UNIVERSIDADE ESTCIO DE S

FABIO CESAR KOTHE JANNUZZI

UM ESTUDO SOBRE AS VARIVEIS QUE IMPACTAM A INADIMPLNCIA NO CRDITO CONCEDIDO PARA PROJETOS IMOBILIRIOS

Rio de Janeiro 2010

FABIO CESAR KOTHE JANNUZZI

UM ESTUDO SOBRE AS VARIVEIS QUE IMPACTAM A INADIMPLNCIA NO CRDITO CONCEDIDO PARA PROJETOS IMOBILIRIOS

Dissertao apresentada como requisito parcial para obteno do grau de Mestre em Administrao do Programa de Ps-Graduao em Administrao e Desenvolvimento Empresarial da Universidade Estcio de S Orientador Prof Dr. Marco Aurlio Carino Bouzada

Rio de Janeiro 2010

Dados Internacionais de Catalogao na Publicao (CIP)

M6

J34

Jannuzzi, Fabio Cesar Kothe Um estudo sobre as variveis que impactam a inadimplncia no crdito concedido para projetos imobilirios, 2010. 75f. ; 30 cm. Trabalho monogrfico (Mestrado em Administrao e Desenvolvimento Empresarial) Universidade Estcio de S, 2010. 1. Crdito. 2. Administrao Administrao de risco. I. Ttulo de crdito. 3.

CDD 332.7

minha dedicada esposa Jocila e meus queridos filhos Karina e Bruno pelas horas de estudo roubadas ao seu convvio.

AGRADECIME TOS

Agradeo aos meus familiares pela compreenso da minha ausncia. Em muitos momentos no foi possvel o convvio para que este trabalho fosse realizado.

Aos professores do MADE, pois seus valiosos ensinamentos foram essenciais para a elaborao deste trabalho.

Em especial, aos professores Paulo Roberto da Costa Vieira e Antnio Carlos Magalhes da Silva, por suas sugestes que contriburam para aprimorar este trabalho.

Aos colegas de curso, pela amizade e fraternidade.

E finalmente, ao professor Marco Aurlio Carino Bouzada, meu orientador, pela ateno, compreenso e motivao para seguir em frente.

RESUMO

A concesso de crdito compreende uma diversidade de situaes e cada uma delas apresenta peculiaridades em termos de quais caractersticas dos tomadores de crdito e do crdito em si so capazes de influenciar na inadimplncia. O presente estudo de caso procura identificar, como objetivo final, as variveis que impactam a inadimplncia no crdito concedido para projetos imobilirios, ou seja, para situaes em que o tomador do crdito pertencente instituio estudada na pesquisa deseja crdito para realizar reforma ou ampliao de unidade residencial prpria. O uso da tcnica de regresso logstica permitiu verificar a relao entre a inadimplncia (varivel dependente) e as caractersticas do tomador (variveis independentes) e, desta forma, a definio de um modelo de deciso - credit scoring - que apresenta a probabilidade de uma pessoa tornar-se inadimplente. A elaborao de um modelo de escoragem do pedido com mdia de acurcia de 74% ao longo do perodo de observao permitiria o alcance do objetivo principal, no fosse a negativa de relevncia estatstica apresentada pela estatstica Wald. A reprovao estatstica do modelo remete necessidade de ampliao do banco de dados da instituio, consolidando e disponibilizando um nmero maior de informaes sobre as caractersticas do tomador de crdito, a fim de identificar as variveis que impactam a inadimplncia.

Palavras-chave: crdito; administrao de crdito, administrao de risco, credit scoring, regresso logstica.

ABSTRACT

The credit includes a variety of situations and each has peculiarities in terms of what characteristics of borrowers and credit themselves are able to influence the default. The present case study tries to identify, like final objective, the variables that impact the default rate on loans for real estate projects, in other words, for situations in which the employee of the institution studied in the survey wants credit to accomplish reform or enlargement of residential own unity. The use of logistic regression analysis showed the relationship between the default (dependent variable) and the characteristics of the borrower (independent variables) and thus enabled the definition of a decision model - credit scoring - that presents the probability of a person becoming delinquent. The result of the Wald statistic does not allow for reaching the goal even though the application scoring model developed possessed average accuracy of 74% over the observation period. The failure of the statistical model refers to the need to expand the database of the institution, consolidating and providing a greater number of information about borrower characteristics in order to identify the variables that impact on delinquency.

Keywords: credit, credit management, risk management, credit scoring, logistic regression.

SUMRIO 1 PROBLEMTICA ..............................................................................................................10 1.1 Contexto .........................................................................................................................10 1.2 Formulao do Problema................................................................................................12 1.3 Objetivos.........................................................................................................................12 1.3.1 Objetivo Final..........................................................................................................12 1.3.2 Objetivos Intermedirios .........................................................................................13 1.4 Delimitao do Estudo ...................................................................................................13 1.5 Hipteses ........................................................................................................................14 1.5.1 Hiptese I.................................................................................................................14 1.5.2 Hiptese II ...............................................................................................................15 1.6 Relevncia do Estudo .....................................................................................................15

2 REFERE CIAL TERICO ..............................................................................................18 2.1 Resumo ...........................................................................................................................18 2.2 O Crdito ........................................................................................................................18 2.2.1 Conceito e Finalidade .............................................................................................18 2.2.2 Linhas de Crdito ....................................................................................................19 2.3 O Risco ...........................................................................................................................21 2.3.1 Conceito de Risco ....................................................................................................21 2.3.2 Gesto de Risco e Inadimplncia ............................................................................22 2.4 A Anlise de Crdito .......................................................................................................25 2.4.1 Conceito e Objetivos................................................................................................25 2.4.2 Os C do Crdito ..................................................................................................26 2.4.3 A Anlise Subjetiva de Crdito Pessoa Fsica......................................................28 2.4.3.1 Fases da Anlise de Crdito para Pessoas Fsicas ................................................29 2.4.3.2 Parmetros para Estabelecer o Limite de Crdito e o Valor do Financiamento ...31 2.4.4 A Anlise Objetiva de Crdito Pessoa Fsica.......................................................32 2.4.4.1 Credit Scoring.......................................................................................................33 2.5 A Regresso Logstica ....................................................................................................36 2.6 Artigos Relacionados......................................................................................................40

3 ASPECTOS METODOLGICOS ....................................................................................48 3.1 Tipo de Pesquisa.............................................................................................................48 3.2 Finalidade .......................................................................................................................48 3.3 Meios ..............................................................................................................................48 3.4 Universo, Populao e Amostra......................................................................................49 3.5 Coleta de Dados..............................................................................................................50 3.5.1 Conceito de Cliente Inadimplente ...........................................................................50 3.5.2 Mtodo de Seleo...................................................................................................51 3.5.3 Parmetros das Amostras........................................................................................52 3.6 Tratamento de Dados ......................................................................................................52 3.6.1 Definio das Variveis ...........................................................................................54 3.7 Limitaes ......................................................................................................................56

4 APRESE TAO DOS RESULTADOS .........................................................................58 4.1 Regresso Logstica........................................................................................................58 4.2 Validao dos Resultados ...............................................................................................61 4.2.1 Matriz de Classificao para a Amostra B .............................................................62 4.2.2 Matriz de Classificao para a Amostra C .............................................................62 4.2.3 Matriz de Classificao para a Amostra D .............................................................63

5 A LISE DOS RESULTADOS ........................................................................................64 5.1 Anlise do Modelo Logstico..........................................................................................64 5.2 Anlise das Variveis ......................................................................................................66

6 CO SIDERAES FI AIS .............................................................................................68 6.1 Sugesto para Estudos Futuros .......................................................................................71

REFER CIAS .....................................................................................................................73

10

1 PROBLEMTICA

1.1 Contexto

Segundo Schrickel (2000, p. 25):

Crdito todo ato de vontade ou disposio de algum de destacar ou ceder, temporariamente, parte de seu patrimnio a um terceiro, com a expectativa de que esta parcela volte a sua posse integralmente, aps decorrido o prazo estipulado.

A necessidade de crdito uma realidade tanto na esfera pblica quanto na privada. O crdito pblico tem origem nas necessidades de cobertura dos gastos governamentais, tanto de custeio como investimento; o crdito privado tem origem na necessidade de recursos das empresas para cobertura da capital de giro ou para investimentos, bem como das pessoas fsicas para suprir necessidades imediatas de caixa ou para antecipar consumo ou investimento (SECURATO, 2007). Os bancos comerciais oferecem linhas de crdito tradicionais s pessoas fsicas e s empresas. As pessoas fsicas podem contar com cheque especial, carto de crdito, contrato de crdito, crdito direto ao consumidor, crdito imobilirio ou leasing. As empresas podem contar com contratos de capital de giro, compror, vendor, adiantamento sobre contratos de cmbio, leasing, financiamento importao ou repasses do Banco Nacional de Desenvolvimento Econmico e Social (BNDES)1. Segundo Santos (2009), o crdito inclui as noes fundamentais de confiana, expressa na promessa de pagamento, e tempo, que se refere ao perodo fixado entre a aquisio e a liquidao da dvida. Securato (2007) explica que o crdito caracteriza um sacrifcio de algum em no1

Maiores esclarecimentos podem ser encontrados em Santos (2009, p. 10).

11

consumir no presente, para que os outros possam faz-lo e esta operao apresentar um custo na forma de juros que iro remunerar o cedente do crdito. De acordo com Santos (2009), ao conceder um crdito, o gerente de crdito est comprando um risco: a qualquer momento, acontecimentos imprevistos e adversos podem afetar as empresas e pessoas fsicas, reduzindo a probabilidade de recebimento do crdito. Segundo Serasa (2009), a palavra inadimplente um verbete recente na lngua portuguesa e no vocabulrio do cidado brasileiro. No se sabe exatamente quando foi que ela comeou a se tornar popular no Brasil, mas parece que a palavra chegou ponta da lngua do consumidor depois do Plano Real (1994), quando o Brasil registrou um aumento no volume de crdito e tambm um crescimento da inadimplncia. De acordo com o dicionrio Houaiss (2009), a palavra inadimplncia significa falta de cumprimento de uma obrigao. A inadimplncia corresponde, ento, falta de cumprimento da obrigao de saldar a dvida pelo tomador do crdito. Segundo Schrickel (2000), a taxa de juros presta-se compensao dos riscos assumidos pelo emprestador quanto possvel perda ou deteriorao da parcela de seu patrimnio cedido e tambm conhecida como taxa de risco. Para o auxlio deciso de concesso ou no de crdito realizada a atividade de anlise de crdito, cujo objetivo, segundo Schrickel (2000, p. 25), :

[...] identificar os riscos nas situaes de emprstimo, evidenciar concluses quanto capacidade de repagamento do tomador, e fazer recomendaes relativas melhor estruturao e tipo de emprstimo a conceder, luz das necessidades financeiras do solicitante, dos riscos identificados e mantendo, adicionalmente, sob perspectivas, a maximizao dos resultados da instituio.

Securato (2007, p. 33) orienta que a anlise de crdito da pessoa fsica ampara-se na

12

obteno de informaes do solicitante de crdito e na confirmao das informaes atravs de documentos e consultas a agncias especializadas. Cada credor utiliza um modelo prprio de ficha cadastral para a obteno das informaes bsicas do cliente, recorrendo a empresas especializadas, como Serasa, para validar, confirmar e complementar as informaes obtidas diretamente do cliente. A concesso de crdito compreende uma diversidade de situaes e cada uma delas apresenta peculiaridades em termos de quais caractersticas dos tomadores de crdito e do crdito em si so capazes de influenciar na (in)adimplncia. Desta forma, cada contexto particular de concesso de crdito pode apresentar caractersticas impactantes diversas e que devem ser objeto de uma observao particular para a melhoria da anlise de crdito garantidora da continuidade da operao da instituio.

1.2 Formulao do Problema

Quais as variveis que impactam a inadimplncia no crdito concedido para projetos imobilirios, ou seja, para situaes em que o tomador do crdito deseja realizar reforma ou ampliao de unidade residencial prpria?

1.3 Objetivos

1.3.1 Objetivo Final

Identificar as variveis que impactam a inadimplncia no crdito concedido para projetos imobilirios, ou seja, para situaes em que o tomador do crdito pertencente Autarquia Federal estudada na pesquisa deseja crdito para realizar reforma ou ampliao de

13

unidade residencial prpria.

1.3.2 Objetivos Intermedirios

- Identificar, na literatura, as variveis referentes aos financiamentos pessoais para projetos imobilirios com potencial para impactar a inadimplncia. - Construir um modelo de regresso logstica para verificar o impacto das variveis renda do tomador do crdito, sua idade e endereo residencial, o valor do crdito concedido, o valor da prestao, o prazo e a forma de pagamento na inadimplncia. - Construir um modelo de deciso - credit scoring, com o uso de regresso logstica, para auxiliar o processo de concesso de crdito para projetos imobilirios de pessoas fsicas da Autarquia Federal em estudo, a partir das variveis renda do tomador do crdito, sua idade e endereo residencial, o valor do crdito concedido, o valor da prestao, o prazo e a forma de pagamento na inadimplncia. - Analisar a qualidade estatstica das informaes disponibilizadas pelos modelos.

1.4 Delimitao do Estudo

O presente estudo busca a identificao das variveis que impactam a inadimplncia no crdito concedido para projetos imobilirios a pessoas fsicas pertencentes instituio concedente (estudada nesta pesquisa) com sede na cidade do Rio de Janeiro e atuao em todo o territrio nacional. O financiamento imobilirio objeto do presente estudo um financiamento com limite financeiro de R$ 40 mil, prazo de pagamento de at 48 meses e destinado a compra de material e/ou contratao de servio para reforma ou ampliao de unidade residencial

14

prpria. Para o estudo foram consideradas as situaes de (in)adimplncia ocorridas em financiamentos imobilirios ativos em 2010, ou seja, aqueles em vigncia no perodo. Em face de peculiaridades afetas aos servidores pblicos integrantes da Autarquia, principalmente, a estabilidade, no foram consideradas variveis macroeconmicas na pesquisa. A base de dados da Autarquia em estudo permite que sejam consideradas, apenas, as seguintes variveis disponveis: a renda do tomador do crdito, sua idade e endereo residencial, o valor do crdito concedido, o valor da prestao e o prazo e a forma de pagamento.

1.5 Hipteses

1.5.1 Hiptese I

Nesta hiptese so consideradas as variveis isoladamente, ou seja, se as variveis por si s impactam a inadimplncia no crdito concedido para financiamentos imobilirios a pessoas fsicas pertencentes Autarquia Federal: a) a renda do tomador do crdito impacta a inadimplncia; b) a idade do tomador do crdito impacta a inadimplncia; c) o endereo residencial do tomador do crdito impacta a inadimplncia; d) o valor do crdito concedido ao tomador do crdito impacta a inadimplncia; e) o valor da prestao impacta a inadimplncia; f) o prazo de pagamento impacta a inadimplncia; g) a forma de pagamento impacta a inadimplncia.

15

1.5.2 Hiptese II

Nesta hiptese, as variveis so consideradas em conjunto.

HIPTESE: As variveis renda do tomador do crdito, sua idade e endereo residencial, o valor do crdito concedido, o valor da prestao, o prazo e a forma de pagamento permitem estabelecer uma ferramenta de credit scoring que estime, satisfatoriamente, a probabilidade de ocorrncia de inadimplncia futura no crdito concedido para financiamentos imobilirios a pessoas fsicas pertencentes Autarquia Federal.

1.6 Relevncia do Estudo

As operaes de crdito do sistema financeiro mantiveram-se, em 2008, na trajetria de crescimento observada nos anos anteriores, em que pese a desacelerao associada crise financeira internacional nos ltimos meses do ano (BRASIL,2008). Nesse sentido, o estoque total das operaes de crdito atingiu R$1.227 bilhes em dezembro, registrando expanso anual de 31,1%, ante 27,8% em 2007. Esse volume representou 41,3% do PIB, ante 34,2% ao final do ano anterior. Os emprstimos a pessoas fsicas somaram R$389,5 bilhes, registrando aumento anual de 23,9%. O mesmo documento2 informa que a taxa de inadimplncia da carteira de crdito, considerados os atrasos superiores a noventa dias, atingiu 4,4% em dezembro de 2008, ante 4,3% ao final de 2007, resultado de aumento de 1 ponto percentual no segmento de pessoas fsicas e de recuo de 0,2 pontos percentuais no relativo a pessoas jurdicas, nos quais as taxas situaram-se em 8% e 1,8%, respectivamente.2

Brasil (2008, p. 57).

16

A grandeza das cifras referentes s operaes de crdito e a magnitude da inadimplncia presente no processo revelam a importncia da anlise de crdito para a tomada de deciso de concesso ou no de crdito. No mbito do Sistema Financeiro da Habitao (BRASIL,2009a), tendo como base todo o territrio nacional, de outubro de 1994 a julho de 2009, foram concedidos financiamentos para construo de 586.699 unidades. Nesse mesmo perodo, foi tambm financiada a aquisio de 632.857 imveis prontos. O valor total dos financiamentos concedidos foi de R$ 99,52 bilhes. Ainda segundo Brasil (2009a), de agosto de 2008 a julho de 2009, foram concedidos novos financiamentos habitacionais no valor de R$ 29,25 bilhes (279.405 unidades), sendo 56,57% (R$ 16,54 bilhes) destinados para aquisio de unidades j construdas e o restante, 43,43% (R$ 12,70 bilhes), a financiamentos para construo de imveis. Esses nmeros representam acrscimo de 15,44% no valor nominal dos financiamentos concedidos e de 8,89% no nmero de unidades financiadas em relao ao perodo anterior (agosto de 2007 a julho de 2008). Durante o 1 Semestre de 2009, a inadimplncia em financiamentos habitacionais atingiu seu pice em fevereiro com 32,76% de contratos em atraso (BRASIL, 2009b, p. 1). De acordo com Machado (2010), no primeiro trimestre de 2010, o IBGE (Instituto de Geografia e Estatstica) informou que a economia brasileira voltou a crescer esse ano com alta de 9%. Os Indicadores Serasa Experian de Inadimplncia do Consumidor tambm apresentaram crescimento, com variao de 4,3%, entretanto, em queda quando comparado com os primeiros meses de 2009, um momento crtico da crise no pas. Ainda segundo a autora, a crise financeira no a nica responsvel pelo aumento da inadimplncia; h muitos fatores que influenciam nesta situao temporria do consumidor, tais como falta de condies financeiras de arcar com seus dbitos, desemprego, doena ou

17

morte de familiares, entre outros. O aumento das transaes no mercado imobilirio, dito aquecido, pelo aumento da disponibilidade de crdito imobilirio e a reduo de taxas de juros praticadas no mercado financeiro incentivam a procura por crdito para a realizao de reformas e ampliaes em unidades residenciais. Mas as incertezas esto sempre presentes no mundo real e este fato concorre para dificultar o acerto em uma tomada de deciso via intuio. Desta forma, relevante o uso de tcnica estatstica para identificar as variveis que impactam a inadimplncia no crdito pessoa fsica ainda mais quando as informaes relevantes esto disponveis, s carecendo de um mtodo sistemtico para contempl-las, como no caso em questo - a fim de evitar o comprometimento da continuidade da operao da instituio concedente e estabelecer uma vantagem competitiva para essa organizao.

18

2 REFERE CIAL TERICO

2.1 Resumo

No presente referencial terico apresentado o conceito de crdito, importante propulsor da economia em qualquer pas, pois financia a atividade produtiva, gerando trabalho e renda. Em seguida, apresentado o conceito de risco presente na atividade de concesso de crdito, particularmente, a inadimplncia. Para evitar a inadimplncia, ou para mant-la em nvel aceitvel, necessria uma criteriosa anlise de crdito como auxlio deciso de concesso ou no de crdito. O Credit Scoring ser a ferramenta apresentada para o auxlio anlise de crdito com o suporte da tcnica estatstica multivariada regresso logstica na tentativa de estimar a probabilidade de ocorrncia de inadimplncia futura.

2.2 O Crdito

2.2.1 Conceito e Finalidade

Segundo Schrickel (2000, p. 25):

Crdito todo ato de vontade ou disposio de algum de destacar ou ceder, temporariamente, parte de seu patrimnio a um terceiro, com a expectativa de que esta parcela volte a sua posse integralmente, aps decorrido o prazo estipulado.

De acordo com Santos (2009), o crdito inclui as noes fundamentais de confiana, expressa na promessa de pagamento, e tempo, que se refere ao perodo fixado entre a

19

aquisio e a liquidao da dvida. Para Securato (2007, p. 18), a necessidade de crdito uma realidade tanto na esfera pblica quanto na privada. O crdito pblico tem origem nas necessidades de cobertura dos gastos governamentais, tanto de custeio como investimento; o crdito privado tem origem na necessidade de recursos das empresas para cobertura da capital de giro ou para investimentos, bem como das pessoas fsicas para suprir necessidades imediatas de caixa ou para antecipar consumo ou investimento. A finalidade do crdito deve estar diretamente vinculada com a necessidade do cliente e, para as pessoas fsicas, as linhas de crdito devem atender a trs necessidades bsicas (SANTOS, 2009): crditos emergenciais para atender s necessidades imediatas do cliente causada por eventuais desequilbrios oramentrios ou mesmo financiamento de compras em operaes de crdito de curtssimo prazo (prazo inferior a um ms); financiamentos de compras para aquisio de produtos e servios para consumo e bem-estar em operaes de crdito de curto prazo (prazo inferior a 12 meses); ou investimento para aquisio de bens de maior valor para integrar seu patrimnio ou desempenhar suas atividades profissionais em operaes de crdito de longo prazo (prazo superior a 12 meses).

2.2.2 Linhas de Crdito

Para o financiamento de suas necessidades, os clientes podem recorrer obteno de duas modalidades de linhas de crdito (SANTOS, 2009): as linhas rotativas, que compreendem os limites de crdito colocados disposio do cliente, e as linhas pontuais, que se destinam ao financiamento de necessidade previamente definida. Os exemplos tradicionais de linhas de crdito s pessoas fsicas so os limites rotativos (cheque especial e carto de crdito), o contrato de crdito, o crdito direto ao consumidor, o crdito imobilirio

20

e o leasing: Cheque especial: uma modalidade de crdito rotativo para atender s necessidades eventuais ou temporrias dos clientes. Os bancos aprovam limites de cheque especial em valores compatveis com a renda lquida mensal comprovada do cliente e as taxas so prefixadas e definidas mensalmente, variando de acordo com o risco do cliente; Carto de crdito: uma modalidade de crdito rotativo que permite aos clientes a realizao de saques em caixas eletrnicos e em rede bancria associada e a compra de bens e servios em estabelecimentos comerciais credenciados at o limite de crdito concedido. Os bancos aprovam limites de carto de crdito em valores compatveis com a renda lquida mensal comprovada do cliente e as taxas so prefixadas e definidas mensalmente, variando de acordo com o risco do cliente; Contrato de crdito: uma modalidade de crdito pontual, pois possibilita ao banco o conhecimento prvio do direcionamento que o cliente dar para os recursos financeiros, seja para gastos com moradia (ampliao ou construo de imveis) sade, educao ou aquisio de bens (imveis, eletrodomsticos, veculos etc). uma modalidade de crdito condicionada amortizao parcelada do principal mais os juros; Crdito direto ao consumidor: uma modalidade de crdito pontual destinada a financiar a prestao de servios e aquisio de bens durveis com amortizaes mensais fixas, j com os encargos envolvidos. Os bens durveis podem ser novos ou usados, principalmente veculos e eletrodomsticos; Crdito imobilirio: uma modalidade de crdito pontual destinada aquisio ou construo de imveis residenciais, amortizveis em prestaes mensais, em

21

perodos usualmente superiores a cinco anos. O imvel objeto do financiamento, alm do aval, constitui-se na garantia acessria para minimizar o risco; Leasing: uma modalidade de crdito pontual e trata-se de uma operao de arrendamento ou aluguel de veculo de passeio s pessoas fsicas, onde a amortizao ocorre de forma mensal e em longo prazo (24 ou 36 meses) com opo, ao final do contrato, pela aquisio do bem pelo preo residual ou devoluo arrendadora. A importncia do crdito apresentada por Caouette (2009, p. 19):

Indiscutivelmente, a disponibilidade e aceitabilidade do crdito facilita a vida moderna e estimula a economia. O crdito capacita as pessoas, ainda que com recursos modestos, a comprarem casas, carros e bens de consumo e isso, por sua vez, cria empregos e aumenta o volume de oportunidades econmicas. O crdito permite que as empresas cresam e prosperem. Agncias governamentais espalhadas pelo mundo utilizam crdito para criar infra-estrutura que no podem financiar por meio dos oramentos anuais.

2.3 O Risco

Ao conceder um crdito, o gerente de crdito est comprando um risco (SANTOS, 2009): a qualquer momento, acontecimentos imprevistos e adversos podem afetar as empresas e pessoas fsicas, reduzindo a probabilidade de recebimento do crdito. A seguir, so apresentadas consideraes sobre o risco na concesso de crdito e sua gesto, particularmente, a preocupao com o risco de inadimplncia.

2.3.1 Conceito de Risco

Segundo Crouhy (2007), desde os anos de 1920, pensadores de risco tem feito uma importante distino entre risco e incerteza: a variabilidade que pode ser quantificada em

22

termos de probabilidades julgada como risco, enquanto a variabilidade que no pode ser quantificada em absoluto julgada simplesmente como incerteza. Securato (2007) se refere a risco como uma medida quantitativa: o desvio padro. A medida do desvio padro representa a expectativa que se tem em relao a um ativo financeiro: quando se diz que a renda fixa teve uma taxa anual mdia de 12% distribuda normalmente e com desvio de 1,8%, supe-se que, ao investir R$ 100 milhes no ano seguinte podemos conseguir, com 68,3% de probabilidade, terminar o ano com um valor entre R$ 110,2 milhes e R$ 113,8 milhes. No ensinamento de Crouhy (2007, p. 12):

Risco de Crdito o risco de perda decorrente da alterao dos fatores que determinam a qualidade do crdito de um ativo. Esses incluem efeitos adversos decorrentes de migrao do grau de crdito, incluindo inadimplncia, e as dinmicas das taxas de recuperao.

Para Schrickel (2000), a taxa de juros presta-se compensao dos riscos assumidos pelo emprestador quanto possvel perda ou deteriorao da parcela de seu patrimnio cedido e tambm conhecida como taxa de risco. Crouhy (2007) afirma que a diretoria precisa garantir que os riscos sejam transparentes aos gerentes e depositrios mediante adequada divulgao interna e externa, exercendo uma verdadeira governana do risco. Nesse sentido, o gestor de risco, ao divulgar uma anlise de risco, deve ser claro a respeito do grau em que ele depende de fatores que so inteiramente incertos no momento da anlise uma distino que pode no ser bvia ao leitor de um complicado relatrio de risco primeira vista.

2.3.2 Gesto de Risco e Inadimplncia

A palavra inadimplente um verbete recente na lngua portuguesa e no vocabulrio do

23

cidado brasileiro. No se sabe exatamente quando foi que ela comeou a se tornar popular no Brasil, mas parece que a palavra chegou ponta da lngua do consumidor depois do Plano Real (1994), quando o Brasil registrou um aumento no volume de crdito e tambm um crescimento da inadimplncia (SERASA, 2009). De acordo com o dicionrio Houaiss (2009), a palavra inadimplncia significa falta de cumprimento de uma obrigao. Matias (2009) explica a falta de consenso no uso da palavra inadimplncia e insolvncia por parte de instituies pblicas e privadas do mercado financeiro e prope as seguintes definies, na tentativa de uniformizar suas formulaes e utilizao pelo mercado: insolvncia: no cumprimento dos compromissos financeiros assumidos por um perodo superior a trs meses a partir do prazo acordado ou ausncia de cumprimento; inadimplncia: atraso de pagamento com regularizao do mesmo em um perodo mximo de trs meses. A atividade bancria varejista tem-se tornado importante para o setor financeiro nos anos 2000 (CROUHY, 2007). Uma drstica queda no mercado de aes e um aumento recorde na inadimplncia corporativa no incio dos anos 2000 contrastavam com um negcio varejista saudvel, gerando ganhos estveis que ajudaram a manter os bancos universais fora dos relatrios de grandes perdas. Conforme explica o autor, o comit de Basilia, o quadro regulador internacional do setor bancrio, define exposies varejistas como carteiras homogneas que consistem de: um grande nmero de emprstimos pequenos e de baixos valores; foco em um consumidor ou em negcios; pequeno o risco incremental de qualquer exposio simples.

Nas palavras do autor, alguns aspectos diferenciam os riscos de crdito gerados pela

24

atividade bancria de varejo dos riscos de crdito gerados pelas atividades bancrias comercial e de investimento: a inadimplncia de um nico cliente nunca dispendiosa o bastante para ameaar o banco; os clientes do varejo tendem a ser financeiramente independentes entre si; os bancos varejistas podem realizar melhores estimativas do percentual da carteira, grande e diversificada, que esperam inadimplir no futuro e das perdas que isso possa gerar; a alta previsibilidade das perdas de crdito varejista significa que a taxa esperada de perda pode ser incorporada ao preo cobrado ao cliente, compensando o risco; o aumento nos inadimplementos, freqentemente, d sinais antecipados por meio do comportamento dos clientes, os quais so cuidadosamente observados pelos bancos varejistas e permitem adoo de atitudes preventivas. Para Santos (2009, p. 2):

[...] a determinao do risco de inadimplncia constitui-se em uma das principais preocupaes dos credores, tendo em vista relacionar-se com a ocorrncia de perdas financeiras que podero prejudicar a liquidez (capacidade de honrar dvidas com os supridores de capital) e a captao de recursos nos mercados financeiros e de capitais.

O autor relaciona os fatores internos e externos de risco identificados como responsveis pelas perdas financeiras em concesses de crdito: fatores internos: profissionais desqualificados, controles de riscos inadequados, ausncia de modelos estatsticos, concentrao de crdito com clientes de alto risco; fatores externos: concorrncia, carga tributria, carter dos clientes, inflao, taxa de juros, paridade cambial.

25

Machado (2010) menciona que uma caracterstica do cliente inadimplente possuir renda para liberao do crdito e uma ordem de prioridades em relao s despesas rotineiras, tais como alimentao, contas de gua, luz, telefone e que, por situaes de emergncia como morte ou doena na famlia, dependncia da entrada de recursos na empresa ou crise financeira, ou mesmo diante de outras dvidas, v-se financeiramente desestabilizado e acaba ficando sem condies de efetivar o pagamento da parcela.

2.4 A Anlise de Crdito

Schrickel (2000, p. 45) afirma que o maior risco em uma operao de crdito o total desconhecimento sobre quem seja o tomador ou sobre o que a operao que se deseja efetuar. A seguir, so apresentadas consideraes sobre a anlise de crdito, suas tcnicas subjetiva e objetiva, bem como a anlise objetiva por intermdio de modelos de credit score (escoragem de crdito).

2.4.1 Conceito e Objetivos

Schrickel (2000, p. 27) evidencia as idias centrais do que seja uma anlise de crdito:

A anlise de crdito envolve a habilidade de fazer uma deciso de crdito, dentro de um cenrio de incertezas e constantes mutaes e informaes incompletas. Esta habilidade depende da capacidade de analisar logicamente situaes, no raro, complexas, e chegar a uma concluso clara, prtica e factvel de ser implementada.

A atividade de anlise de crdito presta auxlio deciso de concesso ou no de crdito e tem como objetivo, segundo Schrickel (2000, p. 25):

26

[...] identificar os riscos nas situaes de emprstimo, evidenciar concluses quanto capacidade de repagamento do tomador, e fazer recomendaes relativas melhor estruturao e tipo de emprstimo a conceder, luz das necessidades financeiras do solicitante, dos riscos identificados e mantendo, adicionalmente, sob perspectivas, a maximizao dos resultados da instituio.

Para Securato (2007, p. 34) o dossi bsico de crdito de pessoa fsica ser composto:

i) Pela ficha cadastral; ii) Por comprovantes de renda (contracheques, declarao de Imposto de Renda ou outros documentos) e residncia (contas de luz, gua ou telefone); iii) Por eventuais comprovantes relativos aos bens declarados na posio patrimonial, bem como, dependendo do valor do crdito concedido, certides negativas de nus e alienaes; iv) Pela cpia autenticada de documentos pessoais (CPF, RG).

Ainda segundo o autor, a avaliao do risco de crdito tambm ser parte integrante do dossi de crdito. Nas palavras de Santos (2009, p. 29), para realizar a anlise de crdito, as empresas recorrem ao uso de duas tcnicas: a tcnica subjetiva, baseada no julgamento humano, e a tcnica objetiva, baseada em procedimentos estatsticos.

2.4.2 Os C do Crdito

As bases primrias de crdito so os 4 C que so divididos em dois grupos (SCHRICKEL, 2000): aspectos pessoais (Carter e Capacidade) e aspectos financeiros (Capital e Condies). Um quinto C o Colateral - pode surgir quando os C financeiros no do sustentao para o crdito almejado ou a capacidade plena questionvel: o Carter: indica a determinao de pagar do tomador. identificado pelo credor por intermdio de informaes cadastrais obtidas junto a outros credores do solicitante do crdito, tais como bancos e fornecedores, ou por informaes cadastrais obtidas junto a empresas especializadas como SERASA, SPC (Servio

27

de Proteo ao Crdito) e outras; a Capacidade: indica a habilidade de pagar. a habilidade vinculada competncia empresarial das pessoas que integram as empresas, bem como o potencial dessa para produzir e comercializar. a capacidade de repagamento, ou seja, capacidade de gerao de caixa suficiente para fazer face aos compromissos assumidos; o Capital: so os bens e recursos possudos pela empresa para saldar seus dbitos; as Condies: so fatores externos e macroeconmicos que exercem forte influncia na atividade empresarial, o ramo de atividade e a economia como um todo; o Colateral: refere-se a garantias que o devedor pode apresentar para viabilizar a operao de crdito. Para pessoa fsica, Securato (2007, p. 35) explica que os parmetros bsicos para a concesso do crdito pessoa fsica, adaptados dos parmetros utilizados para orientar a concesso de crdito para pessoa jurdica, tambm se norteiam nos chamados Cs do crdito: Carter (ou conceito); Capacidade: na pessoa fsica, a capacidade de pagamento est diretamente relacionada renda; Capital: na pessoa fsica, o capital o patrimnio pessoal do solicitante; Condies: diz respeito ao ambiente, ou seja, a fatores macro ou microeconmicos que influenciam na concesso de crdito; Colateral: diz respeito s garantias que o solicitante coloca disposio do credor como alternativa de sada para o caso de no vir a cumprir com as obrigaes pecunirias previstas contratualmente.

28

2.4.3 A Anlise Subjetiva de Crdito Pessoa Fsica

Securato (2007, p. 33) orienta que a anlise de crdito da pessoa fsica ampara-se na obteno de informaes do solicitante de crdito e na confirmao das informaes atravs de documentos e consultas a agncias especializadas. Cada credor utiliza um modelo prprio de ficha cadastral para a obteno das informaes bsicas do cliente, recorrendo a empresas especializadas, como Serasa, para validar, confirmar e complementar as informaes obtidas diretamente do cliente. Para Santos (2009, p. 32), a anlise subjetiva, ou caso a caso:

[...] fundamentada na experincia adquirida dos analistas de crdito, no conhecimento tcnico, no bom-senso e na disponibilidade de informaes (internas e externas) que possibilitem diagnosticar se o cliente possui idoneidade e capacidade de gerar receita para honrar o pagamento das parcelas do financiamento.

O quadro 1 apresenta as fases para o processo de anlise de crdito para pessoas fsicas propostas por Santos (2009).

Anlise Cadastral Anlise de Idoneidade Anlise Financeira Anlise de Relacionamento Anlise Patrimonial Anlise de Sensibilidade Anlise do Negcio Parmetros para Estabelecer o Limite de Crdito e o Valor do Financiamento

Quadro 1 Fases da Anlise de Crdito para Pessoas Fsicas Fonte: Santos (2009, p. 32)

29

2.4.3.1 Fases da Anlise de Crdito para Pessoas Fsicas

No ensino de Santos (2009), as fases da anlise de crdito para pessoas fsicas so:

- Anlise Cadastral a anlise de dados de identificao do cliente, tais como: escolaridade, estado civil, idade, idoneidade, moradia (se prpria ou alugada e tempo de residncia), nmero de dependentes, renda (principal e complementar), situao legal dos documentos de identificao, situao tributria junto Receita Federal e tempo no atual emprego ou atividade exercida. O levantamento e a anlise das informaes bsicas de crdito so requisitos fundamentais para a determinao do valor do crdito, prazo para amortizao, taxa de juros e, se necessrio, reforo ou vinculao de novas garantias.

- Anlise de Idoneidade A anlise da idoneidade financeira de pessoas fsicas baseia-se em informaes extradas de relatrios gerenciais e de arquivos de dados de empresas especializadas no gerenciamento de risco de crdito, como Serasa e Equifax. A idoneidade financeira do cliente uma das principais informaes averiguadas, seno a primeira, na anlise de crdito.

- Anlise Financeira A identificao da renda total do cliente e posterior anlise de compatibilidade com crditos propostos compreendem tarefa importante para tomada de deciso. As fontes usuais para determinao da renda do cliente so os demonstrativos de

30

pagamento e a Declarao do Imposto de Renda. Para pessoas fsicas cuja renda proveniente de atividade autnoma ou liberal sem vnculo empregatcio, a renda pode ser estimada por aproximao a um valor mdio mensal, calculado a partir de depsitos contnuos e comprovados em conta corrente.

- Anlise de Relacionamento A anlise de relacionamento baseia-se em informaes extradas do histrico de relacionamento do cliente com o credor e mercado de crdito. Alm das informaes de relacionamento bancrio, os credores tambm podem obter informaes de relacionamento comercial junto a empresas gestoras de risco de crdito, como Serasa e Equifax.

- Anlise Patrimonial importante que os credores obtenham informaes sobre o patrimnio dos clientes para que possam vincul-lo em contratos de crdito sempre que constatarem aumento de risco ou julgarem necessrio. A anlise do aumento ou da deteriorao da riqueza patrimonial de pessoas fsicas fornece informaes importantes que podem possibilitar melhor determinao do risco de crdito. A Declarao do Imposto de Renda de Pessoas Fsicas uma fonte muito utilizada pelos analistas de crdito para estimar a riqueza patrimonial. Nesse documento, o patrimnio decomposto em bens mveis, bens imveis bens societrios e bens financeiros.

- Anlise de Sensibilidade O monitoramento da situao macroeconmica fundamental para a adequada gesto

31

de risco de crdito, uma vez que a ocorrncia de fatores adversos pode prejudicar a capacidade de pagamento dos clientes. Por exemplo, aumentos sucessivos da taxa de juros podem desencadear reduo do nvel de atividade econmica e at recesso. Da mesma maneira, crises financeiras em parceiros comerciais do Brasil, guerra de incentivos fiscais entre governos e a busca por modernizao e tecnologia podem ocasionar aumento do desemprego e da inadimplncia.

- Anlise do Negcio Nas situaes em que as pessoas tm suas rendas provenientes de atividade empresarial, liberal ou autnoma, os analistas de crdito devem coletar informaes (cadastrais, de idoneidade e financeiras) do negcio e dos seus gestores, bem como conhecer o risco do negcio quanto concorrncia, carteira de clientes e fornecedores, riscos sistmicos etc.

2.4.3.2 Parmetros para Estabelecer o Limite de Crdito e o Valor do Financiamento

O limite de crdito, ou o valor do financiamento, aprovado pelos credores s pessoas fsicas pode ser calculado considerando como parmetro a arbitragem de um percentual sobre a renda lquida mdia extrada da principal atividade em conformidade com a estratgia de gesto para manuteno ou aumento da carteira de crdito (SANTOS, 2009). Aps a fixao do limite de crdito, estabelecido o valor da amortizao de acordo com a capacidade de pagamento do cliente. O autor revela que estudos de mercado indicam que a renda das pessoas fsicas est comprometida em 75% com despesas cotidianas (educao, alimentao, moradia, sade etc) e comum o estabelecimento de 25% como teto mximo para o clculo do valor da amortizao de dvidas.

32

2.4.4 A Anlise Objetiva de Crdito Pessoa Fsica

A partir dos anos de 1970, com a acelerao do desenvolvimento da informtica, a abordagem estatstica baseada na pontuao de propostas de crdito surgiu como um dos mtodos mais importantes de suporte tomada de deciso para grandes volumes de propostas de crdito para pessoas fsicas e jurdicas no negcio de financiamento ao consumidor (SANTOS, 2009). Na lio de Caouette (2009), os modelos de credit scoring (escoragem de crdito), inicialmente baseados em uma anlise subjetiva da capacidade creditcia de um solicitante, atualmente se tornaram puramente estatsticos, baseados em algoritmos. Esses modelos estatsticos recaem em duas categorias: modelos de escoragem do pedido (application scoring models) e modelos de escoragem comportamental (behavioral scoring models): os primeiros so modelos estatsticos que incluem um nmero limitado de critrios; os modelos de escoragem comportamental, por sua vez, contm significativamente mais informaes, as quais so atualizadas de maneira constante e dinmica. Securato (2007, p. 34) prope, para a escoragem do pedido, a compilao e comparao dos dados constantes na ficha cadastral com parmetros quantitativos e qualitativos previamente estabelecidos; desta forma, dados obtidos dos clientes so confrontados com os parmetros a que se referem e so pontuados. De acordo com a pontuao obtida, ponderada pelo peso da relevncia atribuda a cada informao, a concesso do crdito poder ser automtica ou encaminhada para um Comit de Crdito, de acordo com a poltica de crdito. A elaborao da escoragem comportamental , para Securato (2007), complexa na medida em que envolve grande quantidade de amostras de variveis particulares vinculadas ao comportamento dos indivduos, como hbitos de consumo, hbitos de lazer, viagens, tipos

33

de aplicao financeira, compatibilidade com renda e patrimnio do indivduo e anlise de obrigaes assumidas pelo indivduo. O levantamento dos comportamentos individuais no tarefa fcil e, em regra, as administradoras de carto de crdito so as empresas que possuem maior facilidade para reunir essas informaes. A anlise objetiva de crdito pessoa fsica por intermdio de modelos de pontuao de propostas de crdito serve-se de tcnicas estatsticas para pesar as informaes presentes em um relatrio de crdito, tais como regresso linear ou logstica, programao matemtica ou rvores de classificao, redes neurais e algoritmos genticos (CROUHY, 2007).

2.4.4.1 Credit Scoring

Gitman (2004) menciona a atribuio de escores de crdito (credit scoring) como um mtodo de seleo utilizado quando h muitos pedidos de crdito de pequeno volume, proporcionando uma deciso de crdito rpida e de baixo custo. Os escores de crdito baseiam-se em pesos obtidos estatisticamente para caractersticas financeiras e creditcias importantes, visando prever se um cliente pagar o crdito solicitado em dia. Ao final do procedimento resulta um escore que mede a solidez geral do cliente, sendo utilizado na tomada de deciso de aceitar ou rejeitar o pedido de crdito. Para Crouhy (2007, p. 188), nos estgios iniciais do desenvolvimento setorial dos modelos de escoragem de crdito, a probabilidade real de inadimplncia designada para um solicitante de crdito no importava muito. Os modelos eram planejados para colocar os solicitantes em ordem de categoria e escolher uma pontuao adequada de corte, isto , o ponto no qual os solicitantes eram aceitos, baseados em critrios subjetivos. A Figura 1 mostra a distribuio das contas boas e ms a partir da pontuao de crdito, onde podemos verificar como trabalham as pontuaes de corte.

34

Figura 1 Distribuio das contas boas e ms Fonte: Crouhy (2007, p. 188)

Crouhy (2007) explica que, estabelecida uma pontuao mnima de 300 pontos, a empresa que usasse o sistema de escoragem evitaria emprestar dinheiro para o quadro de maus clientes esquerda da linha vertical, mas renunciaria ao quadro menor de contas boas esquerda da linha. Santos (2009, p. 168) destaca que clculos inadequados de pontos de corte podem resultar em rejeio de crdito a clientes potenciais e aprovao de crdito para clientes de alto risco. Nesse sentido, Crouhy (2007, p. 188) afirma que a pontuao qual a linha mnima estabelecida a pontuao de corte claramente uma deciso importante para o negcio em funo de sua provvel lucratividade e do risco que o banco est assumindo. Caouette (2009, p. 219) ensina que a pressuposio nos modelos de credit scoring de que exista uma mtrica que separe os crditos bons dos maus, dividindo-os em duas distribuies distintas, conforme a Figura 1. A seleo das melhores variveis (aqueles atributos capturados no formulrio de solicitao de crdito) e dos melhores pesos para determinar os dois grupos com a maior eficincia realizada por intermdio da utilizao de

35

tcnica multivariada, que pode ser otimizao, anlise discriminatria, anlise logit, anlise probit ou anlise de sobrevivncia. O Quadro 2 relaciona as caractersticas do tomador de emprstimo utilizadas em vrios sistemas de credit scoring e as classifica como fatores de baixa ou alta pontuao.

Caractersticas do devedor Residncia Tempo de residncia na regio Nvel de receita bruta anual Ocupao Tempo de emprego Nmero de cartes de crdito Emprstimos de empresas financeiras Relao dvidas / receita brutaContas correntes ou de poupana mantidas

Baixa pontuao Alugada < 6 meses < U$ 15,000 Baixa qualificao < 3 meses Nenhum Vrios > 30% Nenhuma < 30 anos

Alta pontuao Prpria > 10 anos > U$ 100,000 Alta qualificao > 10 anos 5 ou mais Nenhum < 5% Ambas > 50 anos

IdadeQuadro 2 Caractersticas do devedor e pontuao Fonte: Securato (2007, p. 36)

Caouette (2009) afirma que os modelos de credit score oferecem muitas vantagens e alguns defeitos. Como vantagens, o autor cita que os modelos so objetivos e consistentes, bastante simples e de fcil interpretao, as metodologias usadas para construir os modelos so comuns e bem entendidas e, com referncia ao consumidor, os modelos podem eliminar prticas discriminatrias nos emprstimos e proporcionar um melhor servio pela rapidez da aprovao ou no do crdito. Como defeitos, o autor lembra que, em alguns casos, os modelos apenas automatizam as prticas vigentes, os testes estatsticos podem ser fracos e os modelos podem degradar-se pelo

36

tempo se a populao atual diverge da populao original, motivo pelo qual os modelos de credit scoring devem ser continuamente testados e avaliados para garantir que a performance real se aproxime das projees iniciais.

2.5 A Regresso Logstica

Corrar (2007, p. 282) esclarece que a tcnica da regresso logstica foi desenvolvida por volta de 1960 com o objetivo de realizar predies ou explicar a ocorrncia de determinados fenmenos quando a varivel dependente fosse de natureza binria. Segundo o autor, a regresso logstica se caracteriza como uma tcnica estatstica que permite estimar a probabilidade de ocorrncia de determinado evento em face de um conjunto de variveis explanatrias, alm de auxiliar na classificao de objetos ou casos. Na lio de Hair et al (2005), a regresso logstica (ou anlise logit) consiste em uma tcnica estatstica multivariada utilizada na separao de dois grupos, que visa obter a probabilidade de que uma observao pertena a um conjunto determinado, em funo do comportamento das variveis independentes. Um modelo definido como logstico se a funo segue a seguinte equao (FVERO, 2009):f (Z ) =

p 1 , sendo Z = ln ( Z ) 1 p = + 1 X 1 + 2 X 2 + ... + K X k 1+ e

Na equao de Z acima, p indica a probabilidade de ocorrncia de determinado evento de interesse, X representa o vetor de variveis explicativas (ou independentes) e e os parmetros do modelo. O termo ln(p/1-p) chamado de logit e o termo (p/1-p) representa a chance de ocorrncia do evento de interesse. Na regresso logstica, segundo Fvero (2009), a probabilidade de ocorrncia de um evento pode ser estimada diretamente. No caso da varivel dependente Y assumir apenas dois

37

possveis estados (1 ou 0) e haver um conjunto de p variveis independentes X1 , X2 , ... , Xp, o modelo de regresso logstica pode ser escrito da seguinte forma:P(evento) = 1 , 1 + e ( Z )

onde, Z = + 1 X 1 + 2 X 2 + ... + K X k A Figura 2 mostra a funo logstica, a qual se apresenta como uma curva em formato de S, cujos valores se situam entre 0 e 1 para qualquer Z entre - e +, representando a probabilidade de ocorrncia do evento de interesse.

Figura 2 Funo Logstica Fonte: Fvero (2009, p. 440)

No ensino de Corrar (2007), ao circunscrever todos os resultados que se possam atribuir varivel dependente ao intervalo compreendido entre zero e um, pode-se atender a dois objetivos, simultaneamente, quais sejam, identificar a probabilidade de ocorrncia de determinado evento e classific-lo em categorias. Fvero (2009, p. 443) explica que a regresso logstica assume as seguintes premissas:

- Relao linear entre o vetor das variveis explicativas X e a varivel dependente Y; - Valor esperado dos resduos igual a zero; - Ausncia de heterocedasticidade; - Ausncia de multicolinearidade.

38

Na expresso de Hair et al (2005, p.24), multicolinearidade :

[...] extenso em que uma varivel pode ser explicada pelas outras variveis na anlise. medida que a multicolinearidade aumenta, fica mais complicada a interpretao da varivel estatstica, uma vez que se torna mais difcil verificar o efeito de qualquer varivel, devido a suas inter-relaes.

Ainda segundo o autor, quando a varincia dos termos de erro crescente ou flutuante ao longo de um domnio de variveis preditoras, diz-se que os dados so heteroscedsticos. Corrar (2009) apresenta as seguintes medidas de avaliao do modelo logstico: Log Likelihood Value (-2LL) trata-se de um indicador que busca aferir a capacidade do modelo estimar a probabilidade associada ocorrncia de determinado evento, ou seja, verificar se a regresso como um todo estatisticamente significante; Pseudos-R-Quadrado so coeficientes que cumprem um papel semelhante ao Coeficiente de Determinao da Regresso Linear (R2)3, cujo objetivo identificar a proporo da variao total ocorrida na varivel dependente em funo das independentes. Podemos citar o R2logit (McFaddens-R2), Cox-Snell R2 e Nagelkerke R2; Teste Hosmer e Lemeshow um teste Qui-quadrado que consiste em dividir o nmero de observaes em cerca de dez classes e, em seguida, comparar as freqncias preditas com as observadas para verificar se existem diferenas significativas entre as classificaes realizadas pelo modelo e a realidade observada; Teste Wald sua finalidade aferir o grau de significncia de cada coeficiente da equao logstica, inclusive a constante; mais precisamente, verificar se cadaMaiores esclarecimentos sobre o Coeficiente de Determinao da Regresso Linear (R2) podem ser encontrados em Hair et al (2005, p. 132).3

39

parmetro estimado significativamente diferente de zero. A popularidade da regresso logstica advm no apenas da possibilidade de prever a ocorrncia de eventos de interesse, mas tambm da capacidade de apresentar a probabilidade de sua ocorrncia (FVERO, 2009). Corrar (2007) destaca que o sucesso dessa tcnica resultado, ainda, da capacidade de operar com variveis categricas4 e mtricas5 simultaneamente, da facilidade com que se podem interpretar os resultados da anlise e do pequeno nmero de suposies iniciais, especialmente quando comparada com outras ferramentas. Sob o ponto de vista operacional, o autor elenca os fatores que a literatura especializada menciona como explicativos do xito e da popularidade dessa tcnica: comparada a outras tcnicas de dependncia, a regresso logstica acolhe com mais facilidade variveis categricas; mostra-se mais adequada soluo de problemas que envolvem estimao de probabilidades, pois trabalha com uma escala de resultados que vai de 0 a 1; requer um nmero menor de suposies iniciais se comparada com outras tcnicas utilizadas para discriminar grupos; admite variveis independentes mtricas e no mtricas, simultaneamente; facilita a construo de modelos destinados previso de riscos em diversas reas do conhecimento; tende a ser mais til e a apresentar resultados mais confiveis, tendo em vista que o referido modelo mais flexvel quanto s suposies iniciais; os resultados da anlise podem ser interpretados com relativa facilidade, j que a lgica do modelo se assemelha muito de outras tcnicas conhecidas, como a4

Varivel que usa valores que servem meramente como rtulo ou meio de identificao (HAIR ET AL, 2005, p. 208). 5 Varivel com uma unidade constante de medida (HAIR ET AL, 2005, p. 208).

40

regresso linear; apresenta facilidade computacional, tendo sido includa em vrios pacotes estatsticos amplamente difundidos em todo o mundo. Fvero (2009) e Corrar (2007) concordam sobre a atualidade do uso da regresso logstica na rea econmica, particularmente, na anlise de crdito (ocorrncia de inadimplncia ou falncia) e nos modelos de Credit Scoring.

2.6 Artigos Relacionados

Minussi (2002) apresentou os resultados do uso da regresso logstica na avaliao do risco de crdito de empresas do setor industrial clientes de um determinado banco. Em funo da reviso da literatura, foram selecionados 49 indicadores financeiros para a anlise de solvncia. Atravs da aplicao da regresso logstica foi obtido um modelo economtrico de previso de solvncia, composto por 5 variveis. A preciso deste modelo foi bastante alta, pois 94,85% das empresas foram classificadas corretamente. Nas palavras do autor, referindose tcnica da regresso logstica, esta ferramenta estatstica se mostrou mais robusta em relao a outras tcnicas utilizadas em trabalhos desta natureza (MINUSSI, 2002, p. 109). Guimares (2002) utilizou a regresso logstica na identificao de variveis que permitissem evidenciar, com certa antecedncia, situaes de inadimplncia por parte de clientes de uma administradora de cartes de crdito a partir de informaes cadastrais fornecidas pelos mesmos em propostas para adeso ao carto de crdito administrado pela instituio. Nesse trabalho utilizou-se uma amostra com 707 observaes, sendo 102 pertencentes ao grupo 0, de clientes inadimplentes, e 605 pertencentes ao grupo 1, de clientes adimplentes. Considerou-se inadimplente o cliente que no honrou duas prestaes

41

mensais consecutivas, acumulando assim um atraso superior a sessenta dias para a primeira prestao. Foram estudadas as variveis normalmente constantes em formulrios de adeso utilizados pela instituio financeira fornecedora dos dados, resultando as seguintes variveis com maior valor absoluto do respectivo coeficiente: limite, sexo, tempo de residncia, seguro automotivo, seguro residencial, carto segurado, seguro de vida, renda, idade, tempo no atual emprego, idade do cnjuge, telefone celular, estado civil, tipo do documento apresentado, escolaridade, tipo de residncia, setor de atividade e CEP. Guimares (2002) apresentou a avaliao da eficincia do modelo desenvolvido, realizada por intermdio do Mtodo de Lachenbruch, indicando as taxas de acerto da regresso logstica de 99,02 % (grupo 0 inadimplentes) e 99,83 % (grupo 1 adimplentes) em face de 59,55% e 96,49%, respectivamente, apresentadas pelo mtodo em uso, na ocasio, na previso de inadimplncia. Pinto (2004) utilizou a tcnica de anlise multivariada para a criao de um modelo comportamental, que pudesse, atravs da anlise de dados histricos, fazer uma predio do comportamento futuro de uma base de clientes no segmento telecom. Para a criao deste modelo, foram utilizados dados demogrficos e de comportamento na relao de consumo com a empresa. Os dados foram extrados atravs de uma amostra de dados de clientes da empresa CTBC Telecom. Atravs da regresso logstica, foi feita a escolha das variveis que iriam compor o modelo, gerando posteriormente o score para cada cliente, baseado nos coeficientes das variveis escolhidas. No entendimento do autor, o modelo composto pelas variveis selecionadas atravs da regresso logstica foi eficiente na predio de clientes, pois apresentou uma tima adequao em relao separao entre bons e maus clientes (clientes com atraso superior a 60 dias). O modelo resultou em 11 caractersticas e 21 variveis para determinar uma classificao de risco de crdito de clientes pessoa fsica da base residencial da CTBC.

42

Vasconcellos (2004) apresentou trabalho comparativo entre duas metodologias estatsticas, anlise de regresso linear mltipla e anlise de regresso probit, para a construo de modelos de escoragem de crdito em operaes de emprstimo pessoal com pagamento em cheques. O autor selecionou variveis cadastrais do cliente: idade, estado civil, ocupao (aposentado, assalariado, funcionrio pblico, etc.), sexo, estado (UF) de residncia, tempo na residncia, tempo no emprego, tempo de conta corrente, carto de crdito (se cliente possui ou no); variveis da operao: plano (nmero de parcelas contratado), valor financiado, carncia (nmero de dias entre a data da contratao do crdito e a data do vencimento da primeira parcela), taxa do financiamento; e, ainda, as variveis: nmero de passagens no SPC e nmero de parcelas. Segundo ele, como esperado, algumas variveis se mostram fortes como o nmero de passagens, o plano, o tempo de conta corrente e a renda (VASCONCELLOS, 2004, p. 35). Na seqncia,o autor dividiu o processo de definio de ponto de corte em algumas etapas principais. Em primeiro lugar, deve ser calculado o resultado financeiro de cada operao. Em seguida, as operaes devem ser agrupadas em nveis de risco e seus resultados somados de modo a obter o resultado esperado de cada nvel de risco. Ordenando estes nveis do menos arriscado para o mais arriscado, calcula-se o lucro acumulado e ento se define o ponto de corte como o ponto de lucro acumulado mximo, ou lucro marginal (do nvel de risco) igual a zero. Ao final do estudo, segundo Vasconcellos (2004), os resultados obtidos da construo e aplicao dos modelos de escoragem de crdito demonstraram os benefcios quantitativos da utilizao deste tipo de ferramenta. O incremento de lucro obtido com da ordem de 8% e o incremento de retorno de aproximadamente 40%. A concluso final a respeito das duas metodologias aplicadas ao problema indicou no haver diferenas significativas nos

43

resultados alcanados com cada uma das metodologias. Enquanto o modelo probit gerou 12,012 milhes de reais de lucro e 24,12% de retorno na amostra selecionada, o modelo linear gerou 12,039 milhes de lucro e 24,02% de retorno. Barros (2005) realizou um estudo do processo de anlise de crdito realizado em uma Cooperativa de Crdito Mtuo. A cooperativa de crdito mtuo uma instituio formada por pessoas que se associam para facilitar suas atividades relativas a questes financeiras. O objetivo foi analisar o processo de anlise de crdito em vigor na poca, mostrando suas deficincias e propondo a elaborao de uma metodologia que atendesse s necessidades especficas da Instituio, na conjuntura existente. Identificou-se que os principais critrios utilizados eram a margem em folha de pagamento, a capacidade de pagamento, a natureza do crdito e a idoneidade. Escolheu-se um modelo de anlise, o Credit Scoring, para aplicao, onde se identificou o perfil de cada um dos contratantes com base nos seguintes parmetros: histrico de crdito; idade; estabilidade no emprego; cargo ou funo; renda e patrimnio lquido (patrimnio do solicitante de crdito a valor de mercado, deduzidas as obrigaes ainda existentes sobre os bens relacionados). A atribuio dos pesos foi feita atravs do score ponderado definido por trs funcionrios da rea de anlise de crdito da cooperativa. Para o autor, observou-se que o modelo utilizado na cooperativa era muito especfico, por trabalhar muito com desconto em folha de pagamento, e poderia ser aperfeioado com um modelo estatstico, o credit scoring, que alm de padronizar os resultados, permite decises de curto prazo. As principais deficincias encontradas no modelo praticado foram referentes aos parmetros renda e patrimnio lquido, os quais no estavam sendo devidamente observados, ocasionando um volume muito alto de refinanciamentos. Nesse sentido, o autor salienta que o nvel de inadimplncia poderia estar muito superior caso no fosse praticado o desconto em folha. Arajo (2007) apresentou um trabalho com o objetivo de avaliar a possibilidade de

44

aplicao de modelos de Credit Scoring, um de aprovao de crdito e um outro chamado Behavioural Scoring (escoragem comportamental), modelos quantitativos empregados comumente por instituies financeiras na mensurao e previso do risco de crdito, em uma instituio de microcrdito denominada Fundo Rotativo de Ao da Cidadania Cred Cidadania, situada em Recife (PE). O microcrdito a concesso de crdito de baixo valor a pequenos empreendedores informais e microempresas sem acesso ao sistema bancrio tradicional. No trabalho do autor, a tcnica estatstica empregada na construo dos modelos foi a regresso logstica e foram denominados clientes inadimplentes aqueles clientes com atraso superior a 60 dias em pelo menos uma parcela do emprstimo. Dentre as 25 variveis prselecionadas para o Credit Scoring, apenas quatro variveis mostraram-se significativas estatisticamente: resultado lquido do negcio, nmero de parcelas, valor do emprstimo e tempo de funcionamento. O autor concluiu que os modelos de risco de crdito desenvolvidos no trabalho apresentaram resultados satisfatrios quanto ao poder de previso do risco de inadimplncia ou poder de classificao dos clientes. Em mdia, os modelos classificaram 80% dos clientes da amostra corretamente, o que considerado, segundo o autor, um resultado de classificao muito bom para modelos de Credit Scoring. Os modelos de regresso logstica construdos se mostraram consideravelmente melhores na classificao correta dos clientes inadimplentes do que dos adimplentes, revelando-se eficazes no alcance de seus objetivos e em sua principal finalidade, a previso da inadimplncia, na viso do autor. Sobrinho (2007) props o estudo da viabilidade da utilizao de modelos de credit scoring em uma instituio educacional de ensino mdio e fundamental, atuante na rede privada na cidade do Recife PE, desenvolvidos com a utilizao das tcnicas de anlise discriminante, regresso logstica e rede neural artificial, onde sua viabilidade foi avaliada ao

45

se comparar a performance da previso dos modelos com o percentual de acertos obtido pelo critrio de chances. Realizando uma triagem inicial nos dados do trabalho do autor, foram excludos da populao inicial aqueles que apresentaram inconsistncia nas informaes apresentadas sendo reduzida a uma amostra final de 245 indivduos. Dentre os dados fornecidos pela instituio educacional foram identificadas 20 variveis que potencialmente poderiam contribuir na previso do fenmeno em estudo, a inadimplncia: reside em casa ou apartamento, bairro, telefone residencial, instruo do pai, funo exercida pelo pai, empresa que o pai trabalha, natureza da empresa empregadora do pai, telefone celular do pai, instruo da me, funo exercida pelo me, empresa que a me trabalha, natureza da empresa empregadora da me, telefone celular da me, possui contrato assinado com a escola, possui irmo na instituio, plano de sade, data de vencimento da mensalidade, valor pago pela mensalidade, dbitos no ano de 2004, dbitos no ano de 2005. Para o autor, aps uma reviso das principais obras de referncia sobre a inadimplncia foi possvel constatar que no existe um consenso na literatura quanto as variveis que melhor contribuem para a previso dos modelos de credit scoring. Deste modo todas as variveis disponveis foram utilizadas no desenvolvimento do estudo, sendo a opo por sua utilizao, ou no, no modelo final condicionada a significncia em relao ao poder de previso. Com relao ao uso da tcnica de regresso logstica para aprovao de crdito, as variveis relacionadas ao nvel de instruo do pai e da me, a funo que a me exerce, assim como a presena de contrato, apresentaram significncia ao nvel de 95% de confiana para explicar o modelo. Os resultados demonstraram que a anlise discriminante obteve o melhor desempenho na previso do grupo dos inadimplentes, com 80% de acerto. Por outro lado, os modelos baseados na regresso logstica e rede neural artificial alcanaram o mais alto nvel de acerto

46

no grupo dos adimplentes, ambos com 93,48%. Para o autor, ficou evidente tambm que todos os modelos que incorporaram a varivel comportamental houve um aumento na capacidade preditiva, demonstrando a superioridade do behavioral scoring sobre os modelos de aprovao de crdito. Na percepo do autor, possvel afirmar, baseando-se nos resultados obtidos, que todos os modelos elaborados apresentaram-se como instrumentos viveis na previso de inadimplncia, uma vez que seu poder de previso, quanto ao status de pagamento de clientes, superior ao critrio de identificao baseado em chances proporcionais, o qual permite um acerto mnimo de 62,50%. Como concluso final do autor, os modelos de credit scoring demonstraram ser de grande valia medida que se apresentaram como instrumento de previso vivel, permitindo sua utilizao como instrumento auxiliar na seleo de potenciais clientes ou ainda como uma ferramenta de apoio ao planejamento financeiro (SOBRINHO, 2007, p. 131). Ribeiro (2009) realizou um estudo com o objetivo de construir um modelo economtrico para estimar a probabilidade do risco de inadimplncia em uma Instituio Privada de Ensino Superior (IES). Para esta instituio de ensino, inadimplente o aluno que tem parcela em atraso de prazo igual ou superior a 45 dias. Utilizando a tcnica estatstica de regresso logstica, o modelo de risco de crdito foi construdo pelo autor com base em uma amostra de alunos matriculados e as variveis explicativas do modelo foram obtidas a partir da aplicao de um questionrio socioeconmico, que gerou um rol de 59 variveis das quais apenas trs foram representativas: existncia de dbitos j negociados, posse de carto de crdito e reprovao. Os resultados obtidos neste estudo mostraram que o modelo proposto obteve resultados satisfatrios quando aplicado na medio da probabilidade de risco de crdito de uma IES privada, visto que alcanou um percentual de classificao correta dos alunos em cerca de

47

82% dos casos, o que permite uma gesto mais eficiente na concesso de crdito neste setor, minimizando riscos de inadimplncia e seus negativos efeitos para a instituio.

48

3 ASPECTOS METODOLGICOS

3.1 Tipo de Pesquisa

Usando a classificao proposta por Vergara (2009), quanto ao tipo de pesquisa, trata-se de uma pesquisa quantitativa, procurando quantificar todas as variveis observadas a fim de classific-las e analis-las.

3.2 Finalidade

De acordo com a classificao proposta por Vergara (2009), quanto finalidade, trata-se de uma pesquisa aplicada e metodolgica, pois motivada pela necessidade de resolver um problema concreto e elabora e prope a implementao de ferramenta credit scoring que consiste em instrumento de captao da realidade.

3.3 Meios

Usando a classificao proposta por Vergara (2009), quanto aos meios, trata-se de uma pesquisa bibliogrfica, telematizada, estudo de caso, documental e pesquisa de campo: - pesquisa bibliogrfica, pois h um estudo sistematizado desenvolvido com base em fontes primrias ou secundrias encontradas em material publicado em livros, revistas, jornais etc; - pesquisa telematizada, pois h um estudo sistematizado desenvolvido com base em fontes primrias ou secundrias em redes eletrnicas; - estudo de caso, pois a pesquisa est circunscrita a uma Autarquia Federal com sede na

49

cidade do Rio de Janeiro; - pesquisa documental, pois h um estudo sistematizado desenvolvido com base em documentos elaborados e conservados na Autarquia; - pesquisa de campo, pois h uma investigao emprica realizada no local onde ocorre o fenmeno mediante observao simples.

3.4 Universo, Populao e Amostra

O universo da pesquisa compreende os tomadores de crdito passados, presentes e futuros. A amostra contm as pessoas constantes do Cadastro Ativo de Muturios da Autarquia durante o perodo de realizao da observao na pesquisa de campo e do tipo probabilstica estratificada pela situao de adimplncia ou inadimplncia da pessoa. Para a conduo da pesquisa foram coletadas quatro amostras formadas por indivduos selecionados aleatoriamente entre os tomadores de crdito pessoa fsica de uma instituio: a) Amostra A - 200 clientes, sendo 100 adimplentes e 100 inadimplentes em fevereiro de 2010. b) Amostra B - 200 clientes, sendo 100 adimplentes e 100 inadimplentes em fevereiro de 2010. c) Amostra C - 215 clientes, sendo 110 adimplentes e 105 inadimplentes em abril de 2010. d) Amostra D - 203 clientes, sendo 110 adimplentes e 93 inadimplentes em junho de 2010. Para a elaborao do modelo de regresso logstica foi utilizada a amostra de anlise (Amostra A) e a eficincia do modelo foi testada atravs das amostras de validao (amostras

50

B, C e D), ou seja, a comparao do comportamento previsto com o comportamento real. O teste de validao mostra se o sistema de escoragem de crdito est funcionando, independentemente da amostra a partir da qual foi desenvolvido.

3.5 Coleta de Dados

A coleta de dados foi longitudinal, isto , feita em diferentes momentos a fim de descobrir se houve mudanas do fenmeno no tempo. As definies de crdito, inadimplncia, credit scoring e regresso logstica foram obtidas na literatura que, direta ou indiretamente, trata do assunto: livros, artigos, anais de congresso, teses, dissertaes, jornais, Internet. As variveis referentes aos financiamentos pessoais para projetos imobilirios com potencial para impactar a inadimplncia foram identificadas na literatura. Os dados referentes s variveis selecionadas para constiturem o modelo de deciso credit scoring foram obtidos mediante consulta s informaes disponveis no Sistema de Informaes da Autarquia por ocasio da pesquisa de campo. O perodo de coleta de dados durou cerca de cinco meses, encerrando-se no ms de julho de 2010. Durante esse perodo foram coletados dados de aproximadamente 48.000 contratos ativos referentes a cerca de 14.200 indivduos, eliminando-se aqueles que no satisfaziam os parmetros da amostra.

3.5.1 Conceito de Cliente Inadimplente

Nessa pesquisa, os clientes inadimplentes so caracterizados como indivduos com atraso superior a 90 dias no pagamento de suas operaes.

51

3.5.2 Mtodo de Seleo

Os dados coletados referem-se a operaes de crdito concedidas a clientes da instituio e ativas no momento da observao. Todos os crditos concedidos nesse perodo foram analisados com intuito de verificar a condio de adimplncia de cada um nos meses de fevereiro, abril e junho de 2010. Estas informaes estavam disponveis no sistema de informaes interno da instituio atravs de um software aplicativo especfico para esse fim. Para selecionar os indivduos da amostra foram utilizados mtodos de aleatoriedade baseados em nmeros gerados por computador (aplicativo Microsoft Excel). Os clientes selecionados atravs do processo de amostragem aleatria foram numerados e tiveram suas informaes segregadas e identificadas as suas caractersticas pessoais e do contrato, tanto dos adimplentes quanto dos inadimplentes. Especificamente quanto amostra de fevereiro de 2010, os indivduos numerados pares compuseram a Amostra A e os indivduos numerados mpares compuseram a Amostra B. A discriminao das observaes realizadas em 2010 apresentada no Quadro 3.

Ms de Referncia Fevereiro Abril Junho

Contratos Ativos 15.573 15.814 16.235

Contratos Adimplentes 13.047 13.551 14.300

Contratos Inadimplentes 2.275 2.022 1.784

Quadro 3 Composio das observaes realizadas em 2010 Fonte: Dados da Pesquisa

52

3.5.3 Parmetros das Amostras

A classificao consiste em dados referentes situao das operaes e obedece aos seguintes parmetros: a) contratos celebrados at o limite de R$ 40 mil: foram relacionados apenas contratos de crdito com valores inferiores a R$ 40 mil, pois valores superiores foram assumidos como exceo ao procedimento da instituio; b) contratos celebrados at o limite de 48 prestaes: foram relacionados apenas contratos de crdito com nmero de prestaes igual ou inferior a 48 prestaes, pois valores superiores foram assumidos como exceo ao procedimento da instituio; c) indivduos com apenas um contrato ativo: foram relacionados apenas indivduos com apenas um contrato ativo para evitar desvios decorrentes de multiplicidade de informaes sobre o mesmo indivduo.

3.6 Tratamento de Dados

O tratamento dos dados consistiu em criar variveis a partir dos dados coletados, identificar as variveis estatisticamente significantes e desenvolver o modelo de escoragem do pedido por intermdio da tcnica estatstica chamada Regresso Logstica. Os dados observados na pesquisa de campo foram trabalhados pela tcnica de regresso logstica presente em software aplicativo de anlise estatstica, o SPSS. A fase inicial da preparao dos dados consistiu em estruturar uma base agregando os valores numricos referentes ao conjunto das possveis variveis explicativas disponveis para utilizao na construo do modelo. O uso da tcnica de regresso logstica permitiu a criao de um modelo para verificar a

53

relao entre a inadimplncia (varivel dependente) e as variveis estudadas (independentes) e, desta forma, identificar as variveis que impactam a inadimplncia no crdito concedido para financiamentos imobilirios a pessoas fsicas pertencentes Autarquia Federal. A estimao do modelo por intermdio da regresso logstica foi realizada atravs do mtodo enter, pois optou-se por incluir todas as variveis preditoras simultaneamente, utilizando a Amostra A, composta por 200 clientes, sendo 100 inadimplentes e 100 adimplentes em fevereiro de 2010. O uso da tcnica de regresso logstica permitiu a definio de um modelo de deciso credit scoring - que estabelece a separao das pessoas em dois grupos (adimplentes e inadimplentes potenciais) e apresenta, satisfatoriamente, a probabilidade de que uma pessoa pertena a um grupo determinado, em funo do comportamento observado das variveis independentes. A qualidade estatstica das informaes disponibilizadas pela ferramenta foi submetida s medidas de avaliao do modelo logstico. A anlise dos resultados obtidos pelo modelo de deciso - credit scoring - na medio da probabilidade de risco de crdito na Autarquia Federal foi realizada a partir do percentual de classificao correta dos tomadores de crdito como adimplentes ou inadimplentes. Aps o desenvolvimento do modelo, avaliou-se a sua capacidade preditiva pela construo de matrizes de classificao, como sugere Hair et al (2005), com intuito de verificar o grau de ajustamento da funo construda. A matriz de classificao consiste em uma tabela que compara a classificao realizada pelo modelo desenvolvido com a classificao original das observaes da amostra. Essa matriz elaborada atravs da anlise de cada observao, visando conhecer se ela foi corretamente classificada pelo modelo. Os resultados dessa anlise so os percentuais de acerto e erro de classificao do modelo.

54

Na pesquisa foi elaborada uma matriz de classificao a partir da Amostra B, a fim de realizar a validao do modelo, ou seja, verificao da possibilidade de generalizao dos resultados encontrados na amostra de anlise para a populao referente ao ms de fevereiro de 2010. Em acrscimo, foram elaboradas outras duas matrizes de classificao a partir das amostras C e D, com o intuito de verificar a validade do modelo ao longo do tempo, mais precisamente para os meses de abril (Amostra C) e junho (Amostra D).

3.6.1 Definio das Variveis

A varivel resposta (dependente) nos modelos de credit scoring a qualidade de crdito (adimplncia ou inadimplncia) da operao de crdito. Para classificar as observaes de acordo com a qualidade de crdito, foram selecionadas variveis explicativas ou independentes que pudessem influenciar a situao de adimplncia dos clientes em suas operaes de crdito. A identificao inicial das variveis explicativas foi baseada em estudos anteriores sobre o assunto e em informaes disponveis no sistema de informaes da instituio. As variveis pr-selecionadas foram: renda do tomador do crdito, sua idade e endereo residencial, o valor do crdito concedido, o valor da prestao, o prazo de pagamento e a forma de pagamento, conforme elencado no Quadro 4 a seguir:

55

Varivel Renda

Cdigo da varivel NF_1 NF_2 NF_3 NF_4

Natureza/Formato Qualitativa / (dicotmica) Qualitativa / (dicotmica) Qualitativa / (dicotmica) Qualitativa / (dicotmica) Qualitativa / (dicotmica) Qualitativa / (dicotmica) Qualitativa / (dicotmica) Qualitativa / (dicotmica) Qualitativa / (dicotmica) Qualitativa / (dicotmica) Qualitativa / (dicotmica) Quantitativa Quantitativa Quantitativa Qualitativa / (dicotmica)

Idade

IDADE_MENOR_25 IDADE_26_A_35 IDADE_36_A_55

Endereo Residencial

REGIAO_S REGIAO_N REGIAO_NE REGIAO_CO

Valor do crdito Valor da prestao Prazo de pagamento Forma de Pagamento

VALOR_FIN VALOR_PREST PRAZO_PAGTO FORMA_PAGTO

Quadro 4 Discriminao das variveis Fonte: o autor

As variveis explicativas de natureza qualitativa foram inseridas na base de dados atravs de variveis dummy, que consistem em variveis construdas artificialmente para mensurar a presena ou ausncia de algum atributo de natureza qualitativa. Elas assumem valor 0 ou 1, dependendo, respectivamente, da ausncia ou presena de determinado atributo. Assim, foram inseridas N-1 dummies para representar as N categorias de cada varivel qualitativa anteriormente explanada. A varivel renda foi dividida em 5 nveis funcionais, que refletem a progresso funcional e salarial dos tomadores de crdito, representados por 4 variveis dummy NF_1 a NF_4 - sendo NF_1 a faixa inicial e NF_4 a faixa superior de renda. A varivel idade foi dividida em 4 faixas, representadas por 3 variveis dummy 0 a 25

56

anos (IDADE_MENOR_25), 26 a 35 anos (IDADE_26_A_35) e 36 a 55 anos (IDADE_36_A_55). A varivel endereo residencial foi dividida em 5 regies geogrficas, representadas por 4 variveis dummy regio Sul (REGIAO_S), regio Norte (REGIAO_N), Regio Nordeste (REGIAO_NE) e Regio Centro-Oeste (REGIAO_CO). As variveis qualitativas que sofreram o processo de quantificao pela presena ou ausncia de um atributo, denominadas de variveis dummy ou de escolha dicotmica, so apresentadas no Quadro 5 a seguir:

Varivel Renda

Cdigo da varivel NF_1 NF_2 NF_3 NF_4

Categoria

0- No atende atributo 1- Atende atributo

Idade

IDADE_MENOR_25 IDADE_26_A_35 IDADE_36_A_55

0- No atende atributo 1- Atende atributo

Endereo Residencial

REGIAO_S REGIAO_N REGIAO_NE REGIAO_CO 0- No atende atributo 1- Atende atributo

Forma de Pagamento

FORMA_PAGTO

0- Consignado em Folha de Pagamento 1- Boleto Bancrio

Quadro 5 Variveis de escolha dicotmica (dummy) Fonte: o autor

3.7 Limitaes

A primeira limitao decorre da essncia do estudo de caso, o qual se restringe anlise

57

de uma situao particular. O estudo no contempla o impacto de fatores sistmicos na renda e capacidade de pagamento dos tomadores, apenas a situao das pessoas por ocasio da concesso do crdito. A pequena quantidade de variveis disponveis na base de dados pode acarretar a excluso de aspectos importantes na concesso do crdito, bem como o desrespeito s premissas estabelecidas para a utilizao da regresso logstica. Abaixo so enumeradas mais algumas limitaes metodolgicas dessa pesquisa: tamanho das amostras. De uma forma geral quanto maior a amostra, maior ser a credibilidade do modelo. No entanto, devido a limitaes encontradas, a amostra de anlise limitou-se a 200 indivduos (amostra A) e as amostras de validao limitaram-se a 200 indivduos (Amostra B), 215 indivduos (Amostra C) e 203 indivduos (Amostra D); perodo de anlise. A anlise de um perodo temporal maior traria uma maior compreenso do modelo; ausncia da taxa de recuperao de crdito. Um percentual dos crditos inadimplentes renegociado. No modelo presente nessa pesquisa essa informao no utilizada, pois faltavam dados abertos sobre a recuperao de crdito; nmero limitado de informaes. Um sistema de informaes com maior nmero de informaes poderia aumentar a capacidade preditiva do modelo; qualidade das informaes. A velocidade do mercado e a dificuldade de alcanar as metas impostas pelos bancos fazem com que muitas vezes o analista de crdito no preencha campos importantes, ou simplesmente altere dados cadastrais para garantir a venda (produto de crdito) ao cliente.

58

4 APRESE TAO DOS RESULTADOS

4.1 Regresso Logstica

No desenvolvimento do modelo de escoragem do pedido a partir do mtodo de regresso logstica foi utilizada a amostra A com 200 clientes, sendo 100 adimplentes e 100 inadimplentes em fevereiro de 2010. Na conduo da regresso logstica foi utilizada a opo enter como mecanismo de seleo das variveis, pois optou-se por incluir todas as variveis preditoras simultaneamente. Para a situao de inadimplncia foi atribudo o valor de 1 e para a situao de adimplncia foi atribudo o valor 0. Os valores apurados para as medidas de avaliao da capacidade preditiva do modelo logstico Log Likelihood (-2LL), Cox-Snell R2 e Nagelkerke R2 referentes ao modelo proposto esto contidos no Quadro 6.

Log Likelihood (-2LL) 168,918

Cox-Snell R2 0,418

Nagelkerke R2 0,558

Quadro 6 Sumrio do Modelo Fonte: Software SPSS

Os valores apurados para a medida de avaliao da capacidade preditiva do modelo logstico Qui-Quadrado referente ao modelo proposto esto contido no Quadro 7.

Qui-Quadrado 108,341

df 15

Significncia 0,000

Quadro 7 Resultado de Teste de Qui-Quadrado (Omnibus Tests of Model Coefficients) Fonte: Software SPSS

59

Os resultados do Teste de Hosmer e Lemeshow - onde dividiu-se o nmero de observaes em dez classes e, em seguida, comparou-se as freqncias preditas com as observadas para verificar se existiam diferenas significativas entre as classificaes realizadas pelo modelo e a realidade observada - esto contidos nos Quadros 8 e 9.

Situao do Cliente = ADIMPLENTE Group 1 2 3 4 5 6 7 8 9 10 Observed 20,000 20,000 18,000 14,000 9,000 4,000 3,000 3,000 7,000 2,000 Expected 19,870 18,388 16,944 15,401 10,572 5,556 4,176 3,920 3,765 1,407

Situao do Cliente = INADIMPLENTE Observed 0,000 0,000 2,000 6,000 11,000 16,000 17,000 17,000 13,000 18,000 Expected 0,130 1,612 3,056 4,599 9,428 14,444 15,824 16,080 16,235 18,593 Total 20,000 20,000 20,000 20,000 20,000 20,000 20,000 20,000 20,000 20,000

Quadro 8 Teste de Hosmer e Lemeshow Fonte: Software SPSS

Qui-Quadrado 8,3480

df 8

Significncia 0,4002

Quadro 9 Resultado do Teste de Qui-Quadrado para o Teste de Hosmer e Lemeshow Fonte: Software SPSS

A matriz de classificao do modelo proposto, contendo a comparao entre a classificao realizada pelo modelo desenvolvido e a classificao original das observaes da amostra, apresentada no Quadro 10.

60

Observado Adimplente Adimplente Inadimplente Mdia da Acurcia 78 18

Previso do Modelo Inadimplente 22 82 Total 100 100 Nvel de Acerto 78% 82% 80%

Quadro 10 Matriz de Classificao do Modelo Fonte: Software SPSS

Por fim, a distribuio de freqncia das probabilidades de ocorrncia do evento de interesse em relao aos pontos de corte, apresentada no Quadro 11.

Quadro 11 Distribuio de Freqncia de Probabilidades Fonte: Software SPSS

O modelo final de escoragem do pedido obtido apresentado no Quadro 12 a seguir.

61

Variveis IDADE_MENOR_25 IDADE_26_A_35 IDADE_36_A_55 VALOR_FIN PRAZO_PAGTO VALOR_PREST NF_1 NF_2 NF_3 NF_4 FORMA_PAGTO REGIAO_S REGIAO_N REGIAO_NE REGIAO_CO Constante

Coeficientes -8,0742 -0,0591 0,1038 0,0000 0,0594 -0,0015 16,3123 13,4685 13,7350 12,9529 8,3773 -7,2684 0,4136 -0,4176 0,1582 -17,8067

Erro Padro 69,5009 0,9784 0,4442 0,0002 0,0382 0,0058 34,5130 34,5283 34,5176 34,5248 21,0395 55,4307 0,7698 0,6336 0,9772 34,5344

Estatstica de Wald 0,0135 0,0037 0,0546 0,0548 2,4180 0,0668 0,2234 0,1522 0,1583 0,1408 0,1585 0,0172 0,2887 0,4343 0,0262 0,2659

Significncia 0,9075 0,9518 0,8152 0,8149 0,1199 0,7961 0,6365 0,6965 0,6907 0,7075 0,6905 0,8957 0,5911 0,5099 0,8714 0,6061

Quadro 12 Modelo de Escoragem do Pedido Fonte: Software SPSS

4.2 Validao dos Resultados

Na tcnica de regresso logstica, as previses de pertinncia ou classificao dos indivduos em cada um dos grupos (adimplentes ou inadimplentes), so realizadas atravs da previso direta da probabilidade do evento (inadimplncia) acontecer. Como visto, o valor resultante da soma do produto das variveis selecionadas pelos seus respectivos pesos com a constante fornece uma pontuao (Z