Neste exercício, exploramos a relação dinâmica entre o custo do crédito (juros na ponta) e o risco realizado (taxa de inadimplência) através de uma análise exploratória de dados e modelagem econométrica utilizando a linguagem de programação R.
Exercício em R que mede o endividamento das famílias, o comprometimento de renda, a inadimplência e as concessões de crédito com dados do Banco Central, e liga esses indicadores à taxa de participação, à desocupação e à renda do trabalho da PNAD Contínua.
Construímos no Python um modelo para o spread bancário no Brasil com inadimplência, Selic e desemprego, tratamos a sazonalidade e a autocorrelação, e decompomos cada alta do spread entre as três variáveis.
Neste artigo introduzimos a base de muitas aplicações de inteligência artificial: o modelo de Redes Neurais. Mostramos a intuição, sua formulação matemática e uma aplicação com dados de empréstimo bancário usando R e Python.
Um guia prático de análise de dados de crédito no Python: como coletar as concessões, a taxa de juros, o spread e a inadimplência direto das séries do Banco Central, deflacionar pelo IPCA e montar um painel do mercado de crédito brasileiro, com dados até 2026.