Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia. Guilherme Fernandes
|
|
- Samuel Gesser Aires
- 8 Há anos
- Visualizações:
Transcrição
1 Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia Guilherme Fernandes
2 Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia Guilherme Fernandes * Resumo O objetivo deste artigo é introduzir algumas ferramentas utilizadas na validação de sistemas internos de classificação de risco de crédito sob o âmbito das disposições prudenciais de Basileia. São descritos alguns testes para validação do poder discriminatório do sistema de classificação de risco de crédito, como curva Receiver Operating Characteristic (ROC), taxa de erro bayesiana, entropia condicional, valor informacional, estatísticas de Kendall e Somers, escore de Brier, estatística de Kolmogorov-Smirnov e ROC não binário. São realizados três estudos de caso nos quais é possível observar a utilização de tais ferramentas de validação em situações reais por que passam as áreas de validação independente dos bancos. * Economista do BNDES. Este artigo é de exclusiva responsabilidade do autor, não refletindo, necessariamente, a opinião do BNDES. p
3 Abstract The goal of this paper is to introduce a few tools used in the validation of internal ratings-based systems under the Basel s prudential recommendations. Some validation tests are described, as ROC Curve, Bayesian Error Rate, Conditional Entropy, Informational Value, Kendall and Somers Statistics, Brier Score, Kolmogorov-Smirnov Statistic and non-binary ROC. Three case studies are performed in order to exemplify the use of such tools in real situations for banks validation areas. 146 Revista do BNDES 42, dezembro 2014
4 Introdução Segundo Meirelles (2010), a regulação e a supervisão do sistema financeiro sob responsabilidade do Conselho Monetário Nacional (CMN) e do Banco Central do Brasil, respectivamente passaram de um regime altamente intervencionista e focado na solução de problemas para uma crescente preocupação com estabilidade financeira e aspectos prudenciais. Como parte das recomendações de Basileia II referentes ao pi - lar 2, BCBS (2010) estipula que os bancos devem acessar sua própria adequação de capital por meio do processo interno de avaliação da adequação de capital (ICAAP, na sigla em inglês). Como esses processos são definidos internamente, eles agregam risco de várias formas diferentes. O objetivo do ICAAP é determinar a necessidade de alocação de capital adicional acima do disposto no pilar 1. Enquanto o pilar 1 é responsável pelo estabelecimento de requerimentos mínimos de capital de uma forma geral, o pilar 2 tem o objetivo de adicionar alguma necessidade extra de capital em decorrência de avaliação da própria instituição financeira que não esteja contemplada no pilar 1. Dessa forma, Bacen (2011) estipula que o ICAAP deve analisar a suficiência do capital mantido pela instituição, devendo abranger avaliação e cálculo da necessidade de capital para cobertura dos riscos de crédito, de mercado e operacional, taxa de juros das operações não classificadas na carteira de negociação, crédito de contraparte e concentração. Também deve avaliar a necessidade de capital para cobertura dos riscos de liquidez, estratégia e reputação. Bacen (2011) disciplina ainda que o ICAAP deve ser submetido a um processo de validação independente do processo de desenvolvimento. Nesse sentido, a responsabilidade da validação independente é avaliar, no mínimo, as metodologias e premissas utilizadas Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia 147
5 nas estimativas de necessidade de capital; as estimativas de correlação, quando utilizada; a inclusão de todos os riscos relevantes; a abrangência, a consistência, a integridade e a confiabilidade dos dados de entrada, bem como a independência de suas fontes; a adequação dos testes de estresse; a consistência e a confiabilidade das informações que compõem o relatório de ICAAP. De acordo com o Comitê de Supervisão Bancária de Basileia [BCBS (2005b)], os sistemas internos de classificação de risco de crédito representam um ponto-chave para o cálculo do capital regulatório em abordagens internal ratings-based systems (IRB) porque são a base para a determinação do parâmetro probabilidade de descumprimento (PD). A PD e outros dois componentes de risco de crédito perda, dado o descumprimento (LGD), e exposição no momento do descumprimento (EAD) são os parâmetros de entrada da modelagem para o cálculo do capital regulatório e para a gestão do risco de crédito com base em modelos internos. Consequentemente, a validação desses três parâmetros e do sistema de classificação de risco subjacente é fundamental no processo de supervisão de instituições financeiras. Para BCBS (2005b), os bancos devem demonstrar a performance de seus sistemas internos de classificação de maneira eficiente e conclusiva. Devem ser utilizadas diferentes metodologias quantitativas de validação para assegurar o bom desempenho de seus sistemas. O objetivo deste artigo é introduzir algumas ferramentas estatísticas utilizadas na validação de sistemas internos de classificação de risco de crédito sob o âmbito das disposições prudenciais de Basileia e demonstrar como elas são capazes de auxiliar na escolha de modelos que estimem o risco da forma mais acurada possível do ponto de vista estatístico. 148 Revista do BNDES 42, dezembro 2014
6 A próxima seção trata de princípios definidos pelo Comitê de Supervisão Bancária de Basileia [BCBS (2005a)] que devem guiar as atividades de validação, além de realizar uma breve revisão da literatura sobre o tema. Em seguida, são apresentadas algumas ferramentas estatísticas capazes de medir o poder discriminatório de sistemas internos de classificação de risco de crédito. São realizados, nas seções posteriores, três estudos de caso em que é possível observar a aplicação dessas ferramentas estatísticas na validação de modelos de classificação de risco. A última seção fecha o artigo com conclusão a respeito da importância e da complexidade da atividade de validação. Figura 1 Metodologia de validação internal validation by individual bank evaluates supervisory examination validation of rating system validation of rating process model design risk components data quality reporting and problem handling internal use by credit officers backtesting benchmarking PD LGD EAD Fonte: BCBS (2005b). Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia 149
7 Princípios da validação e revisão da literatura BCBS (2005a) define validação de sistemas internos de classificação de risco de crédito como o grupo de processos e atividades que contribuem para uma avaliação se os níveis de rating diferenciam o risco adequadamente e se seus componentes (PD, LGD, EAD) caracterizam apropriadamente os aspectos relevantes do risco de crédito. O grupo de Basileia responsável por essa validação define seis princípios básicos de tal processo. O primeiro princípio trata da validação como forma de avaliar as estimativas de risco e o uso dos ratings no processo de concessão de crédito. Isto é, por mais que as estimativas de risco sejam calcadas no passado, elas devem ser capazes de prever o futuro em alguma medida. O segundo princípio define a responsabilidade primária da validação como do próprio banco e não de sua entidade supervisora no caso do Brasil, o Banco Central do Brasil. Cabe ao supervisor avaliar se a validação está adequada, podendo realizar novos testes e procedimentos a fim de respaldar sua análise. O terceiro princípio foca no aspecto iterativo da validação. Isto é, bancos e supervisores precisam redefinir, periodicamente, ferramentas de validação em resposta a mudanças nas condições de mercado ou de operação. Por isso, o diálogo entre supervisores e bancos é muito importante para pôr em prática esse princípio. O quarto princípio estipula que não há um único método de validação. Não existe prática de validação que possa ser utilizada em todas as carteiras para todos os bancos. A ferramenta de backtesting, por exemplo, é muito difícil de ser utilizada em carteiras que apresentam baixo nível histórico de descumprimento. O quinto princípio diz que a validação deve abordar aspectos quantitativos e qualitativos do sistema de classificação de risco. Embora as ferramentas matemáticas e estatísticas constituam aspecto 150 Revista do BNDES 42, dezembro 2014
8 central no processo de validação, na avaliação da performance de um sistema de classificação é necessário verificar também os elementos qualitativos presentes nele, como controle, documentação, uso interno etc. O sexto e último princípio estipula que o processo de validação seja analisado de forma independente. Em muitos casos, a auditoria interna constitui a área competente para tal revisão, sendo a responsável por assegurar que o processo de validação seja implementado da forma como foi planejado. De acordo com BCBS (2005b), a análise estatística de sistemas internos de classificação de risco de crédito está predominantemente calcada na separação das contrapartes em dois tipos: instituições que entrarão em descumprimento em um horizonte de tempo determinado (más) e instituições que não entrarão em descumprimento em tal horizonte de tempo (boas). Desconsidera-se, neste trabalho, a definição de instituições intermediárias. Será utilizado o conceito binário representado por contrapartes boas ou más. A ideia principal de qualquer sistema de classificação de risco é a de que, quanto melhor a classificação de determinada contraparte, menor é a proporção de instituições más e maior é a proporção de instituições boas presentes no conjunto de instituições que possuem determinado rating. O poder de discriminação de um sistema de classificação de risco denota, portanto, sua habilidade de distinguir, de maneira ex ante, contrapartes que entrarão em descumprimento de contrapartes que não entrarão. O poder discriminatório do sistema deve ser testado em amostra segregada (out-of-sample). Caso contrário, corre-se o risco de o poder discriminatório ser superestimado. Cada nível de classificação de risco deve estar associado a uma PD. Uma instituição financeira que calcule o capital necessário para a cobertura de exposições a risco de crédito com base em modelos internos (IRB approach ou abordagem IRB) utilizará os parâmetros Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia 151
9 de PD, LGD e EAD nesse cálculo. Por isso, é importante que tais parâmetros estejam devidamente calibrados, para que a estimativa de capital seja a mais acurada possível. Erlenmaier (2006) cita algumas formas de validação para a classificação de risco e atribuição de PDs, como: cálculo do coeficiente de correlação linear entre PDs internas e externas; análise das companhias com maior diferença entre ratings internos e externos; comparação de PDs médias de pequenos grupos definidos em termos geográficos, setoriais etc.; coeficiente de Gini para os níveis do sistema de classificação; comparação dos resultados do novo sistema de classificação de risco com o sistema anterior, quando disponível. Engelmann (2006) define o poder de discriminação de um sistema interno de classificação de risco de crédito como a habilidade de separar créditos de boa qualidade de créditos de qualidade inferior. Questões semelhantes são abordadas em outras áreas do conhecimento. Na medicina, por exemplo, a qualidade de um teste de diagnóstico é predominantemente determinada por sua habilidade de distinguir pessoas saudáveis e doentes. Aplicações análogas são vistas em outras áreas como biologia, tecnologia da informação e engenharia. É importante destacar que poder discriminatório e calibração representam conceitos diferentes. Enquanto o poder discriminatório depende da diferença de frequência de observações de instituições más e boas, a correta calibração das PDs foca na acurácia dessas estimativas para diferentes níveis de classificação de risco. Validação do poder discriminatório do sistema de classificação de risco de crédito BCBS (2005b) lista uma série de testes relativos ao poder discriminatório dos sistemas internos de classificação de risco de crédito. Comenta-se a respeito de alguns deles a seguir. 152 Revista do BNDES 42, dezembro 2014
10 ROC e o índice de Pietra A curva ROC é construída por meio de duas amostras representativas de contrapartes boas e más. Espera-se que a curva ROC seja côncava, o que significa dizer que há maior concentração de instituições más nos piores escores e de instituições boas nos melhores escores. O mais importante índice derivado da análise de ROC é a área sob a curva ROC (AUROC). É muito simples construir intervalo de confiança para a estimativa de AUROC a fim de verificar se o valor 0,5 estaria presente nesse intervalo. Assim, é possível testar a hipótese de a AUROC ser estatisticamente diferente de 0,5, valor sob o qual o modelo não teria nenhum poder discriminatório. Vale destacar que as propriedades estatísticas da curva ROC coincidem com a estatística de Mann-Whitney. Andrade e Oliveira (2012) consideram que o poder discriminatório do modelo é aceitável para valor de AUROC acima de 70%, como mostra Quadro 1. Quadro 1 Avaliação de AUROC AUROC Capacidade de discriminação ROC = 0.5 Não existe discriminação 0.7 <= ROC <= 0.8 Discriminação aceitável 0.8 <= ROC < 0.9 Excelente discriminação ROC >= 0.9 Discriminação acima do comum Fonte: Andrade e Oliveira (2012). O uso da curva ROC como ferramenta de análise para sistemas de classificação de risco é indicado por diversos autores, entre eles BCBS (2005b), que demonstra preferência pelo método ROC para a verificação do poder discriminante de sistemas de classificação de risco de crédito graças a suas propriedades estatísticas. Segundo Annibal (2008), a possibilidade de facilmente calcular os intervalos Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia 153
11 de confiança da área sob a curva ROC é uma propriedade bastante desejada, pois, considerando que os valores desse índice são, via de regra, obtidos por meio da seleção de amostras, torna-se necessária a realização de testes de hipótese estatísticos para que se possam comparar os valores dos índices AUROC encontrados com o valor que significa a inexistência de poder discriminante de um sistema de classificação, qual seja, 0,5. Além disso, a determinação de intervalos de confiança também é fundamental para que se possam comparar os desempenhos de valores distintos de AUROC provenientes de diferentes modelos de classificação de risco. O índice de Pietra é outra importante medida derivada da análise ROC. Ele é definido como a metade da distância máxima entre a curva ROC e a reta de 45º. O Gráfico 1 constitui exemplo ilustrativo de construção da curva ROC. Gráfico 1 Área sob a curva ROC hit rate rating model perf ect model 1 random model A 0 0 Fonte: BCBS (2005b). 1 false alarm rate 154 Revista do BNDES 42, dezembro 2014
12 Fonte: BCBS (2005b). Define-se o hit rate (HR) como: Define-se o hit rate (HR) como: HHHH CC HH CC = NN Em que: Em que: H(C) = número de instituições más previstas corretamente para um corte C; e H(C) = número de instituições más previstas corretamente para um corte C; e N M = número total de instituições más na amostra. N M = número total de instituições más na amostra. A taxa de alarme falso (TAF) é definida como: A taxa de alarme falso (TAF) é definida como: FF CCCC TTTTTT CC CC = NN Em que: Em que: F(C) = número de instituições boas classificadas incorretamente F(C) = número de instituições boas classificadas incorretamente como más para um corte como más para um corte C; e C; e N B = número total de instituições boas na amostra. N B = número total de instituições boas na amostra. Define-se, então, a forma de cálculo para a AUROC: Define-se, então, a forma de cálculo para a AUROC: AAAAAAAAAA = HHHH TTTTTT dddd TTTTTT Sendo: Sendo: S M = variável aleatória representando o escore das instituições más; e S S B = variável M = variável aleatória representando o escore das instituições aleatória representando o escore das instituições boas, más; e então, podem-se redefinir HR(C) e TAF(C) da seguinte forma: S B = variável aleatória representando o escore das instituições HHHH CC CC = PP SS SS < CC CC boas, então, podem-se redefinir HR(C) e TAF(C) da seguinte forma: TTTTTT CC CC = PP SS SS < CC CC AAAAAAAAAA = HHHH TTTTTT dddd TTAAAA Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia 155 = PP SS SS < CCCC dddd SS SS < CC CC = PP SS SS < CCCC ff ff CCCC dddd = PP SS SS < SS SS
13 S M = variável aleatória representando o escore das instituições más; e S B = variável aleatória representando o escore das instituições boas, então, podem-se redefinir HR(C) e TAF(C) da seguinte forma: HHHH CC = PP SS < CC TTTTTT CC = PP SS < CC AAAAAAAAAA = HHHH TTTTTT dd TTAAAA Em que: = PP SS < CC dddd SS < CC = PP SS < CC ff CC dddd = PP SS < SS Em que: f SB = função de densidade de probabilidade de S B. f SB = função de densidade de probabilidade de S B. Engelmann Engelmann (2006) demonstra (2006) a relação demonstra existente a relação entre existente a AUROC entre e a estatística a AUROC de Mann- Whitney [Mann e a estatística e Whitney de (1947)]; Mann-Whitney sejam s M e [Mann s B realizações e Whitney de S(1947)]; M e S B, respectivamente. sejam s M e s B realizações de S M e S B, respectivamente. 1, 1, ssss ssss ss ss < ss ss 11 uu uu,, = 1, 2, ss ss 2, ssss ss < = ss 0, 1 uu 0, ssss > ss, = 2, ssss ss = ss A estatística A Û estatística de de Mann-Whitney Û de Mann-Whitney é é definida 0, como: ssss ss > ss é definida como: A estatística Û de Mann-Whitney é definida 11 como: UU UU = uu uu NN NN, NN NN, 1,, UU = uu NN NN, Assim, a a AUROC pode ser ser vista como um um estimador, Assim, a AUROC pode ser vista como não um estimador viesado de de Û: não Û: viesado Assim, a de AUROC Û: pode ser vista como um estimador não AAAAAAAAAA = EEEE UU UU = PPPP SS SS SS 1 2 PP SS < SS + 1 viesado de Û: SS 2 PP SS = SS AAAAAAAAAA = EE UU = PP SS A variância de de Û é é definida da da seguinte forma: < SS PP SS = SS A variância A de variância Û é definida σσ 1 σσ 1da Û é seguinte definida forma: da seguinte forma: 4 NN 1 NN 1 PP = NN 1 PP NN 1 PP 4 NN NN 1 PP + NN 1 PP,, + NN 1 PP,, σσ 1 4 NN NN 1 UU 1 4 NN + NN 1 UU 1 = 4 NN 1 NN 1 PP + NN 1 PP,, + NN 1 PP,, 22 4 NN + NN 1 UU 1 PP PP,, e e PP PP,, são estimadores para PP PP,, e e PP 2 PP,,,, respectivamente. PP PP PP,, e PP,, = PPPP,, são estimadores para PP SS SS,,, SS, SS,, < SS SS + PPPP SS SS < SS SS,, e PP,,, SS, SS,,,,, respectivamente. PP PPSS SS,, < SS SS < SS SS,, PP PPSS SS,, < SS SS < SS SS,, PP PP PP,, = PP SS,, PPPP SS SS,, SS,,, SS, SS, < SS,, SS SS + PP SS PPPP SS SS < SS SS SS,, SS,,, SS, SS, PP SS,, PPPP SS SS, < SS,, SS SS < SS SS SS, PP SS,, PPPP SS SS, < SS,, SS SS < SS SS SS,,, 156 Revista do BNDES 42, dezembro 2014 SS SS PP,,,,, SS, SS =,, e e PP SS SS SS,,,, SS,, SS SS,,, são < SS realizações + PP SS < independentes SS,, SS, PP de SS de, SS SS < e SS e SS SS < respectivamente. SS, PP SS, < SS < SS, SS,, SS, e SS "#$%,, SS, são realizações independentes de SS e SS respectivamente. O termo converge em em distribuição para uma normal-padrão: "#$% O termo converge em distribuição para uma normal-padrão:
14 AAAAAAAAAA = EE UU = PP SS SS + PP SS 2 = SS A A variância A A AAAAAAAAAA variância de de Û Û é é definida EE Û UU Û é é da definida da PP seguinte SS da da SS seguinte forma: PP SS 2 forma: SS AAAAAAAAAA = EE UU = PP SS σσ 1 < SS + 1 A variância de Û é definida da seguinte = 4 NN NN PP forma: 2 PP SS = SS A variância de Û AAAAAAAAAA é definida = da EE seguinte UU = PPforma: SS + NN 1 PP,, + NN 1 PP,, σσ 1 σσ = 1 < SS σσ 4 1NN = 1 4 NN + NN 1 UU 1 4 NN 1 1 PP PP = σσ 1 + NN 1 PP,, + NN 1 PP 4 NN,, NN 1 PP σσ = A variância de é definida da seguinte forma: 2 PP SS = SS A variância de Û é definida da seguinte + NN 1 PP,, + NN 1 PP,, 4 NN 1 NN + NN 1 PP = + NN 1 PP,, + NN 1 PP 4 NN,, 1 NN 1 PP + NN 1 PP,, + NN 1 PP,, σσ 1forma: A variância de Û é definida = 1 PP,, + NN PP 4 NN 1 NN 1 PP + NN 1 PP,, + NN 1 PP,, σσ 1da seguinte forma: 2 4 NN + NN 1 UU 1 4 NN + NN UU 1 4 NN + 1 UU 1 4 NN + NN 1 UU 4 NN + NN UU 4 NN NN 1 PP NN 1 PP,, NN 1 PP,, σσ 1 = 4 NN NN 1 UU 1 4 NN NN 1 PP + NN 1 PP,, + NN 1 PP,, σσ 1 = PP,, e PP,, são 4 estimadores NN para PP,, e PP,, 2, respectivamente. PP,, e PP,, são estimadores NN para 1 UU 1 4 NN 1 NN 1 PP + NN 1 PP,, + NN 1 PP,, PP PP,, e PP,,, respectivamente.,, PP,, e PP e PP,, PP PP,, e são e PP são,, 4PP,, NN estimadores são + são NN estimadores 1para UU PP 1,, PP 2para,, e PP e PP,, PP PP,, e, e PP,,, PP,,,, respectivamente. PP PP = SS SS,,, SS SS, < SS SS + PP SS SS < SS SS,,, SS SS, PP SS SS, < SS SS < SS SS, PP SS SS, < SS SS < SS SS PP,, e PP,,, = PP SS,,,, são estimadores para PP 2 4 NN SS, < SS + + NN PP SS < 1 UU 1 SS,, SS, PP SS,, e PP, < SS <,,, respectivamente. SS, PP SS, < SS < SS PP,,, e PP,, PP,, PP,, são = PP estimadores =,, PP,, PPSS SS =,, = SS PP,, SS PPSS,, SS para <, <, SS SS, SS, SS PP +,, < + PP< SS PPSS SS e SS PP 2 + <,, + < PPSS, PPSS SS,, SS SS respectivamente. <,, SS < SS,, SS,, SS PP,, SS PPSS, SS, < PP< PPSS SS SS, SS <, < SS, < SS SS, SS < < SS PP, SS PPSS, SS, < PP< PPSS SS SS, SS <, < SS, < SS SS, SS < PP,, e PP,, são estimadores para PP PP,, PP,, = PP = SS, PP, SS, SS, <,,, SS SS, + PP< SS SS SS <,, e PP + SS, PP, SS SS, SS,,, respectivamente. < SS PP SS, SS,, SS, SS < SS, SS < SS, PPPP SS SS SS,, PP SS <, SS SS SS < SS < SS < SS SS,, SS PPPP SS SS SS,, < < SS SS SS < SS SS SS PP,, PP,, e,, PP PP,, SS são PP, SS,,,, PP = PP SS,,, SS estimadores, PP = SS SS, e SS,, PP PP,, SS SS,, SS,, SS SS =, SS, e SS, são, = PP,, PPSS PP < SS realizações, SS SS para, SS,, PP SS SS,, SS,,, + < + PP, < SS e PP PP independentes SS SS + <,,, + < PPSS PP,, PP SS, SS de, SS respectivamente. SS, SS <,, SS PP SS SS,,, SS SS, são realizações independentes e, SS, SS SS SS,, SS, respectivamente., PPSS, SS SS, < PP < SS PPSS SS PP, SS <, SS < SS,, < SS, SS < SS < PPSS, PPSS SS, SS SS, < PP < SS PPSS SS, SS <, < SS, < SS, SS < PP,, = PP SS,, SS PP, < SS,, = PP + PP SS SS,, SS < SS, < SS,, SS + PP, PP SS SS < SS, < SS,, SS, < SS PP de SS, PP SS, SS SS < e SS SS SS <, < SS respectivamente. SS, < SS PP SS,, < SS < SS PP,,, PP =,, PP PP SS SS SS,, "#$% O termo, SS,, SS SS, <,, SS SS,, SS SS e, e, SS, SS + SS,, SS, SS, converge, PP, e SS PP SS, e SS, são SS <, são, SS SS, SS em, SS distribuição, SS,,, são são, SS SS,, realizações PP PP SS SS, para uma, < independentes SS SS < normal-padrão: SS SS,, SS e de PP PP e SS de SS SS,, SS < e SS SS SS SS < respectivamente. SS SS,, PP,, = PP SS SS,, SS "#$% respectivamente. O,,, SS < termo, e SS SS +,, SS PP SS, são < realizações SS,, SS, independentes PP SS, < SS < SS de, SS converge em distribuição para uma normal-padrão: e PP SS SS, respectivamente. < SS < SS, SS PP,,,, SS = PP, e SS SS, "#$% O,,, SS SS, O termo, são < SS realizações O + PP "#$% SS < independentes SS,, SS, PP SS de, SS < SS O termo converge AAAAAAAAAA converge em em UU distribuição em em NN 0,1 distribuição e SS < para para respectivamente. SS, PP SS, < SS < SS, SS,, SS, e SS,, SS, são uma uma para para normal-padrão: uma uma normal-padrão: "#$% realizações independentes de SS e SS respectivamente. σσ SS,, SS, e O termo converge em em distribuição para para uma uma normal-padrão: "#$% SS,, SS, são realizações independentes AAAAAAAAAA de SS UUe SS respectivamente. termo "#$% converge em distribuição para uma normal-padrão: Então, obtém-se: AAAAAAAAAA NN 0,1 O termo -padrão: converge em distribuição para uma σσ AAAAAAAAAA normal-padrão: UUUU UU UU "#$% NNNN0,1 0,1 NNNN0,1 0,1 O termo converge em distribuição para AAAAAAAAAA Então, obtém-se: PP UU σσ Φ 1 + αα σσ uma σσ normal-padrão: UUσσ AAAAAAAAAA UU + σσ 2 Φ 1 σσ + αα AAAAAAAAAA UU NN 0,1 σσ αα AAAAAAAAAA UU NN 0,1 2 Então, obtém-se: Então, obtém-se: σσ AAAAAAAAAA Em Então, que Φ denota obtém-se: a função de distribuição σσ UU NN 0,1 PP UU σσ Φ 1 + acumulada αα NN 0,1 da normal-padrão. Assim, AAAAAAAAAA UU + σσ 2 Φ 1 pode-se + αα Então, obtém-se: σσ αα definir Então, o intervalo obtém-se: de confiança para AUROC: 2 PP UU σσ Φ 1 + αα UU + σσ Em que Φ denota II = a UU função σσ Φ 1 + αα PP UU σσ Φ 1 + αα AAAAAAAAAA UU + σσ αα αα2 Φ 1 + αα PP UU σσ Φ 1 + αα UU + σσ αα 2 Φ 1 + αα PP UU σσ Φ 1 + αα AAAAAAAAAA UU + σσ αα 2 de 2distribuição, UU + σσ Φ 1 + αα 2 Φ 1 + αα Então, obtém-se: αα PP UU σσ Φ 1 + αα AAAAAAAAAA UU σσ 2 acumulada 2 da Φ 1 + αα Então, obtém-se: αα PP UU σσ normal-padrão. 2 Assim, pode-se Em Em que que Em Φ Em Φ 1 αα AAAAAAAAAA UU σσ que denota que Φ Φ a denota a 2função a a de função de distribuição de de distribuição 1 αα αα acumulada acumulada normal-padrão. da da normal-padrão. Assim, Assim, pode-se p Para PP definir todo UU auroc o σσ intervalo Φ 1 + αα pertencente de AAAAAAAAAA confiança ao intervalo para II, a UU + σσ 2 hipótese AUROC: Em que Φ denota a 2 Φ 1 + αα αα função de distribuição (AUROC acumulada = 2auroc) da não normal-padrão. pode ser Assim, pode-se rejeitada definir PP UU sob o o definir nível intervalo σσ Φ 1 + αα de o o significância de intervalo de confiança de αα. de AAAAAAAAAA confiança para para AUROC: UU para para + σσ AUROC: Em que denota a função de distribuição 2 Φ 1 + αα αα acumulada definir o intervalo de confiança para II, II = UU σσ Φ AUROC: 1 + da αα normal-padrão. 2, UU σσ 2 Φ 1 + Assim, αα pode-se Em que Φ denota a função de distribuição acumulada da normal-padrão. Assim, pode-se Em definir que o Φ intervalo denota Em que de a Φ função confiança denota de a para distribuição função AUROC: de 2 II = UU σσ Φ 1 + αα, UU + σσ 2 Φ 1 + αα II = UU σσ Φ 1 + αα, UU + σσ 2 Φ 1 + αα II = UU σσ Φ 1 + αα, UU + σσ 2 Φ 1 + αα II acumulada distribuição = UU σσ da acumulada Φ normal-padrão. 1 + αα da normal-, UU + σσ Assim, 2 2 Φ 1 pode-se + αα definir o intervalo de confiança para AUROC: Para todo auroc pertencente II = UU ao σσ intervalo Φ 1 + αα II II 2,, a, hipótese UU σσ Φ (AUROC 1 + αα definir o -padrão. intervalo Assim, de confiança pode-se para definir AUROC: 2 = auroc) não pode ser Para todo todo Para II auroc todo todo UU pertencente auroc σσ 1 o intervalo αα de confiança pertencente ao ao intervalo, UU ao ao σσ intervalo II rejeitada sob nível de significância 2 αα. II 1 αα para AUROC: II, a, a hipótese II 2II, a, a hipótese (AUROC (AUROC = = auroc) = = não não auroc) pode não não ser pod ser p = UU σσ Φ 1 + αα, UU + σσ Para todo auroc pertencente 2 Φ 1 + αα ao intervalo II rejeitada rejeitada sob sob nível sob sob de de nível significância de de significância αα. αα. αα. αα., a hipótese 2 II (AUROC = auroc) não pode ser = UU σσ Φ 1 + αα, UU + σσ Para todo auroc pertencente ao intervalo 2 Φ 1 + αα II rejeitada sob nível de significância, a hipótese (AUROC 2 = auroc) não pode ser Para todo auroc pertencente ao intervalo II, a αα. hipótese (AUROC = auroc) não pode ser Para rejeitada todo sob auroc nível de significância αα. rejeitada sob Para nível todo pertencente ao intervalo II de auroc significância pertencente αα. ao, intervalo a hipótese I (AUROC = auroc) não pode ser α, a hipótese (AUROC = rejeitada sob nível de significância αα. auroc) não pode ser rejeitada sob nível de significância α. Taxa de erro bayesiana A taxa de erro bayesiana especifica a probabilidade mínima de ocorrência de erro para um sistema interno de classificação de risco de crédito no âmbito de uma decisão binária relativa à ocorrência ou não de default. O erro pode ser estimado de forma paramétrica, assumindo Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia 157
15 [2] Taxa [2] de Taxa erro de bayesiana erro bayesiana A taxa A de taxa erro de bayesiana erro bayesiana especifica a a probabilidade mínima de de ocorrência ocorrência de erro de para erro para um sistema interno de classificação de risco de crédito no âmbito de uma decisão binária um sistema interno de classificação de risco de crédito no âmbito de uma decisão binária relativa à ocorrência ou não de default. O erro pode ser estimado de forma paramétrica, relativa à normalidade ocorrência ou para não a de distribuição default. O dos erro respectivos pode ser estimado eventos, de ou forma de forma paramétrica, assumindo normalidade para a distribuição dos respectivos eventos, ou de forma não assumindo paramétrica, não normalidade paramétrica, por meio para de por estimativas a meio distribuição de de estimativas densidade dos respectivos Kernel. de densidade eventos, Kernel. ou de forma não paramétrica, por meio de estimativas de densidade Kernel. min pp 1 HHHH CC + 1 pp TTTTTT CC, ssss pp > 50% TTTTTTTT dddd eeeeeeee bbbbbbbbbbbbbbbbbb = 1 min pp max HHHH HHHH CC CC+ TTTTTT 1 pp CC TTTTTT, ssss pp CC 50%, ssss pp > 50% TTTTTTTT dddd eeeeeeee bbbbbbbbbbbbbbbbbb = [2] Entropia condicional, distância de Kullback-Leibler e razão de entropia informacional Entropia condicional, (CIER) distância de Kullback-Leibler [2] Entropia A e entropia razão condicional, informacional de entropia H(p) distância de informacional um evento de com Kullback-Leibler probabilidade condicional p é definida e (CIER) razão como: de entropia informacional condicional (CIER) HH pp = pp llllll pp + 1 pp llllll 1 pp A entropia informacional H(p) de um evento com probabilidade p é A entropia A Figura informacional 3 exemplifica H(p) construção de um de evento curva com de entropia probabilidade informacional. p é definida como: definida como: max HHHH CC TTTTTT CC, ssss pp 50% HH pp = pp llllll pp + 1 pp llllll 1 pp Figura 3 Entropia informacional A Figura 3 exemplifica construção de curva de entropia informacional. O Gráfico 2 exemplifica construção de curva de entropia informacional. Autor Comment [3]: Ess pdf Figura 3 Entropia informacional Gráfico 2 Entropia informacional Auto Com pdf Information entropy 0.8 Fonte: BCBS (2005b) Sejam: S = escore; 0.3 Fonte: BCBS 0.2(2005b). 0.1 Sejam: S = escore; Fonte: BCBS (2005b). Probability 158 Revista do BNDES 42, dezembro 2014
16 Sejam: S = escore; D = evento de de descumprimento; e D = evento de D = descumprimento; evento descumprimento; e e DD DD = evento complementar a D isto é, é, não há há descumprimento, DD = evento complementar D = evento complementar a D isto é, não a há D descumprimento, isto é, não há descumprimen- D = evento de descumprimento; e então: to, então: então: D = evento de descumprimento; e DD = evento complementar a D isto é, não há descumprimento, HHHH PPPP DDDD SS SS = PPPP DDDD SSSS llllll PPPP DDDD SS SS + PPPP DDDD SSSS llllll PPPP DDDD SS SS DD = evento complementar a D isto é, não há descumprimento, então: HH PP DD SS = PP DD SS llllll PP DD SS + PP DD SS llllll PP DD SS A entropia condicional A então: entropia é condicional definida como: é definida como: A entropia condicional é definida HH PP DDcomo: SS = PP DD SS llllll PP DD SS + PP DD SS llllll PP DD SS HH HH = EEEE HHHH PPPP DDDD SS SS PP DD SS PP DD SS PP DD SS PP DD SS HH PP = DD EE SS PP = DD SS PP llllll DD SS PP llllll DD SS PP + DD PP SS DD + SS PP llllll DD SS PP llllll DD SS PP DD SS HH A = entropia EE HH PP DD condicional SS = EE é PP definida DD SS llllll como: PP DD SS + PP DD SS llllll PP DD SS A distância de de distância Kullback-Leibler de Kullback-Leibler é definida como: é definida como: A distância de A entropia Kullback-Leibler condicional é definida é definida como: como: HH = EE HH PP DD SS = EE PP DD SS llllll PP DD SS + PP DD SS llllll PP DD SS DDDDDDDDânnnnnnnn dddd dddd KKKKKKKKKKKKKK LLLLLLLLLLLLLL = HHHH pppp HH HH HH Distância de Kullbac Leibler H(p) H s DDDDDDDDânnnnnnnn = EE HH PPdddd DDKKKKKKKKKKKKKK SS = EE LLLLLLLLLLLLLL PP DD SS = llllll HH pppp DD HH SS + PP DD SS llllll PP DD SS A A distância de distância de de Kullback-Leibler Kullback-Leibler é, é, é definida então, como: normalizada pela entropia informacional A distância A de distância incondicional, Kullback-Leibler de Kullback-Leibler gerando a medida é, então, é definida é, conhecida normalizada então, como: normalizada como pela entropia pela entropia informacional DDDDDDDDânnnnnnnn dddd KKKKKKKKKKKKKK CIER: LLLLLLLLLLLLLL = HH pp HH incondicional, informacional gerando a incondicional, medida conhecida gerando a medida conhecida como CIER: DDDDDDDDânnnnnnnn como HH pp HH CCCCCCCC = HH dddd pp KKKKKKKKKKKKKK CIER: HH LLLLLLLLLLLLLL = HH pp HH A distância de Kullback-Leibler é, então, normalizada pela entropia informacional HHHH pp CCCCCCCC = HH pp pp HH incondicional, A distância de gerando Kullback-Leibler a medida conhecida é, então, como normalizada CIER: pela entropia informacional HH pp incondicional, gerando a medida conhecida como CCCCCCCC = HH pp CIER: HH [2] [2] Valor HH pp informacional CCCCCCCC = HH pp HH [2] Valor informacional HH pp Outra medida Valor de de informacional poder discriminatório baseada no no conceito de de entropia é o chamado Outra valor medida de poder informacional, discriminatório que se se trata de de baseada uma no medida da conceito da de diferença entropia entre as as é o chamado [2] Valor informacional distribuições de de valor informacional, Outra medida escore de de que de instituições se poder boas trata e de discriminatório más. uma medida da baseada diferença no entre conceito as distribuições de entropia Outra [2] Valor informacional de Sejam: escore de instituições é o medida chamado de boas e más. valor poder Sejam: informacional, discriminatório baseada que trata no de conceito uma medida de entropia é o chamado ff ff = função da valor Outra de diferença de densidade informacional, medida entre de as probabilidade poder que distribuições se discriminatório trata de de de escore de uma escore baseada das medida de instituições no da conceito diferença más; boas de e entre entropia e as distribuições é o chamado de ff = função de densidade de probabilidade de escore das instituições más; e ff ff = função más. escore valor de de Sejam: informacional, de instituições que densidade de de boas se e trata más. de probabilidade de Sejam: uma medida da diferença entre as distribuições de de escore das instituições boas. ff = função escore de densidade instituições de probabilidade boas e más. de escore Sejam: das instituições boas. Então, o ff valor = função de de densidade informacional (IV) é de de probabilidade definido de escore de escore das das instituições institui-másções ff informacional más; = função e de densidade e como: Então, o valor IIII EE ff (IV) é definido probabilidade SS DD EE ff como: de escore das instituições más; e ff = função SS ff DD ff SS ff SS ff SS IIII = EE llllll ff de densidade de SS ff dddd SS DD + EE llllll ff probabilidade de escore das instituições SS ff SS DD = ff SS ff SS llllll ff boas. SS ff ff SS dddd = função IIII = EE llllll ff SSde de ff SS DD densidade + EE llllll ff de SS probabilidade ff SS DD = ff de escore de escore das instituições das SS ff SS llllll ff SSinsti- tuições boas. Então, o valor informacional (IV) é definido como: ff SS dddd boas. Então, o valor informacional IIII = EE llllll ff (IV) é definido SS [2] [2] Testes de de Kendall e Somers DD + EE llllll ff como: SS (shadow rating) DD = ff SS ff SS llllll ff SS Então, o valor informacional (IV) é definido como: dddd IIII = EE llllll ff SS [2] Testes de Kendall e Somers ff (shadow SS DD + rating) EE llllll ff SS ff SS DD = ff SS ff SS llllll ff SS ff SS dddd Os Os testes de de Kendall e Somers são indicados por BCBS (2005b) para a validação de de Os testes modelos de de Kendall de e shadow Somers rating. são indicados Esse modelo foi por foi BCBS criado (2005b) com o para a validação objetivo de de de [2] Testes de Kendall e Somers (shadow rating) replicar modelos Validação de shadow de de sistemas rating. internos Esse modelo classificação foi de criado risco de com crédito o objetivo de 159replicar classificações [2] Testes de risco de Kendall externas e Somers considerando (shadow aspectos rating) econômico-financeiros das sob Os o arcabouço testes de prudencial Kendall de Basileia Somers são indicados por BCBS (2005b) para a validação de classificações instituições, de risco quando externas informações a considerando respeito de de aspectos suas econômico-financeiros frequências de de das descumprimento modelos Os testes de de Kendall shadow e rating. Somers Esse são indicados modelo foi por criado BCBS com (2005b) o objetivo para a não validação de replicar de instituições, estão quando informações a respeito de suas frequências de descumprimento não disponíveis. classificações modelos de shadow de risco rating. externas Esse considerando modelo foi aspectos criado com econômico-financeiros o objetivo de replicar das estão disponíveis.
17 escore de instituições boas e más. Sejam: ff = função de densidade de probabilidade de escore das instituições más; e ff = função de densidade de probabilidade de escore das instituições boas. Então, o valor informacional (IV) é definido como: IIII = EE llllll ff SS ff SS DD + EE llllll ff SS ff SS DD = ff SS ff SS llllll ff SS ff SS dddd [2] Testes de Kendall e Somers (shadow rating) Testes de Kendall e Somers (shadow rating) Os testes de Kendall e Somers são indicados por BCBS (2005b) para a validação de modelos Os de testes shadow de Kendall rating. e Esse Somers modelo são indicados foi criado por com BCBS o (2005b) objetivo para de replicar classificações a validação de risco de modelos externas de considerando shadow rating. aspectos Esse econômico-financeiros modelo foi criado das instituições, com quando o objetivo informações de replicar a respeito classificações de suas frequências de risco externas de descumprimento considerando aspectos econômico-financeiros das instituições, quando não estão disponíveis. informações a respeito de suas frequências de descumprimento não estão disponíveis. O teste de Kendall é um teste estatístico cujo objetivo é medir o grau de dependência entre duas variáveis aleatórias. A noção de dependência Kendall comonotônica é um teste presente estatístico nele generaliza cujo objetivo o conceito é medir de o grau dependência dependência O teste de entre duas linear, variáveis expresso aleatórias. pelo coeficiente A noção de correlação. dependência Na comonotônica literatura de presente ciências o conceito atuariais, de a dependência linear, comonotônica expresso pelo é considerada coeficiente de a correlação. forma Na nele generaliza literatura mais de ciências forte de atuariais, dependência a dependência entre variáveis comonotônica aleatórias. é considerada a forma mais forte de dependência entre variáveis aleatórias. Seja (X,Y) um par de variáveis aleatórias. A estatística τ de Kendall Seja (X,Y) é definida um par de como: variáveis aleatórias. A estatística τ de Kendall é definida como: tatística τ de Kendall é definida como: ττ " = PP XX < XX, YY < YY + PP XX > XX, YY > YY PP XX < XX, YY > YY 2, YY 1 > YY 2 ) PP(XX 1 < XX 2, YYPP 1 > XX YY> 2 ) XX, YY < YY (X 1,Y 1 ) e (X (X 2,Y 2 ) são realizações independentes (X,Y). A estatística ττ " de Kendall 1,Y 1 ) e (X 2,Y 2 ) são realizações independentes de (X,Y). A es- tes de (X,Y). pode A ser estatística vista como ττ XXXX uma de diferença Kendall entre pode duas ser vista probabilidades: como uma a probabilidade diferença entre de o maior probabilidades: valor de a probabilidade duas X estar probabilidades: associado de o ao maior maior a probabilidade valor de Y, e de a probabilidade o maior valor de de o maior X estar valor de X estar ao menor de de Y. Y, e a probabilidade associado de o maior ao maior valor de valor X de Y, e a probabilidade de o maior valor de A estatística X estar D de associado Somers é definida ao menor em de função valor da de estatística Y. τ de Kendall: A estatística D de Somers é definida DD " = ττ " em função da estatística τ da estatística τ de Kendall: de Kendall: ττ ττ XXXX ττ XXXX Ela também pode ser vista a partir da equação abaixo: DD = PP SS < SS PP SS > SS abaixo: 160 Revista do BNDES 42, dezembro 2014 PP(SS MM > SS BB ) [2] Escore de Brier O escore de Brier (1950) é um método de avaliação da qualidade da previsão de uma
18 (X 1,Y 1 (X 2,Y 2 são realizações independentes de (X,Y). estatística ττ " de Kendall pode (X 1,Y 1 ser ) e vista (X 2,Ycomo 2 ) são uma realizações diferença independentes entre duas probabilidades: de (X,Y). A a estatística probabilidade ττ " de o Kendall maior pode ser vista como uma diferença entre duas probabilidades: probabilidade de maior valor pode de ser X vista estar como associado uma diferença ao maior entre valor duas de Y, probabilidades: e a a probabilidade de o maior de valor o maior de X valor de estar associado ao maior valor de Y, probabilidade de maior valor de estar valor associado de X estar ao associado menor de ao valor maior de valor Y. de Y, e a probabilidade de o maior valor de X estar associado ao menor de valor de Y. A estar estatística associado D de ao Somers menor de é definida valor de em Y. função da estatística τ de Kendall: estatística de Somers definida em função DD " = ττ da estatística de Kendall: A estatística D de Somers é definida em função da estatística τ de Kendall: " DD ττ " ττ " DD " = ττ ττ " Ela também Ela pode também ser vista pode a partir ser da vista equação ττ a partir abaixo: da equação abaixo: Ela também pode ser vista partir da equação abaixo: Ela também pode ser vista a partir DD = PP da SS equação < SS abaixo: PP SS > SS DD PP SS SS PP SS SS DD = PP SS < SS PP SS > SS Escore de Brier [2] Escore de Brier [2] Escore de Brier [2] Escore de Brier O escore O de escore Brier de (1950) Brier é (1950) um método é um de método avaliação de avaliação da qualidade qualidade previsão da de uma escore de Brier (1950) um método de avaliação da qualidade da previsão de uma probabilidade. O escore previsão de Brier Sejam de (1950) uma p 0, p é 1 probabilidade., um..., método p k PDs de estimadas Sejam avaliação p 0 para, da p 1, qualidade..., contrapartes p k PDs da estimadas previsão em K níveis de uma de probabilidade. Sejam classificação para de contrapartes , risco. Então, em o escore K k PDs estimadas para contrapartes em níveis de probabilidade. Sejam p 0, p 1,..., p k níveis PDs de Brier estimadas de é classificação definido para como: contrapartes de risco. Então, em K níveis o de classificação de risco. Então, escore de Brier definido como: classificação escore de de risco. Brier Então, é definido o escore como: de BB = 1 Brier é definido como: pp nn θθ BB pp nn θθ BB = 1 pp nn θθ Onde: Onde: Em que: Onde: 1, ssss cccccccccccccccccccccc jj eeeeeeeeee eeee ddddddddddmmmmmmmmmmmmmmmmmm θθ 1, 1, ssss se cccccccccccccccccccccc contraparte 0, cccccccc jj j eeeeeeeeee entra ccccccccccárrrrrr eeee em ddddddddddmmmmmmmmmmmmmmmmmm descumprimento θθ θ j = 1, ssss cccccccccccccccccccccc 0, 0, cccccccc caso jj eeeeeeeeee ccccccccccárrrrrr contrário eeee ddddddddddmmmmmmmmmmmmmmmmmm θθ = Vale destacar que o escore de Brier apresenta 0, cccccccc ccccccccccárrrrrr fraca performance para baixos valores de Vale destacar Vale que destacar escore que de o Brier escore apresenta de Brier fraca apresenta performance fraca para performance baixos valores de PD. Vale Suponha, destacar por exemplo, que todas as contrapartes de determinada amostra tenham para baixos que o escore valores de de Brier PD. apresenta Suponha, fraca por exemplo, performance que para todas baixos as contrapartes de por p. Então, de exemplo, determinada o Escore que todas de amostra Brier, as nesse contrapartes tenham caso, PD será de no determinada igual valor a: p. amostra Então, tenham valores de PD. Suponha, por exemplo, que todas as contrapartes de determinada amostra tenham PD. no Suponha, valor PD no valor de p. Então, Escore de Brier, nesse caso, será igual a: PD no valor o Escore de p. Então, de Brier, o Escore nesse de caso, Brier, BB = será nesse 1 igual pp pp caso, a: será igual a: BB pp pp BB = 1 pp pp lim BB = 0 [2] Estatística de Kolmogorov-Smirnov Estatística de Kolmogorov-Smirnov A estatística de Kolmogorov-Smirnov (KS) mede a capacidade do rating em distinguir A estatística de Kolmogorov-Smirnov (KS) mede a capacidade do bons e maus clientes. Quanto maior a estatística KS, maior a separação entre bons e rating em distinguir bons e maus clientes. Quanto maior a estatística maus clientes. Essa estatística é definida como o valor máximo da diferença entre as KS, maior a separação entre bons e maus clientes. Essa estatística é distribuições definida acumuladas como o de valor boas máximo e más IFs. da Andrade diferença e Oliveira entre as (2012) distribuições estipulam níveis de discriminação para diferentes valores de KS. Quadro 2 Avaliação da estatística KS Validação de sistemas internos de classificação de risco de crédito Valores de sob KS o arcabouço Nível prudencial discriminação de Basileia Abaixo de 20% Baixa discriminação De 20% a 30% Discriminação aceitável De 30% a 40% Boa discriminação De 40% a 50% Excelente discriminação 161
19 acumuladas de boas e más IFs. Andrade e Oliveira (2012) estipulam níveis de discriminação para diferentes valores de KS. Quadro 2 Avaliação da estatística KS Valores de KS Abaixo de 20% De 20% a 30% De 30% a 40% De 40% a 50% Acima de 50% Fonte: Andrade e Oliveira (2012). Nível de discriminação Baixa discriminação Discriminação aceitável Boa discriminação Excelente discriminação Não são muito comuns ROC não binário Obuchowski (2005) desenvolve metodologia não paramétrica para estimação de AUROC não binário e cria estimadores para AUROC não binário discreto (ordinal) e contínuo (continuous), de acordo com o Quadro 3. Quadro 3 Estimadores de AUROC não binários Fonte: Obuchowski (2005). 162 Revista do BNDES 42, dezembro 2014
20 ROC não binário contínuo O ROC não binário contínuo é interessante para experimentos em que o suporte da função é um intervalo como no caso de PDs, que são números reais presentes no intervalo [0,1]. ROC não binário discreto O ROC não binário discreto é semelhante ao caso binário, com a diferença de que, neste último, pretende-se avaliar determinado grau de acerto de experimento, enquanto o primeiro avalia a adequação a uma variável discreta que possa assumir mais valores além de zero ou um. Estudo de Caso I: Modelo de shadow rating para instituições não financeiras BCBS (2005b) define shadow rating como uma metodologia cujo objetivo é replicar uma classificação de risco externa para contrapartes que não têm tal classificação. Modelos de shadow rating são construídos com base em informações econômico-financeiras e probabilidades de descumprimento de empresas que têm ratings externos. Tais relações são, então, extrapoladas para empresas que não têm esses ratings e, assim, suas classificações de risco são geradas com base nos parâmetros estimados pelo modelo. Cardoso et al. (2013) propõem um modelo de shadow rating para instituições não financeiras que inclua características ligadas a lucro, alavancagem, liquidez, porte, setor e cobertura de dívida. Assim, foram selecionadas as seguintes informações econômico-financeiras: Lucro líquido/ebitda, Cobertura de juros, ROA, Dummy para o Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia 163
21 são, então, extrapoladas para empresas que não têm esses ratings e, assim, suas classificações de risco são geradas com base nos parâmetros estimados pelo modelo. Lima et al. (2013) propõem um modelo de shadow rating para instituições não financeiras que inclua características ligadas a lucro, alavancagem, liquidez, porte, setor e cobertura de dívida. Assim, foram selecionadas as seguintes informações econômico-financeiras: setor Lucro líquido/ebitda, Utilities, Passivo Cobertura total/ativo de juros, ROA, total Dummy e (logaritmo para o setor neperiano Utilities, Passivo de) total/ativo total e (logaritmo neperiano de) Ativo Total. O modelo de regressão resultante Ativo total. O modelo de regressão resultante é: é: LLLLLLLLLL llíqqqqqqqqqq eeeeeeeeeeee = αα + ββ + ββ EEEEEEEEEEEE RRRRRR + ββ CCCCCCCCCCCCCCCCCC dddd jjjjjjjjjj + ββ llll AAAAAAAAoo tttttttttt PPPPPPPPPPPPPP tttttttttt + ββ + ββ AAAAAAAAAA tttttttttt DDDDDDDDDD UUUUUUUUUUUUUUUUUU + εε 1 PPPP = 1 + eeeeee eeeeeeeeeeee Visualiza-se, na Tabela 1, relação entre PDs e classificações de risco utilizada por Cardoso et al. (2013) e no presente artigo. Tabela 1 Ratings corporativos e PDs de cinco anos (em %) Rating Moody s Rating Standard & Poors PD Moody s Aaa AAA 0,086 Aa1 AA+ 0,141 Aa2 AA 0,195 Aa3 AA- 0,324 A1 A+ 0,492* A2 A 0,746 A3 A- 0,830 Baa1 BBB+ 1,180 Baa2 BBB 2,024 Baa3 BBB- 3,081 Ba1 BB+ 7,289 Ba2 BB 8,084 Ba3 BB- 16,948 B1 B+ 20,077 (Continua) 164 Revista do BNDES 42, dezembro 2014
22 (Continuação) Rating Moody s Rating Standard & Poors PD Moody s B2 B 25,211 B3 B- 36,907 Caa1 CCC+ 47,262 Caa2 CCC 49,868 Caa3 CCC- 66,96 Ca-C CC-SD 70,176 Fonte: Cardoso et al. (2013). * Com ajuste de monotonicidade (diferente do original). Com base em informações econômico-financeiras relativas ao exercício de 2013 presentes em uma amostra de 500 empresas, reestimou-se o modelo de Cardoso et al. (2013) e obtiveram-se os resultados expostos na Tabela 2. Tabela 2 Estimação dos parâmetros Parâmetro Valor estimado Estatística t P-Valor Intercepto 10, ,422 0,00% Lucro líquido / Ebitda 0, ,87 0,01% ROA -3, ,177 0,16% Cobertura de juros -0, ,56 11,93% ln(ativo total) -0, ,973 0,00% Passivo total / Ativo total 0, ,675 9,45% Dummy Utilities -2, ,463 0,00% R2 52,93% n.a. n.a. R2 ajustado 52,36% n.a. n.a. Fonte: Elaboração própria, com base em valores estimados em R. Validação de sistemas internos de classificação de risco de crédito sob o arcabouço prudencial de Basileia 165
Gerenciamento do Risco de Crédito
Gerenciamento do Risco de Crédito Documento TESTE INTRODUÇÃO O Conselho Monetário Nacional (CMN), por intermédio da Resolução no. 3.721 do Banco Central do Brasil (BACEN), determinou às instituições financeiras
Leia maisPOLÍTICA DE INVESTIMENTOS
POLÍTICA DE INVESTIMENTOS Segurança nos investimentos Gestão dos recursos financeiros Equilíbrio dos planos a escolha ÍNDICE INTRODUÇÃO...3 A POLÍTICA DE INVESTIMENTOS...4 SEGMENTOS DE APLICAÇÃO...7 CONTROLE
Leia maisPROVISÃO E ALOCAÇÃO DE CAPITAL DOIS CONCEITOS IMPORTANTES Francisco da Silva Coelho, Diretor da ABBC
PROVISÃO E ALOCAÇÃO DE CAPITAL DOIS CONCEITOS IMPORTANTES Francisco da Silva Coelho, Diretor da ABBC 1. A DIFERENÇA ENTRE PROVISÃO E ALOCAÇÃO DE CAPITAL A provisão para perdas com operações que geram exposição
Leia maisDescrição da Estrutura de Gerenciamento 2015. - Risco de Mercado -
Descrição da Estrutura de Gerenciamento 2015 - Risco de Mercado - Sumário: 1. Introdução:... 3 2. Objetivo:... 3 3. Diretrizes de Gestão:... 3 4. Atribuições e Responsabilidades:... 4 Conselho de Administração:...
Leia maisEstrutura de gestão do Risco de Mercado no BNDES. 1. Introdução
1 Estrutura de gestão do Risco de Mercado no BNDES 1. Introdução A Gestão de Riscos de Mercado é a atividade por meio da qual uma instituição financeira administra os riscos resultantes de variações nas
Leia maisESTRUTURA DE GERENCIAMENTO DE RISCO DE CRÉDITO
ESTRUTURA DE GERENCIAMENTO DE RISCO DE CRÉDITO A Um Investimentos S/A CTVM, conforme definição da Resolução nº 3.721/09, demonstra através deste relatório a sua estrutura do gerenciamento de risco de crédito.
Leia maisÍNDICE GERAL. Política de Gerenciamento do Risco de Mercado. 1 Introdução. 2 Definição de Risco de Mercado. 3 Metodologia.
Política de Gerenciamento do Risco de Mercado ÍNDICE GERAL 1 Introdução 2 Definição de Risco de Mercado 3 Metodologia 4 Gestão de Risco 5 Qualificação de novas operações 1. Introdução A Política de Gerenciamento
Leia maisModelos de Risco de Crédito em Carteiras Uma Comparação Aplicada ao Caso Brasileiro
Modelos de Risco de Crédito em Carteiras Uma Comparação Aplicada ao Caso Brasileiro Alexandre de Oliveira - out/2013 No atual estágio de desenvolvimento das metodologias para mensuração do risco de crédito
Leia maisDisponibilização de relatórios de acesso público. RB Capital DTVM
Disponibilização de relatórios de acesso público RB Capital DTVM Maio 2011 Objetivo Este documento tem como objetivo estabelecer um guia para a elaboração da descrição da estrutura de gestão de risco de
Leia maisAviso n. o 006/2014-AMCM
Aviso n. o 006/2014-AMCM ASSUNTO: UTILIZAÇÃO DE PRODUTOS DERIVADOS NOS FUNDOS DE PENSÕES De acordo com o disposto no n. o 6 do aviso n. o 006/2013-AMCM, de 10 de Janeiro, os instrumentos derivados, tais
Leia maisGerenciamento de Riscos Risco de Liquidez
Gerenciamento de Riscos Risco de Liquidez 5. Risco de Liquidez O Risco de Liquidez assume duas formas distintas, porém intimamente relacionadas: risco de liquidez de ativos ou de mercado e risco de liquidez
Leia maisESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO
ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO 1. INTRODUÇÃO O Scotiabank Brasil (SBB), em atendimento à Resolução CMN 3.464 e alinhado a política global do grupo, implementou estrutura de Gerenciamento
Leia maiswww.pwc.com.br Gerenciamento de capital e ICAAP
www.pwc.com.br Gerenciamento de capital e ICAAP Como desenvolver uma abordagem eficaz de gerenciamento de capital e um processo interno de avaliação da adequação de capital (ICAAP) A crise financeira de
Leia maisBasileia III e Gestão de Capital
39º ENACON Encontro Nacional de Contadores Basileia III e Gestão de Capital Novembro/2013 Agenda 1. Resolução 3.988, de 30/6/2011 2. Circular 3.547, de 7/7/2011: Icaap 3. Carta-Circular 3.565, modelo Icaap
Leia maisRESOLUÇÃO Nº 3.721. Dispõe sobre a implementação de estrutura de gerenciamento do risco de crédito.
RESOLUÇÃO Nº 3.721 Dispõe sobre a implementação de estrutura de gerenciamento do risco de crédito. O Banco Central do Brasil, na forma do art. 9º da Lei nº 4.595, de 31 de dezembro de 1964, torna público
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisESTRUTURA DE GERENCIAMENTO DO RISCO DE CRÉDITO
ESTRUTURA DE GERENCIAMENTO DO RISCO DE CRÉDITO Setembro 2013 2 1 INTRODUÇÃO Este documento resume as informações relativas à estrutura de gerenciamento do risco de crédito do BR Partners Banco de Investimentos
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DISCIPLINA: ECONOMIA DA ENGENHARIA
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DISCIPLINA: ECONOMIA DA ENGENHARIA Métodos para Análise de Fluxos de Caixa A análise econômico-financeira e a decisão
Leia maisRelatório da Estrutura de Gerenciamento Centralizado de Riscos e de Capital do Sistema de Cooperativas de Crédito do Brasil (Sicoob) Ano 2015
1/9 Relatório da Estrutura de Gerenciamento Centralizado de Riscos e de Capital do Sistema de Cooperativas de Crédito do Brasil (Sicoob) Ano 2015 I Apresentação 1. Aprimorando a harmonização, a integração
Leia maisEste capítulo é divido em duas seções, a primeira seção descreve a base de
30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações
Leia mais1. Introdução. 1.1 Introdução
1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de
Leia maisGerenciamento de risco de crédito informações de Acesso Público. RB Capital DTVM
Gerenciamento de risco de crédito informações de Acesso Público RB Capital DTVM Maio de 2011 Introdução Este documento tem como objetivo estabelecer um guia para a elaboração das informações de acesso
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisRESOLUÇÃO Nº 4.263, DE 05 DE SETEMBRO DE 2013 Dispõe sobre as condições de emissão de Certificado de Operações Estruturadas (COE) pelas instituições
RESOLUÇÃO Nº 4.263, DE 05 DE SETEMBRO DE 2013 Dispõe sobre as condições de emissão de Certificado de Operações Estruturadas (COE) pelas instituições financeiras que especifica. O Banco Central do Brasil,
Leia maisRisco de Mercado ESTRUTURA
Risco de Mercado Em atendimento a Resolução 3.464/2007 do Conselho Monetário Nacional, o Banco Fidis ponderou a natureza das operações e a complexidade dos produtos associados aos seus negócios e implementou
Leia maisProjeto Supervisionado
Projeto Supervisionado Caio Almasan de Moura ra: 095620 Indice 1. Introdução 2. Principal Projeto: Modelo de Score 2.1. Objetivo... pg 3 2.2. Agentes Envolvidos... pg 3 2.3. Contextualização... pg 3 2.4.
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisFilosofia e Conceitos
Filosofia e Conceitos Objetivo confiabilidade para o usuário das avaliações. 1. Princípios e definições de aceitação genérica. 2. Comentários explicativos sem incluir orientações em técnicas de avaliação.
Leia maisServiços de auditoria interna Uma abordagem moderna baseada em modelagem de risco para instituições financeiras
Serviços de auditoria interna Uma abordagem moderna baseada em modelagem de risco para instituições financeiras Nilson de Lima Barboza, MBA Valdir Jorge Mompean, MS, MBA Malcolm McLelland, Ph.D. 23 June
Leia mais2.1. Risco de Crédito De acordo com resolução 3721 - CMN-, define-se o risco de crédito como:
ESTRUTURA DE GERENCIAMENTO DE RISCO DE CRÉDITO 1. Introdução A Diretoria da Grazziotin em atendimento ã Resolução 3721 de abril/2009, divulga sua Estrutura de Gerenciamento de Risco de Crédito alinhada
Leia maisServiços de auditoria interna Uma abordagem moderna baseada em modelagem de risco para instituições financeiras
Serviços de auditoria interna Uma abordagem moderna baseada em modelagem de risco para instituições financeiras Malcolm McLelland, Ph.D. Nilson de Lima Barboza, MBA Valdir Jorge Mompean, MS, MBA 16 October
Leia maisRisco de Crédito. Estrutura Organizacional
Risco de Crédito Estrutura Organizacional A estrutura para gestão de riscos do Banco Fidis deverá ser composta de Comitê de Cobrança e Risco, que é o órgão com responsabilidade de gerir o Risco de Crédito,
Leia maisQual é o risco real do Private Equity?
Opinião Qual é o risco real do Private Equity? POR IVAN HERGER, PH.D.* O debate nos mercados financeiros vem sendo dominado pela crise de crédito e alta volatilidade nos mercados acionários. Embora as
Leia maisBanco Mercedes-Benz RISCO DE MERCADO E LIQUIDEZ Base: Janeiro 2014
Banco Mercedes-Benz RISCO DE MERCADO E LIQUIDEZ Base: Janeiro 2014 INTRODUÇÃO O Banco Mercedes-Benz do Brasil considera a gestão de riscos como um dos pilares de sustentação de seus objetivos estratégicos.
Leia maisGerenciamento de Riscos Risco de Mercado
Gerenciamento de Riscos Risco de Mercado 2. Risco de Mercado A divulgação da Resolução 3.464 do CMN pelo BACEN em 26 de junho de 2007 foi o primeiro passo no processo de implementação de uma estrutura
Leia maisPOLÍTICA DE GOVERNANÇA CORPORATIVA
Sumário: 01. OBJETIVO:... 2 02. CONCEITUAÇÃO / DEFINIÇÃO:... 2 03. ABRANGÊNCIA / ÁREAS ENVOLVIDAS:... 2 04. RESPONSABILIDADES:... 2 04.01. Responsáveis pela execução das atribuições desta política... 2
Leia maisCOMISSÃO DE VALORES MOBILIÁRIOS - SECRETARIA EXECUTIVA
COMISSÃO DE VALORES MOBILIÁRIOS - SECRETARIA EXECUTIVA DELIBERAÇÃO Nº 550, DE 17 DE OUTUBRO DE 2008: Dispõe sobre a apresentação de informações sobre instrumentos financeiros derivativos em nota explicativa
Leia maisAnálise do Ambiente estudo aprofundado
Etapa 1 Etapa 2 Etapa 3 Etapa 4 Etapa 5 Disciplina Gestão Estratégica e Serviços 7º Período Administração 2013/2 Análise do Ambiente estudo aprofundado Agenda: ANÁLISE DO AMBIENTE Fundamentos Ambientes
Leia maisSeleção e Monitoramento de Fundos de Investimentos
2010 Seleção e Monitoramento de Fundos de Investimentos Nota Técnica 02 Diretoria de Investimentos Previ-Rio 09/2010 NOTA TÉCNICA 02 1 - Introdução Esta nota técnica, desenvolvida pela Equipe da, tem por
Leia maisCrédito. Adm. Geral. Para que Estudar Análise de Investimento e Financiamento? Título da aula: Decisões de Investimento e Financiamento I
Adm. Geral Prof. Marcelo dos Santos Título da aula: Decisões de Investimento e Financiamento I Para que Estudar Análise de Investimento e Financiamento? Garantir melhores decisões financeiras na empresa;
Leia maisCurso CPA-10 Certificação ANBID Módulo 4 - Princípios de Investimento
Pág: 1/18 Curso CPA-10 Certificação ANBID Módulo 4 - Princípios de Investimento Pág: 2/18 Módulo 4 - Princípios de Investimento Neste módulo são apresentados os principais fatores para a análise de investimentos,
Leia maisSeção 2/E Monitoramento, Avaliação e Aprendizagem
Seção 2/E Monitoramento, Avaliação e Aprendizagem www.bettercotton.org Orientação Text to go here O documento Monitoramento, Avaliação e Aprendizagem da BCI proporciona uma estrutura para medir as mudanças
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisISO 9000:2000 Sistemas de Gestão da Qualidade Fundamentos e Vocabulário. As Normas da família ISO 9000. As Normas da família ISO 9000
ISO 9000:2000 Sistemas de Gestão da Qualidade Fundamentos e Vocabulário Gestão da Qualidade 2005 1 As Normas da família ISO 9000 ISO 9000 descreve os fundamentos de sistemas de gestão da qualidade e especifica
Leia maisPolítica de Suitability
Política de Suitability Outubro 2015 1. OBJETIVO O objetivo da Política de Suitability ( Política ) é estabelecer procedimentos formais que possibilitem verificar a adequação do investimento realizado
Leia maisPLANEJAMENTO OPERACIONAL: RECURSOS HUMANOS E FINANÇAS MÓDULO 16
PLANEJAMENTO OPERACIONAL: RECURSOS HUMANOS E FINANÇAS MÓDULO 16 Índice 1. Orçamento Empresarial...3 2. Conceitos gerais e elementos...3 3. Sistema de orçamentos...4 4. Horizonte de planejamento e frequência
Leia maisRelatório da estrutura de gerenciamento de riscos do Sistema de Cooperativas de Crédito do Brasil (Sicoob)
1/7 Relatório da estrutura de gerenciamento de riscos do Sistema de Cooperativas de Crédito do Brasil (Sicoob) Módulo I Apresentação 1. Com a finalidade de promover a harmonização, a integração e a racionalização
Leia maisOFÍCIO-CIRCULAR/CVM/SIN/SNC/ Nº 01/2012. Rio de Janeiro, 04 de dezembro de 2012
OFÍCIO-CIRCULAR/CVM/SIN/SNC/ Nº 01/2012 Rio de Janeiro, 04 de dezembro de 2012 Assunto: Orientação sobre os deveres e responsabilidades dos administradores e dos auditores independentes, na elaboração
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia maisResolução IBA xxx Dispõe sobre a criação do Pronunciamento Atuarial CPA 001 - Princípios Atuariais.
Resolução IBA xxx Dispõe sobre a criação do Pronunciamento Atuarial CPA 001 - Princípios Atuariais. O INSTITUTO BRASILEIRO DE ATUÁRIA - IBA, no exercício de suas atribuições legais e regimentais, CONSIDERANDO
Leia maisRELATÓRIO SOBRE A GESTÃO DE RISCO OPERACIONAL NO BANCO BMG
SUPERINTENDÊNCIA DE CONTROLE GERÊNCIA DE CONTROLE DE TESOURARIA ANÁLISE DE RISCO OPERACIONAL RELATÓRIO SOBRE A GESTÃO DE RISCO OPERACIONAL NO BANCO BMG Belo Horizonte 01 de Julho de 2008 1 SUMÁRIO 1. Introdução...02
Leia maisRelatório da Estrutura de Gerenciamento Centralizado de Riscos e de Capital do Sistema de Cooperativas de Crédito do Brasil (Sicoob) Ano 2013
1/9 Relatório da Estrutura de Gerenciamento Centralizado de Riscos e de Capital do Sistema de Cooperativas de Crédito do Brasil (Sicoob) Ano 2013 I Apresentação 1. Aprimorando a harmonização, a integração
Leia maisPós-Graduação em Gerenciamento de Projetos práticas do PMI
Pós-Graduação em Gerenciamento de Projetos práticas do PMI Planejamento do Gerenciamento das Comunicações (10) e das Partes Interessadas (13) PLANEJAMENTO 2 PLANEJAMENTO Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 ABRIL
Leia maisdissertação. 2 Credibilidade total, em linhas gerais, seria a capacidade de representar o comportamento
13 1 Introdução Esta dissertação é o estudo de um problema estatístico de classificação que diz respeito à precificação de seguros de automóveis. Devido às particularidades deste ramo, a formação dos contratos,
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisModelo de Marcação a Mercado para Títulos Privados
Encontro Técnico sobre Risco e Precificação- ANDIMA Modelo de Marcação a Mercado para Títulos Privados Cesar Dammous Market Risk Manager São Paulo, 17/11/2004 1 Programa Critérios de MtM ( Hierarquia )
Leia maisGerenciamento de Projeto: Criando o Termo de Abertura II. Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
Gerenciamento de Projeto: Criando o Termo de Abertura II Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Priorizando Projetos. Métodos Matemáticos. Métodos de análise de benefícios. Selecionando
Leia mais3 Métricas para Gerenciamento de Riscos em Empresas Não Financeiras
24 3 Métricas para Gerenciamento de Riscos em Empresas Não Financeiras Neste capítulo são apresentadas algumas métricas utilizadas em gerenciamento de riscos em companhias não financeiras, fazendo um resumo
Leia maisPolítica de Investimentos 2015 a 2019 Plano DE GESTÃO AdministrativA
Sociedade Previdenciária DuPont do Brasil Política de Investimentos 2015 a 2019 Plano DE GESTÃO AdministrativA 1 Sociedade Previdenciária DuPont do Brasil 2 Regulamento do Plano Administrativo Duprev ÍNDICE
Leia maisESTRUTURA DE GERENCIAMENTO DE RISCOS E DE CAPITAL
ESTRUTURA DE GERENCIAMENTO DE RISCOS E DE CAPITAL 2015 GERENCIAMENTO DE RISCOS Objetivo Este documento tem como objetivo definir políticas para o gerenciamento de riscos da Agoracred SA SCFI conforme Resoluções
Leia maisGestão de Riscos, Patrimônio de Referência Exigido (PRE) e Adequação do Patrimônio de Referência (PR) Circular Bacen 3.477/09
2013 Gestão de Riscos, Patrimônio de Referência Exigido (PRE) e Adequação do Patrimônio de Referência (PR) Circular Bacen 3.477/09 2 ÍNDICE: 1. INTRODUÇÃO... 3 2. ESTRUTURA DE GERENCIAMENTO DE RISCOS...
Leia maisRELATÓRIO DE GERENCIAMENTO
RELATÓRIO DE GERENCIAMENTO DE RISCOS E DE CAPITAL Pilar 3 Basileia DATA-BASE: 31/03/2015 (1T2015) Sumário Introdução... 3 Principais Categorias de Risco... 3 Estrutura de Gerenciamento de Riscos e de Capital...
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE FÁBIO YASUHIRO TSUKAHARA
UNIVERSIDADE PRESBITERIANA MACKENZIE FÁBIO YASUHIRO TSUKAHARA ADEQUAÇÃO DAS TÉCNICAS DE VALIDAÇÃO DOS MODELOS DE PROBABILIDADE DE DEFAULT EM CARTEIRAS SIMULADAS. São Paulo 2013 FÁBIO YASUHIRO TSUKAHARA
Leia maisPOLÍTICA: ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO
POLÍTICA: ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO 1. INTRODUÇÃO A política de Risco de Mercado do Scotiabank Brasil ( Scotiabank ) é baseada na política do grupo de Risk Management Global do Scotiabank
Leia maisGerenciamento de Riscos do Projeto Eventos Adversos
Gerenciamento de Riscos do Projeto Eventos Adversos 11. Gerenciamento de riscos do projeto PMBOK 2000 PMBOK 2004 11.1 Planejamento de gerenciamento de riscos 11.1 Planejamento de gerenciamento de riscos
Leia maisCARTILHA PERFIS DE INVESTIMENTOS
CARTILHA PERFIS DE INVESTIMENTOS OBJETIVO GERAL O PrevMais prevê para o Benefício de Renda Programada a possibilidade de que os participantes optem por perfis de investimento, em épocas préestabelecidas,
Leia maisMELHORES PRÁTICAS DA OCDE
MELHORES PRÁTICAS DA OCDE PARA A TRANSPARÊNCIA ORÇAMENTÁRIA INTRODUÇÃO A relação entre a boa governança e melhores resultados econômicos e sociais é cada vez mais reconhecida. A transparência abertura
Leia maisGerenciamento de Capital. Maio/2013
Gerenciamento de Capital Maio/2013 Perfil do BANDES FOCO DE ATUAÇÃO: Interiorização do crédito Crédito para empreendedores de micro e pequenos negócios Fortalecer o crédito ao setor urbano Fortalecer a
Leia maisPOLÍTICA DE INVESTIMENTOS DA OABPREV-PR PARA O EXERCÍCIO DE 2007/2009
POLÍTICA DE INVESTIMENTOS DA OABPREV-PR PARA O EXERCÍCIO DE 2007/2009 1- OBJETIVOS A Política de Investimentos dos Recursos Garantidores das Reservas Técnicas da OABPrev-PR, tem por objetivo a maximização
Leia maisRisco de Crédito Estrutura de gerenciamento do risco de crédito
Risco de Crédito Estrutura de gerenciamento do risco de crédito Dezembro/2008 Agenda 1. Histórico 2. Escopo de Aplicação 3. Estrutura da Norma 4. Detalhamento da Norma Normativos similares Histórico Resolução
Leia maisRoteiro SENAC. Análise de Riscos. Planejamento do Gerenciamento de Riscos. Planejamento do Gerenciamento de Riscos
SENAC Pós-Graduação em Segurança da Informação: Análise de Riscos Parte 2 Leandro Loss, Dr. Eng. loss@gsigma.ufsc.br http://www.gsigma.ufsc.br/~loss Roteiro Introdução Conceitos básicos Riscos Tipos de
Leia maisGERENCIAMENTO DE RISCOS. Pilar III Basiléia
GERENCIAMENTO DE RISCOS Pilar III Basiléia 3º Trimestre 2015 ÍNDICE I - INTRODUÇÃO 3 II OBJETIVO 3 III PERFIL CORPORATIVO 3 IV GOVERNANÇA CORPORATIVA 4 V RISCO DE CRÉDITO 4 VI RISCO DE MERCADO 5 VII RISCO
Leia maisMétodo dos mínimos quadrados - ajuste linear
Apêndice A Método dos mínimos quadrados - ajuste linear Ao final de uma experiência muitas vezes temos um conjunto de N medidas na forma de pares (x i, y i ). Por exemplo, imagine uma experiência em que
Leia maisO QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I
O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I! A utilização de escores na avaliação de crédito! Como montar um plano de amostragem para o credit scoring?! Como escolher as variáveis no modelo de credit
Leia maisEstrutura da Gestão do Risco de Crédito
Estrutura da Gestão do Risco de Crédito Última atualização: 29/12/2011 A reprodução e a distribuição deste manual fora do Modal sem a devida autorização é terminantemente proibida e constitui uma violação
Leia maisInstrumentos Financeiros
Contabilidade Avançada Instrumentos Financeiros Prof. Dr. Adriano Rodrigues Normas Contábeis: No IASB: IAS 32/39 e IFRS7 (IFRS 9 em desenvolvimento) No CPC: CPC 38/39/40 e OCPC 03 Essência dos Instrumentos
Leia maisDEMONSTRAÇÕES FINANCEIRAS COMBINADAS
24 DEMONSTRAÇÕES FINANCEIRAS COMBINADAS Os mercados de capitais na Europa e no mundo exigem informações financeiras significativas, confiáveis, relevantes e comparáveis sobre os emitentes de valores mobiliários.
Leia maisCAP. 2 CONSIDERAÇÕES SOBRE OS CRITÉRIOS DE DECISÃO
CAP. 2 CONSIDERAÇÕES SOBRE OS CRITÉRIOS DE DECISÃO 1. OS CRITÉRIOS DE DECISÃO Dentre os métodos para avaliar investimentos, que variam desde o bom senso até os mais sofisticados modelos matemáticos, três
Leia maisBM&FBOVESPA IGC. Página 1 de 8
Página 1 de 8 Índice Aspectos Metodológicos...3 Apresentação...3 Ações Elegíveis para o Índice...3 Critérios para Inclusão na Carteira...3 Critério de Exclusão da Carteira...3 Reavaliações Periódicas...3
Leia maisPágina 1 de 9 COMUNICADO Nº 18.365
Página 1 de 9 COMUNICADO Nº 18.365 Comunica orientações preliminares relativas à utilização das abordagens baseadas em classificação interna de exposições segundo o risco de crédito, para fins da apuração
Leia maisGESTÃO DE SUPRIMENTO TECNÓLOGO EM LOGÍSTICA
GESTÃO DE SUPRIMENTO TECNÓLOGO EM LOGÍSTICA Gestão da Cadeia de Suprimento Compras Integração Transporte Distribuição Estoque Tirlê C. Silva 2 Gestão de Suprimento Dentro das organizações, industriais,
Leia maisNBC TSP 10 - Contabilidade e Evidenciação em Economia Altamente Inflacionária
NBC TSP 10 - Contabilidade e Evidenciação em Economia Altamente Inflacionária Alcance 1. Uma entidade que prepara e apresenta Demonstrações Contábeis sob o regime de competência deve aplicar esta Norma
Leia maisRelatório de Acesso Público Gerenciamento de Capital 10/ 06 / 2015. Relatório de Acesso Público Gerenciamento de Capital
Relatório de Acesso Público Gerenciamento de Capital 1 Relatório de Acesso Público Gerenciamento de Capital 10/ 06 / 2015 Índice: 1. Objetivo... 3 2. Conceito/Definição... 3 3. Estrutura de Gerenciamento
Leia maisPolítica de Gerenciamento do Risco Operacional Banco Opportunity e Opportunity DTVM Março/2015
Política de Gerenciamento do Risco Operacional Banco Opportunity e Opportunity DTVM Março/2015 1. OBJETIVO Esta política tem como objetivo estabelecer as diretrizes necessárias para o adequado gerenciamento
Leia maisIFRS TESTE DE RECUPERABILIDADE CPC 01 / IAS 36
IFRS TESTE DE RECUPERABILIDADE CPC 01 / IAS 36 1 Visão geral O CPC 01 é a norma que trata do impairment de ativos ou, em outras palavras, da redução ao valor recuperável de ativos. Impairment ocorre quando
Leia maisO CONSELHO FEDERAL DE CONTABILIDADE, no exercício de suas atribuições legais e regimentais,
A Resolução CFC n.º 1.329/11 alterou a sigla e a numeração da NBC T 1 citada nesta Norma para NBC TG ESTRUTURA CONCEITUAL. RESOLUÇÃO CFC Nº. 1.213/09 Aprova a NBC TA 320 Materialidade no Planejamento e
Leia maisResumo das Interpretações Oficiais do TC 176 / ISO
Resumo das Interpretações Oficiais do TC 176 / ISO Referência RFI 011 Pergunta NBR ISO 9001:2000 cláusula: 2 Apenas os termos e definições da NBR ISO 9000:2000 constituem prescrições da NBR ISO 9001:2000,
Leia maisCONSULTA PÚBLICA Nº 008/2010. Revisão da Metodologia de Estabelecimento dos Limites dos Indicadores Coletivos de Continuidade
CONSULTA PÚBLICA Nº 008/2010 Revisão da Metodologia de Estabelecimento dos Limites dos Indicadores Coletivos de Continuidade Rio de Janeiro, 23 de Agosto de 2010 Apresentamos a seguir as nossas respostas
Leia maisPERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL)
PERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL) Melhor método para avaliar investimentos 16 perguntas importantes 16 respostas que todos os executivos devem saber Francisco Cavalcante(f_c_a@uol.com.br)
Leia maisESTRUTURA DE GERENCIAMENTO DE RISCO DE LIQUIDEZ. 1 Objetivo. 2 Diretrizes. 2.1 Princípios para Gerenciamento do Risco de Liquidez
ESTRUTURA DE GERENCIAMENTO DE RISCO DE LIQUIDEZ 1 Objetivo Apresentar o modelo de gerenciamento de Risco de Liquidez no Banco Safra e os princípios, as diretrizes e instrumentos de gestão em que este modelo
Leia maisGerenciamento de Riscos Pilar 3
Gerenciamento de Riscos Pilar 3 2º Trimestre de 2014 ÍNDICE I - INTRODUÇÃO 3 II OBJETIVO 3 III PERFIL CORPORATIVO 3 IV GOVERNANÇA CORPORATIVA 4 V RISCO DE CRÉDITO 4 VI RISCO DE MERCADO 5 VII RISCO DE LIQUIDEZ
Leia maisAula 8 Planejamento e Análise de Experimentos
Aula 8 Planejamento e Análise de Experimentos Professores Miguel Antonio Sovierzoski, Dr. miguelaso@utfpr.edu.br; Vicente Machado Neto, Dr. vmachado@utfpr.edu.br; A maioria das medições industriais usam
Leia maisEngenharia de Software II: Desenvolvendo o Orçamento do Projeto. Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
Engenharia de Software II: Desenvolvendo o Orçamento do Projeto Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Criação do Plano de Gerenciamento de Custos do Projeto Estimar os Custos Determinar
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisPOLÍTICA: ESTRUTURA DE GERENCIAMENTO DE RISCO DE CRÉDITO
POLÍTICA: ESTRUTURA DE GERENCIAMENTO DE RISCO DE CRÉDITO OBJETIVO Atender as disposições trazidas pela Resolução CMN 3.721, de 30 de abril de 2009 ( Resolução 3.721/09 ), a qual determinou a implementação
Leia maisCONCURSO PÚBLICO ANALISTA DE SISTEMA ÊNFASE GOVERNANÇA DE TI ANALISTA DE GESTÃO RESPOSTAS ESPERADAS PRELIMINARES
CELG DISTRIBUIÇÃO S.A EDITAL N. 1/2014 CONCURSO PÚBLICO ANALISTA DE GESTÃO ANALISTA DE SISTEMA ÊNFASE GOVERNANÇA DE TI RESPOSTAS ESPERADAS PRELIMINARES O Centro de Seleção da Universidade Federal de Goiás
Leia maisPOLITICA DE GERENCIAMENTO DE RISCO DE CRÉDITO
POLITICA DE GERENCIAMENTO DE RISCO DE CRÉDITO 1 Conceito O Conglomerado Cruzeiro do Sul, em acordo com a norma vigente, entende como Risco de Crédito a possibilidade de ocorrência de perdas associadas
Leia mais