Você está na página 1de 108

FACULDADE DE ECONOMIA E FINANAS IBMEC

PROGRAMA DE PS-GRADUAO E PESQUISA EM


ADMINISTRAO E ECONOMIA






D DI IS SS SE ER RT TA A O O D DE E M ME ES ST TR RA AD DO O
P PR RO OF FI IS SS SI IO ON NA AL LI IZ ZA AN NT TE E E EM M A AD DM MI IN NI IS ST TR RA A O O







MODELO DE ANLISE DE CRDITO
FUNDAMENTADO NO ELECTRE TRI







T TA AT TI IA AN NA A A AC CO OL LE ET T






O OR RI IE EN NT TA AD DO OR R: : P PR RO OF F. . D DR R. . L LU UI IZ Z F FL L V VI IO O A AU UT TR RA AN N M MO ON NT TE EI IR RO O
G GO OM ME ES S







Rio de Janeiro, 13 de maro de 2008



MODELO DE ANLISE DE CRDITO FUNDAMENTADO NO ELECTRE TRI



TATIANA ACOLET




Dissertao apresentada ao curso de
Mestrado Profissionalizante em
Administrao como requisito parcial para
obteno do Grau de Mestre em
Administrao.
rea de Concentrao: Administrao
Geral




ORIENTADOR: PROF. DR. LUIZ FLVIO AUTRAN MONTEIRO GOMES





Rio de Janeiro, 13 de maro de 2008.

MODELO DE ANLISE DE CRDITO FUNDAMENTADO NO ELECTRE TRI


TATIANA ACOLET

Dissertao apresentada ao curso de
Mestrado Profissionalizante em
Administrao como requisito parcial para
obteno do Grau de Mestre em
Administrao.
rea de Concentrao: Administrao
Geral

Avaliao:


BANCA EXAMINADORA:


_____________________________________________________
Professor Dr. LUIZ FLAVIO AUTRAN MONTEIRO GOMES (Orientador)
Instituio: IBMEC/RJ


_____________________________________________________
Professor Dr. CARLOS FRANCISCO SIMES GOMES
Instituio: IBMEC/RJ


_____________________________________________________
Professor Dr. LUIS ALBERTO DUNCAN RANGEL
Instituio: EEIMVR/UFF



Rio de Janeiro, 13 de maro de 2008.























FICHA CATALOGRFICA











658.403
A185

Acolet, Tatiana.
Modelo de anlise de crdito fundamentado no Electre Tri /
Tatiana Acolet. - Rio de Janeiro: Faculdades Ibmec, 2008.

Dissertao de Mestrado Profissionalizante apresentada ao
Programa de Ps-Graduao em Administrao das Faculdades
Ibmec, como requisito parcial necessrio para a obteno do ttulo de
Mestre em Administrao.

rea de concentrao: Administrao geral

1. Administrao - Tomada de deciso. 2. Anlise de Crdito. 3.
Deciso Anlise multicritrio.


v
DEDICATRIA


minha me pela inspirao acadmica e profissional.
Ao meu pai, pela inspirao pessoal.


vi
AGRADECIMENTOS
Agradeo ao Prof. Autran por sua excelente orientao, por sua pacincia e pelas conversas
que tivemos em sua sala.
Agradeo minha me e ao meu pai pelas oportunidades dadas na vida.
Agradeo minha me no s por me ajudar na reviso desta Dissertao, mas tambm por
me estimular a perseguir os estudos, a excelncia profissional e pessoal.
Agradeo ao Guilherme pelo tempo que ele me cedeu para terminar este projeto de vida e
pelo carinho, orgulho e admirao sempre transparentes.
vii
RESUMO
Esta dissertao tem como objetivo criar um modelo para classificao de risco de crdito dos
bancos clientes da empresa X. Com esse mtodo, espera-se ter uma maior produtividade dos
analistas de crdito e criar transparncia e padronizao do processo de deciso de crdito.
Para isso, utilizou-se um mtodo de Apoio Multicritrio Deciso o ELECTRE TRI com
enfoque para o problema de classificao. Esse mtodo permitiu alocar os bancos em
categorias de risco dado seu desempenho em critrios previamente definidos. O modelo foi
desenvolvida utilizando-se o software Microsoft Excel devido a disponibilidade deste na
empresa X.
A preditividade do modelo foi de 55% de acertos quando comparado classificao de risco
da Moodys Investors Service. A sua principal limitao est na sua simplificao, o que
acarretou uma reduo dos critrios e das categorias de risco. No entanto, como estudo
exploratrio, o modelo considerado um ponto de partida para pesquisas futuras sobre o
assunto. Para o seu aperfeioamento, foi proposto empregar mais categorias de risco e unir
este modelo a um modelo de classificao de risco setorial, o que poderia melhorar a
preditividade da classificao de risco dos clientes para outras indstrias, alm de bancos.
Palavras Chave: Anlise de Crdito, Classificao de Risco, Apoio Multicritrio Deciso,
ELECTRE TRI
viii
ABSTRACT
The objective of this dissertation is to create a credit risk rating model for company X,
focused on its customers in the banking sector, as it was lacking one. The expectation with
this methodology is to bring more productivity to the credit analysts in company X as well as
more transparence and standardization of the credit decision process.
The methodology was based on a Multicriteria Decision Analysis method to solve
classification problems, the ELECTRE TRI method. This method allowed the allocation of
banks into risk categories based on their performance on previously defined criteria. The
methodology was developed using Microsoft Excel software as this is a well distributed tool
in company X.
The predictive power of this model was 55%, when compared to Moodys Investors Service
rating. Its main limitation was the need of simplificating the model, which meant a decrease
of criteria and rating classes. On the other hand, as an exploraty case study, the model is
useful as a starter for further research on this subject. As future studies, we recommend to
improve the model with more risk rating categories and adding other criteria as well as
improving the analysis with a sector risk rating to the model, to broaden it to other industries
than banks.
Key Words: Credit Analysis, Credit Risk Rating, Multicriteria Decision Analysis, ELECTRE
TRI
ix
LISTA DE FIGURAS

Figura 1 Situaes de preferncia modeladas de um pseudocritrio......................................... 37
Figura 2 Relaes entre a e b a partir de e ........................................................................... 48
Figura 3 Metodologia de Rating Bancrio da Moodys ............................................................ 63
Figura 4 Relaes Binrias entre alternativas e perfis............................................................... 68


x
LISTA DE TABELAS

Tabela 1 - Mtodos da Famlia ELECTRE.................................................................................. 15

Tabela 2 Valores dos Perfis de Referncia ................................................................................ 65

Tabela 3 Valores dos Limites de Indiferena, Preferncia e Veto ............................................ 67

Tabela 4 Resultados das Alocaes das Alternativas nas Categorias de Rating ...................... 71

Tabela 5 Porcentagem dos Acertos e Erros nos Procedimentos de Alocao Pessimista e
Otimista.................................................................................................................................. 72

Tabela A. 1 Matriz de Performance ........................................................................................... 81
Tabela A. 2 ndices de Concordncia Parcial c(r
i
, A) e Global c(r
i
, A) .................................... 82
Tabela A. 3 ndices de Concordncia Parcial c(A, r
i
) e Global c(A, r
i
) .................................... 84
Tabela A. 4 ndices de Discordncia d(r
i
, A)............................................................................ 86
Tabela A. 5 ndices de Discordncia Parcial d(A, r
i
)................................................................. 88
Tabela A. 6 Anlise de Sensibilidade: alocao pessimista e otimista alterando o nvel de corte
................................................................................................................................................ 90
Tabela A. 7 Anlise de Sensibilidade: mudana do perfil de referncia r
4
= veto v
i
................ 91
Tabela A. 8 Anlise de Sensibilidade: mudana do perfil de referncia r
4
r
3
........................ 92

xi
LISTA DE ABREVIATURAS


AHP Analytic Hierarchy Process
AMD Apoio Multicritrio Deciso
AMPR Ativos Mdios Ponderados pelo Risco
ELECTRE limination et Choix Traduisant la Ralit
IBMEC Instituto Brasileiro de Mercado de Capitais
IPC TI ndice de Percepo de Corrupo da Transparncia Internacional
LAMSADE Laboratoire d'Analyse et Modlisation de Systmes pour l'Aide la
Dcision
LAIRPDD Lucro Antes do Imposto de Renda e de Provises de Devedores Duvidosos
LL Lucro Lquido
LT Deposits Long Term Deposits
MACBETH Measuring Attractiveness by a Categorical Based Evaluation Technique
MAUT Multi-attribute Utility Technique
PAMC Procedimento de Agregao Multicritrio
PIB Produto Interno Bruto
PROMETHEE Preference Ranking Organization Method for Enrichment Evaluations
RFFB Rating de Fora Financeira dos Bancos
SFRP Sistema Fundamental de Relaes de Preferncias
xii
TODIM Tomada de Deciso Interativa e Multicritrio
xiii
LISTA DE SMBOLOS

SMBOLO SIGNIFICADO
P. - P. - P. - P. Tipos de Problemticas
A Conjunto de Alternativas
a,b Alternativas (aes)
I Relao de Indiferena
P Relao de Preferncia Estrita
Q Relao de Preferncia Fraca
R Relao de Incomparabilidade
Relao de Preferncia no sentido amplo
S Relao de Superao (Sobreclassificao)
g
j
Funo de Avaliao do critrio j
w
j
Peso do Critrio j
q
j
Limite de Indiferena definido para o critrio j
p
j
Limite de Preferncia definido para o critrio j
v
j
Limite de Veto definido para o critrio j
b
n
Alternativas (Aes) de Referncia
c
j
(a, b
n
)
ndice de Concordncia Parcial da Alternativa a em comparao
com a Alternativa de Referncia b
h

d
j
(a, b
n
)
ndice de Discordncia da Alternativa a em comparao com a
Alternativa de Referncia b
h

(a, b
n
)
ndice de Credibilidade (ou Nvel de Pertinncia da Relao de
Superao nebulosa) da Alternativa a em relao Alternativa de
referncia b
h

Nvel de Corte
h
C

Categorias de Risco consideradas no Mtodo Electre Tri, limitada
inferiormente pela Alternativa de Referncia b
h-1
e superiormente
pela Alternativa de Referncia b
h

C
j
(a, b
n
)
ndice de Concordncia Global da Alternativa a em comparao
com a Alternativa de Referncia b
h

r1, r
2
, r
3
, r
4
Alternativas (aes) de Referncia
~ Relao de No Preferncia
xiv
g
j
(a) Performance da alternativa a considerando-se o critrio j
F Famlia de todos os Critrios considerados
xv
SUMRIO
1 1. . I IN NT TR RO OD DU U O O - -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- - 2 2
1.1. O PROBLEMA--------------------------------------------------------------------------------- 2
1.2. OBJETIVO-------------------------------------------------------------------------------------- 4
1.3. JUSTIFICATIVA------------------------------------------------------------------------------ 5
1.4. METODOLOGIA------------------------------------------------------------------------------ 6
1.5. RESULTADOS ESPERADOS -------------------------------------------------------------- 8
2 2. . F FU UN ND DA AM ME EN NT TO OS S T TE E R RI IC CO OS S S SO OB BR RE E O OS S M M T TO OD DO OS S D DE E A AP PO OI IO O
M MU UL LT TI IC CR RI IT T R RI IO O D DE EC CI IS S O O- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -1 10 0
2.1. A TOMADA DE DECISO ----------------------------------------------------------------10
2.2. A HISTRIA DOS MTODOS AMD ---------------------------------------------------11
2.3. OS MTODOS AMD EXISTENTES-----------------------------------------------------13
2.4. CONCEITOS BSICOS E COMPONENTES DE UM MODELO DE
DECISO MULTICRITRIO-------------------------------------------------------------------17
2.4.1. PROBLEMA E TIPOS DE PROBLEMTICA------------------------------------17
2.4.2. OS ATORES DE UM PROCESSO DECISRIO----------------------------------18
2.4.3. AS ALTERNATIVAS--------------------------------------------------------------------19
2.4.4. OS CRITRIOS --------------------------------------------------------------------------20
2.5. ETAPAS DO PROCESSO DE DECISO-----------------------------------------------25
2.6. PREFERNCIAS -----------------------------------------------------------------------------26
2.6.1. MODELAGEM DAS PREFERNCIAS -------------------------------------------------------26
xvi
2.6.2. ESTRUTURA DAS PREFERNCIAS---------------------------------------------------------30
2.7. MATRIZ DE DECISO---------------------------------------------------------------------31
2.8. AVALIAO DE PERFORMANCES---------------------------------------------------31
2.9. PROCEDIMENTO DE AGREGAO MULTICRITRIO (PAMC) -----------31
2.10. A ESCOLHA DO MTODO---------------------------------------------------------------34
2.11. ANLISE DE SENSIBILIDADE E ROBUSTEZ--------------------------------------35
3 3. . F FU UN ND DA AM ME EN NT TO OS S T TE E R RI IC CO OS S S SO OB BR RE E O OS S M M T TO OD DO OS S E EL LE EC CT TR RE E- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -3 36 6
4 4. . F FU UN ND DA AM ME EN NT TO OS S T TE E R RI IC CO OS S S SO OB BR RE E O O M M T TO OD DO O E EL LE EC CT TR RE E T TR RI I - -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -4 40 0
4.1. O ELECTRI TRI------------------------------------------------------------------------------40
4.1.1. A PROBLEMTICA DE CLASSIFICAO--------------------------------------40
4.1.2. A MODELAGEM DE PREFERNCIAS-----------------------------------------------------41
4.1.3. O PROCEDIMENTO DE AGREGAO ----------------------------------------------------42
4.1.4. PROCEDIMENTOS E CONDIES A SEREM OBSERVADOS----------------------------43
4.2. INDICES DE CONCORDNCIA PARCIAL E GLOBAL--------------------------44
4.3. NDICES DE DISCORDNCIA ----------------------------------------------------------46
4.4. NDICE DE CREDIBILIDADE -----------------------------------------------------------47
4.5. NVEL DE CORTE ( ) --------------------------------------------------------------------47
4.6. PROCEDIMENTOS DE ALOCAO--------------------------------------------------49
5 5. . M M T TO OD DO OS S E EX XI IS ST TE EN NT TE ES S D DE E A AN N L LI IS SE E D DE E C CR R D DI IT TO O, , R RI IS SC CO O D DE E C CR R D DI IT TO O E E
C CL LA AS SS SI IF FI IC CA A O O D DE E R RI IS SC CO O - -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -5 51 1
6 6. . E ES ST TU UD DO O D DE E C CA AS SO O - - A A A AP PL LI IC CA A O O D DO O E EL LE EC CT TR RE E T TR RI I P PA AR RA A G GE ER RA AR R U UM M
M MO OD DE EL LO O P PA AR RA A C CL LA AS SS SI IF FI IC CA A O O D DE E R RI IS SC CO O- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -5 54 4
6.1. OS CRITRIOS-------------------------------------------------------------------------------54
6.2. METODOLOGIA PARA COLETA DE DADOS E GERAO DO MODELO62
6.3. APRESENTAO E DESCRIO DO MODELO PROPOSTO-----------------65
6.4. AVALIAO DOS RESULTADOS------------------------------------------------------68
xvii
7 7. . C CO ON NC CL LU US S E ES S E E S SU UG GE ES ST T E ES S P PA AR RA A E ES ST TU UD DO OS S F FU UT TU UR RO OS S- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -7 75 5
R RE EF FE ER R N NC CI IA AS S B BI IB BL LI IO OG GR R F FI IC CA AS S- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -7 78 8
A AN NE EX XO OS S - -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -8 81 1

2
1 1. . I IN NT TR RO OD DU U O O
1.1. O PROBLEMA
Em um ambiente econmico altamente competitivo, as empresas se vem cada vez mais em
um dilema de alocao eficiente de recursos. Nesse sentido, fundamental uma metodologia
de anlise de risco de crdito que aumente a produtividade, reduza o tempo de resposta para
os clientes, aumente os controles dos processos, preveja a falncia dos clientes de sua carteira
e, assim, minimize as perdas financeiras (ROWLAND, 1995).
Em outras palavras, a anlise de risco de crdito pode ser custosa para a empresa se no
houver procedimentos que maximizem a alocao de recursos humanos e financeiros. Em
alguns casos, a empresa pode at mesmo alocar esses recursos para analisar crditos de
clientes que tm pouco risco, enquanto a produo dos analistas poderia se focar naqueles
clientes que representam maior exposio para a carteira da empresa, com conseqente
aumento dos custos da organizao.
Alm da produtividade da empresa, outros fatores estratgicos, como em quais clientes
concentrar a carteira ou a precificao das transaes de acordo com os riscos desses clientes,
dependem de um bom sistema de anlise de crdito (KHALIL, MARTEL e JUTRAS, 1999).
3
Para isso, comum utilizar categorias de risco de crdito, tambm conhecidas como credit
rating ou credit scoring.
A classificao de risco de um cliente uma das informaes levadas em considerao pelas
empresas para uma srie de decises: se deve-se avaliar uma solicitao de compra ou
financiamento, fixar a taxa de risco de cada operao e, por conseqncia, qual seu preo,
determinar a flexibilidade das garantias exigidas pelo vendedor, definir o nvel mximo de
exposio (envolvimento financeiro) que uma empresa tem com seus clientes, bem como
conceder limites de crdito para clientes de menor risco (CUNHA NETO, 2004).
Apesar de a empresa estudada (doravante denominada empresa X) utilizar uma determinada
metodologia para classificao de risco atualmente, essa metodologia no pode ser usada para
empresas do setor financeiro. O sistema atualmente usado focado em corporaes
(indstrias, empresas de telecomunicao, de distribuio, etc.), que possuem caractersticas
estruturais e financeiras bastante distintas das empresas financeiras.
Assim, a proposta desse trabalho reside em gerar um modelo que possa apoiar os analistas
financeiros e o corpo gerencial de crdito para tomar decises mais rpidas quanto
concesso de crdito e para estimar qual o nvel do risco desse crdito. O modelo ser
desenhado com base em critrios previamente definidos e informaes disponveis em
agncias internacionais classificadoras de risco como a Moodys Investors Service
(Moodys) e a Fitch Rating.
4
1.2. OBJETIVO
O objetivo desse estudo propor a utilizao de um mtodo de Apoio Multicritrio Deciso
(AMD) para criar um modelo de anlise de crdito de empresas do setor financeiro que
poder ser usado por empresas que buscam um processo transparente para classificao de
risco de seus clientes. No modelo proposto, as empresas so classificadas em 5 grupos de
risco, 1 a 5, com base nos ratings concedidos pela Moodys, conforme diversos critrios pr-
estabelecidos pelos decisores.
A identificao do mtodo que melhor se adapta a esse problema foi baseada nos mtodos
existentes para o problema de classificao. Segundo Figueira, Mousseau e Roy (2005), os
problemas de classificao partem do princpio que um conjunto de critrios definido a
priori, e que as alternativas sero necessariamente alocadas a uma das categorias. Deve-se
notar que a alocao de uma alternativa a uma categoria no deve influenciar o perfil desta
categoria.
Pretende-se desenvolver, para uso das organizaes, um modelo simples e de alta utilidade, a
fim de gerar categorias de risco para os clientes e futuros clientes do setor financeiro, a partir
de dados financeiros e qualitativos das empresas clientes. O objetivo desse sistema melhorar
a produtividade dos analistas de crdito e motiv-los, porque no precisaro gastar tempo com
anlises longas para clientes de baixo risco. Esse modelo tambm pode gerar respostas rpidas
e eficientes e diminuir o custo da anlise de um crdito. Essa uma soluo para aumentar a
lucratividade das relaes comerciais com os seus clientes. Por fim, o sistema padronizaria a
deciso de crdito de maneira clara e transparente para todos os nveis das organizaes.
5
1.3. JUSTIFICATIVA
O ambiente econmico no qual as organizaes se encontram atualmente exerce uma presso
sobre os Gerentes e Analistas de Crdito que devem tomar uma srie de decises com base
em objetivos conflitantes (ROWLAND, 1995). Deve-se responder aos clientes de uma
maneira rpida e eficiente, ao mesmo tempo em que decises devem ser tomadas objetiva,
consistente e corretamente. O custo de uma anlise de crdito deve ser minimizado cada vez
mais e deve-se reduzir o risco de dvidas vencidas, tornando a empresa mais lucrativa. Um
exemplo recente de uma m deciso de crdito foi o prejuzo de aproximadamente U$10
bilhes relatado pelo Citibank (O GLOBO ONLINE, 2008). Esse resultado foi devido a uma
proviso de dvidas que clientes com risco de crdito alto (s vezes negado no mercado
americano) criaram com o banco e no puderam pagar.
Soma-se a isso a necessidade de procurar novos mercados, como o de Pequenas e Mdias
Empresas (PME), para aumentar sua participao de mercado. Essas empresas so
importantes nas estratgias de algumas organizaes por geralmente apresentarem bom
market share, necessitarem de financiamentos e investimentos em infra-estrutura e estarem
dispostas a pagar (ROWLAND, 1995).
Como mencionado anteriormente, importante ter um sistema de deciso para gerar
eficincia no processo de anlise de crdito e classificao de risco. Segundo Khalil, Martel e
Jutras (1999), essa importncia se d por diversos motivos. Algumas empresas usam sistemas
de delegao para aprovar o crdito e, por isto, precisa-se saber a classificao de risco para
determinar qual o aprovador, dado um valor solicitado. Alm disso, as empresas utilizam
essas classificaes para determinar a estratgia de deciso sobre em quais clientes se
concentrar, bem como quanto provisionar de perda para cada categoria de risco. Outra
6
vantagem do sistema de classificao de risco a possibilidade de ajudar na produtividade
dos analistas de crdito, que podem ento aprofundar as anlises de clientes de maior risco e
limitar a interveno dos analistas na avaliao de crdito daqueles clientes que possuem
baixo risco. Por fim, as empresas usam um sistema de classificao de risco para avaliar qual
a taxa ou o preo que deve ser cobrada pela empresa de seu cliente, frente ao risco que essa
empresa apresenta.
Assim, a relevncia do estudo consiste na possibilidade de gerar um modelo que melhora o
processo de classificao de risco da empresa X, o que permite a esta vantagens como decidir
rapidamente se aceita o risco de um cliente, estimar a taxa de risco que deve ser aplicada na
precificao de uma negociao, o nvel de exposio que a empresa X deve ter com seus
clientes, apontar quais os aprovadores de crdito da transao dado o seu valor, dentre outros.
Alm dessas vantagens, tambm se espera que o modelo permita reduzir as taxas de
inadimplncia dos clientes com a empresa por diminuir o risco da carteira da empresa X.
1.4. METODOLOGIA
No pesente trabalho, sugerimos um modelo de anlise de deciso que gera categorias de risco
de crdito para instituies financeiras na Amrica Latina. Foi selecionada essa regio por se
tratar da rea da Empresa X, da qual se tomar a base de dados. Essa tambm a regio que
carece de modelos mais precisos. Como clientes, foram selecionados os bancos, pois as
empresas industriais j possuem um modelo de crdito bastante difundido na empresa. Alm
disso, como cada segmento possui caractersticas especficas, inclusive quanto aos dados
financeiros, preferiu-se focar no setor financeiro.
7
O modelo foi desenvolvido com base nos modelos de AMD, mais precisamente nos da escola
europia (tambm denominada francesa ou francofnica), da famlia dos mtodos ELECTRE
(GOMES, 2007). importante utilizar um mtodo multicritrio, pois esses trazem
transparncia e padronizam as tomadas de deciso. Alm disso, os modelos de AMD
permitem fazer uso de critrios qualitativos (SANTOS, 2003), s vezes essencial no processo
de deciso de crdito.
Dos mtodos existentes de superao (surclassement, em francs ou outranking, em ingls) na
escola europia (ELECTRE e PROMETHEE), foi escolhido o mtodo ELECTRE TRI por
tratar do problema de classificao, apropriado para o problema desse trabalho.
Esse mtodo no somente prope categorias, mas tambm aloca as alternativas s categorias
criadas. Nesse mtodo, os clientes so alocados nos nveis de risco de crdito, dada sua
performance nos critrios escolhidos, permitindo assim construir um sistema de classificao
de risco que pode trazer diversas vantagens j mencionadas.
Procurou-se envolver ao mximo todos os agentes do processo decisrio para garantir que
todos eles conhecessem o trabalho desenvolvido e para que aderissem mais rapidamente e
com menor resistncia nova ferramenta.
Como mencionado anteriormente, a empresa X no possui um modelo de classificao de
risco para empresas financeiras. Por essa razo, a amostra foi constituda por uma seleo de
instituies financeiras avaliadas pela agncia internacional de risco Moodys.
Quanto aos critrios utilizados para definio do modelo, optou-se por utilizar uma adaptao
dos critrios usados pela Moodys, importante agncia de risco internacional. A Moodys tem
8
grande experincia na avaliao e classificao de risco de crdito. Alm disso, a empresa X
faz uso dessa agncia quando da mensurao do risco de crdito, estando as informaes ou
performance dos clientes nesses critrios amplamente disponveis para os analistas de crdito
da empresa X.
As performances das empresas selecionadas nos critrios estabelecidos devero alocar estas
alternativas (as empresas clientes) s categorias pr-estabelecidas. Essas categorias obedecem
a uma classificao numrica de risco, de 1 a 5, onde um risco 1 baixo risco e 5 alto risco.
Tendo em vista a necessidade de um modelo simples e de fcil entendimento pelos analistas
de crdito, optou-se por fazer o modelo em formato de Microsoft Excel (Microsoft
Corporation, Redmond, WA, EUA), software amplamente usado na empresa X e de
conhecimento de todos. A ferramenta desenvolvida no Microsoft Excel procurou usar as
regras lgicas e as expresses desse software para desenvolver as frmulas e clculos
necessrios para o mtodo ELECTRE TRI, eleito para o presente trabalho.
Por fim, apesar de existirem diversos estudos sobre anlise de crdito utilizando o mtodo
ELECTRE TRI, nenhum prope a alocao das alternativas (as empresas do setor financeiro)
classificaes de risco no constexto latino-americano. Por isso, essa dissertao um estudo
exploratrio que inicia uma pesquisa sobre esse tema.
1.5. RESULTADOS ESPERADOS
A expectativa deste trabalho desenvolver uma metodologia de classificao de risco de
bancos que possa ser de ampla utilidade para a empresa X bem como abrir caminho para uma
nova utilidade do modelo ELECTRE TRI em anlise de crdito.
9
A aplicao deste modelo para a empresa X poder ser benfica por trazer um modelo
transparente de classificao de risco de bancos que padronize a tomada de deciso por parte
dos agentes diretamente ligados aos processos de anlise de crdito. Alm disso, espera-se
que esse sistema traga uma melhor alocao de recursos da empresa X e reduza os riscos de
inadimplncia com o conseqente aumento do retorno financeiro da empresa X.
Alm disso, a utilizao pela empresa X de um mtodo de apoio multicritrio neste caso, o
ELECTRE TRI pode abrir espao para que esta utilize mtodos de AMD em outros
mtodos de anlise de crdito (por exemplo, para clientes de outros setores) ou at mesmo em
outros tipos de tomada de deciso.
Desta forma, espera-se que este trabalho crie uma cultura de que mtodos de AMD podem ser
teis para a empresa X dado que, por seu porte em faturamento, nmero de funcionrios e
portfolio de clientes, ela toma decises constantemente, s vezes sem um mtodo
transparente. Tambm espera-se trazer para a gerncia de crdito e todo o departamento de
crdito (os agentes da tomada de deciso do presente trabalho) uma ferramenta que melhora
suas condies de trabalho e, quem sabe, abre espao para outros analistas desenvolverem
ferramentas ainda melhores para execuo desta atividade.

10
2 2. . F FU UN ND DA AM ME EN NT TO OS S T TE E R RI IC CO OS S S SO OB BR RE E O OS S M M T TO OD DO OS S D DE E A AP PO OI IO O
M MU UL LT TI IC CR RI IT T R RI IO O D DE EC CI IS S O O
2.1. A TOMADA DE DECISO
Conforme Gomes (2007), deciso o processo que culmina na opo de ao menos uma dentre
diferentes alternativas, todas candidatas a resolver um problema. O dia-a-dia do ser humano
passa por diversos momentos em que uma deciso deve ser tomada. Algumas decises so
mais simples e podem ser apenas a escolha da melhor alternativa dentre as possveis.
Mesmo que uma deciso seja responsabilidade de um agente claramente identificado, essa
deciso pode ser um reflexo da interao de suas preferncias com as de outros indivduos
(ROY, 1985). Segundo Roy (1985), o desenrolar dessas confrontaes e interaes de
preferncias, sob o efeito de regras e presses prprias de um sistema que constitui o que
chamado de processo da deciso.
Ainda segundo Roy (1985), o ser humano tem uma capacidade de abstrao que o permite
pensar antes de agir. Essa atividade de deduo e modelagem o que constitui o apoio
deciso (aide la dcision). O apoio tomada de deciso uma atividade que utiliza
modelos explcitos mas no necessariamente formalizados para obter respostas s questes
surgidas durante o processo de deciso. A teoria do apoio deciso nasce, ento, da
11
necessidade de ajudar o ser humano a definir qual o processo para que se tome a melhor
deciso (GOMES, GOMES e ALMEIDA, 2006).
Existem diversos mtodos de processo de deciso como o modelo de Auren Uris (1989, apud
GOMES, GOMES e ALMEIDA, 2006), o mtodo cartesiano, os mtodos Min-Max e ainda
algumas tcnicas qualitativas de auxlio deciso como o brainstorming, matriz de
prioridade, diagrama da espinha de peixe, rvores de deciso, mapas cognitivos dentre outras.
Esses mtodos no so o objeto de estudo deste trabalho. Assim, para maiores detalhes sobre
esses mtodos, o manual de Gomes, Gomes e Almeida (2006) pode ser consultado.
O enfoque deste trabalho est nos mtodos de AMD. A definio simples de um critrio seria
uma forma, um instrumento de julgamento. Assim, segundo Belton e Stewart (2002), no
contexto da teoria da deciso, um critrio seria uma forma de julgar uma escolha ou uma ao
melhor do que a outra. Ao serem considerados diversos destes julgamentos que conflitam
entre si, podemos dizer que estamos frente de um problema de deciso multicritrio
(BELTON e STEWART, 2002). Desta forma, os mtodos AMD so um conjunto de mtodos
que utilizam diversos critrios para ajudar os indivduos ou grupos a explorar e tomar suas
decises.
A seguir, ser feito um resumo sobre a histria desses mtodos e como eles surgriam.
2.2. A HISTRIA DOS MTODOS AMD
A Tomada de Deciso no um problema recente e existem diversos processos nos quais esta
se apia. At a primeira metade do sculo XX, as tomadas de deciso tinham base na
esperana matemtica (GOMES, GOMES e ALMEIDA, 2006). Com o tempo, perceberam-se
12
as limitaes desses mtodos em certas condies e o risco passou a ser inaceitvel. Segundo
Gomes (2007), aps a Segunda Guerra Mundial e com base na experincia adquirida pelas
Foras Aliadas, as organizaes comearam a utilizar a Pesquisa Operacional para analisar e
preparar decises. Estas desenvolveram modelos matemticos para tomar decises, diminuir
custos e gastos e aumentar os lucros. Ou seja, eram modelos clssicos de otimizao e alguns
ainda so usados para resolver certos problemas atuais. No entanto, esses modelos eram
estritamente focados na maximizao monetria e perderam a validade quando se percebeu a
necessidade de avaliar outros critrios.
A partir do final da dcada de 60, surgiu ento a necessidade de resolver situaes em que os
decisores deveriam considerar diversos critrios simultaneamente. Surgiram assim os mtodos
multicritrio que so mtodos cientficos que consideram a subjetividade dos decisores e tm
a finalidade de possibilitar a transparncia e a sistematizao do processo referente aos
problemas de tomada deciso (GOMES, ARAYA e CARIGNANO, 2004). O primeiro
mtodo foi desenvolvido e publicado em Paris por Bernard Roy, em 1968 (ROY, 1985). Em
seguida, a escola americana desenvolveu outros mtodos com os trabalhos de Keeney e Raiffa
(1976) e Saaty (1977).
Esses mtodos multicritrio tinham como objetivo solucionar problemas decisrios que,
segundo Gomes (2007), tm tipicamente as seguintes caractersticas:
Os critrios de deciso devem ser no mnimo dois e ser conflitantes entre si;
Os critrios e as alternativas no so claramente identificados e as conseqncias no
so definidas;
Pode existir uma conexo entre os critrios e as alternativas, ou seja, a escolha de uma
alternativa pode ser reflexo da no escolha de outra, dado um critrio;
13
As decises so tomadas por um grupo de decisores e suas percepes diferem umas
das outras;
As restries e os critrios no so facilmente separados uns dos outros;
Os critrios podem ser quantificveis ou no;
As escalas dos critrios podem ser diferentes (cardinal, ordinal, verbal, etc).
Cabe ressaltar que os mtodos multicritrio nunca se propuseram a trazer uma soluo tima,
ou seja, a soluo ideal diante de todos os problemas e pontos de vista. O objetivo desses
mtodos o de propor ao menos uma soluo que se encaixe nesses pontos de vista da
maneira mais satisfatria possvel (GOMES, 2007). Os mtodos multicritrio so usados para
selecionar, ordenar, classificar ou descrever alternativas que levaro uma tomada de deciso.
2.3. OS MTODOS AMD EXISTENTES
As principais vertentes de AMD so a Escola Americana e a Escola Francesa. Essas escolas
surgiram com o intuito de criar procedimentos claros e transparentes que trariam as melhores
solues possveis para situaes em que o decisor se deparasse com diversos critrios. As
vertentes divergem na tcnica do modelo, bem como nas etapas do processo de tomada de
deciso.
As principais metodologias da Escola Americana so a Anlise Hierrquica de Dados (AHP,
do ingls Analytic Hierarchy Process) e a Teoria de Utilidade Multiatributo. O AHP foi um
dos primeiros mtodos desenvolvidos e, talvez, o mais usado no mundo, segundo Gomes,
Araya e Carignano (2004). Esse mtodo foi inicialmente desenvolvido por Thomas L. Saaty
(1977) e permite dividir o problema de deciso em nveis hierrquicos, facilitando sua
compreenso. Cada critrio pode ser dividido em subcritrios. No entanto, deve tambm
14
existir uma homogeneidade entre alguns critrios (os de mesmo nvel na hierarquia),
possibilitando a comparao entre eles.
O segundo mtodo, a Teoria da Utilidade Multiatributo (MAUT, do ingls, Multi-Attribute
Utility Theory), surge da conhecida Teoria da Utilidade (GOMES, 2007). O mtodo se apia
na teoria de que um indivduo maximiza a utilidade das funes. Nesse caso, o conjunto de
alternativas pode ser expresso por uma funo de valor v que deve ser maximizada. Por meio
de uma funo matemtica que considera os atributos envolvidos no problema, possvel
definir um valor para cada alternativa, e estas so avaliadas hierarquicamente.
Ao contrrio dos mtodos da Escola Americana, os mtodos da Escola Francesa admitem a
incomparabilidade entre duas alternativas (anteriormente definidas pela situao R). Assim,
os modelos da Escola Francesa so mais flexveis por no imporem ao decisor
necessariamente uma classificao hierrquica das alternativas. Alm disso, no calculada
nenhuma funo matemtica para definir o valor das alternativas. A Escola Francesa se divide
basicamente em dois grupos, os mtodos da famlia ELECTRE (limination et Choix
Traduisant la Ralit) e o mtodo PROMETHEE (Preference Ranking Organization Method
for Enrichment Evaluations).
A famlia de mtodos PROMETHEE foi desenvolvida por Jean-Pierre Brans em 1984 e se
fundamenta na relao de superao, atravs do fluxo lquido de superao. As alternativas
so comparadas, de acordo com o seu desempenho face aos critrios estabelecidos. Assim
como nos mtodos ELECTRE, o PROMETHEE vulnervel subjetividade, especialmente
na definio dos parmetros (GOMES, 2007).
15
A famlia PROMETHEE composta por 6 mtodos, I, II, III, IV, V e VI. Os mtodos
PROMETHEE I, II, III e IV foram criados para resolver problemas de ordenao, usando um
sistema de relaes de preferncia nebulosas e utilizando comparaes binrias (GOMES,
2007). No mtodo PROMETHEE I, algumas alternativas podem no ser comparveis e
somente as alternativas com superao confirmada so, de fato, ordenadas. Por isso, esse
mtodo chamado de ordenao parcial (BRANS, VINCKE e MARESCHAL, 1986). O
mesmo no acontece no PROMETHEE II, em que a relao de incomparabilidade no
admitida. Esse mtodo de ordenao completa. Os demais mtodos partem desses dois
mtodos: o PROMETHEE III utiliza a ordenao por intervalos, o PROMETHEE IV
generaliza o mtodo PROMETHEE II para um nmero infinito de alternativas, o mtodo
PROMETHEE V amplia o escopo de aplicao do PROMETHEE II para quando se deseja
selecionar um subconjunto de alternativas. Por fim, o PROMETHEE VI usado quando o
decisor no quer ou no pode atribuir pesos para os critrios, permitindo especificar intervalos
de possveis valores em lugar de um valor fixo para cada peso (GOMES, 2007; GOMES,
GOMES e ALMEIDA, 2006).
A outra famlia de mtodos da Escola Francesa que utiliza a relao de superao a dos
mtodos ELECTRE, listados na Tabela 1 abaixo. O primeiro mtodo foi o ELECTRE I,
desenvolvido por Bernard Roy em 1968. Em seguida, foram criados outros mtodos seguindo
sempre a relao de superao S entre as alternativas. Foram desenvolvidos outros mtodos,
fundamentados no ELECTRE I, para tratar de outras problemticas que no de seleo.
Assim, os mtodos ELECTRE diferem entre si no que diz respeito ao tipo de problema
(seleo, classificao, ordenao), dentre outras caractersticas descritas no quadro abaixo
(GOMES, ARAYA E CARIGNANO, 2004).
Tabela 1 - Mtodos da Famlia ELECTRE
16
Verso Autor Ano Tipo de Problema Tipo de Critrio Utiliza Pesos
I Roy 1968 Seleo Simples Sim
II Roy e Bertier 1973 Ordenao Simples Sim
III Roy 1978 Ordenao Pseudo Sim
IV Roy e Hugonard 1982 Ordenao Pseudo No
IS Roy e Skalka 1985 Seleo Pseudo Sim
TRI Yu Wei 1992 Classificao Pseudo Sim
Fonte: GOMES, ARAYA E CARIGNANO, 2004.
Alm dos mtodos mencionados acima, existem outros mtodos como o TODIM (Tomada de
Deciso Interativa e Multicritrio), fundamentado na Teoria dos Prospectos de Kahneman e
Tversky (1979), que tem suas razes na tese de doutorado de Gomes de 1976 (GOMES, 2007;
GOMES e RANGEL, 2007). Outro mtodo o MACBETH (Measuring Attractiveness by a
Categorical Based Evaluation Technique), que utiliza uma escala nominal para as avaliaes
pelos diferentes agentes da deciso. Esse mtodo foi criado por Bana e Costa e Vansnick
(BANA E COSTA e VANSNICK, 1999). Ainda existe o mtodo de Anlise Verbal de
Decises, calcado na descrio verbal de problemas decisrios para que seja tomada uma
deciso. Os principais autores so Larichev e Moshkovich (1997, apud GOMES, 2007) e
Larichev e Olson (2001, apud GOMES, 2007). O Mtodo dos Conjuntos Aproximativos
fundamentado na Teoria dos Conjuntos Aproximativos (Rough Set Theory), do pesquisador
Pawlak (1982, apud GOMES, 2007), que resolve o problema da indiscernabilidade (que
impede a revelao de estruturas ou de padres de classificao) entre os elementos do
mesmo conjunto. A aplicao da Teoria dos Conjuntos Aproximativos como mtodo
multicritrio ainda no foi amplamente explorada, mas j foi aplicada a problemas de
classificao e descrio das alternativas. Por fim, tambm existe a escola holandesa,
17
desenvolvida desde a dcada de 70. A sua aplicao, na maior parte das vezes, em
problemas de economia regional, urbana ou de gesto ambiental. Esses mtodos que
compem a escola holandesa so freqentemente influenciados por outros mtodos como os
primeiros mtodos ELECTRE e por mtodos de ponderao dos primrdios do apoio
multicritrio deciso. Esse apenas um resumo dos mtodos no pertencentes nem escola
francesa nem escola americana. O autor Gomes (2007) descreve todos esses mtodos com
mais detalhes.
2.4. CONCEITOS BSICOS E COMPONENTES DE UM MODELO DE DECISO
MULTICRITRIO
2.4.1. PROBLEMA E TIPOS DE PROBLEMTICA
Como afirmado anteriormente, os mtodos multicritrio existem para esclarecer um problema
que podem ser de seleo, ordenao, classificao ou descrio de alternativas. Os Tipos de
Problema so normalmente descritos como (ROY, 1985):
Problema tipo u (Pu): selecionar a(s) melhor(es) alternativa(s) dado um conjunto de
alternativas, esclarecimento da deciso atravs da escolha de alternativas (o mais
restrito possvel);
Problema tipo (P): classificar as alternativas em categorias definidas a priori em
funo de normas estabelecidas, esclarecimento da deciso por triagem, por meio da
alocao das alternativas a categorias previamente definidas;
Problema tipo (P): ordenar as alternativas, esclarecimento da deciso por meio de
agrupamento das alternativas (ou parte delas) em classes de equivalncia;
Problema tipo o (Po): descrever detalhadamente as alternativas para facilitar o decisor
no processo da deciso.
18
importante notar que esses tipos de problema no so independentes entre si, pois a
ordenao das alternativas (P) pode ser a base para resolver problemas de seleo da melhor
alternativa (P) (GOMES, ARAYA e CARIGNANO, 2004).
2.4.2. OS ATORES DE UM PROCESSO DECISRIO
O apoio tomada de deciso um processo em que modelos so desenvolvidos com o
objetivo de trazer uma soluo para uma escolha entre alternativas, classificao entre as
alternativas, ordenao das alternativas ou ainda descrio das alternativas. Esse processo
envolve alguns atores e os modelos criados se fundamentam nas preferncias desses (ROY,
1985). Os agentes no processo de tomada de deciso so o decisor (que assim ser referido,
mas que tambm denominado de Tomador de Deciso) e o analista da deciso (GOMES,
2007).
O decisor o indivduo (ou grupo de indivduos) que tem o poder final e a responsabilidade
das conseqncias da sua deciso. Dados seu juzo de valor e pontos de vista, caber a esse
agente tomar a deciso com base nas recomendaes apresentadas. para o decisor que o
modelo de apoio deciso desenhado.
No entanto, segundo Roy (1985), apoiar o decisor no quer dizer que somente suas
preferncias, opinies e estratgias devem ser consideradas, em detrimento dos outros agentes
do processo de deciso.
Durante um processo de deciso, o decisor pode assumir o papel de desenvolver a atividade
de apoio deciso. No entanto, o decisor no tem um olhar crtico sobre seus problemas e
preferncias. Como exemplificado por Roy (1985), como se um mdico cuidasse da sua
19
prpria sade. Por isso, normalmente entra um segundo ator, o homem de estudo (homme
dtude, por ROY, 1985) ou o analista. Seu papel , dentre outros, moldar o problema com
base em seu conhecimento nas ferramentas e no AMD.
Por ltimo, pode existir um terceiro ator no processo decisrio. Esse o solicitante (ou
demandeur, em francs) que pode encomendar um estudo no caso de no haver nenhum
contato possvel entre o decisor e o homem de estudo.
2.4.3. AS ALTERNATIVAS
Os Decisores e Analistas trabalham juntos para enumerar o conjunto de aes ou alternativas.
Essa a denominao daquele conjunto que envolve exaustivamente todas as alternativas,
reais ou fictcias, e que so realistas para um determinado problema. Segundo a definio de
Roy (1985), uma alternativa a a representao de uma eventual contribuio deciso
global sucetvel. Cada alternativa introduzida em um modelo deve ter algum sentido, alguma
contribuio para o modelo. Uma alternativa no precisa ser factvel ou vivel para ser
considerada alternativa, pois o conjunto de alternativas deve ser exaustivamente composto por
todas as alternativas.
Assim, as alternativas podem ser diferenciadas de duas formas: reais versus fictcias e
realistas versus irrealistas. As alternativas reais so aquelas resultantes de um projeto
existente, que so suscetveis a serem postas em ao, ao contrrio das fictcias que so
oriundas de um projeto idealizado, construdo na imaginao. Por outro lado, uma alternativa
pode ser realista, quando ela executvel, ou, do contrrio, irrealista, quando ela no pode ser
executada e tem objetivos incompatveis (ROY, 1985).
20
Quando uma alternativa real ou fictcia provisoriamente julgada de realista, ela passa a ser
uma alternativa potencial. O conjunto das alternativas potenciais normalmente representado
por A.
2.4.4. OS CRITRIOS
Os atributos so os caminhos que norteiam as escolhas de alternativas, dadas as preferncias
do decisor. Essas preferncias vo gerar um conjunto de regras que possibilita escolher uma
alternativa entre um par destas. O conjunto de regras assim formado so os critrios da
deciso.
Segundo Bouyssou (1990), independentemente de ser utilizado um mtodo monocritrio ou
multicritrio, o sucesso da tomada de deciso depende de como o critrio ou a famlia de
critirios foram construdos. Segundo sua definio, critrio uma ferramenta que permite
comparar as alternativas de acordo com um ponto de vista. Usando termos formais, um
critrio ou funo critrio g, aqui usados com o mesmo sentido, uma funo de valor real
sobre o conjunto de alternativas A tal que faa sentido comparar duas alternativas a e b pelos
seus valores de critrio g(a) e g(b) (BOUYSSOU, 1990).
Em um mtodo multicritrio, um analista usa diversos critrios com base em diferentes pontos
de vista. Esses pontos de vista representam justamente a preferncia dos atores da deciso. A
comparao de cada um desses critrios uma preferncia parcial desses atores. Resumindo,
um critrio uma ferramenta que permite somar as performances das alternativas em
pontos de vista para estabelecer uma preferncia parcial, naquele determinado critrio.
21
Assim, um critrio g associado a uma escala de um conjunto de valores reais que permite
fazer comparaes como as abaixo (GOMES, GOMES e ALMEIDA, 2006). Sendo P uma
relao de preferncia estrita e I uma relao de indiferena (esses conceitos sero
apresentados no Captulo 2), temos que:
a P b g (a) > g (b) e
a I b g (a) = g (b).
2.4.4.1. Tipos de Critrios (Quantitativos x Qualitativos)
Os critrios podem ser quantitativos ou qualitativos. Eles so quantitativos quando podem ser
atribudos a escalas numricas bem definidas como lucratividade, preo, e outros. Nos
critrios qualitativos no existem valores para medir o desempenho dos critrios. No caso dos
critrios qualitativos, geralmente utilizam-se escalas em que se atribuem valores aos graus
desses critrios, por exemplo, algo bom seria 1, razovel atribui-se 2 e ruim 3. Essa atribuio
de valores foi utilizada nesse trabalho, como ser apresentado mais frente, no Captulo 6.
2.4.4.2. Pesos dos Critrios
Em alguns mtodos multicritrio, comum que os agentes considerem alguns critrios mais
importantes que outros e por isso so atribudos pesos a esses critrios (GOMES, GOMES e
ALMEIDA, 2006). Os pesos so uma forma de medir quantitativamente essa ordem de
preferncia relativa dos critrios, do ponto de vista do decisor. Ele usualmente representado
pela letra w.
22
2.4.4.3. Axiomas de uma Famlia de Critrios
Uma famlia de critrios F = {g
1
, g
2
, g
3
, ..., g
n
} com n critrios (sendo n>1) aplicados ao
conjunto de alternativas A associar a cada uma das alternativas n nmeros g (a). Para que
essa famlia de critrios desempenhe sua funo em um processo decisrio, necessrio que
trs axiomas bsicos de coerncia sejam respeitados (GOMES, GOMES e ALMEIDA, 2006;
SANTOS, 2003):
Axioma de Exaustividade: os critrios representam exaustivamente todos os atributos
que devem ser levados em considerao no problema. Pode ser feito um teste para
verificar se o axioma est sendo respeitado: enquanto houver algum critrio g(b) =
g(a) e ainda assim for possvel negar que a I b, ainda no foram usados todos os
critrios.
Axioma da Coeso: ... sejam a e b aes potenciais ligadas por uma relao segundo
a qual a pelo menos to boa quanto b (a P b, a Q b ou a I b). Se, por um motivo
qualquer, ocorrer aumento na performance de a, segundo um critrio g
k
,
permanecendo inalteradas as demais performances g
j
(a), j = k, ento a ao a* assim
obtida tal que a sua relao com b se processa pelo menos no mesmo nvel de
intensidade anteriormente existente, ocorrendo ou no depreciao de alguma
performance de b (GOMES, GOMES e ALMEIDA, 2006).
Axioma da No-Redundncia: Considere-se um critrio k de F e, reiterando, a famlia
F\{k} deduzida de F. Admita que os n-1 critrios de F\{g
k
} sejam suficientes para
prover a essa nova famlia o papel inicial de F. Diz-se ento que k um critrio
redundante, isto , a sua retirada define uma famlia F\{k} que satisfaz as duas
23
exigncias de exaustividade e coeso. Ou seja, k fortemente dependente dos n-1
critrios que constituem F\{k} (GOMES, GOMES e ALMEIDA, 2006).
2.4.4.4. Independncia entre os Critrios Relaes Intercritrios
Alm dos axiomas acima descritos, tambm importante que uma famlia de critrios seja
composta por critrios independentes entre si. A independncia dos critrios pode se dar por
trs aspectos distintos: isolabilidade, separabilidade e ausncia de fatores que incluenciam
conjuntamente vrios critrios (GOMES, GOMES e ALMEIDA, 2006).
A isolabilidade de cada critrio quando nenhum outro fator que no esteja sendo
considerado no critrio k deve influenciar na comparao de duas alternativas. Essa
comparao, segundo o critrio k, deve ser feita considerando-se apenas suas respectivas
performances segundo esse critrio.
A separabilidade existe quando as preferncias entre as alternativas que no diferem a no ser
por suas performances segundo os critrios de uma subfamlia de critrios M independem das
performances segundo os critrios da subfamlia complementar M. Ou seja, afirma-se que M
preferencialmente independente em F.
Por fim, recomenda-se trabalhar com critrios que sejam estruturalmente independentes. No
entanto, comum que haja critrios, dentro de uma mesma famlia de critrios, que
apresentem alguma ligao de ordem estrutural. Essa ligao pode ser devida presena de
fatores que podem influenciar as performances desses critrios, podendo chegar a uma
redundncia. Assim, deve-se garantir que esses critrios no sejam redundantes e apresentem
alguma informao adicional que acrescenta algum valor no processo de deciso.
24
2.4.4.5. Verdadeiro-critrio, Quase-critrio e Pseudo-critrio Relaes Intracritrios
Quando da construo de um critrio, podem ser adotados modelos diferentes para definir o
poder discriminante do critrio. Dependendo do modelo, o critrio pode ser chamado de
verdadeiro-critrio, quase-critrio ou pseudo-critrio. Essa informao denominada de
informao intracritrio.
No modelo verdadeiro-critrio, tem-se que:
a P b g (a) > g (b) e
a I b g (a) = g (b)
Ou seja, qualquer diferena entre as performances dos critrios caracteriza-se por uma
preferncia estrita. J a relao de indiferena se d sempre que as performances das
alternativas nos critrios assumirem valores iguais.
No entanto, normal que alguns modelos assumam que uma pequena diferena entre g (a) e g
(b) continue caracterizando uma relao de indiferena entre as alternativas a e b. Essa
diferena denominada de limite de indiferena (q). Nesses modelos, tambm chamados de
modelos quase-critrio, temos que:
a P b g (a) - g (b) > q (g(b)) e
a I b g (a) - g (b) _ q (g(b))
Finalmente, no modelo pseudo-critrio, um desvio ligeiramente superior ao limite de
indiferena leva a uma preferncia estrita. No entanto, para evitar uma passagem brusca de
preferncia estrita para a indiferena, cria-se a preferncia fraca que tem como limites q
(limite de indiferena) e p (limite de preferncia). A preferncia fraca (Q) uma hesitao
25
entre a indiferena (I) e uma preferncia estrita (P). Se supormos que g(a) _ g(b), no modelo
pseudo-critrio teremos:
a P b g (a) - g (b) > p (g(b)) ;
a Q b q (g(b)) < g (a) - g (b) _ p (g(b)) e
a I b g (a) - g (b) _ q (g(b))
O modelo pseudo-critrio a base do ELECTRE TRI, como veremos mais frente. Tambm
sero discutidos, no item 2.6. os tipos de preferncias (P, Q, I, dentre outras).
2.5. ETAPAS DO PROCESSO DE DECISO
Segundo Gomes, Gomes e Almeida (2006), os mtodos de AMD tm por objetivo esclarecer
e criar um processo transparente de deciso que leve em conta os valores e julgamentos dos
agentes de deciso. No entanto, por se tratar de mtodos que no so puramente matemticos
e que levam em conta um certo grau de subjetividade, no existe um modelo genrico de
estruturao de problema. O trabalho de estruturar o problema deve ser elaborado com o
intuito de formalizar qual ser o modelo de deciso, os critrios e a metodologia utilizados.
Para Belton e Stewart (2002), o processo do AMD passa por trs fases: identificao e
estruturao do problema, construo do modelo e desenvolvimento de planos de ao. A
primeira fase de identificao e estruturao do problema quando se traz mesa o problema
e suas complexidades. Antes de comear a anlise de um problema, necessrio que todos os
agentes de deciso (decisor, analista e facilitadores, se esses existirem) se renam para que
haja um consenso no entendimento do problema, quais decises devem ser tomadas e os
critrios que levaro a tais decises.
26
Na segunda fase, espera-se que o pensamento dos agentes j seja mais convergente. O modelo
formalmente desenvolvido, levando em considerao as preferncias, julgamentos e valores
dos decisores. O modelo a forma transparente e sistemtica de comparar as alternativas,
levando em considerao os parmetros definidos. possvel que, nesse momento, se decida
retornar primeira fase, caso haja opes mais criativas para o problema inicial.
A partir das alternativas geradas pelo modelo, ser ento desenvolvido o plano de ao para
solucionar da melhor forma possvel o problema. Isto porque os modelos de AMD no se
propem a resolver o problema e sim a encontrar alternativas para solucionar os problemas.
Assim, os decisores devem ter conscincia do plano de ao para implementar essas
alternativas.
A primeira fase comum a todos os modelos de AMD. a fase em que os autores definem o
problema. Nessa fase, so identificadas as alternativas, os critrios que nortearo a deciso e
possivelmente o peso que esses critrios tero no momento da deciso. As diferenas entre os
modelos de AMD esto nas duas ltimas fases, isto , na natureza do modelo, nas
informaes necessrias para o modelo e como esse ser utilizado.
2.6. PREFERNCIAS
2.6.1. MODELAGEM DAS PREFERNCIAS
A seguir sero apresentadas as relaes de preferncias consideradas nos modelos de AMD,
suas propriedades, situaes dos agentes de deciso e sua estruturao.
Frente a duas alternativas do seu conjunto de alternativas A, considera-se que o decisor seja
capaz de declarar sua preferncia ou indiferena entre essas. Ou seja, segundo Gomes, Araya
27
e Carignano (2004), as preferncias do decisor so expressas por una relao binria. Essa
relao binria de grande importncia para modelagem das preferncias e segue algumas
propriedades clssicas descritas a seguir:
Reflexividade: a relao binria considerada reflexiva se a X, tem-se (a,a) ;
Irreflexividade: a relao binria considerada irreflexiva se a X, tem-se (a,a)
;
Simetria: a relao binria considerada simtrica se (a,b) supe tambm que
(b,a) ;
Assimetria: a relao binria considerada assimtrica se (a,b) supe tambm
que (b,a) ;
Transitividade: a relao binria considerada transitiva se (a,b) e (b,c)
implicam (a,c) .
Outras situaes importantes na modelagem das preferncias so as que o decisor pode se
encontrar quando compara duas alternativas (ROY, 1985). Segundo Gomes, Araya e
Carignano (2004), so quatro as situaes fundamentais e mutuamente excludentes das
preferncias do decisor:
Indiferena (I): o decisor indiferente entre as alternativas, ou seja, existe claramente
uma equivalncia entre as duas alternativas. Essa relao expressa por aIb e
simtrica e reflexiva.
Preferncia Estrita (P): o decisor prefere estritamente e sem dvida uma alternativa a
outra. Essa relao expressa por aPb e uma relao assimtrica e irreflexiva.
28
Preferncia Fraca (Q): o decisor no consegue definir se prefere uma alternativa a
outra ou se essas so indiferentes. Essa relao expressa por aQb e, assim como a
preferncia estrita, tambm uma relao assimtrica e irreflexiva.
Incomparabilidade (R ou NC): situao que no se enquadra em nenhuma das
situaes anteriores. denominada por aRb e simtrica e irreflexiva.
As ltimas situaes (Preferncia Fraca e Incomparabilidade) foram introduzidas pela Escola
Francesa, nos mtodos da famlia ELECTRE. A idia foi lidar com algumas situaes em que
no era possvel identificar nem a Preferncia Estrita nem a Indiferena, admitindo a
incomparabilidade. Segundo Gomes, Araya e Carignano (2004) essas situaes podem
ocorrer quando:
Os agentes da deciso no conseguem decidir entre duas alternativas, pois a
informao pode ser incompleta ou no ser subjetiva.
Os agentes da deciso no conseguem determinar as reais preferncias dos decisores
por serem inacessveis. Os decisores podem ser uma entidade remota (por exemplo,
Chefe de Estado ou Presidente de Empresa) ou uma entidade esparsa (opinio pblica)
que podem ter preferncias mal definidas ou contraditrias.
Os agentes de deciso no conseguem discriminar uma alternativa.
A combinao das quatro situaes fundamentais, descritas anteriormente, deu origem a
outras situaes importantes. Essa combinao permite criar novas situaes que refletem
29
melhor o que ocorre na prtica com os agentes de deciso. Essas novas situaes, resumidas
por Gomes, Araya e Carignano (2004), so:
No-preferncia (~): situao em que as alternativas so indiferentes ou incomparveis
para o decisor, isto , a~b se e somente se aIb ou aRb.
Preferncia (em sentido amplo) (): o decisor no capaz de definir se h preferncia
estrita ou fraca entre duas alternativas. Nesse caso, ab se e somente se aPb ou aQb.
Presuno de preferncia (J): quando o decisor tem uma preferncia fraca por uma
alternativa e que, no limite, ela pode chegar a indiferena. Essa situao representada
por aJb se e somente se aQb ou aIb.
K-preferncia (K): o decisor se depara com uma situao em que ou tem uma
preferncia estrita por uma alternativa ou identifica uma incomparabilidade entre as
alternativas. A reao representada por aKb se e somente se aPb ou aRb.
Superao (S): combina trs situaes (preferncia estrita, preferncia fraca e
indiferena) sem que o decisor seja capaz de distingu-las. Assim, aSb se e somente se
aPb ou aQb ou aIb.
Essa ltima relao de superao a situao de preferncia usada nos modelos da Escola
Francesa, como veremos mais frente.
30
2.6.2. ESTRUTURA DAS PREFERNCIAS
Dadas as propriedades e as relaes binrias apresentadas acima, pode-se definir alguns tipos
de estrutura das preferncias sobre um conjunto de alternativas A. Uma das estruturas a pr-
ordem completa, uma classificao com possibilidade de empate (GOMES, 2007). No
entanto, as relaes de preferncia nessa estrutura e a imposio de transitividade dessas
conduzem a uma modelagem pouco realista e, portanto, foram definidos outros tipos de
estrutura: quase-ordem, ordem de intervalo, pr-ordem parcial e pseudo-ordem.
A quase-ordem e a ordem de intervalo admitem que a relao simtrica no perfeitamente
transitiva em decorrncia de casos extremos. Esses casos so definidos pelo limite da
indiferena q. A diferena entre as duas que a quase-ordem uma ordem de intervalo onde o
limite da indiferena constante.
A pr-ordem parcial conta com trs relaes binrias em um conjunto de alternativas A. Ela
uma generalizao da pr-ordem completa pois permite que haja incomparabilidade na
classificao porm guardando a transitividade.
Por fim, a estrutura mais complexa, a pseudo-ordem similar quase-ordem com uma
relao binria adicional. Essa relao corresponde preferncia fraca e se d por meio da
introduo de um limite de preferncia p. A pseudo-ordem a estrutura utilizada no
ELECTRE em que so admitidos trs tipos de relaes binrias: a preferncia estrita (P), a
preferncia fraca (Q) e a indiferena (I). Essas relaes so como regies delimitadas pelos
limites de indiferena (q) e de preferncia (p).
31
2.7. MATRIZ DE DECISO
Ao avaliar todas as alternativas de um conjunto A
i
segundo os critrios g
j
, pode-se obter uma
matriz de deciso com todos os resultados a
ij
dessas avaliaes. As linhas dessa matriz
representam o desempenho de uma alternativa a
i
nos n critrios considerados no modelo. As
colunas representam o resultado de todas as alternativas em um determinado critrio. O anexo
1 a matriz de deciso do modelo gerado para esse trabalho.
2.8. AVALIAO DE PERFORMANCES
Cada critrio de uma deciso associado a uma estrutura de preferncia (por exemplo, pr-
ordem, quase-ordem ou pseudo-ordem) definida pelas preferncias do decisor. Para viabilizar
essa avaliao, fundamental que a matriz de performance, acima descrita, seja composta por
nmeros (sejam de ordem cardinal sejam de ordem nominal, dependendo do tipo de atributo).
Conforme visto no item 2.4.4, podem-se atribuir valores a quaisquer tipos de critrios. Os
critrios quantitativos j podem ter valores pela sua natureza. Os critrios qualitativos pdoem
utilizar escalas para atribuir valores numricos a cada alternativa. Outra forma de atribuir
valor atravs de uma funo de utilidade, atribuindo valores 0 ou 1 para cada alternativa, de
acordo com sua performance em um critrio (SANTOS, 2003).
2.9. PROCEDIMENTO DE AGREGAO MULTICRITRIO (PAMC)
Uma vez construda a matriz de deciso e feita a avaliao de performances, inicia-se o
Procedimento de Agregao Multicritrio (PAMC). O PAMC uma regra que permite
estabelecer as relaes de preferncia sobre um conjunto A de alternativas potenciais. Essas
relaes podem ser dos tipos descritos no item 2.6 (CUNHA NETO, 2004). Como algumas
32
dessas relaes no so admitidas em alguns mtodos de AMD, cada mtodo tem um PAMC
diferente.
Como visto no item 2.3., a Escola Americana no admite a incomparabilidade (R). Quando
um mtodo PAMC construdo de forma s relaes binrias exclurem a incomparabilidade
e satisfazerem transaitividade, diz-se que o modelo visa construo de um critrio nico de
sntese, tpico da Escola Americana. Nos PAMC assim definidos, a comparao entre as
alternativas feita de forma global, dados os valores obtidos para critrio nico de sntese.
Quanto maior o valor obtido no critrio nico de sntese, melhor ser considerada a
alternativa (GOMES, GOMES e ALMEIDA, 2006).
A Teoria da Utilidade Multiatributo admite apenas dois tipos de relao de preferncias
bsicas: a situao de preferncia estrita ( P ) e a situao de indiferena ( I ). Isto , quando
duas alternativas quaisquer a e b so comparadas, apenas uma das afirmaes abaixo pode ser
verdadeira (SANTOS, 2003):
a) a prefervel a b, aPb;
b) b prefervel a a, bPa;
c) a indiferente a b, aIb.
Alm disso, conforme a propriedade da transitividade das relaes binrias:
a) se a prefervel a b e b prefervel a c, ento a deve ser prefervel a c, ou seja,
existe transitividade de preferncia;
b) e se a indiferente a b e b indiferente a c, ento a deve ser indiferente a c, ou seja,
existe transitividade de indiferena (GOMES, GOMES e ALMEIDA, 2006).
33
J nos mtodos da Escola Francesa, a modelagem de preferncias permite quatro relaes
binrias de preferncias: a preferncia estrita (P), a preferncia fraca (Q), a indiferena (I) e a
incomaprabilidade (R). Alm disso, ela possui outras caractersticas como (GOMES,
GOMES, ALMEIDA, 2006):
c) no pressupor, necessariamente, a transitividade (admite subordinao e anlise
paritria),
d) permitir ordenar as alternativas em termos relativos, no sendo no entanto possvel
a indicao do mrito global de cada alternativa;
e) no necessitar de uma funo utilidade para caracterizar a dominncia de uma
alternativa sobre outra, fazendo uso de comparaes paritrias entre as alternativas;
Por assumir a relao de incomparabilidade e no pressupor a transitividade, a escola francesa
se apoia na relao de superao (S), definida pela situao em que uma alternativa a supera
uma alternativa b (aSb) se a alternativa a for ao menos to boa quanto a alternativa b. A
Escola Francesa (e o ELECTRE) tambm tem como caracterstica no utilizar um nico
critrio de sntese e o procedimento de agregao realizado de forma a fazer comparaes
binrias entre as alternativas critrio a critrio.
Assim, uma relao binria do tipo a S b, a Q b, a P b ou a I b pode ser recusada, desde que,
segundo algum critrio g
j
de C(bPa), a diferena g
j
(b) g
j
(a) seja considerada muito elevada.
Ou seja, um limite de veto(v
j
) dever ser estabelecido para cada critrio (SANTOS, 2003).
34
2.10. A ESCOLHA DO MTODO
A metodologia de apoio multicritrio deciso possui diversos mtodos que podem ser
utilizados para a soluo dos mais diversos problemas. A escolha de um mtodo de apoio
multicritrio deciso por si s j um problema multicritrio (OZERNOY, 1992).
O mtodo ELECTRE TRI, como visto anteriormente, um modelo desenvolvido para
problemas do tipo (P), isto , de classificao. A proposta desse trabalho de classificar os
clientes de uma empresa em categorias de risco e, por isso, foi escolhido o modelo ELECTRE
TRI para desenvolver o modelo de deciso. O mtodo ELECTRE TRI j foi usado em alguns
artigos sobre risco de crdito, seja para classificao de risco ou para previso de falncia das
empresas(DIMITRAS, ZAPOUNIDIS e HURSON, 1995; BERGERON, MARTEL e
TWARABIMENYE, 1996; KHALIL, MARTEL e JUTRAS, 1999).
Como visto no item anterior, 2.9, o PAMC da escola francesa apresenta algumas
caractersticas consideradas favorveis para esse estudo (SANTOS, 2003):
a existncia de critrios qualitativos, que permitem adicionar ao modelo caractersticas
no quantificveis como averso a risco, ambiente operacional, e outros (vide 6.1.2),
cujas diferenas de performances intercritrios no tm significado comparativo no
que diz respeito a uma gradao de preferncias;
a natureza dos critrios fortemente heterognea e possibilita uma avaliao de
performances das alternativas em diferentes escalas e unidades;
35
a compensao de uma perda segundo um critrio representado por um ganho segundo
outro critrio efetua-se de forma complexa e em ligao com sistemas de valores no
necessariamente considerados na modelagem do problema;
a necessidade de utilizao de pseudocritrios para obteno das preferncias globais.
2.11. ANLISE DE SENSIBILIDADE E ROBUSTEZ
Segundo Gomes, Gomes e Almeida (2006), deve-se realizar uma Anlise de Sensibilidade
aps ser aplicado um mtodo de apoio multicritrio para verificar como as variaes
introduzidas nos parmetros do mtodo influenciaram os resultados obtidos. Ess anlise
permite tambm fazer avaliar a estabilidade e robustez, tambm importantes para a qualidade
do modelo.
A anlise de estabilidade verifica a velocidade com a qual uma soluo se degrada a um nvel
pr-determinado. Um problema multicritrio pode possuir uma estabilidade fraca quando,
feita a anlise de sensibilidade, a melhor soluo permanece dentro do conjunto de solues
no-dominadas (uma alternativa a no-dominada quando, dentro do conjunto A das
alternativas potenciais, no h nenhuma alternativa b que supere a alternativa a, em todas as
pr-ordens dos critrios). Um problema ter estabilidade forte quando o conjunto de solues
no dominadas no se altera.
A anlise de robustez objetiva verificar, aps a anlise de sensibilidade, se a pr-ordem
encontrada no conjunto de solues no dominadas se altera (GOMES, GOMES e
ALMEIDA, 2006).
36
3 3. . F FU UN ND DA AM ME EN NT TO OS S T TE E R RI IC CO OS S S SO OB BR RE E O OS S M M T TO OD DO OS S E EL LE EC CT TR RE E
Alguns fundamentos importantes dos modelos de AMD so recorrentes nos modelos
ELECTRE. Primeiramente, os mtodos ELECTRE levam em considerao o Sistema
Fundamental de Relaes de Preferncias (SFRP), que permite outras relaes entre as
alternativas como a Incomparabilidade (R) e a Preferncia Fraca (Q). Esss relaes, ao serem
combinadas, geram uma srie de relaes secundrias (conforme 2.6.1), destacando-se a
relao de superao (S), importante para os mtodos da Escola Francesa.
Esta relao de superao (surclassement em francs e outranking em ingls) combina trs
relaes do SFRP, Indiferena (I), Preferncia fraca (Q) e Preferncia estrita (P), para indicar
a situao em que o agente da deciso tem as suas relaes de preferncias bem definidas.
Assim sendo, considera-se que uma alternativa supera a outra (aSb) quando a primeira ao
menos to boa quanto a segunda. Segundo Neves e Costa (2006), consideram-se as
alternativas subordinadas aquelas que perdem para as demais em maior nmero de critrios.
Alm disso, na famlia ELECTRE, no se pressupe necessariamente a propriedade transitiva
das relaes de preferncia. Pode haver uma situao em que, por exemplo, aQb e bQc mas
aPc. Ou ainda, que aPb e bPc mas aRc.
37
Outra caracterstica da famlia de mtodos ELECTRE o uso do modelo pseudo-critrio. O
pseudo-critrio o critrio que delimita o limite da transio de uma situao de preferncia
para outra, quando comparadas duas alternativas. Cada critrio est associado a um limite de
preferncia e de indiferena que classifica a relao de duas alternativas quaisquer em uma
das situaes fundamentais, como ilustrado na Figura 1 (GOMES, ARAYA E CARIGNANO,
2004), dados:
Limite de preferncia (p): aPb g(a) g(b) > + p
Limite de indiferena (q): aIb -q _ g(a) g(b) _ +q
Situao de preferncia fraca: aQb q < g(a) g(b) < p
Figura 1 - Situaes de preferncia modeladas de um pseudocritrio
a
estritamente
prefervel a b
a fracamente
prefervel a b
a indiferente
a b
b fracamente
prefervel a a
b
estritamente
prefervel a a
aPb aQb aIb e bIa bQa bPa
g(a) - p g(a) - q g(a) + q g(a) + p g(b)

Fonte: GOMES, ARAYA e CARIGNANO, 2004
Esses critrios so introduzidos no modelo para diminuir imprecises e indeterminaes na
performance g das alternativas (KHALIL, MARTEL E JUTRAS, 1999).
Partindo da afirmativa de que em uma relao de superao aSb a alternativa a ao menos to
boa quanto a alternativa b, os mtodos ELECTRE precisam garantir que esta relao
verdadeira e aceitvel. Para isto, foram desenvolvidos os critrios da concordncia quando
um subconjunto dos critrios aceita que a alternativa a ao menos fracamente prefervel a b
e a discordncia quando no h critrios pelos quais a afirmativa alternativa a prefervel a
38
b seja verdadeira. Ou seja, so criados limites que rejeitam ou no a hiptese que aSb
(GOMES, ARAYA E CARIGNANO, 2004).
Ainda segundo Gomes, Araya e Carignano (2004), os valores de concordncia e discorncia
para cada par de alternativas so dados por:
K+(a,b) que representa a soma dos pesos dos critrios onde g(a) > g(b) + q;
K=(a,b) que representa a soma dos pesos dos critrios onde q _ g(a) g(b) _ q;
K-(a,b) que representa a soma dos pesos dos critrios onde g(a) < g(b) q e
C(a,b) que o valor da concordncia da afirmao de que aSb.
Assim, a frmula para o valor de concordncia C da proposio aSb, que varia entre zero e
um, dada pela frmula (1), representada a seguir:
K
+
(a,b) + K
=
(a,b)
K
+
(a,b) + K
=
(a,b) + K
-
(a,b)
C(a,b) = (1)

Por sua vez, o valor da discordncia D(a,b), tambm situado entre zero e um, pode ser
calculado de duas formas:
Absoluto, quando D(a,b) a mxima diferena entre g
i
(b) e g
i
(a) (onde g a funo de
avaliao de uma alternativa dado um critrio i), para g
i
(b) > g
i
(a), dividida pelo
interalo da escala do critrio i.
Relativo, em que D(a,b) o valor mximo de (g
i
(b) - g
i
(a))/g
i
(a), para um critrio i em
que g
i
(b) > g
i
(a).
39
A partir da so estabelecidos os limites de concordncia c e discordncia d que seja capaz de
aceitar a hiptese aSb. Ou seja:
C(a,b) _ c
aSb se e somente se D(a,b) _ d

Alm desses limites, os mtodos da famlia ELECTRE tambm consideram um limite de veto
que estabelece um limite para a diferena g
j
(b) - g
j
(a), para um critrio j, que rejeita aSb se
ultrapassado.

40
4 4. . F FU UN ND DA AM ME EN NT TO OS S T TE E R RI IC CO OS S S SO OB BR RE E O O M M T TO OD DO O E EL LE EC CT TR RE E T TR RI I
4.1. O ELECTRI TRI
O mtodo ELECTRE TRI faz parte da famlia de mtodos ELECTRE da escola francesa e foi
desenvolvido para o problema de classificao. Esse consiste em alocar as alternativas do
grupo A em categorias pr-estabelecidas C. As alternativas so comparadas a categorias
chamadas de alternativas de referncia, normalmente denotadas por b
n
onde n = {0,1,2,...,k}
e k o nmero de alternativas de referncia. As alternativas de referncia so fictcias pois
so padres criados para alocar as alternativas potenciais nas categorias C (GOMES, ARAYA
E CARIGNANO, 2004). Para n categorias, devem existir n-1 perfis de referncia b. Ou seja,
C
n
sempre delimitada pelo seu limite inferior b
n-1
, exceto a categoria C
1
que delimitada
pelo seu limite superior b
1
(FIGUEIRA, MOUSSEAU e ROY, 2005; NEVES e COSTA,
2006).
4.1.1. A PROBLEMTICA DE CLASSIFICAO
O mtodo ELECTRE TRI foi criado para resolver problemas de classificao, como diz o
prprio nome TRI (classificao em francs). O objetivo desse mtodo , assim, separar o
conjunto de alternativas potenciais (A) em classes ou categorias definidas previamente
(SHRLIG, 1996).
41
Dado que as categorias foram definidas a priori, a problemrica da classificao est em
definir as fronteiras superiores e inferiores destas categorias e comparar cada alternativa a
esses limites para definir onde a alternativa deve ser classificada. As alternativas so avaliadas
independentemente das outras, quando alocadas para as categorias. Ou seja, a alocao de
uma alternativa a a uma categoria especfica no influencia onde a alternativa b deve ser
alocada (FIGUEIRA, MOUSSEAU e ROY, 2005).
Para os problemas monocritrio, a classificao bastante simples uma vez que apenas um
critrio levado em considerao. Assim, basta saber a performance da alternativa nesse
critrio e, em seguida, em que categoria ela se encaixa. Quando falamos de uma tomada de
deciso multicritrio, o problema passa a ser mais complexo, pois tanto as categorias como as
alternativas so qualificadas por diversos valores (SCHRLIG, 1996).
A seguir ser aprofundada a teoria que fundamenta o mtodo ELECTRE TRI.
4.1.2. A MODELAGEM DE PREFERNCIAS
O ELECTRE TRI se baseia na relao de subordinao entre duas alternativas, a e b, para
alocar uma alternativa a, dado um critrio i, de acordo com sua performance g(a). Esta
relao denotada de aSb
n
. Para que esta relao exista, uma das condies necessrias que
seja utilizado o modelo de pseudo-critrio (YU e ROY, apud GOMES, ARAYA e
CARIGNANO, 2004).
Isto quer dizer que o mtodo ELECTRE TRI admite a impreciso, incerteza e m
determinao dos dados, adotando faixas de tolerncia que delimitam as situaes de
indiferena e preferncia estrita. Um desses limites o de indiferena que determina o limite
42
da diferena de performance de duas alternativas pelo qual ainda aceita a indiferena entre
as alternativas. O outro limite, o de preferncia, um limite que foi criado para evitar uma
passagem brusca de uma situao de preferncia estrita para a indiferena. Surge nesse
modelo uma nova preferncia, a preferncia fraca (Q), uma situao de dvida entre a
indiferena (I) e a preferncia estrita (P). Formalmente, se supormos que g(a) _ g(b), no
modelo pseudo-critrio teremos:
a P b g (a) - g (b) > p (g(b)) ;
a Q b q (g(b)) < g (a) - g (b) _ p (g(b)) e
a I b g (a) - g (b) _ q (g(b)).
Para se construir a relao de superao acima descrita, so feitos clculos com base nesses
limites, passando pelas etapas a seguir:
clculo dos ndices de concordncia parciais c
j
(a, b
h
) e c
j
(b
h
, a);
clculo dos ndices de concordncia globais C(a, b
h
) e C(b
h
, a);
clculo dos ndices de discordncia parciais d
j
(a, b
h
) and d
j
(b
h,
a);
clculo do PAMC com base nos ndices de credibilidade (a,b
h
);
determinao de um nvel de corte () considerado razovel para o PAMC.
4.1.3. O PROCEDIMENTO DE AGREGAO
No mtodo ELECTRE TRI, o PAMC se d pela comparao entre as alternativas potenciais a
e os perfis de referncia b
n
. Dado que esses perfis de referncia so os limites para as
categorias, diz-se que o procedimento de agregao multicritrio est fundamentado na
problemtica de classificao.
43
Esse mtodo baseado na relao de superao e, por isso, o PAMC admite a
incomparabilidade entre as alternativas e no pressupe a transitividade. Isto importante,
pois, por aceitar a incomparabilidade, o mtodo evita julgamentos arbitrrios ou frgeis que
poderiam distorcer as relaes entre as afirmativas, influenciando no PAMC (MOUSSEAU,
SLOWINSKI e ZIELNIEWICZ, 2002).
Esse PAMC fundamentado em um sistema de relaes de preferncias (S, R) tal que:
aSb se w [ C(aSb) ] / w[F] s, sendo 0 s 1
e g
j
(b) g
j
(a) v
j
, g
j
F
aRb se no(aSb) e no(bSa)
Quando o valor de s igual a 1, significa que existe uma unanimidade dos critrios para a
afirmativa aSb. Nesses casos, o efeito de veto no tem nenhuma utilidade (SANTOS, 2003).
4.1.4. PROCEDIMENTOS E CONDIES A SEREM OBSERVADOS

Nesse modelo, algumas condies devem existir para estabelecer a relao de superao entre
uma alternativa a e os perfis de referncia b
n
(YU e ROY, apud GOMES, ARAYA e
CARIGNANO, 2004):
A famlia de critrios uma famlia de pseudocritrios;
A tabela de desempenho das alternativas foi construda;
Para cada alternativa de referncia b
n
, so conhecidos os limites de preferncia p,
limites de indiferena q e de veto v, para cada critrio;
44
Os pesos dos critrios so definidos como w para cada alternativa de referncia b
n
, em
que w
i
> 0, para todo e qualquer i;
Para o procedimiento de alocao, deve ser definido um valor situado entre 0.5 e 1,
denominado nvel de corte (). Esse o menor valor do grau de credibilidade (o) para
o qual pode-se afirmar que a supera b. Ou seja, se o(a,b) _ , ento aSb.
Alm disso, para poder avaliar a relao de superao os ndices abaixo devem ser
estabelecidos:
Concordncia por critrio c
i
(a,b) e c
i
(b,a);
Concordncia global C(a,b) e C(b,a);
Discordncia por critrio d
i
(a,b) e d
i
(b,a);
Discordncia global D(a,b) e D(b,a);
Credibilidade o(a,b).
4.2. INDICES DE CONCORDNCIA PARCIAL E GLOBAL
Para que a afirmao aSb
n
seja vlida, a maioria dos critrios deve ser a favor desta
afirmao. Verifica-se a condio de Concordncia dos critrios, calculando-se o ndice de
concordncia parcial (ROY, 1985). Esse ndice, que varia de 0 a 1 mede o quanto se aceita
que uma alternativa a supera b em um determinado critrio.
Com base nos ndices de concordncia parciais obtidos, so calculados os ndices de
concordncia globais C(a,b) e C(b,a), que indicam o quanto a avaliao das relaes indicam
que a supera b
n
para C(a,b
n
) e b
n
supera a para C(b
n
,a).
45
O ndice de concordncia c
i
(a,b) calculado da seguinte forma, quando os critrios possuem
um sentido de preferncia crescentes:
Se g
i
(a) _ g
i
(b) p
i
, ento c
i
(a,b) = 0
Se g
i
(a) > g
i
(b) q
i
, ento c
i
(a,b) = 1
Se g
i
(b) p
i
< g
i
(a) _ g
i
(b) q
i
, ento 0 < c
i
(a,b) _ 1 e c
i
(a,b) calculado por
interpolao linear, conforme a expresso numrica (2):
p
i
- [g
i
(b) - g
i
(a)]
p
i
- q
i
c(a,b) = (2)

O ndice de concordncia c
i
(b,a) calculado de forma anloga, invertendo-se as letras das
alternativas.
Para os critrios cujo sentido de prefermcia decrescente, os ndices de concordncia
parciais devem ser calculados da seguinte forma:
Se g
i
(a) _ g
i
(b) + p
i
, ento c
i
(a,b) = 0
Se g
i
(a) < g
i
(b) + q
i
, ento c
i
(a,b) = 1
Se g
i
(b) + q
i
_ g
i
(a) _ g
i
(b) p
i
, ento 0 < c
i
(a,b) _ 1 e c
i
(a,b) calculado atravs da
frmula (3), por interpolao linear:
p
i
+ [g
i
(b) - g
i
(a)]
p
i
- q
i
(3) c(a,b) =

Os ndices de concordncia global C(a,b) e C(b,a) representam o quanto as afirmativas a
supera b e b supera a, respectivamente, so verdadeiras em todos os critrios. Esses ndices
so calculados atravs da expresso (4) seguinte (tambm analogamente):
_
n
i=1
w
i
c
i
(a,b)
_
n
i=1
w
i
(4) C(a,b) =

46
4.3. NDICES DE DISCORDNCIA
Os ndices de discordncia d
i
(a,b) e d
i
(b,a) representam o quanto se ope afirmao a
supera b e b supera a, respectivamente, em cada critrio. Para isto, introduzido um limite
de veto que, quando excedido, rejeita a hiptes acima.
Para preferncias crescentes de um critrio, o ndice de discordncia d
i
(a,b) calculado da
seguinte forma:
Se g
i
(a) > g
i
(b) p
i
, ento d
i
(a,b) = 0
Se g
i
(a) _ g
i
(b) v
i
, ento d
i
(a,b) = 1
Se g
i
(b) v
i
< g
i
(a) _ g
i
(b) p
i
, ento 0 < d
i
(a,b) _ 1 e d
i
(a,b) calculado por
interpolao linear, por meio da frmula (5):
[g
i
(b) - g
i
(a)] - p
i
v
i
- p
i
(5) d(a,b) =

Para calcular os ndices de discordncia de um critrio com o sentido decrescente de
preferncia, devem ser usadas as seguintes frmulas:
Se g
i
(a) _ g
i
(b) + p
i
, ento d
i
(a,b) = 0
Se g
i
(a) > g
i
(b) + v
i
, ento d
i
(a,b) = 1
Se g
i
(b) + p
i
< g
i
(a) _ g
i
(b) + v
i
, ento 0 < d
i
(a,b) _ 1 e d
i
(a,b) calculado, segundo a
expresso numrica (6) abaixo:
[g
i
(a) - g
i
(b)] - p
i
v
i
- p
i
(5) d(a,b) =

47
4.4. NDICE DE CREDIBILIDADE
O ndice de credibilidade o quanto uma alternativa a supera uma alternativa b dados os
ndices de concordncia global C(a, b
n
) e de discordncia d
j
(a, b
n
). Esse ndice denotado por
(a,b
n
); e, de forma anloga, (b
n
,a).
Quando uma alternativa a comparada a um perfil de referncia b
n
, a alternativa a ser
alocada categoria na qual a afirmativa aSb
n
tiver credibilidade. Assim, o ndice de
credibilidade define justamente o procedimento de agregao multicritrio do mtodo
ELECTRE TRI (FIGUEIRA, MOUSSEAU e ROY, 2005).
Na ausncia de critrios discordantes, o ndice de credibilidade (a,b
n
) ser sempre igual ao
ndice de concordncia global C(a,b
n
). Na situao em que um critrio seja discordante, ou
seja, d
i
(a,b
n
) =1, o ndice de credibilidade ser nulo, indicando que a afirmativa a Sb
n
no
verdadeira. Quando o conjunto de critrios em que o ndice d
i
(a,b
n
) supera o ndice C(a,b
n
)
temos que o ndice de credibilidade o(a,b
n
) ser calculado utilizando-se a frmula (7)
seguinte:
o(a,b
n
) = C(a,b
n
) x H [1- d
i
(a,b
n
)/1- C(a,b
n
)] (7)
4.5. NVEL DE CORTE ( )
Definido o ndice de credibilidade, deve ser introduzido ao modelo um nvel de corte para
obter as relaes de superao. Esse nvel de corte significa o menor valor que o ndice de
credibilidade (a,b
n
) pode assumir para que se afirme que aSb
n
(FIGUEIRA, MOUSSEAU e
48
ROY, 2005). Ele deve sempre assumir um valor entre 0,5 e 1. As relaes de preferncia so
construdas a partir da comparao do de com , conforme a Figura 2 abaixo:
Figura 2 - Relaes entre a e b a partir de e

s
(a,b) =
Sim No

s
(b,a) =
s
(b,a) =
Sim No Sim No
a R b b n a a n b a I b

Fonte: GOMES, ARAYA E CARIGNANO, 2004
Dadas as relaes de preferncia de Indiferena (I), de preferncia () e de incomparabilidade
(R), as alternativas a e os perfis de referncia b
n
podem se relacionar como segue
(FIGUEIRA, MOUSSEAU e ROY, 2005):
aIb aSb e bSa
ab aSb e no bSa
ba no aSb e bSa
aRb no aSb e no bSa
Pode-se notar que, utilizando um valor elevado de para minimizar as incertezas, a
ocorrmcia da incomparabilidade aumentaria pois os ndices de credibilidade (a,b
n
) e (b
n
,a)
49
superariam menos freqentemente o nvel de corte. Por outro lado, caso se opte por reduzir o
valor de e ser menos exigente com as incetezas, aumentam-se as ocorrncias de indiferena.
4.6. PROCEDIMENTOS DE ALOCAO
O objetivo da explorao das relaes binrias descritas acima (4.5) de gerar um
procedimento de alocao. No ELECTRE TRI, a alocao feita por dois processos: o
otimista e o pessimista. A alocao feita de forma a comparar a alternativa a s alternativas
de referncia b
n
para aloc-la em uma categoria. No entanto, a diferena entre o processo
otimista e o pessimista est na seqncia desta comparao e, portanto, na alocao da
alternativa quanto s categorias disponveis.
No processo pessimista (ou conjuntivo), compara-se a sucessivamente aos perfis de
referncia, comeando-se pela melhor alternativa. Passa-se para o perfil de referncia b
n

seguinte at que o ndice de credibilidade supere o nvel de corte. Nesse momento, aloca-se a
alternativa a categoria delimitada por esse perfil de referncia inferiormente (SCHRLIG,
1996).
No processo otimista (ou disjuntivo), ao contrrio, a comparao se inicia com o pior perfil de
referncia b
n
. Passa-se para o perfil seguinte at que se encontre um perfil de referncia b em
que o ndice de credibilidade supere o nvel de corte. Quando isto ocorrer, a alternativa a
alocada categoria delimitada superiormente por aquele perfil de referncia b.
Ao utilizar um exemplo numrico, Schrlig (1996) conclui que intuitivo notar que o
procedimento pessimista mais exigente j que ele aloca a alternativa sempre na categoria
inferiormente delimitada pelo perfil. Por outro lado, o procedimento otimista menos
50
exigente e aloca as alternativas nas categorias superiores. Ou seja, normal que se utilize o
procedimento pessimista quando deve-se ser prudente e que se utilize o procedimento otimista
quando se quer deixar as aes em categorias por suas qualidades excepcionais (YU apud
SCHRLIG, 1996).
Vale ressaltar que a escolha nvel de corte desempenha um papel importante na
categorizao das alternativas j que, se o valor for elevado, as alternativas sero alocadas a
categorias mais baixas no procedimento pessimista e mais altas no procedimento otimista. E o
contrrio ocorrer para valores do nvel de corte baixos.
Por fim, interessante que o agente de deciso analise os dados e compare os dois
procedimentos de alocao para saber qual ter menor probabilidade de erro de alocar uma
alternativa em uma categoria errada. So dois os tipos de erro: aquele em que a alternativa
alocada a uma categoria melhor do que deveria e aquele em que a alternativa alocada a uma
categoria pior do que ela deveria estar. Dependendo do tipo de problema, um dos dois tipos de
erro pode representar maior risco que o outro e, portanto, deve ser mais evitado do que o
outro.

51
5 5. . M M T TO OD DO OS S E EX XI IS ST TE EN NT TE ES S D DE E A AN N L LI IS SE E D DE E C CR R D DI IT TO O, , R RI IS SC CO O D DE E C CR R D DI IT TO O E E
C CL LA AS SS SI IF FI IC CA A O O D DE E R RI IS SC CO O
A necessidade de anlise de risco de crdito para proteger a carteira das empresas evidente e
sempre existiu, mesmo que de forma rudimentar. Quando Altman (1968) props o primeiro
modelo estatstico, a anlise do crdito era feita com base em uma avaliao de ndices (como
ndices de lucratividade, liquidez e solvncia) e, portanto, subjetiva. Segundo o autor, alguns
artigos comprovaram que a simples anlise dos ndices no era suficiente, pois com base em
uma amostra de empresas falidas, constatou-se que as empresas possuam diferentes
indicadores financeiros.
Assim, em seu artigo, Altman (1968) sugere o uso um modelo baseado na metodologia de
Anlise Discriminante a fim de prever a falncia de empresas, com base em cinco indicadores
financeiros: Capital de Giro/Ativo Total, Lucro Acumulado/Ativo Total, EBIT/Ativo Total,
Patrimnio (a valor de mercado)/Dvida (a valor de mercado) e Vendas/Ativo Total.
O modelo de Altman foi replicado diversas vezes e muito utilizado. No entanto, com o tempo,
esses modelos passaram a ser criticados. Uma das crticas era a sua qualidade estatstica
(Eisenbeis, apud ZOPOUNIDIS, DIMITRAS e LE RUDULIER, 1995). Segundo esses
autores, uma srie de modelos multivariados foi desenvolvida em seguida a fim de cobrir
esses erros do modelo de Altman e prover maior acuracidade nas previses. Entre eles,
52
destacam-se o de Ohlson (1980), que usou Logit Analysis, o de Zmijeski (1984), que usou
Probit Analysis e o de Frydman et al. (1985), que propuseram um modelo usando algoritmo
(Recursive Probit Analysis). Tambm foram desenvolvidas Programaes Matemticas por
Gupta (1990) e neural networks por Altman et al. (1994) (apud ZOPOUNIDIS, DIMITRAS e
LE RUDULIER, 1995).
Entretanto, esses modelos careciam de importantes variveis qualitativas como qualidade da
gerncia, tendncias do mercado e o lugar da empresa em seu mercado. Assim, alguns
modelos de anlise multicritrio foram desenvolvidos, para incorporar variveis qualitativas
ao modelo.
Em 1995, Zopounidis, Dimitras e Le Rudulier propuseram o uso do modelo ELECTRE TRI
para prever a falncia de empresas, usando como amostra 60 empresas gregas, das quais 30
tinham falido entre 1985 e 1990, de acordo com a Lei de Falncia da Grcia e 1990. Ao
aplicar o mtodo ELECTRE TRI, o estudo obteve 90% de acertos pelo procedimento
pessimista sendo que, dos casos que no foram acertados, apenas 2 empresas foram previstas
como no falindo e que realmente tinham falido (3% da amostra). O procedimento otimista
obteve 83% de acertos sendo que 9 empresas foram avaliadas como no falidas embora
tivessem falido (15% da amostra). Em seguida, os autores propuseram uma categoria
adicional s duas existentes (falidas ou no falidas). Esta categoria foi denominada de grupo
incerto e seria composta por empresas que necessitavam de anlise mais aprofundada para
determinar a falncia ou no. Neste segundo momento, 47 empresas foram classificadas
corretamente (78%) e 10 necessitavam de maior estudo (17%). As 3 empresas restantes foram
classificadas erroneamente. Assim, o modelo desenvolvido pareceu ter um bom desempenho
na atividade de previso de falncia.
53
At ento, os modelos haviam sido desenvolvidos para prever a falncia, protegendo assim a
carteira das empresas. No entanto, existe tambm uma necessidade por parte das empresas de
saber o nvel do risco que seus clientes e futuros clientes apresentam, ou seja, qual a
classificao de risco destes clientes. Esta necessidade, como visto anteriormente, se d por
motivos estratgicos, de produtividade e at para precificao de emprstimos. Com base
nesta importncia, Khalil, Martel e Jutras (1999) sugeriram um modelo, tambm utilizando o
ELECTRE TRI, para solucionar o problema de um banco canadense (Caisses Populaires
Desjardins), que baseava suas anlises simplesmente no passado e nos montantes
solicitados.A anlise era feita com base no risco da transao, e no do cliente.
Alm desses estudos, tambm foram desenvolvidos modelos de anlise de crditos no Brasil
com base em outras metodologias estatsticas. Alguns exemplos so os trabalhos de
dissertao de mestrado do Ibmec de Moraes (2003), que desenvolveu um modelo de anlise
de deciso de crdito para pessoas fsicas implementando redes neurais nebulosas; Silva
(2003), que criou um Sistema de Classificao de Risco; Cunha Neto (2004), que utilizou o
ELECTRE TRI para criar uma metodologia de classificao de risco setorial para o BNDES;
Bockel (2005), que gerou um sistema de classificao de risco fundamentado no mtodo
CAMEL e finalmente Faria (2006), que criou um mtodo de escoragem de anlise de crdito
para pequenas empresas fundamentado na anlise fatorial e na lgica Fuzzy.

54
6 6. . E ES ST TU UD DO O D DE E C CA AS SO O - - A A A AP PL LI IC CA A O O D DO O E EL LE EC CT TR RE E T TR RI I P PA AR RA A G GE ER RA AR R U UM M
M MO OD DE EL LO O P PA AR RA A C CL LA AS SS SI IF FI IC CA A O O D DE E R RI IS SC CO O
6.1. OS CRITRIOS
Segundo Roy (1985), um modelo de anlise de avaliao de conseqncias geralmente
complexo para ser intervindo por um agente de deciso sozinho. Para isso, ele precisa se
apoiar em alguns critrios de forma a facilitar sua jornada. Roy define um critrio como sendo
uma ferramenta que permite comparar as alternativas de acordo com o ponto de vista do
decisor.
Em uma anlise multicrrio, o analista deve construir um modelo com base em mais de um
critrio, atravs dos quais os decisores exprimem suas preferncias. Cada critrio gera uma
comparao que representa uma preferncia parcial a a unio de todos os critrios e suas
comparaes formam o modelo de preferncia a ser utilizado no processo decisrio
(BOUYSSOU, 1990). Assim sendo, a definio dos critrios permite a elaborao das
relaes de preferncia e crucial para a qualidade do modelo decisrio gerado.
Bouyssou (1990) define algumas regras na construo de critrios. Primeiramente,
fundamental que todos os atores do processo decisrio sejam envolvidos na definio desses
55
critrios e do sistema de preferncias gerado. Assim, as definies dos critrios bem como a
sua forma de avaliao devem ser entendidas e aceitas por estes atores.
Assim como qualquer agncia de risco, a Moodys se vale de critrios qualitativos e
quantitativos para conceder um nvel de risco a uma empresa. Isto ocorre porque a anlise
puramente matemtica dos coeficientes financeiros geralmente no suficiente para gerar
uma boa anlise do risco de crdito de uma empresa. Alm disso, importante levar em
considerao algumas caractersticas de empresas que no so medidas em nmeros. Assim,
na metodologia da Moodys, usado um modelo de scorecard que utiliza um conjunto
comum de mtricas financeiras disponveis globalmente, juntamente com fatores qualitativos
fundamentais que os analistas da Moodys consideram cruciais para a avaliao da fora
financeira intrnseca de um banco (Moodys Investors Service, 2006).
Assim sendo, foram estabelecidos dois grupos de critrios: os qualitativos e os quantitativos.
Devido subjetividade dos critrios qualitativos, poucos foram selecionados e tentou-se
simplific-los ao mximo para atenuar este efeito. Essas informaes esto disponveis no site
da Moodys, para aqueles que tm acesso aos relatrios da agncia. Estes so utilizados numa
escala de 1 a 5, definida abaixo. Tambm foram colhidas opinies da gerncia de crdito da
empresa X para determinar esses critrios e, acima de tudo, seus pesos.
Conforme o item 2.4., existem alguns axiomas que devem ser respeitados para que se
considere que os critrios estejam despempenhando seu papel no processo de deciso: o
axioma de exaustividade, o axioma da coeso e o axioma da no redundncia.
Atravs de testes propostos por Gomes, Gomes e Almeida (2006), constatou-se que os
critrios selecionados no desrespeitam estes axiomas. Primeiramente, a exaustividade existe
56
pois se comparssemos duas alternativas hipotticas neste modelo que tivessem preformances
iguais em todos os critrios, dever-se-ia aloc-las mesma alternativa e, portanto, afirmar-se-
ia que a I b.
O outro teste, para verificar o axioma da coeso foi feito forando uma melhora no
desempenho das alternativas. Em todos os casos, pode-se afirmar que estas alternativas
permaneceram to boas quanto as alternativas inalteradas.
Por fim, para testar a no-redundncia, foram retirados os critrios, um a um, e nenhuma das
novas famlias de critrio, sem o critrio removido pode prover a mesma funo que a
famlia de critrio inicial.
Uma vez feitos os testes para verificar os axiomas, pode-se listar os critrios, definidos com
base nos critrios utilizados pela Moodys (2006), abaixo:
Critrios Qualitativos:
- Participao do mercado: um fator que indica a sustentabilidade e o reconhecimento que o
banco tem no mercado. Empresas com grande participao do mercado (tambm conhecido
como market share) gozam de bom posicionamento, forte reconhecimento e, normalmente,
detm o poder de definiao de preo e tm melhor estrutura para se defender da competio.
Este fator medido em uma escala de 1 a 5 onde:
Os bancos de nvel 1 so aqueles que detm a grande parte da carteira de
clientes em uma rea definida de atuao, com forte influncia sobre preos;
Os de nvel 2 so aqueles que so importantes, mas no dominantes;
57
O nvel 3 composto por bancos com bom posicionamento de mercado, mas
que no detm influncia sobre preos;
Os bancos de nvel 4 so aqueles bancos marginais nacionalmente ou
regionalmente;
Por fim, o nvel 5 so as instituies financeiras sem marca reconhecida.
- Diversidade Geogrfica: entende-se que, para preservar a qualidade dos ativos durante ciclos
de negcios, necessrio que o banco possua uma atuao em rea diversificada. A escala de
1 a 5 definida da seguinte forma:
As instituies de nvel 1 tm operaes significativas em diversos mercados,
no havendo um mercado principal que represente mais do que 50% dos
lucros.
O nvel 2 composto por empresas com operaes significativas em um
mercado principal, ou diversos mercados de grande porte (mais do que 25% de
lucros em mercados externos).
Os bancos de nvel 3 so aqueles com operaes significativas em um mercado
de grande porte, ou mltiplos mercados regionais/de mdio porte (mais do que
25% dos lucros gerados por mercados externos).
O nvel 4 corresponde aos bancos com operaes significativas em um
mercado regional ou de mdio porte ou em diversos mercados locais.
Por fim, as instituies no nvel 5 detm significativas operaes em um
mercado regional/de mdio porte ou mercado local que no desfrute de uma
economia diversificada
Um mercado definido com base na economia e populao, no apenas em fronteiras
polticas. Um mercado principal possui PIB > US$ 1 trilho e populao > 50 milhes. Um
58
mercado de grande porte possui PIB de $300 bilhes - $1 trilho e populao de 5-50
milhes. Um mercado regional ou de mdio porte possui PIB de $100-300 bilhes e
populao de 1-5 milhes. Um mercado local tem PIB abaixo de $100 bilhes e populao
abaixo de 1 milho (Moodys Investors Service, 2006).
- Estabilidade dos resultados: o grau de previsibilidade das principais linhas de negcios de
uma instituio. Para esse critrio, leva-se em conta que os resultados dos bancos devem ser
oriundos de operaes estveis, o que reduz a volatilidade dos resultados e os torna menos
vulnerveis a fatores de mercado que possam fugir do controle da instituio. Este critrio
definido de forma que os resultados combinados das linhas de negcios Banco de
Varejo/Crdito ao Consumidor, Gesto de Ativos e Servios Fiducirios/de Operaes
representem:
Mais que 80% do lucro total, no nvel 1;
De 60% a 80%, no nvel 2;
De 40% a 60%, no nvel 3;
De 20% a 40% no nvel 4 e
Menos de 20% no nvel 5.
- Posicionamento de risco: este um critrio importante dado que o resultado dos bancos e
suas receitas so frutos de um risco calculado. Assim sendo, importante avaliar se a gesto
de riscos est alinhada com a estratgia do banco, aumentando as suas chances de sobreviver
(Moodys Investors Service, 2006). Para avaliar o posicionamento de risco de um banco, a
Moodys leva em considerao 6 fatores que, para este modelo foram levados em
considerao como um conjunto de fatores que gera um nvel na escala de 1 a 5. Os fatores
levados em considerao foram: Governana Corporativa, Controles, Transparncia nas
59
Comunicaes Financeiras, Concentrao de Risco de Crdito, Gesto de Liquidez e Apetite
de Risco de Mercado.
Nvel 1: conselho formado por executivos sniores, auditorias sem ressalvas,
qualidade e transparncia nas demonstraes financeiras, exposio no
concentrada em um perfil ou um setor da economia.
Nvel 2: apesar das condies acima satisfeitas, o banco tem poucas questes
de controle ou governana de pouca importncia, os relatrios semestrais
atrasam em mais que 6 semanas aps os anncios de resultados, divulgao
dos resultados no to completa quanto no nvel 1.
Nvel 3: no conselho, as funes de risco so independentes da gesto da linha
de negcios, existe uma questo de controle ou governana de grande
importncia nos ltimos 5 anos, relatrios oferecem um insight da empresa,
mas no possui tantos detalhes, exposio da carteira mais concentrada.
Nvel 4: conselho possui pequena informao acerca da estratgia de risco da
instituio, existe uma ou duas questes de controle ou governana de grande
importncia ou qualquer informao contrria em auditorias nos ltimos 5
anos, maior atraso em relatrios semestrais (acima de 16 semanas),
considervel concentrao da exposio e comprometimento do lucro lquido
devido ao alto risco da carteira.
Nvel 5: conselho no tem conhecimento suficiente da estratgia de risco do
banco, controles fracos com mais de duas questes nos ltimos 5 anos,
demonstraes contbeis no so auditadas por firma de contabilidade
independente, divulgao dos resultados limitada, mais de 60% dos lucros
comprometidos com negcios de risco elevado.
60
- Ambiente operacional: um ambiente operacional com condies desfavorveis pode reprimir
o resultado de um banco. Assim, a Moodys leva em considerao a estabilidade econmica
do ambiente no qual o banco se encontra, a integridade e corrupo e o sistema legal deste
ambiente. Este grau tambm varia de 1 a 5 da seguinte forma:
Nvel 1: desvio-padro do crescimento do PIB < 2.3, TI CPI
1
> ou = 8.6,
prazo para execuo de hipoteca residencial
2
< 1 ano;
Nvel 2: desvio-padro do crescimento do PIB entre 2.3 e 4.0, TI CPI entre 7.0
e 8.5, prazo para execuo de hipoteca residencial entre 1 e 2 anos;
Nvel 3: desvio-padro do crescimento do PIB entre 4.0 e 7.0, TI CPI entre 5.8
e 6.9, prazo para execuo de hipoteca residencial entre 2 e 3 anos;
Nvel 4: desvio-padro do crescimento do PIB entre 7.0 e 12.0, TI CPI entre
3.6 e 5.7, prazo para execuo de hipoteca residencial entre 3 e 5 anos;
Nvel 5: desvio-padro do crescimento do PIB acima de 12.0, TI CPI abaixo de
3.5, prazo para execuo de hipoteca residencial acima de 5 anos.
- Risco pas: apesar de ser um critrio qualitativo, a Moodys oferece as classificaes de
risco dos pases, e este ser usado para determinar o risco soberano de onde o emitente se
encontra.
Critrios Quantitativos:
- Rentabilidade: este critrio foi escolhido porque fundamental que uma instituio gere
receitas para se manter no curto e no longo prazo. Foram selecionados os critrios de
rentabilidade usados pela Moodys por possurem importantes balizadores nos nmeros. So

1
TI CPI um ndice de corrupo que reflete as opinies de executivos e analistas ao redor do mundo. Esta
informao est disponvel em http://www.transparency.org ou em http://www.icgg.org.
61
estes o Lucro antes de imposto de renda e provises para crditos de liquidao duvidosa
como percentual dos ativos mdios ponderados pelo risco (LAIRPDD / AMPR) e o Lucro
lquido como percentual dos ativos mdios ponderados pelo risco (LL / AMPR). Estes
ndices consideram os AMPR que j incluem no clculo um adicional referente ao risco da
carteira. Assim sendo, esta rentabilidade relativa mais eficaz que puramente os ativos, pois
reflete o risco das operaes do banco em seu balano patrimonial.
- A liquidez um indicador que mede a capacidade da empresa se financiar. Portanto, para
avaliar a liquidez, optou-se por o total de emprstimos de um banco em funo do total de
ativos e o total de ativos lquidos (como caixa e outros ativos de alta liquidez) em funo do
total de ativos. Com isso, espera-se avaliar a necessidade dos bancos de captar fundos que no
de depsitos de clientes para sustentar sua base de ativos.
-Por fim, considerou-se como critrio a qualidade dos ativos, pois isto o que determina a
capacidade dos bancos obterem rendimentos futuros. Esse critrio mede portanto a
sustentabilidade do banco. Foram selecionados dois ndices para a qualidade de ativos (cada
um um critrio). O primeiro calculado como os emprstimos vencidos como percentual de
total de emprstimos. Este ndice indica a sade dos crditos concedidos pelo banco e est
amplamente disponvel. O outro ndice dado pela diviso dos emprstimos vencidos pela
soma do patrimnio lquido e das provises para perdas.
Estabelecidos os critrios, foram levantadas as empresas da Amrica Latina que so
classificadas na Escala Global da Moodys com uma classificao de risco de Ttulos de
Longo Prazo em Moeda Estrangeira (LT Deposits Forreign Currency). Dada a classificao

2
A Moodys considera que este prazo um bom medidor do funcionamento do sistema legal, ou seja, quanto
tempo leva para um banco conseguir reaver seus prejuzos vindos de um contrato descumprido.
62
de risco dada pela Moodys e os desempenhos dos bancos nestes critrios e as alternativas de
referncia, possvel alocar cada um destes bancos em uma das categorias de risco.
6.2. METODOLOGIA PARA COLETA DE DADOS E GERAO DO MODELO
A Moodys apresenta uma metodologia de classificao de risco para Fora Financeira de
Bancos que a base para este trabalho. Segundo relatrio da Moodys (1999), essa
metodologia se apia em duas questes importantes: 1) qual o risco do detentor da dvida no
receber pontualmente os pagamentos de juros e principal e 2) como este nvel de risco se
compara com o risco de todos os outros ttulos de dvida. importante entender a
probablidade de um cliente gerar caixa no futuro, j que o caixa a principal e mais saudvel
forma de pagamento de uma dvida. Para isso, a Moodys utiliza fatores internos do emitente,
comparado ao de seus pares no mundo, bem como analisa fatores externos como tendncias
do mercado e setor ou pas em que o emitente se encontra. Cabe ressaltar que as
classificaes de risco em moeda estrangeira dados pela Moodys so, de maneira geral,
limitados pelo risco do pas, concedido pela Moodys, onde o emitente se encontra, ou seja o
risco soberano. Isto porque, em uma crise, o pas pode decidir limitar as dvidas em moeda
estrangeira e o emitente no conseguiria assim converter seu caixa em moeda estrangeira para
pagamento da dvida.
Foram coletados dados de bancos importantes nos pases da Amrica Latina, que so
classificadas na Moodys na Escala Global. Como j mencionado, consideraram-se
informaes somente desse tipo de instituio financeira por dois motivos: pelo fato de cada
empresa possuir uma metodologia de classificao de risco, o que dificultaria gerar um
modelo nico de deciso de crdito que abrangesse com clareza os perfis de cada tipo de
63
segmento e tambm pelo fato de ser o tipo de empresa que no possui uma metodologia de
classificao de risco na empresa X.
Segundo a Moodys (2006), o risco de crdito de bancos a juno de trs fatores: fora
financeira de um banco, probabilidade de o banco poder contar com apoio externo se
necessrio e risco de um banco no cumprir suas obrigaes por motivos econmicos como
aes soberanas.
A partir deste Rating de Fora Financeira dos Bancos (RFFB), so geradas pela Moodys as
categorias de risco de depsito e dvida de longo prazo, com base no teto soberano, como
mencionado acima. Os RFFBs avaliam a probabilidade de um banco necessitar de assistncia
de terceiros para evitar um default (inadimplncia). Como pode ser observado na Figura 3, o
rating de dvida e depsito de longo prazo sobrepe a este rating a economia em que o banco
se encontra e, principalmente, o rating soberano do seu pas. Como a empresa X uma
empresa global e avalia crdito em diversos pases, o modelo ser baseado neste ltimo nvel
de risco, mais abrangente. Assim sendo, sero levados em considerao os critrios usados no
RFFB e os critrios usados nos Ratings Soberanos.
64
Figura 3 - Metodologia de Rating Bancrio da Moodys

Fonte: Moodys, 2006
Cabe ainda mais uma definio acerca do que so considerados Bancos, tanto para Moodys
como para a empresa X. So definidos como instituies que aceitam depsitos, incluindo
bancos comerciais, bancos de poupana, caixas econmicas, bancos de cooperativa,
sociedades de poupana e bancos pblicos. Tambm so includos outros tipos de instituies
financeiras como bancos de desenvolvimento multilateral, instituies financeiras
patrocinadas pelo governo e instituies financeiras de desenvolvimento nacional.
Em seguida, sero avaliadas 22 empresas, dadas estas categorias, e comparadas a alocao
atual destas. Esta comparao tem por objetivo testar a acurcia do modelo desenvolvido.
65

6.3. APRESENTAO E DESCRIO DO MODELO PROPOSTO
Como descrito anteriormente, os modelos ELECTRE TRI se baseiam na alocao de uma
alternativa (no caso uma empresa cliente) em uma categoria, dado seu desempenho nos
critrios estabelecidos. Isto feito atravs da determinao de perfis de referncia e a
comparao com as aes, inserindo-as assim nas categorias. Para o presente trabalho, em que
existem 5 categorias de risco de crdito (de 1 a 5, sendo 1 o menor risco e 5 o maior risco),
devem ser estabelecidos 4 perfis de referncia, r
1
, r
2
, r
3
e r
4
. O perfil r
1
determina a
performance mnima que uma empresa deve ter para estar na categoria 1. O perfil r
4
so os
valores mnimos que uma empresa deve ter para ser qualificada como 4, seno ser
qualificada como 5. Os perfis foram determinados com base em experincia de crdito dos
decisores bem como na leitura da metodologia usada pela Moodys na concesso de nvel de
risco de crdito. Os perfis adotados so apresentados na Tabela 2 abaixo:
Tabela 2 Valores dos Perfis de Referncia
Cr01 Cr02 Cr03 Cr04 Cr05 Cr06 Cr07 Cr08 Cr09 Cr10 Cr11
r
1 1 1 1 1 1 3.5 2.0 -10.0 0.8 10.0 2
r
2 2 2 2 2 2 2.4 1.7 0.0 2.0 20.0 3
r
3 3 3 3 3 3 1.0 1.3 10.0 5.0 30.0 4
r
4 4 4 4 4 4 0.5 0.6 20.0 12.0 50.0 5

Os critrios, como definidos anteriormente e listados abaixo, permitiram construir a Matriz de
Performance, apresentada no Anexo (Tabela A.1):
- Cr01: Participao no mercado
- Cr02: Diversidade geografica
- Cr03: Estabilidade de Resultados
- Cr04: Posicionamento de Risco
66
- Cr05: Ambiente Operacional
- Cr06: LAIRPDD / AMPR (Rentabilidade)
- Cr07: Lucro lquido / AMPR (Rentabilidade)
- Cr08: (Emprstimos e obrigaes - Ativos lquidos) / Percentual do Ativo Total
(Liquidez)
- Cr09: Emprstimos vencidos / Total de Emprstimos (Qualidade dos Ativos)
- Cr10: Emprstimos vencidos / (Patrimnio lquido + provises para perdas)
(Qualidade dos Ativos)
- Cr11: Risco Pas
O objetivo dos critrios Cr01, Cr02, Cr03, Cr04, Cr05, Cr08, Cr09, Cr10 e Cr11 de
minimizar o resultado. Ou seja, quanto menor o valor, menor risco a empresa apresenta e por
isso alocado a um perfil de referncia r de menor risco (sendo o perfil r
1
o perfil que
delimita as duas categorias de menor risco 1 e 2). Os critrios Cr06 e Cr07 tem por objetivo
a maximizao de suas performances. Quanto maior o valor, menor o risco que a empresa
apresenta.
Para diminuir as imprecises e incertezas nas performances das alternativas, so definidos
limites de indiferena (q
i
) e de preferncia (p
i
) para cada critrio, no intuito de melhor
modelar as preferncias do autor de deciso.
O limite de indiferena para os 5 primeiros critrios (Cr01, Cr02 e Cr03, Cr04 e Cr05) e para
o critrio Cr11 foi definido como 0 j que a escala destes critrios exata e relativamente
pequena, o que aumenta a chance de se fazer uma avaliao precisa do desempenho de uma
alternativa nestes critrios. Para os demais critrios, foram levados em considerao os dados
resultantes da amostra bem como o grau de preciso para a obteno dos indicadores.
67
Assim como proposto por Khalil, Martel e Jutras (1999), os limites de preferncia foram
obtidos de forma que fossem retidos os valores nos aproximadamente primeiros 30% do
intervalo de um critrio.
Tambm se deve determinar o limite de veto (v
i
) para cada critrio. Neste trabalho, no foram
utilizados vetos pois nenhum critrio deveria ter poder de veto. Assim, os valores de v
i
so os
valores superiores de cada critrio. Dadas estas consideraes, foi elaborada a Tabela 3 com
os limites de indiferena, preferncia e veto:
Tabela 3 Valores dos Limites de Indiferena, Preferncia e Veto
Cr01 Cr02 Cr03 Cr04 Cr05 Cr06 Cr07 Cr08 Cr09 Cr10 Cr11
q
i 0 0 0 0 0 0.5 0.2 3.0 1.0 2.5 0
p
i 1.2 1.2 1.2 1.2 1.2 0.5 0.2 3.0 1.0 3.0 1.5
v
i 5 5 5 5 5 16.4 9.5 8.2 10.2 35.3 6.0

Com base nestas informaes, foram calculados os ndices necessrios para um modelo de
anlise de deciso, apresentados no Anexo (Tabelas A.2, A.3, A.4 e A.5). Cada um destes
clculos foi feito em abas separadas da planilha de Microsoft Excel

, bem como a alocao


das alternativas em suas categorias. Apesar de existir uma ferramenta disponvel na internet
3

para o ELECTRE TRI, preferiu-se o software Microsoft Excel

uma vez que esta ferramenta


de amplo acesso na empresa X
Primeiramente, o ndice de concordncia parcial foi calculado para cada um dos critrios. Em
seguida, foram calculados os ndices de concordncia global que, como visto anteriormente,
expressam a performance das aletrnativas em cada criterio que so concordantes com a
supera b (MOUSSEAU, SLOWINSKI e ZIELNIEWICZ, 2002).

3
A ferramenta est disponvel lno site do LAMSADE (http: www.lamsade.dauphine.fr)
68
De forma anloga aos ndices de concordncia parcial, foram calculados os ndices de
discordncia parcial para cada critrio selecionado referentes s relaes de superao de A
referente a r e vice-versa.
O Nvel de Corte () o valor mnimo que o ndice de credibilidade poderia assumir para o
qual se pode admitir que a afirmativa a supera b verdadeira. Esse valor deve estar entre
0,5 e 1, decidiu-se que este nvel seria 0,9 (CUNHA NETO, 2004).
Por fim, o ndice de credibilidade foi calculado usando o mesmo artifcio que Cunha Neto
(2004), calculando, primeiramente, um fator de discordncia para em seguida calcular o
ndice de credibilidade.
6.4. AVALIAO DOS RESULTADOS
Com base nas comparaes entre o ndice de credibilidade e o nvel de corte, foi possvel
determinar as relaes binrias entre as alternativas e os perfis, conforme a Figura 4 abaixo.
69
Figura 4 Relaes Binrias entre alternativas e perfis

Estas relaes de preferncia foram definidas de acordo com as quatro situaes de
preferncias fundamentais e suas combinaes, conforme exposto em 2.1.4. (GOMES,
ARAYA E CARIGNANO, 2004). Isto :
aIb aSb e bSa
ab aSb e no bSa
ba no aSb e bSa
70
aRb no aSb e no bSa
Dadas as relaes binrias resultantes do modelo na figura 4, foi possvel fazer a alocao das
alternativas nas categorias de risco definidas. Como visto anteriormente, o ELECTRE TRI
prev dois procediments de alocao: o pessimista e o otimista.
O procedimento pessimista comea na comparao da alternativa ao melhor perfil de
referncia (r
i
), seguindo para o prximo perfil inferior, at que se encontre a situao em que
uma alternativa seja to melhor quanto (supere) um perfil de referncia. Neste momento,
aloca-se esta alternativa categoria limitada inferiormente por este perfil superado.
Seguindo este procedimento, as alocaes das alternativas (dos clientes em suas categorias de
risco) se deram conforme a Tabela 4.
O procedimento otimista, por sua vez, segue a lgica inversa. Compara-se a alternativa ao
pior perfil de referncia, passando-se ao superior, at o momento em que o perfil de referncia
supere a alternativa. A alternativa ento alocada categoria delimitada superiormente por
este perfil de referncia. Este procedimento obteve as alocaes tambm indicadas na Tabela
4.
Como se pode constatar na Tabela 4, o procedimento de alocao pessimista teve um nmero
de acertos (55%) significativamente maior quando comparado ao procedimento otimista
(14%).
71
Tabela 4 Resultados das Alocaes das Alternativas nas Categorias de Rating
Rating Aloc.
Pessimista
Rating Aloc.
Otimista
Rating Moody's
A
01
2 4 1
A
02
4 4 1
A
03
3 2 5
A
04
3 2 5
A
05
5 5 3
A
06
2 4 3
A
07
5 5 3
A
08
3
2
3
A
09 3
2
3
A
10 3
2
3
A
11 3
4
3
A
12 3
2
4
A
13 3
2
4
A
14 2
4
2
A
15 2
4
2
A
16 2
4
2
A
17
2
4
2
A
18
2
4
2
A
19 3
2
2
A
20 2
4
2
A
21 5
5
5
A
22
5 5 5

Em um modelo de anlise de crdito podem ocorrer dois tipos de erro, aqui chamados de Erro
Tipo I e Erro Tipo 2. O Erro do Tipo I ocorre quando se toma um risco maior alocando um
cliente em uma categoria de risco menor do que ele deveria ter sido alocado (como ocorreu
com a empresa A
03
nos dois procedimentos, por exemplo). O Erro do Tipo II ocorre quando
um cliente alocado para uma classificao de risco maior do que ele representa.
Assim sendo, o Erro do Tipo II representa um custo de oportunidade para a empresa, uma vez
que ela pode abrir mo de fazer negcios ou aplicar uma taxa de juros a uma empresa que no
condiz com o seu menor risco do que o assumido. No entanto, ainda permanece o foco em
72
reduzir o Erro do Tipo I, pois este erro pode levar a srios riscos, principalmene de
inadimplncia e, conseqentemente, retorno e lucratividade reduzidos.
A Tabela 5 permite analisar os tipos de erros e acertos dos procedimentos de alocao
pessimista e otimista.
Tabela 5 Porcentagem dos Acertos e Erros nos Procedimentos de Alocao Pessimista e
Otimista
Acertos Erros Tipo I Erros Tipo II
Alocao Pessimista 55% 23% 23%
Alocao Otimista 14% 32% 55%

importante notar, que, das 10 alternativas que ficaram alocadas em categorias erradas pelo
procedimento pessimista (A
01,
A
02,
A
03,
A
04,
A
05,
A
06,
A
07,
A
12,
A
13,
A
19)
, 5 (ou 23% das
empresas) foram consideradas como categorias de risco menor do que o real (Erro Tipo I), o
que pode representar um elevado risco para a empresa. Trs destas foram alocadas em
categorias de risco imediatamente superiores e duas, em duas categorias superiores.
Por outro lado, o Erro Tipo II ocorreu tambm em 23% dos casos, com trs alocadas a
categorias de risco imediatamente inferiores e duas alocadas a duas categorias de risco
inferiores.
Quanto anlise dos tipos de erro, o procedimento otimista continua se mostrando menos
apropriado que o procedimento otimista. Esse procedimento apresentou um maior percentual
nos Erros Tipo I e Erros Tipo 2 (32% e 55%, respectivamente).
O motivo do desempenho do procedimento pessimista ter sido consideravelmente superior ao
do procedimento otimista que neste procedimento existe uma superestimao das
73
performances das alternativas, face s categorias, j que a alocao feita sempre categoria
superior ao nvel de referncia que foi superado pela alternativa. Quando se trata de concesso
de risco de crdito, o ideal no alocar uma alternativa a uma categoria acima do perfil de
referncia, devido necessidade de se ter uma postura mais conservadora em um contexto de
dvida.
Alm disso, conforme j mencionado o procedimento pessimista o mais indicado quando os
recursos so limitados. Por esses motivos, fica evidente que, nas circunstncias deste trabalho,
o procedimento pessimista deve ser adotado na classificao de risco de clientes da empresa
X.
Por fim, para testar a estabilidade do modelo, foram feitas anlises de sensibilidade com o
nvel de corte () e o perfil de referncia r
4
, consideradas as variveis que mais poderiam
alterar o resultado do modelo.
Variou-se o valor do nvel de corte () primeiramente e o resultado est descrito na Tabela
A.6, no Anexo. Apesar de ter apresentado variaes elevadas no percentual de acertos quando
se reduziu para 0,7 (45%), nos outros nveis de corte as alocaes foram bastante similares a
do modelo original. Isto pode indicar que algumas melhoras devem ser feitas no modelo para
aumentar a sua estabilidade.
Verifcando que as categorias de risco 4 e 5 no foram acertadas pelo modelo, decidiu-se
forar valores irreais para determinar o perfil r
4
, para verificar se este foi o motivo dos baixos
acertos destas categorias. Primeiramente, utilizaram-se os valores mximos que as alternativas
poderiam assumir, portanto, igualando-se o perfil de referncia r
4
ao limite de veto v
i
. Essa
74
mudana no apresentou oscilaes no procedimento pessimista, e poucas no otimista
(apresentadas na tabela do anexo A.7).
Em seguida, utilizaram-se os valores do perfil de referncia r
3
para todos os critrios
quantitativos. Decidiu-se por este mtodo porque no se poderiam criar dois perfis de
referncia idnticos, e tambm porque os critrios qualitativos tm uma escala discreta e
pequena, no existindo outro valor para o perfil r
4
, alm daquele j concedido. Como pode se
constatar na tabela do anexo A.8, esta variao no provocou nenhuma alterao do mtodo.
Assim, pode-se considerar que o fato do mtodo no ter acertado os perfis 4 e 5 no est
associado aos valores atribudos para o perfil r
4
em todos os critrios.
75
7 7. . C CO ON NC CL LU US S E ES S E E S SU UG GE ES ST T E ES S P PA AR RA A E ES ST TU UD DO OS S F FU UT TU UR RO OS S
O objetivo da Dissertao foi o de apresentar um modelo de deciso de anlise de crdito que
visa a agilizar e padronizar o nvel de risco de crdito concedido aos clientes da empresa X.
Para isto, foi eleito um mtodo de anlise de deciso focado na problemtica da classificao.
Assim, optou-se pelo ELECTRE TRI. Como se pode notar na anlise dos nmeros, o modelo
ainda carece de alguns ajustes e consideraes j que tem um poder preditivo limitado (apenas
55%). No entanto, isto pode ter sido decorrente de algumas limitaes impostas ao modelo a
fim de simplificar o seu processo.
Como mencionado anteriormente, visando simplificao deste trabalho, foram selecionadas
apenas empresas do setor financeiro. No entanto, sabido que a economia formada por
diversos setores. O modelo proposto poderia ser adaptado para outros setores, trazendo a
mesma vantagem da agilidade da anlise de crdito, dentre outros, para a empresa X.
Ademais, optou-se por no utilizar alguns critrios considerados pelas importantes agncias
classificadoras de risco como tempo no mercado, qualidade gerencial, plano de substituio
para gerncia superior, e outros. Estes no foram considerados neste trabalho, pois entendeu-
se que o setor financeiro fortemente controlado pelos governos e estas variveis no teriam
um impacto significativo no modelo. No entanto, talvez para outros setores, estes critrios
devam ser adicionados ao modelo proposto.
76
Ainda, como demonstrado no relatrio de metodologia da Moodys, improvvel que todos
os bancos sejam sempre coerentes com suas diretrizes de nvel de risco de crdito j que cada
banco tem seus pontos fortes e fracos, podendo assim exercer uma presso no seu relatrio de
fora financeira. Entretanto, tambm podem existir fatores externos ao modelo considerado
como prticas contbeis, mercado, ambientes regulatrios nos quais os bancos esto inseridos.
As mtricas usadas neste modelo e na metodologia da Moodys tambm podem no ser
comparveis entre elas, o que dificulta o processo natural da alocao das alternativas em
categorias.
Outra melhoria que poderia ter sido feita seria incluir mais categorias de risco de crdito.
Talvez esta incluso gerasse mais escalas e mais perfis de referncia, polindo assim o
procedimento de alocao das empresas s categorias do modelo deste trabalho.
Desta forma, o modelo obteve uma preditividade razovel e pode ser utilizado como uma das
ferramentas na classificao de risco de crdito com ressalvas e criteriosidade das anlises. O
modelo ainda carece de alguns ajustes. Portanto, caso seja decidido aplicar este modelo,
sugere-se utilizar o efeito do teto soberano nas anlises, uma vez que este o limite mximo
que uma empresa dentro do pas pode ser classificada. Assim, ser reduzido o risco da anlise
de crdito.
Assim, pode-se dizer que o modelo trouxe algum benefcio para a empresa X, uma vez que
essa empresa no possua nenhum tipo de metodologia de classificao de risco para bancos
padronizada. Basicamente, cada analista de crdito desenvolvia seu mtodo e criava uma
classificao de risco de crdito. Assim, ao utilizar o modelo gerado (ou ainda uma verso
melhorada), a empresa X poder padronizar o processo de tomada de deciso. Alm disso,
abre-se espao para que a empresa X passe a adotar mais mtodos de apoio deciso para
77
suas atividades dirias no somente para padronizar processos como tambm para gerar
transparncia nas decises.
Entretanto, talvez a maior contribuio que o modelo tenha trazido est no seu carter
exploratrio. O mtodo ELECTRE TRI j havia sido utilizado para diversos assuntos
referentes anlise de crdito: previso de falncias (ZOPOUNIDIS, DIMITRAS, e LE
RUDULIER, 1995) e classificao de risco setorial (CUNHA NETO, 2004). Tambm tinha
sido utilizado para um sistema de classificao de risco de um banco do Canad (KHALIL,
MARTEL e JUTRAS, 1999). No entanto, o modelo ainda no tinha sido desenvolvido para
gerar uma classificao de risco para bancos no contexto latino-americano. Existe uma
diferena entre o contexto econmico em que as empresas canadenses e latino-americanas
esto inseridas e, portanto, o modelo proposto por Khalil, Martel e Jutras (1999) no pode ser
replicado no nosso meio. Alm disso, como o objetivo do trabalho era gerar um modelo para a
empresa X, que no do setor financeiro, esta tinha preferncias distintas (inclusive quanto
averso a risco) do banco canadense daquele trabalho.
Por fim, alm de sugerir melhorias no modelo, como j fora mencionado acima, tambm se
pode sugerir um novo modelo mais completo. Este modelo, utilizando o ELECTRE TRI,
poderia partir primeiramente de uma anlise de risco do setor em que a empresa se encontra,
utilizando o modelo detalhadamente descrito na tese de dissertao de Cunha Neto (2004).
Em seguida, a classificao de risco setorial passa a ser um critrio com peso significativo em
um modelo similar ao proposto deste trabalho, feitas as devidas melhorias.
78
R RE EF FE ER R N NC CI IA AS S B BI IB BL LI IO OG GR R F FI IC CA AS S
ALMEIDA, A. T., COSTA, A. P. C. S. Modelo de Deciso Multicritrio para Priorizao de
Sistemas de Informao com Base no Mtodo PROMETHEE. Recife, 2002. Disponvel
online em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0104-
530X2002000200007>. Acesso em: 17/02/2008.

ALTMAN, E. I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate
Bankrupcy. The Journal of Finance, Vol. 23, No 4, p. 589-609. 1968.

BANA E COSTA, C. A.; VANSNICK, J.-C. The Macbeth Approach: Basic Ideas, Software
and an Application. Advances in Decision Analysis. Dordrecht, Kluwer, 1999.

BELTON, V.; STEWART, T. J. Multiple criteria decision analysis: an integrated approach.
Boston: Kluwer Academic Press, p.1-5, 2002.

BERGERON, M.; MARTEL, J.M.; TWARABIMENYE, P. The evaluation of corporate loan
applications based on the MCDA. Journal of Euro-Asian Management 2, p. 1646. 1996.

BOKEL, C. M. Elaborao de sistemas de classificao de risco para empresas do
segmento de mdio porte utilizando a metodologia Camel. Dissertao de Mestrado
Profissionalizante em Administrao, Faculdades Ibmec. Rio de Janeiro, 2005.

BOUYSSOU, D. Building Criteria: A Prerequisite for MCDA. In: BANA E COSTA, C. A.
Readings in Multiple Criteria Decision Aid. Alemanha: Springer-Verlag, 1990. p. 5880.

BRANS, J-P.; MARESCHAL, B. PROMTHE-GAIA Une Mthodologie DAide la
Dcision en Prsence de Critres Multiples. Bruxelas: ditions de lUniversit de Bruxelles,
2002.

BRANS, J-P.; VINCKE, P. H.; MARESCHAL, B. How to select and how to rank project: The
PROMETHEE method. European Journal of Operational Research, v. 24, p. 228-238. 1986.

COOPER, D. R.; SCHINDLER, P. S. Mtodos de Pesquisa em Administrao. Porto Alegre:
Bookman, 2003.

CUNHA NETO, J. A. M. Risco setorial e a metodologia de rating do BNDES: um enfoque
alternativo pelo mtodo Electre Tri. Dissertao de Mestrado Profissionalizante em
Administrao, Faculdades Ibmec, Rio de Janeiro, 2004.

79
DIMITRAS, A., ZAPOUNIDIS C., HURSON C.. A multicriteria decision aid method for
the assessment of business failure risk. Foundations of Computing and Decision Sciences,
Vol. 20 (2), 1995

DOUMPOS, M.; KOSMIDOU, K.; BAOURAKIS, G.; ZOPOUNIDIS, C. Credit Risk
Assessment Using A Multicriteria Hierarchical Discrimination Approach: A Comparative
Analysis. European Journal of Operational Research, Vol. 138 Issue 2, p. 392-412, Junho
2002.

FARIA, M. P. C. Anlise de crdito pequena empresa - um modelo de escoragem
baseado nas metodologias estatsticas: anlise fatorial e lgica fuzzy. Dissertao de
Mestrado Profissionalizante em Administrao, Faculdades Ibmec. Rio de Janeiro, 2006.

FIGUEIRA, J.; MOUSSEAU, V.; ROY, B. Electre Methods. In: FIGUEIRA, J.; GRECO, S.;
EHRGOTT, M. Multiple Criteria Decision Analysis: State of The Art Survey. Nova Iorque:
Springer, 2005. Cap. 4.

FITCHRATINGS. Corporate Rating Methodology. New York, June 2006. Acessvel online
em < http://www.fitchrating.com/creditdesk/reports/report_frame.cfm?rpt_id=279582>.

GOMES, L. F. A. M. Teoria da Deciso. So Paulo: Thomson Learning, 2007. Coleo
debates em administrao.

______; ARAYA, M. C. G.; CARIGNANO, C. Tomada de decises em cenrios complexos:
introduo aos mtodos discretos do apoio multicritrio deciso. So Paulo: Pioneira
Thomson Learning, 2004.

______; GOMES, C. F. S.; ALMEIDA, A. T. Tomada de deciso gerencial: enfoque
multicritrio. So Paulo: Atlas, 2 ed., 2006.

______; RANGEL, L. A. D. An Application of TODIM Method to the Multicriteria Rental
Evaluation of Residential Properties. Eurpoean Journal of Operational Research, doi:
10.1016/j.ejor.2007.10.046. 2007.

KEENEY, R.L.; RAIFFA, H. Decisions with Multiple Objectives: Preferences and Value
Trade Off. Nova Iorque: Wiley, 1976.

KHALIL, J.; MARTEL, J.M.; JUTRAS, P. A Multicriterion System for Credit Risk Rating.
Document de Travail 1999-014. Facult des Sciences de LAdministration, Universit Laval,
Qubec, 1999.

MICROSOFT Excel 2002 SP3: Microsof corporation, 2002.

MOODYS INVESTORS SERVICE. Metodologia de Rating de Empresas Industriais. Nova
Iorque, 1999. Disponvel (com restrio de acesso) em:
<http://www.moodys.com.br/brasil/pdf/BFSR-Portuguese.pdf >. Acesso em: 28/07/2007.

MOODYS INVESTORS SERVICE. Ratings de Fora Financeira de Bancos: Metodologia
Revisada. Nova Iorque, 2006. Disponvel (com restrio de acesso) em:
<www.moodys.com.br>. Acesso em: 04/11/2007.
80

MORAES, A. R. Implementao de redes neurais nebulosas para auxlio na tomada de
deciso em anlise de crdito de pessoas fsicas. Dissertao de Mestrado Profissionalizante
em Administrao, Faculdades Ibmec. Rio de Janeiro, 2003.

MOUSSEAU, V., SLOWINSKI, R., ZIELNIEWICZ, P. Electre Tri 2.0: a Methodological
Guide and Users Manual. Paris, 2002. Disponvel em: < http: www.lamsade.dauphine.fr
/mcda /biblio / PDF / mous3doc /99 /pdf >. Acesso em: 26/11/2007.

NEVES, R. B., COSTA, H. G. Avaliao de Programas de Ps-Graduao: Proposta
Baseada na Integrao ELECTRE TRI, SWOT e Sistema CAPES. Revista Eletrnica
Sistemas & Gesto, v.1., n.2, p. 276-298, Setembro a Dezembro 2006.

O GLOBO ONLINE. Citigroup anuncia um dos piores resultados de sua histria. Rio de
Janeiro, 15/01/2008. Disponvel em: <
http://oglobo.globo.com/economia/mat/2008/01/15/citigroup_anuncia_um_dos_piores_resultad
os_de_sua_historia-328026352.asp>. Acesso em: 23/01/2008.

OZERNOY, V. M. Choosing the best multiple criteria decision making method. INFOR, v.
30, n. 2, p. 159-171, mai. 1992.

ROWLAND, J. Credit Scoring. Credit World, Vol. 84 Issue 1, p. 21-25, Sep/Oct. 1995.

ROY, B. Mthodologie multicritre d'aide la decision. Paris: Economica, 1985.

SAATY, T. L. A Scaling Method for Priorities in Hierarchical Structures. Journal of
Mathematical Psychology, v. 15, n. 3, p. 234-281. 1977.

SANTOS, L. L. Apoio multicritrio deciso aplicado ao processo de planejamento
salarial - uma abordagem da metodologia Electre-Tri. Dissertao de Mestrado
Profissionalizante em Administrao, Faculdades Ibmec, Rio de Janeiro, 2003.

SCHRLIG, A. Des ELECTRE pour le Tri. In:______. Pratiquer ELECTRE et
PROMETHEE: Un Complement Decider sur Plusieurs Critres. Lausanne: Presse
Polytechniques et Unniversitaires Romandes, 1996. Cap. 9, p. 87-98.

SILVA, C. O. M. Sistema de classificao de risco. Dissertao de Mestrado
Profissionalizante em Administrao, Faculdades Ibmec. Rio de Janeiro, 2003.

ZOPOUNIDIS, C.; DIMITRAS, A.I., LE RUDULIER, L. A Multicriteria Approach For The
Analysis and Prediction of Business Failure in Greece. Lamsade, Cahier n 132, Nov. 1995.

81
A AN NE EX XO OS S
Tabela A. 1 Matriz de Performance
Cr01 Cr02 Cr03 Cr04 Cr05 Cr06 Cr07 Cr08 Cr09 Cr10 Cr11
A
01 1 2 2 2 4 6.8 2.6 -35.7 5.8 12.5 3
A
02 1 4 2 2 3 4.2 2.7 -0.3 1.8 11.3 2
A
03 1 4 2 4 5 0.4 -2.0 -11.6 1.9 10.6 6
A
04 3 4 4 5 5 8.9 8.0 -19.0 7.3 15.4 6
A
05 3 3 1 5 4 16.4 9.5 2.8 2.9 6.6 4
A
06 3 4 1 4 4 6.1 4.2 -11.4 2.1 3.8 4
A
07 4 4 3 5 4 5.9 2.9 8.2 1.8 10.5 4
A
08 3 4 4 5 4 8.5 5.3 -31.8 2.9 6.3 4
A
09
2 4 3 3 5 7.9 8.1 -22.0 5.5 12.0 6
A
10 3 4 3 5 4 3.8 1.0 -17.7 5.2 20.3 4
A
11
1 4 4 3 4 5.4 2.8 -24.1 8.9 32.1 4
A
12 4 4 3 5 4 5.1 2.6 -13.0 8.7 20.8 4
A
13
3 3 1 5 4 14.0 2.4 -3.5 9.2 30.7 4
A
14 2 3 3 4 4 5.7 3.1 -21.3 1.6 9.7 3
A
15 1 2 3 2 4 5.7 2.9 -26.3 2.4 7.8 4
A
16 1 2 3 2 4 7.6 2.6 -19.4 4.0 16.6 4
A
17 1 2 2 2 4 9.8 4.7 -16.2 2.4 6.8 4
A
18 1 2 2 2 4 6.4 2.5 -18.6 3.1 10.4 4
A
19 3 4 4 3 4 -2.8 -0.9 -11.0 4.3 16.5 4
A
20 1 4 4 4 4 5.0 4.1 -19.5 2.3 8.5 4
A
21 4 5 2 5 5 4.1 3.6 6.4 4.0 13.2 6
A
22
2 4 3 3 5 3.8 1.1 -12.3 10.2 35.3 6


82
Tabela A. 2 ndices de Concordncia Parcial c(r
i
, A) e Global c(r
i
, A)


Cr01 Cr02 Cr03 Cr04 Cr05 Cr06 Cr07 Cr08 Cr09 Cr10 Cr11 C(r,A)
c(r1,A01) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r2,A01) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.72
c(r3,A01) 0.00 0.17 0.17 0.17 1.00 0.00 0.00 0.00 1.00 0.00 0.33 0.25
c(r4,A01) 0.00 0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00 0.06
c(r1,A02) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 1.00 1.00 0.88
c(r2,A02) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 0.00 0.33 0.62
c(r3,A02) 0.00 1.00 0.17 0.17 1.00 0.00 0.00 0.00 0.00 0.00 0.00 0.17
c(r4,A02) 0.00 1.00 0.00 0.00 0.17 0.00 0.00 0.00 0.00 0.00 0.00 0.07
c(r1,A03) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(r2,A03) 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 0.00 1.00 0.83
c(r3,A03) 0.00 1.00 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.72
c(r4,A03) 0.00 1.00 0.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.71
c(r1,A04) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r2,A04) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.76
c(r3,A04) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.76
c(r4,A04) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.66
c(r1,A05) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 0.00 1.00 0.82
c(r2,A05) 1.00 1.00 0.17 1.00 1.00 0.00 0.00 1.00 1.00 0.00 1.00 0.77
c(r3,A05) 1.00 1.00 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.65
c(r4,A05) 0.17 0.17 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.39
c(r1,A06) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 0.00 1.00 0.82
c(r2,A06) 1.00 1.00 0.17 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.72
c(r3,A06) 1.00 1.00 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.65
c(r4,A06) 0.17 1.00 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.44
c(r1,A07) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 1.00 1.00 0.88
c(r2,A07) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 0.00 1.00 0.82
c(r3,A07) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 0.00 0.00 1.00 0.76
c(r4,A07) 1.00 1.00 0.17 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.50
c(r1,A08) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.76
c(r2,A08) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.76
c(r3,A08) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.71
c(r4,A08) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.50
c(r1,A09) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r2,A09) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.76
c(r3,A09) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.72
c(r4,A09) 0.00 1.00 0.17 0.17 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.40
c(r1,A10) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 0.94
c(r2,A10) 1.00 1.00 1.00 1.00 1.00 0.00 1.00 0.00 1.00 1.00 1.00 0.88
c(r3,A10) 1.00 1.00 1.00 1.00 1.00 0.00 1.00 0.00 1.00 0.00 1.00 0.82
c(r4,A10) 0.17 1.00 0.17 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.45
c(r1,A11) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r2,A11) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.77
c(r3,A11) 0.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.76
c(r4,A11) 0.00 1.00 1.00 0.17 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.29
c(r1,A12) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 1.00 1.00 0.88
c(r2,A12) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r3,A12) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.76
c(r4,A12) 1.00 1.00 0.17 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.50
c(r1,A13) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 1.00 1.00 0.88
c(r2,A13) 1.00 1.00 0.17 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.77
c(r3,A13) 1.00 1.00 0.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.76
c(r4,A13) 0.17 0.17 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.39
c(r1,A14) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r2,A14) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.76
c(r3,A14) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.50
c(r4,A14) 0.00 0.17 0.17 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00 0.31
c(r1,A15) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r2,A15) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.72
c(r3,A15) 0.00 0.17 1.00 0.17 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.40
c(r4,A15) 0.00 0.00 0.17 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.15

(continua)
83
c(r1,A16) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r2,A16) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.72
c(r3,A16) 0.00 0.17 1.00 0.17 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.40
c(r4,A16) 0.00 0.00 0.17 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.15
c(r1,A17) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.76
c(r2,A17) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.72
c(r3,A17) 0.00 0.17 0.17 0.17 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.35
c(r4,A17) 0.00 0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.14
c(r1,A18) 1.00 1.00 1.00 0.17 0.17 1.00 1.00 1.00 1.00 0.00 1.00 0.70
c(r2,A18) 0.17 0.17 0.17 0.00 0.00 1.00 1.00 1.00 0.00 0.00 1.00 0.44
c(r3,A18) 0.00 0.00 0.00 0.00 0.00 1.00 1.00 0.00 0.00 0.00 1.00 0.35
c(r4,A18) 0.00 0.00 0.00 0.00 0.00 1.00 1.00 0.00 0.00 0.00 0.33 0.20
c(r1,A19) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r2,A19) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.72
c(r3,A19) 0.00 0.17 0.17 0.17 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.35
c(r4,A19) 0.00 0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.14
c(r1,A20) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(r2,A20) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 0.00 1.00 0.88
c(r3,A20) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 0.00 1.00 0.88
c(r4,A20) 0.17 1.00 1.00 0.17 1.00 1.00 1.00 0.00 0.00 0.00 0.33 0.42
c(r1,A21) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 0.82
c(r2,A21) 0.17 1.00 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 1.00 0.72
c(r3,A21) 0.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.65
c(r4,A21) 0.00 1.00 1.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.33 0.49
c(r1,A22) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 1.00 1.00 0.88
c(r2,A22) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 0.00 1.00 0.82
c(r3,A22) 1.00 1.00 0.17 1.00 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.66
c(r4,A22) 1.00 1.00 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 1.00 0.65

84
Tabela A. 3 ndices de Concordncia Parcial c(A, r
i
) e Global c(A, r
i
)
Cr01 Cr02 Cr03 Cr04 Cr05 Cr06 Cr07 Cr08 Cr09 Cr10 Cr11 C(r,A)
c(A01,r1) 1.00 0.17 0.17 0.17 0.00 1.00 1.00 1.00 0.00 1.00 0.33 0.43
c(A01,r2) 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 0.00 1.00 1.00 0.88
c(A01,r3) 1.00 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.95
c(A01,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(A02,r1) 1.00 0.00 0.17 0.17 0.00 1.00 1.00 0.00 0.00 1.00 1.00 0.52
c(A02,r2) 1.00 0.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.89
c(A02,r3) 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.95
c(A02,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(A03,r1) 1.00 0.00 0.17 0.00 0.00 0.00 0.00 1.00 0.00 1.00 0.00 0.19
c(A03,r2) 1.00 0.00 1.00 0.00 0.00 0.00 0.00 1.00 1.00 1.00 0.00 0.29
c(A03,r3) 1.00 0.17 1.00 0.17 0.00 0.00 0.00 1.00 1.00 1.00 0.00 0.34
c(A03,r4) 1.00 1.00 1.00 1.00 0.17 1.00 0.00 1.00 1.00 1.00 0.33 0.74
c(A04,r1) 0.00 0.00 0.00 0.00 0.00 1.00 1.00 1.00 0.00 0.00 0.00 0.18
c(A04,r2) 0.17 0.00 0.00 0.00 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.25
c(A04,r3) 1.00 0.17 0.17 0.00 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.31
c(A04,r4) 1.00 1.00 1.00 0.17 0.17 1.00 1.00 1.00 1.00 1.00 0.33 0.60
c(A05,r1) 0.00 0.00 1.00 0.00 0.00 1.00 1.00 0.00 0.00 1.00 0.00 0.24
c(A05,r2) 0.17 0.17 1.00 0.00 0.00 1.00 1.00 0.00 1.00 1.00 0.33 0.39
c(A05,r3) 1.00 1.00 1.00 0.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.72
c(A05,r4) 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.80
c(A06,r1) 0.00 0.00 1.00 0.00 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.29
c(A06,r2) 0.17 0.00 1.00 0.00 0.00 1.00 1.00 1.00 1.00 1.00 0.33 0.44
c(A06,r3) 1.00 0.17 1.00 0.17 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.71
c(A06,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(A07,r1) 0.00 0.00 0.00 0.00 0.00 1.00 1.00 0.00 0.00 1.00 0.00 0.18
c(A07,r2) 0.00 0.00 0.17 0.00 0.00 1.00 1.00 0.00 1.00 1.00 0.33 0.32
c(A07,r3) 0.17 0.17 1.00 0.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.62
c(A07,r4) 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.80
c(A08,r1) 0.00 0.00 0.00 0.00 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.24
c(A08,r2) 0.17 0.00 0.00 0.00 0.00 1.00 1.00 1.00 1.00 1.00 0.33 0.38
c(A08,r3) 1.00 0.17 0.17 0.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.62
c(A08,r4) 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.80
c(A09,r1) 0.17 0.00 0.00 0.00 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.25
c(A09,r2) 1.00 0.00 0.17 0.17 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.34
c(A09,r3) 1.00 0.17 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 0.00 0.66
c(A09,r4) 1.00 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 0.33 0.79
c(A10,r1) 0.00 0.00 0.00 0.00 0.00 1.00 0.00 1.00 0.00 0.00 0.00 0.12
c(A10,r2) 0.17 0.00 0.17 0.00 0.00 1.00 0.00 1.00 0.00 1.00 0.33 0.27
c(A10,r3) 1.00 0.17 1.00 0.00 0.17 1.00 0.00 1.00 1.00 1.00 1.00 0.61
c(A10,r4) 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.80
c(A11,r1) 1.00 0.00 0.00 0.00 0.00 1.00 1.00 1.00 0.00 0.00 0.00 0.24
c(A11,r2) 1.00 0.00 0.00 0.17 0.00 1.00 1.00 1.00 0.00 0.00 0.33 0.35
c(A11,r3) 1.00 0.17 0.17 1.00 0.17 1.00 1.00 1.00 0.00 1.00 1.00 0.79
c(A11,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(A12,r1) 0.00 0.00 0.00 0.00 0.00 1.00 1.00 1.00 0.00 0.00 0.00 0.18
c(A12,r2) 0.00 0.00 0.17 0.00 0.00 1.00 1.00 1.00 0.00 1.00 0.33 0.32
c(A12,r3) 0.17 0.17 1.00 0.00 0.17 1.00 1.00 1.00 0.00 1.00 1.00 0.56
c(A12,r4) 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.80
c(A13,r1) 0.00 0.00 1.00 0.00 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.18
c(A13,r2) 0.17 0.17 1.00 0.00 0.00 1.00 1.00 1.00 0.00 0.00 0.33 0.33
c(A13,r3) 1.00 1.00 1.00 0.00 0.17 1.00 1.00 1.00 0.00 1.00 1.00 0.66
c(A13,r4) 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.80
c(A14,r1) 0.17 0.00 0.00 0.00 0.00 1.00 1.00 1.00 1.00 1.00 0.33 0.38
c(A14,r2) 1.00 0.17 0.17 0.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 0.61
c(A14,r3) 1.00 1.00 1.00 0.17 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.75
c(A14,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(A15,r1) 1.00 0.17 0.00 0.17 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.34
c(A15,r2) 1.00 1.00 0.17 1.00 0.00 1.00 1.00 1.00 1.00 1.00 0.33 0.74
c(A15,r3) 1.00 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.95
c(A15,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00

(continua)
85
c(A16,r1) 1.00 0.17 0.00 0.17 0.00 1.00 1.00 1.00 0.00 0.00 0.00 0.28
c(A16,r2) 1.00 1.00 0.17 1.00 0.00 1.00 1.00 1.00 0.00 1.00 0.33 0.68
c(A16,r3) 1.00 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.95
c(A16,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(A17,r1) 1.00 0.17 0.17 0.17 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.35
c(A17,r2) 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 0.33 0.78
c(A17,r3) 1.00 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.95
c(A17,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(A18,r1) 1.00 0.17 0.17 0.17 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.35
c(A18,r2) 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 0.00 1.00 0.33 0.73
c(A18,r3) 1.00 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.95
c(A18,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(A19,r1) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.06
c(A19,r2) 0.17 0.00 0.00 0.17 0.00 0.00 0.00 1.00 0.00 1.00 0.33 0.25
c(A19,r3) 1.00 0.17 0.17 1.00 0.17 0.00 0.00 1.00 1.00 1.00 1.00 0.74
c(A19,r4) 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 1.00 1.00 0.88
c(A20,r1) 1.00 0.00 0.00 0.00 0.00 1.00 1.00 1.00 0.00 1.00 0.00 0.29
c(A20,r2) 1.00 0.00 0.00 0.00 0.00 1.00 1.00 1.00 1.00 1.00 0.33 0.43
c(A20,r3) 1.00 0.17 0.17 0.17 0.17 1.00 1.00 1.00 1.00 1.00 1.00 0.66
c(A20,r4) 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
c(A21,r1) 0.00 0.00 0.17 0.00 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.13
c(A21,r2) 0.00 0.00 1.00 0.00 0.00 1.00 1.00 0.00 0.00 1.00 0.00 0.24
c(A21,r3) 0.17 0.00 1.00 0.00 0.00 1.00 1.00 1.00 1.00 1.00 0.00 0.36
c(A21,r4) 1.00 0.17 1.00 0.17 0.17 1.00 1.00 1.00 1.00 1.00 0.33 0.55
c(A22,r1) 0.17 0.00 0.00 0.00 0.00 1.00 0.00 1.00 0.00 0.00 0.00 0.13
c(A22,r2) 1.00 0.00 0.17 0.17 0.00 1.00 0.00 1.00 0.00 0.00 0.00 0.23
c(A22,r3) 1.00 0.17 1.00 1.00 0.00 1.00 0.00 1.00 0.00 0.00 0.00 0.48
c(A22,r4) 1.00 1.00 1.00 1.00 0.17 1.00 1.00 1.00 1.00 1.00 0.33 0.79

86
Tabela A. 4 ndices de Discordncia d(r
i
, A)

Cr01 Cr02 Cr03 Cr04 Cr05 Cr06 Cr07 Cr08 Cr09 Cr10 Cr11
d(r1,A01) 0.00 0.00 0.00 0.00 0.00 0.17 0.04 1.00 0.00 0.00 0.00
d(r2,A01) 0.00 0.00 0.00 0.00 0.00 0.24 0.07 1.00 0.00 0.14 0.00
d(r3,A01) 0.21 0.00 0.00 0.00 0.00 0.33 0.11 1.00 0.00 0.45 0.00
d(r4,A01) 0.47 0.21 0.21 0.21 0.00 0.36 0.19 1.00 0.57 1.00 0.11
d(r1,A02) 0.00 0.00 0.00 0.00 0.00 0.02 0.05 0.00 0.00 0.00 0.00
d(r2,A02) 0.00 0.00 0.00 0.00 0.00 0.08 0.08 0.00 0.00 0.18 0.00
d(r3,A02) 0.21 0.00 0.00 0.00 0.00 0.17 0.12 1.00 0.24 0.49 0.11
d(r4,A02) 0.47 0.00 0.21 0.21 0.00 0.20 0.20 1.00 1.00 1.00 0.33
d(r1,A03) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.09 0.00 0.00 0.00
d(r2,A03) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.00 0.20 0.00
d(r3,A03) 0.21 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.23 0.51 0.00
d(r4,A03) 0.47 0.00 0.21 0.00 0.00 0.00 0.00 1.00 0.99 1.00 0.00
d(r1,A04) 0.00 0.00 0.00 0.00 0.00 0.31 0.62 1.00 0.00 0.00 0.00
d(r2,A04) 0.00 0.00 0.00 0.00 0.00 0.38 0.66 1.00 0.00 0.05 0.00
d(r3,A04) 0.00 0.00 0.00 0.00 0.00 0.46 0.70 1.00 0.00 0.36 0.00
d(r4,A04) 0.00 0.00 0.00 0.00 0.00 0.50 0.77 1.00 0.40 0.98 0.00
d(r1,A05) 0.00 0.00 0.00 0.00 0.00 0.78 0.79 0.00 0.00 0.01 0.00
d(r2,A05) 0.00 0.00 0.00 0.00 0.00 0.85 0.82 0.00 0.00 0.32 0.00
d(r3,A05) 0.00 0.00 0.21 0.00 0.00 0.94 0.86 0.86 0.12 0.63 0.00
d(r4,A05) 0.00 0.00 0.47 0.00 0.00 0.97 0.94 1.00 0.88 1.00 0.00
d(r1,A06) 0.00 0.00 0.00 0.00 0.00 0.13 0.21 0.06 0.00 0.10 0.00
d(r2,A06) 0.00 0.00 0.00 0.00 0.00 0.20 0.24 1.00 0.00 0.41 0.00
d(r3,A06) 0.00 0.00 0.21 0.00 0.00 0.29 0.29 1.00 0.21 0.72 0.00
d(r4,A06) 0.00 0.00 0.47 0.00 0.00 0.32 0.36 1.00 0.97 1.00 0.00
d(r1,A07) 0.00 0.00 0.00 0.00 0.00 0.12 0.08 0.00 0.00 0.00 0.00
d(r2,A07) 0.00 0.00 0.00 0.00 0.00 0.19 0.11 0.00 0.00 0.20 0.00
d(r3,A07) 0.00 0.00 0.00 0.00 0.00 0.28 0.15 0.11 0.24 0.51 0.00
d(r4,A07) 0.00 0.00 0.00 0.00 0.00 0.31 0.23 1.00 1.00 1.00 0.00
d(r1,A08) 0.00 0.00 0.00 0.00 0.00 0.28 0.33 1.00 0.00 0.02 0.00
d(r2,A08) 0.00 0.00 0.00 0.00 0.00 0.35 0.36 1.00 0.00 0.33 0.00
d(r3,A08) 0.00 0.00 0.00 0.00 0.00 0.44 0.40 1.00 0.12 0.64 0.00
d(r4,A08) 0.00 0.00 0.00 0.00 0.00 0.47 0.48 1.00 0.88 1.00 0.00
d(r1,A09) 0.00 0.00 0.00 0.00 0.00 0.24 0.63 1.00 0.00 0.00 0.00
d(r2,A09) 0.00 0.00 0.00 0.00 0.00 0.31 0.66 1.00 0.00 0.15 0.00
d(r3,A09) 0.00 0.00 0.00 0.00 0.00 0.40 0.71 1.00 0.00 0.46 0.00
d(r4,A09) 0.21 0.00 0.00 0.00 0.00 0.43 0.78 1.00 0.60 1.00 0.00
d(r1,A10) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.93 0.00 0.00 0.00
d(r2,A10) 0.00 0.00 0.00 0.00 0.00 0.05 0.00 1.00 0.00 0.00 0.00
d(r3,A10) 0.00 0.00 0.00 0.00 0.00 0.14 0.00 1.00 0.00 0.21 0.00
d(r4,A10) 0.00 0.00 0.00 0.00 0.00 0.17 0.02 1.00 0.63 0.82 0.00
d(r1,A11) 0.00 0.00 0.00 0.00 0.00 0.09 0.06 1.00 0.00 0.00 0.00
d(r2,A11) 0.00 0.00 0.00 0.00 0.00 0.16 0.09 1.00 0.00 0.00 0.00
d(r3,A11) 0.21 0.00 0.00 0.00 0.00 0.25 0.14 1.00 0.00 0.00 0.00
d(r4,A11) 0.47 0.00 0.00 0.00 0.00 0.28 0.21 1.00 0.23 0.46 0.00
d(r1,A12) 0.00 0.00 0.00 0.00 0.00 0.07 0.04 0.28 0.00 0.00 0.00
d(r2,A12) 0.00 0.00 0.00 0.00 0.00 0.14 0.07 1.00 0.00 0.00 0.00
d(r3,A12) 0.00 0.00 0.00 0.00 0.00 0.23 0.12 1.00 0.00 0.19 0.00
d(r4,A12) 0.00 0.00 0.00 0.00 0.00 0.26 0.19 1.00 0.25 0.81 0.00
d(r1,A13) 0.00 0.00 0.00 0.00 0.00 0.63 0.02 0.00 0.00 0.00 0.00
d(r2,A13) 0.00 0.00 0.00 0.00 0.00 0.70 0.05 0.36 0.00 0.00 0.00
d(r3,A13) 0.00 0.00 0.21 0.00 0.00 0.79 0.09 1.00 0.00 0.00 0.00
d(r4,A13) 0.00 0.00 0.47 0.00 0.00 0.82 0.17 1.00 0.20 0.51 0.00
d(r1,A14) 0.00 0.00 0.00 0.00 0.00 0.11 0.10 1.00 0.00 0.00 0.00
d(r2,A14) 0.00 0.00 0.00 0.00 0.00 0.18 0.13 1.00 0.00 0.23 0.00
d(r3,A14) 0.00 0.00 0.00 0.00 0.00 0.27 0.18 1.00 0.26 0.54 0.00
d(r4,A14) 0.21 0.00 0.00 0.00 0.00 0.30 0.25 1.00 1.00 1.00 0.11
d(r1,A15) 0.00 0.00 0.00 0.00 0.00 0.10 0.07 1.00 0.00 0.00 0.00
d(r2,A15) 0.00 0.00 0.00 0.00 0.00 0.17 0.10 1.00 0.00 0.29 0.00
d(r3,A15) 0.21 0.00 0.00 0.00 0.00 0.26 0.15 1.00 0.17 0.59 0.00
d(r4,A15) 0.47 0.21 0.00 0.21 0.00 0.29 0.22 1.00 0.93 1.00 0.00
d(r1,A16) 0.00 0.00 0.00 0.00 0.00 0.23 0.04 1.00 0.00 0.00 0.00
d(r2,A16) 0.00 0.00 0.00 0.00 0.00 0.30 0.07 1.00 0.00 0.01 0.00
d(r3,A16) 0.21 0.00 0.00 0.00 0.00 0.38 0.11 1.00 0.00 0.32 0.00
d(r4,A16) 0.47 0.21 0.00 0.21 0.00 0.41 0.19 1.00 0.76 0.94 0.00
d(r1,A17) 0.00 0.00 0.00 0.00 0.00 0.37 0.27 0.72 0.00 0.01 0.00
d(r2,A17) 0.00 0.00 0.00 0.00 0.00 0.43 0.31 1.00 0.00 0.32 0.00
d(r3,A17) 0.21 0.00 0.00 0.00 0.00 0.52 0.35 1.00 0.17 0.63 0.00
d(r4,A17) 0.47 0.21 0.21 0.21 0.00 0.55 0.42 1.00 0.93 1.00 0.00

(continua)
87

d(r1,A18) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.22 0.00
d(r2,A18) 0.00 0.00 0.00 0.21 0.21 0.00 0.00 0.00 0.11 0.53 0.00
d(r3,A18) 0.21 0.21 0.21 0.47 0.47 0.00 0.00 1.00 0.43 0.83 0.00
d(r4,A18) 0.47 0.47 0.47 0.74 0.74 0.00 0.00 1.00 1.00 1.00 0.00
d(r1,A18) 0.00 0.00 0.00 0.00 0.00 0.15 0.03 1.00 0.00 0.00 0.00
d(r2,A18) 0.00 0.00 0.00 0.00 0.00 0.22 0.06 1.00 0.00 0.20 0.00
d(r3,A18) 0.21 0.00 0.00 0.00 0.00 0.31 0.10 1.00 0.09 0.51 0.00
d(r4,A18) 0.47 0.21 0.21 0.21 0.00 0.34 0.18 1.00 0.85 1.00 0.00
d(r1,A19) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00
d(r2,A19) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.00 0.02 0.00
d(r3,A19) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.00 0.32 0.00
d(r4,A19) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.72 0.94 0.00
d(r1,A20) 0.00 0.00 0.00 0.00 0.00 0.06 0.20 1.00 0.00 0.00 0.00
d(r2,A20) 0.00 0.00 0.00 0.00 0.00 0.13 0.24 1.00 0.00 0.26 0.00
d(r3,A20) 0.21 0.00 0.00 0.00 0.00 0.22 0.28 1.00 0.19 0.57 0.00
d(r4,A20) 0.47 0.00 0.00 0.00 0.00 0.25 0.35 1.00 0.95 1.00 0.00
d(r1,A21) 0.00 0.00 0.00 0.00 0.00 0.01 0.15 0.00 0.00 0.00 0.00
d(r2,A21) 0.00 0.00 0.00 0.00 0.00 0.07 0.18 0.00 0.00 0.12 0.00
d(r3,A21) 0.00 0.00 0.00 0.00 0.00 0.16 0.22 0.36 0.00 0.43 0.00
d(r4,A21) 0.00 0.00 0.21 0.00 0.00 0.19 0.30 1.00 0.76 1.00 0.00
d(r1,A22) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.18 0.00 0.00 0.00
d(r2,A22) 0.00 0.00 0.00 0.00 0.00 0.06 0.00 1.00 0.00 0.00 0.00
d(r3,A22) 0.00 0.00 0.00 0.00 0.00 0.14 0.00 1.00 0.00 0.00 0.00
d(r4,A22) 0.21 0.00 0.00 0.00 0.00 0.18 0.03 1.00 0.09 0.36 0.00
88
Tabela A. 5 ndices de Discordncia Parcial d(A, r
i
)
Cr01 Cr02 Cr03 Cr04 Cr05 Cr06 Cr07 Cr08 Cr09 Cr10 Cr11
d(A01,r1) 0.00 0.00 0.00 0.00 0.47 0.00 0.00 0.00 0.43 0.00 0.00
d(A01,r2) 0.00 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.30 0.00 0.00
d(A01,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A01,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A02,r1) 0.00 0.47 0.00 0.00 0.21 0.00 0.00 1.00 0.00 0.00 0.00
d(A02,r2) 0.00 0.21 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A02,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A02,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A03,r1) 0.00 0.47 0.00 0.47 0.74 0.17 0.41 0.00 0.01 0.00 0.56
d(A03,r2) 0.00 0.21 0.00 0.21 0.47 0.10 0.37 0.00 0.00 0.00 0.33
d(A03,r3) 0.00 0.00 0.00 0.00 0.21 0.01 0.33 0.00 0.00 0.00 0.11
d(A03,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.26 0.00 0.00 0.00 0.00
d(A04,r1) 0.21 0.47 0.47 0.74 0.74 0.00 0.00 0.00 0.60 0.08 0.56
d(A04,r2) 0.00 0.21 0.21 0.47 0.47 0.00 0.00 0.00 0.47 0.00 0.33
d(A04,r3) 0.00 0.00 0.00 0.21 0.21 0.00 0.00 0.00 0.14 0.00 0.11
d(A04,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A05,r1) 0.21 0.21 0.00 0.74 0.47 0.00 0.00 1.00 0.12 0.00 0.11
d(A05,r2) 0.00 0.00 0.00 0.47 0.21 0.00 0.00 0.25 0.00 0.00 0.00
d(A05,r3) 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A05,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A06,r1) 0.21 0.47 0.00 0.47 0.47 0.00 0.00 0.00 0.03 0.00 0.11
d(A06,r2) 0.00 0.21 0.00 0.21 0.21 0.00 0.00 0.00 0.00 0.00 0.00
d(A06,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A06,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A07,r1) 0.47 0.47 0.21 0.74 0.47 0.00 0.00 1.00 0.00 0.00 0.11
d(A07,r2) 0.21 0.21 0.00 0.47 0.21 0.00 0.00 1.00 0.00 0.00 0.00
d(A07,r3) 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A07,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A08,r1) 0.21 0.47 0.47 0.74 0.47 0.00 0.00 0.00 0.12 0.00 0.11
d(A08,r2) 0.00 0.21 0.21 0.47 0.21 0.00 0.00 0.00 0.00 0.00 0.00
d(A08,r3) 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A08,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A09,r1) 0.00 0.47 0.21 0.21 0.74 0.00 0.00 0.00 0.40 0.00 0.56
d(A09,r2) 0.00 0.21 0.00 0.00 0.47 0.00 0.00 0.00 0.27 0.00 0.33
d(A09,r3) 0.00 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.00 0.00 0.11
d(A09,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A10,r1) 0.21 0.47 0.21 0.74 0.47 0.00 0.08 0.00 0.37 0.23 0.11
d(A10,r2) 0.00 0.21 0.00 0.47 0.21 0.00 0.05 0.00 0.24 0.00 0.00
d(A10,r3) 0.00 0.00 0.00 0.21 0.00 0.00 0.01 0.00 0.00 0.00 0.00
d(A10,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A11,r1) 0.00 0.47 0.47 0.21 0.47 0.00 0.00 0.00 0.77 0.59 0.11
d(A11,r2) 0.00 0.21 0.21 0.00 0.21 0.00 0.00 0.00 0.64 0.28 0.00
d(A11,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.32 0.00 0.00
d(A11,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A12,r1) 0.47 0.47 0.21 0.74 0.47 0.00 0.00 0.00 0.75 0.24 0.11
d(A12,r2) 0.21 0.21 0.00 0.47 0.21 0.00 0.00 0.00 0.62 0.00 0.00
d(A12,r3) 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.00 0.30 0.00 0.00
d(A12,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A13,r1) 0.21 0.21 0.00 0.74 0.47 0.00 0.00 0.76 0.80 0.55 0.11
d(A13,r2) 0.00 0.00 0.00 0.47 0.21 0.00 0.00 0.00 0.67 0.24 0.00
d(A13,r3) 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.00 0.35 0.00 0.00
d(A13,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A14,r1) 0.00 0.21 0.21 0.47 0.47 0.00 0.00 0.00 0.00 0.00 0.00
d(A14,r2) 0.00 0.00 0.00 0.21 0.21 0.00 0.00 0.00 0.00 0.00 0.00
d(A14,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A14,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A15,r1) 0.00 0.00 0.21 0.00 0.47 0.00 0.00 0.00 0.07 0.00 0.11
d(A15,r2) 0.00 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.00 0.00 0.00
d(A15,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A15,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A16,r1) 0.00 0.00 0.21 0.00 0.47 0.00 0.00 0.00 0.24 0.11 0.11
d(A16,r2) 0.00 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.11 0.00 0.00
d(A16,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A16,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A17,r1) 0.00 0.00 0.00 0.00 0.47 0.00 0.00 0.00 0.07 0.00 0.11
d(A17,r2) 0.00 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.00 0.00 0.00
d(A17,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A17,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

(continua)
89
d(A18,r1) 0.00 0.00 0.00 0.00 0.00 0.19 0.19 1.00 0.00 0.00 0.11
d(A18,r2) 0.00 0.00 0.00 0.00 0.00 0.12 0.16 0.00 0.00 0.00 0.00
d(A18,r3) 0.00 0.00 0.00 0.00 0.00 0.03 0.12 0.00 0.00 0.00 0.00
d(A18,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.04 0.00 0.00 0.00 0.00
d(A19,r1) 0.00 0.00 0.00 0.00 0.47 0.00 0.00 0.00 0.15 0.00 0.11
d(A19,r2) 0.00 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.02 0.00 0.00
d(A19,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A19,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A20,r1) 0.21 0.47 0.47 0.21 0.47 0.37 0.29 0.00 0.27 0.11 0.11
d(A20,r2) 0.00 0.21 0.21 0.00 0.21 0.30 0.26 0.00 0.14 0.00 0.00
d(A20,r3) 0.00 0.00 0.00 0.00 0.00 0.21 0.22 0.00 0.00 0.00 0.00
d(A20,r4) 0.00 0.00 0.00 0.00 0.00 0.18 0.14 0.00 0.00 0.00 0.00
d(A21,r1) 0.00 0.47 0.47 0.47 0.47 0.00 0.00 0.00 0.05 0.00 0.11
d(A21,r2) 0.00 0.21 0.21 0.21 0.21 0.00 0.00 0.00 0.00 0.00 0.00
d(A21,r3) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A21,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A22,r1) 0.47 0.74 0.00 0.74 0.74 0.00 0.00 1.00 0.24 0.01 0.56
d(A22,r2) 0.21 0.47 0.00 0.47 0.47 0.00 0.00 0.75 0.11 0.00 0.33
d(A22,r3) 0.00 0.21 0.00 0.21 0.21 0.00 0.00 0.00 0.00 0.00 0.11
d(A22,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A23,r1) 0.00 0.47 0.21 0.21 0.74 0.00 0.08 0.00 0.91 0.69 0.56
d(A23,r2) 0.00 0.21 0.00 0.00 0.47 0.00 0.05 0.00 0.78 0.38 0.33
d(A23,r3) 0.00 0.00 0.00 0.00 0.21 0.00 0.00 0.00 0.46 0.07 0.11
d(A23,r4) 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
d(A23,r5) 0.21 0.74 0.47 0.47 1.00 0.00 0.00 0.00 1.00 1.00 1.00

90
Tabela A. 6 Anlise de Sensibilidade: alocao pessimista e otimista alterando o nvel de corte

91
Tabela A. 7 Anlise de Sensibilidade: mudana do perfil de referncia r
4
= veto v
i

Rating Aloc.
Pessimista
Rating Aloc.
Otimista
Rating Aloc.
Pessimista
Rating Aloc.
Otimista
Rating Moody's
A
01
2 4 2 4 1
A
02
4 4 4 4 1
A
03
3 2 3 2 5
A
04
3 2 3 2 5
A
05
5 5 5 5 3
A
06
2 4 2 4 3
A
07
5 5 5 5 3
A
08 3
2
3
2
3
A
09 3
2
3
2
3
A
10 3
2
3
2
3
A
11 3
4
3
4
3
A
12 3 2 3 2 4
A
13 3
2
3
2
4
A
14 2
4
2
4
2
A
15 2
4
2
4
2
A
16 2
4
2
4
2
A
17 2
4
2
4
2
A
18 2
4
2
4
2
A
19 3
2
3
2
2
A
20 2
4
2
4
2
A
21 5
5
5 5 5
A
22 5 5 5 5 5
r
4
= v
i
Modelo Original

92
Tabela A. 8 Anlise de Sensibilidade: mudana do perfil de referncia r
4
r
3

Rating Aloc.
Pessimista
Rating Aloc.
Otimista
Rating Aloc.
Pessimista
Rating Aloc.
Otimista
Rating Moody's
A
01
2 4 2 4 1
A
02
4 4 4 4 1
A
03
3 2 3 2 5
A
04
3 2 3 2 5
A
05
5 5 5 5 3
A
06
2 4 2 4 3
A
07
5 5 5 5 3
A
08 3
2
3
2
3
A
09 3
2
3
2
3
A
10 3
2
3
2
3
A
11 3
4
3
4
3
A
12 3 2 3 2 4
A
13 3
2
3
2
4
A
14 2
4
2
4
2
A
15 2
4
2
4
2
A
16 2
4
2
4
2
A
17 2
4
2
4
2
A
18 2
4
2
4
2
A
19 3
2
3
2
2
A
20 2
4
2
4
2
A
21 5
5
5 5 5
A
22 5 5 5 5 5
Modelo Original r
4
similar a r
3