Mostrar registro simples

dc.contributor.advisorSilva, José Luiz Padilha da, 1985-pt_BR
dc.contributor.otherUniversidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Datapt_BR
dc.creatorHenequi, Everson Luizpt_BR
dc.date.accessioned2024-02-08T19:43:46Z
dc.date.available2024-02-08T19:43:46Z
dc.date.issued2019pt_BR
dc.identifier.urihttps://hdl.handle.net/1884/75321
dc.descriptionOrientador: Prof. José Luiz Padilha da Silvapt_BR
dc.descriptionMonografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data.pt_BR
dc.descriptionInclui referênciaspt_BR
dc.description.abstractResumo: 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.abstractAbstract: 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.extent1 recurso online : PDF.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.subjectBancospt_BR
dc.subjectDividas - Negociaçãopt_BR
dc.subjectClientespt_BR
dc.titleModelo de projeção da taxa de pagamento em cobrançapt_BR
dc.typeTCC Especialização Digitalpt_BR


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples