Desempenho financeiro como critério de decisão para seleção modelos de análise e concessão de crédito

• Silva, Rodrigo Alves ^[1] ; Ara, Anderson ^[2] ; Ribeiro, Evandro Marcos Saidel ^[1]
  1. [1] Universidade de São Paulo

     Universidade de São Paulo

     Brasil

     
  2. [2] Universidade Federal da Bahia

     Universidade Federal da Bahia

     Brasil

     
• Localización: RECADM, ISSN-e 1677-7387, Vol. 16, Nº. 1, 2017, págs. 25-39
• Idioma: portugués
• Títulos paralelos:
  • Financial performance as a decision criterion of credit scoring models selection
• Enlaces
  • Texto completo (pdf)
• Resumen
  • português

    O presente artigo tem por objetivo apresentar a importância do emprego de métricas financeiras na tomada de decisão de seleção de modelos de credit scoring. Para tanto, considerando um sistema de aprovação automática, este artigo empregou métricas de desempenho financeiro sobre as carteiras teóricas geradas por modelos de credit scoring baseados em sete das principais técnicas de aprendizagem estatística utilizadas para tratamento dessa problemática. Os modelos foram ajustados aos dados da base German Credit Data Set e os resultados analisados com base em quatro métricas: acurácia total, custo por erro, retorno ajustado ao risco de capital e índice de Sharpe. Os resultados apontam que a acurácia total, amplamente empregada como critério de seleção de modelos de credit scoring, é incapaz de selecionar o modelo mais rentável para a firma, indicando a necessidade de incorporar métricas financeiras ao processo de seleção de modelos de credit scoring.

  • English

    This paper aims to show the importance of the use of financial metrics in decision-making of credit scoring models selection. In order to achieve such, we considered an automatic approval system approach and we carried out a performance analysis of the financial metrics on the theoretical portfolios generated by seven credit scoring models based on main statistical learning techniques. The models were estimated on German Credit dataset and the results were analyzed based on four metrics: total accuracy, error cost, risk adjusted return on capital and Sharpe index. The results show that total accuracy, widely used as a criterion for selecting credit scoring models, is unable to select the most profitable model for the company, indicating the need to incorporate financial metrics into the credit scoring model selection process.