Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2026-232984
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Feature selection in financial risk modeling is a complex discrete combinatorial optimization problem. We propose a multi-objective evolutionary wrapper using NSGA-II to explore the global Pareto Front, simultaneously optimizing predictive power and structural parsimony. Evaluated across ten heterogeneous financial datasets, the methodology demonstrated robust generalizability. In the US Stocks benchmark, navigating a 2178 search space, it identified a Pareto-optimal
core of 36 variables (a 79.8% dimensionality reduction). Applying a Multi-Criteria Decision-Making (MCDM) schema, the evolved subset outperformed local search heuristics. Constrained to 36 features, Recursive Feature Elimination (RFE) achieved a 0.310 Gini coefficient, whereas NSGA-II reached 0.345, proving the discovery of non-linear synergies. Furthermore, probability calibration maximized the F1-score at a 0.3 decision boundary (AP=0.7157). By outperforming
greedy methods, this framework provides a mathematically grounded decision support system for deploying low-complexity AI in high-stakes finance.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo