Modelagem do risco de crédito: Um estudo do segmento de pessoas físicas em um banco de varejo....

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 PessoalOperações de Crédito Jan/99

Pessoa Física 24%

Pessoa Jurídica 76%

Operações de Crédito Ago/2002

Pessoa Jurídica 63%

Pessoa Física 37%

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 - ModelosSaunders (2000) divide as abordagens de medição do risco de

crédito em tradicionais e novas:

Novas Abordagens = Modelos de gestão de carteiras

(Teoria da diversificação de Markowitz).

Abordagens Tradicionais:

1) Sistemas Especialistas;

2) Credit Scoring – Sistemas de pontuação de crédito;

3) Rating – Sistemas de classificação.

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

• Eficiência no trato de dados fornecidos por terceiros

• Informações organizadas

• Diminuição da metodologia subjetiva

• Compreensão do processo

• Maior eficiência do processo

Limitações e desvantagens dos modelos de credit scoring

• Modelos com “excesso de confiança”

• Custo de Desenvolvimento

• 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

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

5 – RESULTADOS

VARIÁVEIS COEFICIENTES

Modelos de escoragem comportamental

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

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%

Ausência de uma técnica dominante

Taxas de acertos semelhantes

Núcleo de Estudos em Finanças e Investimentos do 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) :

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

Caráter Capacidade Condições ColateralCapital

Conglomerado

2) Credit Scoring

Os sistemas de credit scoring definem a probabilidade de um cliente vir a ser “bom pagador” ou “mau pagador” com base em suas características.

Os modelos tradicionais de credit scoring atribuem pesos estatisticamente predeterminados a alguns dos atributos ou variáveis dos solicitantes, para gerar um escore de crédito.

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).

VARIÁVEL DEFINIÇÃO FORMATO/VALORES

NATURALA naturalidade ( origem denascimento) do tomador decrédito.

1 = Recife - Capital 2 = Pernambuco - Interior 3 = Outro Estado da Federação. 4 = Outro País.

IDADE A idade do tomador de crédito.Números inteiros (anos)

ESCOLAR Grau de escolaridade.1 = Nível Fundamental 2 = Nível Médio 3 = Nível Superior.

SEXOSexo do tomador de crédito.

1 = Masculino 2 = Feminino.

ESTCIVIL Estado Civil.

1 = Solteiro 2 = Casado + União estável 3 = Separado ou divorciado 4 = Viúvo

LRESIDLocal onde resideatualmente o tomador decrédito.

1 = Recife - Capital 2 = Pernambuco - Interior 3 = Outro Estado da Federação.

NOCUPQuantidade de ocupações(ou fontes de renda)declaradas.

Números inteiros (anos)

NATOCUPNatureza da ocupaçãoprincipal.

1 = Funcionário de empresa privada ou autônomo 2 = Funcionário de empresa de economia mista 3 = Funcionário Público

RENDARenda mensal declaradapelo proponente.

Números inteiros. Valorem Reais (R$)

TPOSSE

Tempo de posse naocupação principa, oudesde quando o indivíduorecebe a renda principal.

Números inteiros (anos)

Variáveis do modelo de concessão ou aprovação de crédito

Variáveis do modelo de escoragem comportamental VARIÁVEL DEFINIÇÃO FORMATO/VALORES

TCADAST Tempo de cadastro no banco. Anos

RESTBXJá possui restrição de crédito em seutempo de cadastro no banco.

0 = Não 1 = Sim

ENDIVIDADívida total no banco, em julho/2001,dividida pela renda mensal.

Percentual

CARTAODívida total oriunda de cartão de cráditono banco, em julho/2001, dividida pelarenda mensal.

Percentual

CHEQUEDívida total oriunda de cheque especialno banco, em julho/2001, dividida pelarenda mensal.

Percentual

PESSOAL

Dívida total oriunda de empréstimospessoais sem garantias reais nobanco, em julho/2001, dividida pelarenda mensal.

Percentual

VEICULO

Dívida oriunda de empréstimos parafinanciamento de veículos no banco(julho/2001 dividida pela renda mensal).Garantia = Alienação do Bem.

Percentual