A fraude em cartões de crédito constitui um dos principais desafios econômicos do sistema financeiro contemporâneo, afetando a eficiência, a confiança e a governança das instituições. Este estudo analisa o impacto econômico das fraudes sob a ótica da Teoria dos Custos de Transação, examinando como o machine learning pode atuar como instrumento de eficiência e inovação institucional. Com base em dados públicos de transações financeiras e em revisão teórica, o trabalho interpreta a aplicação de algoritmos de aprendizado de máquina como uma forma de racionalização dos custos de monitoramento e verificação, reduzindo perdas e elevando a produtividade. Os resultados indicam que modelos como Regressão Logística, Support Vector Machine e Árvores de Decisão apresentam elevado potencial na detecção de padrões anômalos, diminuindo custos de auditoria e aumentando a confiança no sistema. Conclui-se que o machine learning representa uma inovação schumpeteriana capaz de reduzir custos de transação e ampliar a eficiência econômica, configurando-se como um elemento estratégico para a modernização e a segurança das instituições financeiras no Brasil.
📖 افتح في inklap 🔗 DOI 📮 اطلب بحثاً