Previsão de Demanda

Projeto desenvolvido para uma instituição financeira com o objetivo de prever a demanda de operações e variações nas taxas de juros em Fundos de Investimento em Direitos Creditórios (FIDC), apoiando decisões estratégicas de captação, crédito e gestão de risco.

A solução foi implementada on-premise, utilizando Python e bibliotecas como pandas, scikit-learn, statsmodels e Prophet.

O pipeline foi estruturado em quatro etapas principais:

1. Coleta e tratamento de dados históricos

   • Séries de taxas de juros (CDI, SELIC, IPCA)

   • Indicadores internos de captação, inadimplência e liquidez

   • Normalização e transformação de variáveis para modelagem temporal e preditiva

2. Modelagem Preditiva de Juros e Demanda

   • Modelos de séries temporais (ARIMA, SARIMA) para projeção de tendência e sazonalidade

   • Regressão Linear e análise multivariada para correlação entre juros e variáveis de crédito

   • Avaliação por métricas de desempenho: MAE, MSE, RMSE, MAPE e WMAPE

3. Clusterização de Perfis Financeiros com K-Means

   • Segmentação de clientes e operações com base em indicadores de risco, volume e rentabilidade

   • Identificação de padrões de comportamento e agrupamentos de performance

   • Aplicação dos clusters como features adicionais no modelo preditivo

4. Visualização e Insights

   • Criação de dashboards analíticos para acompanhamento de tendências de juros e projeções de demanda

   • Interpretação dos clusters para direcionar estratégias de crédito e funding

O resultado final proporciona uma visão preditiva integrada, combinando análise temporal e clusterização comportamental, permitindo à instituição antecipar cenários de mercado e ajustar suas estratégias financeiras com maior precisão.