Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/2191
Título: Análise do risco operacional em bancos baseada em redes neurais artificiais e descoberta do conhecimento em bases de dados
Autor(es): de Pádua Bezerra da Silva, Antônio
Palavras-chave: Risco operacional;Gestão de riscos;Bases de dados;Redes neurais artificiais
Data do documento: 31-Jan-2010
Editor: Universidade Federal de Pernambuco
Citação: de Pádua Bezerra da Silva, Antônio; Crispim Vasconcelos, Germano. Análise do risco operacional em bancos baseada em redes neurais artificiais e descoberta do conhecimento em bases de dados. 2010. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2010.
Resumo: A mitigação de riscos é uma das grandes preocupações das empresas da área financeira. Dispor de ferramentas que possam sinalizar possíveis ocorrências de perdas e permitam realizar ações no sentido de evitá-las é de grande interesse. A inteligência artificial tem sido empregada na solução dos mais diversos problemas envolvendo processos de tomada de decisão. Este trabalho, apoiado no Ciclo de Vida de Mineração de Dados ou Data Mining Life Cycle (DMLC), analisa o ciclo de um Método de Avaliação do Risco Operacional (MARO) utilizado em bancos. A análise investiga aspectos como processos, profissionais, recursos de armazenamento de dados, fluxos de decisão e iteração entre os elementos envolvidos. Baseado na metodologia CRISP-DM (Cross Industry Standard Process for Data Mining) e em Redes Neurais Artificiais, é proposto um modelo que suporta o método MARO, desenvolvendo um classificador neural para a análise de risco operacional de agências bancárias a partir de um conjunto de indicadores. Os experimentos realizados demonstram a eficiência do modelo proposto com adequações no modelo MARO original e desempenho de classificação que abre perspectivas de utilização da abordagem na análise rápida do risco operacional em bancos. Os principais benefícios são a aceleração das informações sobre o risco operacional, com redução do tempo necessário para geração dos indicativos de risco, o aumento da acurácia na identificação precoce de situações de alto risco e a pró-atividade em evitar perdas financeiras ou desperdício de recursos nos processos de tomada de decisão
URI: https://repositorio.ufpe.br/handle/123456789/2191
Aparece na(s) coleção(ções):Dissertações de Mestrado - Ciência da Computação

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
arquivo2232_1.pdf2,12 MBAdobe PDFVer/Abrir


Este arquivo é protegido por direitos autorais



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.