Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/30839
Files in This Item:
File Description SizeFormat 
ARTIGO_GeographicallyWeightedlogistic.pdf9,16 MBAdobe PDFView/Open
ARTIGO_RegressaoLogisticaGeograficamente.pdf9,29 MBAdobe PDFView/Open
Title: Geographically weighted logistic regression applied to Credit Scoring models
Authors: Albuquerque, Pedro Henrique Melo
Medina, Fabio Augusto Scalet
Silva, Alan Ricardo da
Assunto:: Risco de crédito
Regressão logística
Crédito direto ao consumidor
Issue Date: Apr-2017
Publisher: Universidade de São Paulo, Faculdade de Economia, Administração e Contabilidade, Departamento de Contabilidade e Atuária
Citation: ALBUQUERQUE, Pedro Henrique Melo; MEDINA, Fabio Augusto Scalet; SILVA, Alan Ricardo da. Geographically weighted logistic regression applied to Credit Scoring models. Revista Contabilidade & Finanças, São Paulo, v. 28, n. 73, p. 93-112, jan./abr. 2017. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso>. Acesso em: 16 jan. 2018. doi: http://dx.doi.org/10.1590/1808-057x201703760. _____________________________________________________________________________________________________________________________________
ALBUQUERQUE, Pedro Henrique Melo; MEDINA, Fabio Augusto Scalet; SILVA, Alan Ricardo da. Regressão logística geograficamente ponderada aplicada a modelos de Credit Scoring. Revista Contabilidade & Finanças, São Paulo, v. 28, n. 73, p. 93-112, jan./abr. 2017. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso>. Acesso em: 16 jan. 2018. doi: http://dx.doi.org/10.1590/1808-057x201703760.
Abstract: Este estudo utilizou dados reais de uma instituição financeira nacional referentes a operações de Crédito Direto ao Consumidor (CDC), concedidas a clientes domiciliados no Distrito Federal (DF), para a construção de modelos de credit scoring utilizando as técnicas Regressão Logística e Regressão Logística Geograficamente Ponderada [Geographically Weighted Logistic Regression] (GWLR). Os objetivos foram: verificar se os fatores que influenciam o risco de crédito diferem de acordo com a localização geográfica do tomador; comparar o conjunto de modelos estimados via GWLR frente ao modelo global estimado via Regressão Logística, em termos de capacidade de previsão e perdas financeiras para a instituição; e verificar a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring. As métricas utilizadas para comparar os modelos desenvolvidos por meio das duas técnicas foram o critério informacional AICc, a acurácia dos modelos, o percentual de falsos positivos, a soma do valor da dívida dos falsos positivos e o valor monetário esperado de inadimplência da carteira frente ao valor monetário de inadimplência observado. Os modelos estimados para cada região do DF se mostraram distintos em suas variáveis e coeficientes (parâmetros), concluindo-se que o risco de crédito foi influenciado de maneira distinta em cada região do estudo. As metodologias Regressão Logística e GWLR apresentaram resultados bem próximos, em termos de capacidade de previsão e perdas financeiras para a instituição, e o estudo demonstrou a viabilidade da utilização da técnica GWLR para desenvolver modelos de credit scoring para o público-alvo do estudo.
Abstract: This study used real data from a Brazilian financial institution on transactions involving Consumer Direct Credit (CDC), granted to clients residing in the Distrito Federal (DF), to construct credit scoring models via Logistic Regression and Geographically Weighted Logistic Regression (GWLR) techniques. The aims were: to verify whether the factors that influence credit risk differ according to the borrower’s geographic location; to compare the set of models estimated via GWLR with the global model estimated via Logistic Regression, in terms of predictive power and financial losses for the institution; and to verify the viability of using the GWLR technique to develop credit scoring models. The metrics used to compare the models developed via the two techniques were the AICc informational criterion, the accuracy of the models, the percentage of false positives, the sum of the value of false positive debt, and the expected monetary value of portfolio default compared with the monetary value of defaults observed. The models estimated for each region in the DF were distinct in their variables and coefficients (parameters), with it being concluded that credit risk was influenced differently in each region in the study. The Logistic Regression and GWLR methodologies presented very close results, in terms of predictive power and financial losses for the institution, and the study demonstrated viability in using the GWLR technique to develop credit scoring models for the target population in the study.
Licença:: Revista Contabilidade & Finanças - This is an open-access article distributed under the terms of the Creative Commons Attribution License (CC BY 4.0). Fonte: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000100093&lng=en&nrm=iso. Acesso em: 16 jan. 2018.
DOI: http://dx.doi.org/10.1590/1808-057x201703760
Appears in Collections:ADM - Artigos publicados em periódicos
EST - Artigos publicados em periódicos

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/30839/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.