November 19, 2026
Modelagem de risco de crédito: comparação da regressão logística com algoritmos avançados de machine learning.
Matheus dos Santos Ropero; Christian Eric Barrantes Briceño
DOI: 10.22167/2675-6528-202603831
Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.
Resumo
Na área de concessão e manutenção de crédito, a utilização de métodos estatísticos é essencial para avaliar a capacidade de pagamento dos clientes e mitigar riscos de inadimplência. Historicamente, modelos como a regressão logística foram amplamente empregados devido à sua interpretabilidade. Contudo, o avanço em ciência de dados e o desenvolvimento de algoritmos de machine learning mais complexos abriram novas oportunidades para a discriminação do risco de crédito. Este estudo teve como objetivo avaliar se modelos mais recentes oferecem ganhos significativos na capacidade de discriminação de inadimplência, considerando o trade-off entre desempenho preditivo e interpretabilidade. Para isso, compararam-se a regressão logística e o XGBoost, treinados e testados em uma base de dados pública de crédito, utilizando as mesmas variáveis e procedimentos de tratamento para assegurar uma comparação justa. Os resultados indicaram que o modelo XGBoost apresentou desempenho superior à regressão logística, demonstrando maior eficácia na discriminação entre clientes adimplentes e inadimplentes. Concluiu-se que, apesar da menor interpretabilidade dos modelos de aprendizado de máquina baseados em árvores, o ganho em desempenho preditivo evidencia o potencial de sua aplicação na modelagem estatística para concessão e manutenção de crédito.
Palavras-chave: Aprendizado de máquina; Inadimplência; Modelagem estatística; Regressão logística; Risco de crédito.
1. Introdução
A expansão dos bancos digitais, fintechs e novos meios de pagamento no Brasil ampliou exponencialmente a oferta de produtos de crédito. Esse crescimento intensifica o desafio de discriminar com precisão o risco de inadimplência, particularmente em um país onde cerca de 78,8 milhões de brasileiros (Serasa Experian, 2025) possuem dívidas em atraso. Identificar potenciais inadimplentes e antecipar atrasos torna-se crucial para a saúde do sistema financeiro. Instituições financeiras, incluindo bancos, cooperativas de crédito e fintechs, atuam como intermediárias no sistema financeiro, sustentando suas receitas na concessão de crédito. Contudo, o aumento do endividamento das famílias e a volatilidade econômica expõem essas organizações a um risco crescente de inadimplência. O impacto de clientes em atraso compromete a rentabilidade e a capacidade de emprestar, tornando a predição de inadimplência um problema recorrente em todo o setor.
O risco de inadimplência, ou risco de crédito, consiste na possibilidade de o credor sofrer perdas financeiras quando o tomador não cumpre integralmente suas obrigações (Figueiredo, 2001). Essa definição envolve avaliar a chance de que o devedor não honre parcial ou totalmente sua dívida. Para mensurar esse risco, instituições financeiras utilizam scores de crédito, resultado de análises estatísticas que avaliam a capacidade de pagamento de pessoas físicas ou jurídicas. Tal prática é fundamental para manter a rentabilidade das carteiras de crédito. Historicamente, modelos estatísticos mais interpretáveis, como a regressão logística, têm sido amplamente utilizados para esse fim, em função de sua simplicidade e facilidade de interpretação. A regressão logística permanece como método padrão em diversas aplicações (Hand, 2006), pois permite modelar a relação entre uma variável dependente dicotômica e um conjunto de variáveis explicativas em problemas de classificação binária.
Entretanto, com os avanços na área de ciência de dados e o desenvolvimento de modelos de aprendizado de máquina mais complexos, surgiu a oportunidade de empregar novas abordagens para a discriminação do risco de crédito, ainda que com menor interpretabilidade. Algoritmos avançados de aprendizado de máquina, como métodos de boosting, que combinam diversos preditores fracos para formar um preditor mais robusto (Friedman, 2001), ou as redes neurais artificiais, que são sistemas computacionais inspirados nos neurônios humanos e capazes de aprender padrões complexos (Databricks, 2024), prometem maior precisão e assertividade. Esses modelos são muitas vezes chamados de “caixa-preta” devido à sua dificuldade de explicação. A crescente complexidade dos dados e a busca por maior precisão e assertividade na previsão estimulam a adoção de algoritmos mais avançados de aprendizado de máquina. Apesar da regressão logística ser o método predominante nos scores de crédito por sua simplicidade e transparência, estudos sugerem que algoritmos mais sofisticados podem superá-la em determinados contextos (Hlongwane et al., 2024). Isso evidencia uma lacuna prática e teórica, impulsionando a necessidade de investigar o desempenho de técnicas modernas para enfrentar o problema persistente da inadimplência no mercado de crédito brasileiro.
A avaliação de desempenho dos modelos depende de métricas que permitem comparar diferentes algoritmos ou ajustes de um mesmo modelo. Nesse contexto, destacam-se indicadores amplamente utilizados pela literatura. A acurácia representa a proporção total de classificações corretas realizadas pelo modelo. A precisão indica a capacidade de identificar corretamente os casos previstos como inadimplentes, reduzindo falsos positivos. A sensibilidade (recall) quantifica o quanto o modelo é capaz de encontrar, de fato, os inadimplentes que existem na base, reduzindo falsos negativos. O F1-Score combina precisão e sensibilidade em uma única medida balanceada. Já a AUC-ROC avalia a capacidade global de separação entre clientes adimplentes e inadimplentes, independentemente do ponto de corte utilizado. Por fim, a matriz de confusão permite visualizar, de forma estruturada, os acertos e erros do modelo em cada classe (Lessmann et al., 2015). Diante da criticidade dos altos índices de inadimplência no Brasil e da necessidade de decisões rápidas e precisas na concessão de crédito, é essencial investigar se o eventual aumento de acurácia oferecido pelos modelos de “caixa-preta” compensa o trade-off em transparência e complexidade.
Este estudo, portanto, busca investigar se os modelos de aprendizado de máquina avançados, especificamente o XGBoost, proporcionam ganhos significativos em relação à regressão logística na predição de inadimplência. Para isso, serão comparados os dois algoritmos sobre a mesma base pública de dados de crédito, utilizando as mesmas variáveis e procedimentos de tratamento, de forma a garantir uma comparação justa. O objetivo é avaliar se modelos mais recentes apresentam ganhos relevantes na capacidade de discriminação de inadimplência, considerando o trade-off entre desempenho preditivo e interpretabilidade.
2. Material e Métodos
A presente pesquisa, de natureza aplicada, buscou analisar a predição de inadimplência no mercado financeiro. Adotou-se uma abordagem quantitativa, utilizando dados numéricos e métricas estatísticas para avaliar o desempenho dos modelos. O estudo foi exploratório-descritivo, investigando técnicas de modelagem. Configurou-se como um estudo de caso documental, empregando uma base de dados pública preexistente, sem intervenção direta no ambiente de negócios.
A unidade de análise consistiu em aproximadamente 30.000 registros de clientes de cartão de crédito de um banco comercial em Taiwan. A base de dados utilizada foi a “Default of Credit Card Clients” (Yeh e Lien, 2009), reconhecida na literatura de risco de crédito, o que favoreceu a reprodutibilidade e comparabilidade (Lessmann et al., 2015). A base continha 24 variáveis explicativas e uma variável alvo, indicando a inadimplência. As variáveis incluíam informações demográficas, financeiras e histórico de pagamentos. A variável alvo apresentava desbalanceamento, com predominância de clientes adimplentes.
Inicialmente, realizou-se análise exploratória dos dados (EDA) para compreender a estrutura da base e identificar inconsistências. Registros duplicados na coluna ID foram removidos para garantir a consistência. Variáveis categóricas, como nível educacional e estado civil, foram tratadas por One-Hot Encoding (OHE), transformando cada variável em múltiplas colunas binárias. A seleção das variáveis para a modelagem baseou-se na relevância para a predição do risco de crédito, priorizando atributos contínuos associados ao perfil financeiro e histórico de pagamentos. O processo de seleção envolveu regressões logísticas univariadas e multivariadas, considerando coeficientes, significância estatística e multicolinearidade, com remoção de variáveis redundantes ou de baixa relevância.
O conjunto final de variáveis para a modelagem incluiu limite de crédito (LIMIT_BAL), idade (AGE), status de pagamento recente (PAY_1, PAY_2 e PAY_6), valor de pagamento mais recente (PAY_AMT1), além das variáveis categóricas de nível educacional e estado civil, codificadas via One-Hot Encoding. A base de dados completa foi dividida em conjuntos de treino (80%) e teste (20%), conforme práticas da literatura (Joseph, 2022). Um valor fixo de random state foi empregado para assegurar a reprodutibilidade e consistência da separação aleatória dos dados.
O treinamento dos modelos iniciou-se com a regressão logística, implementada via biblioteca scikit-learn. Um pipeline foi utilizado para encapsular pré-processamento e treinamento, garantindo a aplicação consistente das transformações. A padronização das variáveis numéricas foi realizada com o StandardScaler, transformando atributos para escala comum com média zero e desvio padrão unitário. O modelo foi ajustado com regularização L2 para reduzir o risco de sobreajuste, e o solucionador “lbfgs” foi empregado, com o número máximo de iterações aumentado para garantir a convergência do algoritmo.
O modelo XGBoost, um algoritmo de boosting baseado em árvores, foi configurado com 300 árvores e uma taxa de aprendizado reduzida para estabilidade e generalização. A profundidade máxima das árvores foi limitada a 4 níveis, para controlar a complexidade. O treinamento foi para classificação binária, utilizando a função objetivo logística (binary:logistic). Um ponto de corte (threshold) foi definido para converter probabilidades em classificações binárias. A regressão logística utilizou o threshold padrão de 0,5. Para comparação equitativa, o threshold do XGBoost foi ajustado para um recall similar, por varredura no intervalo de 0,05 a 0,90, resultando em 0,208. Essa abordagem garantiu a comparação sob o mesmo nível de captura de inadimplentes.
O desempenho dos modelos foi avaliado por métricas amplamente empregadas na literatura de risco de crédito (Lessmann et al., 2015). A acurácia mensurou a proporção de classificações corretas. A precisão avaliou a capacidade de identificar corretamente inadimplentes previstos. A sensibilidade (recall) quantificou a proporção de inadimplentes identificados. O F1-Score combinou precisão e sensibilidade em uma única medida. A métrica AUC-ROC avaliou a capacidade de separação entre classes, independentemente do ponto de corte. A matriz de confusão visualizou os acertos e erros de classificação.
3. Resultados e Discussão
A análise exploratória inicial da base de dados de crédito revelou um conjunto robusto de aproximadamente 30.000 registros de clientes, cada um caracterizado por 24 variáveis explicativas que abrangiam informações demográficas, financeiras e históricos de pagamentos. Essa etapa foi fundamental para compreender a estrutura dos dados e identificar padrões iniciais. A distribuição da variável alvo, que diferencia clientes adimplentes de inadimplentes, demonstrou um desbalanceamento característico de bases de crédito, com uma predominância notável da classe de adimplentes. Tal observação reforçou a necessidade de métricas de avaliação de desempenho que fossem robustas a essa assimetria, como a AUC-ROC e a sensibilidade, em vez de depender exclusivamente da acurácia.
Aprofundando na exploração das variáveis, observou-se que o limite de crédito concedido (LIMIT_BAL) apresentava uma distribuição assimétrica à direita, com a maioria dos registros concentrada em limites mais baixos, um comportamento comum em dados financeiros. A variável idade (AGE) indicou que a maior parte dos clientes estava na faixa etária entre 20 e 40 anos, caracterizando um público adulto economicamente ativo. As variáveis categóricas, como nível educacional (EDUCATION) e estado civil (MARRIAGE), foram examinadas em suas respectivas distribuições, com categorias numéricas que representavam níveis específicos, como pós-graduação, graduação, ensino médio e outros para educação, e casado, solteiro e outros para estado civil.
O histórico de pagamentos, representado pelas variáveis PAY_1 a PAY_6, que indicam o status de pagamento nos meses anteriores, mostrou-se particularmente relevante. Os valores numéricos dessas variáveis descrevem o comportamento de pagamento, variando de “sem consumo” (-2) a “atraso de nove meses ou mais” (9). A visualização dessas distribuições forneceu uma compreensão preliminar do comportamento das principais variáveis da base, essencial antes da fase de modelagem. Essa etapa exploratória permitiu identificar a natureza dos dados e as características dos clientes, preparando o terreno para as análises subsequentes.
Após a análise exploratória, a integridade da base de dados foi verificada, revelando a presença de 313 registros duplicados na coluna de identificadores únicos (ID). Esses registros duplicados, que apresentavam todas as variáveis com valor igual a zero, foram interpretados como inconsistências e removidos da base. Esse procedimento foi crucial para garantir a qualidade e a consistência das informações utilizadas nas etapas de modelagem, assegurando que os modelos fossem treinados e avaliados com dados confiáveis. A remoção dos duplicados resultou em um conjunto de dados mais limpo e adequado para a análise preditiva.
O tratamento das variáveis categóricas foi realizado por meio da técnica de One-Hot Encoding (OHE) para as variáveis de nível educacional e estado civil. Essa transformação converteu cada categoria em uma nova coluna binária, evitando que o modelo interpretasse relações de ordem ou distância inexistentes entre as categorias. A aplicação consistente desse tratamento para ambos os modelos, regressão logística e XGBoost, foi fundamental para garantir uma comparação justa e equitativa entre as abordagens, eliminando vieses decorrentes de diferentes pré-processamentos.
A seleção das variáveis para a modelagem foi guiada pela relevância preditiva e pela natureza econômica dos dados. Foram priorizadas variáveis contínuas ligadas ao perfil financeiro e ao histórico de pagamentos, como limite de crédito (LIMIT_BAL), idade (AGE) e status de pagamento recente (PAY_1, PAY_2 e PAY_6), além do valor de pagamento mais recente (PAY_AMT1). As variáveis categóricas de nível educacional e estado civil, após a codificação One-Hot Encoding, também foram incluídas. Essa seleção visou reduzir a complexidade do modelo, evitar redundâncias e manter um conjunto de atributos comparável entre as abordagens avaliadas.
Para aprofundar a seleção de variáveis, foram realizadas regressões logísticas univariadas, que revelaram a forte associação estatística das variáveis de histórico de pagamento (PAY_1 a PAY_6) com a inadimplência. A variável PAY_1, que representa o status de pagamento mais recente, apresentou o maior coeficiente estimado, com um odds ratio de 20,8, indicando que atrasos recentes aumentam significativamente as chances de inadimplência. Variáveis demográficas, como estado civil e nível educacional, também mostraram associação estatisticamente significativa, embora com menor magnitude. A análise multivariada subsequente considerou coeficientes, significância estatística e multicolinearidade, resultando na remoção de variáveis com menor relevância ou alta redundância, como algumas das variáveis PAY_X, para evitar estimativas instáveis.
O conjunto final de variáveis selecionadas para a modelagem incluiu limite de crédito (LIMIT_BAL), idade (AGE), status de pagamento recente (PAY_1, PAY_2 e PAY_6), valor de pagamento mais recente (PAY_AMT1), e as variáveis categóricas de nível educacional e estado civil, codificadas via One-Hot Encoding. Essa seleção criteriosa garantiu que os modelos fossem construídos com os atributos mais preditivos e relevantes, otimizando o desempenho e a interpretabilidade dentro dos limites do estudo. A base de dados completa, com 30 mil registros, foi então dividida em conjuntos de treino (80%) e teste (20%), uma prática padrão para avaliar o desempenho em dados inéditos e mitigar o sobreajuste (Joseph, 2022).
O treinamento do modelo de regressão logística foi implementado utilizando a biblioteca scikit-learn, com padronização das variáveis via StandardScaler para garantir estabilidade numérica e convergência. A regularização L2 foi aplicada para reduzir o risco de sobreajuste, penalizando coeficientes excessivamente elevados e limitando sua magnitude. O solucionador “lbfgs” foi escolhido por sua eficiência em problemas de otimização convexa, e o número máximo de iterações foi aumentado para assegurar que o processo iterativo alcançasse uma solução estável, contribuindo para a robustez do modelo na predição de inadimplência.
O modelo XGBoost, um algoritmo de boosting baseado em árvores, foi configurado com 300 árvores, uma profundidade máxima de 4 níveis e uma taxa de aprendizado reduzida. Essa configuração permitiu a construção gradual do aprendizado, controlando a complexidade do modelo e evitando regras excessivamente específicas, o que é crucial para a capacidade de generalização. O modelo foi treinado para um problema de classificação binária, utilizando a função objetivo logística (binary:logistic) e avaliado pela métrica AUC, reconhecida por sua robustez em bases desbalanceadas.
Para uma comparação justa entre os modelos, o threshold de classificação do XGBoost foi ajustado para igualar o recall obtido pela regressão logística. Inicialmente, a regressão logística, com um threshold padrão de 0,5, alcançou um recall de 0,639. Para o XGBoost, uma varredura de thresholds entre 0,05 e 0,90 foi realizada, e o ponto de corte de 0,208 foi selecionado por apresentar o recall mais próximo de 0,639. Esse ajuste garantiu que ambos os modelos operassem sob condições semelhantes de detecção de risco de crédito, permitindo uma avaliação mais equilibrada das demais métricas de desempenho.
A avaliação do modelo de regressão logística no conjunto de teste revelou um AUC de 0,719, indicando uma capacidade moderada de discriminação entre clientes adimplentes e inadimplentes. A acurácia foi de 0,681, e a precisão para a classe de inadimplência foi de 0,371, sugerindo que uma parte considerável das previsões de inadimplência correspondia, na realidade, a clientes adimplentes (falsos positivos). O recall para a classe de inadimplência foi de 0,639, demonstrando que o modelo identificou uma proporção significativa dos clientes que de fato entraram em default. O F1-score, que balanceia precisão e recall, foi de 0,469.
A matriz de confusão para a regressão logística detalhou esses resultados: dos 1.313 clientes que efetivamente entraram em default, 839 foram corretamente identificados, correspondendo a aproximadamente 63% dos inadimplentes. Contudo, entre os 4.625 clientes que não apresentaram inadimplência, 1.423 casos (30,7%) foram classificados erroneamente como inadimplentes. Essa quantidade de falsos positivos indica uma limitação do modelo em termos de eficiência, pois levaria a recusas indevidas de crédito para clientes que, na verdade, seriam bons pagadores, impactando negativamente a rentabilidade da instituição.
Em contraste, o modelo XGBoost, após o ajuste do threshold para igualar o recall, apresentou um desempenho superior. O AUC alcançou 0,772, indicando uma capacidade de discriminação significativamente maior em comparação com a regressão logística. A acurácia foi de 0,740, e a precisão para a classe de inadimplência foi de 0,439. O recall, mantido em 0,634, foi praticamente equivalente ao da regressão logística, conforme o objetivo do ajuste do threshold. O F1-score do XGBoost foi de 0,519, refletindo um melhor equilíbrio entre precisão e sensibilidade.
A matriz de confusão do modelo XGBoost revelou que, dos clientes adimplentes, 3.560 foram corretamente classificados, enquanto 1.065 (23%) foram erroneamente classificados como inadimplentes. Para a classe de inadimplentes, 833 foram corretamente identificados, e 480 foram classificados incorretamente como adimplentes. Comparando com a regressão logística, o XGBoost demonstrou uma redução no número de falsos positivos (1.065 contra 1.423), o que é um ganho substancial. Essa capacidade de aprovar corretamente um maior número de clientes sem aumentar o nível de risco é particularmente relevante para a eficiência na concessão de crédito.
A comparação consolidada das métricas de avaliação dos dois modelos evidenciou claramente a superioridade do XGBoost. Mesmo com o recall ajustado para um nível similar (0,634 para XGBoost versus 0,639 para regressão logística), o XGBoost superou a regressão logística em todas as outras métricas cruciais: AUC (0,772 vs 0,719), acurácia (0,740 vs 0,681) e precisão (0,439 vs 0,371). A maior área sob a curva ROC do XGBoost confirmou sua capacidade global superior de separar as classes de adimplentes e inadimplentes, independentemente do ponto de corte. Essa diferença de desempenho é significativa para a tomada de decisões no mercado de crédito.
Apesar da menor interpretabilidade inerente aos modelos de aprendizado de máquina baseados em árvores, frequentemente referidos como “caixa-preta”, o ganho em desempenho preditivo do XGBoost é notável. A capacidade de identificar clientes inadimplentes de forma mais eficiente e, simultaneamente, reduzir o número de falsos positivos, significa que o modelo pode aprovar mais clientes sem aumentar o risco de inadimplência, otimizando a carteira de crédito. Essa melhoria na precisão e na acurácia compensa o trade-off em transparência, especialmente em contextos onde a assertividade na predição de inadimplência é crítica para a saúde financeira das instituições.
Os resultados obtidos neste estudo sugerem que modelos baseados em aprendizado de máquina, como o XGBoost, representam uma alternativa promissora aos métodos tradicionais de scorecards baseados em regressão logística. A maior capacidade de discriminação e a redução de falsos positivos demonstram o potencial desses algoritmos para melhorar a eficiência da concessão de crédito, mantendo níveis equivalentes de controle de risco. Embora a base de dados utilizada seja de um banco em Taiwan, o que pode limitar a generalização direta para o mercado brasileiro, a metodologia empregada e a robustez dos achados reforçam a validade da comparação e a reprodutibilidade do estudo em outros contextos.
4. Conclusão
Este estudo teve como objetivo avaliar se modelos de aprendizado de máquina mais recentes oferecem ganhos significativos na capacidade de discriminação de inadimplência, considerando o trade-off entre desempenho preditivo e interpretabilidade. Para tanto, comparou-se a regressão logística e o XGBoost em uma base de dados pública de crédito. Verificou-se que o modelo XGBoost demonstrou desempenho superior à regressão logística em diversas métricas de avaliação. Observou-se que o XGBoost alcançou um AUC de 0,772, uma acurácia de 0,740 e uma precisão de 0,439 para a classe de inadimplência, enquanto a regressão logística obteve AUC de 0,719, acurácia de 0,681 e precisão de 0,371. Notou-se, ainda, uma redução significativa no número de falsos positivos com o XGBoost, que classificou erroneamente 1.065 clientes adimplentes como inadimplentes, em contraste com os 1.423 da regressão logística, mantendo um recall similar entre os modelos. Esses achados evidenciaram que, apesar da menor interpretabilidade inerente aos modelos baseados em árvores, o ganho em desempenho preditivo foi substancial.
A principal contribuição deste estudo reside na demonstração prática de que algoritmos de aprendizado de máquina, como o XGBoost, podem otimizar a gestão de risco de crédito. A capacidade de identificar inadimplentes de forma mais eficiente e, ao mesmo tempo, reduzir significativamente os falsos positivos, permite que as instituições financeiras aprovem um maior número de clientes sem elevar o nível de risco, resultando em uma carteira de crédito mais rentável e decisões mais assertivas. Contudo, o estudo apresenta limitações importantes, como a utilização de uma base de dados de um banco em Taiwan, o que pode restringir a generalização direta dos resultados para o mercado de crédito brasileiro. Além disso, a análise focada em uma única base de dados pode limitar a aplicabilidade dos achados a outros contextos. Sugere-se, para estudos futuros, a replicação desta metodologia em diferentes bases de dados, incluindo as do mercado brasileiro, para validar e expandir a aplicabilidade dos modelos de aprendizado de máquina na predição de inadimplência.
Referências Bibliográficas
Databricks. 2024. Rede neural artificial. Disponível em: <https://www.databricks.com/br/glossary/artificial-neural-network>. Acesso em: 25 Out. 2025.
Figueiredo, R. P. 2001. Gestão de riscos operacionais em instituições financeiras: uma abordagem qualitativa. Dissertação de Mestrado. Universidade da Amazônia (UNAMA), Belém, PA, Brasil.
Friedman, J. H. 2001. Greedy function approximation: A gradient boosting machine. Annals of Statistics 29(5): 1189–1232. https://doi.org/10.1214/aos/1013203451
Hand, D. J. 2006. Classifier technology and the illusion of progress. Statistical Science 21(1): 1-14.
Hlongwane, H.; Ramabao, K.; Mongwe, W. 2024. A novel framework for enhancing transparency in credit scoring: Leveraging Shapley values for interpretable credit scorecards. PLOS ONE 19(4): 1-18.
Joseph, V. R. 2022. Optimal Ratio for Data Splitting. ArXiv. https://doi.org/10.48550/arXiv.2202.03326
Lessmann, S.; Baesens, B.; Seow, H.-V.; Thomas, L. 2015. Benchmarking state-of-the-art classification algorithms for credit scoring: An update of research and practice. European Journal of Operational Research.
Serasa Experian. 2025. Mapa da inadimplência e renegociação de dívidas no Brasil. Disponível em: <https://www.serasa.com.br/limpa-nome-online/blog/mapa-da-inadimplencia-e-renogociacao-de-dividas-no-brasil/>. Acesso em: 25 Out. 2025.
Yeh, I.; Lien, C. 2009. The comparisons of data mining techniques for predictive accuracy of default probability. Expert Systems with Applications 36(2): 2473-2480.
Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq
Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy