English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Dissertação de Mestrado - Nº 1.212: "Modelos de Sistemas Imunológicos Artificiais, Algoritmos Genéticos e Otimização por Enxame de Partículas para Análise de Crédito"

O aluno Antonio Igor Santos do Nascimento irá defender seu trabalho no dia 31 de agosto, às 8h, no Auditório do CIn Início: 31/08/2012 às 08:00 Término: 31/08/2012 às 10:00 Local: Auditório do CIn

Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado  Nº  1.112
 
Aluno: Antonio Igor Santos do Nascimento
Orientador: Prof. Germano Crispim Vasconcelos
Título: Modelos de Sistemas Imunológicos Artificiais, Algoritmos Genéticos e Otimização por Enxame de Partículas para Análise de Crédito
Data: 31/08/2012
Hora/Local: 8:00h – Auditório
Banca Examinadora:
Prof. Edson Costa de Barros Carvalho Filho (UFPE / CIn)
Prof. Antônio Cezar de Castro Lima ( UFBA / Escola Politécnica da UFBA)
Prof. Germano Crispim Vasconcelos(UFPE / CIn)
 
RESUMO:
 
No mercado das instituições bancárias, financeiras, varejo, entre outras, um problema relevante de decisão é a análise de risco de crédito. Decisões erradas nesse contexto repercutem em inadimplência, e consequentemente no aumento de custos e prejuízos às instituições, aos consumidores e ao próprio mercado. Embora trabalhos nesse campo não sejam novidade, com técnicas consolidadas (como regressão logística e redes neurais artificiais) para tratar o problema, há uma intensa concorrência no mercado de crédito ao consumidor e a exploração de novos métodos torna-se importante na busca pela minimização de perdas.
O presente trabalho propôs-se a investigar modelos computacionais que apresentam características conceituais interessantes na solução do problema, inspirados em sistemas inspirados na natureza, mas que necessitam de maior validação prática para demonstrar potencial equiparação ou avanços em relação aos métodos clássicos. Foram investigados algoritmos de sistemas imunológicos artificiais, algoritmos genéticos e otimização por enxame de partículas nesse contexto de análise de crédito; estudou-se uma diferente modelagem das técnicas (em relação ao uso tradicional) para o problema de classificação de padrões e uma variação delas com uso de KNN embutido. Adicionalmente, introduziu-se um método para geração de saída contínua ao invés do rótulo de classe, possibilitando a utilização de métricas mais robustas e adequadas ao problema com curvas Receiver Operating Characteristics (ROC) e o teste de Kolmogorov Smirnov (KS). Em particular, experimentou-se adicionalmente a hibridização entre algumas dos algoritmos investigados a fim de melhorá-los.
Os resultados experimentais extraídos para duas bases de crédito e confrontados com experimentos realizados para regressão logística e redes neurais MLP, apontaram que na base balanceada os algoritmos investigados apresentaram potencial para competir com os modelos tradicionais. No entanto, na base desbalanceada percebeu-se uma limitação das técnicas mais recentes visto que apresentaram uma diferença acentuada de desempenho em relação aos algoritmos clássicos. Apesar dessa limitação, não se pode afirmar que os resultados obtidos tornam os modelos inapropriados para a aplicação; pontos de melhoria e investigação foram identificados, com a possibilidade de ajustes nas técnicas de modo a alcançar resultados mais promissores em relação aos métodos tradicionais.
 
Palavras-chave: Sistemas imunológicos artificiais, Algoritmos genéticos, Otimização
por enxame de partículas, Análise de crédito, Inteligência Computacional
  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web