Modelagem do risco de crédito: Um estudo do

segmento de pessoas físicas em um banco de

varejo.

Charles Carmona e Antônio Amorim Neto

 1 - INTRODUÇÃO
Apresentação do tema:
Saunders (2000) apresenta sete motivos para o súbito interesse na gestão do risco de crédito observado
na última década:

+ Aumento estrutural de falências

+ Desintermediação
+ Margens mais competitivas
+ Valores declinantes e voláteis de garantias reais
+ O crescimento de derivativos extrabalanço
+ Tecnologia
+ As exigências para capital baseado no risco pelo BIS
Evolução do Crédito Pessoal
Operações de Crédito Jan/99

Pessoa Física
24%

Pessoa Jurídica
76%

Operações de Crédito Ago/2002

Pessoa Física
37%

Pessoa Jurídica
63%
 Problema de Pesquisa

Nas últimas décadas diversos modelos estatísticos de

probabilidade foram desenvolvidos pelas instituições
financeiras, especialmente aplicados para pessoas jurídicas.
O segmento de pessoas físicas, ao contrário do segmento de
pessoas jurídicas, é bastante homogêneo sob a ótica financeira.

É possível através de modelagem estatística fazer

a previsão da inadimplência para pessoas físicas
em operações de crédito em um banco de varejo
brasileiro?
 REFERENCIAL TEÓRICO

Risco de Crédito - Modelos

Saunders (2000) divide as abordagens de medição do risco de
crédito em tradicionais e novas:

Abordagens Tradicionais:
1) Sistemas Especialistas;
2) Credit Scoring – Sistemas de pontuação de crédito;
3) Rating – Sistemas de classificação.

Novas Abordagens = Modelos de gestão de carteiras

(Teoria da diversificação de
Markowitz).
 Modelos de Credit Scoring

Se dividem em duas categorias:

1) Modelos de aprovação ou concessão de crédito;

2) Modelos de escoragem comportamental ou behavioural

scoring.

A principal diferença entre as duas categorias é que nos

modelos de escoragem comportamental, a instituição
financeira já conhece o cliente. A informação adicional no
behavioural scoring é o histórico de compras e pagamentos
do cliente.
Processo de concessão de crédito através do uso
de modelos de credit scoring.
 Histórico dos Modelos de Credit Scoring

1941 - David Durand pesquisador do National Bureau of

Economic Research (N.Y. – EUA) foi o primeiro a
apresentar um modelo que atribuía pesos para cada uma
das variáveis utilizando análise discriminante.

1968 - A popularização dos sistemas de credit scoring, aconteceu

após a publicação do modelo Z de Altman.

Técnicas Estatísticas : Para analisar os modelos utilizam-se

técnicas distintas e independentes:
Análise Discriminante e Regressão Logística, entre outras.
 Vantagens dos modelos de credit scoring

A principal vantagem do uso dos modelos de credit scoring é a

agilidade adquirida pela instituição que concede o crédito.
• Revisão de crédito mais consistente
• Informações organizadas
• Eficiência no trato de dados fornecidos por terceiros
• Diminuição da metodologia subjetiva
• Compreensão do processo
• Maior eficiência do processo
 Limitações e desvantagens dos modelos de
credit scoring

• Custo de Desenvolvimento

• Modelos com “excesso de confiança”

• Problemas com valores não preenchidos no cadastro

• Interpretação equivocada dos escores

• Limitações geográficas e temporais

 4 – METODOLOGIA

FINALIDADE
Desenvolvimento de dois modelos de credit scoring para uma
mesma amostra:
Modelo 1 = Modelo de concessão ou aprovação de crédito.
Modelo 2 = Modelo de escoragem comportamental ou
behavioural scoring.

BASE DE DADOS
344 clientes tomadores de empréstimo do segmento de pessoas
físicas das agência de um banco de varejo localizadas na
cidade de Recife.
 4 – METODOLOGIA

Composição
A amostra é formada por dois grupos de indivíduos :

• Grupo “A”- 172 clientes sem atraso no pagamento de suas

operações.
• Grupo “H”- 172 Clientes inadimplentes

Parâmetros para seleção da amostra:

• Clientes que possuam operações a mais de 12 meses.
• Clientes que permaneceram 12 meses no mesmo “status”
 4 – METODOLOGIA

Hipótese de Avaliação dos modelos

Assumindo que consideramos um modelo funcional quando este

apresenta uma taxa de sucesso (número de acertos por
casos totais) superior a 80% pode-se considerar válida para
o objetivo proposto.
 5 – RESULTADOS
Modelos de Concessão de Crédito

VARIÁVEIS COEFICIENTES

Taxa de Acertos: 73,3% 72,4%

 5 – RESULTADOS
Modelos de escoragem comportamental

VARIÁVEIS COEFICIENTES

Taxa de Acertos: 81,4% 81,7%

 6 – CONCLUSÕES

Variáveis - Modelos de Concessão de Crédito

 6 – CONCLUSÕES

Os modelos mostraram ser conservadores, isto é, são

melhores na identificação de indivíduos inadimplentes do
que de indivíduos adimplentes (Erro Tipo 2).

Isso é positivo porque permite a redução do risco das

operações.
 6 – CONCLUSÕES

Técnicas Estatísticas
Análise Discriminante Regressão Logística
Modelo 1 = 73,3% Modelo 1 = 72,4%
H0 Rejeitada – Taxas de acertos menores que 80%

Modelo 2 = 81,4% Modelo 2 = 81,7%

H0 Não foi Rejeitada – Taxas de acertos maiores que 80%

Taxas de acertos semelhantes

Ausência de uma técnica dominante
                de Estudos em Finanças e Investimentos do
Núcleo
Programa de Pós-graduação em Administração da
UFPE (NEFI/PROPAD/UFPE)
 
                                         

www.dca.ufpe.br/nefi
Fones: (81) 3271-8368 / 8370

Coordenador: Charles Carmona

 1) Sistemas Especialistas

A análise clássica do crédito é um sistema especializado que

depende, acima de tudo, do julgamento subjetivo de
profissionais treinados (Caouette, Altman e Narayanan,
1998)
Os chamados “Cs” do crédito (Weston e Brigham, 1972) são
representados por (5 Cs) :

Caráter Capacidade Condições Capital Colateral

No Brasil, Silva (2000) incorporou o 6° C do crédito:

Conglomerado
 2) Credit Scoring

Os modelos tradicionais de credit scoring atribuem pesos

estatisticamente predeterminados a alguns dos atributos ou
variáveis dos solicitantes, para gerar um escore de crédito.

Os sistemas de credit scoring definem a probabilidade de um

cliente vir a ser “bom pagador” ou “mau pagador” com
base em suas características.
 3) Rating – Classificação Res. 2.682/99 - BACEN
Classificam os empréstimos de acordo com a probab. de perda.
 A abordagem da carteira

As novas abordagens de gestão do risco de crédito

estão intimamente ligadas aos modelos de carteira.

Um exemplo é o Creditmetrics procura identificar o

Value-at-Risk (VaR) da carteira de empréstimos em
um horizonte de risco que além da probabilidade de
inadimplência inclui valorizações e desvalorizações
da qualidade de crédito, as possíveis migrações de
classificação (Rating).
Variáveis do modelo de concessão ou aprovação de crédito
VARIÁVEL DEFINIÇÃO FORMATO/VALORES
1 = Recife - Capital
A naturalidade ( origem de 2 = Pernambuco -
NATURAL nascimento) do tomador de Interior 3 = Outro
crédito. Estado da Federação.
4 = Outro País.
IDADE A idade do tomador de crédito.
Números inteiros (anos)
1 = Nível Fundamental
ESCOLAR Grau de escolaridade. 2 = Nível Médio
3 = Nível Superior.
1 = Masculino
SEXO
Sexo do tomador de crédito. 2 = Feminino.
1 = Solteiro
2 = Casado + União
ESTCIVIL Estado Civil. estável
3 = Separado ou
divorciado
4 = Viúvo
Local onde reside 1 = Recife - Capital
LRESID atualmente o tomador de 2 = Pernambuco -
crédito. Interior 3 = Outro
Estado da Federação.
Quantidade de ocupações
NOCUP (ou fontes de renda) Números inteiros (anos)
declaradas.

1 = Funcionário de
empresa privada ou
Natureza da ocupação autônomo
NATOCUP
principal. 2 = Funcionário de
empresa de economia
mista
3 = Funcionário Público
Renda mensal declarada Números inteiros. Valor
RENDA
pelo proponente. em Reais (R$)
Tempo de posse na
ocupação principa, ou
TPOSSE Números inteiros (anos)
desde quando o indivíduo
recebe a renda principal.
Variáveis do modelo de escoragem comportamental
VARIÁVEL DEFINIÇÃO FORMATO/VALORES
TCADAST Tempo de cadastro no banco. Anos

Já possui restrição de crédito em seu 0 = Não

RESTBX
tempo de cadastro no banco. 1 = Sim

Dívida total no banco, em julho/2001,

ENDIVIDA Percentual
dividida pela renda mensal.

Dívida total oriunda de cartão de crádito

CARTAO no banco, em julho/2001, dividida pela Percentual
renda mensal.

Dívida total oriunda de cheque especial

CHEQUE no banco, em julho/2001, dividida pela Percentual
renda mensal.

Dívida total oriunda de empréstimos

pessoais sem garantias reais no
PESSOAL Percentual
banco, em julho/2001, dividida pela
renda mensal.

Dívida oriunda de empréstimos para

financiamento de veículos no banco
VEICULO Percentual
(julho/2001 dividida pela renda mensal).
Garantia = Alienação do Bem.