fbpx

Modelos de score de crédito: conceitos e implantação

O que são, quais as características, vantagens e desvantagens dos diversos tipos de modelos de score de crédito disponíveis no mercado?

Sempre ouvi que um dos grandes desafios em negócios é transformar dados em informações, e daí em conhecimento.

Por isso resolvi resumir neste post um pouco sobre como chegar a este conhecimento quando o assunto é crédito.

O que são os modelos de score de crédito?

Os modelos de score de crédito buscam classificar o risco do cliente utilizando o conceito de perda esperada para um determinado perfil em um determinado tipo de operação.

Dessa forma, o desenvolvimento baseia-se em amostras representativas de clientes aos quais foram concedidos créditos no passado.

Por isso, se toma como premissa de que o comportamento dos novos proponentes será muito parecido ou igual ao dos clientes com perfis semelhantes no passado.

Sendo assim, os desafios são:

  • Identificar elementos-chave que influenciam na adimplência ou inadimplência dos clientes;
  • Monitorar o modelo em operação a fim de detectar mudanças com relação às condições vigentes no momento de seu desenvolvimento.
  • Garantir que o perfil dos clientes analisados no passado seja similar ao que será aplicado no futuro.

Quais tipos de modelos de score de crédito?

Os modelos de score de crédito são divididos em duas categorias:

  • Modelos de aprovação de crédito: apoiam nas decisões para novos clientes;
  • Modelos comportamentais: também conhecidos como Behavioural Scoring, apoiam a decisão para clientes que já possuem relacionamento comercial;

Enquanto os modelos de aprovação de crédito focam na concessão e no volume de crédito, os modelos comportamentais podem ser utilizados para gerir os limites, ações de cobrança preventiva, entre outras estratégias.

Quais são as vantagens dos modelos de score de crédito?

  • Consistência nas decisões: decisões similares independente de informações subjetivas, experiência ou relacionamento entre cliente e analista. Não depende o “humor” do analista;
  • Velocidade das decisões: automação, utilizando-se de tecnologia adequada, permitem análises e decisões quase que instantâneas;
  • Adequação das decisões: conhecendo e quantificando o risco o credor pode adotar diferentes regras conforme os diferentes perfis dos tomadores;
  • Decisões remotas: elimina a necessidade de analistas fisicamente próximos, favorecendo a gestão centralizada;
  • Redução de custos por análise: como resultado da rapidez e a um custo aceitável.

Quais são as desvantagens dos modelos de score de crédito?

  • Impacto no relacionamento: é difícil explicar o motivo de não aprovação a clientes considerados de alto risco;
  • Quebra de paradigmas: pessoas tendem a acreditar que sua experiência vale mais que análise objetiva ou “fórmula” estatística;
  • Custos no desenvolvimento: a depender da complexidade e quantidade de variáveis, o custo pode ser um ofensor. Não somente no desenvolvimento, mas também na manutenção do modelo;
  • Excesso de confiança: pode-se superestimar a eficácia do modelo, induzindo profissionais a acatarem suas recomendações, sem análise crítica;
  • Interpretação equivocada: refere-se ao uso inadequado por falta de treinamento do usuário;
  • Limitações temporais: os modelos “envelhecem” e perdem a validade com o tempo.

Quais os tipos de modelos de score de crédito?

Estes modelos normalmente utilizados para avaliação de pessoas físicas, com grandes volumes de proponentes em uma oferta massificada.

Mas também são utilizados na avaliação de pequenas empresas, onde o risco da empresa em muito se confunde com o risco do proprietário.

Podem ser obtidos através de técnicas de análise estatística e modelos julgamentais.

Modelos julgamentais

São aqueles cujas fórmulas são definidas de forma subjetiva. Dessa forma, toma como base a experiência do analista ou modelos com os quais tenha trabalhado no passado.

Esta modalidade é recomendada como última opção, quando não existirem dados suficientes para se desenvolver um modelo estatístico. Por exemplo, novos produtos ou novo mercado para o credor.

Vantagens

  • Permitem automatizar a decisão;
  • Aumentam a produtividade e consistência das análises.

Desvantagens

  • Não permitem quantificar a probabilidade de perdas, que é o elemento mais importante na avaliação de risco de crédito.

Modelos estatísticos

Modelos estatísticos generalistas

Estimam o risco com base em informações restritivas, sem considerar o tipo de operação ou mercado de atuação do credor.

A definição de BOM / MAU é feita conforme a ocorrência de uma ou mais informações restritivas, em um determinado período de tempo.

Modelos estatísticos customizados

São modelos desenvolvidos considerando-se características específicas de cada credor, seus clientes e o perfil de suas operações.

Quais são os requisitos para implantação de modelos de score de crédito?

Uma vez que decida implantar um modelos de score de crédito em sua carteira, os gestores devem antes garantir a aderência aos seguintes requisitos:

  • Experiência no mercado de atuação;
  • Recursos com experiência em desenvolvimento de modelos;
  • Banco de dados com informações confiáveis e de qualidade;
  • Cultura organizacional adequada;
  • Comprometimento das áreas da empresa, principalmente comercial;
  • Políticas e procedimentos formais, claros e devidamente comunicados.

Como desenvolver um modelo de score de crédito?

Definição do mercado alvo

Ao se decidir pelo desenvolvimento de modelos de score de crédito, o credor deve definir qual o mercado alvo a que este modelo servirá.

As segmentações podem ser feitas utilizando-se técnicas estatísticas, mas o mais comum é serem feitas de forma subjetiva e conforme o modus operandi do credor.

Qual a definição de bom e mau cliente?

Inegavelmente, este é um dos maiores desafios ao se decidir construir um modelo de escore.

A definição de bom e mau cliente, pois cada credor deve encontrar uma definição que atenda à sua realidade operacional e seus objetivos de negócios

A definição deve representar o objetivo para o qual o modelo foi desenvolvido. Afinal, o conceito de bom/mau cliente varia conforme a natureza da operação.

Neste caso, o que é tido como bom para uma operação de curto prazo pode ser considerado mau para longo prazo.

Lembre-se que um modelos de score de crédito mede o risco de um cliente se tornar mau, de acordo com a definição adotada pelo credor.

Por exemplo, se o objetivo é discriminar clientes que atrasam até 30 dias (bons) daqueles que ultrapassar os 31 dias (maus), o modelo refletir esta necessidade em seu desenvolvimento.

Logo, a definição de bom/mau pode ser restrita a informações internas (relacionamento com o credor) como também pode incluir informações de mercado.

Qual o período de referência?

Já que a premissa é que um modelo de escore é desenvolvido a partir da experiência do credor com concessões semelhantes no passado, precisamos conhecer este passado.

Neste caso, faz-se necessário a definição de um período de tempo no passado em que este histórico será considerado.

Qual o período de performance do modelo de score?

Período de performance do modelos de score de crédito é o intervalo de tempo observado após a data de concessão. Por analogia, também é conhecido como horizonte de previsão.

O período de performance varia de acordo com a natureza da operação, mas deve ser longo o suficiente para avaliar o comportamento de um cliente frente a seus compromissos de crédito.

A definição do período deve considerar que o objetivo é prever o comportamento do cliente em um intervalo de tempo depois da concessão. O período de performance avaliado deve ter o mesmo comprimento.

Qual o período histórico?

É o intervalo de observação que servirá para prever se o cliente se tornará bom ou mau após a data de referência.

Quais são as variáveis potenciais para os modelos de score de crédito

São variáveis que possuem potencial de discriminar, ao longo do tempo de observação, os clientes conforma a definição de bom/mau adotada.

Inegavelmente, a eficácia de um modelos de score de crédito depende diretamente da qualidade das informações utilizadas para sua construção.

Acima de tudo, a escolha correta das informações é uma etapa crítica ao processo.

No início do processo são selecionadas informações que podem diferenciar bons de maus. Estas devem ser analisadas para mensurar qual seu potencial discriminante e se podem ser utilizadas na fórmula do modelo.

Por certo, as variáveis podem ser combinadas para gerar novas, com maior poder de discriminação.

As variáveis devem ser obtidas conforme o tipo de cliente (PJ ou PF), sendo elas:

  • Informações demográficas / cadastrais;
  • Informações financeiras;
  • Histórico de relacionamento com o credor;
  • Informações comportamentais;
  • Informações negativas;
  • Característica da operação solicitada;
  • Dados setoriais.

Cuidados na definição das variáveis

Aqui estamos falando de não só descrever detalhadamente a variável, mas também a forma de obtenção e característica do registro a fim de evitar interpretações distintas entre os analistas.

Além disso, ainda demanda atenção os seguintes pontos:

  • Confiabilidade: os valores indicados pelas variáveis devem ser confiáveis.
  • Tempo desde obtenção: as variáveis obtidas devem ser recentes e atualizadas.
  • Disponibilidade: as informações analisadas para desenvolver um modelo devem estar disponíveis no futuro para garantir a comparação de “banana” com “banana”.

Conclusão

Finalmente, não importa como, mas ao final do dia o objetivo é mitigar riscos de não recebimento.

Modelos de score de crédito, customizados ou não, são somente uma ferramenta a mais a fim de ajudar na tomada de decisão.

Podem parecer complicados, e até são um pouco mesmo. Mas o processo de construção de um modelo de score de crédito ajuda muito a entender os fragilidades de sua carteira de crédito. Logo, direciona atuação na mitigação dos riscos.

Afina, modelos de score de crédito e canja de galinha não fazem mal a ninguém.

Sucesso e bons negócios!

error: Content is protected !!
WhatsApp chat

Quer saber mais?

Preencha o formulário abaixo e logo entraremos em contato!