Projeto

Supervisionado

Caio Almasan de Moura ra: 095620

Indice

1. Introduo

2. Principal Projeto: Modelo de Score 2.1. Objetivo.................................................................. pg 3

2.2. Agentes Envolvidos................................................. pg 3

2.3. Contextualizao.................................................... pg 3

2.4. Conceitos................................................................ pg 4

2.5. Cronograma............................................................ pg 5

3. Escopo para Modelagem

3.1. Linhas de Crditos Consideradas............................. pg 5

3.2. Poder Preditivo do Modelo....................................... pg 5

4. Anlise Univariada....................................................... pg 6

5. Anlise Bivariada......................................................... pg 6

6. Anlise Multivariada

6.1. O que Anlise multivariada?................................. pg 6

6.2. Regresso Logstica................................................. pg 7

7. Validao de modelo

7.1. O teste de K-S para duas amostras.......................... pg 7

7.2. O teste do risco relativo.......................................... pg 7

8. Estabilidade do modelo final

8.1. ndice de Estabilidade Populacional........................ pg 8

8.2. Teste KS1................................................................ pg 8

9. Consluso ................................................................... pg 8

1. Introduo

Estgio em Modelagem de Risco de Crdito

Intituio: Banco Panamericano

Cargo horria: 18 horas semanais ( 6 horas por dia, 3 dias por semana)

Principais atividades: Anlise de bases no EXCEL e SPSS. calculo de indces

(FPD, FPD2, M3OVER30, PDD entre outros), manuteno dos modelos de

crdito para todos os produtos (Veculos, Crdito Pessoal, Crdito

Imobilirio, Consrcio, CDC), frequente acompanhamento das noticias

macroenomicas que influncia diretamente na linha de crdito.

2. Principal Projeto: Modelo de Score

2.1. Objetivo

Descrever o procedimento de desenvolvimento do modelo de

concesso de crdito para pessoa fsica na linha de crdito motos do

Banco Panamericano.

2.2. Agentes Envolvidos

rea de Gerncia Executiva de Modelagem do Banco Panamericano.

2.3. Contextualizao

O modelo desenvolvido tem a finalidade de estimar a probabilidade de

inadimplncia nas operaes de concesso para pessoa fsica, utilizando

horizonte de 9 meses com marcao de atraso no final do perodo.

Este relatrio fornece detalhes do desenvolvimento, das anlises e dos

resultados obtidos.

Na primeira etapa do projeto foram definidas as necessidades e os

objetivos do projeto. O segundo passo caracterizado pela anlise do

conceito, construo das variveis, consolidao das bases, definio da

tcnica a ser utilizada e estimao dos modelos. Para esses modelos a

tcnica utilizada foi regresso logstica.

O relatrio est organizado da seguinte forma:

2.4. Conceitos

Com o objetivo de definir o conceito de inadimplncia que seria utilizado

na modelagem, foram comparadas as taxas de inadimplncia geradas por

vrios cenrios: M6OVER60, M6OVER90, M9OVER60 e M9OVER90.

Para maior entendimento, segue abaixo definies e conceitos que sero

usados durante a anlise:

-Out-of-time: Amostra de safras com perodo posterior ao usado para o

desenvolvimento e validao do modelo.

-Out-of-sample: Amostra de uma safra atual.

-KS (Kolmogorov-Smirnov): Estatstica usada para a comparao de

distribuio entre duas amostras.

-Coeficiente de ROC: Estatstica que analisa a capacidade preditiva de um

modelo de classificao, baseado nas distribuies acumuladas de bons e

maus, para cada faixa de escore.

-Gini: Estatstica calculada com base no coeficiente de ROC que analisa a

capacidade preditiva de um modelo de classificao.

-PSI (Population Stability Index): Estatstica usada para verificar possveis

distores no perfil da populao em relao base de referncia.

baseada na proporo de indivduos em cada categoria.

-KS1: Estatstica tambm usada para verificar possveis distores no perfil

da populao em relao base de referncia. baseada na distribuio

acumulada de ambas as populaes.

Escore: Pontuao atribuda pelo modelo de crdito conforme o perfil do

cliente e da proposta.

2.5. Cronograma

Entrega da base de dados: 09/04/2011

Entrega da base com marcao de atraso de mercado, com conceito

de Bancos/Financeiras, feito pela SERASA Experian: 02/05/2011

Entrega dos resultados do desenvolvimento do modelo: 25/05/2011

Entrega da documentao contendo as tcnicas e procedimentos

utilizados nas fases de desenvolvimento, teste e validao do

modelo: 31/05/2011

Implantao do modelo: a ser definido.

3. Escopo para a Modelagem

3.1. Linhas de Crdito consideradas

A linha de crdito considerada para desenvolvimento do modelo foi

veculos motos, exceto produtos de transferncia de dvida, leasing e para

pessoa jurdica.

3.2. Poder preditivo do modelo

Os ndices utilizados para avaliar o poder preditivo do modelo foram

KS2, Coeficiente de ROC, Coeficiente de Gini, PSI e KS1.

4. Anlise Univariada

O que a anlise univariada?

Utilizamos a anlise univariada para estudar a distribuio de

frequncia de cada varivel separadamente. A partir desta podemos

identificar valores inconsistentes, missings, outliers, investigar sua origem e

decidir como trat-los de modo que no comprometam a validade e

adequabilidade dos modelos estatsticos.

5. Anlise Bivariada

O que a anlise bivariada?

O interesse maior na anlise bivariada analisar a relao entre duas

variveis, ou seja, a relao da varivel preditora com a varivel status

que caracteriza o cliente.

Os objetivos dessa anlise so:

Analisar o potencial discriminador de uma varivel preditora;

Analisar e refinar a categorizao das variveis;

Identificar comportamentos estranhos ou inesperados de uma

varivel;

Identificar correlaes entre as variveis preditoras.

6. Anlise Multivariada

6.1. O que a anlise multivariada?

Conjunto de mtodos que permite anlise simultnea de duas ou mais

variveis, levando em considerao as correlaes existentes, que

permitem inferncias sobre o conjunto de variveis em um nvel de

significncia conhecido.

6.2. Regresso logstica

A tcnica utilizada no desenvolvimento dos modelos foi regresso

logstica. Alm de apresentar um custo computacional razoavelmente baixo,

seus parmetros so facilmente interpretveis. Esse mtodo consiste em

estimar a probabilidade atravs da combinao linear das caractersticas

preditivas.

7. Validao do Modelo

7.1. O teste de K-S para duas amostras

O KS uma das medidas de avaliao de performance mais utilizadas no

mercado e mede a capacidade do escore de distinguir os bons e maus

pagadores. Quanto maior for a estatstica de KS, maior ser a separao

entre os clientes bons e maus. O valor encontrado a mxima diferena

entre as distribuies acumuladas de bons e maus.

7.2. O teste do risco relativo

O risco relativo uma medida de chance dentro de cada classe.

Representa o quociente entre a proporo de bons e a proporo de maus

na categoria. uma medida ponderada pelo total em relao ao status do

cliente (bom/mau).

Quanto maior for o risco relativo, maior ser a chance de encontrar

clientes bons em relao aos clientes maus dentro de cada classe.

8. Estabilidade do Modelo Final

8.1. ndice de Estabilidade Populacional

O EP/PSI utilizado para comparar as distribuies de variveis

categorizadas.

O clculo feito atravs da frmula seguinte:

i

i

iim

rmrIEP ln

Na qual ri a proporo de indivduos da categoria i da amostra de

referncia e mi a proporo de indivduos da categoria i da amostra

de monitoramento.

8.2. Teste KS1

O KS1 compara distribuies de entrada de propostas observadas no

desenvolvimento com a entrada de propostas obtidas em safras mais

recentes, ou seja, a mxima diferena entre as distribuies acumuladas

da base de desenvolvimento e da base mensal de monitoramento.

O clculo feito atravs da frmula seguinte:

| | (8.2.1)

Em que Fr a distribuio acumulada da amostra de referncia

(desenvolvimento) e Fm a distribuio acumulada da amostra mensal de

monitoramento.

9. Concluso

Baseados em estudos macroeconmicos, estticos, anlise de perfis e com

histrico de nossas bases internas, criamos um novo Modelo de Score que

j est implantado em nosso sistema. Apesar de estar em vigor h pouco

tempo (um ms), alguns estudos j indicam a reduo da zona cinzenta e

uma melhor distribuio e performance entre os Bons e os Maus clientes. A

estimativa que, em 6 meses, nossos ndices de inadimplncia sejam

reduzidos em at 30%, sem afetar a produtividade do banco, ou at com

possvel aumento da produo.