The methodology of the platform has proven to be more efficient than traditional models, received endorsement from the scientific community, and was presented to the market in New York
Traive has created two unprecedented credit analysis models for agribusiness using Artificial Intelligence. The developed models were compared to those currently employed by the global financial system and demonstrated greater accuracy in formulating risk scores. These methodologies underwent the scrutiny of a technical committee from the prestigious Association for Computing Machinery (ACM) and were showcased on Tuesday, the 28th, at the International Conference on AI in Finance 2023, an event sponsored by JP Morgan and US Bank, two of the largest banks in the United States.
- O estudo completo pode ser acessado aqui
A metodologia é inédita porque alia o conhecimento humano a uma Bayesian network — complexo modelo probabilístico capaz de lidar com incertezas e informações incompletas, que é justamente o caso do setor agrícola.
Isso é o que mostra o paper “Redes Bayesianas melhoram a calibração fora do domínio para avaliação de risco de inadimplência no agronegócio”. Resumidamente, o modelo apresentado é composto por um conjunto de nós e arestas, no qual cada nó representa uma variável (preço das commodities, por exemplo) e cada aresta caracteriza uma relação de dependência entre as variáveis.
Desse modo, a probabilidade de uma variável acontecer depende das probabilidades das outras variáveis que a influenciam. Os artigos científicos foram produzidos sob a liderança de Aline Oliveira, em conjunto com o Vice-Presidente de Ciência de Dados, Pesquisa e Desenvolvimento de IA da Traive, Mohammad Ghassemi. Além disso, as publicações contaram com a parceria de Ana Clara Teixeira, Vaishali Mahar e Hamed Yazdanpanah, profissionais de tecnologia.
Para ler o estudo completo, click here.
