Exploração de metodologias para classificação de risco

Neste trabalho será apresentada a modelagem por regressão logística, com a finalidade de prever qual seria a inadimplência dos clientes que compõem o portfólio de uma grande instituição financeira do país. Sendo assim, será explorada a ideia de usar o conceito de provisionamento pura e simplesmente, através da estimação de uma probabilidade de default dado por um ou mais modelos estatísticos que serão construídos no decorrer do trabalho, conforme incentiva o comitê de Basileia. Um dos modelos será feito a partir de uma separação prévia de público através de clusters e a outra técnica a ser explorada será a criação de um modelo sem nenhuma separação. O objetivo será a comparação entre as duas métricas de classificação de risco e verificar os trade-off entre elas e os impactos de variáveis macroeconômicas nestes modelos.

Redes bayesianas aplicadas à modelagem de fraudes em cartão de crédito

Modelos para detecção de fraude são utilizados para identificar se uma transação é legítima ou fraudulenta com base em informações cadastrais e transacionais. A técnica proposta no estudo apresentado, nesta dissertação, consiste na de Redes Bayesianas (RB); seus resultados foram comparados à técnica de Regressão Logística (RL), amplamente utilizada pelo mercado. As Redes Bayesianas avaliadas foram os classificadores bayesianos, com a estrutura Naive Bayes. As estruturas das redes bayesianas foram obtidas a partir de dados reais, fornecidos por uma instituição financeira. A base de dados foi separada em amostras de desenvolvimento e validação por cross validation com dez partições. Naive Bayes foram os classificadores escolhidos devido à simplicidade e a sua eficiência. O desempenho do modelo foi avaliado levando-se em conta a matriz de confusão e a área abaixo da curva ROC. As análises dos modelos revelaram desempenho, levemente, superior da regressão logística quando comparado aos classificadores bayesianos. A regressão logística foi escolhida como modelo mais adequado por ter apresentado melhor desempenho na previsão das operações fraudulentas, em relação à matriz de confusão. Baseada na área abaixo da curva ROC, a regressão logística demonstrou maior habilidade em discriminar as operações que estão sendo classificadas corretamente, daquelas que não estão.

O comportamento do cidadão quanto à separação de resíduos recicláveis domiciliares no município de Rio de Janeiro

A aprovação e posterior regulamentação da Lei 12.305, de 2 de agosto de 2010, que institui a Política Nacional de Resíduos Sólidos – PNRS estabeleceu necessidades de uma nova articulação entre os três entes federados – União, Estados e Municípios – o setor produtivo e a sociedade em geral na busca de soluções para os problemas atuais na gestão de resíduos sólidos. Baseada principalmente no conceito de responsabilidade compartilhada, toda a sociedade – cidadãos, setor produtivo, governos e sociedade civil organizada – passa a ser responsável pela gestão dos resíduos sólidos por ela produzidos. Falando especificamente do cidadão, um dos atuais desafios é saber como seu comportamento em relação à separação de resíduos recicláveis no âmbito do seu domicílio se relaciona com os objetivos e metas de reciclagem do município. Considerou-se uma amostra (N=310) de residentes em domicílios do Rio de Janeiro, e os dados coletados foram analisados segundo o modelo ABC de STERN. Os resultados empíricos mostraram que as variáveis associadas ao hábito, às normas sociais diretas e às atitudes afetivas têm peso significativo na predição do modelo do comportamento pró-reciclagem. Como contribuição prática, espera-se que o PMGIRS do Rio de Janeiro possa ser aprimorado, contribuindo para o aumento da participação do cidadão na separação de resíduos recicláveis em seu domicílio, auxiliando os gestores municipais nas decisões necessárias ao cumprimento de objetivos e metas relacionados com a reciclagem na cidade do Rio de Janeiro.