Projeto

Supervisionado

Caio Almasan de Moura

ra: 095620

Indice
1. Introduo
2. Principal Projeto: Modelo de Score
2.1.

Objetivo.................................................................. pg 3

2.2.

Agentes Envolvidos................................................. pg 3

2.3.

Contextualizao.................................................... pg 3

2.4.

Conceitos................................................................ pg 4

2.5.

Cronograma............................................................ pg 5

3. Escopo para Modelagem

3.1.

Linhas de Crditos Consideradas............................. pg 5

3.2.

Poder Preditivo do Modelo....................................... pg 5

4. Anlise Univariada....................................................... pg 6
5. Anlise Bivariada......................................................... pg 6
6. Anlise Multivariada
6.1.

O que Anlise multivariada?................................. pg 6

6.2.

Regresso Logstica................................................. pg 7

7. Validao de modelo
7.1.

O teste de K-S para duas amostras.......................... pg 7

7.2.

O teste do risco relativo.......................................... pg 7

8. Estabilidade do modelo final

8.1.

ndice de Estabilidade Populacional........................ pg 8

8.2.

Teste KS1................................................................ pg 8

9. Consluso ................................................................... pg 8

1.

Introduo

Estgio em Modelagem de Risco de Crdito

Intituio: Banco Panamericano
Cargo horria: 18 horas semanais ( 6 horas por dia, 3 dias por semana)
Principais atividades: Anlise de bases no EXCEL e SPSS. calculo de indces
(FPD, FPD2, M3OVER30, PDD entre outros), manuteno dos modelos de
crdito

para

todos

os

produtos

(Veculos,

Crdito

Pessoal,

Crdito

Imobilirio, Consrcio, CDC), frequente acompanhamento das noticias

macroenomicas que influncia diretamente na linha de crdito.

2.
2.1.

Principal Projeto: Modelo de Score

Objetivo

Descrever o procedimento

de

desenvolvimento

do

modelo de

concesso de crdito para pessoa fsica na linha de crdito motos do

Banco Panamericano.

2.2.

Agentes Envolvidos

rea de Gerncia Executiva de Modelagem do Banco Panamericano.

2.3.

Contextualizao

O modelo desenvolvido tem a finalidade de estimar a probabilidade de

inadimplncia nas operaes de concesso para pessoa fsica, utilizando
horizonte de 9 meses com marcao de atraso no final do perodo.
Este relatrio fornece detalhes do desenvolvimento, das anlises e dos
resultados obtidos.

Na primeira etapa do projeto foram definidas as necessidades e os

objetivos do projeto. O segundo passo caracterizado pela anlise do
conceito, construo das variveis, consolidao das bases, definio da
tcnica a ser utilizada e estimao dos modelos. Para esses modelos a
tcnica utilizada foi regresso logstica.
O relatrio est organizado da seguinte forma:
2.4.

Conceitos

Com o objetivo de definir o conceito de inadimplncia que seria utilizado

na modelagem, foram comparadas as taxas de inadimplncia geradas por
vrios cenrios: M6OVER60, M6OVER90, M9OVER60 e M9OVER90.
Para maior entendimento, segue abaixo definies e conceitos que sero
usados durante a anlise:
-Out-of-time: Amostra de safras com perodo posterior ao usado para o
desenvolvimento e validao do modelo.
-Out-of-sample: Amostra de uma safra atual.
-KS (Kolmogorov-Smirnov): Estatstica usada para a comparao de
distribuio entre duas amostras.
-Coeficiente de ROC: Estatstica que analisa a capacidade preditiva de um
modelo de classificao, baseado nas distribuies acumuladas de bons e
maus, para cada faixa de escore.
-Gini: Estatstica calculada com base no coeficiente de ROC que analisa a
capacidade preditiva de um modelo de classificao.
-PSI (Population Stability Index): Estatstica usada para verificar possveis
distores no perfil da populao em relao base de referncia.
baseada na proporo de indivduos em cada categoria.
-KS1: Estatstica tambm usada para verificar possveis distores no perfil
da populao em relao base de referncia. baseada na distribuio
acumulada de ambas as populaes.
Escore: Pontuao atribuda pelo modelo de crdito conforme o perfil do
cliente e da proposta.
2.5.

Cronograma

Entrega da base de dados: 09/04/2011

Entrega da base com marcao de atraso de mercado, com conceito

de Bancos/Financeiras, feito pela SERASA Experian: 02/05/2011

Entrega dos resultados do desenvolvimento do modelo: 25/05/2011

Entrega da documentao contendo as tcnicas e procedimentos

utilizados nas fases de desenvolvimento, teste e validao do
modelo: 31/05/2011

Implantao do modelo: a ser definido.

3.
3.1.

Escopo para a Modelagem

Linhas de Crdito consideradas

A linha de crdito considerada para desenvolvimento do modelo foi

veculos motos, exceto produtos de transferncia de dvida, leasing e para
pessoa jurdica.
3.2.

Poder preditivo do modelo

Os ndices utilizados para avaliar o poder preditivo do modelo foram

KS2, Coeficiente de ROC, Coeficiente de Gini, PSI e KS1.

4.

Anlise Univariada

O que a anlise univariada?

Utilizamos a anlise univariada para estudar a distribuio de
frequncia de cada varivel separadamente. A partir desta podemos
identificar valores inconsistentes, missings, outliers, investigar sua origem e
decidir como trat-los de modo que no comprometam a validade e
adequabilidade dos modelos estatsticos.

5.

Anlise Bivariada

O que a anlise bivariada?

O interesse maior na anlise bivariada analisar a relao entre duas
variveis, ou seja, a relao da varivel preditora com a varivel status
que caracteriza o cliente.
Os objetivos dessa anlise so:

Analisar o potencial discriminador de uma varivel preditora;

Analisar e refinar a categorizao das variveis;

Identificar

comportamentos

estranhos

ou

inesperados

de

uma

varivel;

Identificar correlaes entre as variveis preditoras.

6.
6.1.

Anlise Multivariada
O que a anlise multivariada?

Conjunto de mtodos que permite anlise simultnea de duas ou mais

variveis,

levando

em

considerao

as

correlaes

existentes,

que

permitem inferncias sobre o conjunto de variveis em um nvel de

significncia conhecido.
6.2.

Regresso logstica

A tcnica utilizada no desenvolvimento dos modelos foi regresso

logstica. Alm de apresentar um custo computacional razoavelmente baixo,
seus parmetros so facilmente interpretveis. Esse mtodo consiste em
estimar a probabilidade atravs da combinao linear das caractersticas
preditivas.

7.
7.1.

Validao do Modelo
O teste de K-S para duas amostras

O KS uma das medidas de avaliao de performance mais utilizadas no

mercado e mede a capacidade do escore de distinguir os bons e maus
pagadores. Quanto maior for a estatstica de KS, maior ser a separao
entre os clientes bons e maus. O valor encontrado a mxima diferena
entre as distribuies acumuladas de bons e maus.
7.2.

O teste do risco relativo

O risco relativo uma medida de chance dentro de cada classe.

Representa o quociente entre a proporo de bons e a proporo de maus
na categoria. uma medida ponderada pelo total em relao ao status do
cliente (bom/mau).
Quanto maior for o risco relativo, maior ser a chance de encontrar
clientes bons em relao aos clientes maus dentro de cada classe.

8.
8.1.

Estabilidade do Modelo Final

ndice de Estabilidade Populacional

O EP/PSI utilizado para comparar as distribuies de variveis

categorizadas.
O clculo feito atravs da frmula seguinte:

r
IEP ri mi ln i
mi

Na qual ri a proporo de indivduos da categoria i da amostra de

referncia e mi a proporo de indivduos da categoria i da amostra
de monitoramento.

8.2.

Teste KS1

O KS1 compara distribuies de entrada de propostas observadas no

desenvolvimento com a entrada de propostas obtidas em safras mais
recentes, ou seja, a mxima diferena entre as distribuies acumuladas
da base de desenvolvimento e da base mensal de monitoramento.
O clculo feito atravs da frmula seguinte:

(8.2.1)

Em que Fr a distribuio acumulada da amostra de referncia

(desenvolvimento) e Fm a distribuio acumulada da amostra mensal de
monitoramento.

9.

Concluso

Baseados em estudos macroeconmicos, estticos, anlise de perfis e com

histrico de nossas bases internas, criamos um novo Modelo de Score que
j est implantado em nosso sistema. Apesar de estar em vigor h pouco
tempo (um ms), alguns estudos j indicam a reduo da zona cinzenta e
uma melhor distribuio e performance entre os Bons e os Maus clientes. A
estimativa que, em 6 meses, nossos ndices de inadimplncia sejam
reduzidos em at 30%, sem afetar a produtividade do banco, ou at com
possvel aumento da produo.