Resumo Técnico: Aplicação de Dados Alternativos na Avaliação de Crédito para a População Desbancarizada

1. Definição do Problema

O estudo aborda o desafio da "invisibilidade de crédito", uma condição que afeta indivíduos que carecem de históricos de crédito tradicionais (por exemplo, uso de cartão de crédito, registros formais de empréstimos). Nos sistemas convencionais de relatório de crédito, esses indivíduos são frequentemente classificados erroneamente como de alto risco ou automaticamente negados de crédito devido a lacunas de dados, sendo forçados a empréstimos subprime ou excluídos inteiramente dos serviços financeiros. O problema central é que os modelos de pontuação tradicionais confundem a falta de dados com a falta de capacidade de pagamento, daí limitando a inclusão financeira e impedindo que as instituições identifiquem potenciais clientes de alta qualidade.

2. Metodologia

Dados e Desenho Experimental

A pesquisa utiliza dados reais de solicitações de empréstimos automotivos subprime de 2021 a 2023. O conjunto de dados compreende:

• Amostra de Treinamento: 50.000 observações.
• Amostra de Teste: 20.000 observações.
• Variável Alvo: Status de inadimplência ao longo de um período de observação de 12 meses.

O estudo constrói um framework comparativo envolvendo dois grupos primários:

1. Modelos de Linha de Base (Baseline): Treinados exclusivamente em variáveis de crédito tradicionais (limites de cartão de crédito, saldos históricos, contas pendentes, renda, relação dívida-renda, tempo de conta, sinalizações de inadimplência e consultas recentes).
2. Modelos de Fusão: Treinados em variáveis tradicionais aumentadas com Dados Alternativos.

Engenharia de Atributos (Feature Engineering)

Os atributos de dados alternativos são derivados de janelas de observação de 24 meses de comportamentos de pagamento não relacionados a crédito, especificamente:

• Histórico de Pagamento de Aluguel: Contagens sucessivas de contratos de locação, taxas de liquidação (ex: últimos 90 dias) e duração de atrasos.
• Contas de Utilidades e Telecomunicações: Taxas de liquidação de faturas, dias de atraso no pagamento e volatilidade do valor do pagamento.
• Métricas de Estabilidade: Estabilidade do número de telefone ao longo de 365 dias e a taxa de variação nos valores de pagamento.

Crucialmente, o estudo trata os registros ausentes não como erros a serem imputados com média/mediana ou deletados, mas como indicadores de ausência informativos. Isso preserva a distinção entre solicitantes com histórico de crédito formal limitado e aqueles com comportamentos de pagamento instáveis.

Arquitetura do Modelo

O estudo emprega uma estrutura de três camadas:

1. Camada de Linha de Base: Um modelo de regressão logística regularizada usando variáveis tradicionais para estabelecer uma linha de base de risco linear.
2. Camada de Fusão: Integração de atributos de dados alternativos em três algoritmos:
   • Regressão Logística
   • Random Forest
   • XGBoost
3. Camada de Decisão: Um mecanismo de discriminação conjunta que otimiza simultaneamente o controle de risco (probabilidade de inadimplência), cobertura de aprovação e equidade de grupo.

Algoritmos e Otimização:

• Regressão Logística: Utilizada para interpretabilidade e comparação de linha de base linear.
• XGBoost: Utilizado para interação não linear de atributos e aprendizado de conjunto (ensemble learning). A função objetivo minimiza a perda entre os rótulos reais de inadimplência e as probabilidades previstas, enquanto controla a complexidade do modelo via pesos de nós folha e parâmetros de regularização.
• Restrições de Equidade (Fairness): A camada de decisão incorpora restrições de Paridade Demográfica (DP) e Igualdade de Oportunidade (EO) para evitar que o modelo aumente as taxas de aprovação à custa da equidade demográfica.

Métricas de Avaliação

O desempenho é avaliado usando:

• Poder Preditivo: AUC, estatística KS e F1 score.
• Métricas Operacionais: Taxas de aprovação de empréstimos e taxas de inadimplência de 12 meses.
• Métricas de Equidade: Diferenças de paridade demográfica e diferenças de igualdade de oportunidade entre grupos raciais e de renda.
• Explicabilidade: Valores SHAP (SHapley Additive exPlanations) para importância de atributos global e local, e LIME para verificações de consistência local.

3. Principais Resultados

Desempenho Preditivo e Taxas de Aprovação

A introdução de dados alternativos melhorou significativamente o desempenho do modelo em todos os algoritmos em comparação com as linhas de base de apenas dados tradicionais:

• Melhorias no AUC:
  • Regressão Logística: Aumentou de 0.682 para 0.731.
  • Random Forest: Aumentou para 0.758.
  • XGBoost: Aumentou para 0.781.
• Taxas de Aprovação: O modelo XGBoost com dados alternativos aumentou a taxa de aprovação de 41,6% (linha de base tradicional) para 63,7%. Isso representa um aumento de 22,1 pontos percentuais, aprovando 4.420 solicitantes adicionais no conjunto de teste.
• Controle de Risco: Apesar do aumento significativo nas aprovações, a taxa de inadimplência de 12 meses subiu apenas marginalmente de 6,8% para 7,2% (um aumento de 0,4 ponto percentual), o que foi considerado estatisticamente insignificante. Isso indica que as aprovações adicionais não se concentraram na cauda de alto risco.

Importância dos Atributos (Feature Importance)

Testes de importância de atributos identificaram as seguintes variáveis de dados alternativos como determinantes críticos da capacidade de pagamento para tomadores de crédito invisíveis:

• Pagamentos de aluguel pontuais.
• O número de pagamentos de faturas pontuais.
• Consistência de longo prazo nos números de telefone.

Análise de Equidade

Testes de equidade realizados entre grupos raciais e de renda não mostraram evidências de piora na equidade:

• Grupos Raciais: A diferença na igualdade demográfica mudou 0,005 (p-valor: 0,312), e a diferença de igualdade de oportunidade mudou 0,004 (p-valor: 0,347).
• Grupos de Renda: A lacuna de equidade demográfica mudou 0,005 (p-valor: 0,286), e a diferença de igualdade de oportunidade mudou 0,003 (p-valor: 0,401).
  Os resultados sugerem que a expansão da cobertura de aprovação não ocorreu às custas de um aumento da discriminação contra grupos minoritários ou de baixa renda.

Estudo de Ablação sobre Dados Ausentes

O estudo descobriu que tratar os registros de crédito tradicionais ausentes como sinais informativos (em vez de imputá-los ou deletar amostras) foi essencial. A imputação comprimiu padrões heterogêneos de ausência, enfraquecendo a fronteira entre escassez de informação e risco genuíno, enquanto a deleção de amostras reduziu a representatividade da população com crédito invisível.

4. Principais Contribuições

1. Validação Empírica de Dados Alternativos: O estudo demonstra que dados alternativos (aluguel, utilidades, telecomunicações) podem suplementar efetivamente as informações de crédito tradicionais, convertendo a continuidade de pagamento não observada em evidência mensurável de capacidade de pagamento.
2. Otimização Conjunta de Risco-Equidade: O framework proposto equilibra com sucesso a expansão da inclusão financeira (maiores taxas de aprovação) com a gestão de risco (mínimo aumento na taxa de inadimplência) e restrições de equidade, evitando o "transbordamento de risco" frequentemente associado ao relaxamento dos padrões de aprovação.
3. Rigor Metodológico: Ao comparar modelos de dados alternativos com uma linha de base forte de XGBoost de dados tradicionais, o estudo isola o valor incremental dos dados alternativos dos benefícios de usar apenas algoritmos mais complexos.
4. Tratamento de Dados Ausentes: O artigo defende uma estratégia específica de processamento de dados onde a ausência é tratada como um sinal estruturado, o que se mostrou mais apropriado para populações com crédito invisível do que as técnicas padrão de imputação.

5. Significância e Alegações

O artigo afirma que sua abordagem oferece um escopo mais amplo de cobertura de serviços financeiros em comparação com as práticas convencionais de avaliação de risco de crédito. Ele postula que os dados alternativos não apenas baixam os padrões de aprovação, mas fornecem informações comportamentais críticas que os escores de crédito tradicionais perdem.

Os autores afirmam que esta metodologia:

• Melhora a inclusão financeira ao permitir que indivíduos com crédito invisível acessem crédito formal em vez de depender de canais de empréstimo de maior custo ou opacos.
• Refina a avaliação de risco ao identificar padrões de pagamento estáveis que se correlacionam com a capacidade de pagamento.
• Mantém a equidade demográfica, garantindo que os benefícios dos dados alternativos sejam distribuídos de forma justa entre os grupos raciais e de renda.

O estudo conclui que, embora os achados sejam específicos ao contexto de empréstimos automotivos subprime, eles fornecem uma base empírica robusta para o uso de dados alternativos na avaliação de crédito inclusiva. Os autores observam limitações quanto à generalização desses resultados para outros tipos de empréstimos e sugerem que trabalhos futuros possam envolver dados de longo prazo, integração de múltiplos cenários e técnicas de computação preservadoras de privacidade.