Aproximação de Primeira Ordem da Cadeia de Markov para Modelagem da Previsão de Sinistro na Carteira de Crédito (original) (raw)

As previsões fazem parte do cotidiano financeiro e econômico, principalmente para conservação e continuidade do sucesso dos negócios. Ao tratar de uma área que depende essencialmente do bom andamento dos resultados para garantir a rentabilidade do empreendimento torna-se vital a construção de ferramentas que auxiliem na decisão e na prevenção do calote ou sinistro praticado por clientes. A evolução dos que não cumprem seus compromissos e chegam à faixa de 151 a 180 dias de atraso merecem uma atenção especial e o monitoramente do seu montante pode viabilizar decisões estratégicas salutares ao negócio. Buscamos modelar a série com o uso de Cadeias de Markov, que nada mais é que um processo estocástico sem memória e de estados discretos, onde a ocorrência de cada estado depende apenas do estado imediatamente anterior a este. A partir das matrizes de transição de estados markovianos foi possível gerar dados sintéticos que por sua vez deverão manter as mesmas características da série original. Sendo possível inferir a carteira em atraso a partir do simples conhecimento do estado atual e sugere-se também sejam feitas contínuas realimentações as informações contidas na matriz, tornando-a mais robusta, e aumentando a confiabilidade da estimativa.