Modelagem Estatística de Risco de Crédito & Credit Scoring (WoE, IV, KS e Gini)
Desenvolvimento de modelo econométrico e scorecard de risco de crédito com transformação monotônica por Weight of Evidence (WoE), seleção de atributos por Information Value (IV), calibração na escala FICO e simulador What-If de ponto de corte e perda esperada para carteira de R$ 50M.
Inadimplência Oculta e Assimetria de Informação no Crédito
Esteiras tradicionais de concessão sofrem com taxas elevadas de falso positivo (reprovar bons pagadores) e falso negativo (aprovar inadimplentes crônicos), operando com pontuações arbitrárias sem calibração estatística de odds ou cálculo rigoroso de perda esperada (PD × LGD × EAD).
Pipeline Estatístico Completo com WoE, IV, Calibração FICO e K-S
Estruturação de pipeline em Python com binning monotônico em 45.000 proponentes, seleção de features com IV > 0.10, regressão logística ponderada, escalonamento linear com PDO de 20 pontos e validação discriminatória com K-S de 48.6% e Gini de 68.4%.
Otimização de Spread Líquido e R$ 4.2M em Perdas Evitadas
Simulação de esteira comercial em carteira mensal de R$ 50M com capacidade de calibrar a nota de corte em tempo real, atingindo 72.5% de aprovação, reduzindo a inadimplência da safra para 3.8% e evitando mais de R$ 4.200.000 em inadimplência direta.
Protótipo Interativo Navegável
Credit Scoring & Modelagem Estatística de Risco
K-S 48.6% • Gini 68.4% (AUC 0.842)Metodologia econométrica e estatística bancária para concessão de crédito. Abrange transformação monotônica por Weight of Evidence (WoE), seleção de atributos por Information Value (IV), calibração paramétrica de scorecard na escala FICO (300-850), testes de discriminação K-S e simulador tático de Cut-off comercial e Perda Esperada (PD × LGD × EAD).
Ponto ótimo no Score 520 (benchmark > 40%)
AUC = 0.842 (Capacidade discriminatória excelente)
Filtradas por IV > 0.10 e monotonia de WoE
Odds dobram a cada 20 pts (Base: 600 @ 50:1)
Mede a força de evidência relativa de cada bin. Valores positivos indicam maior concentração de bons pagadores; valores negativos indicam maior risco de inadimplência.
Quantifica a relevância global da variável para predição de default. Taxonomia de Siddiqi: IV < 0.02 (inútil), 0.10 a 0.30 (médio) e 0.30 a 0.50 (forte).
Ao substituir o valor original pelo seu WoE, a relação com o logit torna-se perfeitamente linear, tratando outliers e nulos de forma robusta e auditável perante órgãos reguladores.
Ranking de Poder Preditivo (Information Value)
Relação percentual entre o total de dívidas ativas mensais e a renda bruta comprovada.
Frequência de episódios de inadimplência leve registrados no histórico recente.
Percentual de utilização do limite de crédito rotativo e cartões no momento da consulta.
Estabilidade profissional e tempo contínuo de vínculo empregatício comprovado.
Sinal de busca recente e intensa por crédito no mercado em diferentes instituições.
Maturidade financeira e ciclo de vida do tomador de crédito.
Comprometimento de Renda (DTI)
Distribuição de Proponentes vs. Curva Monotônica de WoE
| Faixa (Bin) | Total | Bons (Goods) | Maus (Bads) | Bad Rate (%) | WoE | Pontos Score |
|---|---|---|---|---|---|---|
| < 15% | 8.420 | 8.167 | 253 | 3.0% | +1.63 | +68 |
| 15% - 25% | 14.350 | 13.632 | 718 | 5.0% | +1.09 | +46 |
| 25% - 35% | 11.200 | 10.192 | 1.008 | 9.0% | +0.46 | +19 |
| 35% - 45% | 7.180 | 5.959 | 1.221 | 17.0% | -0.27 | -11 |
| >= 45% | 3.850 | 2.695 | 1.155 | 30.0% | -1.01 | -42 |