Modelagem estrutural e preditiva da inadimplência em FIDCs
Carregando...
Arquivos
Data
2025-07-23
Autores
Orientador(res)
Mendes, Eduardo Fonseca
Métricas
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Este estudo desenvolve um modelo preditivo para estimar o risco de inadimplência em Fundos de Investimento em Direitos Creditórios (FIDCs) no Brasil, utilizando exclusivamente dados públicos padronizados divulgados pela Comissão de Valores Mobiliários (CVM). A pesquisa cobre o período de novembro de 2020 a março de 2025 e integra três etapas principais: (i) extração de fatores latentes via Análise Fatorial Exploratória (EFA), identificando padrões estruturais comuns de inadimplência; (ii) segmentação dos FIDCs em clusters de risco semelhantes por meio de técnicas de agrupamento; e (iii) modelagem preditiva com econometria em painel e algoritmos de aprendizado de máquina, como Random Forest, XGBoost, Elastic Net e Redes Neurais Profundas. O desempenho dos modelos foi avaliado com rolling forecast multihorizonte e validado estatisticamente pelo Model Confidence Set (MCS), além de combinação por ensemble ponderado por acurácia. Os resultados evidenciam que a integração de fatores latentes, clusterização e previsão supervisionada permite antecipar trajetórias de inadimplência com elevada precisão, inclusive em fundos sem rating formal, promovendo maior transparência, eficiência e acessibilidade no mercado de securitização brasileiro
Descrição
Palavras-chave
Fundos de Investimento em Direitos Creditórios (FIDCs) Inadimplência Provisão para Devedores Duvidosos (PDD) Análise Fatorial Modelos de Painel Machine Learning Previsão de Risco de Crédito Receivables Investment Funds (FIDCs) Default Provision for Doubtful Debts (PDD) Factor Analysis Panel Models Credit Risk Forecasting