4.1. Modelo Serasa de Credit Scoring para pessoas físicas
Para o desenvolvimento do modelo Serasa de Credit Scoring, foram consideradas as seguintes variáveis discriminatórias e parâmetros de classificação:
Quadro 3 – Variáveis discriminatórias e parâmetros
Características do tomador Baixa pontuação Alta
pontuação
Idade <30 anos >50 anos
Residência alugada Própria
Tempo de Residência < 6 meses >10 anos
Renda Líquida Anual < R$ 10.000,00 > R$
70.000,00
Ocupação baixa
qualificação
Profissional
Tempo no Emprego < 3 meses >10 anos
Número de Cartões de Crédito nenhum 5 ou mais
Empréstimos Bancários vários Nenhum
Relação Dívida/Renda Líquida >30% <5%
Contas Correntes ou Contas de Poupanças Mantidas
nenhuma Ambas
Se o cliente solicitante de crédito apresentar restrições cadastrais na Serasa ou em qualquer outra agência de classificação de risco de crédito, o modelo recomenda ao credor solicitar ou reforçar a vinculação de garantias reais e pessoais, conforme o caso. O Quadro 4 apresenta o intervalo de pontuação para a variável restrições cadastrais.
Quadro 4 – Variável apreciação/restrições cadastrais
Situações Pontuação
Com até duas restrições devidamente esclarecidas através de certidões negativas e/ou comprovação de pagamento.
10
Sem restrições cadastrais. 40
Sem restrições cadastrais e com boa experiência anterior
50 Sem restrições cadastrais e com má experiência anterior 20
Fonte: Elaborado pelo autor, adaptado de Serasa (2011)
Quadro 5 – Resumo de variáveis do sistema de Scoring para pessoas físicas
Parâmetro/Peso Situação do Cliente Pontuação
Restrição Cadastral Peso 30
. Com até três restrições devidamente esclarecidas através de certidões negativas e/ou comprovação de pagamento
. Sem Restrições Cadastrais
. Sem Restrições Cadastrais e com boa experiência anterior
. Sem Restrições Cadastrais e com má experiência anterior 10 40 50 20 Idade Peso 10 . entre 21 e 30 anos . entre 30 e 35 anos . entre 35 e 45 anos . entre 45 e 65 anos . acima de 65 anos 20 30 40 50 10 Estabilidade no Emprego Peso 10 . inferior a 1 ano . entre 1 e 3 anos . entre 3 e 6 anos . entre 6 e 20 anos . acima de 20 anos 10 20 40 50 30 Cargo ou Função Peso 10 . Presidente/Diretor Empresas . Nível Gerencial/Empregado categorizado . Supervisão . Funcionário Público . Profissional Liberal . Outros 50 40 20 30 30 10 Renda Líquida Mensal Peso 30 . Entre R$600,00 e R$1.000,00 . Entre R$1.001,00 e R$2.000,00 . Entre R$2001,00 e R$4.000,00 . Entre R$4.001,00 e R$6.000,00 . Acima de R$6.000,00 10 20 30 40 50 Patrimônio Líquido Peso 10 . Abaixo de R$30.000,00 . Entre R$30.000,00 e R$50.000,00 . Entre R$50.000,00 e R$100.000,00 . Entre R$100.000,00 e R$150.000,00 . Acima de R$150.000,00 10 20 30 40 50
Fonte: Elaborado pelo autor, adaptado de Serasa (2011)
A Serasa trabalhada as variáveis usandoa estatística de Kolmogorov-Smirnov (KS) através de confrontações das notas visando o ponto de corte. A Estatística KS é a medida de avaliação de performance mais amplamente utilizada no mercado e mede a capacidade
do Score em distinguir bons e maus clientes e, quanto maior a estatística de KS, maior a separação entre os bons e maus clientes. Basicamente esta estatística é construída calculando a máxima diferença entre as distribuições acumuladas de bons e maus pagadores.
A fórmula para o cálculo de estatística KS:
KS = max | PB (s) – PM (s) Onde:
PB (s) = As distribuições acumuladas de bons pagadores PM (s) = As distribuições acumuladas de maus pagadores Formalmente podendo ser calculada por:
Os valores típicos de KS para Credit Scoring de aceitação estão presentes na Tabela 2 a seguir.
Tabela 2 – Nível de discriminação para diferentes valores
Valores de KS Nível de discriminação
Abaixo de 30% Baixa discriminação
De 30% a 35% Discriminação aceitável
De 35% a 40% Boa discriminação
De 40% a 45% Excelente discriminação
Acima de 50% Não são muito comuns
Os valores de KS acima de 50% não são muito comuns para modelos de Credit
Scoring utilizados na aceitação de novos clientes, mas sim, são freqüentes em Behavoir Scoring, onde as variáveis de comportamento do cliente na instituição acrescentam um
maior poder preditivo aos modelos desenvolvidos.
A medida de estatística KS pode ser facilmente calculada em uma planilha a partir da tabela de distribuição de bons e maus pagadores pelas diversas classes de risco, bastando calcular percentuais acumulados, conforme exemplificado na Tabela 3, a seguir. O cálculo foi feito com Software SAS através do Procedure NPAR1WAY.
Tabela 3 – Cálculo de estatística de Kolmogorov-Smirnov (KS)
4.2. Modelo JOS de Credit Scoring CPPFpara pessoas físicas
O modelo JOS de Credit Scoring utilizado para dar suporte às tomadas de decisões sobre a concessão de crédito aos clientes pessoas físicas foi desenvolvido a partir da extração de informações relacionadas à: Aspectos Demográficos (AD), Idoneidade (I), Capacidade Financeira (CF), Colateral (C), Relacionamento Bancário (RB), Fonte Geradora de Renda (FGR) e Eventos Sistêmicos (ES) (SANTOS E FAMA, 2007).
A fórmula a baixo apresenta a relação entre a variável dependente y (decisão de aprovação ou de recusa de crédito às pessoas físicas) e a conjugação das variáveis independentes citadas: Y= α + ADx + Ix + CFx + Cx + RBx + FGRx + ESx + ε Onde: AD = Aspetos Demográficos I = Idoneidade CF = Capacidade Financeira C = Colateral RB = Relacionamento Bancário FGR = Fonte Geradora da Renda ES = Eventos Sistêmicos
As variáveis α e ε representam, respectivamente, o custo fixo para o banco com os recursos (humanos e materiais) utilizados na análise de risco do crédito e a contribuição das informações cadastrais que não foram consideradas no modelo estatístico. Enquanto que, a variável x representa a ponderação atribuída, ou grau de importância designado estatisticamente, a cada um dos itens que compõem a formula.
Quadro 6 – Informações demográficas de pessoas físicas
Item Informações demográficas
1 Idade
2 Sexo
3 Estado Civil
4 Residência
5 Número de Dependentes
6 Estabilidade no Emprego ou Dono
7 Cargo ou Função
Fonte: Santos e Famá (2007)
Quadro 7 – Informações de idoneidade Item Informações de idoneidade
1 Caráter – Idoneidade do Cliente Pessoa Física
Fonte: Santos e Famá (2007)
Quadro 8 - Informações de capacidade financeira/pagamento Item Informações de capacidade financeira/pagamento
1 Renda Mensal Líquida
Fonte: Santos e Famá (2007)
Quadro 9 – Informações de colateral
Item Informações de colateral
1 Patrimônio (Bens Móveis e Imóveis)
Quadro 10 - Informações de relacionamento bancário Item Informações de relacionamento bancário
1 Tempo de Relacionamento com o principal banco que tem negócios
Fonte: Santos e Famá (2007)
Quadro 11 – Informações de fonte geradora de renda Item Informações da fonte geradora de renda
1 Natureza Contratual (S.A., Ltda., S/C Ltda., Etc.)
Fonte: Santos e Famá (2007)
Quadro 12 - Eventos sistêmicos
Item Eventos sistêmicos – perspectiva para os próximos seis meses 1 Situação Macroeconômica
2 Comportamento da Taxa de Juros em Créditos
Fonte: Santos e Famá (2007)
A seguir, o Quadro 13, apresenta as variáveis independentes ponderadas no modelo de Credit Scoring CPPF, as ponderações/ coeficientes atribuídos estatisticamente e o intervalo
de notas testado para cada uma das variáveis selecionadas. A nota ponderada para cada cliente pessoa física foi obtida pela multiplicação da ponderação atribuída a cada variável na coluna 1 e sua respectiva nota na coluna 2.
Quadros 13 – Variáveis independentes ponderadas no modelo de Credit Scoring
Fonte: Elaborado por autor, adaptado de Santos e Famá (2007)
Segue resumo dos resultados do modelo JOS de Credit Scoring CPPF aplicado em
uma amostra de 2000 clientes de uma instituição financeira de médio porte, sendo 1000 classificados como adimplentes e 1000 como inadimplentes, ou seja, com atrasos superiores a 90 dias.
Variáveis independentes do modelo (X) Ponderações
coeficientes (1) Intervalo de notas testado (2) 1. Idade 8,22% de 10 a 40 2. Sexo 3,04% de 5 a 25 3. Estado Civil 7,14% de 15 a 25 4. Caráter/Idoneidade do Cliente PF 12,10% de 15 a 50 5. Residência 8,09% de 10 a 30
6. Estabilidade no Emprego ou Dono 8,28% de 5 a 50
7. Cargo ou Função 7,94% de 10 a 30
8. Renda Mensal Líquida 7,39% de 10 a 45
9. Patrimônio 6,80% de 5 a 40
10. Natureza Contratual do Funcionário/ ou Autônomo
4,55% de 0 a 25
11. Situação Macroeconômica (6 meses) 6,40% de -10 a 30 12. Comportamento das Taxas de Juros
Precificadas em Créditos (6 meses)
7,74% de -10 a 30
13. Tempo de Relacionamento com o Principal Banco que tem Negócios
5,43% de 10 a 40
Quadro 14 - Resumo dos resultados do modelo de Credit Scoring CPPF
Classificação de Risco Índice de Acerto (%) Índice de Erro (%)
Bons Clientes 100,00% 0%
Maus Clientes 94,00% 6,00%
Fonte: Elaborado pelo autor, adaptado de Santos e Famá (2007)
Os resultados mostraram que o modelo JOS de Credit Scoring CPPF capturaria
melhor a exposição corrente de risco da instituição financeira pesquisada, por incluir um conjunto maior de variáveis representativas da real situação de risco dos clientes, e avaliá- los de acordo com o seu justo ou aproximado grau de importância.
4.3. Modelo de Credit Scoring de Magalhães e Mario
Os dados utilizados nessa pesquisa foram cedidos por uma cooperativa de crédito de Minas Gerais, a qual possui mais de 6.000 cooperados ativos e uma carteira de crédito de aproximadamente R$ 22.000.000,00.
A partir da lista de todos os cooperados fornecida pela instituição foi feita uma seleção aleatória de 150 cooperados que possuíssem empréstimos em andamento e que são considerados solventes, dos quais foram usados os dados de 97 no modelo. E os cooperados insolventes da amostra foram selecionados por funcionário da cooperativa num total de 26, por conta da acessibilidade, foram usados os dados de 23 cooperados insolventes no modelo.
As informações dos cooperados selecionados foram preenchidas com base em uma planilha elaborada pelos autores – Magalhães e Mario. As informações requisitadas relativas às características pessoais e às condições econômico-financeiras dos cooperados foram definidas baseadas na literatura revisada.
Nessa pesquisa foram determinados insolventes os clientes com 200 dias ou mais de atraso em uma ou mais parcelas. Cooperados com atrasos inferiores a 200 dias (aproximadamente 7 meses) foram considerados solventes. Também, para ser considerado adimplente o cooperado deveria ter efetuado o pagamento de pelo menos metade dos empréstimos.
Para classificar as observações de acordo com a qualidade de crédito, foram definidas variáveis explicativas ou independentes a partir das características dos cooperados. Supõe-se que tais variáveis possam se relacionar à situação de solvência ou insolvência nas operações de empréstimos.
O conjunto de variáveis de modelo de Credit Scoring de Magalhães e Mario é mostrado a seguir no (Quadro 15):
Quadro 15– As variáveis de modelo de Credit Scoring de Magalhães e Mario Idade do cliente
Tempo no último emprego Rendimento por dependentes Estado civil
Alavancagem em relação a renda Primeiro empréstimo na cooperativa Instituição empregadora
Modalidade do empréstimo Gênero do cliente
Comprometimento da renda
Atrasos em empréstimos anteriores Possui avalista
Número de parcelas do empréstimo
Após o processo de análise das variáveis, restaram dois modelos, que obtiveram um percentual de acerto de 89,2% e 85,8%, além de alta significância estatística para as variáveis inseridas. As principais variáveis dos modelos foram: estado civil, tempo no último emprego, gênero, instituição empregadora e existência de aval, todas se comportando conforme a hipótese prevista.
4.4. Modelo de avaliação de risco do BCEAO - Banco Central dos Estados da África Ocidental
O BCEAO- Banco Central dos Estados da África Ocidental não utiliza modelos de
Credit Scoring para selecionar seus clientes. O mesmo acontece com os quatro bancos
comerciais em Guiné-Bissau. Apenas utiliza/ ou utilizam as seguintes informações como parâmetros para a aprovação de crédito às pessoas físicas:
Quadro 16 – As variáveis para a aprovação de crédito às pessoas físicas em Guiné- Bissau
Situação legal do tomador e dos intervenientes (avalistas) através da apresentação do documento de identificação – similar ao RG no Brasil (Bilhete de Identidade);
Renda total dos tomadores Fonte geradora da renda Número de dependentes
Gastos com dependentes, incluindo pensões e despesas com educação e alimentação
Patrimônio do tomador e dos intervenientes
Fonte: Elaborado pelo autor
É importante destacar que não existem empresas de gestão do risco de crédito (ex.: SPC, Serasa, Equifax etc.) em Guiné-Bissau, fato que dificulta sobremaneira a redução da assimetria de informações entre tomadores e credores. Por isso, as análises de concessões de crédito são baseadas no subjetivismo dos analistas e, fundamentalmente, na
comprovação de renda e na disponibilidade de garantias acessórias para reduzir a exposição ao risco de inadimplência.
Além disso, também destaca-se como importante fator discriminatório a cultura local de relacionamento matrimonial, onde os homens chegam a ter três ou mais “esposas” e, conseqüentemente, um número elevado de filhos. Intuitivamente, considera-se que esse fato é um dos principais fatores determinantes do aumento do índice de comprometimento de renda dos tomadores e, conseqüentemente da inadimplência.
4.5. O modelo proposto
Após várias reuniões com algumas instituições financeiras brasileiras e levantamento das principais variáveis discriminadas em suas políticas de crédito para análise e precificação do risco de crédito em transações para pessoas físicas, foi desenvolvido o modelo de Credit Scoring JOS2, tanto para a classificação de risco, como para a definição de prestações que se enquadrassem no índice de comprometimento de renda dos tomadores. Com isso, os bancos da Guiné-Bissau reduziriam a exposição ao risco de inadimplência, uma vez que seria estabelecido o valor máximo de sua renda que poderia ser absorvido pelo pagamento de dívidas onerosas.
Para analisar os resultados estatísticos do modelo proposto, utilizou-se como parâmetro o Likehood Value de Nagelkerke, que é uma das principais medidas de avaliação geral da regressão logística direcionada, tanto para aferir a capacidade do modelo estimar a probabilidade associada à ocorrência de determinado evento, como para estimar o percentual do poder de explicação da regressão.
Seguem as variáveis discriminatórias, as pontuações testadas estatisticamente e um exemplo simulado:
Quadro 17– Variável caráter
a. Caráter Pontuação
Com até 3 restrições devidamente esclarecidas através de Certidões
Negativas 10
Sem restrições cadastrais. Cliente Novo 40
Sem restrições cadastrais e com boa experiência em negócios 50 Sem restrições cadastrais e com negativa experiência em negócios 20
Fonte: Elaborado pelo autor
Para validação dessa variável, a condicionante é a existência de empresas gestoras de informações de crédito que coletem informações restritivas dos tomadores em Guiné- Bissau.
Quadro 18 – Variável idade
b. Idade Pontuação Entre 21 e 30 anos 10 Entre 30 e 35 anos 15 Entre 35 e 45 anos 30 Entre 45 e 65 anos 40 Acima de 65 anos 10
Fonte: Elaborado pelo autor
Pressupõe-se pontuações maiores para as faixas etárias mais elevadas, considerando resultados estatísticos desenvolvidos no Brasil e no exterior que atestam a redução de inadimplência conforme aumenta a idade dos tomadores
Quadro 19 – Variável estado civil
c. Estado civil Pontuação
Solteiro 15
Casado 25
Divorciado 20
Pressupõe-se pontuações maiores para pessoas físicas casadas, considerando resultados estatísticos desenvolvidos no Brasil e no exterior que atestam que tomadores casados tendem a apresentar maior comprometimento na amortização de dívidas onerosas. Quadro 20 – Variável residência
d. Residência Pontuação
Própria 30
Alugada 10
Mora com familiares ou colegas 5
Fonte: Elaborado pelo autor
A posse de imóvel residencial contribui para a redução do índice de comprometimento da renda dos tomadores e, conseqüentemente, para a atribuição de pontuações maiores.
Quadro 21 – Variável tempo na residência
e. Tempo na residência Pontuação
Com menos de 1 ano e permanência inferior a 2 anos na moradia anterior 5 Com menos de 1 ano e permanência superior a 2 anos na moradia anterior 20
Entre 1 e 3 anos 20
Entre 4 e 5 anos 25
Entre 5 e 10 anos 30
Superior a 10 anos 35
Fonte: Elaborado pelo autor
Como tomadores desleais tendem a mudar freqüentemente de local de residência, assume-se que quanto maior é o tempo de residência maior é a atribuição de pontuação. Deve-se, todavia, considerar que se o cliente recentemente mudou de local de residência, o parâmetro para atribuição da pontuação deve ser o tempo de residência na moradia anterior.
Quadro 22– Variável estabilidade no emprego/atividade
f. Estabilidade no emprego / atividade Pontuação
Com menos de 1 ano e permanência inferior a 1 ano no emprego / atividade
anterior 0
Com menos de 1 ano e permanência superior a 1 ano no emprego / atividade
anterior 5 Entre 1 e 3 anos 10 Entre 3 e 5 anos 20 Entre 5 e 10 anos 40 Entre 10 e 20 anos 50 Acima de 20 anos 30
Fonte: Elaborado pelo autor
Assume-se que quanto maior é o tempo na fonte geradora de renda, maior é a atribuição de pontuação. Deve-se, todavia, considerar que se o cliente recentemente mudou emprego, o parâmetro para atribuição da pontuação deve ser o tempo de atuação no emprego anterior.
Quadro 23 – Variável cargo/atividade
g. Cargo / atividade Pontuação
Presidente / Diretor 40
Gerente / Superintendente - Empresa de grande porte 30
Gerente / Superintendente - Empresa de médio porte 30
Gerente / Superintendente - Empresa de pequeno porte 25
Supervisor / Chefe de Seção 20
Funcionário Público 25
Fonte: Elaborado autor
Cargos hierárquicos mais elevados devem naturalmente receber pontuações maiores.
Quadro 24 – Variável renda mensal liquida consolidada (inclui receita de aluguéis) h. Renda mensal líquida consolidada (inclui receita de aluguéis) Pontuação
Entre R$5 e R$8M 10
Entre R$8 e R$12M 20
Entre R$12 e R$17M 30
Entre R$17 e R$25M 40
Acima de R$25M 50
Fonte: Elaborado pelo autor
Quanto maior é a renda comprovada, maior é a atribuição de pontuação. Deve-se analisar, todavia, a situação financeira da fonte geradora de renda para avaliar a probabilidade de permanência do tomador na empresa durante o período de aprovação do crédito.
Quadro 25 – Variável número de dependentes
i. Número de dependentes Pontuação
Não possui 30
Entre 1 e 5 15
Entre 6 e 9 0
Acima de 9 -30
Fonte: Elaborado pelo autor
Quanto maior é o número de dependentes, maior é o índice de comprometimento de renda e, conseqüentemente, maior é a exposição a inadimplência. Por isso, a atribuição de pontuações menores.
Quadro 26 – Variável planos de saúde familiar
j. Planos de saúde familiar Pontuação
Não possui -10
Possui com cobertura parcial 20
Possui com cobertura total 30
Fonte: Elaborado pelo autor
Com a deterioração da qualidade do atendimento em entidades de saúde pública, as pessoas físicas tendem a cada vez mais demandar por planos de saúde. Com isso, aumentariam seus índices de comprometimento de renda. Todavia, seriam beneficiadas pela maior longevidade, justificando a atribuição de pontuações maiores.
Quadro 27 – Variável seguro residencial
k. Seguro residencial Pontuação
Não Possui -10
Possui 20
Não possui imóvel residencial 0
Fonte: Elaborado pelo autor
Imóveis resguardados por contratos de seguros aumentariam temporariamente o índice de comprometimento de renda dos tomadores. Todavia, gerariam contrapartidas favoráveis quando da ocorrência de evento sistêmico adverso, como enchente, incêndio, terremoto etc. Por isso, a atribuição de pontuação maior.
Quadro 28 – Variável seguro veículo
l. Seguro veículo Pontuação
Não possui -10
Possui 20
Veículos resguardados por contratos de seguros, aumentariam temporariamente o índice de comprometimento de renda dos tomadores. Todavia, gerariam contrapartidas favoráveis quando da ocorrência de evento sistêmico adverso, como sinistros e roubos. Quadro 29 – Variável cartões de crédito
m. Cartões de crédito Pontuação
Não possui 20
Entre 1 e 2 25
Entre 3 e 4 05
Acima de 4 -20
Fonte: Elaborado pelo autor
Para complementar a renda, as pessoas físicas estão recorrendo, cada vez mais, a utilização de cartões de crédito. Como resultado, estão comprometendo parcela significativa de suas rendas com o pagamento de juros rotativos muito elevados. Por isso, quanto maior o número de cartões de crédito possuído, menor a pontuação atribuída. Quadro 30– Variável tempo de relacionamento comprovado com o principal banco
n. Tempo de relacionamento comprovado com o principal banco que faz transações Pontuação Inferior a 1 ano 5 Entre 1 e 2 anos 10 Entre 2 e 4 anos 20 Entre 5 e 10 anos 30 Superior a 10 anos 40
Fonte: Elaborado pelo autor
Presume-se que quanto maior for o tempo de relacionamento do tomador com o banco, maiores são as evidências de tratar-se de cliente prospectivo e pontual. Por isso, as maiores pontuações atribuídas.
Quadro 31 – Variável patrimônio (bens móveis e imóveis)
o. Patrimônio (bens móveis e imóveis) Pontuação
Valor inferior a R$350M 5 Entre R$350 e R$550M 10 Entre R$550 e R$800M 20 Entre R$800 e R$1.200M 25 Entre R$1.200 e R$1.700M 30 Entre R$1.700 e R$2.500M 35 Superior a R$2.500M 40
Fonte: Elaborado pelo autor
No processo de decisão de crédito é indispensável confirmar se o tomador possui patrimônio e sua composição (bens móveis, imóveis e financeiros), sua situação (com ou sem ônus) e se está livre para vinculação no contrato de crédito, caso o tomador enfrente situações adversas, como a perda (total ou parcial) de renda. Por isso, quanto maior o valor do patrimônio disponível, maior a pontuação atribuída.
Quadro 32 – Variável patrimônio (aplicações financeiras)
p. Patrimônio (aplicações financeiras) Pontuação
Não possui 0 Entre R$50 e R$100M 5 Entre R$100 e R$200M 10 Entre R$200 e R$400 15 Entre R$400 e R$700M 20 Entre R$700 e R$1.000M 30 Entre R$1.000 e R$2.000M 40 Acima de R$2.000M 50
A posse de aplicações financeiras tende a ser um importante indício de que o cliente honrará o pagamento das dívidas onerosas, justificando as maiores pontuações atribuídas. Quadro 33 – Variável índice médio de comprometimento de renda com dívidas oneras
q. Índice médio de comprometimento de renda com dívidas onerosas Pontuação
Inferior a 10% 35 Entre 10 e 15% 30 Entre 15 e 20% 25 Entre 20 e 30% 15 Entre 30 e 50% 0 Superior a 50% -20
Fonte: Elaborado pelo autor
Quanto maior o índice de comprometimento de renda com dívidas onerosas assumidas com instituições financeiras, menor a pontuação atribuída.
Quadro 34 – Variável outras atividades profissionais
r. Outras atividades profissionais Pontuação
Autônomo 10
Empresário 30
Profissional Liberal 20
Não possui 0
Fonte: Elaborado pelo autor
Caso o tomador possua mais de uma fonte geradora de renda, menor será a