Inteligência Artificial ajuda a calcular o perfil e o risco do sobre-endividamento das famílias portuguesas

Inteligência Artificial ajuda a calcular o perfil e o risco do sobre-endividamento das famílias portuguesas

Nas últimas décadas, o crédito expandiu-se em Portugal e desenvolveu diferentes classes de devedores. Na realidade atual, apesar da descida dos níveis de desemprego muitas famílias continuam a enfrentar dificuldades financeiras e uma parte representativa da população não consegue pagar as suas dívidas. Esta situação tem levado, por exemplo, a um aumento da taxa de esforço familiar para conseguir crédito (Exemplo: era de 70,8% em 2017 e passou para 73% em 2018, segundo a DECO).

Um projeto desenvolvido por Leonardo Vanneschi e Diego Costa Pinto, professores da NOVA Information Management School (NOVA IMS), da Universidade Nova de Lisboa (UNL), demonstra que a Inteligência Artificial pode ser uma ferramenta muito útil para mitigar os efeitos deste fenómeno, ajudando a compreender melhor o sobre-endividamento e a prevê-lo atempadamente, para que as famílias afetadas possam receber o devido apoio, evitando assim que o problema atinja proporções graves.

O projeto “AICE” consiste na criação de modelos descritivos e preditivos do sobre-endividamento de particulares e famílias em Portugal através de algoritmos de Machine Learning. Permite identificar, caracterizar e descrever os fatores que conduzem a uma situação financeira complexa. No projeto foram identificados três clusters de famílias sujeitas ao risco do sobre-endividamento:

(Cluster 1) Famílias com baixos rendimentos (31,27%) vítimas de eventos adversos na sua vida. São frequentemente famílias de tamanho médio com as seguintes características: emprego no setor privado, baixo nível de desemprego, rendimentos relativamente baixos, baixo uso de cartão de crédito, dificuldades quando a família aumenta.

(Cluster 2) Famílias com baixo controlo do crédito (37,40%), geralmente pequenas, com maior rendimento, grande uso de cartão de crédito, baixo controlo do crédito, e que podem ser consumidores compulsivos.

(Cluster 3) Famílias afetadas por crises (31,33%) que ficam sobre endividadas principalmente devido a mudanças bruscas provocadas por crises económicas, como o desemprego e cortes salariais. Famílias numerosas, com baixos rendimentos, grandes despesas domésticas e alta taxa de desemprego.

“Apesar de já terem sido desenvolvidos vários estudos sobre a influência de fatores socioeconómicos no sobre-endividamento, até agora poucos tinham explorado o contributo que a Inteligência Artificial pode dar para prever esse fenómeno, permitindo o desenvolvimento de ações que ajudem os consumidores a fazer face ao problema, principalmente numa altura em que o recurso ao cartão de crédito é cada vez maior e os empréstimos também aumentaram. A análise realizada permitiu prever o sobre-endividamento com uma precisão de 89,2% e pode servir como ponto de partida para o desenvolvimento de um conjunto de intervenções para auxiliar na resolução alternativa de litígios da dívida dos portugueses.”, realçou o professor Leonardo Vanneschi.

Produzidos automaticamente por um sistema baseado na Programação Genética, os modelos desenvolvidos pelo projeto AICE, através de algoritmos Machine Learning, ajudam ainda a investigar a influência de fatores psicológicos, como atitudes em relação à dívida, preferências temporais ou literacia financeira.