Estudos sobre determinantes de recuperação de crédito

Souza (2000) desenvolveu estudo sobre a aplicação de um modelo de collection scoring em uma administradora de cartões de crédito com base em uma amostra do período de janeiro a

agosto de 1999. Para isso, utilizou diversas variáveis de histórico dos clientes para desenvolver o modelo.123 Os resultados do estudo de Souza (2000) revelaram que o modelo de collection scoring desenvolvido pôde classificar adequadamente quatro das cinco categorias previamente definidas, permitindo a elaboração de estratégias mais adequadas para cada categoria de propensão a pagamento de créditos em atraso dos clientes. Apenas uma das categorias, vista como uma área de indefinição, não obteve êxito em uma separação mais clara entre os perfis dos clientes. O autor concluiu pela relevância desta metodologia, afirmando que os resultados práticos obtidos pela administradora de cartões de crédito foram consideráveis, uma vez que foi possível priorizar os clientes que necessitavam de uma atuação mais cuidadosa, reforçando a necessidade da adequação das estratégias de cobrança.

Pesquisa realizada por Acharya, Bharath e Srinivasan (2007) com 300 firmas americanas não- financeiras inadimplentes no período 1982-1999, com base em banco de dados desenvolvido pela Standard and Poor’s, identificou que os níveis de recuperação de crédito pelos credores tendem a ser menores nos casos em que o setor de atividade encontra-se em retração econômica, assim como nos casos de outras empresas do setor que, mesmo que em dia com os pagamentos, não alcançaram liquidez suficiente para comprar os ativos especializados da empresa em dificuldade financeira.

Grunert e Weber (2009) desenvolveram um modelo de recuperação de crédito com base em dados de 120 clientes inadimplentes de um banco alemão entre 1992 e 2003, tendo como variáveis: tamanho da empresa, relacionamento com o cliente, parcela de colateral e qualidade do crédito, além de variáveis macroeconômicas. Os autores concluíram que a qualidade do crédito e o tamanho da empresa estão negativamente relacionados com a recuperação de crédito, ao passo que mutuários com relacionamento mais próximo e com maior parcela de garantia à operação possuem taxas de recuperação mais elevadas. As variáveis macroeconômicas não impactaram de forma significativa a recuperação de crédito na base estudada.

123 _{Em relação à collection scoring, com o intuito de determinar as características que levam a determinado}

cliente ter propensão a saldar o débito, Souza (2000) utiliza como variáveis do modelo: a) propensão a financiar, representando o quanto o mutuário está disposto a financiar do saldo devedor do cartão utilizado; b) índice de utilização do limite de crédito, ou seja, qual a porcentagem de utilização do cartão dentro do limite já aprovado pela administradora (através de modelos de credit scoring); c) utilização do limite de crédito em moeda estrangeira, através de variável dummy representando a utilização ou não do limite; d) histórico de parcelas em dia, relacionando-se à verificação de pagamentos em atraso em meses anteriores; e) saldo devedor, indicando o valor devido pelo cliente; f) tempo de relacionamento; e g) behavior score, que é a nota calculada do comportamento do cliente ao longo do relacionamento com a instituição.

Pesquisa realizada por Silva, Marins e Neves (2009) para estimar perdas decorrentes da inadimplência de operações financeiras de diversas modalidades, com base em dados de 9.557 operações prefixadas inadimplentes, no período de janeiro de 2003 a setembro de 2007, disponíveis no SCR do Banco Central do Brasil, identificou, em distintos modelos, a influência de fatores individuais, contratuais, de relacionamento e macroeconômicas para a determinação da taxa de recuperação e da LGD. As estimações foram realizadas por meio de regressões tobit. No caso da LGD média mínima, indicaram uma relação positiva entre a perda da operação e a existência de garantias e de renegociações anteriores (o que não era esperado) e negativa entre o tempo de relacionamento e saldo devedor. No caso da LGD média máxima, verificaram um impacto negativo na LGD em alguns setores e um comportamento também negativo em relação à taxa de desemprego (contrário as expectativas do trabalho).

Bruche e González-Aguado (2010) realizaram estudo do impacto das taxas de inadimplência e de recuperação de crédito entre si e em relação à variáveis macroeconômicas e outras variáveis econômicas com base em dados do mercado de debêntures mantidos pela Altman- NYU Salomon Center Corporate Bond Default Master Database, no período de 1974 a 2005. Os autores verificaram que o “ciclo de crédito”124 é uma variável fortemente significativa, independentemente da inclusão de variáveis macroeconômicas (variação PIB, taxa de desemprego e mercado acionário) nas estimativas realizadas, em que o ajuste do modelo estimado depende exclusivamente da inclusão, ou não, deste ciclo de crédito não observado. Quanto ao impacto na amplificação do risco sistemático, Bruche e González-Aguado (2010) verificaram a forte influência da variação da taxa de inadimplência (37%) e a pequena da taxa de recuperação (5%) sobre a variação de risco explicada pelo ciclo de crédito.

Estudo realizado por Khieu, Mullineaux e Yi (2012), utilizando banco de dados de recuperação da Moody’s 125, no período de 1987 a 2007, avaliou o modelo de recuperação de crédito bancário por dos métodos dos mínimos quadrados ordinários (MQO) e da quase-

124_{“Credit Cycle” (Ciclo de Crédito) refere-se ao ciclo baseado na cadeia de Markov em que há influência entre}

si concomitante entre taxas de inadimplência e taxas de recuperação de crédito. Neste sentido, em períodos de retração econômica, têm-se altas taxas de inadimplência e reduzidas taxas de recuperação, ao passo que, em períodos de alta, tem-se um cenário reverso, baixa inadimplência e alta recuperação de crédito (BRUCHE e GONZÁLEZ-AGUADO, 2010).

máxima verossimilhança (QMV), com base em variáveis contratuais, características individuais do mutuário, condições setoriais e macroeconômicas e processo de recuperação. Em síntese, os autores identificaram que o endividamento do mutuário antes da inadimplência afeta negativamente a recuperação de crédito, ao passo que há relação positiva de recuperação nos casos de clientes com histórico de inadimplência; que a influência do tamanho da empresa depende do tipo de empréstimo realizado; que a a forma de reorganização da empresa impacta a taxa de recuperação; e que há relação não linear entre a recuperação e o tempo de negociação após a inadimplência. Por fim, os resultados indicaram que não existe relação entre o fluxo de caixa operacional e a probabilidade de inadimplência quando da concessão do crédito com a recuperação de crédito.

2.4.3. Quadro consolidado dos estudos empíricos de determinantes de inadimplência e