Evolutionary Rule Extraction from Corporate Default Prediction Models

Resumo Técnico: Extração de Regras Evolutivas a partir de Modelos de Previsão de Inadimplência Corporativa

Declaração do Problema
As pequenas e médias empresas (PMEs) constituem a maioria das empresas na maioria das economias, mas enfrentam restrições financeiras significativas e vulnerabilidade a dificuldades. A previsão de inadimplência de PMEs é crítica para instituições financeiras e formuladores de políticas. Embora o aprendizado de máquina (ML) tenha melhorado o desempenho preditivo na modelagem de risco de crédito em comparação com métodos econométricos tradicionais, a natureza de "caixa preta" de modelos complexos levanta preocupações quanto à transparência e conformidade regulatória. Abordagens existentes de IA explicável (XAI) frequentemente focam na atribuição de características em vez de reconstruir a lógica de decisão subjacente, e muitos métodos de extração de regras não são totalmente agnósticos ao modelo ou foram testados apenas em ambientes sintéticos e de baixa dimensionalidade. Há uma necessidade de frameworks que equilibrem alta precisão preditiva com regras de decisão interpretáveis e economicamente significativas em dados financeiros de alta dimensionalidade e desbalanceados.

Metodologia
O estudo utiliza um painel de 50.718 PMEs italianas de 2015 a 2024, compreendendo 6.695 empresas inadimplentes e 44.023 empresas ativas. O conjunto de dados inclui variáveis contábeis no nível da empresa (balanço patrimonial e demonstração de resultados), características estruturais e indicadores macroeconômicos/contextuais (taxas de inadimplência setoriais, PIB regional, inflação). Os dados estão estruturados como um painel desbalanceado com um alvo de previsão de um ano à frente para prevenir viés de olhar para o futuro.

A metodologia prossegue através de quatro etapas:

1. Pré-processamento de Dados: Os dados brutos são transformados em um painel empresa-ano. Razões financeiras são limitadas e transformadas em logaritmo para lidar com assimetria. O conjunto de dados é dividido em conjuntos de treinamento (70%), validação (20%) e teste (10%) usando amostragem estratificada no nível da empresa para preservar as proporções de classe (taxa de inadimplência de aprox. 1,4%).
2. Estimação do Modelo: Quatro classificadores são treinados: Regressão Logística (benchmark), Random Forest, XGBoost e Perceptron Multicamadas (MLP). O desempenho é avaliado usando Precisão-Acurácia Balanceada e Área sob a Curva Precisão-Recall (PR-AUC) para abordar o desbalanceamento de classes. Hiperparâmetros são otimizados no conjunto de validação.
3. Extração de Regras (DEXiRE-EVO): O estudo introduz o DEXiRE-EVO, um novo framework evolutivo de extração de regras. Ele estende o pipeline DEXiRE para ser agnóstico ao modelo, permitindo aplicação em modelos baseados em árvores como o XGBoost. O framework emprega uma otimização evolutiva multiobjetivo (algoritmo NSGA-II) guiada pelo método de Importância e Utilidade Contextual (CIU).
   • Objetivo 1 (Fidelidade): Maximizar a capacidade do conjunto de regras de replicar as previsões do modelo de caixa preta (medido pela Acurácia Balanceada).
   • Objetivo 2 (Alinhamento CIU): Maximizar a consistência semântica entre as variáveis nas regras extraídas e sua importância contextual conforme estimada pelo CIU.
   • O processo evolui uma população de regras de decisão (conjunções de predicados) para aproximar o comportamento do modelo, selecionando soluções Pareto-ótimas que equilibram fidelidade e interpretabilidade.
4. Análise: As regras extraídas são analisadas quanto à plausibilidade econômica, vinculando estruturas lógicas a padrões de vulnerabilidade financeira.

Principais Contribuições

• Avaliação Empírica em Grande Escala: O artigo fornece uma comparação abrangente de modelos tradicionais e de ML em um conjunto de dados grande, realista e altamente desbalanceado de PMEs italianas, abordando a escassez de tais comparações sistemáticas em ambientes de alta dimensionalidade.
• Novo Framework (DEXiRE-EVO): Propõe uma abordagem evolutiva agnóstica ao modelo para extração de regras que integra o CIU na função de aptidão. Isso garante que as regras extraídas não sejam apenas fiéis ao modelo original, mas também alinhadas com a relevância contextual das características.
• Integração de Contexto Macro: O estudo avalia o impacto da inclusão de variáveis macroeconômicas e setoriais, bem como dinâmicas históricas (via médias móveis ponderadas exponencialmente), tanto no desempenho preditivo quanto na importância das características.

Resultados

• Desempenho Preditivo: O XGBoost superou significativamente o benchmark de Regressão Logística, alcançando uma Acurácia Balanceada de 0,901 e um PR-AUC de 0,429, comparado a 0,551 e 0,016 para a Regressão Logística, respectivamente. Random Forest e MLP também mostraram desempenho forte.
• Impacto da Estrutura de Dados:
  • A inclusão de variáveis macroeconômicas e setoriais (Conjunto de Dados D1) melhorou o desempenho sobre modelos que usavam apenas razões no nível da empresa (Conjunto de Dados D2), aumentando a Acurácia Balanceada de 0,879 para 0,901 e o PR-AUC de 0,366 para 0,429.
  • Adicionar dinâmicas históricas (Conjunto de Dados D3) melhorou ainda mais o desempenho de classificação (PR-AUC 0,449) com mudança mínima na Acurácia Balanceada.
• Desempenho de Explicabilidade: O DEXiRE-EVO demonstrou desempenho superior sobre o framework DEXiRE original, alcançando maior fidelidade (média 0,856 vs. 0,832) e alinhamento CIU significativamente melhor (média 0,684 vs. 0,444).
• Regras Extraídas: O processo evolutivo identificou padrões consistentes e economicamente significativos associados ao risco de inadimplência, incluindo:
  • Geração fraca de liquidez interna (baixo fluxo de caixa para ativos).
  • Erosão de capital interno (lucros retidos negativos).
  • Alavancagem alta (alto endividamento sobre patrimônio).
  • Ineficiência operacional (baixas taxas de giro).
  • As regras destacaram que esses sinais são particularmente informativos para empresas além de seu ciclo de vida inicial e que o distress setorial e a volatilidade histórica são fatores contextuais críticos.

Significado e Alegações
O artigo alega que combinar ML com extração evolutiva de regras via DEXiRE-EVO oferece um caminho viável para resolver o trade-off entre precisão preditiva e interpretabilidade na modelagem de risco de crédito. Ao gerar regras de decisão transparentes e legíveis por humanos que mantêm alta fidelidade a modelos complexos e se alinham com a importância contextual das características, a abordagem apoia uma tomada de decisão mais transparente e baseada em dados. O estudo enfatiza que as regras extraídas refletem mecanismos econômicos coerentes (por exemplo, restrições de liquidez, erosão de capital) em vez de correlações estatísticas arbitrárias, aumentando assim a confiança e a conformidade regulatória em ambientes financeiros. Os autores observam que, embora o framework seja promissor, trabalhos futuros devem explorar modelagem explícita de séries temporais para trajetórias financeiras mais ricas e aplicar o método a mercados de crédito privado onde informações qualitativas são escassas.