Previsão do risco de empréstimo: Comparação entre redes neurais e SVMs

A avaliação do risco de empréstimos desempenha um papel fundamental no sector financeiro e os modelos preditivos são essenciais para tomar decisões de empréstimo informadas. Este projeto de investigação investiga o domínio da avaliação do risco de crédito, um aspeto crítico da indústria financeira, propondo uma abordagem inovadora que utiliza o algoritmo Feed Forward Neural Network (FNN). O foco principal é comparar a eficácia do algoritmo FNN com as Máquinas de Vectores de Suporte (SVM) amplamente adoptadas para a previsão do risco de empréstimo. O objetivo é avaliar a eficácia do algoritmo FNN na previsão de incumprimentos de empréstimos, visando uma compreensão abrangente do seu desempenho em comparação com o SVM. Os resultados obtidos são promissores, indicando a precisão superior do modelo FNN em comparação com o SVM. Este facto realça o potencial do algoritmo FNN para revolucionar a avaliação do risco de crédito. As nossas conclusões sublinham a importância de tirar partido da IA e do ML, especificamente das redes neuronais, para aumentar a precisão e a fiabilidade dos sistemas de previsão do risco de crédito. O desempenho impressionante do modelo FNN posiciona-o como um divisor de águas neste campo, oferecendo maior precisão e fiabilidade nos sistemas de previsão do risco de crédito.