FRAUDE EM CARTÕES DE CRÉDITO E CUSTOS DE TRANSAÇÃO: O PAPEL DO MACHINE LEARNING NA EFICIÊNCIA ECONÔMICA
DOI:
https://doi.org/10.63026/acertte.v5i11.275Palavras-chave:
Fraude financeira. Custos de transação. Machine learning. Eficiência econômica. Governança.Resumo
Este artigo analisa o impacto econômico das fraudes em cartões de crédito sob a ótica da teoria dos custos de transação, examinando o papel do machine learning como instrumento de eficiência econômica e de inovação tecnológica. A pesquisa parte do pressuposto de que o uso de algoritmos de aprendizado de máquina constitui uma forma de inovação institucional e organizacional capaz de reduzir custos de monitoramento, mitigação de riscos e perdas financeiras, fortalecendo a governança no sistema de pagamentos. A partir de uma revisão teórica baseada em Coase, Williamson, Schumpeter e Possas, associada a dados empíricos sobre fraudes financeiras no Brasil, discute-se como as inovações tecnológicas podem contribuir para a redução das falhas de mercado decorrentes da assimetria de informação e da ineficiência contratual. Os resultados indicam que o uso de técnicas de machine learning aprimora a detecção de transações fraudulentas e reduz significativamente os custos de transação, promovendo maior eficiência econômica e confiança institucional.
Downloads
Referências
BANCO CENTRAL DO BRASIL. Relatório de Economia Bancária e Crédito 2023. Brasília, 2023.
CNDL – CONFEDERAÇÃO NACIONAL DE DIRIGENTES LOJISTAS. Relatório Nacional de Fraudes Financeiras. Brasília, 2024.
COASE, R. The Nature of the Firm. Economica, v. 4, n. 16, p. 386–405, 1937. DOI: https://doi.org/10.1111/j.1468-0335.1937.tb00002.x
FEBRABAN – FEDERAÇÃO BRASILEIRA DE BANCOS. Relatório FEBRABAN de Tecnologia Bancária 2023. São Paulo, 2023.
GÉRON, A. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn, Keras e TensorFlow. 2. ed. Rio de Janeiro: Alta Books, 2019.
NELSON, R.; WINTER, S. An Evolutionary Theory of Economic Change. Cambridge: Harvard University Press, 1982.
OLIVEIRA, Vinicius Dias. Métodos de Machine Learning na Detecção de Fraude em Cartão de Crédito: um Estudo Comparado. Revista Científica Acertte, v. 5, n. 9, p. e59265, 2025. DOI: 10.63026/acertte.v5i9.265. DOI: https://doi.org/10.63026/acertte.v5i9.265
POSSAS, M. Concorrência e Dinâmica Capitalista: Uma Abordagem Schumpeteriana. São Paulo: Hucitec, 2006.
SCHUMPETER, J. Capitalismo, Socialismo e Democracia. Rio de Janeiro: Fundo de Cultura, 1942.
SERASA EXPERIAN. Panorama da Fraude no Brasil 2024. São Paulo, 2024.
WILLIAMSON, O. The Economic Institutions of Capitalism. New York: Free Press, 1985.
WILLIAMSON, O. Mechanisms of Governance. New York: Oxford University Press, 1996. DOI: https://doi.org/10.1093/oso/9780195078244.001.0001
Downloads
Publicado
Como Citar
Licença
Direitos de Autor (c) 2025 REVISTA CIENTÍFICA ACERTTE - ISSN 2763-8928
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista ACERTTE, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a ACERTTE apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.
