Scorings de Crédito. Uso de ferramentas estatísticas para concessão de crédito

Transcrição

1 Scorings de Crédito Uso de ferramentas estatísticas para concessão de crédito Dezembro/2010

2 Agenda FUNDAMENTOS DE RISCO O QUE É UM SCORING DE CRÉDITO? TÉCNICAS ESTATÍSTICAS VERIFICANDO A ADERÊNCIA PERSPECTIVAS E MERCADO 2

3 FUNDAMENTOS DE RISCO 3

4 O que é risco? Alto Médio Baixo Probabilidade de insucesso [...] cuja ocorrência não depende exclusivamente da vontade dos interessados Houaiss, dicionário da língua portuguesa RISCO DE CRÉDITO É a possibilidade de perda associada a uma concessão de crédito. 4

5 Como medir o Risco de Crédito? Definição dos eventos que caracterizam a inadimplência Metodologia para calcular a probabilidade dessa inadimplência (risco) 5

6 O QUE VOCÊ ESPERA DE SEUS CLIENTES? 6

7 - Satisfação no relacionamento e apoio da cooperativa - Conforto quanto à negociação - Desejo de financiar novos projetos - Pagamento no prazo acordado e quando seu cliente não paga? - Desgaste no relacionamento - Descasamento do ciclo de crédito - Custos de Cobrança e Recuperação 7

8 Vamos analisar o crédito da Sra. Maria João da Silva IDENTIFICAÇÃO / LOCALIZAÇÃO (ATUALIZADO EM 02/10/2010) CPF: SITUAÇÃO DO CPF EM 01/08/2016: ATIVA Nome Completo: Maria Joao da Silva Profissão: Analista Júnior Data admissão: 02/10/2015 RG Endereço: Av. Vinte e Cinco BL 2 APTO Cidade: São Paulo - SP CEP: RELACIONAMENTO COM BANCOS E FINANCEIRAS 0-6 MESES 0 6 MÊS - 1 ANO ANOS AANOS ANOS ANOS 0 INAT.: FONTES CONSULTADAS 1 1 REGISTRO DE CONSULTAS ATUAL JAN DEZ NOV OUT SET AGO JUL JUN MAI ABR MAR FEV JAN DATA DA CONSULTA CNPJ CONSULTANTE CLIENTE CONSULTANTE 00/00/ /00/ /00/ /00/ /00/0000 CINCO ÚLTIMAS PENDÊNCIAS FINANCEIRAS === NADA CONSTA PARA O CPF CONSULTADO === INFORMAÇÕES DO CONCENTRE === NADA CONSTA PARA O CPF CONSULTADO E PARTICIPANTES === INFORMAÇÕES DO RECHEQUE (CHEQUES EXTRAVIADOS/SUSTADOS) === NADA CONSTA PARA O CPF CONSULTADO === QTDE DE CONSULTAS NO DIA

9 Você daria crédito à Sra. Maria João? Suponha que não possui um histórico de crédito com essa cliente Suponha também que você não conheça quais pessoas auxiliam na renda e seu comportamento Você conhece todos os clientes com os quais faz negócios? 9

10 O QUE É UM SCORING DE CRÉDITO? 10

11 CREDIT = CRÉDITO SCORE = PONTUAÇÃO Modelo estatístico de previsão de risco de crédito Baseado avançadas técnicas de modelagem de dados Sumariza as informações de crédito de uma pessoa ou empresa (inclusive participantes) Atribui uma pontuação que reflete a qualidade do crédito e a probabilidade de inadimplência Horizonte de previsão definido 11

12 COMO FUNCIONA? Bases de Dados Modelo Estatístico (fórmula) Cálculo - busca as informações nas bases - interpreta as variáveis - aplica a fórmula do modelo Pontuação A pontuação apresentada: Está geralmente associada a uma probabilidade de inadimplência. Pode variar de acordo com o modelo. Em geral vai de 0 a QUANTO MAIOR O SCORE, MELHOR A QUALIDADE DO CRÉDITO 12

13 SCORING DE CRÉDITO COMPLEMENTA RELATÓRIO DE CRÉDITO Previsão de Inadimplência ESCOPO Fotografia do cliente Pontuação APRESENTAÇÃO Dados e Informações de Crédito Variáveis INSUMOS Dados Brutos O QUE SÃO VARIÁVEIS? 13

14 QUAIS SÃO AS VARIÁVEIS DE UM MÉDICO? 14

15 As variáveis que os médicos usam PESO? PRESSÃO? ALTURA? PULSAÇÃO? IDADE? RESPIRAÇÃO? BEBE? FUMA? HISTÓRICO DE DOENÇA NA FAMÍLIA? TOMA ALGUM REMÉDIO? PRATICA ATIVIDADE FÍSICA? 15

16 Combinação das variáveis + Evolução Científica + Experiência do Profissional = DIAGNÓSTICO PRECISO 16

17 Em um modelo de Credit Scoring: Variáveis de Crédito Avançadas Técnicas Estatísticas Diagnóstico da saúde do cliente analisado 17

18 São exemplos de variáveis de crédito Várias podem ser as fontes das informações (birôs, mercado, empresas, associações, etc) Pessoa Jurídica Cadastrais Identificação Fundação Localização Setor de Atividade Ramo de Atividade Negativas Tipo de Restrição Tempo de Ocorrência Valor Comportamentais Demandas por crédito Hábitos pagamentos (Cadastro Positivo) Pessoa Física Cadastrais Tipo Societário Quantidade Tempo de atuação Percentual de Participação Negativas Tipo de Restrição Tempo de Ocorrência Valor Comportamentais Demandas por crédito Hábitos pagamentos (Cadastro Positivo) 18

19 Aplicações de um Scoring de Crédito Definição de Políticas de Crédito - pontos de corte - automação da política - reduz metodologia subjetiva - padronização - reduz os custos de análise Apoio à Decisões de Negócio - gestão do risco da carteira - variáveis dos sócios - Monitora risco x retorno Análise da Carteira de Inativos - reativação de clientes - novas ofertas x risco 19

20 Risco dos clientes de cooperativas Empresas consultadas por cooperativas x demais empresas Clientes Alto Risco Clientes Médio Risco Clientes Baixo Risco Clientes Baixíssimo Risco Em cooperativas: + 13% de clientes alto risco - 06% de clientes médio risco - 08% de clientes baixo risco - 23% de clientes baixíssimo risco 20 *Amostra de consultas realizadas em agosto/2015

21 Risco em diferentes CNAEs O risco varia de acordo com o CNAE FABRICAÇÃO DE PRODUTOS DE MINERAIS NÃO- METÁLICOS EDUCAÇÃO ATIVIDADES DE ORGANIZAÇÕES ASSOCIATIVAS Alto Risco 49% 36% 15% Médio Risco 27% 32% 34% Clientes Baixo Risco 18% 26% 45% Clientes Baixíssimo Risco 6% 6% 6% 21 *Amostra de consultas realizadas em agosto/2015

22 Risco dos clientes de cooperativas Pessoas consultadas por cooperativas x bancos e financeiras Em cooperativas: - 7.3% de clientes alto risco + 1.2% de clientes médio risco + 1.5% de clientes baixo risco + 4.3% de clientes baixíssimo risco 22 *Amostra de consultas realizadas em agosto/2015

23 Risco em diferentes segmentos O risco varia de acordo com o segmento Mosaic BANCOS E FINANCEIRAS Jovens Trabalhadores de baixa renda Trabalhadores de baixa qualificação Técnicos operários Microempresários ALTO RISCO 44% 50% 35% 37% MEDIO RISC 33% 31% 32% 31% BAIXO RISC 14% 13% 18% 15% BAIXISSIMO 8% 6% 15% 17% COOPERATIVAS Trabalhadores Rurais em busca de oportunidade A Pequena Alemanha no Brasil Microempresários Boa Vida no Interior ALTO RISCO 29% 28% 35% 36% MEDIO RISC 18% 17% 32% 27% BAIXO RISC 29% 31% 17% 22% BAIXISSIMO 24% 23% 16% 15% 23 *Amostra de consultas realizadas em agosto/2015

24 TÉCNICAS ESTATÍSTICAS 24

25 Como é desenvolvido um modelo Desenvolvimento do Modelo Histórico de Informações Horizonte de Predição Data de Referência Data de Referência + X Hoje Linha do Tempo Aplicação do Modelo Histórico de Informações Predição Hoje Linha do Tempo 25

26 Principais técnicas de desenvolvimento de modelos Regressão Linear: considera diversas variáveis explicativas e uma variável resposta de qualquer dimensão Regressão Logística: considera diversas variáveis explicativas e uma variável resposta com 2 classes : bom e mau cliente. Regressão Multinomial: evolução da regressão logística considerando mais de 2 classes : Bom, Mau e Intermediário Árvores de Decisão: São modelos estatísticos que utilizam um treinamento supervisionado para classificação e previsão de dados. Redes Neurais : Sistemas não lineares que imitam o mecanismo de processamento do cérebro humano 26

27 Medidas de Avaliação ILUSTRATIVO Score Tx. Inad % % % Mau Bom Tabela de Risco % 15.0% % Score % 40.0% % % % 27

28 Medidas de Avaliação ILUSTRATIVO Teste Kolmogorov- Smirnov (KS) Mau Bom Score 0 É usado para determinar se duas distribuições de probabilidade subjacentes diferem uma da outra % Acum KS Score 28

29 VERIFICANDO A ADERÊNCIA 29

30 Backtest Teste de Aderência Simulação do uso do Scoring de crédito na data da realização das operações Avaliação da aderência do modelo na sua carteira A partir de uma amostra e de uma base de dados histórica - Possível calcular o Score numa data passada - Testar a performance do modelo 30

31 Customizando um modelo Desenvolvimento integral de um modelo que seja voltado às necessidades e características de sua empresa ou segmento, maximizando o poder preditivo Pode usar Informações da Instituição e de mercado 31

32 Recordando a cliente Maria João Cadastro OK Comportamento OK Restritivos OK SCORE 203 Lembre-se da escala de 0 a que vimos antes Alto Risco Por quê O Score (pontuação) nos permite identificar os riscos no comportamento dos clientes, tendo por base suas informações de crédito no tempo. 32

33 Uso do Credit Score na Concessão Aprovados + carência Aprovado Aprovado até R$2.000 Aprovado até R$500 Negado 33

34 PERSPECTIVAS DE MERCADO 34

35 Perspectivas de Mercado Legais e Ambientais Cadastro Positivo: - Momento de ruptura. - Sua aprovação possibilitará o incremento nos scorings Basiléia II / Resoluções do BACEN: - descrevem os processos que as entidades reguladas devem seguir a fim de adequarem-se às recomendações da Basiléia. Tendências de Mercado Maior seletividade das empresas na concessão do crédito - Uso de ferramentas com poder de calcular o risco de crédito - Popularização gradativa dos scorings 35

36 Popularidade dos Scorings no mundo 36

37 SUAS PERGUNTAS 37

38 SOLUÇÕES DE SCORING Ferramentas para todas as etapas do seu negócio CONCESSÃO DE CRÉDITO PESSOA FÍSICA E JURÍDICA COBRANÇA E RECUPERAÇÃO DE CRÉDITO PF & PJ SOLUÇÕES ANTIFRAUDE PF & PJ RENDA E FATURAMENTO PRESUMIDO PROSPECÇÃO DE CLIENTES MODELOS CUSTOMIZADOS E MUITO MAIS... FALE COM SEU GERENTE 38