Uso de Técnicas de Clusterização em uma Base de Dados Financeira

REPA - Revista de Engenharia e Pesquisa Aplicada

Endereço:
Rua Benfica, n. 455 - Madalena
Recife / PE
50720001
Site: http://revistas.poli.br/index.php/repa/index
Telefone: (81) 3184-7513
ISSN: 2525-4251
Editor Chefe: Diego José Rátiva Millan
Início Publicação: 01/10/2018
Periodicidade: Quadrimestral
Área de Estudo: Ciências Exatas, Área de Estudo: Engenharias

Uso de Técnicas de Clusterização em uma Base de Dados Financeira

Ano: 2018 | Volume: 3 | Número: 3
Autores: A. P. Pontes Júnior, C. J. Santana Júnior, C. J. A. Bastos Filho
Autor Correspondente: A. P. Pontes Júnior | [email protected]

Palavras-chave: Clusterização; Adimplência; Inadimplência; K-Means; Fuzzy C-Means;

Resumos Cadastrados

Resumo Português:

O artigo tem como foco o uso de duas importantes técnicas computacionais para problemas de clusterização. Os algoritmos utilizados foram o K-Means e o Fuzzy C-Means (FCM), que aplicados em uma base de dados financeira de concessão de crédito pessoal podem auxiliar o tomador de decisão a identificar as principais características dos mutuários que se encontravam adimplentes e mutuários que estavam inadimplentes. O processo de clusterização investigou, através de 15 características (divididas entre características pessoais, condições de emprego e renda e condições da operação de crédito), similaridades que pudessem ajudar na formação de k grupos distintos. O resultado demonstra que as técnicas de agrupamentos aplicadas podem ser eficientes como ferramentas complementares para auxiliar o gestor financeiro nas suas atividades de classificação de risco, tomada de decisão e gerenciamento do crédito.



Resumo Inglês:

The article focuses on the use of two important computational techniques for clustering problems. The algorithms used were the K-Means and the Fuzzy C-Means (FCM), which have a financial database of credit granting, which help the decision maker to identify the main borrowing factors that were in arrears and borrowers that were defaulting. The clustering process investigated, through 15 characteristics (personal comparisons, income subsidies and operating conditions), similarities that can help in the formation of work groups. The following evidence that will be stored in companies in the activities of the date will be such as classifications to backup the risk and risk.