Modelo de Risco de Crédito – Previsão de Inadimplência

Visão Geral

Este projeto simula um cenário real de concessão de crédito, com o objetivo de desenvolver uma solução baseada em dados para apoiar decisões de aprovação de empréstimos. O foco está em estimar, em tempo real, a probabilidade de inadimplência de contratos de crédito solicitados por clientes pessoa física, utilizando dados históricos de empréstimos, pagamentos e informações cadastrais.

Objetivo

• Construir um modelo preditivo capaz de estimar a probabilidade de inadimplência de contratos de crédito.
• Propor uma política de crédito baseada nas previsões do modelo, indicando como utilizar os resultados para aprovar, rejeitar ou ajustar condições dos contratos.

Bases de Dados

O projeto utiliza quatro bases principais, relacionadas por id_cliente e id_contrato:

• base_cadastral.parquet: Dados cadastrais dos clientes (sexo, estado civil, renda, ocupação, etc.).
• base_submissao.parquet: Contratos de crédito em análise, para os quais o modelo deve gerar previsões.
• historico_emprestimos.parquet: Histórico de contratos anteriores de cada cliente, com informações detalhadas dos empréstimos.
• historico_parcelas.parquet: Detalhamento dos pagamentos realizados para cada contrato, incluindo valores e datas.

Além disso, o arquivo dicionario_dados.csv traz a descrição completa das variáveis disponíveis.

Metodologia

1. Definição da Inadimplência (Target):

   • Não existe uma definição prévia de inadimplência nas bases, portanto o primeiro desafio é definir o que é inadimplência. A escolha deve ser justificada com base nos dados históricos disponíveis. A pergunta principal a ser respondida nesta etapa é: "Qual a probabilidade de um cliente entrar em inadimplência X dentro de Y meses, dado apenas as informações disponíveis no momento?".
   • É importante definir o período para considerar o contrato como inadimplente e o tempo mínimo de observação. Dependendo dos dados, pode ser possível considerar um intervalo de tempo menor, o que pode ser vantajoso para o negócio.
   • A definição escolhida é documentada e justificada com base na análise dos dados históricos.

2. Preparação dos Dados:

   • Exploração e validação das relações entre as tabelas.
   • Construção de uma base de modelagem, garantindo que apenas informações disponíveis no momento da solicitação sejam utilizadas. É fundamental evitar o uso de informações futuras ao contrato de análise, pois isso pode causar vazamento de informação e comprometer a validade do modelo.

3. Engenharia de Variáveis:

   • Geração de métricas históricas relevantes a partir dos dados de contratos e pagamentos anteriores.
   • Todas as informações disponíveis no momento do pedido de crédito são consideradas: dados cadastrais, históricos de contratos anteriores e dados do pedido atual.
   • A seleção das variáveis é feita de forma sequencial, adicionando uma nova variável apenas se ela trouxer ganho relevante ao modelo. Esse processo evita multicolinearidade, pois variáveis com informações semelhantes não geram grande impacto nas métricas e podem ser descartadas.

4. Modelagem Preditiva:

   • Treinamento e validação do modelo preditivo utilizando as variáveis selecionadas.
   • Avaliação da performance do modelo em dados de teste.

5. Política de Crédito:

   • Proposição de uma política de uso das previsões, segmentando os contratos em faixas de decisão: aprovação automática, rejeição automática e encaminhamento para análise humana.

Como Reproduzir

1. Instale as dependências do projeto:

   uv sync
   

2. Execute os notebooks na ordem:
   • 1.target.ipynb
   • 2.predictors.ipynb

Resultados Esperados

• Arquivo de Previsões: submissao_case.csv com as probabilidades de inadimplência para cada contrato em análise.
• Código-fonte Reprodutível: Notebooks e scripts organizados, com dependências documentadas em pyproject.toml.
• Documentação: Explicação clara da definição de inadimplência, política de crédito proposta e principais decisões tomadas ao longo do projeto.

Observações

• Todas as decisões de modelagem e políticas são justificadas e documentadas.
• O modelo é pensado para uso em tempo real, considerando apenas informações disponíveis no momento da solicitação do crédito.
• A solução é reprodutível e pode ser executada do início ao fim com os arquivos fornecidos.