Brasil
O Crowdfunding tornou-se um fenômeno virtual por ser um modelo de negócio que visa arrecadar fundos para projetos coletivos de vários tipos. A Avaliação de Riscos com base nas características de tais projetos são um passo importante na minimização de perdas financeiras. Neste sentido, o objetivo deste trabalho é apresentar um modelo para avaliação de risco em projetos desta natureza utilizando técnicas Estatísticas e de Aprendizagem de Máquina (Machine Learning ou ML), considerando as etapas de preparação, processamento e análise dos resultados. Para o desenvolvimento do trabalho foi utilizada a ferramenta WEKA e a linguagem de programação Python com módulos específicos de ML. Por fim, este trabalho mostra que a utilização de técnicas de ML foi eficiente obtendo uma acurácia de 77%, superior aos 76% do modelo proposto por Etter, Grossglauser e Thiran (2013) e, por consequência, pode ser utilizada como um método na Avaliação de Risco em Campanhas Kickstarter, fornecendo condições aos investidores de mitigar os riscos associados aos projetos desta natureza por meio da análise de gráficos e dados numéricos.
Crowdfunding has become a virtual phenomenon because it is a business model that aims to raise funds for collective projects of various kinds. Risk Assessment based on the characteristics of such projects is an important step in minimizing financial losses. In this sense, the objective of this work is to present a model for risk assessment in these projects using Statistical and Machine Learning (ML) techniques, considering the stages of preparation, processing and analysis of the results. For the development of the work the WEKA tool and the Python programming language with ML specific modules were used. The research showed that the use of ML techniques was efficient, obtaining an accuracy of 77%, higher to the 76% of the model proposed by Etter, Grossglauser e Thiran (2013) and can therefore be used as a method in Risk Assessment in Kickstarter Campaigns, providing conditions for investors to mitigate the risks associated with projects of this nature by analyzing graphs and numerical data.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados