dc.contributor.advisor | Silva, José Luiz Padilha da, 1985- | pt_BR |
dc.contributor.other | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | pt_BR |
dc.creator | Henequi, Everson Luiz | pt_BR |
dc.date.accessioned | 2024-02-08T19:43:46Z | |
dc.date.available | 2024-02-08T19:43:46Z | |
dc.date.issued | 2019 | pt_BR |
dc.identifier.uri | https://hdl.handle.net/1884/75321 | |
dc.description | Orientador: Prof. José Luiz Padilha da Silva | pt_BR |
dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data. | pt_BR |
dc.description | Inclui referências | pt_BR |
dc.description.abstract | Resumo: Este artigo oferece uma abordagem alternativa à regressão logística tradicional para gerenciamento de risco de crédito, especificamente para cobranças de clientes inadimplentes. É comum tratar esse problema com uma abordagem dicotômica entre os clientes que pagam suas dívidas e os que não pagam. No entanto, o dinheiro coletado é muitas vezes ignorado pelo processo de modelagem, considerando-se 1% e 100% do pagamento de dívidas igualmente. Portanto, há uma oportunidade para estudar o percentual esperado de pagamento da dívida. Criar um modelo que forneça tal informação ajudará muito na melhora, tanto da estratégia de abordagem aos clientes, quanto dos indicadores de desempenho. pretende-se suportar as decisões gerenciais com um modelo preditivo, utilizando o framework GAMLSS, que forneça o percentual esperado de recebimento da dívida dado o perfil comportamental e demográfico do cliente. | pt_BR |
dc.description.abstract | Abstract: This paper offers an alternative approach to the traditional logistic regression for credit risk management, specifically for delinquent customer collections. It is common to treat this problem with a dichotomous approach between customers who pay their debts and those who do not pay. However, the cash collected is often ignored by modeling process, considering 1% and 100% of the debts equally. Therefore, there is an opportunity to study the expected percentage of debt repayment. Creating a model that provides such information will greatly help in improving both the recovery strategy and the performance indicators. With this, it is intended to support managerial decisions with a predictive model, using GAMLSS framework, that provides the expected percentage of debt receipt given the behavioral and demographic profile of the client. | pt_BR |
dc.format.extent | 1 recurso online : PDF. | pt_BR |
dc.format.mimetype | application/pdf | pt_BR |
dc.language | Português | pt_BR |
dc.subject | Bancos | pt_BR |
dc.subject | Dividas - Negociação | pt_BR |
dc.subject | Clientes | pt_BR |
dc.title | Modelo de projeção da taxa de pagamento em cobrança | pt_BR |
dc.type | TCC Especialização Digital | pt_BR |