摘要：Neste artigo, tem-se por objetivo apresentar uma aplicação de redes neurais para a identificação de bons e maus pagadores em operações de crédito ao consumidor. Por meio do uso de redes neurais baseadas no Multilayer Perceptron (MLP), aplicou-se um algoritmo de backpropagation em uma amostra aleatória de 2.475 clientes de uma importante rede varejista brasileira. Dividindo a amostra para processamento e predição, a melhor rede propiciou 79%, 71% e 85% de acertos sobre o perfil de pagamento em cada uma das fases de treinamento, validação e teste, respectivamente. Tendo em vista que foi levado em consideração na pesquisa apenas número reduzido de variáveis de cadastro, os resultados sugerem que as redes neurais podem representar uma promissora técnica para a análise de concessão de crédito ao consumidor. Em especial, se as parcelas são suficientemente pequenas, uma avaliação mais rigorosa do potencial de pagamento do cliente pode deixar de ser razoável. Em tais situações, as redes neurais podem reduzir custos de análise e diminuir perdas com inadimplência.
其他摘要：This article aims to present an application of neural networks, in order to identify good and bad payers in credit operations. Through the use of neural networks based on Multilayer Perceptron (MLP), a backpropagation algorithm was applied in a random sample of 2475 customers of an important Brazilian retail net. Dividing the sample for processing and prediction, the best net propitiated about 79%, 71% and 85% of successes on the payment profile in the training, validation and test phases, respectively. As the research considered just a reduced number of register variables, the results suggest that the neural networks can represent a promising technique for the analysis of consumer credit concession. Particularly, if the payments are small enough, a rigorous evaluation of the customer's profile can be unreasonable. For this kind of situation, the neural networks can reduce analysis costs and losses with the lack of payments.
