Título: Deteccção de Fraudes Financeiras na Análise de Crédito Empresarial Utilizando o Algoritmo Isolation Forest: Um Estudo Aplicado ao Setor de Bens de Consumo
Autores: João Marcelo Cattaldo Amorim, Leandro Augusto da Silva
Resumo: As fraudes financeiras representam uma ameaça significativa ao crédito empresarial, gerando prejuízos e comprometendo a confiança nas relações comerciais. Detectar essas ocorrências é desafiador, dada a dificuldade de distinguir inadimplência severa de fraude, agravada pela escassez de dados rotulados e pela sofisticação crescente dos esquemas fraudulentos. Este artigo propõe uma metodologia baseada em aprendizado não supervisionado para detectar fraudes financeiras na concessão de crédito empresarial, com foco no algoritmo Isolation Forest. A abordagem contempla: preparação dos dados, filtragem por ratings de risco, identificação de padrões anômalos, rotulagem manual especializada e otimização do limiar de decisão com base na métrica F1-score. Os resultados indicam acurácia de 67% na detecção de inadimplência severa e fraudes, mesmo em cenários com dados desbalanceados e não rotulados. O processo sistemático de preparação dos dados contribuiu significativamente para a gestão de risco de crédito, ao destacar variáveis associadas tanto à inadimplência quanto à fraude, aprimorando a capacidade preditiva do modelo. A metodologia superou o processo tradicional conduzido por analistas, cuja taxa média de acerto é de 41%, aumentando em 39,02% a eficácia global na concessão de crédito. Como contribuição prática e teórica, recomenda-se a incorporação dessa metodologia a sistemas automatizados de decisão de crédito, promovendo a mitigação de riscos financeiros e o aprimoramento das práticas de gestão na análise de crédito empresarial.
Palavras-chave: financial fraud detection; credit granting; Isolation Forest; unsupervised learning; anomaly detection.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1175489
Artigo em PDF: CBIC_2025_paper1175489.pdf
Arquivo BibTeX:
CBIC_2025_1175489.bib