MODELOS DE PREVISÃO DE
INSOLVÊNCIA
Análise discriminante uni e multivariada, regressão
linear e logística, score, rating e redes neurais
Exemplos de aplicação dos modelos: setor bancário e
empresarial (pequena, média e grande empresa)
Análise incorporando tipologias estratégicas, variáveis
setoriais e informações restritivas e positivas
1
Agenda

Informações necessárias para fixar parâmetros
de análise de crédito e previsão de insolvência
 Modelos de Previsão de Insolvência e de análise
de crédito
 Análise univariada
 Análise multivariada
 Modelo tradicionais: Limite de Crédito, Credit Scoring,
Rating
 Redes neurais

Indicadores de controle
2
Objetivos da Apresentação
Fornecer subsídios para uma empresa:
 Avaliar
a necessidade ou não da
implementação de modelos de previsão de
insolvência e gestão de crédito,
considerando as características de suas
operações.
 Escolher o modelo mais adequado ao
atendimento de suas necessidades.
3
Adequação à Política de
Crédito
• O objetivo de uma Política de Crédito é viabilizar
ou alavancar as vendas com garantia de um
nível de recebimento adequado ao grau de risco
que a empresa está disposta a correr.
• A implementação de ferramentas de gestão de
crédito, dentre as quais temos os modelos de
previsão de insolvência deve refletir este
objetivo.
• O primeiro passo para avaliar a necessidade de
implementação de modelos de previsão de
insolvência é entender a política de crédito da
4
empresa.
Política de Crédito
Uma política de crédito deve contemplar:








Resultados a serem alcançados
Produtos e/ou serviços que a empresa
comercializa
Mercado / Públicos-alvo
Processo e critérios de concessão de Crédito
Opções de Garantias
Política de cobrança
Política de vendas
Níveis de delegação de aprovação
5
Identificação de Necessidades

Tempo de resposta para as análises de crédito
 Formato do Parecer de Crédito
 Aprovado/Reprovado
 Detalhado (com justificativa)

Controles de acesso aos pareceres
 Locais de acesso (somente na empresa / acesso
remoto)
 Relatórios/Estatísticas/Gráficos
 Por
 Por
 Por
 Por
solicitante (ou grupos de solicitantes)
cliente (ou grupo/tipo de cliente)
região geográfica
linha de produto / segmento de negócio
6
Fluxo de informações
Informações
Comerciais
Dados
Econômico
financeiros
Avaliação
de
Crédito
Resultado
da Análise
Histórico
do cliente
na empresa
7
Informações necessárias para
análise de crédito
 Nível
ótimo de inadimplência
 Risco setorial dos clientes
 Caracterização do cliente
 Histórico de Vendas para o cliente
 Referências Comerciais / Bancárias
 Restrições Comerciais / Bancárias
 Dados econômico-financeiros
(Demonstrações Financeiras)
8
Nível ótimo de inadimplência
O nível ótimo de inadimplência de uma empresa não é
“zero”. Uma empresa com este nível de inadimplência
provavelmente tem uma política de crédito “superrigorosa”, o que leva a empresa a:
 perder oportunidades de vendas que aumentariam
sua receita e lucro (pois parte dos clientes de risco
pagaria suas contas),
 perder vendas para seus concorrentes.
Contanto que o caixa recebido supere o custo das
mercadorias vendidas/serviços prestados e os outros
custos associados a um determinado grupo de clientes
é mais vantajoso para a empresa vender-lhes a prazo
do que perder as vendas.
9
Risco Setorial

Identificar os setores de atuação dos clientes da
empresa e sua participação nas vendas
 Analisar o setor
 Perspectivas de crescimento do setor
 Influência de variáveis econômicas (inflação, nível de
emprego, dólar, etc.)
 Estrutura de mercado (monopólio, oligopólio,
concorrência, barreiras à entrada, etc.)

Verificar a influência do risco setorial no risco de
crédito

Verificar a relação Risco versus Retorno
 Quantificar o risco
10
Modelo de Austin
11
Modelo de Austin - exemplo
Setor Farmaceútico
Força
Rivalidade
Poder de
Negociação
dos
Fornecedores
Poder de
Negociação
dos
Compradores
Grau
Comentários
1
Grande
diferenciação,.
Competências
de
pesquisa
e
desenvolvimento de cada empresa criam nichos distintos com pouca
concorrência.
1
A matéria prima básica da indústria farmacêutica constitui-se de
“commodities” químicas ofertadas por grande número de empresas
fazendo com que esta ameaça seja baixa.
2
Ameaça de
Novos
Entrantes
1
Produtos
Substitutos
1
Governo
2
Total
8
Historicamente, o poder dos compradores é baixo na indústria
farmacêutica, mas, recentemente, pressões de companhias de
seguro e planos de saúde, além de regulação de preços, tem
aumentado a intensidade desta força.
Os custos de se desenvolver uma droga nova são grandes barreiras
de entrada. Existem grandes economias de escala e de escopo na
pesquisa e desenvolvimento de novas drogas. Marcas fortes entre os
consumidores têm vantagem sobre marcas entrantes no mercado.
No setor de genéricos, entretanto, a ameaça é ligeiramente superior
pois os custos de entrar no mercado não são tão altos.
Os substitutos para os medicamentos não são uma ameaça forte
pois praticamente inexistem além das chamadas terapias
alternativas.
Grande pressão regulatória do governo sobre o setor de
medicamentos tanto em relação a preços quanto ao encorajamento
às empresas para que produzam as chamadas drogas órfãs que se
destinam ao tratamento de doenças raras e tem baixa demanda.
12
Cadastro de Clientes

Dados cadastrais padrão

Histórico da empresa
Setor econômico
Região de atuação: número de filiais /
distribuidores
Tipos de produtos/serviços fornecidos
Principais Clientes
Grupo Empresarial (Controle acionário,
coligadas, controladas)





13
Histórico do Cliente

Atraso Médio nos Pagamentos

Maior Acúmulo Mensal

Maior Fatura

Média de Faturamento Mensal

Percentual de Inadimplência

Produtos / Serviços vendidos

Sazonalidade (distribuição das vendas ao
longo do ano)
14
Informações Comerciais

Data de fundação da empresa
 Quantidade de filiais
 Hábitos de pagamento - pagamentos pontuais,
faixas de atraso de pagamentos (15, 30 ou
mais dias)
 Restrições:
 Ações de Despejo
 Ações Executivas (Federais, Estaduais,
Municipais)
 Protestos
 Pedido de Concordata / Falência
 Cheques sem fundos
15
Fontes internas de informação








Sistema de Crédito Atual
Cadastro de clientes
Sistema de Faturamento
Sistema de Contas a Receber
Base de dados de marketing/vendas
Administração de contratos
Cadastro de fornecedores
Contabilidade
16
Dados Econômico-financeiros

Índices de liquidez

Índices de endividamento / alavancagem

Ciclos Operacionais / Rotações

Imobilização

Rentabilidade

Índices de solvência

Grupo empresarial (coligadas, controladas)

Informações setoriais / macro-econômicas
17
Avaliação
Com base nas informações necessárias para
análise de crédito e nas necessidades da
empresa, cabe ao gestor de crédito avaliar a
melhor solução para atendê-las:
 Análise Manual com informações internas
e informações fornecidas pelo cliente
 Análise Manual com informações
internas, informações fornecidas pelo
cliente e por provedores de informação
comercial
 Implantação de um sistema de gestão de
crédito
18
Vantagens de um sistema
informatizado
 Agilidade no processo de decisão de crédito
 Padronização dos critérios de avaliação
comercial e financeira
 Rápida adaptação dos critérios às mudanças no
mercado / alterações na política de crédito /
promoções de vendas
 Auditoria e Controle
 Níveis de delegação para aprovação
 Histórico de análises de crédito do cliente
 Base de dados centralizada
19
Ferramentas de Tecnologia
 Modelos de gestão de
 Limite de Crédito
 Credit Rating
 Credit Scoring
 Sistemas Especialistas
crédito (software)
 Hardware / Soluções de acesso
 Acesso local
 Acesso via Web
 Acesso via celular (WAP, Palmtop ou Notebook)
20
Definições
Insolvência – situação em que o ativo do devedor
é insuficiente para fazer face ao passivo. É um
estado de fato.
 Falência – situação em que o devedor “sem
relevante razão de direito, não pagar no
vencimento obrigação líquida, constante de título
que legitime ação executiva”. É um estado de
direito.
 Um empresa pode estar insolvente, mas pagar
sua dívidas no vencimento, outra pode estar
solvente, mas sem caixa para fazer frente a uma
despesa imediata e falir.

21
Modelos de Previsão de
Insolvência
Análise univariada:
 Trabalhos centrados na previsão de
índices financeiros tomados
individualmente
Análise multivariada:
 Trabalhos que fazem uso da análise
discriminante múltipla, em que toma-se
vários índices em conjunto.
22
Análise univariada – Evolução
Histórica (Marques, 1980)

Índices baseados em dados de balanços, não
apresenta relações entre as variáveis relevantes:
 Fitzpatrick 1932 – LL/PL, PL/ET, PL/AT
 Wikanor e Smith, 1935 – CGL/AT
 Merwin, 1942 – Pequenas empresas – CGL/AT,
PL/ET, AC/PC
 Hickman, 1958 – títulos de empresas insolventes –
Juros pagos/LAJIR, LL/Vendas
 Beaver, 1966 – análise de empresas por pares –
Fluxo Caixa Gerado/ET, LL/AT, ET/AT, AGL/AT, AC/PC
 Altman, 1981 – diferença entre índices da empresa e
índices setoriais
23
Análise multivariada – Evolução
Histórica (Marques, 1980)
Índices baseados em dados de balanços:
 Altman, 1968 - 94% de acerto até 1 ano antes da
falência, 72% dois anos depois
 CGL/AT, Lucros retidos/AT, LAJIR/AT,
 Valor de Mercado da empresa/Valor Contábil do ET,
 Vendas/AT,

Kanitz, 1974 – Revista Exame.
 LL/PL,
 AC+ARLP/ET,
 AC-Estoques/PC,
 ET/PL, AC/PC

Marques, 1980 - pequenas e médias empresas
24
Análise discriminante X Regressão
Logística (Fichman, 1999)
Índices baseados em dados de balanços:
 Análise discriminante - depende de normalidade
multivariada e igualdade na matriz de variância covariância de grupos
 Regressão logística
 Menos pré-requisitos que a análise discriminante
 Melhores resultados se os resultados se
concentrarem em extremos que a análise
discriminante.
 Habilidade de incorporar efeitos não lineares.
25
Tipologia Estratégica de Porter
(Fichman, 1999)

Estudo aplicado ao setor bancário, com críticas a
estudos anteriores
 Insuficiência metodológica na geração dos modelos,
devido a limitações das ferramentas estatísticas.
 Amostras insuficientes ou ausência de amostras de
validação dos modelos.
 Estudos com viés pela não aleatoriedade da seleção
das amostras selecionadas.
 Estudos baseados em variáveis de balanço,
desconsideram fatores de marketing e estratégicos
 Modelos instáveis que não resistem a amostras de
validação ou longitudinais.
26
Tipologia Estratégica de Porter
(Fichman, 1999)
Custo Baixo
Diferenciação
Escopo Amplo
Liderança em custo
Diferenciação
Escopo Estreito
Enfoque em Custo
Enf em Diferenciação




Liderança em custo - eficiência operacional, negociação de matériaprima.
Liderança em diferenciação - identidade da marca, inovações em
técnicas de marketing e métodos, propaganda.
Enfoque (custo ou diferenciação) - capacidade de gerar produtos
especializados, produtos em segmentos de alto preço, atendimento
ao cliente.
Exemplos de Variáveis: Políticas de Preços, Custos, Escala,
Qualidade de Oferta, Amplitude de Oferta, Controle de distribuição,
Propaganda, marca, treinamento.
27
Modelo Limite de Crédito
Definição - através da análise de crédito
estabelece-se o limite máximo de compras
sem garantias que será concedido a um
cliente, dado o grau de risco que a empresa
está disposta a correr.
Aplicabilidade
 Empresas com pequeno número de
clientes (empresas de mídia, TV, Rádio,
Jornais, B2B, etc.)
 Empresas com bases de dados / sistemas
de controle de vendas por cliente
28
Modelo Limite de Crédito
Vantagens
 Controle de todas as operações de venda e da
utilização dos limites de crédito aprovados
 Maior interação entre crédito e vendas
Desvantagens
 Não adequado para empresas com grande
número de clientes / características de varejo
 Requer revisão periódica dos limites de crédito
 Requer uma área de controle de crédito maior
29
Modelo Limite de Crédito
Provedor de
Informações
Comerciais
Informações
Comerciais
Histórico do cliente
Faturamento
Diminui o
limite disponível
Dados
Econômico
financeiros
Análise
de
Crédito
Adm de
Contratos
Pagamentos de faturas
Aumenta o limite
+
Faturamento
Contas a
receber
Valor do
Limite de
Crédito
Cadastro
de
clientes
30
Credit Scoring
Definição: metodologia de análise quantitativa que
atribui pontuação a diversos itens (valor do
crédito, dados financeiros, histórico comercial,
restrições cadastrais, etc.), e com base na
pontuação final divide os clientes em duas
categorias: com potencial e sem potencial de
crédito.
Aplicabilidade
 Empresas com grande número de clientes
(bancos, cartões de crédito, telefonia, etc.)
31
Teste dos critérios de um
Sistema de Credit Scoring
É necessário testar o score de aprovação (Ho), para que
a probabilidade de classificar erroneamente uma análise
de crédito seja minimizada.
Ho verdadeiro
Ha verdadeiro
Não rejeitar Ho
Decisão correta
Erro tipo II (β)
Rejeitar Ho
Erro tipo I (α)
Decisão correta
Erro Tipo I – Rejeição da hipótese nula (Ho) quando esta é
verdadeira. Recusar uma operação que seria um bom
negócio para empresa (% de propostas corretas
recusadas).
Erro Tipo II – Falha em rejeição da hipótese nula quando
esta é falsa. Aprovar uma operação que se tornará
problemática para a empresa (% de inadimplência). 32
Teste dos critérios de um
Sistema de Credit Scoring
Maus
Reprovado
Aprovado
Bons
Em análise
voltar
33
Credit Scoring Determinístico
Definição - modelo baseado em regras de negócios
elaboradas por especialistas em crédito,
baseados em experiências de crédito anteriores.
Aplicabilidade
 Empresas novas, que não tenham bases de
dados próprias sobre o comportamento de
clientes
 Negócios com venda únicas ou esporádicas
que não justifiquem a incorporação de dados
relativos ao comportamento do cliente
34
Credit Scoring Determinístico
Vantagens

Não requer informações internas sobre o
comportamento comercial do cliente

Os critérios de análise (regras de negócio) podem ser
modificados rapidamente

Implantação rápida (“pacotes prontos”)
Desvantagens

Não reflete o histórico dos clientes na empresa

Não reflete as características únicas do negócio da
empresa

Existe a necessidade de atualização constante das
regras de negócio para refletir mudanças nas
condições econômicas e nos critérios de crédito 35
Credit Scoring Estatístico
Definição - modelo baseado em técnicas
estatísticas como regressão linear e redes
neurais, que são técnicas computacionais
baseadas em modelos matemáticos que simulam
o processo de aprendizado.
Aplicabilidade
 Empresas com bases de dados próprias sobre
o comportamento de clientes (bancos, cartões
de crédito, telefonia, etc.)
 Empresas com vendas freqüentes e/ou
prestação de serviços contínuos
36
Credit Scoring Estatístico
Vantagens

Adapta-se às características únicas do negócio, pois
utiliza o histórico real dos clientes

O modelo reflete as alterações nas operações da
empresa e no comportamento do cliente
Desvantagens

Requer informações internas sobre o comportamento
comercial do cliente

Dificuldades em refletir alterações no ambiente
econômico e problemas setoriais

Implantação lenta (solução customizada)
37
Modelo Credit Scoring
Provedor de
Informações
Comerciais
Informações
Comerciais
Dados
Econômico
financeiros
CPF ou Nome
CNPJ ou Razão Social
Valor da operação
Histórico do
Cliente na
Empresa
Sistema de Crédito
Credit Scoring
Credit
Scoring
Estatístico



Aprovado
Reprovado
Em análise
38
Rating
Definição: é uma metodologia de análise
qualitativa, que avalia uma série de fatores em
relação a uma escala pré-definida de atributos e
qualificações, atribuindo uma nota a cada fator
e uma nota final ao conjunto de fatores
analisados. Com base na nota final (rating)
pode ser determinado o risco de crédito e
definido o valor que será concedido à empresa.
Aplicabilidade

Empresas que operam com clientes
corporativos de porte médio/grande
(especialmente multinacionais)
39
Rating
Vantagens
 Fácil interpretação das decisões de crédito
por pessoas não familiarizadas com a
avaliação de riscos e créditos
Desvantagens
 Baixa confiabilidade das demonstrações
financeiras devido à possibilidade de
escolha de critérios contábeis e ao uso de
práticas ilegais (Caixa 2)
40
Modelo Rating
Provedor de
Informações
Comerciais
Dados
Econômico
financeiros
Informações
Comerciais
Histórico do
Cliente na
Empresa
Sistema de Crédito
Credit Rating
1- Reclassificação de Dem Financeiras
2- Nota para os índices financeiros
3- Nota para os índices comerciais
4- Somatório das notas
Rating de
crédito
CNPJ ou Razão Social
Valor da operação
41
Aplicabilidade dos modelos
Limite
Grande número de Clientes
Pequeno número de Clientes
Alto Valor médio das transações
Baixo valor médio das transações
Clientes Pessoa física
Pequena/Micro Empresa
Médias Empresas
Grandes Empresas
Venda única
Venda esporádica
Serviço/fornecimento continuo
Cliente novo
Cliente antigo
Nível de Controle
Necessidade de "Back-office"
Scoring
X
X
X
X
X
X
X
X
X
Alto
Alta
Rating
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
Médio
Média
Baixo
Baixa
42
Redes Neurais (Cabrera, 1998)



São Redes Neurais Artificiais são técnicas
computacionais que apresentam um modelo matemático
inspirado na estrutura neural de organismos inteligentes
e que adquirem conhecimento através da experiência.
São modelos dinâmicos, evitam pesos pré-fixados
Agrupa as empresas analisadas e verifica indicadores
relevantes
43
Redes Neurais (Cabrera, 1998)

Características
 Aprendizado – adquire conhecimento por experiência
 Não linearidade – vantagem sobre sistemas estatísticos
lineares
 Busca paralela da informação – reduz o tempo de
processamento
 Endereçamento pelo conteúdo – não possuem
endereçamento de memória
 Generalização – responde a doados novos por
similaridade
 Abstração – abstrai a essência dos dados
 Robustez e degradação gradual – perda de parte da
rede não afeta gravemente o desempenho
 Associação – entre padrões distintos.
44
Indicadores de Desempenho,
Qualidade, Auditoria e Controle
Com base nos indicadores extraídos do sistema é
possível definir produtos, setores econômicos,
regiões geográficas e tipos de clientes para os
quais a recomendação de crédito do sistema
escolhido não está sendo efetiva.
Os indicadores podem ser desde uma planilha de
controle, com análises simples de proporção
(como seria de se esperar no modelo de limite de
Crédito) , até o resultado de complexos modelos
estatísticos de ‘behavior’ que realimentam o
45
sistema automaticamente.
Indicadores de Desempenho
e Qualidade do Sistema
Desempenho

Tempo de aprovação de cada análise
Qualidade





Inadimplência
Atrasos nos pagamentos
Necessidade de revisão manual do parecer
Taxa de aprovações versus volumes
analisados
Perdas versus lucratividade
46
Controle e auditoria
Controle

Relatórios de uso
 Por Solicitante (ou grupos de solicitantes)
 Por cliente (ou grupo/tipo de cliente)
 Por região geográfica
 Por linha de produto / segmento de negócio
Auditoria

Vendas fora dos parâmetros (quantidade,
valor e área da empresa que as originou)
 Revisão da análise dos créditos classificados
como inadimplentes e incobráveis
47
Conclusão
Não existe um modelo de análise de crédito
‘melhor’ ou ‘pior’, o que existe é um modelo
mais adequado ao perfil e às necessidades de
cada empresa.
É importante considerar todas as variáveis
possíveis na escolha do modelo, fazer os
ajustes necessários em sua fase de
implementação e monitorar seu desempenho
para corrigir eventuais distorções.
48
Bibliografia
Indicações para consulta / referências:
CABRERA, Gustavo A. S. Um Modelo para Previsão de Insolvência
no Sistema Financeiro, PUC-RJ, Rio de Janeiro, 1998.
FICHMAN, Luis H. Construção de um Modelo de Predição de
Insolvência Bancária baseado na Tipologia de Porter, PUC-RJ, Rio
de Janeiro, 1999.
MARQUES, Jadir N. Previsão de Insolvência de Pequenas e Médias
Empresas – Uma aplicação da análise estatística multivariada,
PUC-RJ, Rio de Janeiro, 1980
LEONARD, Kevin J. Information systems and benchmarking in the
credit scoring industry, Benchmarking for Quality Management &
Technology Vol 3 Num 1, Ontário, Canadá, 1996.
HUNTER, Maura Quinn. Como Identificar e Avaliar o Risco Setorial de
uma Carteira de Crédito, Revista Tecnologias de Crédito SERASA.
SINCICH, Terry. Business Estatistics by Example – New Jersey, EUA,
Prentice Hall, 1996.
49
Bibliografia
Indicações para consulta / referências:
STICKLEY, Clyde P. & WEIL, Roman. Contabilidade Financeira - São
Paulo: Atlas, 2001.
STICSU, Abraham Laredo. Desenvolvimento de um Sistema de Credit
Scoring, Revista Tecnologias de Crédito SERASA.
www.din.uem.br/ia/neurais
www.creditoerisco.com.br
www.siacorp.com.br/scoring1.htm
www.serasa.com.br
www.equifax.com.br
50
Contato
Luciano Quinto Lanz
Profissional
Email: [email protected]
Tel. (21) 2121-7333
Av. Presidente Vargas, 1012 – 4o andar – Centro
Rio de Janeiro – RJ
Pessoal
Email: [email protected]
51