Modelos computacionais e multicritério para análise e classificação do crédito rural no Brasil

Abstract

A política de crédito rural figura entre as mais relevantes e tradicionais políticas públicas voltadas ao meio rural brasileiro, desempenhando papel estratégico na articulação de objetivos econômicos, sociais e ambientais. Por meio de uma rede institucional complexa, que envolve bancos, cooperativas, organizações civis e o próprio Estado, essa política molda o acesso a recursos essenciais para o desenvolvimento agrícola, especialmente da agricultura familiar. Apesar de sua importância, persistem distorções territoriais e a inadequação de políticas uniformes, que desconsideram as especificidades regionais e comprometem a eficácia das ações. Diante disso, esta tese propõe uma abordagem para aprimorar a análise e a gestão do crédito rural no Brasil, articulando três estudos independentes, porém complementares. O primeiro estudo, de caráter explicativo, emprega Programação Genética sobre dados do Censo Agropecuário de 2019, identificando padrões regionais na alocação do crédito rural. Os resultados reforçam a necessidade de abordagens sensíveis às realidades locais. O segundo estudo, com foco preditivo, utiliza técnicas de aprendizado de máquina, como agrupamento K-means e redes neurais MLP, para estimar o valor do crédito a ser concedido a agricultores, bem como o perfil produtivo ao qual pertencem. Como produto aplicado, foi desenvolvido um sistema web funcional e registrado no INPI, permitindo a simulação personalizada com base em dados reais. Por fim, o terceiro estudo adota o método multicritério ELECTRE TRI-nC para classificar agricultores em categorias de acesso ao crédito rural, com base em múltiplos perfis validados por um representante do decisor e construídos por um especialista da área. A abordagem permite maior transparência e explicabilidade na classificação, ampliando a aderência das análises à realidade dos agricultores familiares. Como contribuição prática e científica, a tese oferece uma estrutura de apoio à decisão que combina modelos explicáveis, preditivos e sensíveis ao território, fomentando o desenvolvimento sustentável, a inclusão produtiva e a melhoria da política pública de crédito rural no Brasil.