O uso de técnicas de aprendizado de máquina para concessão de crédito : um estudo a partir do portal de dados abertos brasileiro

Abstract

Este estudo tem como objetivo principal incorporar os dados do Auxílio Emergencial, concedido pelo Governo Federal do Brasil entre abril e dezembro de 2020, ao modelo de aprendizado de máquina para concessão de empréstimo pessoal adotado por uma instituição financeira brasileira, cujo nome será mantido em anonimato. Essa instituição atende majoritariamente indivíduos das classes C, D e E, que frequentemente enfrentam obstáculos para obter crédito em bancos tradicionais. O estudo adota técnicas avançadas de avaliação de crédito, além das principais métricas de validação de modelos de crédito, visando aprimorar a precisão e a eficácia do modelo em questão. Inicialmente, os modelos foram gerados com base nos dados internos da instituição, sendo, posteriormente, incluídos os dados do Auxílio Emergencial para avaliar seu impacto na acurácia, na métrica KS e em outras métricas relevantes. A fundamentação teórica, incluindo técnicas de Regressão Logística, Florestas Aleatórias, LightGBM, modelos com custos e métodos para correção de desbalanceamento, foi embasada em revisão bibliográfica. O ciclo de projeto CRISP-DM orientou a implementação do estudo de caso, cujos resultados demonstraram uma melhora significativa no desempenho do modelo após a inclusão dos dados do auxílio, com aumento de 5,6 pontos percentuais na métrica KS e de 13,2 pontos percentuais na acurácia.