Modelos de Credit Scoring

Os modelos de Credit Scoring são sistemas que atribuem pontuações às variáveis de decisão de crédito de um proponente, mediante a aplicação de técnicas estatísticas. Esses

Solicitantes de crédito Sistema de classificação por score estatístico Análise de benefício da recusa do crédito Aceitar Recusar

modelos visam a segregação de características que permitam distinguir os bons dos maus créditos (LEWIS, 1992)

Como ressaltam Caouette, Altman e Narayanan (1998), os modelos tradicionais de

Credit Scoring atribuem pesos estatisticamente predeterminados a alguns atributos do

solicitante para gerar um escore de crédito.

A partir de uma equação gerada através de variáveis referentes ao proponente de crédito e/ou á operação de crédito, os sistemas de Credit Scoring geram uma pontuação que representa o risco de perda. O escore que resulta da equação de Credit Scoring pode ser interpretado como probabilidade de inadimplência ao se comparar a pontuação de um crédito qualquer com determinada pontuação estabelecida como ponto de corte ou pontuação mínima aceitável. Conforme ressalta Saunders (2000), o escore pode ser utilizado para classificação de créditos como adimplentes ou inadimplentes, bons ou maus, desejáveis ou não, de acordo com a pontuação obtida por cada crédito. Esta classificação, por sua vez, pode orientar a decisão do analista em relação à concessão ou não do crédito solicitado. A figura 1 (2), explanada por Chaia (2003), ilustra o processo de concessão de crédito com o uso de modelos

Credit Scoring.

Figura 1 (2) - Processo de concessão de crédito com o uso de modelos Credit Scoring

Assim, a idéia essencial dos modelos de Credit Scoring é identificar certos fatores- chave que influenciam na adimplência ou inadimplência dos clientes, permitindo a classificação dos mesmos em grupos distintos e, como conseqüência, a decisão sobre a aceitação ou não do crédito em análise. A diferenciação desses modelos em relação aos modelos subjetivos de análise de crédito se dá, principalmente, pelo fato da seleção dos fatores-chave e seus respectivos pesos ser realizada através de processos estatísticos. Além disso, a pontuação gerada para cada cliente, a partir da equação dos modelos Credit Scoring, fornece indicadores quantitativos das chances de inadimplência desse cliente.

Segundo Lewis (1992), a história do Credit Scoring remonta a 1945, quando foi desenvolvido o primeiro modelo estatístico de análise de crédito. Os primeiros modelos foram desenvolvidos para a análise de crédito ao consumidor, tanto por empresas de varejo quanto financeiras. A expansão do uso desses modelos está, segundo o autor, ligada a dois fatores. Primeiramente, a expansão do mercado de crédito massificado, que passou a demandar dos analistas rapidez e homogeneidade na avaliação dos créditos. Por outro lado, o desenvolvimento dos sistemas computacionais possibilitou o tratamento estatístico adequado dessas massas de dados.

Em relação aos usos do Credit Scoring, Caouette, Altman e Narayanan (1998) afirmam que embora estes sistemas sejam utilizados para decisões sobre a concessão ou não de crédito, que está centrada na avaliação do risco de crédito ou inadimplência, algumas instituições utilizam-no para determinação do tamanho do crédito a ser concedido. Marques (2002) acrescenta outras aplicações do Credit Scoring, como a sua utilização na classificação de créditos conforme o risco, e recentemente, são utilizados como base para o desenvolvimento de modelos mais complexos, a exemplo, aqueles baseados na teoria de carteiras.

Os modelos de Credit Scoring podem ser aplicados tanto à análise de crédito de pessoas físicas quanto empresas. Quando aplicados a pessoas físicas, eles utilizam informações cadastrais e de comportamento dos clientes. Já quando aplicados a empresas, são utilizados índices financeiros como variáveis determinantes ou não da insolvência das mesmas. Conforme ressalta Saunders (2000), a idéia é essencialmente a mesma: a pré- identificação de certos fatores-chave que determinam a probabilidade de inadimplência e sua combinação ou ponderação para produzir uma pontuação quantitativa.

Partindo da premissa de que as características dos clientes que ficarão inadimplentes no futuro serão similares às características dos clientes que ficaram inadimplentes no passado, utilizando amostras de clientes adimplentes e inadimplentes em determinado período passado da instituição e aplicando técnicas estatísticas apropriadas, os modelos de Credit Scoring permitem inferir sobre os indícios de inadimplência de determinado cliente individual.

Exemplos de variáveis utilizadas em modelos de Credit Scoring para avaliação de risco de crédito de pessoas físicas são apontados por Securato (2002). O autor utilizou as seguintes variáveis para caracterizar o devedor: estado civil, tipo de residência (própria ou alugada), tempo de residência na região, ocupação, tempo no emprego, nível de receita bruta, relação dívidas / receitas, número de cartões de crédito, contas correntes ou cotas de poupança mantidas, idade. Alguns fatores têm efeito positivo e outros negativos sobre a pontuação ou escore de crédito. Por exemplo, casa própria e longo tempo de permanência no mesmo emprego são fatores que contribuem de forma positiva, enquanto altos percentuais dívidas / receitas afetam negativamente.

No âmbito da aplicação do Credit Scoring na avaliação de risco de crédito e insolvência para empresas, as variáveis comumente utilizadas são índices contábeis e financeiros como rentabilidade, liquidez e endividamento. Um exemplo clássico de modelos de previsão de insolvência de empresas é o modelo Escore Z demonstrado na obra de Altman

(1968 apud Caouette; Altman; Narayanan, 1998). Neste modelo, foram utilizados os seguintes índices para análise de insolvência de empresas norte-americanas: capital de giro/ativo total, lucros retidos/ativo total, lucro antes dos juros e imposto de renda/ ativo total, valor de mercado do patrimônio líquido/ ativo total, vendas/ativo total.

Sicsu (1998a; 1998b) ressalta que a metodologia básica para o desenvolvimento de um modelo de Credit Scoring não difere entre aplicações para pessoa física ou jurídica, sendo que as seguintes etapas devem ser cumpridas para o seu desenvolvimento:

x Planejamento e definições: mercados e produtos de crédito para os quais serão desenvolvidos o sistema; finalidades de uso; tipos de clientes; conceito de inadimplência a ser adotado; horizonte de previsão do modelo;

x Identificação das variáveis potenciais: caracterização do proponente ao crédito; caracterização da operação; seleção das variáveis significativas para o modelo; análise das restrições a serem consideradas em relação às variáveis;

x Planejamento amostral e coleta de dados: seleção e dimensionamento da amostra; coleta dos dados; montagem da base de dados;

x Determinação da fórmula de escoragem através de técnicas estatísticas, como por exemplo, a análise discriminante ou regressão logística;

x Determinação do ponto de corte, a partir do qual o cliente é classificado como adimplente ou bom pagador; em outras palavras, é o ponto a partir do qual a instituição financeira pode aprovar a liberação do crédito;

Referindo-se também ao processo de desenvolvimento de modelos Credit Scoring, Andrade (2004) apresenta um esquema básico para construção desses modelos, que pode ser visualizado na figura 2 (2)

Figura 2. (2): Esquema dos modelos Credit Scoring

Fonte: Andrade (2002, p.22)

O autor elenca os elementos a serem definidos para construção do modelo de Credit

Scoring:

x Conceito de Inadimplência: definição do que se deseja prever, estabelecido pela instituição. x Período de Performance: é período no qual será avaliada a performance de crédito do cliente como bom ou mau pagador;

x Período de Observação: período histórico no qual são observadas características preditivas do cliente.

Os modelos de Credit Scoring são divididos em duas categorias: modelos de aprovação de crédito e modelos de escoragem comportamental, também conhecidos por

Behavioural Scoring (SAUNDERS, 2000).

VARIAVEIS