Aplicao de redes neurais na anlise e na concesso de crdito ao consumidor

Fabiano Guasti Lima Luiz Carlos Jacob Perera Herbert Kimura Antnio Carlos da Silva Filho

RESUMO

Neste artigo, tem-se por objetivo apresentar uma aplicao de redes neurais para a identificao de bons e maus pagadores em operaes de crdito ao consumidor. Por meio do uso de redes neurais baseadas no Multilayer Perceptron (MLP), aplicou-se um algoritmo de backpropagation em uma amostra aleatria de 2.475 clientes de uma importante rede varejista brasileira. Dividindo a amostra para processamento e predio, a melhor rede propiciou 79%, 71% e 85% de acertos sobre o perfil de pagamento em cada uma das fases de treinamento, validao e teste, respectivamente. Tendo em vista que foi levado em considerao na pesquisa apenas nmero reduzido de variveis de cadastro, os resultados sugerem que as redes neurais podem representar uma promissora tcnica para a anlise de concesso de crdito ao consumidor. Em especial, se as parcelas so suficientemente pequenas, uma avaliao mais rigorosa do potencial de pagamento do cliente pode deixar de ser razovel. Em tais situaes, as redes neurais podem reduzir custos de anlise e diminuir perdas com inadimplncia.

Recebido em 28/novembro/2007 Aprovado em 06/fevereiro/2009 Sistema de Avaliao: Double Blind Review Editor Cientfico: Nicolau Reinhard

Fabiano Guasti Lima, Graduado em Matemtica pela Universidade Federal de So Carlos, Mestre em Cincias pela Faculdade de Filosofia, Cincias e Letras de Ribeiro Preto da Universidade de So Paulo (USP), Doutor em Administrao pela Faculdade de Economia, Administrao e Contabilidade da USP, Professor do Programa de Ps-Graduao em Controladoria e Contabilidade do Departamento de Contabilidade da Faculdade de Economia, Administrao e Contabilidade de Ribeiro Preto da USP (CEP 14040-900 Ribeiro Preto/SP, Brasil) e Pesquisador da rea de Mtodos Quantitativos em Finanas. E-mail: fabiano@francanet.com.br Endereo: Universidade de So Paulo FEA Ribeiro Preto Departamento de Contabilidade Avenida dos Bandeirantes, 3900 14040-900 Ribeiro Preto SP Luiz Carlos Jacob Perera, Oficial do Exrcito, Contador, Ps-Graduado em Sociologia, Mestre em Aplicaes Militares, Mestre e Doutor em Administrao pela Faculdade de Economia, Administrao e Contabilidade da Universidade de So Paulo, com especializao em Finanas, Professor da Universidade Presbiteriana Mackenzie (CEP 01302-090 So Paulo/SP, Brasil) e dos Cursos de MBA da Fundao Instituto de Administrao, Fundao Instituto de Pesquisas Econmicas e Fundao Instituto de Pesquisas Contbeis, Atuariais e Financeiras. E-mail: jperera@terra.com.br Herbert Kimura, Engenheiro de Eletrnica pelo Instituto Tecnolgico de Aeronutica, Mestre em Estatstica pelo Instituto de Matemtica e Estatstica da Universidade de So Paulo, Doutor em Administrao pela Faculdade de Economia, Administrao e Contabilidade de Universidade de So Paulo, Professor da Universidade Presbiteriana Mackenzie (CEP 01302-090 So Paulo/SP, Brasil). E-mail: herbertk@terra.com.br Antnio Carlos da Silva Filho, Fsico, Mestre e Doutor em Fsica pelo Instituto de Fsica da Universidade de So Paulo Ps-Doutor pelo Imperial College of Science, Technology and Medicine da London University, Professor do Centro Universitrio de Franca (CEP 14401-135 Franca/SP, Brasil). E-mail: acdasf@bol.com.br

Palavras-chave: redes neurais, crdito, inadimplncia.

1. INTRODUO O crdito usado adequadamente, tanto por governos quanto por empresas, como instrumento de gerenciamento do consumo, continua a mostrar vigor notvel, graas ao papel sumamente importante que vem desempenhando no cotidiano da humanidade por facilitar as transaes de bens e servios. A despeito das elevadas taxas de juros bsicas no Brasil, que se refletem em taxas ainda mais altas para operaes de emprstimos ao consumidor, um volume considervel de operaes a prazo realizado por empresas varejistas. Dada a baixa renda mdia do brasileiro, as empresas, para viabilizarem suas vendas, tm recorrido ao financiamento de seus clientes. Se por um lado a concesso de crdito permite o giro dos ativos das empresas, por outro induz assuno de riscos financeiros que, eventualmente, podem transformar-se em perdas advindas da inadimplncia. Para administrar o risco de crdito, diversas metodologias de mensurao de exposio e mecanismos de gesto existem. Dentre as metodologias tradi-

34

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

APLICAO DE REDES NEURAIS NA ANLISE E NA CONCESSO DE CRDITO AO CONSUMIDOR

cionais usadas para construo de modelos de risco de crdito, destacam-se a anlise discriminante, a regresso logstica, as rvores de deciso e a programao linear e suas variaes (SAMEJIMA, DOYA e KAWATO, 2003). Recentemente, modelos baseados em tcnicas de redes neurais vm sendo utilizados e aplicados em problemas de anlise de crdito como, por exemplo, em Corra e Machado (2004). As redes neurais tm sido aplicadas, em especial, em diversos contextos em Administrao. No caso de pesquisas em Administrao no Brasil, Almeida (1995) faz um detalhamento didtico de vrias potenciais aplicaes de redes neurais em problemas administrativos, enquanto Fonsca e Omaki (2004) utilizam a ferramenta em marketing, para segmentao de clientes. Dada sua aplicabilidade na predio de variveis ou comportamentos, as redes neurais tambm tm sido exploradas em finanas e controle. Na rea financeira, Cartacho e Souza (2002) utilizam redes neurais para seleo de carteiras e Freitas e Souza (2002), para precificao de opes. Com relao previso de preos, Bressan (2004), por exemplo, aplica redes neurais para anlise de preos de futuros agropecurios e Lima e Almeida (2004), para preos de aes. Na rea de planejamento e controle, Almeida et al. (2004) usam algoritmos genticos e redes neurais para a realizao de oramento de vendas. Para o tema especfico de uso de redes neurais aplicadas anlise de crdito, enquanto Lachtermacher e Espenchitt (2001) estudam a previso de falncias, Corra e Machado (2004) constroem um modelo de credit scoring para o microcrdito com dados de cheques especiais. Seguindo na linha de pesquisa voltada ao crdito, neste trabalho tem-se por objetivo ampliar a gama de aplicaes, apresentando a utilizao de redes neurais para a identificao de bons e maus pagadores em operaes de crdito ao consumidor. Neste artigo so discutidos, brevemente, aspectos histricos e mecanismos de gesto referentes ao crdito e teoria que fundamenta as redes neurais. A seguir, so apresentados os procedimentos da pesquisa, bem como os resultados da avaliao emprica. Como concluso, algumas consideraes finais so realizadas, destacando-se a aplicabilidade e as limitaes do modelo de redes neurais obtido empiricamente na amostra levantada. 2. A RELEVNCIA DO CRDITO As referncias mais antigas citam que Khammu-rabi, rei da Babilnia no 18 sculo a.C., governou uma confederao de cidades-estado e, no final de seu reinado, registrou as 282 clusulas que ficaram conhecidas como Cdigo de Hamurbi. Nesse cdigo, na parte que se refere aos contratos e obrigaes mtuas, h claras referncias ao processo de negociao e s responsabilidades das partes contratantes, inclusive de obrigaes creditcias (HUBERMAN, 1986).

Provavelmente o crdito indireto ao consumidor sempre tenha existido por meio dos intermedirios: a particular necessidade de obter algum artigo e a impossibilidade de adquiri-lo diretamente a crdito do comerciante fizeram surgir a figura do prestamista, algum que facilitava a efetivao da operao, em troca de algum objeto que servisse como garantia de pagamento da dvida contrada. Inicialmente, as operaes de vendas a prazo circunscreveram-se a artigos de grande valor e que, mesmo passado certo tempo depois de efetuada a venda, ainda apresentavam um valor que podia ser recuperado mediante a revenda do bem negociado. Dessa forma, realizaram-se vendas de mveis, mquinas de costura, pianos e livros. Como processo natural de vendas a prazo, surgiram as empresas de crdito. Sendo especializadas em desconto dos ttulos de crdito, essas empresas voltaram-se posteriormente para a concesso de crditos diretos individuais que, em grande parte, foram utilizados para a compra de mercadorias. Segundo Medina (1967), esse sistema de crdito nos Estados Unidos foi iniciado por A.J. Morris, que fundou em 1907 os bancos que levaram seu nome. Os resultados no se fizeram esperar e em breve os bancos estendiam-se por todo o pas, forando a criao da Industrial Finance Corporation, que funcionou como um brao financeiro das organizaes Morris. A rpida expanso industrial e comercial criou a necessidade de especializao e de aumento das facilidades de crdito. Bancos comerciais, bancos de investimentos, sistemas de poupana, companhias seguradoras, factorings, companhias financeiras e outras trouxeram importantes contribuies, encorajando o uso produtivo da acumulao de capital. O crdito ao consumidor assumiu um papel importante por estimular a produo em massa e a distribuio de bens de elevado valor, como automveis, casas, equipamentos domsticos, barcos e uma incontvel srie de outras comodidades. Com a tendncia de expandir pagamentos a baixas taxas de juros, muitos produtos tornaram-se disponveis para a classe mdia norte-americana, enquanto continuam a ser sonhos de consumo em muitas outras partes do mundo. Com o passar do tempo, o sistema bancrio regularizou suas funes e criou mecanismos prprios de financiamento aos consumidores. Hoje, o sistema vigente permite que muitas empresas tenham registros prprios adequados e at mesmo possuam as prprias financeiras. O advento dos cartes de crdito nos anos 1960 contribuiu para que os consumidores pudessem financiar todas as suas compras, desde grampos de cabelo, computadores, at viagens de fim de semana por meio do maravilhoso poder de persuaso e facilitao do crdito. O crescimento das vendas estimulado pelos cartes de crdito incitou o desenvolvimento do crdito para outros produtos como emprstimos pessoais, emprstimos para aquisio de automveis, crdito comercial e at mesmo emprstimos para aquisio de outros bens, cuja expanso estava deprimida pelo crescimento do crdito ao consumidor, via emprstimos hipotecrios (THOMAS, 2003).

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

35

Fabiano Guasti Lima, Luiz Carlos Jacob Perera, Herbert Kimura e Antnio Carlos da Silva Filho

Cada produto de crdito tem as prprias especificidades, de tal forma que os mercados incluem um mix de sistemas de crdito, taxas de juros e garantias que formam um complexo ambiente econmico-financeiro. O crdito ao consumidor impressiona no apenas pelos nmeros financeiros e de participantes, mas tambm por aqueles que, embora no atuantes, so influenciados pelo sistema. O crdito e os cartes de crdito, ao serem usados como meio de pagamento, tm grande influncia nas contas nacionais ao intervirem diretamente na relao dos meios de troca. A maioria das pessoas possui algum instrumento financeiro de crdito e algumas possuem at mesmo mais do que um instrumento, como crdito pr-aprovado, conta garantida, carto de crdito ou dbito, etc. As diversas transaes realizadas por ano podem ser avaliadas pelo fato de um dlar de renda disponvel ser, em mdia, complementado com mais um dlar de alguma forma de emprstimo (THOMAS, 2003). No caso brasileiro, dados do Banco Central do Brasil mostram a evoluo do crdito a partir de 1988, evidenciando que o volume geral de crdito no acompanhou a evoluo do Produto Interno Bruto (PIB) ao longo do tempo, colocando mais uma vez em destaque a falta de poupana interna e a dependncia de capitais externos para o desenvolvimento econmico do pas. No entanto, tambm se evidencia, a partir de 1994, um significativo e contnuo crescimento do crdito ao consumidor, mostrando que o Plano Real, alm de resgatar os instrumentos que tm permitido o controle da inflao, tambm alcanou sucesso na distribuio de renda, fato evidenciado pelo expressivo aumento no crdito ao consumidor quando considerado como percentual do PIB. Em paralelo ao crescimento da relevncia do crdito para a viabilizao de compras e o aquecimento da economia, os rgos reguladores comearam a advertir sobre o aumento da exposio ao risco de crdito. Em particular, o advento do Basileia II chamou a ateno para a necessidade de ser feita uma boa modelagem de risco dos portfolios de crdito ao consumidor, em vez de simplesmente se avaliar o risco de crdito de forma individual e independente. A crise recente, que se iniciou com um deterioramento dos emprstimos imobilirios concendidos no mercado norte-americano a clientes de baixa renda, evidenciou a necessidade de melhores modelos de anlise e mecanismos de controle. As orientaes dos rgos reguladores, desenvolvidas principalmente pelo Bank for International Settlements, tm como princpio a agregao de capital prprio proporcional ao risco que os bancos e outras instituies financeiras que atuam como emprestadores esto dispostos a assumir. Isso implica administrar o risco de crdito dos portfolios considerando os vrios aspectos de risco que as correlaes podem acarretar. Em outras palavras, as instituies de crdito devem analisar riscos por meio de algo semelhante e complementar aos modelos de value-at-risk, sobejamente assimilados pelas instituies financeiras para a gesto do risco de mercado.

Rosenberg e Gleit (1994) destacam que a primeira categoria nas decises de crdito refere-se deciso de conceder ou no e a quanto conceder de crdito. segunda categoria pertencem aquelas decises que dizem respeito aos clientes ativos, podendo incluir: aumento ou diminuio do limite de crdito; autorizao de uma determinada despesa (no carto de crdito); definio da validade do carto e limite; promoes e outras decises de marketing que impliquem assumir ampliao de limites; e aspectos tais como quando e que tipo de deciso deve ser tomada com relao aos clientes inadimplentes. Esses mesmos autores reconhecem que as decises da primeira categoria, voltadas aceitao ou rejeio de um novo cliente, so bastante estudadas pelo mercado. Anlises que utilizam tcnicas quantitativas podem ser efetuadas, obtendo-se um razovel nvel de segurana. As decises pertencentes segunda categoria no so to fceis de serem tomadas, pois so menos estudadas e o julgamento subjetivo parece prevalecer sobre os modelos empricos. Apesar do avano da tecnologia de informao e da disponibilidade cada vez maior da capacidade computacional, essa colocao ainda pode ser considerada atualizada, pois continua ser bem mais fcil decidir a concesso inicial de crdito do que decidir sobre a manuteno ou a interrupo de um relacionamento com um determinado devedor. Complementando e atualizando o importante trabalho de Rosenberg e Gleit (1994), pode-se acrescentar uma terceira categoria de decises que hoje fazem parte do cotidiano do administrador financeiro: as decises relativas estrutura dos portfolios de crdito em toda a sua amplitude, desde as complexas estruturas de project finance, passando pelas simples securitizaes, at as modernas e sofisticadas operaes com derivativos de crdito, envolvendo os credit default swaps e os total return swaps. Mais recentemente, surgiram at mesmo as negociaes sobre ndices de crdito, que permitem no s o hedge das operaes creditcias, como tambm a ampliao de transao de opes e de futuros de ndices de crdito. Dessa forma, torna-se disponvel uma nova, moderna e ampla famlia de instrumentos de gerenciamento de risco de crdito. Na ltima dcada, os movimentos relativos s diversas atividades creditcias tm ocorrido de vrias formas: desenvolvimento de modelos de credit scoring para tentar interpretar as atitudes dos consumidores, inclusive em relao probabilidade de default ao tomar crdito; forte movimento em que os investidores procuram concentrar-se mais na rentabilidade das operaes do que na probabilidade de default, tentando estimar a rentabilidade total do tomador relativamente ao emprestador; construo de modelos que buscam identificar as caractersticas do consumidor e relacionar indiretamente sua rentabilidade para a instituio, como redes neurais, anlise de sobrevivncia etc.; definio de abordagens matemticas que tm-se preocupado com os modelos de probabilidade de retornos baseados

36

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

APLICAO DE REDES NEURAIS NA ANLISE E NA CONCESSO DE CRDITO AO CONSUMIDOR

em cadeias de Markov, assim como o uso de programao dinmica, para identificar polticas que maximizem os resultados (THOMAS, 2003). Deve-se destacar que o cessionrio do crdito tem a convico de que, inicialmente, pode escolher o tomador, definir as taxas de juros e estabelecer as regras para maximizar sua rentabilidade. No entanto, a dificuldade est em ajustar essas variveis ao longo da vida do emprstimo, quando diversas situaes podem evoluir favorvel ou desfavoravelmente. Consequentemente, as decises a serem tomadas podem exigir a construo de diferentes modelos com diferentes objetivos. Neste trabalho, nfase foi dada ao estabelecimento de um mecanismo de previso, voltado para auxiliar no processo de tomada de deciso, classificado na primeira categoria de Rosenberg e Gleit (1994). Assim, construiu-se um modelo de redes neurais que permite identificar, por meio de nmero limitado de dados cadastrais, potenciais pagadores ou inadimplentes em operaes de crdito ao consumidor. Os fundamentos das redes neurais so discutidos a seguir. 3. FUNDAMENTAO DAS REDES NEURAIS Redes neurais artificiais so sistemas de processamento de informaes distribudas, compostas por vrios elementos computacionais simples que interagem por meio de conexes com pesos distintos. Inspiradas na arquitetura do crebro humano, as redes neurais exibem caractersticas como a habilidade de aprender padres complexos de dados e generalizar a informao aprendida (ZHANG, PATUWO e HU, 1998). Cada elemento computacional no linear na rede neural chamado de n e densamente interconectado por meio de conexes diretas. Os ns operam em passos discretos, de forma anloga a uma funo de dois estgios: no primeiro, calcula-se a soma dos sinais de entrada, atribuindo pesos aos sinais; no segundo estgio, aplica-se, soma dos sinais, uma funo de sada, chamada de funo de ativao (HILL, OCONNOR e REMUS, 1996). Segundo Haykin (2001), as unidades bsicas da rede so os neurnios artificiais que, por sua vez, se agrupam em camadas. Existem trs categorias de camadas: a camada de entrada, a camada intermediria, que pode tambm conter outras subcamadas, e a camada de sada. Os neurnios entre as camadas so conectados por sinapses ou pesos, os quais refletem a relativa importncia de cada entrada no neurnio. A camada de entrada responsvel pelas variveis de entrada do modelo, enquanto a camada de sada contm um ou mais ns e representa os resultados finais do processamento. Nas camadas intermedirias ou camadas ocultas, o processamento refinado, possibilitando a formao de relaes no lineares. Na figura 1, apresenta-se o modelo de um neurnio que forma a base para o projeto de redes neurais artificiais. No

modelo neural dessa figura, podem ser destacados os seguintes componentes: um conjunto de sinapses ou elos de conexo, e cada sinapse caracterizada por um peso ou fora prpria. Especificamente, um sinal xj, na entrada da sinapse j conectada ao neurnio k, multiplicado pelo peso sinptico wkj. importante notar como so escritos os ndices do peso sinptico wkj. O primeiro ndice refere-se ao neurnio em questo e o segundo, ao terminal de entrada da sinapse qual o peso se articula; um somador ou integrador para somar os sinais de entrada, ponderados pelas respectivas sinapses do neurnio. As operaes constituem, neste caso especfico, um combinador. Deve-se destacar que, nas redes neurais, o combinador no precisa necessariamente obedecer a uma funo linear; uma funo de ativao para restringir a amplitude da sada de um neurnio. A funo de ativao tambm referida como funo restritiva, uma vez que restringe ou limita o intervalo permitido de amplitude do sinal de sada a um valor finito. Tipicamente, o intervalo normalizado da amplitude da sada de um neurnio escrito como um intervalo unitrio fechado [0,1] ou, alternativamente, como o intervalo [-1,1].

Figura 1: Modelo de Um Neurnio Artificial

Fonte: Adaptada de Haykin (2001).

O modelo neural da figura 1 inclui tambm um vis aplicado externamente, representado por bk. Esse vis tem o efeito de aumentar ou diminuir a entrada lquida da funo de ativao, dependendo se ele positivo ou negativo, respectivamente. Em termos matemticos, pode-se descrever um neurnio k a partir das seguintes equaes:
uk =

wkj x j
j =1

[1]

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

37

Fabiano Guasti Lima, Luiz Carlos Jacob Perera, Herbert Kimura e Antnio Carlos da Silva Filho

yk = (uk + bk )

[2]

sendo x1, x2, ..., xm os sinais de entrada; wk1, wk2, ..., wkm os pesos sinpticos do neurnio k; uk a sada do combinador devido aos sinais de entrada; bk o vis; (.) a funo de ativao; e yk o sinal de sada do neurnio. O uso do vis bk tem o efeito de aplicar uma transformao afim sada uk do combinador no modelo da figura 1, como mostrado a seguir:
v k = u k + bk

[3]

Modelos lineares tm a propriedade til de implicar uma soluo fechada para a resoluo do problema de uma regresso, ou seja, de minimizar a diferena quadrtica entre oi e o valor previsto e o valor previsto pi. Para a previso em um perodo curto, o modelo linear um ponto de partida razovel, ou um padro reconhecido, visto que, em muitos mercados, se observam apenas pequenas mudanas simtricas na varivel a ser predita, ao longo de uma tendncia de longo prazo. No entanto, o modelo linear pode no ser preciso o bastante para aplicao em mercados financeiros volteis, nos quais podem ocorrer processos no lineares na evoluo de dados. Movimentos lentos com aumento consistente dos preos dos ativos, seguidos por colapsos repentinos conhecidos como bolhas especulativas so comuns de acontecer. Dessa forma, o modelo linear pode falhar em capturar ou prever pontos de mudana acentuada nos dados. Por essa razo, so utilizadas tcnicas no lineares de previso, que podem conduzir a modelos mais realistas. Nesse contexto, a rede neural uma alternativa aos modelos de previso tipicamente lineares e a algumas abordagens no paramtricas para a aproximao de sistemas no lineares. A razo para o uso de uma rede neural simples e direta: encontrar uma abordagem ou mtodo que realize bem previses para dados gerados em processos que, frequentemente, so desconhecidos e altamente no lineares, com uma quantidade pequena de parmetros, e o qual seja mais fcil de estimar que os modelos no lineares paramtricos (OLIVEIRA, 2003). Tendo em vista a aplicao do modelo idealizado, ser discutido em mais detalhes o algoritmo de retropropagao ou backpropagation. Nesse algoritmo, supe-se uma rede com N neurnios na camada de entrada (n = 1, 2, ..., N), J neurnios na camada intermediria (j = 1, 2, ..., J) e K neurnios na camada de sada (k = 1, 2, ..., K). Considera-se W1jn o peso entre o j-simo neurnio na camada intermediria e o n-simo neurnio da camada de entrada, e W2jn o peso entre o k-simo neurnio na camada de sada e o j-simo neurnio da camada intermediria, conforme ilustra a figura 2. A camada de entrada mostra que os ns recebem os valores dos dados de entrada. As linhas de interconexo indicam que

Figura 2: Estrutura da Rede Neural

Fonte: Adaptada de Tak (1995).

o valor de sada de um neurnio passado ao longo da linha at o prximo neurnio. Quando todos os dados da camada de entrada tiverem passado atravs da ltima camada, conhecida como camada de sada, um ciclo ou poca ter sido realizado. Cada linha de interconexo tem um valor, chamado de peso, que constitui parmetro que opera sobre os dados associados a cada linha, pela multiplicao do valor do dado pelo peso. Esses pesos so ajustados de forma incremental durante a fase de treinamento, de tal forma a alcanar o resultado de sada desejado para um determinado dado de entrada. Inicializaes tpicas para esses pesos encontram-se no intervalo de [-1;1]. A segunda camada e todas as camadas subsequentes contm ns de processamento, conhecidos como neurnios artificiais, e so chamadas de intermedirias (ou ocultas). O processamento realizado em um neurnio artificial pode ser dividido em trs passos: os dados que passam, ao longo das linhas de entrada para os neurnios, so multiplicados pelos pesos; todos esses dados que foram multiplicados pelos pesos so somados dentro do neurnio; o valor total dessa soma passado atravs de uma funo de transferncia, cuja sada representa o valor de sada do neurnio. A funo de transferncia mais simples a funo linear, adequada para um espao linearmente separvel, a qual iguala a sada entrada. A utilizao de funes de transferncia no lineares, apropriadas para um espao no linearmente separvel, uma das caractersticas principais da rede neural. Usando I para indicar a camada de entrada (input) e O para sada (output), e ainda os sobrescritos i para camada de entrada, h (hidden) para a camada intermediria e o para camada de sada, pode-se indicar Ih como a entrada do neurnio da camada intermediria e Oi a sada do neurnio da camada de entrada. A seguir so apresentadas todas as etapas do algoritmo de retropropagao, de acordo com Azoff (1994). Definir a funo de pesos da rede, E(w), conhecida como a energia ou funo de custo, a qual se deseja minimizar. Con-

38

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

APLICAO DE REDES NEURAIS NA ANLISE E NA CONCESSO DE CRDITO AO CONSUMIDOR

siderando a metade da soma quadrtica dos erros, deve-se minimizar o erro Etotal de todos os processadores da camada de sada para todos os padres que so apresentados rede:
Etotal = E (w) =

I o = Oh W 2

[12]

1 (T O )2 2

[4]

Assim, uma variao dos pesos W2, para fins de implementao do algoritmo, pode ser definida como:

sendo o somatrio realizado sobre os padres e os neurnios de sada o, T o valor alvo e O, a sada observada da rede, uma funo dos pesos w da rede. Calcular a sada do neurnio da camada intermediria Oh, multiplicando os pesos W1 pelas sadas do neurnio da camada de entrada Oi:

W 2(t ) =

E = o O h W 2

[13]

De modo anlogo, para o ajuste no peso W1, tem-se:

E E I h = . W 1 I h W 1

[14]

com

Ih =

n =1

W 1n (t )O i

[5]

E I
h

E O
h

I h

= Oo 1 Oo
e
I h = Oi W 1

W2 = h

[15]

Essa entrada o nvel de ativao que determina se o neurnio pode produzir uma sada. A relao entre o nvel de ativao e a sada pode ser linear ou no linear. Considerando uma funo logstica e, portanto, no linear, mas facilmente derivvel, tem-se que a sada do neurnio da camada intermediria Oh dada por: 1 Oh = h [6] 1 + e I Calcular a sada do neurnio da camada de sada Oo, multiplicando os pesos W2 pela sada do neurnio da camada intermediria Oh: J J 1 I o = W 2 j (t ).O h = W 2 j (t ) h [7] j =1 j =1 1 + e I
Oo = I o =

[16]

Com isso, o ajuste no peso pode ser realizado por meio de:
W 1(t ) = E = h O i W 1

[17]

Ajustar W2 e W1 em relao prxima iterao:

W 2(t + 1) = W 2(t ) = W 2(t ) + (W 2(t ) W 2(t 1)) [18] W 1(t + 1) = W 1(t ) = W 1(t ) + (W 1(t ) W 1(t 1))

[19]

( )

e
1 1 + eI
1
o

[8]

em que a taxa de aprendizagem e (W 2(t ) W 2(t 1)) o termo de momento. No modelo, o coeficiente de momento que recebe um valor no intervalo [0,1], usado para conferir atualizao dos pesos uma memria de sua ltima atualizao, suavizando as foras que afetam as mudanas nos pesos. Avaliar a recorrncia do algoritmo. Caso a lista de pocas no tenha sido exaurida, o algoritmo implica a apresentao do prximo conjunto de treinamento camada de entrada e a volta ao passo inicial. Tendo sido completada uma poca e acumulados os erros de todos os padres de entrada, os erros obtidos so avaliados e comparados com os nveis de tolerncia. A caracterstica que confere rede neural um poder de previso o processamento paralelo. Adicionalmente ao processamento sequencial dos sistemas lineares tpicos, no qual apenas entradas observadas so utilizadas para predizer uma sada observada, pela ponderao dos neurnios de entrada, os neurnios na camada oculta processam as entradas de forma paralela, de tal forma a melhorar as predies. Essa rede de camada simples alimentada adiante, tambm chamada de multi perceptron, com uma camada escondida, a rede neural mais

Calcular o erro:
E=

T
t =1

1 + e I
o

[9]

O mecanismo das redes neurais busca minimizar o erro total. Dessa forma, as derivadas parciais do erro em relao aos pesos podem indicar o caminho que os pesos deveriam percorrer para reduzir o erro total. As derivadas parciais podem ser obtidas pelo uso da regra da cadeia. Para a definio de um ajuste no peso W2 no algoritmo, tem-se:
E E I = . W 2 I o W 2
o

[10]

com

E I
o

E O . = T Oo ' I o = T Oo Oo 1 Oo = o [11] o o O I
o

)( )(
e

) (

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

39

Fabiano Guasti Lima, Luiz Carlos Jacob Perera, Herbert Kimura e Antnio Carlos da Silva Filho

bsica e comumente utilizada em aplicaes econmicas e financeiras. Mais genericamente, a rede representa o modo como o crebro humano processa os dados sensoriais de entrada, recebidos como neurnios de entrada, e internamente reconhecidos como um neurnio de sada. Com o desenvolvimento do crebro, mais e mais neurnios so interconectados e mais sinapses so formadas. Os sinais de diferentes neurnios trabalham de forma paralela, em nmero cada vez maior de camadas escondidas, e so combinados pelas sinapses para produzir insights e reaes. 4. APLICAO DE REDES NEURAIS NA AVALIAO DE CRDITO AO CONSUMIDOR Neste trabalho, foi utilizada uma rede do tipo multilayer perceptron (MLP), j que suas camadas intermedirias possibilitam a aproximao de funes contnuas lineares e no lineares das entradas. O algoritmo de treinamento implementado foi o backpropagation, o mais popular aplicado s redes MLP. Esse mtodo consiste em um aprendizado supervisionado, em que so fornecidos os valores de entrada e sada. Ele realizado em duas etapas: a forward e a backward. Na etapa forward, a rede calcula os valores da sada a partir dos dados de entrada. Na fase seguinte, a backward, so utilizados os pesos associados a cada conexo de acordo com as diferenas entre as sadas obtidas e as sadas desejadas, conforme discutido anteriormente. Para a construo do modelo foram selecionados, de maneira aleatria, 2.475 clientes que realizaram compras a prazo da base de dados de uma empresa do setor varejista. A amostra foi cedida pela empresa para que fossem realizadas simulaes de redes neurais na tentativa de obteno de alguns insights sobre inadimplncia. Em particular, a investigao focou-se no estudo da efetivao do pagamento da primeira prestao, pois representa importante aspecto de gesto do risco de crdito. Em outras palavras, buscou-se identificar um modelo que permitisse uma anlise de clientes que no chegam a efetuar nem a primeira prestao, isto , o critrio de inadimplncia adotado foi o no pagamento da primeira prestao at a data da cobrana. Pode-se especular que esses indivduos se tornem inadimplentes por razes diferentes daquelas que fazem com que os clientes deixem de efetuar pagamentos subsequentes de prestao, como perda de renda ou outros problemas de fluxo de caixa. Nesse contexto, a amostra foi dividida em dois grupos: os clientes que pagam e os clientes que no pagam. Consideraram-se clientes pagantes aqueles que pagaram em dia a primeira prestao do financiamento e no pagantes aqueles que no efetuaram o pagamento da primeira prestao at a data da cobrana, conforme orientao da empresa. A base final apre-

sentou 2.349 clientes que pagam (94,9%) e 126 clientes que no pagam (5,1%). Foram selecionados, como variveis de entrada, dez indicadores ligados s contas e aos clientes que poderiam de alguma forma ajudar a identificar o comportamento dos clientes dessa empresa. As variveis foram selecionadas em funo da presena na base de dados da empresa e de eventuais critrios de confidencialidade que podem restringir a disponibilizao de informao. A seguir, so elencadas as variveis levantadas: data da venda original data da efetivao da compra do bem; valor da prestao valor da parcela de pagamento cobrada pela loja, j embutidas todas as custas da empresa; dia do vencimento da prestao data programada para quitao de cada parcela do financiamento; valor total financiado valor presente do bem comprado pelo cliente, negociado na loja; sexo se masculino ou feminino; salrio valor do salrio base mensal do comprador cadastrado na rede da empresa que assume o financiamento; idade idade em anos calculada a partir da data de nascimento e a data da compra, sem arredondamentos; estado civil estado atual de registro civil de cada cliente; CEP da residncia cdigo postal da moradia atual do cliente; profisso profisso atual exercida pelo cliente no momento da compra. Aps a extrao dos dados, foi realizado seu processo de preparao. A primeira varivel analisada foi a profisso. Verificou-se que havia inmeras profisses distintas elencadas, inclusive com o campo vazio ou indicao de outros, a mesma profisso declarada s vezes como atividade que exercia, por exemplo domstica, empregada, diarista, no sendo possvel estabelecer um padro de respostas confiveis. Portanto, a varivel foi excluda do trabalho, por no apresentar consistncia e, assim, o nmero de variveis no modelo foi reduzido a nove, ficando a oportunidade de um trabalho futuro com a caracterizao dessa varivel. A varivel CEP foi tratada sem modificaes, pois a base continha clientes de todas as regies econmicas. Ressalta-se que o modelo no foi gerado por regio econmica e, sim, para o tratamento especfico de toda a rede varejista. De acordo com o site dos Correios, os cinco primeiros dgitos do CEP significam, respectivamente regio, sub-regio, setor, subsetor, divisor e subdivisor, e os trs ltimos so identificadores de distribuio. Nesta pesquisa, est sendo utilizado apenas o primeiro dgito, ou seja, apenas a regio geogrfica que, em geral, identifica o estado ou o grupo de estados, a saber: 1 = So Paulo (SP); 2 = Rio de Janeiro (RJ) e Esprito Santo (ES); 3 = Minas Gerais (MG); 4 = Bahia (BA) e Sergipe (SE); 5 = Pernambuco (PE), Alagoas (AL), Paraba (PB) e Rio Grande do Norte (RN); 6 = Cear (CE), Piau (PI), Maranho (MA), Par (PA), Amazonas (AM),

40

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

APLICAO DE REDES NEURAIS NA ANLISE E NA CONCESSO DE CRDITO AO CONSUMIDOR

Acre (AC), Amap (AP) e Roraima (RR); 7 = Distrito Federal (DF), Gois (GO), Tocantins (TO), Mato Grosso (MT), Mato Grosso do Sul (MS) e Rondnia (RO); 8 = Paran (PR) e Santa Catarina (SC). A varivel estado civil foi categorizada em 1 para casado, 2 para solteiro, 3 para vivo, 4 para divorciado e 5 para outros. A varivel de sada do modelo, o status do cliente, foi transformada em um valor binrio (0 para os clientes que no pagam e 1 para os clientes que pagam). A varivel referente ao sexo do indivduo tambm foi categorizada.

Todas as redes tinham em sua camada de entrada nove variveis, representando alguns dados cadastrais comumente levantados em operaes de crdito ao consumidor.
A construo da rede neural para o clculo do status do cliente foi realizada por meio do software Statistica da StatSoft 6.1. Os dados foram divididos em trs bases com diferentes finalidades: treinamento, validao e teste. A base de treinamento foi composta por 50% dos dados, a de validao por 25% da amostra e a de teste por 25%. Como consta na tabela 1, as trs bases foram organizadas de modo que as propores originais dos clientes que pagam e dos clientes que no pagam se mantivessem praticamente as mesmas quando comparadas com as propores da amostra total. Em relao arquitetura da rede, optou-se por utilizar a funo de ativao sigmoidal. A taxa de aprendizagem utilizada nos treinamentos foi de 0,08. Vrias redes com diferentes quantidades de neurnios nas camadas ocultas foram treinadas. O objetivo era encontrar as arquiteturas que apresentassem os melhores resultados. Foram considerados quatro tipos de grupos em funo do acerto ou erro do modelo: porcentagem de clientes que no pagam classificados como clientes que no pagam; porcentagem de clientes que pagam classificados como clientes que pagam; porcentagem de clientes que pagam classificados como clientes que no pagam e porcenta-

gem de clientes que no pagam classificados como clientes que pagam. Exemplificando, o primeiro grupo tem como objetivo determinar a capacidade do modelo neural criado para identificar o perfil dos clientes que no pagam a primeira prestao, reduzindo, assim, a inadimplncia da empresa. Os clientes classificados corretamente servem para informar o quanto a rede consegue distinguir os clientes de baixo risco de crdito, elevando a concesso de emprstimos aos clientes. O terceiro grupo representaria clientes aos quais o modelo negaria o crdito, embora eles fossem bons pagadores. Assim, se por um lado o modelo pode evitar perdas com inadimplncia, pode tambm acarretar perda de receita ao negar crdito a bons pagadores. Aps a etapa de treinamento, o algoritmo de redes neurais foi processado, utilizando diferentes mtodos. A seguir, na tabela 2, so resumidos os resultados das redes que mais se adequaram aos dados de crdito ao consumidor em funo do erro na fase de treinamento. A rede que envolve a propagao em mltiplas camadas (multiplayer propragation ou MPL) teve desempenho superior, em relao s demais redes: rede linear, rede neural polinomial (polynomial neural network ou PNN) e duas redes com funo radial (radial basis function ou RBF). Na PNN, a rede correlaciona variveis de entrada e variveis de meta pelo uso de regresso polinomial. A RBF (BROOMHEAD e LOWE, 1988) constitui uma alternativa ao multilayer perceptron e motivada pela resposta ajustada localmente, como acontece nos neurnios biolgicos. Todas as redes tinham em sua camada de entrada nove variveis, representando alguns dados cadastrais comumente levantados em operaes de crdito ao consumidor. As variveis de sada representam o status de pagamento ou inadimplncia da primeira parcela. Analisando os resultados obtidos, verificou-se que os melhores modelos criados chegaram aos ndices de acertos satisfatrios, conforme pode ser visto na tabela 2. A rede MLP foi considerada a melhor com 79,3% de acertos na fase de treinamento, 71,4% na fase de validao, 85,4% na fase de teste e somente 10% de erro. Essa rede, cuja arquitetura apresentou oito neurnios na camada de entrada, nove na camada intermediria e um na camada de sada, expressa na figura 3. O resultado menos expressivo foi encontrado com a

Tabela 1 Distribuio da Amostra nas Bases de Treinamento, Validao e Teste Nmero de Clientes Base Treinamento Validao Teste Todos os Dados Pagam 1.175 587 587 2.349 No Pagam 062 032 032 126 Porcentagem Pagam 94,99 94,83 94,83 94,90 No Pagam 5,01 5,17 5,17 5,10 Total do Nmero Porcentagem de Clientes Sobre o Total 1.237 619 619 2.475 050,0 025,0 025,0 100,0

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

41

Fabiano Guasti Lima, Luiz Carlos Jacob Perera, Herbert Kimura e Antnio Carlos da Silva Filho

Tabela 2 Resultados Alcanados pelas Diferentes Redes Criadas Desempenho Rede MLP Linear PNN RBF1 RBF2 Treinamento % 79,3 67,0 64,0 62,6 57,6 Validao % 71,4 62,1 66,3 57,2 57,1 Teste % 85,4 60,2 60,1 58,2 61,5 Erro Treinamento % 10 100 88 22 23 Nmero de Neurnios Entrada 8 9 9 7 7 Intermedirio (1) 9 0 1.233 44 22 Intermedirio (2) 0 0 2 0 0

Tabela 3 Resultados Alcanados pela Rede MLP Classe (Status) Resposta da Rede Porcentagem das Respostas

Rede

Pagam No Pagam Pagam No Pagam MLP Total Pagam 1.784 No Pagam 35 1.819 565 91 656 75,9 27,8 73,5 24,1 72,2 26,5

Figura 3: Arquitetura da Rede MLP Usada no Trabalho rede neural linear, que apresentou erro de treinamento bastante elevado, mostrando a ineficincia dessa rede para o tratamento proposto. A rede probabilstica tambm apresentou resultados desconsiderveis com erro de treinamento de 88% e precisou compor uma camada intermediria de 1.233 neurnios para acertos de pesos, provocando certa morosidade na soluo. Considerando as previses feitas pela rede que apresentou melhor desempenho, segue uma tabela comparativa das respostas (tabela 3). Observa-se que a rede consegue classificar, de maneira correta, 72,2% dos clientes que no pagam. Para os clientes que efetivamente pagam, 75,9% so classificados corretamente. Os ndices de acerto da rede neural parecem ser satisfatrios, principalmente quando se levam em considerao o nmero reduzido de variveis de entrada e a prpria caracterstica dos dados, eminentemente cadastrais. Observe-se que os dados de entrada no envolvem diversas variveis que poderiam ser relevantes para o crdito ao consumidor, como nmero de bens, tempo de servio, nmero de dependentes etc.

importante avaliar mais detalhadamente os resultados da rede, no somente os acertos como tambm os erros. Os resultados da melhor rede neural obtida mostram que cerca 24,1% dos clientes que pagam so classificados de modo errado pela rede. A implicao para gesto pode ser relevante, uma vez que a empresa, conforme j discutido anteriormente, ao utilizar a rede neural obtida, pode negar o crdito a consumidores que so bons pagadores. Nesse caso, a empresa pode vir a perder clientes que so bons pagadores e diminuir sua participao no mercado. Deve-se ainda destacar que, muitas vezes, o impacto de negar crdito a um bom pagador pode conduzir a uma perda quase irreversvel do cliente para a concorrncia. De modo anlogo, a rede neural tambm classifica 27,8% dos clientes que no pagam de maneira incorreta. Ao sugerir que os clientes que no pagam so bons pagadores, a empresa pode incorrer em maiores perdas por inadimplncia. Porm, dependendo da estratgia da empresa, essas perdas adicionais por inadimplncia podem ser compensadas por maior market share, conferindo maior agressividade na concesso em comparao com as concorrentes. Obviamente, o gestor deve avaliar, luz da estratgia da empresa, a melhor poltica de crdito. A rede neural possibilita apenas uma indicao do perfil de pagamento dos clientes, mas no substitui o discernimento dos tomadores de deciso e dos formuladores da estratgia corporativa.

42

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

APLICAO DE REDES NEURAIS NA ANLISE E NA CONCESSO DE CRDITO AO CONSUMIDOR

Tendo em vista os acertos e erros da rede neural na classificao dos clientes, pode ser relevante comparar valores das variveis em estudo, para tentar identificar se o mecanismo pode ser mais ou menos adequado para diferentes categorias de indivduos ou operaes. Na tabela 4, mostram-se, comparativamente, os valores mdios de variveis e a composio de categorias de indivduos, segregada pela classificao certa ou errada da rede neural. Os resultados constantes na tabela 4 so muito prximos e dificilmente podem ser utilizados para demonstrar, com significncia estatstica, algumas hipteses comparativas. No entanto, desconsiderando que a base de dados apresenta uma triagem inicial em funo da prpria poltica de crdito da empresa e, portanto, alguns potenciais clientes no tiveram o crdito aprovado e no participaram da amostra e desconsiderando tambm que os volumes financeiros emprestados podem estar atrelados a algum dado cadastral, como renda, podese realizar pelo menos uma observao. Especificamente, indivduos que so corretamente classificados pela rede neural como clientes que no pagam tendem a contrair uma dvida maior e, consequentemente, uma prestao mdia maior. Tendo em vista que, na base de dados, se fixou que o status de no pagamento refere-se a clientes que no pagam sequer a primeira prestao, o fato de esses indivduos informarem uma renda mdia maior, conforme mostra a tabela 4, pode ser aspecto sintomtico importante. Visto que foi levado em considerao na pesquisa apenas nmero reduzido de variveis de cadastro, os resultados sugerem que as redes neurais podem representar uma promissora tcnica para anlise de concesso de crdito ao consumidor, mesmo em contextos extremamente volteis como o caso da economia brasileira. Em especial nas situaes em que o tamanho das parcelas pode no justificar a realizao de uma avaliao mais rigorosa do potencial de pagamento do cliente, as redes neurais podem reduzir custos de anlise e diminuir perdas com inadimplncia. 5. COMENTRIOS FINAIS Considerando que o crdito ao consumidor representa importante instrumento para a viabilizao de vendas, neste arti-

go buscou-se apresentar um mecanismo baseado em redes neurais para a anlise da concesso de emprstimos. Tendo em vista as caractersticas das redes neurais, foi implementado um modelo no qual o algoritmo tenta identificar relaes, inclusive no lineares, entre variveis que possam conduzir a uma predio do potencial de pagamento de um emprstimo. Assim, como qualquer mecanismo matemtico como anlise discriminante e regresso logstica , o modelo de redes neurais tambm pode apresentar alguns erros de classificao para a anlise de crdito. Apesar desses potenciais erros, os mecanismos automatizados podem conferir empresa subsdios e agilidade para a tomada de deciso. Deve-se destacar que, quando se utilizam sistemas automatizados, o gestor deve ter em mente pelo menos dois aspectos. Em primeiro lugar, o gestor deve comparar o benefcio de uma anlise mais aprofundada e menos automatizada com o custo das perdas esperadas provenientes da classificao inadequada dos consumidores pelo sistema. Visto que qualquer anlise de crdito pode conter erros, ao benefcio de uma avaliao mais especfica deve ser descontado o custo para realizao dessa investigao e tambm devem ser subtradas as perdas esperadas pela classificao inadequada. Na estimao das perdas, deve-se levar em considerao tanto os casos em que bons pagadores so classificados como maus pagadores quanto os casos em que maus pagadores so classificados como bons pagadores. importante, portanto, que a empresa possua um banco de dados que permita a inferncia dessas perdas potenciais. Assim, investimentos em tecnologia de informao, no somente em modelos matemticos, como tambm em base de dados, podem criar diferenciais competitivos para a modelagem do risco de crdito. Em grande parte das empresas brasileiras, as informaes nos cadastros podem ser aprimoradas permitindo melhores previses dos modelos. Em segundo lugar, o gestor deve avaliar as polticas de crdito em relao estratgia da empresa. Se o objetivo aumentar a participao no mercado ou adotar uma postura mais agressiva para enfrentar a concorrncia, a empresa pode conceder emprstimo mesmo a indivduos que o modelo classificou como maus pagadores. Em contrapartida, se a empre-

Tabela 4 Caractersticas dos Indivduos e das Operaes por Natureza da Classificao Perfil Realidade/ Rede Neural Pagam/Pagam No Pagam/No Pagam No Pagam/Pagam Pagam/No Pagam Valor da Valor Dia do Prestao Financiado Vencimento (R$) (R$) 52,00 59,00 56,00 54,00 10 09 09 08 452,00 520,00 489,00 475,00 Porcentagem Sexo F 42 46 43 48 M 58 54 57 52 Renda (R$) 755,00 793,00 741,00 742,00 Porcentagem Estado Civil 1 54 48 46 60 2 32 35 31 26 3 09 08 11 06 4 3 3 3 3 5 2 6 9 5

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

43

Fabiano Guasti Lima, Luiz Carlos Jacob Perera, Herbert Kimura e Antnio Carlos da Silva Filho

sa tem uma participao de mercado que considera adequada, ento o objetivo da poltica de crdito pode ser minimizar perdas com inadimplncia. Nesse caso, uma postura mais conservadora pode induzir a negao de crdito mesmo para pessoas que a rede neural tenha classificado como bons pagadores. A presente pesquisa teve como objetivo a construo de um modelo de risco de crdito para consumidores baseado em redes neurais artificiais. A partir de uma base de dados real fornecida por uma importante empresa varejista brasileira, identificou-se que o algoritmo baseado no multilayer perceptron conduziu a resultados satisfatrios na predio de perfil de pagadores. Os resultados mostraram que o modelo criado consegue identificar corretamente mais de 75% dos clientes que pagam a primeira prestao em dia de seus financiamentos, e capta pouco mais de 72% dos clientes que no pagam nem a primeira prestao do emprstimo. O foco no pagamento da primeira parcela foi influenciado pelo interesse, demonstrado pelos participantes do mercado, em tentar desenvolver mecanismos que proporcionem a identificao de indivduos que nem sequer pagam a primeira parcela. Embora os resultados proporcionados pelas redes neurais na base de dados obtida sejam promissores, relevante destacar algumas limitaes da tcnica para o objetivo especfico da concesso de crdito. Apesar de a amostra ter sido dividida

em trs, para anlise de maneira independente das fases de treinamento, validao e teste, os resultados so retrospectivos e especficos aos dados passados. Eventualmente, a acuidade do modelo de redes neurais pode ser bem diferente quando se avaliam dados de maneira prospectiva. Alm disso, dada a estrutura definida no modelo, diversas variveis que poderiam ser relevantes como nvel de instruo do cliente, tipo de residncia, taxas de juros das operaes, taxas de juros da economia, ndices de inflao, taxas de desemprego etc. , no foram levadas em considerao. Enfatiza-se, entretanto, que mesmo com nmero limitado de variveis, eminentemente cadastrais, obteve-se um ndice de classificao razovel, evidenciando o potencial das redes neurais em identificar muitas relaes difceis e complexas entre variveis. Finalmente, outra crtica que se pode fazer s redes neurais est associada falta de insights que trazem para o processo de tomada de deciso. As redes neurais permitem rpida e gil classificao do pagador, porm no sugerem quais variveis so relevantes e como as variveis de sada e de entrada podem estar conectadas. Sabe-se que as variveis podem relacionar-se de maneira extremamente complexa, mas no se obtm uma descrio dessas relaes que, na maioria das vezes, no so lineares.

REFERNCIAS BIBLIOGRFICAS

ALMEIDA, F.C. Desvendando o uso de redes neurais em problemas de administrao de empresas. Revista de Administrao de Empresas (RAE), So Paulo, v.35, n.1, p.4655, 1995. ALMEIDA, P.H.; SANTOS, L.P.; ALMEIDA, L.A.; ROCHA, J.S.; FREITAS, S.C. Utilizao de algoritmo gentico na parametrizao de redes neurais artificiais para aplicao na elaborao de oramento de vendas. In: ENCONTRO DA ASSOCIAO NACIONAL DE PS-GRADUAO E PESQUISA EM ADMINISTRAO, 28., 2004, Curitiba. Anais... Paran: Anpad, 2004. AZOFF, E.M. Neural network time series forecasting of financial markets. New York: John Wiley & Sons, 1994. BRESSAN, A.A. Tomada de deciso em mercados futuros agropecurios utilizando modelos de previso de sries temporais. RAE eletrnica, So Paulo, v.3, n.1, p.1-20, 2004. BROOMHEAD, D.S.; LOWE, D. Multivariable functional interpolation and adaptive networks. Complex Systems, Champaign, v.2, n.3, p.321-355, 1988. CARTACHO, M.S.; SOUZA, A.A. A utilizao de um modelo composto por algoritmos genticos e redes neurais no processo de seleo de carteiras. In: ENCONTRO DA

ASSOCIAO NACIONAL DE PS-GRADUAO E PESQUISA EM ADMINISTRAO, 26., 2002, Salvador. Anais... Bahia: Anpad, 2002. CORRA, M.F.; MACHADO, M.A.S. Construo de um modelo de credit scoring em redes neurais para previso de inadimplncia na concesso de microcrdito. In: ENCONTRO DA ASSOCIAO NACIONAL DE PS-GRADUAO E PESQUISA EM ADMINISTRAO, 28., 2004, Curitiba. Anais... Paran: Anpad, 2004. FONSCA, F.R.; OMAKI, E.T. Redes neurais artificiais e segmentao psicogrfica em marketing: um ensaio sobre a aplicao de RNAs para segmentar os clientes do mercado industrial baseado no risco percebido da compra. In: ENCONTRO DA ASSOCIAO NACIONAL DE PSGRADUAO E PESQUISA EM ADMINISTRAO, 28., 2004, Curitiba. Anais... Paran: Anpad, 2004. FREITAS, S.O.; SOUZA, A.A. Utilizao de um modelo baseado em redes neurais para a precificao de opes. In: ENCONTRO DA ASSOCIAO NACIONAL DE PSGRADUAO E PESQUISA EM ADMINISTRAO, 26., 2002, Salvador. Anais... Bahia: Anpad, 2002. HAYKIN, S. Redes neurais: princpios e prtica. 2.ed. Porto Alegre: Bookman, 2001.

44

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

APLICAO DE REDES NEURAIS NA ANLISE E NA CONCESSO DE CRDITO AO CONSUMIDOR

REFERNCIAS BIBLIOGRFICAS

HILL, T.; OCONNOR, M.; REMUS, W. Neural network models for time series forecasts. Management Science, Maryland, v.42, n.7, p.1082-1092, 1996. HUBERMAN, L. Histria da riqueza do homem. 21. ed. Rio de Janeiro: LTC, 1986. LACHTERMACHER, G.; ESPENCHITT, D.G. Previso de falncia de empresas: estudo de generalizao de redes neurais. In: ENCONTRO DA ASSOCIAO NACIONAL DE PS-GRADUAO E PESQUISA EM ADMINISTRAO, 25., 2001, Campinas. Anais... So Paulo: Anpad, 2001. LIMA, F.G.; ALMEIDA, F.C. Previso de sries temporais financeiras com o uso das wavelets. In: ENCONTRO DA ASSOCIAO NACIONAL DE PS-GRADUAO E PESQUISA EM ADMINISTRAO, 28., 2004, Curitiba. Anais... Paran: Anpad, 2004. MEDINA, R.Z. Crditos y cobros. New York: Minerva, 1967. OLIVEIRA, M. A. Previso de sucesses cronolgicas econmico-financeiras por meio de redes neurais artificiais recorrentes de tempo real e de processos ARMA-GARCH:

um estudo comparativo quanto eficincia de previso. 2003. 171f. Dissertao (Mestrado em Administrao) Faculdade de Economia, Administrao e Contabilidade da Universidade de So Paulo, So Paulo, So Paulo, Brasil. ROSENBERG, E.; GLEIT, A. Quantitative methods in credit management: a survey. Operations Research, Oxford, v.42, n.4, p.589-613, July/Aug. 1994. SAMEJIMA, K.; DOYA, K.; KAWATO, M. Inter-module credit assignment in modular reinforcement learning. Neural Networks, v.16, n.7, p.985-994, 2003. TAK, B. A new method for forecasting stock prices using artificial neural network and ondaleta theory. 1995. 107p. Tese (Doutorado em Economia) Universidade da Pensilvnia, Philadelphia, Estados Unidos. THOMAS, L.C. Consumer credit modeling: context and current issues. In: BANFF CREDIT RISK CONFERENCE, 2003. ZHANG, G.; PATUWO, B.E.; HU, M.Y. Forecasting with artificial neural networks: the state of the art. International Journal of Forecasting, Kent (Ohio), v.14, n.1, p.35-62, 1998.

ABSTRACT RESUMEN

Application of neural networks in the analysis and granting of consumer credit This article aims to present an application of neural networks, in order to identify good and bad payers in credit operations. Through the use of neural networks based on Multilayer Perceptron (MLP), a backpropagation algorithm was applied in a random sample of 2475 customers of an important Brazilian retail net. Dividing the sample for processing and prediction, the best net propitiated about 79%, 71% and 85% of successes on the payment profile in the training, validation and test phases, respectively. As the research considered just a reduced number of register variables, the results suggest that the neural networks can represent a promising technique for the analysis of consumer credit concession. Particularly, if the payments are small enough, a rigorous evaluation of the customers profile can be unreasonable. For this kind of situation, the neural networks can reduce analysis costs and losses with the lack of payments.

Keywords: neural networks, credit, insolvency.

Aplicacin de redes neuronales en el anlisis y en la concesin de crdito al consumidor El objetivo en este artculo es presentar una aplicacin de redes neuronales para la identificacin de buenos y malos pagadores en las operaciones de crdito al consumidor. Por medio de la utilizacin de redes neuronales basadas en Multilayer Perceptron (MLP), se aplic un algoritmo de backpropagation a una muestra aleatoria de 2475 clientes de una importante red minorista brasilea. Al dividirse la muestra para procesamiento y prediccin, la mejor red propici el 79%, el 71% y el 85% de aciertos sobre el perfil de pago en cada una de las fases de entrenamiento, validacin y prueba, respectivamente. Teniendo en cuenta que la investigacin consider slo un nmero reducido de variables de registro, los resultados indican que las redes neuronales pueden representar una prometedora tcnica para anlisis de concesin de crdito al consumidor. Particularmente, si las cuotas son suficientemente pequeas, una evaluacin ms rigurosa del perfil de pago del cliente puede dejar de ser razonable. En estos casos, las redes neuronales pueden reducir costos de anlisis y disminuir prdidas con insolvencia.

Palabras clave: redes neuronales, crdito, insolvencia.

R.Adm., So Paulo, v.44, n.1, p.34-45, jan./fev./mar. 2009

45