Impactos da pandemia nos modelos de detecção de fraude

Resumo

Modelos para detecção de fraude são utilizados para identificar se uma transação é legítima ou fraudulenta, com base em informações cadastrais e transacionais. Este trabalho possui como objetivo propor um modelo preditivo em substituição ao conjunto de regras tradicionais utilizadas por uma multinacional de grande porte do setor de telecomunicação. Além disso, testamos o impacto da pandemia nas transações fraudulentas e no modelo construído. Foram comparadas entre si as seguintes abordagens: regressão logística, redes neurais, árvores de decisão, redes bayesianas e gradient boosting em um banco de dados real. A base de dados foi separada em amostras de treino, validação e fora do tempo. A regressão logística foi escolhida como modelo mais adequado por ter apresentado melhor desempenho na previsão das operações fraudulentas, e verificamos que a pandemia causou impactos significativos, tanto na fraude como no modelo preditivo construído.

Ficha do documento

Tipo

Dissertação

Ano

2021

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/30806

Temas

EconomiaModelagem EconômicaTransportesDados

Palavras-chave

FraudPredictive modelingFraudeModelagem preditivaCOVID-19EconomiaFraude - PrevençãoPrevisãoRisco (Economia)COVID-19 (Doença)