Aluno: Thadeu Melo Roquette

Módulo 04: Informações Assimétricas – Risco Moral e Seleção Adversa

CJBS – Fintech Executive Program

O estudo sobre as informações assimétricas no ecossistema de pagamentos é cada vez mais importante devido às
inovações e avanços nas análises sobre dados.

A assimetria é devido ao fato de uma parte de uma transação possuir mais informação que a outra, o que gera
limitações em ofertas, nas quais maus pagadores são beneficiados e bons pagadores são prejudicados em relação às
taxas de juros de empréstimos por exemplo.

No setor que eu trabalho, é evidente a assimetria das informações, visto que o Banco possui menos informações
acerca dos hábitos financeiros dos clientes. Este fato corrobora para a problemática da seleção adversa.

A seleção adversa ocorre quando não é possível distinguir diferentes perfis e uma média é estipulada para o crédito
que prejudica quem possui melhores hábitos financeiros (ameixas) e beneficia quem possui maus hábitos financeiros
(limões), o problema das ameixas e limões.

A fim de lidar com esse tipo de situação o setor de Cartões de Crédito, utilizam Bureaus de Crédito (mais de um),
dados de open banking e dados referentes as informações de PIX.

Porém, para melhor mapear o perfil de cada cliente e poder fornecer uma solução mais aderente e conquistar mais
clientes, é possível utilizar dados alternativos que já são obtidos por meio de empresas de telefonia ou prestadoras
de serviços.

Para agregar à análise do perfil e reduzir a assimetria, pode-se utilizar:

 Dados psicométricos: pode-se adquirir informações da lista de contatos, interações em redes sociais (text
mining), quantidade de contatos e interações para medir a confiabilidade da pessoa, pois quanto maior o
círculo de contatos, mais uma pessoa tende a ser confiável; Histórico de navegação em sites e motores de
busca na internet, para medir o quão materialista uma pessoa é; Sinal de localização para verificar os locais
frequentados, a fim de verificar o hábito de exposição a centros comerciais.
 Métodos prescritivos: Utilização de Inteligência artificial e Machine Learning para prever o comportamento
financeiro no futuro com mais assertividade.
 A Triagem pode ser utilizado para monitorar os clientes de perto, utilizando empréstimos para grupo de
pessoas, pois em um grupo, uma pessoa monitorará a outra para que o todo não seja penalizado.
 Sinalização pode ser utilizada para aumentar a garantia de um perfil pessoal através de contratos
inteligentes que utilizam blockchain e aumentam a confiabilidade das informações apresentadas pelos
usuários e potenciais clientes.

Diante do exposto, a questão da informação assimétrica no setor onde trabalho e em instituições financeiras
tradicionais não são tratadas ainda com o devido cuidado, o que leva às Fintechs obterem vantagem competitiva e
aumentarem o market share no mercado de crédito devido à utilização da tecnologia e a agilidade de adaptação ao
meio por possuir estruturas menos engessadas.

Por outro lado, os bancos tradicionais devem investir em remodelar o seu modelo de negócios e matriz
organizacional para fornecer respostas mais rápidas às transformações digitais de modo a manter a competitividade
diante do cenário de disrupção e quebra de barreiras.