Credit scoring - Universidade Nova de Lisboa

IMPORTÂNCIA DA ESTATÍSTICA
PARA OS MODELOS DE CREDIT
SCORING
Maria Rosário Oliveira Martins
IHMT- Universidade NOVA de Lisboa
[email protected]
GESTAO DE RISCO NA BANCA E NOS SEGUROS
Técnicas, Metodologias e Boas Práticas
UniZambeze, Beira, 10-12 Julho 2013
2
Índice
•  O que é o Credit Scoring
•  Historia do Credit Scoring
•  Importância do Credit Scoring para a Banca
•  Vantagens e Inconvenientes do Credit Scoring
•  Implementação de um Modelo de Credit Scoring
•  Importância da Estatística nos Modelos de Credit Scoring
•  Conclusões
3
O que é o Credit Scoring
Um modelo de credit scoring tem como objectivo classificar
os indivíduos solicitantes de crédito quanto ao seu grau de
risco
A modelação do risco, no contexto actual, ocupa o cerne da
actividade bancaria.
Porquê?
4
O que é o Credit Scoring
Porquê?
De forma muito simplificada:
Tradicionalmente, um banco capta poupanças de uns agentes
económicos, sob a forma de depósitos (por exemplo) e,
concede crédito a outros agentes. É esta aproximação que se
dá entre os dois tipos de agentes, que se denomina de
intermediação financeira.
5
O que é o Credit Scoring
Dupla responsabilidade para a instituição:
Por um lado, ao captar depósitos, obriga-se ao pagamento de
juros aos aforradores
Por outro, ao conceder crédito ter-se-á de se certificar das
boas características dos clientes por forma a reaver o
montante emprestado acrescido dos juros, sob pena deste se
traduzir numa perda para a instituição.
6
O que é o Credit Scoring
No que diz respeito à concessão do crédito, a avaliação do
cliente por parte da instituição, faz-se por aplicação de um
conjunto de regras que avaliam não só a sua capacidade
financeira mas, igualmente, o seu perfil de risco.
7
O que é o Credit Scoring
  há indivíduos que primam pelo escrupuloso cumprimento no
pagamento da prestação
  há outros que, não sendo tão escrupulosos, nunca incorrem
em situações mais graves que alguns atrasos nos
pagamentos das prestações.
  outros indivíduos ultrapassam todos os prazos para a
liquidação das prestações. Nestes casos, desde que um
indivíduo apresente um atraso superior a “noventa dias” no
pagamento de uma prestação, é costume referir o indivíduo
como estando em situação de incumprimento (default).
8
O que é o Credit Scoring
Para averiguar se um determinado indivíduo tem perfil de bom
ou de mau pagador, empresta-se-lhe uma pontuação que
resulta da aplicação de um determinado modelo.
O modelo, assim como a adopção de um conjunto de regras e
filtros circunscreve-se ao que usualmente se designa por
credit scoring.
9
O que é o Credit Scoring
Os métodos usados em credit scoring incluem várias
técnicas estatísticas sendo as mais utilizadas:
  análise discriminante
  árvores de decisão
  regressão logística,
  redes neuronais artificiais.
10
O que é o Credit Scoring
Para Lewis (1992) o credit scoring
•  “… um processo em que a informação sobre o solicitante é
convertida em números que de forma combinada formam um
score. Este score é a medida do valor da solicitação”
Lewis, E. M. 1992. An Introduction to Credit Scoring. California: Fair, Isaac
& Co., Inc.
11
O que é o Credit Scoring
Anderson (2007) sugere dividir as duas palavras:
  Credit : “buy now, pay later”
Vem do latim credo que significa: “Eu acredito”, Eu “tenho
confiança em…”
  Scoring: Uso de ferramentas numéricas para ordenar casos
de forma a discriminar entre eles e assegurar decisões
consistentes. Scores são números que servem para
representar uma determinada qualidade do individuo.
12
O que é o Credit Scoring
Consequentemente Anderson (2007):
Credit scoring
Modelos estatísticos que permitem transformar informação
relevante em medidas numéricas que auxiliam a decisão de
aceitar ou rejeitar um pedido de empréstimo
Anderson, R. 2007. The Credit Scoring Toolkit: Theory and Practice for Retail
Credit Risk Management and Decision Automation. New York: Oxford University
Press.
13
Historia do Credit Scoring
Alguns artigos e livros retractam a história do credit
scoring com maior ou menor detalhe segundo se
pretenda evidenciar os aspectos estatísticos ou os
aspectos relacionados com a concessão de
crédito.Destes realçam-se os trabalhos de Lewis
(1992), Thomas, Edelman e Crook (2002, 2004),
Anderson (2007), Abdou e Pointon(2011).
Thomas, L. C., Edelman, D. B., Crook, J. N. 2004. Readings in Credit Scoring: recent developments, advances,
and aims. New York: Oxford University Press.
Thomas, L. C., Edelman, D. B., Crook, L. N. 2002. Credit Scoring and Its Applications. Philadelphia: Society for
Industrial and Applied Mathematics.
Abdou, H. & Pointon, J. (2011) 'Credit scoring, statistical techniques and evaluation criteria: a review of the
literature ', Intelligent Systems in Accounting, Finance & Management, 18 (2-3), pp. 59-88
14
Historia do Credit Scoring
Em 1938, Dunham é quem primeiro faz alusão a uma
avaliação de propostas de crédito baseadas em cinco
critérios objectivos:
•  posição profissional que o solicitante ocupa;
•  nível de rendimento;
•  nível financeiro/patrimonial;
•  garantes / colaterais;
•  histórico de pagamento de anteriores empréstimos.
Até então, os analistas de crédito socorriam-se do seu savoir faire
para emprestar uma determinada ponderação às variáveis que
consideravam ser as mais importantes para avaliar o risco de
crédito, i.e., para calcular a probabilidade de incumprimento do
cliente.
15
Historia do Credit Scoring
No entanto, a objectividade da recolha perder-se-ia na
subjectividade da análise, uma vez que a importância destes
critérios seria determinada com base na experiência do
analista, sem haver, portanto, qualquer aplicação de técnicas
estatísticas.
16
Historia do Credit Scoring
Será Durand, em 1941, pesquisador do National Bureau of
Economic Research (NBER), quem primeiro se interessou em
calcular e quantificar os parâmetros estatisticamente
significativos, que os analistas de crédito tinham como sendo
os mais importantes.
E fá-lo recorrendo à análise discriminante proposta por Fisher.
17
Historia do Credit Scoring
Os parâmetros mais importantes do estudo de Durand são os
seguintes:
•  situação profissional do solicitante;
•  antiguidade (em anos) na presente situação;
•  antiguidade (em anos) na actual morada postal;
•  contas bancárias e seguros de vida;
•  género;
•  montante mensal da prestação.
18
Historia do Credit Scoring
No entanto, Bill Fair, matemático e Earl Isaac,
engenheiro, em 1956, foram os primeiros a
considerar a utilização dos computadores e de
métodos de investigação operacional no cálculo do
scoring associado aos clientes.
Foi a partir desta data que as organizações
financeiras começaram a usar o conceito de credit
scoring.
19
Importância do Credit Scoring
Foi a partir de 1980 que os modelos de credit scoring
começaram a ser aceites e aplicados frequentemente
nas instituições financeiras.
O scoring, “ao sumariar todo o conhecimento que se
tem do requerente num único número, aligeira a
tomada de decisão dentro da instituição, tornando-se
além de um canal de comunicação interna, um
mecanismo de tradução da política de gestão a ser
levada a cabo pela rede comercial” (McNab e Wynn,
2000).
20
Importância do Credit Scoring
•  O credit scoring foi, primeiramente útil para melhorar o trade-
off entre o número enorme de solicitações e as situações de
incumprimento, em que incorriam os clientes.
•  Seguidamente, foi importante para melhorar a eficiência
comercial, pois permitia reduzir o tempo de análise e de
resposta.
•  Finamente o credit scoring permitiu melhorar o controlo da
carteira de crédito da organização.
21
Vantagens e Inconvenientes do Credit
Scoring
Vantagens
•  Aumenta o lucro das instituições através de maiores índices
de aprovação com reduzidos níveis de incumprimento;
•  torna o processo de decisão objectivo
•  aumenta a eficiência do serviço prestado ao cliente;
•  permite que as organizações adaptem, de uma forma
automática, a política de crédito;
•  identifica, estatisticamente, as variáveis tidas como mais
importantes na discriminação entre clientes regulares e em
incumprimento.
22
As limitações do credit scoring prendem-se,
sobretudo,
com
as
questões
estatísticoeconométricas em que se baseiam os modelos e a
sua constante actualização. Podem apontar-se:
•  Custos
de desenvolvimento e manutenção do
modelo.
Conhecimentos técnicos na área da estatística e
necessidade da constante actualização do modelo a
fim de que não se degradem as capacidades
preditivas do modelo
23
Outras Limitações:
•  Qualidade dos dados. Normalmente este tipo de
modelos são empíricos, i.e., são elaborados
segundo as observações constantes na base de
dados das instituições. E a qualidade, infelizmente,
nem sempre é a melhor…
•  Tipo de modelo escolhido em que se baseia o credit
scoring. Como escolher a “melhor” abordagem?
24
Implementação de um Modelo Credit Scoring
Estatística
Univariada
Estatística
Bivariada
Estatística
Multivariada
Testes de Qualidade
do Ajustamento
25
Implementação de um Modelo Credit Scoring
No fluxograma estão identificadas as etapas
subjacentes à implementação de um modelo de credit
scoring. No entanto, antes de dar inicio ao processo, é
necessário :
  Definir incumprimento
  Seleccionar o conjunto de variáveis dos indivíduos
que possam vir a explicar a probabilidade de entrar
em incumprimento
  Definir a janela amostragem (registos que participam
na construção do modelo)
26
Implementação de um Modelo Credit Scoring
  Cliente regular vs cliente incumpridor
E usual definir como cliente incumpridor o cliente que não
efectua o pagamento passados 90 dias face a data de
vencimento da prestação
  Características dos proponentes que podem afectar a
probabilidade de incumprimento:
Estado Civil; Género; Situação profissional; Idade;
Tipo de habitação; Antiguidade no emprego;
Habilitações literárias; Historial de créditos pedidos…
27
Implementação de um Modelo Credit Scoring
 Definir a janela amostragem
Que registos é que vão ser usados para estimar o
modelo de credit scoring? A informação sobre os
clientes dos últimos 5 anos? Últimos 3 anos?
Na literatura não existe consenso quanto a esta
questão. A janela de amostragem deverá ser tal
que a taxa de incumprimento da carteira do
produto de crédito apresente características de
estabilidade ao longo do tempo.
28
Implementação de um Modelo Credit Scoring
 Definir a janela amostragem
O mais comum é considerar-se um período de 12
meses na janela de amostragem, excepto no caso
em que haja quebras de estrutura.
29
Importância da Estatística nos Modelos de Credit
Scoring
•  Como funciona na pratica o credit scoring?
O objectivo primeiro dos modelos de credit scoring é
classificar os clientes, emprestando-lhes uma
probabilidade de incumprimento.
Para isso, e conforme acabou de ser descrito,
selecciona-se um determinado período temporal ou
janela de amostragem.
30
Como funciona na pratica o credit scoring?
1.  Selecciona-se um determinado período temporal ou
2. 
3. 
4. 
5. 
janela de amostragem
Identificam-se os indivíduos regulares e
incumpridores
Define-se a variável de interesse: Y=1 se
incumpridor, Y=0 se regular
Seleccionam-se as características dos indivíduos
que podem influenciar a probabilidade de entrar
em incumprimento (X1, X2,…, Xk)
Estima-se o Modelo de Credit Scoring para P(Y=1)
31
Estimação do Modelo de Credit Scoring
Dadas as características X1,X2,…Xk, dos n
indivíduos referente aos últimos 12 meses de
emprestimos, então a probabilidade estimada de
entrar em incumprimento é dada por:
P*(Y=1)=F(X1,X2,…Xk)
Onde F é uma função matemática conhecida.
32
Estimação do Modelo de Credit Scoring
P*(Y=1)=F(X1,X2,…Xk)
A um novo solicitante i com características X1i,X2i,…
Xki, atribui-se a probabilidade de incumprimento (ou
score) de P*(Yi=1)=πi
e toma-se a decisão de
conceder ou não o empréstimo.
A ESTATISTICA é fundamental nas diferentes fases 33
de implementação do Modelo de credit scoring
Estatística
Univariada
Estatística
Bivariada
Estatística
Multivariada
Testes de Qualidade
do Ajustamento
34
Conclusões
•  Modelos de Credit Scoring e sua relevância para instituições
financeiras
•  Para que os modelos de Credit Scoring possam ser
devidamente implementados são necessários técnicos com
formação adequada, nomeadamente na área da estatística e
da econometria
•  Cabe as Universidades o papel de ensinar a construir e
estimar Modelos de Credit Scoring incluindo estas temáticas
nos Curricula dos cursos de Economia, Gestão, Estatística,
Actuariado, Matemática
35
Conclusões
No contexto do Ano Internacional da Estatística deixo ficar 3
desafios:
•  A nível das Universidades, a necessidade de se desenvolverem
competências a nível do Ensino e Investigação nesta área
•  A nível das Instituições Financeiras, a necessidade
de se
estimular a formação de técnicos nestes dominios
•  A nível da Sociedade, a necessidade de se Promover a Ligação
entre as Universidades e as Empresas através formação “ao
Longo da Vida” com oferta de cursos de curta duração, nesta e
noutras áreas importantes da ESTATISTICA.