8 4>

9 772177 60305 6
Proteja
A Serasa Experian oferece soluções sob medida para o seu negócio. SoluçõeS eSPeCífiCaS Para
São produtos e serviços exclusivos, que vão desde consultas de Cada etaPa do Seu negóCio

crédito até ferramentas e softwares para gerir melhor sua empresa.

Tudo muito prático, rápido e rentável. E o melhor: cabe no seu
 Busque novos clientes

orçamento. Entre em contato e prepare-se para se destacar da  Monitore empresas,

clientes e sócios
concorrência.
 Venda com segurança
Para saber mais, acesse  Cobre devedores
serasaexperian.com.br
ou ligue para 0800 773 7728 Compre só os dados de que precisa
 3

06

Gestão da Fraude Transacional e a
Contribuição dos Dados de Bureau
Thaine Clemente de Souza
Guilherme Barreto Fernandes
A gestão eficiente da fraude pode evitar vendas pro-
blemáticas e contribuir para a satisfação do cliente. As
técnicas comuns de gestão da fraude utilizam dados
históricos das transações para predizer se o compor-
tamento da compra é típico de um fraudador ou não.
Este trabalho apresenta o ganho obtido quando se in-
serem nas análises as informações de um bureau.

16

Tendências do Cadastro Positivo no Brasil: Projeções O estudo atendeu a seu objetivo de mensurar a expe-
das Principais Variáveis Impactadas e Cenários riência dos principais países que adotaram o Cadastro
Positivo e, por analogia, conforme Armstrong (2001),
Carlos Augusto Passos foram projetadas as tendências das variáveis spread
Renata Giovinazzo Spers bancário, crédito oferecido pelo setor bancário, crédi-
James T. C. Wright to ao setor privado, inadimplência, taxa real de juros,
crescimento do PIB e taxa de juros de empréstimos
para o Brasil.

37

Análise da Insolvência de Empresas Este artigo analisa a probabilidade de insolvência de

Combinando Variáveis Macroeconômicas empresas brasileiras de capital aberto, combinando 12
e Informações Contábil-Financeiras variáveis macroeconômicas e 19 contábil-financeiras.
Utilizaram-se dados de 63 empresas listadas na Bo-
Alceu Souza vespa e pertencentes a 17 setores, no período de de-
Liliane Gomes zembro de 2000 a setembro de 2009. A previsão de in-
Luiz Carlos Duclós solvência foi calculada a partir da metodologia KMV
Wesley Vieira da Silva adaptada do Modelo de Merton e definida por Löffler
e Posch (2007).

60

Responsabilidade Socioambiental Considerando que as instituições financeiras são es-

nas Instituições Financeiras senciais para acelerar a efetivação do desenvolvimen-
to sustentável, o Banco Central do Brasil - BCB deter-
Franklin Mendes Thame minou que a implementação da Politica de Respon-
sabilidade Socioambiental seja adequada ao porte,
natureza do negócio, complexidade dos produtos e
serviços dessas instituições.

Palavra do Editor
A importância de informações de
bureau tanto de pessoas físicas, como ju-
rídicas foi demonstrada nos artigos sobre
“Tendências do Cadastro Positivo no Brasil”
de Carlos Augusto Passos, Renata Giovina-
zzo Spers e James T.C. Wright e sobre “Ges-
tão de Fraude Transacional e a Contribuição
dos Dados de Bureau” de Thaine Clemente
de Souza e Guilherme Barreto Fernandes.
No artigo sobre fraude transacional foi en-
fatizado que hoje ela constitui um dos prin-
cipais motivos para os fechamentos das lo-
jas virtuais, e, portanto, a sua gestão é uma
ferramenta da máxima importância. Os au-
tores, Thaine de Souza e Guilherme Fernan-
des esclarecem que nas compras não pre-
senciais o banco não se responsabiliza pe-
las perdas e o prejuízo gerado é todo do lo-
jista. Citam como compras não presenciais
aquelas em que não há a verificação de se-
nha, assinatura, ou de algum método de se-
gurança tradicional do banco e os princi-
pais tipos são aquelas efetuadas via internet
e televendas. Os autores apresentam no es-
tudo o ganho ao inserir informações de um
bureau na análise afirmando que elas agre-
gam valor significativo e consistente aos re-
sultados. Ilustram a tese com dois cases: o
primeiro de uma empresa de telecom e o
segundo de uma empresa varejista, que ti-
veram incremento em torno de 8 p.p. e 4 p.p.
na taxa de detecção de fraude nas faixas de
escore de maior risco, após o uso da infor-
mação de bureau.
No artigo sobre Tendências do Ca-
dastro Positivo, os autores Carlos Augusto
Passos, Renata Giovinazzo Spers e James
T.C. Wright referem-se às pesquisas que
comprovam que os países, onde há simetria
da informação, a oferta de crédito é maior,
4
a inadimplência, menor e taxas de juros, re-
duzidas. Os autores argumentam que o ca-
dastro positivo, que reúne informações so-
bre hábitos de pagamento dos consumido-
res, tornou-se hoje uma ferramenta impor-
tante e ágil para a tomada de decisões de
oferta de crédito. A aprovação da lei do Ca-
dastro Positivo no Brasil levantou questões
importantes especialmente referentes aos
principais impactos dessa ferramenta nos
indicadores financeiros nacionais e aos ce-
nários estruturais que poderiam ser cons-
truídos. O trabalho propõe lançar um olhar
prospectivo para o Brasil até 2018, a partir
da experiência do Cadastro Positivo utiliza-
do em países considerados culturalmente
similares ao Brasil, e estabelece um compa-
rativo com uma amostra de países distantes
culturalmente do Brasil. Utilizou-se como
abordagem de projeção de cenários, a ana-
logia e como principais variáveis compara-
tivas, os indicadores financeiros do Banco
Mundial e do Fórum Econômico Mundial. O
estudo atingiu seu objetivo de mensurar a
experiência dos principais países que ado-
taram o Cadastro Positivo e, por analogia
conforme Armstrong (2001) foram projeta-
das as tendências das variáveis spread ban-
cário, crédito oferecido pelo setor bancário,
crédito oferecido ao setor privado, inadim-
plência, taxa real de juros, crescimento do
PIB e taxa de juros de empréstimos para o
Brasil, nos próximos anos.
O artigo dos professores Alceu
Souza, Liliane Gomes, Luiz Carlos Duclós e
Wesley Vieira da Silva , aborda o emprego
da combinação de variáveis macroeconô-
micas e informações contábil-financeiras
para analisar a insolvência de empresas de
capital aberto. Eles apresentam uma análi-

se do comportamento de empresas de se-
tores diversificados, listadas na BOVESPA,
no período de dezembro de 2000 a setem-
bro de 2009. Segundo os autores a utiliza-
ção isolada de variáveis contábil-financei-
ras não é suficiente para a tomada de de-
cisões. Eles reconhecem que é preciso
estabelecer uma relação entre ciclos eco-
nômicos e a insolvência e isso só é possí-
vel quanto se empregam modelos que en-
globam variáveis macroeconômicas e in-
formações contábil-financeiras.
A combinação de dados das em-
presas de capital aberto examinadas no
estudo permitiu tirar conclusões sobre as
probabilidades de insolvência. A análise
empírica focou 63 empresas pertencen-
tes a 17 setores segundo a classificação da
base de dados Economática, para o perío-
do. A previsão de insolvência foi calculada
a partir da metodologia KMV adaptada do
Modelo de Merton e definida por Löffler e
Posch (2007).
O Engenheiro Agrônomo e Ad-
ministrador de Empresas, Franklin Men-
TECNOLOGIA DE CRÉDITO
Publicação trimestral da Serasa Experian
Presidente da Serasa Experian e da Experian América Latina
Ricardo Loureiro
Presidentes de Unidades de Negócios
Igor Ramos Rocha, Laércio Pinto e Marcelo Kekligian
Diretores
Amador Rodriguez, Guilherme Cavalieri, Lisias Lauretti, Paulo Melo,
Silvânio Covas e Valdemir Bertolo
Editora Responsável
Rosina I. M. D’Angina (MTb 8251)
Assistente de Edição
Nancy Galvão
Projeto Gráfico
Luis Barbuda
Capa
Eric Miranda
Editoração Eletrônica
Eric Miranda e Letícia Ikeda
5
des Thame, colabora com esta edição
com mais um artigo sobre responsabili-
dade socioambiental nas instituições fi-
nanceiras. O autor comenta em seu ar-
tigo duas minutas do Banco Central do
Brasil que dispõem sobre a implementa-
ção da responsabilidade socioambiental
nas instituições financeiras e sobre a ela-
boração e divulgação do Relatório de Res-
ponsabilidade Socioambiental. O BC pre-
tende com essas Resoluções, que as ins-
tituições financeiras estabeleçam um pa-
drão mínimo de gestão para os diversos
aspectos que constituem, de forma trans-
versal, a responsabilidade socioambiental
nas suas decisões dos negócios. De acor-
do com o BC a responsabilidade socio-
ambiental das organizações é tema dis-
seminado nos últimos anos no Brasil e no
mundo, constituindo uma preocupação
exteriorizada pela sociedade civil e pelos
agentes econômicos que postulam alcan-
çar um desenvolvimento sustentável, eco-
nomicamente viável, ambientalmente sus-
tentável e socialmente justo.
ANO XIII Nº 84
ISSN 2177-6032
Ilustração
Eric Miranda
Tradução
Allan Hastings
Correspondência
Serasa Experian - Comunicação & Branding
Al. dos Quinimuras, 187
CEP 04068-900 - São Paulo - SP
Tel. (11) 2847-9515
Fax (11) 2847-9791
www.serasaexperian.com.br
rdangina@gmail.com
nancy.galvao@br.experian.com
Os conceitos emitidos em artigos assinados são de responsa-
bilidade de seus autores, não expressando, necessariamente, o
ponto de vista da Serasa Experian, nem do Conselho Editorial.
É proibida a reprodução total ou parcial dos artigos desta
publicação.
 6

Gestão da Fraude
Transacional e a
Contribuição dos
Dados de Bureau

Thaine Clemente de Souza

Guilherme Barreto Fernandes
 7

Introdução
Nas últimas décadas, a evolução das tecnologias de in-
formação e de transmissão de dados e a criação da internet
marcaram uma nova fase do processo de globalização da eco-
nomia. Nesse novo cenário surge, como grande inovação no
mundo econômico, o comércio eletrônico, possibilitando a rea-
lização de operações comerciais sem a definição exata do local
de origem e destino.

Palavras-chave: Comércio Eletrônico, Gestão da Fraude,

Informações de Bureau.

O e-commerce no Brasil está são aquelas efetuadas via internet e tele-

crescendo e os números divulgados for-
talecem essa afirmação: o faturamento
de 2011 foi 26% maior que o valor nomi-
nal de 2010 - 11 bilhões de dólares (Grá-
fico 1). Em 2012, o crescimento superou
os US$12 bilhões. Dado o atual cenário,
uma das maiores preocupações dos lo-
jistas é que as compras sejam entregues
aos bons clientes e que os fraudadores
sejam desmascarados. Atualmente, a
fraude é um dos principais motivos para
os fechamentos das lojas virtuais (Valle,
2012). De acordo com Kou, Lu e Sinvon-
gwattana (2004), as fraudes estão cres-
cendo de forma acentuada com a expan-
são da tecnologia moderna e comunica-
ção global, resultando em perdas subs-
tanciais dos negócios.
Mas por que a gestão da fraude é
tão importante no e-commerce? Em com-
pras não presenciais o banco não se res-
ponsabiliza pelas perdas e o prejuízo ge-
rado é todo do lojista. Por compras não
presenciais entende-se todo tipo de com-
pra em que não há a verificação de se-
nha, assinatura, ou de algum método de
segurança tradicional do banco. Os prin-
cipais tipos de compras não presenciais
vendas.
Uma das formas da fraude nas
compras do e-commerce acontece quan-
do há uso mal intencionado do cartão de
crédito de outra pessoa ou próprio titu-
lar. A segunda, chamada de auto-fraude,
é significativamente mais rara que a pri-
meira e mais difícil de detectar. Por esses
motivos, não é o foco principal dos lojistas
em combate à fraude.
Geralmente, os fraudadores con-
seguem os dados de pessoas idôneas por
diversos meios: perda ou roubo de cartei-
ras, roubo das informações por empre-
gados de lojas, informações de amigos,
empregados, roubos de cartas ou trocas
fraudulentas de endereços, entre outros.
Com os dados em mãos, o pró-
ximo passo é a realização da compra. O
fraudador realiza a compra em um e-com-
merce, a loja aprova, o banco também e o
fraudador tem o produto ou serviço entre-
gue. Quando o verdadeiro titular do car-
tão se dá conta da transação, que não foi
realizada por ele, contesta ao emissor e
esse estorna o valor creditado. Tal contes-
tação recebe o nome de chargeback, me-
lhor explicado na figura 1.

■ Figura 1 Fluxo fraude
■ Gráfico 1 Faturamento e-commerce (bilhões).
Fonte: www.e-commerce.org.br
Projeção: Serasa Experian
Contudo, deve-se ficar atento, pois
nem todo chargeback é uma fraude. A con-
testação também pode ser gerada por um
descontentamento do produto, como defei-
tos, trocas, cores diferentes, produto/serviço
não entregue, compra cancelada e credita-
da, entre outros. E essa distinção deve ser le-
vada em conta para a gestão da fraude.
Geralmente tal gestão é feita com re-
8
gras de negócio associadas às ferramentas
estatísticas que detectam a probabilidade da
transação ser fraudulenta ou não. Dentre as
técnicas mais utilizadas estão a regressão
logística e as redes neurais, que combinam
uma gama de variáveis com informações do
perfil da transação, do histórico do cliente,
do IP de acesso, entre outras, com o propósi-
to de identificar operações fraudulentas.

Lojas Virtuais no Brasil
No Brasil, o comércio eletrônico
B2C surgiu em 1995, logo após o apareci-
mento da internet comercial, com empre-
sas pioneiras como Livraria Cultura, Grupo
Pão de Açúcar, Lojas Americanas, Magazi-
ne Luiza e Submarino. Em 2002, a Netsho-
es abria a primeira loja com um novo con-
ceito de loja virtual: a venda de produtos
esportivos. Rapidamente ela se tornava um
sucesso de vendas e lucratividade, fechan-
do todas as lojas físicas em 2007.
Em 2006 surge a B2W, resultado da
fusão entre Submarino e as Lojas Ameri-
canas, que um ano antes haviam adquirido
o Shoptime. O primeiro gigante do e-com-
merce chegou a possuir aproximadamente
50% do market share do mercado. Contudo,
as pequenas e médias empresas começa-
ram a ganhar espaço e, em 2009, a Nova-
■ Gráfico 2 Visualizações 10 Maiores e-commerces Brasil 2010 (milhões).
Fonte: http://www.e-commercebrasil.org/numeros/top10-maiores-lojas-online/
9
pontocom, criada para gerenciar as opera-
ções do e-commerce da fusão entre Gru-
po Pão de Açúcar, Globex e Casas Bahia,
ganha espaço no setor. Estima-se que ain-
da em 2013 a Novapontocom ultrapasse a
B2W em vendas pela internet (UOL, 2012).
A recente tendência dos sites de
compras coletivas no Brasil também con-
tribui para o crescimento do setor, lojas
como Peixe Urbano e Grupon movimentam
milhões de transações na internet. Outros
players importantes no e-commerce são a
Dafiti, o Walmart e o Mercado Livre.
Segundo dados divulgados pelo e-
-commerce.org, as 10 maiores lojas brasi-
leiras em 2010 eram: Americanas, Subma-
rino, Netshoes, Ponto Frio, Magazine Lui-
za, Extra, Casas Bahia, Compra Fácil, Wal-
mart e Livraria Saraiva, conforme mostra o
Gráfico 2.

O acentuado crescimento das ven-
das, responsável pela constante evolução
do setor, exige uma gestão abrangente da
fraude, pois a ascensão das vendas atrai
criminosos que desenvolvem técnicas para
fraudar tanto os comerciantes quanto os
clientes (Ward,2010).
Características da Fraude
em Lojas Virtuais
Como mostrado acima, as transa-
ções fraudulentas nas lojas virtuais causam
prejuízos e devem ser geridas de maneira efi-
ciente para que haja receita financeira sus-
tentável para os lojistas. Os fraudadores são
dinâmicos e rápidos, e assim, essa gestão exi-
ge constantes inovações e criatividade como
chaves para o bom desempenho.
■ Figura 2 Conjunto de dados utilizados gestão fraude
As compras fraudulentas possuem
informações tanto do fraudador como da
pessoa fraudada, quando há entrega de um
produto/serviço, por exemplo, pode-se infe-
rir que o endereço é do fraudador ou de al-
guma pessoa próxima a ele, e os outros da-
10
Além disso, o enriquecedor dessa
gestão são as informações disponíveis, como
por exemplo, informações de compras ante-
riores, do cartão de crédito e cadastrais e do
CPF. Quanto maior o volume de informações
relevantes utilizadas pela estratégia de gestão
da fraude, maior será sua eficácia. Portanto,
a interação entre informações do lojista (refe-
rentes às compras realizadas) com informa-
ções de um bureau gera um ganho significa-
tivo no processo. A Figura 2 ilustra o conjun-
to de informações utilizado na gestão da frau-
de: de um lado têm-se os dados da transação
e, do outro, os dados do bureau. O matching é
o processo de validação dos dados da transa-
ção com os dados do bureau, e os três juntos
podem alavancar o desempenho das estraté-
gias de gestão da fraude.
dos, como CPF e cartão, sejam fraudados.
As transações que não têm produto de en-
trega (por exemplo: companhias aéreas, do-
wnloads musicais, jogos de internet), o en-
dereço deixa de ser um vínculo forte com o
fraudador e nesse caso ganham importân-

cia dados como e-mail, telefone e IP (Proto-
colo da Internet – identificação do computa-
dor em uma rede).
Exemplos significativos de caracte-
rísticas das transações que podem ser ob-
servadas ao gerir a fraude são: perfil de e-
-mail (e-mail tem nome do comprador, e-
-mail tem palavras estranhas, como por
exemplo: fraudador@provedor.com), prove-
dor do e-mail, data e hora da compra, ca-
tegoria do produto comprado e geolocali-
zação do IP. Provedores de e-mail gratuitos
tendem ser mais arriscados que os pagos, e
ainda, compras durante a madrugada e de
produtos de fácil revenda são característi-
cas comuns às operações fraudulentas. Por
fim, se a região de entrega do produto/ser-
viço for a mesma do IP, a chance de fraude
diminui. O Gráfico 3 mostra a diferença da
odds das transações quando pelo menos
um item comprado é eletrônico. Note que
as transações que contêm itens eletrônicos
são mais arriscadas que as demais.
■ Gráfico 3 Odds ((Fraude na Catego-
ria/Fraude Total)/(Bons na Categoria/
Bons Totais)) Variável Categoria Eletrô-
nico
11
Os pontos citados ilustram análises
realizadas a partir dos dados da transação.
As validações cadastrais, como por exem-
plo, a verificação se a data de nascimen-
to declarada pelo comprador no momen-
to da compra é igual à data de nascimento
do CPF cadastrada no bureau, ou se o ende-
reço do CPF no bureau é o mesmo ende-
reço da transação, aumentam a eficiência
dessa gestão expressivamente. Portanto,
o matching de informações cadastrais com
um bureau adiciona consistência à preven-
ção da fraude. O Gráfico 4, ilustra o exem-
plo da variável desenvolvida através do ma-
tch de endereço com o bureau, que verifica
se o CPF atrelado ao endereço no bureau é o
mesmo CPF da transação. O resultado mos-
tra que quando os CPFs são iguais o risco
de fraude diminui.
Além da validação dos dados (ma-
tch), outras informações do bureau podem
ser utilizadas. Saber se algum dado (ende-
reço, telefone, CPF, etc.) já foi comprometi-
■ Gráfico 4 Odds ((Fraude na Categoria/Frau-
de Total)/(Bons na Categoria/Bons Totais))
Variável Match CPF Endereço com o bureau.

do com fraude no mundo físico ou se o CPF
foi furtado em uma data próxima à data da
transação são exemplos de informações en-
riquecedoras para a análise. O case apre-
sentado adiante evidencia que aproxima-
damente uma a cada três transações rea-
lizadas com CPF inexistente é fraudulenta.
Além disso, outra informação relevante é
verificar se o telefone informado na compra
é um telefone público, quando isso aconte-
ce o risco de fraude aumenta, como visuali-
zado no Gráfico 5 abaixo.
■ Gráfico 5 Odds ((Fraude na Categoria/
Fraude Total)/(Bons na Categoria/Bons
Totais)) Variável Telefone Público
Cases de Sucesso
Dado o cenário de crescimento
das lojas virtuais e das transações verifi-
ca-se a necessidade de uma gestão com
foco em vendas assertivas, de forma que
as lojas penalizem os fraudadores e reco-
nheçam os bons e fiéis clientes. Abaixo
são apresentados os resultados de dois
bem sucedidos cases, em diferentes se-
tores (telefonia e varejo) que visam auxi-
12
liar os lojistas nas vendas e na prevenção
das fraudes.
Em termos de técnicas de ajus-
te dos modelos, foram utilizadas as técni-
cas de regressão logística (Hosmer e Le-
meshow , 2000) ou redes neurais (Bernar-
da, 2007). Contudo, mais importante que a
técnica aplicada, são as informações que
buscam capturar o perfil do fraudador.
Os cases apresentados a seguir
utilizam variáveis da transação e variá-
veis do bureau da Serasa Experian. Den-
tre as informações da transação estão
categoria do item comprado, valor da
compra, BIN do cartão utilizado, dentre
outras. Alguns exemplos de variáveis de
match com o bureau são: o endereço do
CPF no bureau é o mesmo endereço de
entrega da transação, o nome atrelado
ao CPF no bureau é o mesmo nome da
transação, a data de nascimento é a mes-
ma. As informações puras do bureau da
Serasa Experian foram as de que o CPF
já teve documentos roubados e a quanti-
dade de telefones instalados atrelados ao
mesmo CPF, dentre outras.
Case 1: Empresa de telecom
Ferramenta construída que visa
prevenir fraudes nas transações de re-
cargas de celulares. Os resultados se
mostram consistentes e assertivos, as
transações entre as 3% mais arriscadas
(scores mais baixos) representam cerca de
60% das operações fraudulentas.
No Gráfico 6 observa-se o percen-
tual de fraude encontrado para as com-
pras mais arriscadas com base em duas
análises: uma que utiliza informações das
transações e outra que além dessas, em-
prega informações do bureau da Sera-
sa Experian. Observa-se que as variáveis

provenientes do bureau proporcionam um
ganho considerável na gestão da fraude
para os 10 grupos mais arriscados Na fai-
xa mais arriscada, a inserção de informa-
ções do bureau faz com que o percentu-
al do valor da fraude encontrado seja 9%
maior que uma análise apenas com as in-
■ Gráfico 6 Percentual do Valor da Fraude Acumulado nos 10 grupos mais arriscados.
Fonte: Case TELECOM Serasa Experian
Case 2: Empresa varejista
Solução antifraude transacional
para uma grande loja virtual de varejo.
Dentre os produtos disponíveis em seu site
estão móveis, eletrônicos, eletrodomésti-
cos, cama, mesa, banho e brinquedos de
crianças. Essa grande variedade traz de-
safios para a gestão de fraude, pois o ris-
co varia de acordo com o produto e o seu
preço. Além disso, a loja tende a ter vários
perfis de compradores, aqueles que só
compram eletrônicos, jovens e descolados
13
formações das transações. E ainda, esse
ganho permanece elevado até a quinta
faixa de risco, quando começa a decres-
cer. Ou seja, o retorno financeiro é sig-
nificativamente maior quando informa-
ções do bureau são inseridas na análise
da fraude.
ou aqueles que só compram mesa e ba-
nho (mulheres casadas, por exemplo). Na-
turalmente, os produtos com alto valor de
revenda são os itens mais comuns às ope-
rações que geram chargeback: computado-
res, aparelhos de som, televisões, GPS, en-
tre outros eletrônicos.
Os resultados desse case também
são significativos, entre as 4% mais arris-
cadas transações (scores mais baixos), são
capturadas mais de 40% das fraudes. As-
sim como o gráfico anterior, o Gráfico 7 traz

ganho ao utilizar as informações do bure-
au da Serasa Experian na análise da frau-
de. Observa-se que nas três primeiras fai-
xas encontra-se, em média, 4% a mais do
valor da fraude nas análises que utilizam
o bureau da Serasa Experian. Mais uma
■ Gráfico 7 Percentual do Valor da Fraude Acumulada nos 10 grupos mais arriscados
Fonte: Case VAREJO Serasa Experian
Conclusões
O surgimento do e-commerce no
Brasil é recente e o crescimento do núme-
ro de lojas é exponencial. Contudo, para
que essas lojas tenham um bom desempe-
nho nas vendas e nos lucros é necessária
uma gestão eficiente da fraude, a fim de se
evitar compras indevidas e satisfação dos
bons clientes.
As técnicas comuns de gestão da
fraude utilizam dados históricos das tran-
sações para predizer se o comportamen-
14
vez as informações do bureau contribuíram
para encontrar padrões dos fraudadores
que apenas os dados das transações não
capturaram, reforçando assim a importân-
cia dessas informações para a predição da
fraude no e-commerce.
to da compra é típico de um fraudador ou
não. O trabalho apresenta o ganho ao inse-
rir informações de um bureau nessa análi-
se. Como visto, tais informações agregam
valor significativo e consistente aos resul-
tados. Os dois cases apresentados aqui, o
primeiro de uma empresa de telecom e o
segundo de uma empresa varejista, tive-
ram incremente em torno de 8 p.p. e 4 p.p.
na taxa de detecção de fraude nas faixas
de escore de maior risco, após o uso da in-
formação de bureau.
 15
Autores

Thaine Clemente de Souza

Bacharel em Estatística pela Universidade Federal do Paraná (UFPR) e mestranda em Administração de Empre-
sas pelo Insper, atua como Especialista em modelagem e Analytics na Serasa Experian participando especial-
mente de projetos que envolvam fraude no mundo físico e virtual. Antes da Serasa Experian, trabalhou por 3 anos
no atual líder do mercado em fraude transacional no Brasil. Thaine pode ser contatada através do e-mail thaine.
souza@br.experian.com.

Guilherme Fernandes
Bacharel em estatística pela Universidade Federal de São Carlos e mestre em economia pelo Insper-SP. Atual-
mente é responsável pela área de Inovação em Analytics na Serasa Experian, onde está desde 2010. Sua experi-
ência se concentra em modelagem de risco de crédito e fraude. Anteriormente trabalhou na área de modelagem
de risco de crédito PJ por 4 anos num dos maiores bancos brasileiros. Guilherme pode ser contatado por guilher-
me.fernandes@br.experian.com.
Referencial Teórico

BERNARDA, T. Redes Neurais Artificiais - Teoria e Prática, LTC Editora, 2ª Ed., 2007

GEROMEL, R. Forbes. Disponível em Forbes: http://www.forbes.com e acessado em 15 do 9 de 2012, 2012.

HOSMER, D.W.; LEMESHOW, S. Applied Logistic Regression, Nova Iorque, Wiley, 2000.

KOU, Y.; LU, C.; Sinvongwattana, S. Survey of Fraud Detection Techniques. p. 749-754, 2004.

UOL Notícias. O Titanic do e-commerce brasileiro encontrou seu iceberg. E agora?. Disponível em http://bjc.

uol.com.br/2012/03/11/o-titanic-do-e-commerce-brasileiro-encontrou-seu-iceberg-e-agora-b2w/ e acessado em

09/01/2013.

WARD, Theresa. Strategies for Reducing the Risk of eCommerce Fraud. A First Data White Paper. p. 1-11,

2010.

VALLE, A. Blog E-commerce. Disponível em http://www.blogdoecommerce.com.br/ fraudes-cartoes-de-credi-

to-lojas-virtuais/ e acessado em 09 de Janeiro de 2012, 2012.

 16

Tendências do
Cadastro Positivo no
Brasil: Projeções das
Principais Variáveis
Impactadas e
+
++++++
Cenários +
+
++
Carlos Augusto Passos
+
++
Renata Giovinazzo Spers
James T. C. Wright +
 17

Resumo
Pesquisas comprovam que nos países onde a assime-
tria da informação é reduzida há maior oferta de crédito, menor
inadimplência e taxas de juros reduzidas. Dessa forma, o ca-
dastro positivo, que reúne informações sobre hábitos de paga-
mento dos consumidores, tornou-se uma ferramenta relevante
para a tomada de decisões de oferta de crédito em curto pra-
zo. O advento da aprovação da lei do Cadastro Positivo no Bra-
sil levantou questões importantes sobre quais seriam os prin-
cipais impactos dessa ferramenta nos indicadores financeiros
nacionais e os cenários estruturais que poderiam ser constru-
ídos a partir da experiência que o Cadastro Positivo teria no
País. O presente trabalho busca lançar um olhar prospectivo
para o Brasil até 2018, a partir da experiência de Cadastro Po-
sitivo de países culturalmente similares ao Brasil, comparativa-
mente a uma amostra de países distantes culturalmente, utili-
zando como abordagem de projeção de cenários a analogia e,
como principais variáveis comparativas, os indicadores finan-
ceiros do Banco Mundial e do Fórum Econômico Mundial. O es-
tudo identificou que os melhores resultados no futuro estão re-
lacionados às variáveis de inadimplência, de taxa real de juros
e de crescimento do PIB brasileiro. Além disso, haveria melho-
rias significativas nas variáveis infraestrutura e ambiente eco-
nômico, ligeira melhora na saúde e educação/ ensino superior;
e fracos avanços em relação ao potencial do mercado de tra-
balho, tamanho de mercado e, principalmente, inovação, entre
outros aspectos projetados.

Palavras-chave: Cadastro Positivo; Cenários; Indicadores.

Introdução nanceiros e os agentes do comércio, fo-

Em anos recentes, muito se tem
falado a respeito do Cadastro Positivo no
Brasil e de suas possíveis implicações nos
indicadores econômico-financeiros, so-
ciais, político-legais, a exemplo dos paí-
ses que o adotam. Os principais agentes
interessados, dos quais se destacam os
bureaux de informações de crédito, a im-
prensa, os consumidores, os agentes fi-
mentaram essas discussões pelos aspec-
tos positivos que foram observados em ou-
tros países após a adoção dessa medida,
bem como, pelos interesses de suas par-
tes. Essas discussões tomaram maior vulto
a partir de maio de 2010, quando o Plená-
rio do Senado aprovou a Medida Provisória
(MP) 518/10, que criou um Cadastro Positi-
vo com informações e dados de pessoas fí-

sicas e jurídicas no Brasil, em dia com seus
compromissos financeiros.
Cabe salientar que no Brasil já vi-
goravam os cadastros com informações ne-
gativas, disciplinada por meio da Lei 8.078,
de 11/09/1990 do Código de Defesa do Con-
sumidor, em seu artigo 43. Esses cadas-
tros, em sua maioria, utilizam apenas infor-
mações básicas de seus clientes, tais como
dados cadastrais: nome, endereço, dívidas
ativas, relacionamentos comerciais, ren-
da atual e estimada, profissão, ocupação
e cônjuge. Todavia, essa forma de análise
omite questões importantes como o volume
de compromissos financeiros adquiridos
pelo pretendente ao crédito, o valor e o pra-
zo de pagamento desses compromissos e
qual foi a pontualidade desse pretenso con-
sumidor em situações anteriores, relaciona-
do à informação positiva.
Assim, entre os principais objetivos
da criação do Cadastro Positivo no Brasil, se-
gundo os próprios líderes do Congresso Na-
cional (Agência Senado, 2011) estão o de me-
lhorar a qualidade e diminuir o custo do cré-
dito oferecido pelo credor. Ainda, adjacentes
a esse objetivo, do ponto de vista legal, disci-
plinar o uso do serviço é relevante; do ponto
de vista econômico, reduzir os spreads ban-
cários, as taxas de juros e o nível de inadim-
plência e do ponto de vista social, mudar a
conduta e os hábitos de pagamento dos bra-
sileiros, valorizando-se a adimplência.
Os objetivos acima mencionados
são complementares, pois aprimorar a qua-
lidade do crédito significa oferecer ao toma-
dor melhores condições de acesso ao cré-
dito, e consequentemente, o aumento do
consumo. Esse aumento tende a beneficiar
o crescimento do PIB, com reflexos positi-
vos na inadimplência, nas taxas de juros e
nos spreads bancários.
18
Conforme Gitman (2009), o nível da
taxa de juros age como um dispositivo re-
gulador que controla o fluxo de fundos no
mercado. Dessa forma, o Governo Federal,
representado na autoridade monetária do
Banco Central, avalia as condições da eco-
nomia, para tomar medidas que aumentem
ou reduzam as taxas de juros e, assim, con-
trolar a inflação e o crescimento econômi-
co. De forma geral, quanto menor a taxa
de juros, maior o fluxo de fundos e, portan-
to, maior o crescimento econômico; quanto
mais alta a taxa de juros, menores o fluxo de
fundos e o crescimento econômico.
Jappelli e Pagano (1999) provaram
que a oferta de crédito ao setor privado é
maior e a inadimplência é menor onde o
compartilhamento de informações é com-
pleto. Além disso, em relação ao PIB, o cré-
dito ao setor privado tem maior volume de
recursos nos países onde o compartilha-
mento das informações é maior, em relação
ao verificado nos países de menor fluxo de
informações. Baron e Staten (2000) postu-
lam que nos países onde não há Cadastro
Positivo, é cobrada uma taxa média de juros
que reflete a experiência coletiva do merca-
do, o que, de certa forma, é injusto, pois o
consumidor que tem bons hábitos de pa-
gamento acaba pagando pelo consumidor
que não tem.
Os empréstimos bancários são tam-
bém influenciados pelo maior volume de in-
formações de crédito, pois afetam principal-
mente as políticas dos bancos (Levine apud
Jappelli e Pagano, 1999).
Diante dos aspectos anteriores, a
questão que surge para a pesquisa é: sob
o ponto de vista de indicadores financeiros
relevantes de países que já têm histórico de
Cadastro Positivo, qual seria a tendência
desses indicadores para o Brasil? Quais ce-

nários estruturais poderiam ser factíveis em
longo prazo?
Dessa forma, o principal objetivo
desse estudo é o de mensurar a experiên-
cia dos principais países que adotaram o
Cadastro Positivo e, por analogia, confor-
me Armstrong (2001), projetar a tendência
das variáveis spread bancário, crédito ofe-
recido pelo setor bancário, crédito ofereci-
do ao setor privado, inadimplência, taxa real
de juros, crescimento do PIB e taxa de ju-
ros de empréstimos para o Brasil, nos próxi-
mos anos. Além disso, quais seriam os pos-
síveis cenários estruturais para o país nos
próximos oito anos levando em considera-
ção uma amostra de países culturalmente
semelhantes ao Brasil e uma amostra geral
extraídos do estudo do Fórum Econômico
Mundial (SCHWAB, 2011).
A pesquisa busca oferecer uma vi-
são tendencial sobre as principais variáveis
de impacto no fluxo de capitais no País, de
forma a contribuir para a tomada de deci-
são ou posicionamento dos principais agen-
tes interessados no assunto.
O estudo não tem a pretensão de
explorar relações de causalidade e impacto
entre as variáveis e o Cadastro Positivo, mas
apenas de informar qual foi o desempenho
dos países após sua implantação, além de
cruzar variáveis sociais e políticas para ela-
boração dos cenários.
Referencial Teórico:
Cadastro Positivo e
Elementos Relacionados
1. O Cadastro Positivo
e Conceitos Fundamentais
Após as reflexões dos principais
agentes e os legisladores sobre o Cadastro
Positivo, a Presidente Dilma Rousseff, em 9
19
de julho de 2011, converteu a medida provi-
sória 518/10 na Lei n°. 12.414 (2011), que regu-
lamentou o Cadastro Positivo no Brasil.
Dessa forma, conforme a referi-
da lei entende-se que o Cadastro Positivo
pode oferecer o histórico de crédito de pes-
soa jurídica ou física para fins de crediário.
Por histórico de crédito a lei determina que
o Cadastro Positivo seja um conjunto de da-
dos financeiros e de pagamentos relativos
às operações de crédito e obrigações de pa-
gamento adimplidas ou em andamento por
pessoa natural ou jurídica.
Crédito diz respeito à troca de bens
e serviços no momento presente por uma
promessa de pagamento futuro (SILVA,
2006). Crédito “é a transação comercial em
que um comprador recebe imediatamente
um bem ou serviço adquirido, mas só fará o
pagamento depois de um tempo determina-
do” (Sandroni,1999 p.140). Todas as empre-
sas, que também não possuem em sua es-
trutura os serviços de crediário, têm a pre-
ferência em receber seus pagamentos por
seus produtos ou serviços à vista. Todavia,
o importante crescimento do consumo das
classes de renda mais baixas e a pressão
dos concorrentes obrigam a maioria das lo-
jas de varejo, em especial as que negociam
bens de consumo duráveis, a vender a cré-
dito. Assim, vender a crédito envolve con-
fiança em que o devedor irá cumprir suas
obrigações de pagamento junto ao credor
no prazo estabelecido.
Na etapa de aquisição e concessão
de crédito uma organização precisa agili-
zar seu processo de aprovação, mensurar o
risco de cada cliente, ajustar o meio de pa-
gamento ideal ao cliente, maximizar o valor
de crédito e juros, de acordo com o perfil
do cliente, e determinar o seu potencial de
consumo, aumentando assim a eficiência

da organização.
Risco, segundo Gitman (2009) é a
chance de perda financeira. Portanto, risco
de crédito é a possibilidade de um cliente
não saldar sua dívida, ficando inadimplente.
A inadimplência ocorre quando um devedor
não quer ou não pode cumprir suas obriga-
ções contratuais com o credor (CROUHY,
M.; et. al., 2004).
Como o crédito é de grande impor-
tância social, pois favorece o aumento do ní-
vel de atividade, estimula o consumo e faci-
lita a execução de projetos para os quais as
organizações não dispõem de recursos (Sil-
va, 2006) o volume de informações, a qua-
lidade da informação, a disponibilidade e
o custo dessa informação tornam-se mui-
to importantes no processo de concessão
de crédito. Derivou dessas necessidades a
criação das empresas gestoras de informa-
ções, que, até a assinatura da Lei n°. 12.414,
disponibilizavam apenas informações nega-
tivas. A partir da referida Lei, um dos requi-
sitos fundamentais é o consentimento do
cadastrado. “O interesse social das coleti-
vidades não se sobrepõe, em regra, como é
o caso do cadastro negativo, porque se pri-
vilegia o direito do consumidor cadastrando
e cadastrado de optar ou não por ter esse
registro publicado” Sacco (2009, p.77). Essa
premissa acima pode levar ao entendimen-
to de que pode haver certa morosidade no
processo de adesão ao serviço no Brasil,
uma vez que é necessária a autorização do
cadastrado, o que traria reflexos nas variá-
veis citadas anteriormente apenas em lon-
go prazo. A legislação dos principais paí-
ses, alguns culturalmente parecidos com o
Brasil e que já adotaram o Cadastro Positivo
são muito parecidas nesse quesito, ou seja,
para alguns países houve maior demora no
processo, e para outros, não.
20
Na Argentina, o consentimento do
titular é exigido como requisito para o ca-
dastramento das informações, exceto in-
formações relacionadas a operações rea-
lizadas pelas instituições financeiras e aos
dados recebidos de seus clientes (Sacco,
p.78). Na Colômbia e na Guatemala é neces-
sária a autorização voluntária para a entra-
da no cadastro e divulgação dos dados. No
Chile, a autorização deve ser por escrito, po-
rém, quando se referirem a dados que pro-
venham de registros de acesso ao público
ou quando são de caráter econômico, finan-
ceiro, bancário e comercial, não é necessá-
ria a autorização. No México, a autorização
é requerida, todavia, se o crédito concedi-
do for de valor elevado, não é necessária a
autorização pelo prazo de um ano, podendo
ser prorrogado em caso de consulta ao ca-
dastrado, porém, apenas enquanto durar a
relação entre as partes. Em compensação,
tanto no Peru, quanto no Uruguai, não é ne-
cessária nenhuma autorização do cadastra-
do para que os gestores de bancos de da-
dos possam acessar manter e disponibilizar
seus dados (Centro de Estudos Monetários
Latino-americanos, 2005, 2006, 2007, 2011).
2. Dimensões Culturais que
Influenciam a Implementação
do Cadastro Positivo
Os países anteriormente citados
são componentes de um cluster cultural do
qual faz parte o Brasil, e serão objeto de es-
tudo das principais variáveis impactadas
pelo Cadastro Positivo, que serão analisa-
das conforme a metodologia de cenários
por analogia. O método de previsões por
analogia, segundo Armstrong (2001), extra-
pola resultados de situações análogas para
predizer uma situação de interesse.
Em relação aos clusters culturais,

as Dimensões Culturais de Hofstede (Ho-
fstede, 1991) são criticadas por poucos e
aceitas em muitas áreas do conhecimen-
to, e continuam a nortear muitos trabalhos
científicos, que confirmaram sua pesquisa
como real e ainda atual (Sondergaard, 1994
e Motta, 1996).
De acordo com Hofstede (1991) as
sociedades se dividem em quatro dimen-
sões culturais principais, a Distância do Po-
der; o Individualismo; a Masculinidade e a
Aversão à Incerteza:
Distância do Poder (PDI): defini-
da como a medida do grau de aceitação,
por aquele que tem menos poder nas insti-
tuições e organizações de um país, de uma
repartição desigual de poder. Países com
alto índice de distância do poder têm maior
desigualdade social, maiores diferenças de
renda e elevado privilégio aos poderosos;
Individualismo (IDV): caracteriza as
sociedades nas quais os laços entre os in-
divíduos são pouco firmes; cada um deve
ocupar-se de si mesmo e da sua família
mais próxima. Nos países com alto índice
de individualismo, os interesses individuais
prevalecem sobre os interesses coletivos. O
papel do Estado é restrito ao sistema econô-
mico e o país costuma ter elevado PIB per
capita.
Masculinidade (MAS): as socieda-
des de grau de masculinidade elevada são
caraterizadas pela orientação ao sucesso e
desempenho, onde a demonstração de for-
ça é sempre valorizada, além dos valores
materiais. São sociedades cuja cultura não
admite a permissividade e as leis são mais
rigorosas.
Aversão à Incerteza (UAI): carac-
teriza as sociedades que tendem a evitar si-
tuações de ambiguidade, ou seja, as orga-
nizações, instituições e indivíduos prefe-
21
rem tornar os acontecimentos claramente
interpretáveis e previsíveis. Portanto, a in-
certeza é percebida como ameaça e sem-
pre combatida, além disso, há forte resis-
tência à inovação. As leis nos países de ele-
vada aversão à incerteza são numerosas e
precisas.
O Brasil é similar a uma grande
parte de países Latino-Americanos e, por
esses índices comentados anteriormente,
situa-se em posição intermediária na maio-
ria dos indicadores. A dimensão de aversão
à incerteza é o indicador mais elevado apre-
sentado pelo Brasil, conforme a Figura 1.
Essa forte pontuação de aversão
à incerteza revela um país que adota posi-
ções bastantes conservadoras e grande de-
pendência às decisões do governo, aceitan-
do-as como algo comum e que não deve ser
mudado, todavia, há um forte sentimento de
falta de confiança nas instituições públicas.
Os protestos são reprimidos com violência e
há grande necessidade de regras e regula-
mentos, além da formalização dos mesmos
(HOFSTEDE, 1991).
Os países que se enquadram na dis-
tancia do poder são, em sua maioria, cons-
tituídos por governos autocráticos e oligár-
quicos. As diferenças entre rendimentos na
sociedade são fortalecidas pelo sistema fis-
cal vigente (Hofstede, 1991).
O Brasil é qualificado como uma
sociedade de maior distância do poder. Na
dimensão individualismo, o Brasil é visto
como de baixo índice, o que equivale afir-
mar que é um país coletivista. Países cole-
tivistas não se regem pela teoria de que a
economia pode servir a interesses individu-
ais, mas sim coletivos, de grupo. Há forte
interesse na defesa dos interesses do gru-
po. Há total domínio do Estado no sistema
econômico para que a defesa dos interes-
 22

■ Figura 1 Índices das Dimensões Culturais de Hofstede – Brasil

Fonte: Konuma, Claudia M. Cultura nacional e cultura organizacional. Artigo. Junho/2001. Disponí-
vel em <http://www.ead.fea.usp.br/tcc/trabalhos/Artigo_ClaudiaKon.pdf> Acesso em: 25 nov. 2011.

ses dos grupos seja respeitada e prevaleça
(Hofstede, 1991).
Dentre as Dimensões de Hofstede,
a mais equilibrada é a do índice de mascu-
linidade, pois não é possível definir o país
como masculino ou feminino, embora haja
uma ligeira tendência à feminilidade. Essa
tendência torna o país voltado para uma so-
ciedade de bem estar, mais solidária, con-
tudo, permissiva, ou seja, as leis não cos-
tumam ser respeitadas. Outro aspecto im-
portante é que nas culturas mais femininas,
há um número importante de mulheres elei-
tas em cargos políticos e há complementa-
riedade entre homens e mulheres nas tare-
fas, nesse país. Alguns rompantes de mas-
culinidade também podem ser observados
no Brasil, mais recentemente, como: a des-
tinação de uma pequena proporção do PIB
para ajuda aos países pobres, investimen-
tos em armamento e nas forças armadas
e prioridade à sustentação do crescimento
econômico (Hofstede, 1991).
3. Indicadores Financeiros
e de Competitividade
Os principais indicadores financei-
ros selecionados para serem analisados
nos países do cluster do Brasil e demais pa-
íses estudados, segundo critérios e concei-
tos do The World Bank (2011), foram: Spre-
ad Bancário, que é a taxa de juros cobrada
pelos bancos em empréstimos aos clientes
principais menos a taxa de juros paga pe-

los bancos comerciais ou similares; Crédi-
to Interno oferecido ao setor bancário, que
inclui todo o crédito para diversos setores
em uma base bruta, com exceção do cré-
dito ao governo central, que é líquido; Cré-
dito Interno oferecido ao setor privado, que
se refere a recursos financeiros previstos
para o setor privado, por meio de emprés-
timos, compra de títulos, créditos comer-
ciais e outras contas a receber. Alguns paí-
ses incluem crédito para empresas públicas;
Empréstimos Bancários Inadimplentes
para o total de empréstimos brutos, que
são os valores de empréstimos inadimplen-
tes divididos pelo valor total da carteira de
crédito (incluindo créditos de liquidação
duvidosa antes da dedução de determina-
das provisões para perdas). O montante do
empréstimo registrado como inadimplen-
tes deve ser o valor bruto do empréstimo
constante no balanço, não apenas a quan-
tidade que está atrasada; Taxa Real de Ju-
ros que é a tarifa de juros de empréstimos
ajustada pela inflação medida pelo defla-
tor do PIB; Taxa de crescimento anual em
relação ao PIB, a preços de mercado, com
base em moeda local constante. Agrega-
dos são baseados em constantes de 2 mil
dólares americanos. PIB é a soma do va-
lor adicionado bruto de todos os produto-
res existentes na economia mais os impos-
tos de produtos e menos quaisquer subsí-
dios não incluídos no valor dos produtos.
Calcula-se sem fazer deduções de depre-
ciação de bens fabricados ou a exaustão e
degradação dos recursos naturais e; final-
mente, Taxa de Juros de Empréstimo, que
é a taxa cobrada pelos bancos em emprés-
timos aos principais clientes.
Do estudo da competitividade por
países do World Economic Forum - WEF
(Schwab, 2011) foram extraídos índices es-
23
truturais e fatores problemáticos para a
competitividade que complementaram os
cenários traçados para o futuro do Brasil.
Entre os principais pilares da competitivi-
dade dos países do estudo para ilustrar os
cenários futuros do Brasil estão os concei-
tos de: infraestrutura, relacionado ao trans-
porte, energia e tecnologia da informação;
ambiente econômico, que procura ilustrar
a equalização da qualidade dos gastos go-
vernamentais e déficits fiscais; saúde e
educação básica do trabalhador; educa-
ção superior e formação profissional; efici-
ência do mercado de trabalho, que ilustra
que a eficiência do mercado de trabalho
está relacionada aos incentivos concedi-
dos aos trabalhadores e os seus esforços,
bem como, a equidade no ambiente de ne-
gócios entre homens e mulheres; tamanho
de mercado que busca relacionar o tama-
nho do mercado interno somado à capaci-
dade de exportar; e, finalmente, inovação
tecnológica, que mede a projeção e desen-
volvimento de produtos de vanguarda. In-
vestimentos em pesquisa e desenvolvimen-
to do setor privado, a presença de institui-
ções de investigação científica de elevada
qualidade; extensa colaboração em pes-
quisa entre universidades e indústria, e a
proteção da propriedade intelectual. Além
desses indicadores colocados em ranking
pelo estudo do WEF (Schwab, 2001), a enti-
dade também elencou os fatores mais pro-
blemáticos para fazer negócios nos países
amostrados. A informação foi extraída a
partir da edição 2010 da Comissão Execu-
tiva do Fórum Econômico Mundial de Pes-
quisa de Opinião, onde, de uma lista de 15
fatores, os entrevistados foram convidados
a escolher os cinco maiores problemas de
cada país e classifica-los de 1 (mais proble-
mático) a 5 (menos problemático). Os resul-

tados foram então tabulados e ponderados
de acordo com a classificação atribuída
pelos entrevistados.
A amostra de países que fez par-
te deste estudo representa cerca de 35%
do PIB mundial, 35% da população mun-
dial, 27% do PIB per capita e 33% da par-
ticipação do PIB mundial pela paridade do
poder de compra (PPP), segundo dados do
WEF (SCHWAB, 2011).
Os elementos apresentados nos
três itens do referencial teórico servem
como base para aplicação da pesquisa,
conforme detalhado a seguir nos itens de
metodologia e análise dos resultados.
Abordagem
Metodológica
A pesquisa teve o caráter descriti-
vo que, segundo Acevedo e Nohara (2006),
narra as características de um grupo e es-
tima a proporção dos elementos de deter-
minada população que apresente caracte-
rísticas comportamentais de interesse da
pesquisa. A pesquisa descritiva não objeti-
va explicar o fenômeno investigado, apenas
descrevê-lo.
A pesquisa se iniciou com a busca
por dados financeiros de países seleciona-
dos pelo seu histórico com o Cadastro Posi-
tivo, padronizados junto ao The World Bank
(2011), relacionados às principais variáveis
que sofrem impacto do cadastro positivo:
Spread Bancário (Taxa de empréstimo me-
nos a taxa de deposito - Interest rate spread
/ lending rate minus deposit rate, %); Crédi-
to Interno Oferecido pelo Setor Bancário %
do PIB - Domestic credit provided by banking
sector (% of GDP); Crédito Interno para o Se-
tor Privado % do PIB - Domestic credit to pri-
vate sector (% of GDP); Inadimplência (To-
tal de Empréstimos Bancários Inadimplen-
24
tes - Bank nonperforming loans to total gross
loans (%); Taxa Real de Juros - Real interest
rate (%); Crescimento Anual do PIB - GDP
growth (annual %); e Taxa de Juros dos Em-
préstimos - Lending interest rate (%).
Foi realizado levantamento jun-
to a Miller, M.(2000); Luna e Austin (2002);
Chakravarti e Beng (2005) e Banisar (2006)
sobre o ano de aprovação da lei do Cadas-
tro Positivo nos países selecionados e ape-
nas os dados dos países que tiveram legis-
lações favoráveis ao Cadastro Positivo fo-
ram considerados, conforme descrito na
Tabela 1.
Os países foram classificados no
aplicativo Excel com os dados do ano de
aprovação da lei do Cadastro Positivo como
sendo o ano zero e os dados relativos ao ano
seguinte como ano 1, ano 2, ano 3, respecti-
vamente, fazendo que todos os anos de en-
trada dos diversos países ficassem alinha-
dos no ano zero e os demais nos anos res-
pectivos, exclusive para os dados do Brasil.
A quantidade de anos posteriores ao ano
zero indica o tempo de experiência do país
com o Cadastro Positivo. Após o nivelamen-
to de todos os países, procedeu-se a con-
versão de todos os dados para uma base de
nível 100, partindo do ano zero. Dessa forma
o ano zero ficou igual a 100 e os anos poste-
riores seguiram a relação. Foram extraídas
as medianas de cada ano, a partir do ano 1,
de forma a compor todos os indicadores fi-
nanceiros de cada ano extraídos pela me-
diana dos dados dos países naquele ano es-
pecífico. Foi adotado para corte de tempo
de experiência o período de oito anos, dada
a quantidade de países com tal experiência
para validar o critério de mediana. Após os
oito anos de história dos indicadores, par-
tiu-se para a pesquisa de quais países fa-
riam parte do cluster do Brasil e quais paí-
 25

■ Tabela 1 Países, Anos de Aprovação e Legislações sobre o Cadastro Positivo

Ano de Apro- Legislação

vação da Lei
África do Sul 2001 Promotion of Access to Information Act (PAIA)
Alemanha 2002 German Data Protection Act
Argentina 2000/2001 Lei 25.326 de Proteção de Dados Pessoais e Decreto 1558/2001
Áustria 2000 Austrian Data Protection Act
Bolívia 2002 Lei 2410 agosto 2002
Brasil 2010/2011 Medida Provisória (MP) 518/10 e Lei n°. 12.414
Bulgária 2001 Data Protection Law
Privacy Act, The Personal Information Pro-
Canadá 1983/2000 tection and Eletronic Documents Act
Chile 1999 Supremo Decreto no. 950 e Leis Privadas no. 19.628 & 19.812
Colômbia 2008 Lei 1.266
Act Relating to Use & Protection of Credit Information e The Act on
Coréia do Sul 1995/2005 Promotion of Information and Communications Network Utilization and
Data Protection
Equador 2005 Lei dos Bureaus de Crédito
Eslovênia 1999 Personal Data Protection Act
Espanha 1999 Lei Orgânica 15/99 de Proteção aos Dados Pessoais
Estônia 2005 Data Protection Law
Guatemala 2008 Decreto 57
Holanda 2000 Personal Data Protection Act
Índia 2004 Credit Information Companies (Regulation)
Israel 2002 Law on Credit Data Service
Japão 2005 Personal Information Protection Law
Macedônia 2006 Law on Personal Data Protection
Malásia 2002 Credit Bureau Act 1958
México 2002 Lei dos Bureaus de Crédito
Noruega 2000 Personal Data Act
Lei 24 que Regulamenta as Informações de Crédito dos
Panamá 2002 Consumidores ou Clientes
Paraguai 2002 Lei 1969
Peru 2001 Lei 27.489 e Emenda 2.7863 de 2003.
República Checa 2000 Personal Data Protection Law
República Credit Bureau Ato de Regulamentação e Pro-
2005
Dominicana teção à Informação do Indivíduo
Tailândia 2002 Credit Information Business Act, B.E. 2545
Uruguai 2004 Lei 17.838 de Proteção dos Dados Pessoais

Fontes: Banisar, D. (2006); Chakravarti, R. e Beng, H. C.(2005); Luna, S. A. Austin, J.B. (2002); Mil-
ler, M.(2000).
 26

■ Tabela 2 Índices de Dimensões Culturais de Hofstede e Escala de Problemas de Competitivida-

de do World Economic Forum por Países
Dimensões Escala de Principais Problemas de
Culturais de Hofstede Competitividade World Economic Forum
Cluster Brasil PDI IDV MAS UAI 1a.Ordem 2a.Ordem 3a.Ordem
Argentina 49 46 56 86 Inflação Corrupção Instabilidade Política
Brasil 69 38 49 76 Taxas de Juros Regulamentos fiscais Fraca Infraestrutura
Bulgária 70 30 40 85 Corrupção Burocracia Inflação
Regulamentos
Chile 63 23 28 86 Fiscais Burocracia Educação Força de trabalho
Colômbia 67 13 64 80 Corrupção Fraca Infraestrutura Burocracia
Coréia do Sul 60 18 39 85 Burocracia Instabilidade Política Acesso a Financiamento
Equador 78 8 63 67 Corrupção Leis trabalhistas Instabilidade Política
Acesso a
Espanha 57 51 42 86 Financiamento Leis trabalhistas Burocracia
Guatemala 95 6 37 101 Crime Corrupção Burocracia
México 81 30 69 82 Crime Corrupção Burocracia
Panamá 95 11 44 86 Corrupção Burocracia Educação Força de trabalho
Peru 64 16 42 87 Corrupção Burocracia Regulamentos fiscais
Rep. Checa 57 58 57 74 Corrupção Burocracia Regulamentos fiscais
Tailândia 64 20 34 64 Instabilidade Corrupção Instabilidade Política
do Governo
Uruguai 61 36 38 100 Leis trabalhistas Burocracia Taxa de Juros
Demais PDI IDV MAS UAI 1a.Ordem 2a.Ordem 3a.Ordem
Países
Educação força
África do Sul 49 65 63 49 Burocracia Leis trabalhistas
de trabalho
Alemanha 35 67 66 65 Leis trabalhistas Regulamentos fiscais Burocracia
Áustria 11 55 79 70 Leis trabalhistas Taxa de Juros Burocracia
Acesso a
Bolívia n.d. n.d. n.d. n.d. Financiamento Leis trabalhistas Reg. Monet. a Estrangeiros
Acesso a
Canadá 39 80 52 48 Burocracia Taxa de Juros
Financiamento
n.d. n.d. n.d. n.d. Acesso a
Eslovênia Burocracia Leis trabalhistas
Financiamento
Educação Acesso a
Estônia 40 60 30 60 Força de trabalho Financiamento Taxa de Juros
Holanda 38 80 14 53 Leis trabalhistas Burocracia Acesso a Financiamento
Índia 77 48 56 40 Fraca Infraestrutura Corrupção Burocracia
Israel 13 54 47 81 Burocracia Taxa de Juros Fraca Infraestrutura
Instabilidade
Japão 54 46 95 92 Política Taxa de Juros Instabilidade do Governo

n.d. n.d. n.d. n.d. Acesso a

Macedônia Burocracia Educação Força de trabalho
Financiamento
Acesso a
Malásia 104 26 50 36 Burocracia Leis trabalhistas
Financiamento
Noruega 31 69 8 50 Leis trabalhistas Taxa de Juros Burocracia
Educação
Paraguai n.d. n.d. n.d. n.d. Corrupção Burocracia
força de trabalho
Rep.
Dominicana n.d. n.d. n.d. n.d. Corrupção Taxa de Juros Burocracia

Notas: PDI – Power Distance Index, IDV – Individualism, MAS – Masculinity, UAI – Uncertainty Avoidance Index.
n.d. – não disponível. Fontes: Hofstede, Geert. Dimensions of national Cultures. Schwab, Klaus. The Global
Competitiveness Report 2011–2012.

ses fariam parte da amostra geral de com-
paração (Tabela 2).
Foram pesquisados os clusters ba-
seados em Hosfstede (1991), pela técnica de
análise de conglomerados (Cluster Analysis),
conhecida também como análise de agrupa-
mentos, que é uma técnica estatística de in-
terdependência que permite agrupar casos
ou variáveis em grupos homogêneos em fun-
ção do grau de similaridades entre indivíduos,
a partir de variáveis predeterminadas (Fáve-
ro, Luiz P.; Belfiori, Patrícia; Silva, Fabiana L.,
2009).
Para Pohlmann (2009) esta é uma
das técnicas de análise multivariada cujo pro-
pósito primário é reunir objetos, baseando-se
nas características destes objetos analisados.
Conforme Fávero et al. (2009), o obje-
tivo da técnica de análise de conglomerados
é segmentar as observações em grupos ho-
mogêneos internamente, heterogêneos entre
si e mutuamente exclusivos. Assim, elemen-
tos semelhantes, com base em suas caracte-
rísticas, serão identificados.
Ainda de acordo com Fávero et al.
(2009), na análise de conglomerados, as ob-
servações são agrupadas segundo algum
tipo de métrica de distância, e as variáveis são
agrupadas conforme medidas de correlação
ou associação. Para realização das análises, o
pacote estatístico SPSS fornece ampla gama
de possibilidades. Foi utilizado o software
SPSS 18 para a divisão do cluster ao qual o
Brasil faz parte sob o ponto de vista das qua-
tro dimensões culturais de Hofstede. A quin-
ta dimensão de Hofstede, chamada de Índice
de orientação de longo prazo não foi utilizada
neste estudo em razão da amostra de países
dessa dimensão ser muito baixa.
Os demais países que tiveram histó-
rico com o Cadastro Positivo, mas não se en-
quadraram no cluster do qual o Brasil faz par-
27
te, entraram no cômputo de projeção geral,
sem influência da divisão de cluster cultural
de Hofstede. As duas divisões podem ser vis-
tas na Tabela 2.
Os dados apresentados e suas varia-
ções anuais, a partir do ano zero, dos países
do cluster do Brasil e do cômputo geral deram
origem a dois cenários projetados para Brasil
em cada uma das variáveis financeiras de im-
pacto do Cadastro Positivo.
Assim, a variação ponderada média
linear entre o ano zero e o último ano, chama-
do ano oito, por analogia, gerou as variações
médias anuais de possível impacto do Cadas-
tro Positivo nas variáveis utilizadas.
Ainda, pelo estudo do WEF (Schwab,
2011), informações como os três principais
problemas registrados no país, escores de
infraestrutura, ambiente macroeconômico,
saúde e educação primária, ensino superior
e treinamento, eficiência do mercado de tra-
balho, tamanho de mercado e inovação foram
levantadas deste estudo, para fundamentar
possíveis cenários benchmarking para o futuro
do Brasil. Das duas amostras possíveis, clus-
ter do Brasil e amostra geral, foram extraídos
os dados dos países que ficaram acima do 3º.
Quartil da amostra nas duas bases, de forma
que os indicadores atuais do Brasil pudessem
ser confrontados com os melhores indicado-
res de cada grupo de países, o que, por ana-
logia, poderiam representar o futuro do Brasil
após oito anos de Cadastro Positivo.
A técnica de projeção e cenário
utilizada foi a de analogia, de acordo com
o referencial metodológico de Armstrong
(2001). Dessa forma, o procedimento para
análise preditiva por analogia envolve eta-
pas adaptadas dos princípios de previsão
de demanda apresentados por Armstrong
(2001); são elas:
• Estruturação do problema, onde

se já se definiu ser a projeção das princi-
pais variáveis impactadas de acordo com os
resultados dessas variáveis observadas em
outros países;
• Obtenção de informações, onde in-
dicadores e variáveis de diversos países que
aprovaram por legislação o cadastro positivo
foram analisados;
• Implementação dos métodos de
previsão, onde os dados de todos os países
foram trabalhados em clusters com similarida-
de cultural à do Brasil; e
• Avaliação do método de previsão,
onde por analogia foram geradas as proje-
ções e cenários.
Georgoff e Murdick (1993) conside-
ram como válidas as previsões por analogia
em seu manual de gerenciamento. Ainda, ex-
plicaram que fazer previsão por analogia é
perceber que dados entre um fator de avalia-
ção e outro são similares.
Resultados da Pesquisa
Após a aplicação da pesquisa, con-
forme detalhado no item anterior, foi possível
obter resultados com relação às principais va-
riáveis financeiras dos dois grupos amostrais,
com destaque para os seguintes pontos:
• Houve redução de 1,14 ponto per-
centual ao ano no Spread para os países do
cluster do Brasil e diminuição de 0,97 p. p. ao
ano para todos os países da amostra;
• Houve crescimento de 2,03 pontos
percentuais ao ano na oferta de crédito pelos
bancos em relação ao PIB na amostra do clus-
ter do Brasil e elevação de 1,34 p. p. ao ano
para a amostra total;
• Da mesma forma, o crédito interno
para o setor privado em relação ao PIB gerou
aumento de 0,98 pontos percentuais ao ano
para o cluster do Brasil e para a amostra ge-
ral o crescimento foi ligeiramente inferior, de
28
0,72 p. p. ao ano;
• Para o percentual de inadimplência
dos empréstimos bancários, houve retração
de 0,26 p.p.ao ano para o cluster do Brasil e
para a amostra com todos os países. Convém
salientar que em comparação aos demais in-
dicadores, o indicador de inadimplência foi o
que mais registrou queda, quando compara-
do ao mesmo período de tempo imediatamen-
te anterior a 2010, pois a redução da inadim-
plência entre 2002 e 2010 registrou queda de
apenas 0,7p.p.
• A taxa real de juros na amostra com
todos os países registrou queda de 2,20 pon-
tos percentuais ao ano e foi similar à queda
ocorrida para o cluster do Brasil (-2,21 p. p. ao
ano). Este é outro indicador que registra me-
lhor desempenho que no período imediata-
mente anterior a 2010;
• A taxa de juros dos empréstimos
registrou ligeira queda média anual com to-
dos os países da amostra (-1,15 ponto percen-
tual) em relação ao cluster do Brasil (1,10 p. p.
ao ano);
• Finalmente, o PIB dos países do
cluster do Brasil cresceu em média 4,22% ao
ano, enquanto a amostra total foi ligeiramen-
te inferior (4,19% ao ano). Cabe ressaltar que
este foi outro indicador que encontrou melhor
resultado na comparação com o período ime-
diatamente anterior a 2010.
Diante dos resultados apurados an-
teriormente, a projeção dos indicadores bra-
sileiros para as variáveis acima teriam as se-
guintes características:
Nos spreads bancários (Figura 2)1, a
taxa estaria próxima de 20% em 2018, levan-
do-se em consideração o cluster do Brasil e fi-
caria pouco acima ao spread peruano (18,2%),
com 6 anos de cadastro positivo. Para a amos-
tra com todos os países haveria queda acu-
mulada de 7,8 pontos percentuais na taxa do
 29

■ Figura 2 Projeção das Principais Variáveis Financeiras do Brasil pelas Duas Amostras

Fonte: The World Bank (2011).


spread bancário em 8 anos, ficando em cerca
de 22%.
Quanto ao crédito interno oferecido
pelos bancos em relação ao PIB (Figura 2),
haveria crescimento de 16 pontos percentu-
ais até 2018, ou seja, o percentual de crédito
em relação ao PIB passaria dos atuais 97,8%
para 114,1% em 2018, no cluster do Brasil e
108,5% na amostra total de países.
Para o crédito fornecido ao setor
privado em relação ao PIB (Figura 2), have-
ria um aumento de 7,8 pontos percentuais
no acumulado de 8 anos para os clusters do
Brasil, ou seja, a taxa parte dos atuais 57%,
segundo dados do Banco Mundial, para
64,8% do PIB brasileiro em 2018, ainda mui-
to abaixo da taxa chilena que é de 90,2%.
■ Figura 3 Projeção do Crescimento Anual do PIB em %
Fonte: The World Bank (2011)
30
Para a amostra geral a elevação seria ligei-
ramente inferior, 62,8%.
No cluster do Brasil e na amostra
com todos os países a inadimplência cai-
ria significativamente, partindo de 3,8%
em 2010 para 1,6% em 2018 e ficaria simi-
lar à taxa atual de países como Coréia do
Sul, Israel, Noruega, Panamá e Paraguai
(Figura 2).
A taxa real de juros deverá cair
cerca de 17,7 pontos percentuais nos
clusters do Brasil e na amostra com to-
dos os países, nos próximos 8 anos, des-
sa forma, passaria de 30,4% (Figura 2),
segundo dados do Banco Mundial, para
12,7%, próxima à taxa real de juros peru-
ana (13,8%) e ainda distante das taxas de

juros da República Checa (7%) e da Gua-
temala (7,7%).
Em relação à taxa de juros dos em-
préstimos (Figura 1), a tendência é de maior
redução na amostra de todos os países, onde
haverá queda de 9,2 pontos percentuais em
relação à taxa de 2010. A atual taxa de 40%
deverá ser reduzida para 30,7%, nesta pers-
pectiva, ficaria ainda muito acima da taxa do
Paraguai em 2010. Na perspectiva do cluster
do Brasil essa taxa seria de 31,2%. Dessa for-
ma, não encontrando ainda países próximos
a ela por estar muito alta.
Por fim, no PIB brasileiro (Figura 3),
espera-se crescimento médio de 4,2% e 4,1%
ao ano para o cluster do Brasil e para a amos-
tra geral, essas taxas de crescimento médio
seriam similares hoje à taxa de países como
Bolívia (4,2% ao ano), Bulgária (4,1% a.a.) e Is-
rael (4% a.a.).
1. Cenários Estruturais
do Brasil em 2018
Levando em consideração os princi-
pais países benchmarking hoje, de acordo com
o WEF (Schwab, 2011), relacionados pelos cri-
térios de clusters do Brasil e de amostra ge-
ral de todos os países, os possíveis cenários
foram levantados para os escores estruturais:
• Haveria melhores resultados para a
amostra geral em todas as variáveis, uma vez
que países como Holanda, Alemanha, Cana-
dá, Noruega, Japão e Coreia do Sul fariam
parte desse grupo de países benchmarking.
• O Brasil teria importante salto em
infraestrutura, hoje considerado na pesquisa
como um dos principais problemas do País.
• Avanços significativos em inova-
ção e ambiente econômico, poderiam tam-
bém resolver o problema das elevadas taxas
de juros apresentadas hoje.
• Fortes avanços na área da saúde,
31
educação e mercado de trabalho (Figura 4).
• O Tamanho de mercado registraria
pequeno crescimento, o que, possivelmente,
impediria o Brasil de resolver o problema de
forte regulamentação fiscal.
• Como principais problemas: o Bra-
sil passaria a ter o excesso de burocracia go-
vernamental, dificuldades com a legislação
trabalhista e acesso a financiamento. Es-
ses são típicos problemas dos países do gru-
po citado acima, conforme levantamento do
World Economic Forum (Schwab, 2011).
• Em relação aos índices de Hofste-
de, com a melhoria na saúde e educação, e
ampliação do mercado de trabalho como re-
sultado do desenvolvimento econômico, a
sociedade brasileira diminuiria a distância
em relação ao poder com o passar dos anos
e aumentaria o grau de participação das mu-
lheres no ambiente. Em contrapartida, a ten-
dência ao individualismo aumentaria, junta-
mente com a aversão à incerteza, típicas das
sociedades mais modernizadas.
• Já no cluster do Brasil, haveria avan-
ços significativos nas variáveis infraestrutu-
ra e ambiente econômico, ligeira melhora na
saúde e educação / ensino superior; e fracos
avanços em relação ao potencial do merca-
do de trabalho, tamanho de mercado e, prin-
cipalmente, inovação (Figura 4). A burocracia
e a corrupção tenderiam a registrar aumento
considerável, passando a ser um dos proble-
mas principais do país, uma vez que haveria
poucos avanços na educação e ensino supe-
rior. Forte regulamentação fiscal se manteria
como problema registrado hoje. Os principais
países benchmarking deste cluster são em boa
parte países da América Latina da amostra,
acrescentando a República Checa, Bulgária,
Espanha, Tailândia e Coréia do Sul.
• Em relação aos índices de Hofste-
de, pouco mudaria em relação ao ambiente
 32

■ Figura 4 Cenários Estruturais para o Brasil nas Duas Amostras

Fonte: Schwab, Klaus. The Global Competitiveness Report 2011–2012. World Economic Forum 2011.
Geneva, Switzerland 2011. Disponível em: <http://www.weforum.org/reports/global-competitive-
ness-report-2011-2012> Acesso em: 02 dez. 2011.

cultural atual, já que o Brasil já faz parte des-
te cluster.
Considerações Finais
Conforme pôde ser observado, as
principais variáveis relacionadas ao Cadas-
tro Positivo registraram, em algum grau,
melhoria para os países que o adotaram,
independente do tempo em que foi ado-
tado, de maneira alinhada às pesquisas
apresentadas no referencial teórico. Have-
ria a necessidade de um estudo mais apro-
fundado para identificar se essas melho-
rias foram, de fato, atribuídas ao Cadastro
Positivo, podendo haver uma comparação
com países que ainda não o adotaram. Ou-
tra sugestão seria a replicação deste es-
tudo utilizando os critérios do Banco Cen-
tral do Brasil para as principais variáveis,
uma vez que diferem dos critérios utiliza-
dos pelo Banco Mundial.
Os indicadores de Hosftede guar-
dam uma relação interessante com os da-
dos do Fórum Econômico Mundial, pelas
características de escores apresentadas e
pelos problemas apontados nas duas pes-
quisas.
Melhores resultados nas variáveis
econômicas da amostra do cluster do Brasil,
com maior redução dos spreads bancários,
aumento da oferta de crédito bancário, de
crédito ao setor privado, da taxa real de ju-
 33

ros e do crescimento do PIB em relação ao do PIB e taxa de juros de empréstimos para o

grupo de todos os países da amostra.
Os melhores resultados em relação
ao período anterior a 2010 estiveram nas vari-
áveis de inadimplência, da taxa real de juros
e do crescimento do PIB brasileiro.
O cluster do Brasil é bastante factí-
vel para os próximos oito anos, uma vez que
o Cadastro Positivo nessa amostra de paí-
ses elevou a participação do credito bancá-
rio ao setor privado em relação ao PIB e dimi-
nuiu significativamente a inadimplência após
a adoção do Cadastro Positivo nesses países.
Essa maior oferta de crédito, condicionada
pelos aspectos citados no referencial teórico
levaria a uma melhoria do ambiente econômi-
co e possível crescimento da infraestrutura.
Elevar os investimentos na educação básica
e saúde, bem como, no ensino superior e trei-
namento técnico podem fazer o cenário evo-
luir para o registrado na amostra geral.
Dessa forma, o estudo atendeu seu
objetivo de mensurar a experiência dos prin-
cipais países que adotaram o Cadastro Positi-
vo e, por analogia, conforme Armstrong (2001),
foram projetadas as tendências das variáveis
spread bancário, crédito oferecido pelo setor
bancário, crédito oferecido ao setor privado,
inadimplência, taxa real de juros, crescimento
Autores
Brasil, nos próximos anos. Também foram indi-
cados os possíveis cenários estruturais para o
país nos próximos oito anos, levando em consi-
deração uma amostra de países culturalmente
semelhantes ao Brasil e uma amostra geral ex-
traídas do estudo do Fórum Econômico Mun-
dial (SCHWAB, 2011).
Embora exponha limitações, confor-
me anteriormente apresentado, a pesquisa
oferece uma visão tendencial sobre as princi-
pais variáveis de impacto no fluxo de capitais
no país, contribuindo para pesquisas acadê-
micas que poderão ser ainda mais aprofun-
dadas, e cooperando também para a tomada
de decisão ou posicionamento dos principais
agentes interessados no assunto.
Os conceitos emitidos neste arti-
go são de inteira responsabilidade de seus
autores, não expressando necessariamen-
te o ponto de vista da Serasa Experian.
Notas
1. Ressalta-se que os dados do Bra-
sil foram atualizados em 2010, pois as infor-
mações de spread do Banco Mundial no
momento da pesquisa estavam com um
ano de defasagem.

Carlos Augusto Passos

Graduado em Administração de Empresas pela Universidade São Marcos (1995), especialização em Econo-
mia de Empresas pela Fecap (1997) e MBA em Marketing pela FGV/RJ (2005). Foi professor universitário por
6 anos na Uninove nas disciplinas de Estratégia e Cenários. Atualmente é mestrando em administração na
USP com projeto de pesquisa voltado às organizações que atuam na Base da Pirâmide. Atua como Espe-
cialista na área de Indicadores de Mercado da Serasa Experian, na produção de indicadores econômico-fi-
nanceiros, projeções, e indicadores de inadimplência PJ e PF.
 34
Autores

Renata Giovinazzo Spers

Graduado em Ciências Econômicas pela USP (1997), Mestrado e Doutorado em Administração pela mes-
ma Universidade em 2003 e 2007, respectivamente. Fez estágio de doutorado na Universidade de Cambrid-
ge (2006) e na Universidade Howard (2007). Realizou pesquisa de pós-doutorado na Universidade Vander-
bilt (EUA). É professora do Departamento de Administração da FEA-USP. É líder do grupo de pesquisas
Programa de Estudos do Futuro - PROFUTURO e Editora Adjunta da Revista Científica Future Studies Re-
search Journal. Coordenadora de Projetos da FIA, Vice-Coordenadora do International e Americas MBA.
Coordena projeto de pesquisa sobre a Base da Pirâmide, com apoio da FAPESP. Atua em Estratégia e Es-
tudos do Futuro.

James T. C. Wright
Engenheiro Civil pela Universidade Presbiteriana Mackenzie (1975), Mestre em Engineering Management
- Vanderbilt University (1977), e Doutor em Administração pela Universidade de São Paulo (1990). Atual-
mente é Professor Doutor da Universidade de São Paulo e Coordenador de Projetos da Fundação Instituto
de Administração, incluindo os cursos MBA Executivo Internacional, International MBA e Americas MBA .
Tem experiência na área de Administração, com ênfase em Administração de Empresas, atuando principal-
mente nos seguintes temas: cenários, logística, e-commerce, bens populares e telecomunicações.
Bibliografia

ACEVEDO, Claudia R. e NOHARA, Jouliana J. Monografia no curso de administração. Guia completo de con-
teúdo e forma. 2ª., ed. São Paulo: Atlas, 2006.
AGÊNCIA SENADO. Aprovada criação de cadastro positivo para diminuir custo de crédito. Brasília, 18 mai. 2011.
Disponível em: <http://www.senado.gov.br/noticias/aprovada-criacao-de-cadastro-positivo-para-diminuir-custo-
-de-credito.aspx> Acesso em: 23 nov. 2011.-ARMSTRONG, J. S. (2001) – Principles of Forecasting: A Hand-
book for Researchers and Practitioners. Kluwer Academic Publishers. Norwell. Disponível em:< http://marke-
ting.wharton.upenn.edu/ideas/pdf/Armstrong/CombiningForecasts.pdf> Acesso em: 18 out. 2011.
BANISAR, David. Freedom of Information Around the World 2006: A Global Survey of Access to Government
Information Laws. ARTICLE 19: Global Campaign for Free Expression, September 20, 2006. Privacy International,
2006. Disponível em: < http://www.freedominfo.org/documents/global_survey2006.pdf> Acesso em: 13 out. 2011.
BARRON, John M. e STATEN, Michael. The value for comprehensive credit reports: Lessons from U.S. Expe-
rience. World Bank Institute. 2000. Disponível em: <http://www.privacyalliance.org/resources/staten.pdf> Aces-
sado em: 15 out. 2011.
CENTRO DE ESTUDIOS MONETARIOS LATINOAMERICANOS. Credit and Loan Reporting Systems in Bra-
zil. Western Hemisphere Credit & Loan Reporting Initiative, 2005. Disponível em: <http://www.whcri.org/PDF/re-
port_brazil.pdf> Acesso em: 25 nov. 2011.
 35
Bibliografia

______. Credit and Loan Reporting Systems in Costa Rica. Western Hemisphere Credit & Loan Reporting Ini-
tiative, 2005. Disponível em: <http://www.whcri.org/PDF/report_costarica.pdf> Acesso em: 25 nov. 2011.
______. Credit and Loan Reporting Systems in Peru. Western Hemisphere Credit & Loan Reporting Initiative,
2006. Disponível em: <http://www.whcri.org/PDF/report_peru.pdf> Acesso em: 25 nov. 2011.
______. Credit and Loan Reporting Systems in Uruguay. Western Hemisphere Credit & Loan Reporting Initia-
tive, 2006. Disponível em: <http://www.whcri.org/PDF/report_uruguay.pdf> Acesso em: 25 nov. 2011.
______.Credit and Loan Reporting Systems in Colombia. Western Hemisphere Credit & Loan Reporting Initia-
tive, 2006. Disponível em: <http://www.whcri.org/PDF/Report_Colombia.pdf> Acesso em: 25 nov. 2011.
______. Credit and Loan Reporting Systems in Chile. Western Hemisphere Credit & Loan Reporting Initiative,
2007. Disponível em: <http://www.whcri.org/PDF/report_chile.pdf> Acesso em: 25 nov. 2011.
______. Credit and Loan Reporting Systems in Argentina. Western Hemisphere Credit & Loan Reporting Ini-
tiative, 2008. Disponível em: < http://www.whcri.org/PDF/report_argentina.pdf> Acesso em: 25 nov. 2011.
______. Credit and Loan Reporting Systems in Guatemala. Western Hemisphere Credit & Loan Reporting Ini-
tiative, 2011. Disponível em: <http://www.whcri.org/PDF/report_guatemala.pdf> Acesso em: 25 nov. 2011.
CHAKRAVARTI, Rita. BENG, Hay Chea. The Evolution of Credit Bureaus in Asia-Pacific. Citibank, N.A. Asia
Pacific Consumer Bank Regional Business Analytics Unit, Risk Management
August 2005. Disponível em: <http://www.apeccredit.org/public_reports/Chea-Beng-Hai-Chakrabarti-Rita-pa-
per.pdf > Acesso em: 13 out. 2011.
CROUHY, M.; GALAI, D.;MARK, R. Gerenciamento de risco: Abordagem Conceitual e Prática: Uma Visão Inte-
grada dos Riscos de Crédito, Operacional e de Mercado. Rio de Janeiro: Qualitymark. São Paulo: SERASA, 2004.
FÁVERO, Luiz P.; BELFIORI, Patrícia; SILVA, Fabiana L.; et al. Análise de dados – Modelagem multivariada para
tomada de decisões. Rio de Janeiro: Elsevier, 2009.
GEORGOFF, David M. e MURDICK, Robert G. Forecasting: A System Approach. Tecnological Forecasting and
Social Change 44, 1 – 16. Elsevier Science and Publishing Co. 1993.
GITMAN, L. J. Princípios de administração financeira. 12. ed. São Paulo: Person Prentice Hall, 2009.
HOFSTEDE, Geert. 1980. Culture’s consequences – International differences in work-related
values. 1st edition USA: Sage Publications.
______. Culturas e organizações – Compreender a nossa programação mental. 1. Ed. Lisboa: Sílabo, 1991.
______. Dimensions of national Cultures. Disponível em: <http://www.geerthofstede.nl/culture/dimensions-of-
-national-cultures.aspx> Acesso em 11 out. 2011.
______. Website. Disponível em: <http://www.geert-hofstede.com/> Acesso em 11 out. 2011.
JAPPELLI, Tullio e PAGANO, Marco. Information sharing, lending and defaults: Cross-country evidence.
Working paper no. 22. Università Degli Studi di Salerno, May 1999. Disponível em: <http://www.csef.it/WP/wp22.
pdf> Acesso em: 28 nov. 2011.
______. Levine: Cross-country evidence. Working paper no. 22. Università Degli Studi di Salerno. May 1999. Dis-
ponível em: <http://www.csef.it/WP/wp22.pdf> Acesso em: 28 nov. 2011.
KONUMA, Claudia M. Cultura nacional e cultura organizacional. Artigo. Junho/2001. Disponível em <http://
www.ead.fea.usp.br/tcc/trabalhos/Artigo_ClaudiaKon.pdf> Acesso em: 25 nov. 2011.
 36
Bibliografia

Lei no. 12.414 9 junho de 2011(2011). Em seu primeiro artigo disciplina a formação e consulta a bancos de dados

com informações de adimplemento, de pessoas naturais ou de pessoas jurídicas, para a formação de histórico

de crédito. Recuperado em 23 novembro, 2011 de <http://www.planalto.gov.br/ccivil_03/_Ato2011-2014/2011/Lei/

L12414.htm>

LUNA, Saul A. AUSTIN, J.B. Estudio de casos de burós de crédito seleccionados en varios países latino-

-americanos. Deutsche Gesellschaft für Technische Zusammenarbeit (GTZ) GmbH. Eschborn 2002. Disponível

em: http://www.mixmarket.org/sites/default/files/medialibrary/10001.1554/Estudio_de_Centrales_de_Riesgos_

en_AL.pdf >. Acesso em: 13 out. 2011.

MILLER, Margaret. Credit reporting systems around the globe: the state of the art in public and private cre-

dit registries. World Bank Resources. June 2000. Disponível em: <http://siteresources.worldbank.org/INTRES/

Resources/469232-1107449512766/Credit_Reporting_Systems_Around_The_Globe.pdf> Acesso em: 13 out. 2011.

MOTTA, Fernando C. P. Cultura e organizações no Brasil. Relatório 15. EAESP-FGV, 1996. Disponível em <http://

www.eaesp.fgvsp.br/AppData/GVPesquisa/P00159_1.pdf> Acesso em: 25 nov. 2011.

SACCO, F., Neto. Cadastros de proteção ao crédito. vol.1: parte geral. Rio de Janeiro: Forense; São Paulo:

Método, 2009.

SANDRONI, Paulo. Novíssimo dicionário da economia. São Paulo: Ed. Best Seller, 1999.

SCHWAB, Klaus. The Global Competitiveness Report 2011–2012. World Economic Forum 2011. Geneva, Swit-

zerland 2011. Disponível em: <http://www.weforum.org/reports/global-competitiveness-report-2011-2012> Aces-

so em: 02 dez. 2011.

SILVA, José Pereira da. Gestão e Análise de risco de crédito. 5. Ed. São Paulo: Atlas, 2006.

SONDERGAARD, Mikael. Hofstede’s consequences – A study of reviews, citations and replications. Organi-

zation Studies May 1994 15: 447-456. Disponível em: <http://findarticles.com/p/articles/mi_m4339/is_n3_v15/

ai_15687871/> Acessado em: 25 nov. 2011.

THE WORLD BANK. World Data Bank. In: Economic Policy & External Debt. Disponível em: <http://data.world-

bank.org/> Acesso em: 29 set. 2011.

 37

Análise da Insolvência
de Empresas
Combinando Variáveis
Macroeconômicas e
Informações
Contábil-Financeiras

Alceu Souza
Liliane Gomes
Luiz Carlos Duclós
Wesley Vieira da Silva
 38

Resumo
Este artigo analisa a probabilidade de insolvência de
empresas brasileiras de capital aberto, combinando 12 variá-
veis macroeconômicas e 19 contábil-financeiras. A análise em-
pírica usou dados de 63 empresas listadas na Bovespa e per-
tencentes a 17 setores segundo a classificação da base de da-
dos Economática, para o período de dezembro de 2000 a se-
tembro de 2009. A previsão de insolvência foi calculada a partir
da metodologia KMV adaptada do Modelo de Merton e defini-
da por Löffler e Posch (2007). A análise foi feita, primeiramen-
te, dividindo-se a amostra em dois grupos, por meio do méto-
do de Hierarchical Cluster, sendo o primeiro grupo formado por
empresas com maior probabilidade de insolvência e o segundo
com menor probabilidade. Em seguida, foi aplicada a regres-
são logística para a geração de seis modelos distintos a fim de
identificar as variáveis mais relevantes. Constatou-se que os
fatores contábil-financeiros foram mais relevantes do que os
fatores macroeconômicos para explicar a probabilidade de in-
solvência. Não se obtiveram evidências de que a presença do
Índice de Governança Corporativa pode influenciar ou melho-
rar a situação financeira das empresas. Espera-se que este es-
tudo contribua para o aprofundamento do conhecimento na
área de gestão de riscos, principalmente por meio da preocu-
pação em transmitir de forma clara e precisa os passos meto-
dológicos adotados, bem como as análises efetuadas.

Palavras-chave: Insolvência; Regressão Logística; Em-

presas Brasileiras; Bovespa.

Introdução oscilam positivamente em momentos

A inadimplência encontrada no
mercado, não deve ser encarada como
algo inesperado, pois há muitos indí-
cios de uma possível ocorrência em de-
monstrações contábeis e relatórios fi-
nanceiros dessas organizações. Outros
elementos que denunciam esse dese-
quilíbrio podem estar presentes nas
análises de comportamento de preço
das ações de empresas e na evolução
das taxas de insolvência setoriais, que
de relativa estabilidade e negativamen-
te quando a economia encontra-se em
crise ou é instável.
Os estudos sobre o risco evidente
experimentaram uma expansão e aprofun-
damento, graças ao aumento de oferta de
crédito, após a implantação do Plano Real.
Em decorrência das exigências legais, o
entendimento dos fatores que levam aos
riscos, principalmente aos riscos de cré-
dito, tornaram-se mais imperiosos. Conse-

quentemente, foram criados mais modelos
para a análise de dados, que ampliaram as
opções para a análise da situação financei-
ra das empresas.
O Brasil passou recentemente por
um período de estabilidade financeira, fato
que vem auxiliando o desenvolvimento da
economia e o aprofundamento do estudo
das relações mercadológicas para o en-
tendimento dos riscos existentes. Barbosa
(2006) ressalta que o uso das variáveis ma-
croeconômicas para mensuração dos ris-
cos de insolvência, remete às premissas da
análise de riscos, com os chamados “C’s”
do crédito, que servem de base às políti-
cas de crédito vigentes na maioria das em-
presas. Essa técnica implica uma análise
profunda do tomador do crédito, que inclui
a situação do setor de atuação do mesmo.
Isto é, para liberação do empréstimo, atre-
la-se indiretamente a capacidade do toma-
dor às variações macroeconômicas.
Os modelos de análise de risco ba-
seados em informações contábil-financei-
ras, fornecem um aprimoramento do en-
tendimento financeiro de empresas ou
setores industriais e auxiliam no geren-
ciamento dos riscos quando favorecem a
avaliação dos controles e das políticas de
crédito. Por outro lado, somente a utiliza-
ção de variáveis contábil-financeiras não
é suficiente, pois se estará desprezando
a relação existente entre ciclos econômi-
cos e insolvência (WILSON apud BARBO-
SA, 2006). Com base no exposto anterior-
mente, o presente trabalho visa responder,
a partir da utilização de um modelo que en-
globa variáveis macroeconômicas e infor-
mações contábil-financeiras, ao seguinte
problema de pesquisa:
A combinação de dados macro-
econômicos e dados contábil-financeiros
39
das empresas de capital aberto com ações
negociadas na BOVESPA, explicam a pro-
babilidade de insolvência, baseando-se na
aplicação de um modelo de mensuração
de risco, para o período entre dezembro de
2000 e setembro de 2009?
Para responder a essa questão foi
formulado o objetivo geral de avaliar a pro-
babilidade de insolvência de empresas bra-
sileiras de capital utilizando-se uma combi-
nação de variáveis macroeconômicas e in-
formações contábil-financeiras.
O trabalho foi estruturado em cinco
seções que podem ser resumidas da seguin-
te forma: a primeira refere-se à introdução; a
segunda apresenta referencial teórico-empí-
rico; a terceira trata da metodologia; a quar-
ta diz respeito à apresentação e análise dos
dados e a quinta refere-se às considerações
finais.
Referencial
Teórico-Empírico
Existem diversas técnicas empre-
gadas para identificar e calcular os riscos
de crédito possíveis dentro de uma empre-
sa ou instituição. Algumas dessas técni-
cas usam um conjunto de análises qualitati-
vas com uma pequena parcela de técnicas
quantitativas que são consideradas como
técnicas qualitativas. Outras técnicas usam
uma menor escala de análises qualitativas
em detrimento das quantitativas, conside-
rando-as como técnicas quantitativas.
1. Técnicas Qualitativas
de Análise de Risco de Crédito
Os modelos qualitativos de análi-
se de riscos envolvem alto grau de julga-
mento dos analistas de uma empresa ou
instituição. Em geral, são modelos que
podem auxiliar na identificação de ca-
 40

racterísticas ou indícios de possíveis ris- ricos existentes. No Quadro 1 tem-se um

cos creditícios, já que indicam tendências resumo das principais técnicas de análi-
de comportamentos baseados nos histó- se qualitativas.

■ Quadro 1 Sumário das Técnicas Qualitativas de Análise de Risco de Crédito

Técnicas Descrição
C’s do Crédito Esta técnica é empregada para identificação de características similares
aos tomadores de créditos. O objetivo principal é reduzir o risco a
partir do entendimento dos fatores e das características comuns que
o influenciam. O chamado C’s do crédito abrange 5 características
principais, a saber: caráter, capacidade, capital, colateral e condições.
Análise Cadastral Para Securato (2002, p. 60) a análise cadastral começa pela confecção
da ficha cadastral. Essa análise visa buscar indícios de possíveis
problemas e a identificação de situações que impeçam a concessão
do crédito. As principais observações devem ser: a) qualificação da
empresa; b) histórico ou tradição da empresa no setor; c) controle
de capital; d) capacidade administrativa ou gerencial; e) capacidade
instalada; f) fornecedores; g) mercado de atuação; h) análise da
composição da carteira de clientes e i) referências bancárias.
Análise por Rating Basicamente, as análises de rating classificam os créditos em faixas de
risco. Estas faixas auxiliam na formação das Provisões para Perdas, para
a concessão de novos créditos, renegociação de créditos em atraso, etc.
Por outro lado, a incorreta classificação dos créditos pode prejudicar
as empresas envolvidas. Com isso, é necessário a implementação de
controles eficientes e o atendimento a critérios definidos e consagrados.
Essas análises demandam alto grau de julgamento dos analistas
envolvidos, contudo, não é descartado o uso de técnicas estatísticas
para auxílio da adequada classificação dos créditos (SILVA, 2006).

Fonte: Elaboração Própria

2. As Técnicas Quantitativas cas apresentam.

de Análise de Risco de Crédito
Este estudo dá ênfase à utilização
de técnicas quantitativas para mensuração
dos riscos de insolvência e de crédito, isto
em decorrência do alto grau de confiabili-
dade e de assertividade que essas técni-
Segundo Dillon e Gostein (1984) e
Hair Jr. et al. (1998), a popularização dos
sistemas computacionais e dos softwares
estatísticos, auxiliaram grandemente a di-
fusão dos métodos quantitativos de análi-
se de dados. Uma vez que, no emprego

dos modelos quantitativos há extenso uso
de técnicas estatísticas, a existência de
sistemas mais ágeis para o processamento
das informações é de fundamental impor-
tância para o desenvolvimento de modelos
mais dinâmicos e precisos.
Para Caouette, Altman e Naraya-
nan (apud BARBOSA, 2006), os mode-
los quantitativos podem ser classificados
em função de três fatores distintos: téc-
nicas, aplicação e produto final. Já para
Ramaswamy (2004) os modelos quantitati-
vos são classificados em função dos tipos
de riscos a serem mensurados. Com isso,
existe distinção entre os modelos de análi-
se de riscos de mercado, de crédito opera-
cionais, etc.
Especificamente para a modela-
gem dos riscos de crédito, Ramaswamy
(2004) menciona três fatores principais:
probabilidade de insolvência, taxa de re-
cuperação dos créditos e análise da migra-
ção dos créditos entre as faixas de riscos.
Além dos fatores ressaltados por
Ramaswamy, para Jorion (2001) a volatili-
dade das obrigações financeiras e, o con-
sequente aumento de sua complexidade
também contribuem para o surgimento de
instrumentos de controle de riscos mais
eficientes.
Segundo Dionne et al. (2006) os
modelos de análise de riscos podem ser
ainda classificados primordialmente em
dois grupos: modelos não-estruturais que
fazem uso de informações internas às em-
presas e modelos estruturais, que mensu-
ram a insolvência a partir da utilização de
informações mercadológicas. Contudo,
partindo-se do estudo das interações ma-
croeconômicas com informações contá-
bil-financeiras e mercadológicas das em-
presas, foi desenvolvido um terceiro gru-
41
po de modelos denominados híbridos (SO-
BERHART; KEENAN; STEIN, 2000). Esses
modelos visam estimar mais apuradamen-
te os riscos de insolvência visto que podem
captar variações mais amplas.
Chianamea (2004) classifica os
modelos de análise de risco de crédito em
dois grupos distintos: os Modelos de Preci-
ficação de Crédito e Modelos de Valor de
Crédito em Risco.
Os modelos estruturais distin-
guem-se quanto ao tratamento da taxa de
recuperação dos créditos (podendo ser
considerada uma variável endógena ou
exógena) e são classificados como mode-
los de precificação dos créditos.
O modelo estrutural, por definição,
faz uso de informações de mercado para
a estimação da insolvência visto que a uti-
lização dessas variáveis fornece uma pre-
visão de insolvências futuras mais eficien-
tes que as baseadas em modelos não-es-
truturais. Contudo, os modelos estruturais
apresentam maior complexidade na sua
apuração.
3. O Modelo Estrutural
de Merton e o KMV
O modelo estrutural mais famo-
so foi desenvolvido por Merton e adapta-
do pela KMV Corporation, tornando-se
mundialmente conhecido como modelo
KMV, cujo nome comercial oficial é Credit
Monitor Model (STUCHI, 2003). Segundo
Hermanny (2000), Securato (2002), Stuchi
(2003) e Bharath e Shumway (2004), o mo-
delo de Merton foi baseado no trabalho de-
senvolvido por Black e Scholes (1973) para
o mercado de capitais, mais especifica-
mente o mercado de opções, tendo em vis-
ta que ele foi o primeiro a considerar que
as empresas (independente da complexi-
 42

dade da estrutura) podem ser considera-
das como opções.
Para Black e Scholes (1973) opções
são instrumentos que dão o direito de comprar
ou vender um ativo, dada certas condições e
em determinado período de tempo. Securato
(2002) ressalta que o titular da opção, ou com-
prador, ao pagar o prêmio fixado pelo seu ven-
dedor, adquire um direito e não uma obrigação
de compra de um ativo ao contrário do vende-
dor, que contrai uma obrigação de venda do
ativo pelo preço determinado e no prazo fixado.

■ Quadro 2 Comparação dos Modelos Black & Scholes, Merton e KMV

Modelo Black & Scholes Modelo de Merton Modelo KMV

(sem dividendos)
Et=AtФ(d1)–Le -r (T-t)Ф(d2)

In(At /L)+(r+σ2/2)(T–t)
C=A0.N(d1)–E.e -i.t.N(d2) E=VN(d1)–Fe -rTN(d2) d1=
σ√T-t

In(A0/E)+(r+0,5σ2)T In(V/F)+(r+0,5σ2v)T
d1= d1=
d2=d1–σ√T-t
σ√T σ v√T

InAt+(μ–0,5σ2)(T–t)–InL
d2=d1–σ√T d2=d1–σ v√T DD=
σ√T-t

PD=Ф[–DD]

Modelo Black & Scholes: C representa o valor do prêmio da opção de compra europeia; A0 é
o preço corrente da ação; E representa o preço de exercício da opção de compra; i é a taxa li-
vre de risco; σ2 variância da taxa contínua de retorno da opção; T é o tempo até a data do ven-
cimento. Modelo Merton: E representa o valor de mercado do patrimônio da empresa; V é o va-
lor total da firma; F é o total das dívidas da empresa; r é a taxa livre de risco; N é a função da dis-
tribuição normal cumulativa padrão; T representa o tempo até a maturidade da dívida; σ v é a vo-
latilidade do valor da empresa. Modelo KMV: L é o total das dívidas representado pelo total do
passivo; T-t é o tempo até a maturidade das dívidas; Ф denota a distribuição normal cumulati-
va; µ-0,5σ2 representa a taxa logarítmica da mudança no valor dos ativos (volatilidade); At o va-
lor de mercado dos ativos; r representa a taxa livre de risco; DD representa a distância para a
perda ou default; PD representa a probabilidade de perda ou default; ln é a variação logarítmica.

Fonte: Modelo Black & Scholes (SECURATO, 2002, p. 301-302); Modelo de Merton
(BHARATH; SHUMWAY, 2004, p. 5) e Modelo KMV (LÖFFLER; POSCH, 2007, p. 29-30)

O modelo de Merton e o mode-
lo KMV estabelecem a seguinte relação
(LÖFFLER; POSCH, 2007): quando o va-
lor dos ativos é menor que o valor do
passivo das empresas, o valor teórico
das ações da empresa diminui, tornan-
do-se igual a zero, uma vez que todos
os ativos passam a pertencer aos cre-
dores. No entanto, quanto mais o valor
dos ativos sobe acima do valor dos pas-
sivos, mais os acionistas ganham, em
uma relação linear com o aumento dos
ativos.
No modelo proposto por Mer-
ton, conforme Löffler e Posch (2007) o
valor do passivo das empresas L é tra-
tado como um cupom de valor zero e
prazo de vencimento fixo T. Para esse
modelo, não há pagamento antecipado,
e os acionistas irão esperar até o venci-
mento para decidir se pagarão ou não
a dívida. No caso de insolvência ante-
cipada (antes do vencimento da dívida),
os acionistas perdem a possível valori-
zação dos ativos da empresa At. Em to-
dos os casos, a probabilidade de insol-
vência PD decorre da possibilidade de
que no vencimento da dívida T o valor
dos ativos da empresa At estará menos
valorizado que os passivos da empresa
L. Securato (2003) ressalta que o mode-
lo parte da suposição de que se a dívi-
E[At] –
DD =
43
da não for paga, os credores assumem
a empresa, nada restando aos acionis-
tas. O Quadro 2 evidencia uma compa-
ração entre os modelos Black & Scho-
les, Merton e o KMV.
Outra característica importan-
te dos Modelos Merton e KMV é a as-
sunção de que não existem custos de
transação nem de falência, impostos
não são considerados, não há restri-
ção para a concessão de empréstimos
a taxas livres de riscos, os ativos as-
sumem uma distribuição log-normal e
não há incerteza quanto aos passivos
(LÖFFLER; POSCH, 2007). Outra carac-
terística é que o modelo pode incluir ou
não o pagamento de dividendos. Para
este trabalho, somente será focado o
modelo estrutural que não inclui os di-
videndos.
Conforme observado por inter-
médio do Quadro 2 a diferença entre
os modelos Black & Scholes, Merton e
KMV reside no cálculo da probabilida-
de de insolvência ou probabilidade de
default das empresas instituída pelo
modelo KMV. Para Securato (2002, p.
309; 2003, p. 3) uma forma alternativa
de cálculo da DD (Distância para a Per-
da ou Default) e da PD (Probabilidade
de Perda) pode ser vista a partir das ex-
pressões (1) e (1.1), respectivamente.
(DC + DL2)
(1)
σA

número de firmas em default em um ano com valores
de ativos de K σ distância de default no início do ano
PD(empírica):
total de firmas com valores de ativos de K σ de distância de default
Onde:
E[At] refere-se ao valor espera-
do dos ativos; DC representa as dívidas
de curto prazo; DL representa as dívi-
das de longo prazo e σA representa a
taxa de variação do ativo e Kσ repre-
senta a distância de default das empre-
sas analisadas.
Contudo, estes cálculos foram
desenhados para serem usados em uma
grande base de dados, com diversas
empresas representativas do mesmo se-
tor e com grande probabilidade de dis-
tâncias de default Kσ similares (SECU-
RATO, 2003), o que nem sempre repre-
senta a realidade dos analistas.
Metodologia da Pesquisa
1. Caracterização da Pesquisa
Este trabalho pode ser caracte-
rizado como uma pesquisa de nature-
za aplicada, pois utiliza conhecimentos
provenientes de pesquisas básicas bem
como as tecnológicas existentes, visan-
do promover a geração de novos produ-
tos e processos. No que diz respeito à
pesquisa, ela pode ser descritiva, pois
segundo Gil (2002), desse modo esta-
belece relações entre variáveis por meio
da descrição das características de de-
terminado fenômeno ou população.
A pesquisa pode ainda ser ca-
racterizada em função do tempo de co-
leta e aplicação (dimensão do tempo).
Nesse caso, o trabalho pode ser visto
como um estudo longitudinal uma vez
que os dados coletados descrevem ten-
44
(1.1)
dências e eventos ao longo do tempo
(HAIR Jr. et al., 2005).
Em relação aos procedimentos
técnicos utilizados, o trabalho empre-
gou pesquisa com delineamento ex-post
facto, cuja estratégia utilizou técnicas
computacionais para análise de regis-
tros históricos obtidos pela base de da-
dos disponibilizada pelo Economática®,
BOVESPA e por órgãos públicos como o
Banco Central do Brasil (BACEN), Insti-
tuto Brasileiro de Geografia e Economia
(IBGE) e Instituto de Pesquisa Econômi-
ca Aplicada (IPEA).
2. Descrição das Variáveis
Nesta seção são apresentadas
as variáveis contábil-financeiras e ma-
croeconômicas selecionadas. No Qua-
dro 3 tem-se as variáveis contábil-finan-
ceiras que foram extraídas das demons-
trações financeiras das empresas anali-
sadas.
Os estudos de Barbosa (2007) in-
dicam a classificação proposta por Boss
(2002) e por Kalirai e Schneider (2002)
para a categorização das variáveis ma-
croeconômicas em 6 grupos: indicado-
res de ciclo, indicadores de estabilidade
de preços, indicadores de economia in-
terna, indicadores corporativos, indica-
dores de mercado financeiro e indicado-
res de economia externa.
O Quadro 4 apresenta um sumá-
rio das variáveis macroeconômicas utili-
zadas neste estudo, bem como suas res-
pectivas fontes de consulta e os códigos
originais para efeito de análise.
 45

■ Quadro 3 Sumário das Variáveis Contábil-Financeiras Utilizadas

No. Código Nome Fórmula Categoria

1 CapGiro Capital de Giro líquido (AC-PC)/AT Liquidez
Retorno Gerado pelos
2 RetAT (EBIT-Desp Finan)/AT Rentabilidade
Investimentos
Endividamento
3 EndCP PC/AT Estrutura
de curto prazo
4 ExigAT Endividamento Total Exigível Total/AT Estrutura
Patrimônio Líquido
5 PLAT PL/AT Estrutura
sobre Ativo
6 GiroAT Giro do Ativo RecBruta/AT Atividade
Capac. de Geração
7 CapaciAT (PL-Cap Social)/AT Rentabilidade
de Rec. sobre Ativo
8 EstqAT Estoques sobre Ativo E/AT Estrutura
Duplicatas a Receber
9 DRAT Duplicatas a Receber/AT Risco
sobre Ativo
Duplicatas a
10 DRPL Duplicatas a Receber/PL Risco
Receber sobre PL
Fornecedores
11 FornAT F/AT Estrutura
sobre Ativo
12 LnAT Tamanho da Empresa Log AT Estrutura
13 LiqCorr Liquidez corrente AC/PC Liquidez
14 LiqGer Liquidez geral (AC+RLP)/(PC+ELP) Liquidez
15 LiqIme Liquidez imediata Disponível/PC Liquidez
16 DispAT Disponível sobre Ativo Disponível/AT Liquidez
17 LiqSec Liquidez Seca (AC-E)/PC Liquidez
18 LucE Lucro por Estoque E/RecBruta-LB Rentabilidade
19 EBITLB Margem Operacional LO/LB Rentabilidade
20 LLRB Margem Líquida LL/RecBruta Rentabilidade
Fornecedores
21 FonecV F/RecBruta Atividade
sobre Vendas
Disponível sobre
22 DispAP D/AP Estrutura
Ativo Permanente
23 Beta Beta da Ação Beta Risco
Legenda: AC – Ativo Circulante; PC – Passivo Circulante; EBIT – Lucro Antes do Imposto
de Renda e Contribuição Social; AT – Total do Ativo; PL – Patrimônio Líquido; E – Estoques;
F – Fornecedores; RLP – Ativo Realizável a Longo Prazo; ELP – Passivo Exigível a Longo
Prazo; LB – Lucro Bruto; LO– Lucro Operacional; LL – Lucro Líquido; D – Ativo Disponível.

Fonte: Elaboração Própria

 46

■ Quadro 4 Variáveis Macroeconômicas Utilizadas na Pesquisa

No. Código Nome Período Fonte

Var. do Logaritmo da
1 MLnRecTot Mensal Bacen
Receita Total da União
Var. do Logaritmo da Receita
2 MlnRecTrib Mensal Bacen
com Tributos Federais
Var. do Logaritmo do Total das
3 MLnX Trim. Bacen
Exportações Brasileiras no Período
Var. do Logaritmo do Total das
4 MLnM Trim. Bacen
Importações Brasileiras no Período
Var. do Logaritmo do
5 MPIB Trim. Bacen
Produto Interno Bruto
6 MTxUS$ Var. do Logaritmo da Taxa de Câmbio Mensal Ipeadata
Var. do Logaritmo das
7 MRI Mensal Bacen
Reservas Internacionais
Var. do Logaritmo do Índice de
8 MIPCA Mensal Ipeadata
Preços ao Consumidor Amplo
9 MSELIC Var. do Logaritmo da Taxa de Juros Mensal Bacen
Var. do Logaritmo da Taxa
10 MTxDes Mensal Bacen
de Desemprego
11 MIBOVESPA Var. do Logaritmo do Índice BOVESPA Mensal Bovespa
Var. do Logaritmo do Índice de
12 MIGC Mensal Bovespa
Governança Corporativa

Fonte: Elaboração Própria

3. Cálculo da Provisão insolvência, baseado no modelo estrutura

de Insolvência (Variável
Dependente) – Modelo KMV
Para apuração da provisão de in-
solvência envolvendo as empresas objeto
deste trabalho, utilizou-se a metodologia
conhecida como KMV adaptado do Mo-
delo de Merton e definida pelos autores
Löffler e Posch (2007).
A equação que descreve o mode-
lo KMV para cálculo da probabilidade de
de Merton que não pressupõe o pagamen-
to de dividendos, pode ser vista em (2) a
(2.4), respectivamente.
Para resolução deste conjunto
de equações é utilizado o modelo iterativo
descrito por Löffler e Posch (2007), com o
auxílio da planilha eletrônica Excel ® 2007
por meio de macros também descritas pe-
los autores. A geração deste modelo em
uma planilha eletrônica inferior ao Excel®
 47

2007 não apresentou resultados discrepan- indicado para uma grande quantidade de
tes, contudo, mostra-se ineficiente e não dados.

Et = AtФ (d1)–Le-r (T-t)Ф (d2) (2)

d1 = In (At/L)+(r+σ /2) (T–t)

2
(2.1)
σ√T–t

d2 = d1 – σ√T–t (2.2)

DD = InAt + (μ–0,5σ ) (T–t) – InL

2
(2.3)
σ√T–t

PD = Ф[–DD] (2.4)

4. Tratamento dos analisa a mutação da variável dependente ao

Dados Coletados
Os dados coletados para esta análise
caracterizam-se como uma combinação de
dados de corte transversal com séries tem-
porais, denominado de dados em painel con-
forme definição proposta por Nakamura et
al. (2004). Segundo Wooldridge (2003), Hsiao
(2003) e Pindyck e Rubinfeld (2004) em uma
análise de dados em painel é possível estu-
dar o efeito das chamadas variáveis omitidas
(representadas pelo intercepto) mesmo sem
a necessidade de incluí-las de fato na amos-
tra analisada. Isto é possível uma vez que se
longo de um período de tempo, se esta se
mantiver constante.
Apresentação
e Análise dos Dados
1. Análise Exploratória
dos Dados
Os dados coletados originalmen-
te junto à base de dados Economática
Softwares para Investimentos LTDA re-
ferem-se ao total de 626 empresas lista-
das como participantes da BOVESPA,
 48

classificadas entre 21 setores diferen- BOVESPA para nenhum dos 36 períodos

tes. Após a segregação das informações em análise.
para identificação das empresas que Na base de dados compostos por
possuíam dados suficientes para os tes- 168 empresas, calculou-se o tamanho
tes, a base de dados ficou composta por amostral pautando-se em um nível de sig-
168 empresas. nificância de 5%, margem de erro de 10% e
Cabe salientar que por dados su- valores da probabilidade de ocorrência de
ficientes entendem-se as empresas que um evento aleatório igual a 0,5, que gerou
possuíam pelo menos 30 trimestre de uma amostra de 63 empresas. Para a se-
dados completos por variável seleciona- leção das empresas, foi utilizado o Suple-
da nesta pesquisa. Além disso, também mento Estatístico do Excel ® 2007. A Figura
foram excluídas da seleção as empresas 1 apresenta o total de empresas seleciona-
que não possuíam ações negociadas na das por setor em relação à base de dados.

■ Figura 1 Empresas Selecionadas por Setores da Economia

Base

1 1 Selecionadas
3 10 18
7 6 2 11 25
9 6 14
4 20 25
6

1 1
2 6 10
3 3 1 5
3 2 10 5
1 4 6
0 0 0 0 0
Textil
Papel e celulose
Comércio
Alimentos e bebidas

Construção

Eletroeletrônicos

Máquinas industriais
Mineração

Outros

Petróleo e gás

Telecomunicações

Transporte e serviços
Veículos e peças
Finanças e seguros

Fundos
Minerias não metais
Software e dados
Agro e pesca

Energia elétrica

Química
Siderurgia e metalurgia

Fonte: Elaboração Própria


Após a identificação da amostra dos
dados, verificou-se que das 23 variáveis con-
tábil-financeiras selecionadas, as variáveis
DispAT – Disponível sobre o Ativo Total, Dis-
pAP – Disponível sobre Ativo Permanente, Li-
qImed – Liquidez Imediata e Beta não são re-
presentativas em nenhum setor, não forne-
cendo dados suficientes para análises. As-
sim, resolveu-se desconsiderá-las da base de
dados final. Portanto, a base de dados dessa
pesquisa passou a ser composta por 63 em-
presas distribuídas entre 17 setores, conten-
do 19 variáveis contábil-financeiras e 11 variá-
veis macroeconômicas (12 após a inclusão do
IGC – Índice de Governança Corporativa).
2. Distinção entre Empresas
com Maior Probabilidade
de Insolvência e as Solventes
A partir do cálculo da provisão de In-
solvência efetuado pela aplicação do Mode-
lo KMV, foi empregada a análise de Conglo-
merados ou Cluster’s Analysis para a identifi-
cação de dois grupos distintos: a) empresas
com maior probabilidade de insolvência, que
foi identificado com o código “1” e b) com
■ Tabela 1 Estatística Básica dos Grupos Encontrados
Grupos Média Desvio Padrão
0 0,0977 0,01853
1 0,8750 0,05202
Total 0,2211 0,4008
A partir dos resultados auferidos
no teste de hipótese de diferenças entre
49
menor probabilidade de insolvência, que foi
identificado com o código “0”.
Adotou-se a opção Hierarchical
Cluster do pacote estatístico SPSS® para a
análise de conglomerados, conforme suge-
rido por Hair Jr. et al. (2005). O método se-
lecionado foi o de Ward em conjunto com
a medida de distância Euclidiana. Na Tabe-
la 1 temos a estatística básica das variáveis.
Os testes de hipóteses para a com-
paração entre médias populacionais apon-
tam que os dois grupos formados por meio
da análise de conglomerados são estatis-
ticamente diferentes, servindo como uma
boa base para a análise de regressão. Esta
proporção entre as empresas com maior
probabilidade de serem insolventes em re-
lação às empresas com maior probabilida-
de de não o serem, não invalida a análise
com a amostra e pode ser comparada com
a análise efetuada por Dionne et al. (2006),
cuja amostra total contava com 57 institui-
ções insolventes num universo de 4.889 ob-
servações, o que gera uma proporção de
menos de 2% de empresas insolventes, ou
seja, 1,13%.
N % Total
53 84%
10 16%
63 100%
duas médias populacionais é possível ob-
servar que não há evidências estatísticas

de diferenças entre as médias dos grupos
de variáveis formadas pelos dados macro-
econômicos, tanto entre as empresas sol-
ventes quanto com as empresas caracteri-
zadas como não solventes. Já para o grupo
de empresas formado pelas variáveis con-
tábil-financeiras há alguma distinção entre
os dados.
Para verificação da existência ou
não de multicolinearidade entre as variá-
veis, estimou-se a matriz da correlação pa-
ramétrica de Pearson. Ao menos dez vari-
áveis apresentaram algum grau de correla-
ção estatisticamente significativa entre si e
que podiam influenciar negativamente as
análises efetuadas. Optou-se por descon-
siderar do modelo as variáveis indepen-
dentes EndCP, MLnRecTot, PLAt, LiqCor e
ExgAt por apresentarem alto grau de cor-
relação com outras variáveis independen-
tes, o que pode ser caracterizado como
multicolinearidade.
3. Resultados do Teste
de Regressão Logística
O processo de análise da regres-
são logística foi efetuado com o auxílio do
Pacote Estatístico SPSS® e contou com a
variável binária dependente “Grupo” com
valor igual a “0” para as empresas solven-
tes e “1” para as empresas caracterizadas
como não solventes. O objetivo principal
da regressão logística é o de identificar as
variáveis que mais impactam na probabi-
lidade de insolvência, calculada com base
no modelo KMV para cada empresa. Para
tanto, foram calculados 6 modelos distin-
tos e suas descrições demonstradas no
Quadro 5.
A classificação inicial efetuado
pela análise de regressão pode ser vista
por meio da Tabela 2.
50
A classificação dos dados pelos
modelos, conforme Tabela 2, mostra que
o Modelo 1 (que considera somente as va-
riáveis contábil-financeiras) é o que me-
lhor distinguiu os dados entre aqueles com
maior probabilidade de insolvência (repre-
sentado pelo valor “1”) e os com menor
probabilidade de solvência (representado
pelo valor “0”).
Ainda conforme a Tabela 2, o Mo-
delo 2 (que considera somente as variáveis
macroeconômicas) foi o segundo modelo
com melhor poder de distinção dos dados.
Contudo, os modelos que melhor classifi-
cam os dados, de uma forma geral, foram
os modelos 4, 6 e 3. Destes, os modelos 3
e 6 são aqueles que combinam as variáveis
contábil-financeiras com as macroeconô-
micas e o Modelo 4 somente considera as
variáveis contábil-financeiras.
Dionne et al. (2006) quando da aná-
lise do impacto dos diversos modelos na
insolvência de instituições financeiras,
atestou que os modelos considerados hí-
bridos (por que mesclam os dados contá-
bil-financeiros com os dados macroeconô-
micos) foram o que melhor classificavam
os dados.
Algumas observações são neces-
sárias no tocante aos modelos: no Mode-
lo 1, devido a utilização da ponderação es-
tatística da amostra em relação a variá-
vel “Prob KMV” há uma diferenciação na
quantidade de empresas consideradas na
análise, dando-se maior ênfase às empre-
sas não solventes. Nos Modelos 4, 5 e 6,
respectivamente, devido à redução no nú-
mero de períodos abrangendo a análise,
houve uma sensível redução na quantida-
de de empresas observadas, que passa-
ram do total de 2.268 observações para o
total de 1.575.
 51

■ Quadro 5 Descrição dos Modelos Distintos

Modelo Descrição
O método utilizado para seleção do modelo com base nas
Somente com variáveis
variáveis contábil-financeiras foi o forward stepwise, pelo critério
contábil-financeiras
de máxima verossimilhança (ou melhor, Likelihood Ratio – LR).
O método utilizado foi o forward stepwise, pelo critério de máxima
verossimilhança (ou melhor, Likelihood Ratio – LR). Utilizou-se um nível de
Somente com as variáveis
significância de 5% para a entrada das variáveis e 10% para sua exclusão
macroeconômicas
sem a presença da constante no modelo. A variável dependente foi
considerada a variável dicotômica “Grupo” sem ponderação estatística.
Como método de estimação considerou-se o backward stepwise (que
retira as variáveis de acordo com seu poder preditivo), pelo critério
Com a combinação
de máxima verossimilhança (ou melhor, Likelihood Ratio – LR). Os
das variáveis contábil-
parâmetros de estimação dos modelos foram 5% de significância para
financeiras e
a inclusão das variáveis e 10% para sua exclusão com a presença da
macroeconômicas
constante no modelo. A variável dependente considerada refere-
se a variável dicotômica “Grupo” sem ponderação estatística.
Modelo somente com variáveis contábil-financeiras para um período
mais curto compreendido entre o terceiro trimestre de 2001 e o terceiro
trimestre de 2007. Como método de estimação considerou-se o forward
Com variáveis contábil-
stepwise, pelo critério de máxima verossimilhança (ou melhor, Likelihood
financeiras e a redução
Ratio – LR). Os parâmetros de estimação dos modelos foram 5% de
do período de análise
significância para a inclusão das variáveis e 10% para sua exclusão. A
variável dependente considerada refere-se a variável dicotômica “Grupo”
sem ponderação estatística e sem a presença da constante no modelo.
Modelo somente com as variáveis macroeconômicas incluindo o Índice
de Governança Corporativa para um período mais curto compreendido
entre o terceiro trimestre de 2001 e o terceiro trimestre de 2007.
Somente com as variáveis Como método de estimação considerou-se o backward stepwise (que
macroeconômicas e a retira as variáveis de acordo com seu poder preditivo), pelo critério
inclusão do Índice de de máxima verossimilhança (ou melhor, Likelihood Ratio – LR). Os
Governança Corporativa parâmetros de estimação dos modelos foram 5% de significância
para a inclusão das variáveis e 10% para sua exclusão. A variável
dependente considerada refere-se a variável dicotômica “Grupo” sem
ponderação estatística e sem a presença da constante no modelo.
Após a identificação das variáveis mais significativas na análise a
regressão, estas variáveis foram combinadas para geração de um terceiro
Com a combinação
modelo visando identificar quais variáveis seriam mais relevantes se
das variáveis
consideradas em conjunto. Como método de estimação considerou-se
contábil-financeiras,
o forward stepwise, pelo critério de máxima verossimilhança (ou melhor,
macroeconômicas e o
Likelihood Ratio – LR). Os parâmetros de estimação dos modelos foram 5%
Índice de Governança
de significância para a inclusão das variáveis e 10% para sua exclusão com
Corporativa
a presença da constante no modelo. A variável dependente considerada
refere-se a variável dicotômica “Grupo” sem ponderação estatística.
 52

■ Tabela 2 Classificação dos Modelos Estimados

Observados Grupo
Modelo % Corretos Total %
Grupo 0 1
0 76,88 109,47 41,26
1 70,25
1 39,68 275,33 87,40
0 1484 424 77,78
2 68,96
1 280 80 22,22
0 1904 4 99,79
3 84,74
1 342 18 5
0 1321 4 99,70
4 85,33
1 227 23 9,20
0 1272 53 96,00
5 81,40
1 240 10 4,00
0 1318 7 99,47
6 85,08
1 228 22 8,80

Os coeficientes estimados da re- (2006), onde constatou-se que estas variáveis

gressão para todos os modelos estão apre-
sentados na Tabela 3. Para os Modelos 1, 3, 4
e 6, ou seja, todos os modelos que contaram
com a inclusão das variáveis contábil-finan-
ceiras, as variáveis EstqAT – Estoques sobre
Ativo, FornecV – Fornecedores sobre Vendas,
LLRB – Margem Líquida e CapGir – Capital
de Giro Líquido foram selecionadas para ex-
plicar a não solvência das empresas. As va-
riáveis foram selecionadas nos modelos, por
que influenciam negativamente na provisão
de insolvência das empresas. Com isso, é
possível deduzir-se que quanto maior os va-
lores registrados nestes indicadores, menor
é a probabilidade das empresas se tornarem
não solventes. Para as variáveis, EstAT e For-
necV esta relação inversa apresentada pelos
modelos, é contrária às anteriormente verifi-
cadas pelos estudos de Martins (2003) e Silva
apresentavam uma influência positiva sobre
insolvência das empresas.
A variável macroeconômica MRI – Va-
riação do Logaritmo das Reservas Internacio-
nais foi considerada relevante para os Mode-
los 2, 3 e 5, respectivamente, onde apresentou
coeficientes negativos. Dessa forma, confor-
me destacado no Capítulo destinado à descri-
ção das variáveis selecionadas para os testes,
o aumento das reservas internacionais não se
traduz em aumentos da probabilidade de in-
solvência, e sim auxilia em sua redução. A va-
riável financeiro-contábil LnAT – Tamanho
da Empresa e as variáveis macroeconômicas
MTxDes – Variação do Logaritmo da Taxa de
Desemprego e MIBOVESPA – Variação do Lo-
garitmo do Índice IBOVESPA, aparecem em
dois modelos distintos e apresentando coefi-
cientes de regressão com sinais opostos.
 53

■ Tabela 3 Análise dos Coeficientes da Regressão e do Teste Wald

Variáveis Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6

-8,81 -10,31 -9,54 -8,49
EstqAT
(27,28) (126,34) (66,15) (45,18)
-1,04 -0,92 -1,59 -1,81
FornecV
(5,63) (9,44) (17,23) (19,49)
-0,42 -0,11 -0,59 -0,66
LLRB
(11,37) (9,36) (22,43) (23,91)
0,00 0,00 0,00 0,00
CapGir
(6,29) (4,68) (3,78) (4,18)
-3,49 -0,66 -0,35
Constant
(16,64) (44,97) (7,13)
-42,44 7,36 -29,46
MRI
(114,64) (2,92) (25,46)
0,28 -0,03
LnAT
(21,29) (10,11)
-4,59 2,97
MTxDes
(10,95) (5,28)
MIBO- -28,42 168,71
VESPA (87,66) (106,11)
-31,67 -68,93
MLnX
(25,76) (35,75)
-29,38 -76,09
MPIB
(6,63) (17,18)
-1,89 -1,67
MTxUS$
(41,33) (3,41)
-0,10 -0,11
CapacAT
(8,21) (7,73)
-0,56 -0,81
LUCE
(3,26) (5,30)
-183,52
MIGC
(189,84)
50,71
MLnM
(16,47)
0,07
MIPCA
(11,70)
-7,63
MLnRecTrib
(20,18)
-4,80
Mselic
(19,25)
1,31
LiqGer
(28,27)

A variável LnAT apresenta ainda in-
fluência positiva no Modelo 1 (que somente
conta com a inclusão de variáveis contábil-fi-
nanceiras) corroborando com o trabalho efe-
tuado por Dionne et al. (2006) e descrito no
Capítulo destinado a descrição das variáveis
designadas a testes. Contudo, quando o pe-
ríodo de análises sofreu uma redução, como
é o caso das análises do Modelo 4, seu co-
eficiente foi negativo. Com isso, pode-se in-
terpretar que, devido à diferença no período
de análise, o tamanho da empresa passa a
ser um fator que influencia as empresas a se
manterem solventes.
A variável macroeconômica MTx-
Des – Variação do Logaritmo da Taxa de De-
semprego apresenta um coeficiente negati-
vos no Modelo 5 (que foi calculado somente
com a inclusão de variáveis macroeconômi-
cas) mas, quando consideradas em conjunto
com as variáveis contábil-financeiras, apre-
senta um coeficiente positivo. Em relação à
sua interpretação nos modelos, esperou-se
que esta variável possuísse correlação posi-
tiva com a probabilidade de insolvência, uma
vez que ela representa uma espécie de ter-
mômetro da economia. Um coeficiente ne-
gativo indica que a maior quantidade de de-
sempregados reflete uma menor probabilida-
de de insolvência das empresas.
Já a variável MIBOVESPA foi con-
siderada relevante nos Modelos 2 e 5 ( nos
quais só foram consideradas as variáveis ma-
croeconômicas). Sendo que, para o Modelo 2,
seu coeficiente estimado foi negativo indican-
do haver uma relação inversa entre o aumento
do índice IBOVESPA e a probabilidade de in-
solvência das empresas, e no Modelo 5, o coe-
ficiente mostrou-se positivo. Com isso, é pos-
sível verificar que em um período maior de
análise, as reduções no índice é que influen-
ciaram a probabilidade de insolvência das em-
54
presas, enquanto que em um período mais re-
cente, o aumento significativo do índice é que
se refletiu em um aumento da probabilidade
de insolvência das empresas.
As variáveis macroeconômicas
MLnX – Variação do Logaritmo do Total das
Exportações Brasileiras no Período, MPIB -
Variação do Logaritmo do Produto Interno
Bruto e MTxUS$ - Variação do Logaritmo da
Taxa de Câmbio foram consideradas relevan-
tes nos Modelos 2 e 5 (os que contém unica-
mente variáveis macroeconômicas) e apresen-
taram coeficiente negativo na regressão.
Das variáveis apresentadas somen-
te a MTxUS$ proporcionou um comporta-
mento fora do esperado, conforme descrito na
apresentação das variáveis selecionadas para
este estudo. Com isso, foi possível observar
que, quando a economia brasileira encontra-
-se aquecida (representada pelas Exportações
e pelo volume de riqueza produzida na forma
do PIB), verifica-se uma menor probabilidade
de insolvência das empresas. Contudo, a in-
versão do coeficiente da variável MTxUS$
que apresentou um efeito negativo na proba-
bilidade de insolvência, pode ser justificada
pelas políticas econômicas brasileiras que fa-
zem uso da manipulação das taxas de câmbio
e juros (visando o maior controle da economia
com consequente redução da inflação e au-
mento do PIB). A variável Mselic – Variação
do Logaritmo da Taxa Selic que representa os
juros na economia, também foi selecionada no
Modelo 2 com coeficiente negativo. As variá-
veis MIGC – Variação do Logaritmo do Índi-
ce de Governança Corporativa e MlnM – Va-
riação do Logaritmo do Total de Importações
Brasileiras no Período foram consideradas re-
levantes no Modelo 5. Com isso, é possível ve-
rificar que a presença do MIGC gera corre-
lação negativa com a probabilidade de insol-
vência das empresas. Esta relação justifica-se

mesmo que indiretamente, devido à necessi-
dade surgida no período (final de 2001) do au-
mento do volume e da qualidade dos contro-
les das empresas. A presença da MlnM apre-
senta influência positiva na probabilidade de
insolvência, ou seja, o maior volume de impor-
tações pode ser traduzido como uma maior
probabilidade de insolvência.
As variáveis MIPCA – Variação do
Logaritmo do Índice de Preços ao Consumi-
dor Amplo e MLnRecTrib – Variação do Lo-
garitmo da Receita Total da União foram con-
sideraras relevantes no Modelo 2 (que consi-
dera somente as variáveis macroeconômicas).
Segundo o modelo, o coeficiente positivo do
MIPCA indica que quando há maior inflação
aumenta a probabilidade de insolvência das
empresas. Já as variações negativas na recei-
ta tributária representada pela variável MLn-
RecTrib influenciam no aumento da probabi-
lidade de insolvência.
Outra variável considerada relevante
a este estudo foi a variável financeiro-contábil
LiqGer – Liquidez Geral, incluída no Modelo 1,
apresentando coeficiente positivo. Com isso,
é possível verificar que quanto maior o valor
desse indicador maior é a probabilidade de as
empresas se tornarem insolventes. Ou seja, a
falta de geração de recursos financeiros no
curto prazo influencia na capacidade das em-
presas de honrar as dívidas.
A Estatística Wald verifica se os co-
eficientes estimados para as variáveis inde-
pendentes são estatisticamente diferentes de
zero. Os dados da Estatística Wald analisa-
dos foram considerados significantes, indica-
do a rejeição da hipótese nula de que os coefi-
cientes da equação são iguais a zero e de que
as variáveis independentes selecionadas não
produzem efeito sobre a variável dependente.
Segundo os testes de adequação de-
monstrada pela Tabela 3, os modelos com
55
melhor desempenho são os Modelos 5 (para
um período mais curto e somente com variá-
veis macroeconômicas) e o Modelo 1 (somente
com as variáveis contábil-financeiras). Segun-
do o trabalho desenvolvido por Dionne et al.
(2006) o modelo que melhor se adequa aos da-
dos é aquele com a combinação de variáveis
macroeconômicas e contábil-financeiras, por
considerar em sua análise uma riqueza maior
de dados. Esta constatação não foi encontra-
da nas análises efetuadas.
O teste de hipóteses utilizado para
medir a acuracidade do poder preditivo do
modelo foi o Teste de Hosmer-Lemeshow. Os
resultados do teste, conforme apresentado
na Tabela 3, valendo-se de um nível de signi-
ficância de 5%, demonstra que não é possí-
vel rejeitar a hipótese nula de que os modelos
não possuem boa acuracidade. Para analisar
o desempenho dos Modelos, foi efetuada a
análise por meio da Curva ROC. Os valores
das Curvas ROC calculados estão represen-
tadas na Figura 2.
Dos modelos calculados pode-se
verificar que os Modelos 2 e 5, que somen-
te incluem variáveis macroeconômicas em
sua análise, apresentam um coeficiente de
0,5 na apuração da curva ROC. Isso indica
que a presença ou a ausência deste modelo
para o conjunto de dados analisados não in-
fluência na qualidade discriminante dos da-
dos ou não gera melhores resultados que a
sua não aplicação.
Os demais modelos (Modelo 1, 3, 4
e 6) apresentaram coeficientes entre 0,7 e
0,8 com um aceitável poder discriminante.
Isso significa que a utilização de qualquer
um desses modelos melhora a qualidade
discriminante das probabilidades de ocor-
rência ou não da insolvência, e são capazes
de identificar um grande número de dados
de forma adequada.
 56

■ Figura 2 Apresentação do Valor das Curvas ROC

0,80

0,70

0,60

0,50

0,40
0,73 0,76 0,76
0,71
0,30
0,50 0,50
0,20

0,10

0
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6
Financeiro- Macroeconômicas Combinado Financeiro- Macroeconômico Combinado
contábil contábil Menor período Menor período
Menor período

Dionne et al. (2006) destaca que as
análises efetuadas pelos valores da Curva
ROC auxiliam na redução dos erros Tipo I e
Tipo II. Para os modelos analisados, é possí-
vel verificar que há equilíbrio entre a capaci-
dade de identificar os casos que possuem as
características analisadas (especificidade)
e os que não possuem (sensibilidade). Sen-
do que esta capacidade é melhor identifica-
da nos Modelos 4 e 6, cuja análise reflete-se
em um período menor, bem como, no Mode-
lo 3 do que nos demais modelos.
Conclusão
O objetivo maior desta pesquisa foi o
de identificar os fatores que melhor explicas-
sem a probabilidade de insolvência das em-
presas de capital aberto que negociam ações
na Bolsa de Valores de São Paulo, a partir da
seleção de fatores (variáveis) contábil-finan-
ceiras e macroeconômicos.
Para descrever os resultados obtidos
e a forma como foram atingidos, é necessá-
rio começar pelo terceiro objetivo proposto ini-
cialmente: o de estimar a probabilidade de in-
solvência das empresas. Para se atingir a esse
objetivo foi efetuado o cálculo da probabilida-
de de insolvência das empresas aplicando-se
o modelo KMV que representa uma evolução
do Modelo Estrutural de Merton.
Após o cálculo da probabilidade de
insolvência, as empresas foram segregadas
por meio da Análise de Conglomerados (ou
Cluster Analysis) formando dois grupos distin-
tos com 10 empresas identificadas com maior
probabilidade de insolvência contra 53 em-

presas com menor probabilidade de insolvên-
cia. Este procedimento foi necessário devido à
aplicação da metodologia de regressão logísti-
ca que parte de uma variável binária para a ex-
plicação de um fenômeno.
Foram identificados primeiramente
23 indicadores. Destes, as variáveis DispAT –
Disponível sobre o Ativo Total, DispAP – Dis-
ponível sobre Ativo Permanente, LiqImed – Li-
quidez Imediata e Beta não eram representati-
vas em nenhum setor, não fornecendo dados
suficientes para análises, com isso resolveu-se
por desconsiderá-las da base de dados final.
As variáveis independentes EndCP
– Endividamento de Curto Prazo, PLAt – Pa-
trimônio Líquido obre Ativo, LiqCor – Liqui-
dez Corrente e ExgAt - Endividamento Total
por apresentarem alta correlação com outras
variáveis independentes que pode ser carac-
terizado como multicolinearidade, também
foram desconsideradas da análise. Com isso,
a análise contou com um total de 15 variáveis
contábil-financeiras identificadas na literatu-
ra como relevantes no estudo da insolvência
das empresas.
Foi efetuada a revisão de literatura so-
bre o uso de variáveis macroeconômicas para
explicação das relações financeiras, uma vez
que, seu uso na explicação da insolvência não
é comum no Brasil. Com base na revisão efe-
tuada, identificaram-se primeiramente 12 va-
riáveis macroeconômicas, destas, a variável
MlnRecTot – Variação do Logaritmo da Recei-
ta Total da União foi desconsiderada da amos-
tra por apresentar alta correlação com outras
variáveis independentes o que pode ser carac-
terizado como multicolinearidade. Com isso,
foram selecionadas para análise 11 variáveis
macroeconômicas.
Também foram gerados os mode-
los de regressão logística visando identificar
quais as variáveis que influenciaram na pro-
57
babilidade de insolvência das empresas para
a amostra selecionada. Com isso, foram gera-
dos três modelos distintos: Modelo 1, somen-
te com variáveis contábil-financeiras; Modelo
2, somente com variáveis macroeconômicas
e Modelo 3, com a combinação das variáveis
contábil-financeiro identificadas no Modelo 1
mais as variáveis macroeconômicas identifi-
cadas no Modelo 2.
Assim foi possível verificar que o Mo-
delo 3 (que faz uso combinado das variáveis
contábil-financeiro e macroeconômicas) apre-
sentou um melhor poder discriminante (anali-
sado por meio da Curva ROC, cujo coeficiente
foi de 0,73) que os dois outro modelos (Modelo
1 apresentou o coeficiente de 0,71 e o Modelo
2 , o coeficiente de 0,50). O Modelo 2 não apre-
sentou estatisticamente poder discriminante,
ou seja, sua aplicação não tem qualquer influ-
ência na melhoria da qualidade discriminan-
te dos dados ou não gera melhores resultados
que a sua não aplicação. Na prática, significa
dizer que adivinhar os resultados sem auxilio
de uma análise estatística, gera o mesmo efei-
to que fazer uso deste modelo.
As variáveis que foram selecionadas
no Modelo 3 com seus respectivos coeficien-
tes foram: EstAT (-10,31), FornecV (-0,92), LLRB
(-0,11), CapGir (0,00), Constante (-0,66) e MRI
(7,36). Esse resultado aponta que para essa
amostra, as variáveis contábil-finaneiras foram
mais relevantes para explicar a probabilidade
de insolvência das empresas do que as variá-
veis macroeconômicas.
Procurou-se atender ao quarto ob-
jetivo deste trabalho por meio de aplicação
da regressão logística para um período in-
ferior de análises, que compreendeu o ter-
ceiro trimestre de 2001 (Setembro de 2001)
até o terceiro trimestre de 2007 (Setembro
de 2007). Esse período foi intencionalmente
escolhido pois representa o período em que
 58

o IGC passou a ser divulgado. Foram ge-
rados três modelos distintos, a exemplo das
análises anteriores: Modelo 4, somente com
variáveis contábil-financeiras; Modelo 5, so-
mente com variáveis macroeconômicas e
Modelo 6, com a combinação das variáveis
contábil-financeiro identificadas no Modelo
4 mais as variáveis macroeconômicas iden-
tificadas no Modelo 5.
Os Modelos 4 e 6 apresentaram me-
lhor poder discriminante (apurado com base
na Curva ROC para os modelos que foi de
0,76) em relação ao Modelo 5 (cujo coeficien-
te foi de 0,50). Com isso, foi possível obser-
var que o modelo apurado com base somen-
te em variáveis macroeconômicas não afeta a
Autores
qualidade discriminante do modelo, a exem-
plo do Modelo 2 calculado anteriormente.
Não foi possível obter evidências sa-
tisfatórias de que a presença do IGC influen-
ciou ou não a melhora da situação das em-
presas, uma vez que nos dois Modelos com
melhor desempenho esta variável não foi
considerada relevante.
Espera-se que este estudo contri-
bua para o aprofundamento do conhecimen-
to na área de gestão de riscos, principalmente
pela preocupação em transmitir de forma cla-
ra e precisa os passos metodológicos adotados,
bem como as análises efetuadas. Esta pesqui-
sa teve por meta apresentar os resultados rele-
vantes sem, contudo, esgotar o tema abordado.

Alceu Souza
Professor Doutor do Programa de Pós-Graduação em Administração da PUCPR. E-mail: alceu.souza@pucpr.br

Liliane Gomes
Mestre em Administração Estratégica pela PUCPR. E-mail gomesliliane@yahoo.com.br

Luiz Carlos Duclós

Professor Ph.D. do Programa de Pós-Graduação em Administração da PUCPR. E-mail luiz.duclos@pucpr.br

Wesley Vieira da Silva

Professor, Doutor, Coordenador do Programa de Pós-Graduação em Administração da PUCPR e Bolsista em
Produtividade do CNPq. E-mail: wesley.vieira@pucpr.br
Referências

BARBOSA, J. H. F. Determinantes do Risco de Crédito no Brasil: Abordagem Macroeconométrica Multifatorial.

Projeto de Dissertação de Mestrado, UFPR. Curitiba: Junho, 2006.
BARBOSA, J. H. F. Prociclicidade do Risco De Crédito: Um Modelo Point In Time Para o Risco da Carteira de Crédito
Agregada dos Bancos Brasileiros. Dissertação de Mestrado.... . Curitiba: UFPR, 2007.
BHARATH, Sreedhar T.; SHUMWAY, Tyler. (2004). Forecasting Default With the KMV-Merton Model. University of
Michigan. December 17, 2004.
BLACK, F., SCHOLES, M. “The Pricing of Options and Corporate Liabilities”. Journal of Political Economy, v. 81, n. 3,
pp. 637 - 659, May/June, 1973
 59
Referências

BOSS, Michael. A Macroeconomic Credit Risk Model for Stress Testing the Austrian Credit Portfolio. In: Financial
Stability Report 4. Vienna: OeNB – Oesterreichische Nationalbank, December, 2002.
CHIANAMEA, Dante R. Regulamentação Prudencial e Estabilidade do Sistema Financeiro: implicações para a
regulamentação sobre requerimento de capital de instituições financeiras. Dissertação de Mestrado... . Campinas:
Instituto de Economia da UNICAMP, 2004.
DILLON, William R.; GOLDSTEIN, Matthew. Multivariate Analysis: Methods and Applications. New York: John Willey
& Sons, 1984.
DIONNE, Georges; et al. Estimation of the Default Risk of Publicly Traded Canadian Companies. WP: 2006-28.
Montreal: Bank of Canada, 2006, p. v-55.
GIL, Antônio. Carlos. Como elaborar projetos de pesquisa. 4ª ed. São Paulo: Atlas, 2002.
HAIR, Jr. Joseph F. Fundamentos de Métodos de Pesquisa em Administração. Porto Alegre: Bookman, 2005.
HAIR, Jr., Joseph F. et al. Multivariate Data Analysis. 5th. New Jersey: Prentice-Hall, 1998.
HERMANNY, Paulo F. Modelos de Equilíbrio Geral e Precificação de Risco de Crédito. Dissertação de Mestrado.
UFRJ/IE, 2000.
HSIAO, Cheng. Analysis of Panel Data. 2nd ed. New York: Cambridge University Press, 2003.
JORION, Philippe. Value at Risk: The New Benchmark of Managing Financial Risk. 2nd. New York:McGraw-Hill, 2001.
KALIRAI, Harvir.; SCHEICHER, Martin. Macroeconomic Stress Testing: Preliminary Evidence for Austria. In: Financial
Stability Report 3. Vienna: OeNB – Oesterreichische Nationalbank, December, 2002.
LÖFFLER, Gunter; POSCH, Peter N. Credit Risk Modeling using Excel and VBA. New York: John Wiley & Sons, 2007.
MARTINS, Márcio Severo. A previsão de insolvência pelo modelo de Cox: uma contribuição para a análise de
companhias abertas brasileiras. 2003. 102p. Dissertação (Mestrado) Universidade Federal do Rio Grande do Sul, Porto
Alegre.
MATLAB. Matrix Laboratory .Tutorial. (2004).
NAKAMURA, Wilson T.; MARTIN, Diógenes M. L.; KIMURA, Herbert. (2004). Indicadores Contábeis como
Determinantes do Endividamento das Empresas Brasileiras. In: Anais do XXVIII Encontro ANPAD..., Curitiba,
Setembro/2004.
PINDYCK, Robert S.; RUBINFELD, Daniel L. Econometria. São Paulo: Elsiever, 2004.
RAMASWAMY, Srichander. Managing Credit Risk in Corporate Bond Portfolios: A Practioner´s Guide. New York:
John Wiley & Sons, 2004.
SECURATO, J. Roberto. Crédito: Análise e Avaliação do risco. São Paulo: Saint Paul, 2002.
SECURATO, J. Roberto. (2003) Uma Variação do Modelo KMV de Crédito para o Cálculo da Probabilidade de
Default de uma Empresa. WP03/005 In: Série de Working Papers da USP. Disponível em: WWW.ead.fea.usp.br/
wpapers Acessado em: 29/11/2007.
SILVA, José Pereira. Gestão e Análise de Risco de Crédito. São Paulo: Atlas, 2006.
SOBERHART, Jorge; KEENAN, Sean; STEIN, Roger. Behchmarking Quantitative Default Risk Models: A Validation
Methodology. (2000) In: ALGO Research Quarterly, Vol. 4, NOS. 1/2, March/June 2001.
STUCHI, Luciano Gabas. Quantificação do risco de crédito: uma aplicação do modelo CreditRisk+ para
financiamentos de atividades rurais e agroindustriais. 2003. 120 p. Dissertação (Mestrado em Ciências) – Escola
Superior de Agricultura “Luis de Queiroz”, Universidade de São Paulo, Piracicaba, 2003.
WOOLDRIDGE, Jeffrey M. Econometric Analysis of Cross Section and Panel Data. London: The MIT Press, 2003.
 60

Responsabilidade
Socioambiental
nas Instituições
Financeiras

Franklin Mendes Thame

 61

Resumo
O Banco Central do Brasil na abertura do encontro “Rio
+20”, em junho de 2012, colocou em audiência pública duas minu-
tas de Resoluções que dispõem sobre a implementação da res-
ponsabilidade socioambiental nas instituições financeiras e sobre
a elaboração e divulgação do Relatório de Responsabilidade Socio-
ambiental.
O Banco Central do Brasil pretende com essas duas Reso-
luções, que os bancos estabeleçam um padrão mínimo de gestão
para os diversos aspectos que constituem, de forma transversal, a
responsabilidade socioambiental nas suas decisões dos negócios.

Palavras-chave: Responsabilidade Sócioambiental, Sus-

tentabilidade, Gestão Integrada de Risco.

O Banco Central (BC) determina que
o estabelecimento e a implementação da Po-
litica de Responsabilidade Socioambiental se-
jam adequados ao porte, natureza do negócio,
complexidade dos produtos e serviços das ins-
tituições financeiras, tendo em vista que essas
empresas são essenciais à aceleração da efeti-
vação do desenvolvimento sustentável. “A res-
ponsabilidade socioambiental das organizações
é tema disseminado nos últimos anos no Brasil
e no mundo, constituindo uma preocupação ex-
teriorizada pela sociedade civil e pelos agentes
econômicos que postulam alcançar um desen-
volvimento sustentável, economicamente viável,
ambientalmente sustentável e socialmente jus-
to”, justifica o BC. O banco afirma, ainda, que o
sistema financeiro está passando por um pro-
cesso de incorporação de ações ligadas à res-
ponsabilidade socioambiental, preparando-se
para a aplicação de estratégias que permitirão
implementar medidas consistentes. Como os
bancos alavancam as atividades econômicas,
por meio de suas linhas de crédito podem fo-
mentar as boas práticas socioambientais, con-
tribuir para o desenvolvimentos de serviços e
produtos sustentáveis, promover novas tecnolo-
gias e incentivar a substituição de práticas cau-
sadoras de impactos socioambientais negati-
vos por novas maneiras de produzir, respeitan-
do o meio ambiente e a dignidade humana.
A conscientização sobre os desafios
ambientais e sociais precisa ser iniciada nas ins-
tituições financeiras na alta administração não
ficando adstrita a um departamento isolado, po-
dendo, assim, perpassar por todos os níveis hie-
rárquicos, permear todas as ações das institui-
ções financeiras, e, em consequência, esten-
der-se para todos os seus clientes.
Portanto os bancos passam a incen-
tivar seus clientes para que se espelhem ne-
les, no que se refere às práticas de responsa-
bilidade socioambiental e de governança cor-
porativa.
Essa atitude dos bancos se multipli-
cará e promoverá mudanças culturais em re-
lação à sustentabilidade corporativa, passan-
do a influenciar toda a sociedade.
Riscos Ambientais x Riscos
Financeiros
O BancoCentral do Brasil define
risco socioambiental como a possibilida-

de de ocorrência de perdas em função de
questões socioambientais. Isto é, os riscos
ambientais e sociais têm correlação com
os riscos econômicos e financeiros, isto é,
eles interagem entre si.
A exposição dos bancos aos ris-
cos de crédito, operacionais e de reputa-
ção pode-se acentuar quando forem ig-
norados os riscos ambientais e sociais de
seus clientes. Desta forma, a análise de ris-
co socioambiental com consequente clas-
sificação dos clientes é o instrumento que
as instituições financeiras devem utilizar
para mitigar seus riscos e simultaneamen-
te estimular a responsabilidade socioam-
biental dos clientes.
A Resolução do BC estabelece
que a instituição financeira deva integrar
a política de riscos socioambientais à sua
estratégica de negócios e manter estrutu-
ra que possa prover:
- sistemas, rotinas, procedimen-
tos e registros que possibilitem identifi-
car, avaliar, monitorar e mitigar o risco so-
cioambiental presente nas atividades e nas
operações financeiras da instituição;
- procedimentos específicos para
atividades econômicas de maior impac-
to ambiental, a exemplo de atividades re-
lacionadas a florestas, mineração, petró-
leo e gás;
- avaliações do cliente em relação a
eventuais restrições e ao cumprimento de
requisitos legais e regulamentares concer-
nentes aos aspectos socioambientais;
- analises da qualidade das garan-
tias das operações em relação aos aspec-
tos socioambientais;
- critérios de qualidade da gestão
socioambiental do cliente; e
- consultas às informações públi-
cas.
62
Gerenciamento do Risco
É importante ressaltar que as ações
relacionadas ao gerenciamento do risco so-
cioambiental no crédito devem estar subor-
dinadas à área de gerenciamento de risco da
instituição.
O normativos internos dos bancos
devem refletir a legislação ambiental e social.
A área de gerenciamento de risco, respon-
sável pelas aprovações de crédito, ao cum-
prir estes normativos internos passa a consi-
derar os fatores socioambientais, em conjun-
to com os econômicos financeiros. Compete
a essa área programar as salvaguardas, mas
também, ao detectar vulnerabilidades das
empresas, indicar os caminhos para corrigi-
-las. Assim, surgem oportunidades de negó-
cios ao disponibilizar linhas de crédito especí-
ficas para a adoção pelos clientes, das boas
práticas.
Em outras palavras, ao incorporar à
área de gerenciamento de risco as exigências
da legislação social ambiental, está-se condi-
cionando que o dinheiro que financia a pro-
dução fique atrelado à moralidade e à legali-
dade.
Em resumo, a Gestão Integrada de
Riscos protege as instituições financeiras
contra riscos operacionais, de reputação e de
inadimplências entre outros.
Os Riscos
Dentro de uma visão integrada de ris-
cos pode-se mencionar os principais:
1. Risco de Crédito – O cliente pode
se tornar inadimplente ante a ocorrência de
problemas sociais e ambientais. Como resul-
tado dar-se-á a inviabilização do negócio pelo
ônus financeiro e pela perda da reputação. In-
frações e crimes ambientais podem resultar
em sanções administrativas e judiciais tanto
no âmbito civil quanto no criminal, como can-

celamento de licenciamentos; multas; repara-
ção/indenizações às pessoas afetadas; gastos
com recuperação de áreas e águas contami-
nadas; e despesas com advogados.
Ações trabalhistas decorrentes das
condições de trabalho e do desrespeito aos
direitos humanos ocasionarão o afastamen-
to dos melhores funcionários, e até mesmo in-
viabilizarão o negócio.
Garantias podem ficar totalmente de-
preciadas, em decorrência de passivos puniti-
vos e/ou ocultos da empresa.
2. Risco da Reputação – A reputa-
ção é mais importante que uma transação fi-
nanceira, por isso, o banco não pode estar as-
sociado a financiamentos de projetos incor-
retos sob o ponto de vista ambiental e social,
pois o custo de recuperação da imagem cor-
porativa é elevadíssimo.
3. Risco de Financiamento de De-
terminados Setores – Os bancos que ado-
tam políticas de salvaguardas, não financiam
setores cujas atividades e/ou produtos acarre-
tam danos efetivos à saúde e à segurança das
pessoas ou que causem danos significativos
ao meio ambiente.
4. Risco de Corresponsabilida-
de/Responsabilidade Solidária – Cabe aos
bancos públicos e privados conhecer a legis-
lação ambiental e, quando da aprovação de fi-
nanciamentos, averiguar se o financiado está
cumprindo a legislação ambiental. Os bancos
devem conhecer o rol de empreendimentos
e atividades para as quais se exija o licencia-
mento ambiental.
É importante salientar a obrigatorie-
dade legal das instituições financeiras oficiais
e das demais instituições quando do repas-
se de recursos públicos (recursos do BNDES,
do BID- Banco Interamericano de Desenvolvi-
mento) em observar a regularidade ambiental
daqueles com quem contrata.
63
Nesse sentido, dispõe a Lei nº
6.938/81, que trata da Política Nacional de
Meio Ambiente, com destaque aos seguintes
artigos:
• artigo 3º: define o poluidor:
“Art 3º - Para os fins previstos nesta
Lei, entende-se por:
(...)
IV - poluidor, a pessoa física ou jurídi-
ca, de direito público ou privado, responsável,
direta ou indiretamente, por atividade causa-
dora de degradação ambiental;”
• artigo 12º: exige a observância da
regularidade ambiental por parte das insti-
tuições financeiras, quando da concessão de
crédito às empresas causadoras de impactos
ambientais:
“- As entidades e órgãos” de finan-
ciamento e incentivos governamentais condi-
cionarão a aprovação de projetos habilitados
a esses benefícios ao licenciamento, na forma
desta Lei, e ao cumprimento das normas, dos
critérios e dos padrões expedidos pelo CO-
NAMA.
Depreende-se, pois, que cabe às ins-
tituições financeiras cumprirem a sua obriga-
ção legal de não incentivar, ainda que indire-
tamente, os causadores de impactos negati-
vos no meio ambiente.
5. Riscos Operacionais
Ressalte-se a necessidade dos ban-
cos na gestão do capital atender a RESOLU-
ÇÃO 3.988 e a CIRCULAR Nº 3.547, DE 7 DE
JULHO DE 2011.
No §2, art.1º dessa Circular, que esta-
belece procedimentos e parâmetros relativos
ao “Processo Interno de Avaliação da Ade-
quação de Capital”, foi inserida a necessida-
de de avaliação do risco decorrente da expo-
sição a danos socioambientais.
“A instituição deve demonstrar no
processo de avaliação e de cálculo da neces-

sidade de capital para os riscos de que trata
este artigo, como considera o risco decorren-
te da exposição a danos socioambientais ge-
rados por suas atividades.
Referência:
http://www.bcb.gov.br/pre/normati-
vos/busca/normativo.asp?tipo=Circ&ano=201
1&numero=3547
Conclusões
Estas Resoluções vêm ao encontro
do que já está sendo adotado, de forma volun-
tária, pelos bancos públicos e privados, ca-
bendo mencionar a adesão a tratados, princí-
pios, protocolos, declarações, acordos e con-
venções internacionais, como, por exemplo:
- Princípios do Equador, aplicáveis às
operações de project finance classificando os
projetos financiáveis conforme os riscos so-
cioambientais, a probabilidade e a magnitude
dos impactos;
- Protocolo Verde da - United Nations
Environment Programme , Finance Initiative
(UNEP-FI)- Organização das Nações Unidas
(ONU), que representa o compromisso das
instituições financeiras em verificar os aspec-
tos socioambientais em suas operações;
- Global Compact;
- Principles for Responsible Invest-
ments (PRI), da ONU, a ser adotado pelos
investidores institucionais e pelos fundos
de pensão;
Autor
Franklin Mendes Thame
Engenheiro Agrônomo e Administrador de Empresas com especialização em Agronegócios, Gestão Ambiental e Sus-
tentabilidade. Trabalhou 33 anos no Banco Noroeste e Banco Santander. Foi Diretor de Crédito Rural. Foi Diretor da FE-
BRABAN . Atualmente é Gerente de Produtos de Riscos Socioambientais, na SERASA, aonde vem desenvolvendo cri-
térios de análise de Sustentabilidade.
64
- Autodiagnóstico utilizando a ferra-
menta e indicadores do Instituto Ethos de Em-
presas e Responsabilidade Social, que indi-
cam como a instituição financeira está em re-
lação ao seu setor de atuação;
- Relatórios Anuais de Responsabi-
lidade Socioambiental, comunicação com o
público interno e externo, baseada nos princí-
pios da transparência e da prestação de con-
tas, relatando os aspectos positivos e negati-
vos de suas operações, sob a ótica econômi-
ca, ambiental e social, utilizando, de preferên-
cia, os critérios definidos pelo Global Reporting
Initiative (GRI);
- ISE- BM&F BOVESPA -participação
dos bancos no ISE- Índíce de Sustentabilida-
de Empresarial, importante indicador de sus-
tentabilidade corporativa.
A Serasa Experian, ao disponibilizar
os produtos que analisam as empresas, quais
sejam, o Relatório de Responsabilidade Am-
biental, o Relatório de Responsabilidade So-
cial e o produto Conformidade Ambiental, em
conjunto com os tradicionais Relatórios Eco-
nômico-financeiros, oferece consubstancial
contribuição para que o setor produtivo brasi-
leiro avance no rumo da sustentabilidade.
A Serasa Experiam, com vistas a um
futuro mais promissor, compartilha essa res-
ponsabilidade com o Governo, com a socieda-
de civil, com as instituições financeiras e com
as melhores empresas.
Positive
Prepare sua empresa para extrair o máximo de benefícios dos  Saiba como explorar todo o
potencial desta nova realidade
dados positivos com a ajuda da Serasa Experian. Positive-Se!
Contrate agora mesmo a Consultoria Serasa Experian em  Conceda mais crédito com menos
riscos
Cadastro Positivo e rentabilize suas decisões de negócios.
 Aperfeiçoe sua gestão de clientes

Para saber mais, acesse  Aumente o retorno das suas ações

de cobrança
serasaexperian.com.br/cadastropositivo
 Minimize prejuízos causados por
ou ligue para 0800 773 7728 fraudes e inadimplência
Revista Tecnologia
de Crédito online
Acesse informação de
ponta, onde você estiver.

Sua revista Tecnologia de Crédito é publicada

exclusivamente na web.

É mais um passo da Serasa Experian para a redução do

impacto de suas atividades sobre o meio ambiente, além

de um alinhamento à tendência global da universalização

de conteúdos.

Acesse:

serasaexperian.com.br/tecnologia-de-credito, e

mantenha-se bem informado sobre o mercado de crédito.