do tipo non-performing loans
Autor: Souza, Flávio Clésio Silva de 
Primeiro orientador: Sassi, Renato José
Primeiro membro da banca: Dias, Cleber Gustavo
Segundo membro da banca: Souza, Reinaldo Castro
Resumo: Uma das externalidades econômicas relativas ao aumento do crédito é o consequente aumento da taxa de inadimplência. Em face deste cenário econômico surgiu no Brasil a oferta por meio da venda dos direitos desses créditos por parte das mais diversas instituições financeiras e bancárias. Esses créditos inadimplidos são chamados de Non-Performing Loans (NPLs), ou créditos não-performados. Já a demanda em relação à aquisição dos NPLs é feita por estruturas econômicas denominadas de Fundos de Investimento em Direitos Creditórios (FIDC) que objetivam o retorno financeiro aos investidores por meio da recuperação desses créditos. Os fundos realizam diversas análises de viabilidade de negócios por meio de técnicas estatísticas, financeiras, e econômicas em busca dos fatores determinantes para a recuperação desses créditos. No entanto, outras técnicas como as de Inteligência Computacional podem ser aplicadas na análise desses créditos. Este trabalho tem como objetivo principal a aplicação de técnicas de Inteligência Computacional na análise e recuperação de portfólios de créditos do tipo Non-Performing Loans. Os trabalhos da literatura, até o momento, não abordam diretamente questões de como essas análises influenciam diretamente na capacidade de avaliação ou precificação desses ativos financeiros, como também na recuperação dos créditos partindo da perspectiva do crédito já inadimplido, e de quais são os determinantes que influenciam na recuperação desses créditos. Foram realizados três experimentos utilizando as seguintes técnicas de Inteligência Computacional: Redes Neurais Artificiais, Teoria dos Rough Sets e Árvores de Decisão, aplicadas de forma isolada ou de forma combinada. Os resultados obtidos com a aplicação das técnicas foram conclusivos ao destacar que os fatores relacionados às formas de localização dos devedores, a idade do crédito, e o valor da dívida são os principais determinantes na recuperação dos NPLs, e que, portanto devem ser levados em consideração no suporte à decisão seja para atividades de avaliação e precificação desses ativos, seja para elaboração de estratégias de recuperação desses ativos.
Abstract: One of the economic externalities for the credit increase is the resulting increase in the default rate. In the face of this economic scenario emerged in Brazil financial and banking institutions are offer through the sale of such claims. These defaulted credits are called Non-Performing Loans (NPLs). The demand to the purchase of NPLs is made by economic structures called Fundos de Investimentos em Direitos Creditórios (FIDC), that are aimed to get financial return through the recovery of such credits. The funds perform several analysis of business viability through statistical techniques, financial, and economic conditions in search of the determinants that influences directly in the recovery of these credits. However, other techniques of the computational intelligence can be applied in the analysis of such credits. This main objective of this work is the application of Computational Intelligence techniques in the recovery of Non-Performing Loans. Studies in the literature, yet not directly address questions of how these analyzes directly influence the evaluation capacity or pricing of these financial assets, the recovery of credits based on the already defaulted credit perspective; and also what are the determinants that influence the recovery of these credits. Studies in the literature, yet not directly address questions of how these analyzes directly influence the evaluation capacity or pricing of these financial assets, the recovery of credits based on the already defaulted credit perspective; and also what are the determinants that influence the recovery of these credits. Three experiments were conducted using the following Computational Intelligence techniques: Artificial Neural Networks, Theory of Rough Sets and Decision Trees. The results obtained with the application of techniques were conclusive to point out that the factors related to the forms of location of debtors, aging, and the value of debt are the main determinants in the recovery of NPLs; and therefore must be taken into account in decision support is for evaluation activities and pricing of these assets, is to prepare recovery strategies of these assets.
Palavras-chave: non-performing loans
fundos de investimento em direitos creditórios
inteligência computacional
tomada de decisão
créditos não-perfomados
non-performing loans
fundos de investimento em direitos creditórios
computational intelligence
decision making
default loan
Área(s) do CNPq: ENGENHARIAS::ENGENHARIA DE PRODUCAO
Idioma: por
País: Brasil
Instituição: Universidade Nove de Julho
Sigla da instituição: Uninove
Departamento: Engenharia
Programa: Programa de Mestrado em Engenharia de Produção
Citação: Souza, Flávio Clésio Silva de. Inteligência computacional aplicada na análise e recuperação de portfólios de créditos do tipo non-performing loans. 2015. 169 f. Dissertação( Programa de Mestrado em Engenharia de Produção) - Universidade Nove de Julho, São Paulo .
Tipo de acesso: Acesso Aberto
URI: https://bibliotecatede.uninove.br/handle/tede/1012
Data de defesa: 6-Fev-2015
Aparece nas coleções:Programa de Mestrado em Engenharia de Produção

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Flavio Clesio de Souza.pdfFlavio Clesio de Souza2,61 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.