Temas Mestrado em Matemática Aplicada à Economia e Gestão

1) Modelação Quantitativa de Risco em Bancos e Seguradoras: Uma Abordagem com Métodos Estatísticos e Machine Learning

 

Resumo: Este projeto visa desenvolver e analisar modelos quantitativos para previsão e gestão de risco em instituições financeiras, com foco em bancos (risco de crédito) e seguradoras (risco de sinistro e fraude). O trabalho envolverá a aplicação de métodos estatísticos clássicos (regressão logística, modelos de sobrevivência) e técnicas modernas de aprendizagem automática (árvores de decisão, random forests, redes neurais) para prever eventos como inadimplência ou ocorrência de sinistros.

 

A dissertação incluirá a análise de dados reais ou simulados, avaliação de desempenho preditivo (AUC, Gini, etc.), e a implementação de estratégias de apoio à decisão em ambientes de incerteza. Poderão ser exploradas também técnicas de seleção de variáveis, regularização e análise de interpretabilidade dos modelos.

 

Palavras-chave: Risco de crédito, risco atuarial, scoring, machine learning, modelos estatísticos, bancos, seguradoras, decisão sob incerteza.

 

Pré-requisitos recomendados: Interesse por estatística aplicada, econometria, programação em R ou Python, e gestão de risco.
 

2) Modelação e Simulação de Risco em Produtos Financeiros ou Seguros com Técnicas de Monte Carlo

 

Resumo: Este trabalho tem como objetivo aplicar ferramentas básicas de probabilidade e simulação para modelar situações de risco financeiro, como o retorno de um produto de investimento ou o valor esperado de uma indemnização num seguro.

 

Através do método de Monte Carlo, serão gerados cenários aleatórios com base em hipóteses probabilísticas simples (por exemplo, distribuição normal ou exponencial), permitindo calcular médias, variâncias e intervalos de confiança para eventos de interesse.

 

Exemplos de aplicações possíveis incluem:

 

• simular o risco de ruína de uma seguradora;

• estimar o valor esperado de um portefólio com ativos aleatórios;

• avaliar a probabilidade de prejuízo numa carteira de crédito.

 

O trabalho equilibra teoria e prática, com visualizações gráficas e interpretações acessíveis.

 

Palavras-chave: Probabilidade, simulação de Monte Carlo, risco financeiro, seguros, métodos computacionais.

 

Pré-requisitos recomendados: Probabilidade básica, interesse por modelação de incerteza e risco. Conhecimentos elementares em Excel, R ou Python.​

​

3) Análise Probabilística e Simulação de Risco em Operações com Cartões de Crédito

 

Resumo: Este trabalho propõe a modelação de operações de crédito associadas a cartões bancários, com foco na análise do risco de incumprimento por parte dos clientes. Serão utilizadas técnicas probabilísticas elementares e simulações de Monte Carlo para estimar métricas como:

 

• probabilidade de incumprimento num determinado horizonte temporal;

• valor esperado da dívida em atraso por segmento de clientes;

• avaliação do impacto de políticas de crédito (limites, taxas de juro, dias de carência) sobre o risco global.

 

O estudo pode basear-se em dados sintéticos ou anonimizados, com cenários simulados para diferentes perfis de utilizadores (ex. estudante, trabalhador com rendimento médio, etc.), permitindo ainda explorar estratégias de mitigação de risco por parte dos bancos.

 

Palavras-chave: Cartões de crédito, risco de crédito, simulação de Monte Carlo, probabilidade, inadimplência, scoring simplificado.

 

Pré-requisitos recomendados: Conhecimentos básicos de probabilidade, estatística e programação em R, Python ou Excel. Não é necessária experiência prévia com dados reais.

​

​