Modelagem de risco de crédito via LSTM

Abstract

A modelagem de risco de crédito utiliza frequentemente de variáveis explicativas comportamentais medidas de forma longitudinal afim de estimar a probabilidade de não pagamento de uma operação de crédito. Usualmente, as informações longitudinais são sintetizadas atraváes de estatísticas resumos e em seguida são utilizadas como preditoras em modelos lineares de classificação binária. Este trabalho avalia a utilização e performance de uma rede neural recorrente (Long short-term memory), que é capaz de processar integralmente as vari ́veis explicativas longitudinais, como uma alternativa à regressão logística na modelagem de risco de crédito utilizando dados reais da instituição financeira Sicoob.