MODELOS DE PREVIS

1
MODELOS DE PREVISÃO DE INSOLVÊNCIA Análise
discriminante uni e multivariada, regressão
linear e logística, score, rating e redes neurais
Exemplos de aplicação dos modelos setor
bancário e empresarial (pequena, média e grande
empresa) Análise incorporando tipologias
estratégicas, variáveis setoriais e informações
restritivas e positivas
2
Agenda

• Informações necessárias para fixar parâmetros de
  análise de crédito e previsão de insolvência
• Modelos de Previsão de Insolvência e de análise
  de crédito
• Análise univariada
• Análise multivariada
• Modelo tradicionais Limite de Crédito, Credit
  Scoring, Rating
• Redes neurais
• Indicadores de controle

3
Objetivos da Apresentação

• Fornecer subsídios para uma empresa
• Avaliar a necessidade ou não da implementação de
  modelos de previsão de insolvência e gestão de
  crédito, considerando as características de suas
  operações.
• Escolher o modelo mais adequado ao atendimento de
  suas necessidades.

4
Adequação à Política de Crédito

• O objetivo de uma Política de Crédito é
  viabilizar ou alavancar as vendas com garantia de
  um nível de recebimento adequado ao grau de risco
  que a empresa está disposta a correr.
• A implementação de ferramentas de gestão de
  crédito, dentre as quais temos os modelos de
  previsão de insolvência deve refletir este
  objetivo.
• O primeiro passo para avaliar a necessidade de
  implementação de modelos de previsão de
  insolvência é entender a política de crédito da
  empresa.

5
Política de Crédito

• Uma política de crédito deve contemplar
• Resultados a serem alcançados
• Produtos e/ou serviços que a empresa comercializa
• Mercado / Públicos-alvo
• Processo e critérios de concessão de Crédito
• Opções de Garantias
• Política de cobrança
• Política de vendas
• Níveis de delegação de aprovação

6
Identificação de Necessidades

• Tempo de resposta para as análises de crédito
• Formato do Parecer de Crédito
• Aprovado/Reprovado
• Detalhado (com justificativa)
• Controles de acesso aos pareceres
• Locais de acesso (somente na empresa / acesso
  remoto)
• Relatórios/Estatísticas/Gráficos
• Por solicitante (ou grupos de solicitantes)
• Por cliente (ou grupo/tipo de cliente)
• Por região geográfica
• Por linha de produto / segmento de negócio

7
Fluxo de informações
Informações Comerciais
Avaliação de Crédito
Dados Econômico financeiros
Resultado da Análise
Histórico do cliente na empresa
8
Informações necessárias para análise de crédito

• Nível ótimo de inadimplência
• Risco setorial dos clientes
• Caracterização do cliente
• Histórico de Vendas para o cliente
• Referências Comerciais / Bancárias
• Restrições Comerciais / Bancárias
• Dados econômico-financeiros (Demonstrações
  Financeiras)

9
Nível ótimo de inadimplência

• O nível ótimo de inadimplência de uma empresa não
  é zero. Uma empresa com este nível de
  inadimplência provavelmente tem uma política de
  crédito super-rigorosa, o que leva a empresa a
  
• perder oportunidades de vendas que aumentariam
  sua receita e lucro (pois parte dos clientes de
  risco pagaria suas contas),
• perder vendas para seus concorrentes.
• Contanto que o caixa recebido supere o custo das
  mercadorias vendidas/serviços prestados e os
  outros custos associados a um determinado grupo
  de clientes é mais vantajoso para a empresa
  vender-lhes a prazo do que perder as vendas.

10
Risco Setorial

• Identificar os setores de atuação dos clientes da
  empresa e sua participação nas vendas
• Analisar o setor
• Perspectivas de crescimento do setor
• Influência de variáveis econômicas (inflação,
  nível de emprego, dólar, etc.)
• Estrutura de mercado (monopólio, oligopólio,
  concorrência, barreiras à entrada, etc.)
• Verificar a influência do risco setorial no risco
  de crédito
• Verificar a relação Risco versus Retorno
• Quantificar o risco

11
Modelo de Austin
12
Modelo de Austin - exemplo Setor Farmaceútico
13
Cadastro de Clientes

• Dados cadastrais padrão
• Histórico da empresa
• Setor econômico
• Região de atuação número de filiais /
  distribuidores
• Tipos de produtos/serviços fornecidos
• Principais Clientes
• Grupo Empresarial (Controle acionário, coligadas,
  controladas)

14
Histórico do Cliente

• Atraso Médio nos Pagamentos
• Maior Acúmulo Mensal
• Maior Fatura
• Média de Faturamento Mensal
• Percentual de Inadimplência
• Produtos / Serviços vendidos
• Sazonalidade (distribuição das vendas ao longo do
  ano)

15
Informações Comerciais

• Data de fundação da empresa
• Quantidade de filiais
• Hábitos de pagamento - pagamentos pontuais,
  faixas de atraso de pagamentos (15, 30 ou mais
  dias)
• Restrições
• Ações de Despejo
• Ações Executivas (Federais, Estaduais,
  Municipais)
• Protestos
• Pedido de Concordata / Falência
• Cheques sem fundos

16
Fontes internas de informação

• Sistema de Crédito Atual
• Cadastro de clientes
• Sistema de Faturamento
• Sistema de Contas a Receber
• Base de dados de marketing/vendas
• Administração de contratos
• Cadastro de fornecedores
• Contabilidade

17
Dados Econômico-financeiros

• Índices de liquidez
• Índices de endividamento / alavancagem
• Ciclos Operacionais / Rotações
• Imobilização
• Rentabilidade
• Índices de solvência
• Grupo empresarial (coligadas, controladas)
• Informações setoriais / macro-econômicas

18
Avaliação

• Com base nas informações necessárias para
• análise de crédito e nas necessidades da
• empresa, cabe ao gestor de crédito avaliar a
• melhor solução para atendê-las
• Análise Manual com informações internas e
  informações fornecidas pelo cliente
• Análise Manual com informações internas,
  informações fornecidas pelo cliente e por
  provedores de informação comercial
• Implantação de um sistema de gestão de crédito

19
Vantagens de um sistema informatizado

• Agilidade no processo de decisão de crédito
• Padronização dos critérios de avaliação comercial
  e financeira
• Rápida adaptação dos critérios às mudanças no
  mercado / alterações na política de crédito /
  promoções de vendas
• Auditoria e Controle
• Níveis de delegação para aprovação
• Histórico de análises de crédito do cliente
• Base de dados centralizada

20
Ferramentas de Tecnologia

• Modelos de gestão de crédito (software)
• Limite de Crédito
• Credit Rating
• Credit Scoring
• Sistemas Especialistas
• Hardware / Soluções de acesso
• Acesso local
• Acesso via Web
• Acesso via celular (WAP, Palmtop ou Notebook)

21
Definições

• Insolvência situação em que o ativo do devedor
  é insuficiente para fazer face ao passivo. É um
  estado de fato.
• Falência situação em que o devedor sem
  relevante razão de direito, não pagar no
  vencimento obrigação líquida, constante de título
  que legitime ação executiva. É um estado de
  direito.
• Um empresa pode estar insolvente, mas pagar sua
  dívidas no vencimento, outra pode estar solvente,
  mas sem caixa para fazer frente a uma despesa
  imediata e falir.

22
Modelos de Previsão de Insolvência

• Análise univariada
• Trabalhos centrados na previsão de índices
  financeiros tomados individualmente
• Análise multivariada
• Trabalhos que fazem uso da análise discriminante
  múltipla, em que toma-se vários índices em
  conjunto.

23
Análise univariada Evolução Histórica (Marques,
1980)

• Índices baseados em dados de balanços, não
  apresenta relações entre as variáveis relevantes
• Fitzpatrick 1932 LL/PL, PL/ET, PL/AT
• Wikanor e Smith, 1935 CGL/AT
• Merwin, 1942 Pequenas empresas CGL/AT, PL/ET,
  AC/PC
• Hickman, 1958 títulos de empresas insolventes
  Juros pagos/LAJIR, LL/Vendas
• Beaver, 1966 análise de empresas por pares
  Fluxo Caixa Gerado/ET, LL/AT, ET/AT, AGL/AT,
  AC/PC
• Altman, 1981 diferença entre índices da empresa
  e índices setoriais

24
Análise multivariada Evolução Histórica
(Marques, 1980)

• Índices baseados em dados de balanços
• Altman, 1968 - 94 de acerto até 1 ano antes da
  falência, 72 dois anos depois
• CGL/AT, Lucros retidos/AT, LAJIR/AT,
• Valor de Mercado da empresa/Valor Contábil do ET,
  
• Vendas/AT,
• Kanitz, 1974 Revista Exame.
• LL/PL,
• ACARLP/ET,
• AC-Estoques/PC,
• ET/PL, AC/PC
• Marques, 1980 - pequenas e médias empresas

25
Análise discriminante X Regressão Logística
(Fichman, 1999)

• Índices baseados em dados de balanços
• Análise discriminante - depende de normalidade
  multivariada e igualdade na matriz de variância
  -covariância de grupos
• Regressão logística
• Menos pré-requisitos que a análise discriminante
• Melhores resultados se os resultados se
  concentrarem em extremos que a análise
  discriminante.
• Habilidade de incorporar efeitos não lineares.

26
Tipologia Estratégica de Porter (Fichman, 1999)

• Estudo aplicado ao setor bancário, com críticas a
  estudos anteriores
• Insuficiência metodológica na geração dos
  modelos, devido a limitações das ferramentas
  estatísticas.
• Amostras insuficientes ou ausência de amostras de
  validação dos modelos.
• Estudos com viés pela não aleatoriedade da
  seleção das amostras selecionadas.
• Estudos baseados em variáveis de balanço,
  desconsideram fatores de marketing e estratégicos
• Modelos instáveis que não resistem a amostras de
  validação ou longitudinais.

27
Tipologia Estratégica de Porter (Fichman, 1999)

• Liderança em custo - eficiência operacional,
  negociação de matéria-prima.
• Liderança em diferenciação - identidade da marca,
  inovações em técnicas de marketing e métodos,
  propaganda.
• Enfoque (custo ou diferenciação) - capacidade de
  gerar produtos especializados, produtos em
  segmentos de alto preço, atendimento ao cliente.
• Exemplos de Variáveis Políticas de Preços,
  Custos, Escala, Qualidade de Oferta, Amplitude de
  Oferta, Controle de distribuição, Propaganda,
  marca, treinamento.

28
Modelo Limite de Crédito

• Definição - através da análise de crédito
  estabelece-se o limite máximo de compras sem
  garantias que será concedido a um cliente, dado o
  grau de risco que a empresa está disposta a
  correr.
• Aplicabilidade
• Empresas com pequeno número de clientes (empresas
  de mídia, TV, Rádio, Jornais, B2B, etc.)
• Empresas com bases de dados / sistemas de
  controle de vendas por cliente

29
Modelo Limite de Crédito

• Vantagens
• Controle de todas as operações de venda e da
  utilização dos limites de crédito aprovados
• Maior interação entre crédito e vendas
• Desvantagens
• Não adequado para empresas com grande número de
  clientes / características de varejo
• Requer revisão periódica dos limites de crédito
• Requer uma área de controle de crédito maior

30
Modelo Limite de Crédito
Provedor de Informações Comerciais
Informações Comerciais
Faturamento Diminui o limite disponível
Pagamentos de faturas
Aumenta o limite
Histórico do cliente
-

Análise de Crédito
Dados Econômico financeiros
Faturamento
Adm de Contratos
Contas a receber
Valor do Limite de Crédito
Cadastro de clientes
31
Credit Scoring

• Definição metodologia de análise quantitativa
  que atribui pontuação a diversos itens (valor do
  crédito, dados financeiros, histórico comercial,
  restrições cadastrais, etc.), e com base na
  pontuação final divide os clientes em duas
  categorias com potencial e sem potencial de
  crédito.
• Aplicabilidade
• Empresas com grande número de clientes (bancos,
  cartões de crédito, telefonia, etc.)

32
Teste dos critérios de um Sistema de Credit
Scoring
É necessário testar o score de aprovação (Ho),
para que a probabilidade de classificar
erroneamente uma análise de crédito seja
minimizada.
Erro Tipo I Rejeição da hipótese nula (Ho)
quando esta é verdadeira. Recusar uma operação
que seria um bom negócio para empresa ( de
propostas corretas recusadas). Erro Tipo II
Falha em rejeição da hipótese nula quando esta é
falsa. Aprovar uma operação que se tornará
problemática para a empresa ( de inadimplência).
33
Teste dos critérios de um Sistema de Credit
Scoring
Reprovado
Aprovado
Em análise
voltar
34
Credit Scoring Determinístico

• Definição - modelo baseado em regras de negócios
  elaboradas por especialistas em crédito, baseados
  em experiências de crédito anteriores.
• Aplicabilidade
• Empresas novas, que não tenham bases de dados
  próprias sobre o comportamento de clientes
• Negócios com venda únicas ou esporádicas que não
  justifiquem a incorporação de dados relativos ao
  comportamento do cliente

35
Credit Scoring Determinístico

• Vantagens
• Não requer informações internas sobre o
  comportamento comercial do cliente
• Os critérios de análise (regras de negócio) podem
  ser modificados rapidamente
• Implantação rápida (pacotes prontos)
• Desvantagens
• Não reflete o histórico dos clientes na empresa
• Não reflete as características únicas do negócio
  da empresa
• Existe a necessidade de atualização constante das
  regras de negócio para refletir mudanças nas
  condições econômicas e nos critérios de crédito

36
Credit Scoring Estatístico

• Definição - modelo baseado em técnicas
  estatísticas como regressão linear e redes
  neurais, que são técnicas computacionais baseadas
  em modelos matemáticos que simulam o processo de
  aprendizado.
• Aplicabilidade
• Empresas com bases de dados próprias sobre o
  comportamento de clientes (bancos, cartões de
  crédito, telefonia, etc.)
• Empresas com vendas freqüentes e/ou prestação de
  serviços contínuos

37
Credit Scoring Estatístico

• Vantagens
• Adapta-se às características únicas do negócio,
  pois utiliza o histórico real dos clientes
• O modelo reflete as alterações nas operações da
  empresa e no comportamento do cliente
• Desvantagens
• Requer informações internas sobre o comportamento
  comercial do cliente
• Dificuldades em refletir alterações no ambiente
  econômico e problemas setoriais
• Implantação lenta (solução customizada)

38
Modelo Credit Scoring
Provedor de Informações Comerciais
Credit Scoring Estatístico
Histórico do Cliente na Empresa
Informações Comerciais

• Aprovado
• Reprovado
• Em análise

Sistema de Crédito Credit Scoring
Dados Econômico financeiros
CPF ou Nome CNPJ ou Razão Social Valor da operação
39
Rating

• Definição é uma metodologia de análise
  qualitativa, que avalia uma série de fatores em
  relação a uma escala pré-definida de atributos e
  qualificações, atribuindo uma nota a cada fator e
  uma nota final ao conjunto de fatores analisados.
  Com base na nota final (rating) pode ser
  determinado o risco de crédito e definido o valor
  que será concedido à empresa.
• Aplicabilidade
• Empresas que operam com clientes corporativos de
  porte médio/grande (especialmente multinacionais)
  

40
Rating

• Vantagens
• Fácil interpretação das decisões de crédito por
  pessoas não familiarizadas com a avaliação de
  riscos e créditos
• Desvantagens
• Baixa confiabilidade das demonstrações
  financeiras devido à possibilidade de escolha de
  critérios contábeis e ao uso de práticas ilegais
  (Caixa 2)

41
Modelo Rating
Provedor de Informações Comerciais
Histórico do Cliente na Empresa
Informações Comerciais
Sistema de Crédito Credit Rating 1-
Reclassificação de Dem Financeiras 2- Nota para
os índices financeiros 3- Nota para os
índices comerciais 4- Somatório das notas

Rating de crédito
Dados Econômico financeiros
CNPJ ou Razão Social Valor da operação
42
Aplicabilidade dos modelos
43
Redes Neurais (Cabrera, 1998)

• São Redes Neurais Artificiais são técnicas
  computacionais que apresentam um modelo
  matemático inspirado na estrutura neural de
  organismos inteligentes e que adquirem
  conhecimento através da experiência.
• São modelos dinâmicos, evitam pesos pré-fixados
• Agrupa as empresas analisadas e verifica
  indicadores relevantes

44
Redes Neurais (Cabrera, 1998)

• Características
• Aprendizado adquire conhecimento por
  experiência
• Não linearidade vantagem sobre sistemas
  estatísticos lineares
• Busca paralela da informação reduz o tempo de
  processamento
• Endereçamento pelo conteúdo não possuem
  endereçamento de memória
• Generalização responde a doados novos por
  similaridade
• Abstração abstrai a essência dos dados
• Robustez e degradação gradual perda de parte da
  rede não afeta gravemente o desempenho
• Associação entre padrões distintos.

45
Indicadores de Desempenho, Qualidade, Auditoria
e Controle
Com base nos indicadores extraídos do sistema é
possível definir produtos, setores econômicos,
regiões geográficas e tipos de clientes para os
quais a recomendação de crédito do sistema
escolhido não está sendo efetiva. Os indicadores
podem ser desde uma planilha de controle, com
análises simples de proporção (como seria de se
esperar no modelo de limite de Crédito) , até o
resultado de complexos modelos estatísticos de
behavior que realimentam o sistema
automaticamente.
46
Indicadores de Desempenho e Qualidade do Sistema

• Desempenho
• Tempo de aprovação de cada análise
• Qualidade
• Inadimplência
• Atrasos nos pagamentos
• Necessidade de revisão manual do parecer
• Taxa de aprovações versus volumes analisados
• Perdas versus lucratividade

47
Controle e auditoria

• Controle
• Relatórios de uso
• Por Solicitante (ou grupos de solicitantes)
• Por cliente (ou grupo/tipo de cliente)
• Por região geográfica
• Por linha de produto / segmento de negócio
• Auditoria
• Vendas fora dos parâmetros (quantidade, valor e
  área da empresa que as originou)
• Revisão da análise dos créditos classificados
  como inadimplentes e incobráveis

48
Conclusão
Não existe um modelo de análise de crédito
melhor ou pior, o que existe é um modelo mais
adequado ao perfil e às necessidades de cada
empresa. É importante considerar todas as
variáveis possíveis na escolha do modelo, fazer
os ajustes necessários em sua fase de
implementação e monitorar seu desempenho para
corrigir eventuais distorções.
49
Bibliografia

• Indicações para consulta / referências
• CABRERA, Gustavo A. S. Um Modelo para Previsão de
  Insolvência no Sistema Financeiro, PUC-RJ, Rio de
  Janeiro, 1998.
• FICHMAN, Luis H. Construção de um Modelo de
  Predição de Insolvência Bancária baseado na
  Tipologia de Porter, PUC-RJ, Rio de Janeiro,
  1999.
• MARQUES, Jadir N. Previsão de Insolvência de
  Pequenas e Médias Empresas Uma aplicação da
  análise estatística multivariada, PUC-RJ, Rio de
  Janeiro, 1980
• LEONARD, Kevin J. Information systems and
  benchmarking in the credit scoring industry,
  Benchmarking for Quality Management Technology
  Vol 3 Num 1, Ontário, Canadá, 1996.
• HUNTER, Maura Quinn. Como Identificar e Avaliar o
  Risco Setorial de uma Carteira de Crédito,
  Revista Tecnologias de Crédito SERASA.
• SINCICH, Terry. Business Estatistics by Example
  New Jersey, EUA, Prentice Hall, 1996.

50
Bibliografia

• Indicações para consulta / referências
• STICKLEY, Clyde P. WEIL, Roman. Contabilidade
  Financeira - São Paulo Atlas, 2001.
• STICSU, Abraham Laredo. Desenvolvimento de um
  Sistema de Credit Scoring, Revista Tecnologias de
  Crédito SERASA.
• www.din.uem.br/ia/neurais
• www.creditoerisco.com.br
• www.siacorp.com.br/scoring1.htm
• www.serasa.com.br
• www.equifax.com.br

51
Contato

• Luciano Quinto Lanz
• Profissional
• Email Lanz_at_embratel.com.br
• Tel. [phone]
• Av. Presidente Vargas, 1012 4o andar Centro
• Rio de Janeiro RJ
• Pessoal
• Email lqlanz_at_wnetrj.com.br