Inadimplência em cartões de créditoanálise dos principais fatores associados

Resumo

A inadimplência em cartões de crédito tem crescido de forma expressiva nos últimos anos, impondo desafios crescentes à gestão de risco e exigindo novas estratégias para mitigação. Para isso, foi utilizada uma base de dados de 3.038.244 de registros de clientes pessoa física de uma instituição financeira brasileira, todos usuários ativos de cartão de crédito. O estudo iniciou-se com a aplicação de Redes Neurais Profundas (DNN) para ranquear as variáveis com maior poder explicativo. Em seguida, aplicou-se Regressão Logística (RL) para avaliar a associação entre essas variáveis e o comportamento de inadimplência. Os principais resultados da validação cruzada realizada no modelo treinado demonstraram que ele obteve desempenho elevado, com boa robustez e capacidade discriminativa (AUC = 0,971; acurácia média = 0,987; LogLoss = 0,045; Gini = 0,943). A variável com maior importância relativa foi a proporção média de gastos mensais com supermercados, com destaque também para gastos em serviços, varejo, vestuário, combustíveis, restaurantes e farmácias. Dentre as 50 variáveis mais relevantes, 28 estavam relacionadas a categorias de consumo com o cartão. Variáveis associadas ao histórico de pagamento e uso do crédito também se destacaram, como parcelamento de fatura, valor médio parcelado, restrição cadastral e utilização do limite. Entre os fatores demográficos e socioeconômicos mais influentes estavam idade, município, faixa salarial e escolaridade, além de indicadores de perfil de crédito como limite calculado e estabelecido. A análise de associação das variáveis constatou forte relação entre inadimplência e o parcelamento de fatura assim como os gastos com alimentação fora do lar, enquanto os gastos proporcionais com supermercados estiveram mais associados à adimplência. A análise de sensibilidade, segmentando por faixa de renda, gênero e idade, confirmou a consistência dos achados nos diferentes perfis sociodemográficos. Os resultados oferecem achados empíricos importantes para a compreensão dos fatores associados à inadimplência de cartão de crédito.

Ficha do documento

Tipo

Dissertação

Ano

2025

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/37221

Temas

EconomiaTransportesDadosGestão Municipal

Palavras-chave

InadimplênciaCartões de créditoRanqueamento de variáveisRedes neurais profundasRegressão logísticaDelinquencyCredit cardsVariable rankingDeep neural networksLogistic regressionEconomiaInadimplência (Finanças)Créditos - Avaliação de riscosDívida - RenegociaçãoAnálise de regressão logística