Uma revisão sistemática da literatura sobre Credit Scoring/ A systematic review of literature on Credit Scoring

Authors

  • Flávio Fuhr
  • José Donizetti de Lima
  • Fernando José Avancini Schenatto QJosé Donizetti

DOI:

https://doi.org/10.34117/bjdv6n3-009

Keywords:

Análise de Crédito, Credit Scoring, Técnicas Estatísticas e Computacionais.

Abstract

A pontuação de crédito, “credit scoring”, transformou-se em uma técnica de vital importância junto as instituições fomentadoras de crédito na busca por avaliar e gerenciar o risco de crédito. O objetivo deste trabalho foi de realizar uma revisão sistemática da literatura sobre as técnicas utilizadas para esse fim nos últimos 09 anos, diretamente em artigos, principalmente os voltados a área de finanças e falências. Para a seleção do material utilizado junto aos bancos de pesquisa, a metodologia adotada foi o Proknow- C (Knowledge Development Process – Constructivist. Os resultados mostram que a técnica de Regressão Logística (RL) e Análise Discriminante (AD) são bastante utilizadas, tanto na predição direta como na comparação com outros resultados, havendo crescente interesse pelas técnicas computacionais como Redes Neurais Artificiais (RNA) e Support Vector Machines (SVM).

References

ABDOU, H. A.; POINTON, J. Credit Scoring, Statistical Techniques And Evaluation Criteria?: A Review Of The Iiterature. Journal of Small Business Management. Vol. 88, n. 6, p. 59–88, 2011.

AFONSO, M. H. F.; SOUZA, J. V.; ENSSLIN, S. R.; ENSSLIN, L. Como construir conhecimento sobre o tema de pesquisa? Aplicação do processo Proknow-C na busca de literatura sobre avaliação do desenvolvimento sustentável. Revista de Gestão Social e Ambiental. Vol. 5, n. 2, p. 47-62, 2011.

BERTI, A. Consultoria e Diagnóstico Empresarial. 2. ed. Curitiba: Juruá, 2012.

BEUREN, I. M. Como elaborar trabalhos monográficos em contabilidade: teoria e prática. - 3. ed. 9. Reimpr. São Paulo: Atlas, 2014.

BLANCO, A.; MEJÍAS, P.; LARA, J.; RAYO, S. Credit scoring models for the microfinance industry using neural networks: Evidence from Peru. Expert Systems With Applications. Vol. 40, n. 1, p. 356–364, 2013.

CHEN, L. H.; HSIAO, H. D. Feature selection to diagnose a business crisis by using a real GA-based support vector machine: An empirical study. Expert Systems with Applications. Vol. 35, n. 3, p. 1145–1155, 2008.

CIAMPI, F.; GORDINI, N. Small Enterprise Default Prediction Modeling through Artificial Neural Networks: An Empirical Analysis of Italian Small Enterprises. Journal Of Small Business Management. Vol.. 51, n. 1, p.

–45, 2013.

CIAMPI, F.; GORDINI, N. Using Economic-Financial Ratios for Small Enterprise Default Prediction Modeling: An Empirical Analysis. Oxford Business &Economics Conference Program. n. January 2008, 2008.

DIEESE. Departamento Intersindical de Estatística e Estudos Socioeconômicos. Evolução do crédito na economia brasileira, 2008-2013. n. 135, 2014.

DURAND, D. Risk elements in consumer instalment financing, in: National Bureau of Economics, NewYork. 1941.

DU JARDIN, P.; SÉVERIN, E. Forecasting financial failure using a Kohonen map: A comparative study to improve model stability over time. European Journal of Operational Research, Vol. 221, n. 2, p. 378–396, 2012.

ENSSLIN, L. Processo de Investigação e Análise Bibliométrica?: Avaliação da Qualidade dos Serviços Bancários Research Process and Bibliometric Analysis: Bank Service Quality Assessment. p. 325–349, 2013.

GARCÍA, V.; MARQUÉS, A. I.; SÁNCHEZ, J. S. An insight into the experimental design for credit risk and corporate bankruptcy prediction systems. Journal of Intelligent Information Systems. 2014.

GIL, A. C. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas. 2008.

Downloads

Published

2020-03-03

How to Cite

Fuhr, F., Lima, J. D. de, & Donizetti, F. J. A. S. Q. (2020). Uma revisão sistemática da literatura sobre Credit Scoring/ A systematic review of literature on Credit Scoring. Brazilian Journal of Development, 6(3), 9679–9695. https://doi.org/10.34117/bjdv6n3-009

Issue

Section

Original Papers