Modelagem do risco de crdito: Um estudo do segmento de pessoas fsicas em um banco de varejo.

Charles Carmona e Antnio Amorim Neto

1 - INTRODUO
Apresentao do tema: Saunders (2000) apresenta sete motivos para o sbito interesse na gesto do risco de crdito observado na ltima dcada: + + + + + + + Aumento estrutural de falncias Desintermediao Margens mais competitivas Valores declinantes e volteis de garantias reais O crescimento de derivativos extrabalano Tecnologia As exigncias para capital baseado no risco pelo BIS

Evoluo do Crdito Pessoal

Operaes de Crdito Jan/99 Pessoa Fsica 24%

Pessoa Jurdica 76%

Operaes de Crdito Ago/2002

Pessoa Fsica 37%

Pessoa Jurdica 63%

Problema de Pesquisa
Nas ltimas dcadas diversos modelos estatsticos de probabilidade foram desenvolvidos pelas instituies financeiras, especialmente aplicados para pessoas jurdicas. O segmento de pessoas fsicas, ao contrrio do segmento de pessoas jurdicas, bastante homogneo sob a tica financeira.

possvel atravs de modelagem estatstica fazer a previso da inadimplncia para pessoas fsicas em operaes de crdito em um banco de varejo brasileiro?

REFERENCIAL TERICO Risco de Crdito - Modelos

Saunders (2000) divide as abordagens de medio do risco de crdito em tradicionais e novas: Abordagens Tradicionais: 1) Sistemas Especialistas; 2) Credit Scoring Sistemas de pontuao de crdito; 3) Rating Sistemas de classificao. Novas Abordagens = Modelos de gesto de carteiras (Teoria da diversificao de Markowitz).

Modelos de Credit Scoring

Se dividem em duas categorias:

1) Modelos de aprovao ou concesso de crdito;

2) Modelos de escoragem comportamental ou behavioural scoring. A principal diferena entre as duas categorias que nos modelos de escoragem comportamental, a instituio financeira j conhece o cliente. A informao adicional no behavioural scoring o histrico de compras e pagamentos do cliente.

Processo de concesso de crdito atravs do uso de modelos de credit scoring.

Histrico dos Modelos de Credit Scoring

1941 - David Durand pesquisador do National Bureau of Economic Research (N.Y. EUA) foi o primeiro a apresentar um modelo que atribua pesos para cada uma das variveis utilizando anlise discriminante.

1968 - A popularizao dos sistemas de credit scoring, aconteceu aps a publicao do modelo Z de Altman.

Tcnicas Estatsticas : Para analisar os modelos utilizam-se tcnicas distintas e independentes: Anlise Discriminante e Regresso Logstica, entre outras.

Vantagens dos modelos de credit scoring

A principal vantagem do uso dos modelos de credit scoring a agilidade adquirida pela instituio que concede o crdito.

Reviso de crdito mais consistente Informaes organizadas

Eficincia no trato de dados fornecidos por terceiros Diminuio da metodologia subjetiva Compreenso do processo Maior eficincia do processo

Limitaes e desvantagens dos modelos de credit scoring

Custo de Desenvolvimento Modelos com excesso de confiana

Problemas com valores no preenchidos no cadastro

Interpretao equivocada dos escores Limitaes geogrficas e temporais

4 METODOLOGIA
FINALIDADE
Desenvolvimento de dois modelos de credit scoring para uma mesma amostra:
Modelo 1 = Modelo de concesso ou aprovao de crdito.

Modelo 2 = Modelo de escoragem comportamental ou behavioural scoring.

BASE DE DADOS 344 clientes tomadores de emprstimo do segmento de pessoas fsicas das agncia de um banco de varejo localizadas na cidade de Recife.

4 METODOLOGIA
Composio
A amostra formada por dois grupos de indivduos :
Grupo A- 172 clientes sem atraso no pagamento de suas operaes. Grupo H- 172 Clientes inadimplentes

Parmetros para seleo da amostra: Clientes que possuam operaes a mais de 12 meses. Clientes que permaneceram 12 meses no mesmo status

4 METODOLOGIA
Hiptese de Avaliao dos modelos
Assumindo que consideramos um modelo funcional quando este apresenta uma taxa de sucesso (nmero de acertos por casos totais) superior a 80% pode-se considerar vlida para o objetivo proposto.

5 RESULTADOS
Modelos de Concesso de Crdito
VARIVEIS COEFICIENTES

Taxa de Acertos:

73,3%

72,4%

5 RESULTADOS
Modelos de escoragem comportamental
VARIVEIS

COEFICIENTES

Taxa de Acertos:

81,4%

81,7%

6 CONCLUSES
Variveis - Modelos de Concesso de Crdito

6 CONCLUSES

Os modelos mostraram ser conservadores, isto , so melhores na identificao de indivduos inadimplentes do que de indivduos adimplentes (Erro Tipo 2). Isso positivo porque permite a reduo do risco das operaes.

6 CONCLUSES
Tcnicas Estatsticas

Anlise Discriminante Modelo 1 = 73,3%

Regresso Logstica Modelo 1 = 72,4%

H0 Rejeitada Taxas de acertos menores que 80%

Modelo 2 = 81,4%

Modelo 2 = 81,7%

H0 No foi Rejeitada Taxas de acertos maiores que 80%

Taxas de acertos semelhantes Ausncia de uma tcnica dominante

Ncleo de Estudos em Finanas e Investimentos do Programa de Ps-graduao em Administrao da UFPE (NEFI/PROPAD/UFPE) www.dca.ufpe.br/nefi Fones: (81) 3271-8368 / 8370

Coordenador: Charles Carmona

1) Sistemas Especialistas
A anlise clssica do crdito um sistema especializado que depende, acima de tudo, do julgamento subjetivo de profissionais treinados (Caouette, Altman e Narayanan, 1998) Os chamados Cs do crdito (Weston e Brigham, 1972) so representados por (5 Cs) : Carter Capacidade Condies Capital Colateral

No Brasil, Silva (2000) incorporou o 6 C do crdito: Conglomerado

2) Credit Scoring

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

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

3) Rating Classificao Res. 2.682/99 - BACEN

Classificam os emprstimos de acordo com a probab. de perda.

A abordagem da carteira
As novas abordagens de gesto do risco de crdito esto intimamente ligadas aos modelos de carteira. Um exemplo o Creditmetrics procura identificar o Value-at-Risk (VaR) da carteira de emprstimos em um horizonte de risco que alm da probabilidade de inadimplncia inclui valorizaes e desvalorizaes da qualidade de crdito, as possveis migraes de classificao (Rating).

Variveis do modelo de concesso ou aprovao de crdito

FORMATO/VALORES 1 = Recife - Capital A naturalidade ( origem de 2 = Pernambuco NATURAL nascimento) do tomador de Interior 3 = Outro crdito. Estado da Federao. 4 = Outro Pas. IDADE A idade do tomador de crdito. Nmeros inteiros (anos) ESCOLAR SEXO 1 2 3 1 Sexo do tomador de crdito. 2 Grau de escolaridade. = = = = = Nvel Fundamental Nvel Mdio Nvel Superior. Masculino Feminino. VARIVEL DEFINIO

ESTCIVIL

Estado Civil.

1 = Solteiro 2 = Casado + Unio estvel 3 = Separado ou divorciado 4 = Vivo

LRESID

NOCUP

Local onde reside 1 = Recife - Capital atualmente o tomador de 2 = Pernambuco Interior 3 = Outro crdito. Estado da Federao. Quantidade de ocupaes (ou fontes de renda) Nmeros inteiros (anos) declaradas. 1 = Funcionrio de empresa privada ou ocupao autnomo 2 = Funcionrio de empresa de economia mista 3 = Funcionrio Pblico declarada Nmeros inteiros. Valor em Reais (R$)

NATOCUP

Natureza principal.

da

RENDA

Renda mensal pelo proponente.

Tempo de posse na ocupao principa, ou TPOSSE Nmeros inteiros (anos) desde quando o indivduo recebe a renda principal.

Variveis do modelo de escoragem comportamental

VARIVEL DEFINIO TCADAST Tempo de cadastro no banco. RESTBX J possui restrio de crdito em seu tempo de cadastro no banco. Dvida total no banco, em julho/2001, dividida pela renda mensal. Dvida total oriunda de carto de crdito no banco, em julho/2001, dividida pela renda mensal. Dvida total oriunda de cheque especial no banco, em julho/2001, dividida pela renda mensal. FORMATO/VALORES Anos 0 = No 1 = Sim

ENDIVIDA

Percentual

CARTAO

Percentual

CHEQUE

Percentual

Dvida total oriunda de emprstimos pessoais sem garantias reais no PESSOAL banco, em julho/2001, dividida pela renda mensal. Dvida oriunda de emprstimos para financiamento de veculos no banco (julho/2001 dividida pela renda mensal). Garantia = Alienao do Bem.

Percentual

VEICULO

Percentual