Dissertação de Guilherme B. Fernandes (Mestrado em ECO 2013) deu origem a artigo publicado no European Journal of Operacional Research

Insper Instituto de Ensino e Pesquisa

Dissertação de mestrado no Insper deu origem a artigo publicado no European Journal of Operacional Research.

Modelos de credit scoring são ferramentas importantes para análise e concessão de crédito. Tais modelos medem, por meio de cálculo estatístico baseado em variáveis idiossincráticas e fatores macroeconômicos, a probabilidade de inadimplência de um possível cliente. O uso de modelos de regressão logística para mensurar o risco de inadimplência já é prática comum e a maioria dos bancos brasileiros utiliza um sistema de credit scoring, cuja complexidade varia de acordo com cada instituição. Acrescentar uma variável espacial ao modelo leva a sistemas mais precisos. Foi esse o trabalho desenvolvido por Guilherme Barreto Fernandes (Mestrado em ECO 2013)  como dissertação de mestrado, orientado por Rinaldo Artes, professor do Insper. O texto original foi publicado no European Journal of Operacional Research. Fernandes concedeu a entrevista abaixo ao Insper Conhecimento.

 

Insper Conhecimento: Qual a contribuição do trabalho publicado no European Journal of Operacional Research para identificar a relação entre localização da empresa, logística e inadimplência?
Fernandes: Em nosso trabalho, criamos um método para captar o efeito da atividade econômica local no risco de crédito da empresa sob análise. Por questão de inexistência dos dados, a técnica chamada krigagem foi utilizada para estimar o efeito da mudança da atividade econômica local. Essa técnica, muito utilizada em geologia e epidemiologia, se baseia na correlação espacial dependente da distância entre a empresa analisada e todas as demais na sua vizinhança.

 

Como isso pode ajudar a criar ou sofisticar modelos de credit scoring?
A técnica resulta numa nova informação sempre presente nos bancos de dados tradicionais, mas nunca utilizada anteriormente. O desempenho de um modelo de credit scoring depende fortemente das variáveis preditoras disponíveis e o resultado da técnica é uma nova variável chamada de risco espacial.

 

O que a pesquisa revela no caso brasileiro?
Observamos que em muitos lugares a correlação espacial entre empresas varia. Por exemplo, em São Paulo a correlação espacial entre empresas que distam até 500 metros é relevante, enquanto em Belo Horizonte essa distância aumenta para 3 quilômetros. Em resumo, isso quer dizer que para entender o nível de atividade econômica local precisamos observar uma região com raio seis vezes maior na capital mineira do que na capital paulista.

 

Quem se beneficia com o uso da variável espacial, de localização da empresa, em modelos de credit scoring?
Quando se tem mais informações sobre a empresa, incluindo a realidade econômica regional, é possível dimensionar o risco de crédito de maneira mais acurada. Em termos práticos, bancos, financeiras e fornecedores em geral podem oferecer linhas mais adequadas à capacidade de pagamento de cada empresa. Isso está diretamente relacionada à concessão de crédito de qualidade, garantindo a saúde do sistema financeiro nacional.

 

O que o método agrega quando se trabalha com regiões ou cidades pequenas?
Nos modelos de credit scoring tradicionais é prática comum criar agrupamentos de CEP baseado na taxa de inadimplência. Um dos problemas dessa metodologia é que pequenas regiões tendem a ser agrupadas até que o número de empresas seja em quantidade suficiente para ter uma boa estimativa dos parâmetros do modelo. Isso cria grupos com pequenas cidades que, de tão distantes, vivem realidades completamente diferentes. O método proposto trata cada empresa de maneira única e a distância entre vizinhos é levada em consideração no cálculo do Risco Local.

 

O que o motivou a escolher o tema para sua dissertação?
Trabalhei muito tempo com modelagem de risco de crédito para pessoa jurídica e o método tradicional de tratar regiões via agrupamento de CEP sempre foi um ponto de questionamento. Uma das questões é que ele não capta a mudança de risco ao longo do tempo. Basicamente, o método tradicional “carimba” determinada região como boa ou má. O novo método captura a situação atual do Risco Local e ele pode se alterar em pouco tempo.

 

Os resultados encontrados foram úteis para seu trabalho? Como vocês os utilizou?
Os Modelos de Risco Espacial foram produtizados pela Serasa Experian e agora fazem parte dos principais modelos de credit scoring utilizados no Brasil.

 

Leia a dissertação: Mensuração do risco de crédito espacial e sua incorporação nos modelos de credit scoring.

Acesse o artigo publicado no European Journal of Operacional Research.

voltar

Insper
linkedin facebook twitter youtube flickr

Insper

Rua Quatá, 300 - Vila Olímpia
- São Paulo/SP -
Brasil
| CEP: 04546-042
| Tel:
(11) 4504-2400

Webmail | Intranet Corporativa
Todos os direitos reservados

Mapa do site Notícias Acessibilidade Fale conosco