PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO/ PUC … Augusto... · Doutor Francisco Antônio...
Transcript of PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO/ PUC … Augusto... · Doutor Francisco Antônio...
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO
PAULO/ PUC-SP
IAIA AUGUSTO CUMA
ANÁLISE DE CRÉDITO E RISCOS DE INADIMPLÊNCIA EM
FINANCIAMENTOS DE PESSOAS FÍSICAS EM GUINÉ-BISSAU:
Proposição de modelo experimental
DISSERTAÇÃO DE MESTRADO
PROGRAMA DE ESTUDOS DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO
SÃO PAULO
2012
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO
PAULO/ PUC-SP
Setor de Pós-Graduação
IAIA AUGUSTO CUMA
ANÁLISE DE CRÉDITO E RISCOS DE INADIMPLÊNCIA EM
FINANCIAMENTOS DE PESSOAS FÍSICAS NA GUINÉ-BISSAU:
uma abordagem crítica e proposição de modelo experimental
Dissertação de Mestrado Apresentada à Banca
Examinadora da Pontifícia Universidade Católica de
São Paulo, Como Exigência Parcial para Obtenção do
título de Mestre em Administração, na área de
concentração: Gestão Integrada nas Organizações –
Estratégia e Inovação (Finanças), sob a orientação do
Professor Doutor José Odálio dos Santos.
SÃO PAULO
2012
BANCA EXAMINADORA
DEDICATÓRIA
Aos meus pais (In Memorian), Linda Passú e Augusto Silva
Cuma que não puderam estar presente fisicamente para
compartilhar este momento muito especial na minha vida, mas
acredito que, em qualquer lugar que eles estiveram, continuarão
presente no meu coração, sempre iluminando os meus caminhos e
os meus pensamentos! E que Deus encontre um lugar muito
especial para eles no céu, porque eles merecem! Além de foram
ótimos pais, participaram ativamente na minha formação humana
e sempre foram presentes no meu lado em prol do meu sonho –
realizações acadêmicas.
Á Carolina Mendes Mascarenhas Cuma, uma pessoa maravilhosa
e muito especial na minha vida, com quem compartilhei os
momentos de angústia, de desespero, de sofrimento e de alegria
durante todo o percurso desta produção acadêmica. E sempre
soube me compreender nas noites que fico em claro na busca do
conhecimento - a minha noiva!
Aos meus filhos, Ianique Iaia Cuma, Iaia Cuma Junior, Linda Iaia
Cuma (Lazi), Augusto Iaia Cuma e Iano Iaia dos Santos Cuma.
AGRADECIMENTOS
De longe trarei o meu conhecimento,
e ao meu criador atribuirei a justiça.
Jô 36:3
Estes agradecimentos rendem a mais pura e amorosa homenagem a todos que realmente
contribuíram para que seja possível a concretização deste ideal que, ora apenas se inicia.
É claro que, neste momento, não tenho palavras para tantos agradecimentos às pessoas
importantes em toda esta caminhada.
Primeiramente ao criador, meu DEUS, por esta maravilhosa conquista e por ter me
ouvido sempre nas dificuldades pelas quais passei e pela paciência. E por me iluminar
em todos os momentos da minha vida, pois é! Os obstáculos foram vencidos através da
fé! O pai eterno onipotente da infinita bondade, o alfa e ômega, Obrigado por tudo que
tem me feito ao longo da minha vida.
Ao meu orientador, Professor Doutor José Odálio dos Santos, pela sua disposição em
me orientar e que esteve sempre ao meu lado nas dúvidas, nos desabafos, nas conquistas
e nos direcionamentos para as leituras e pesquisas! Além de exímio profissional é
extremamente humano.
Á CAPES-Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, o PROSUP-
Programa de Suporte à Pós-Graduação de Universidades Particulares e ao coordenador
do programa de estudos de pós-graduação em administração da PUC-SP, o Professor
Doutor Francisco Antônio Serralvo, pela bolsa de estudos.
Á Pontifícia Universidade Católica de São Paulo/PUC-SP, aos funcionários, a Secretária
do programa Rita e em especial aos professores do programa de estudo de pós –
graduação em administração, Prof. Dr. Rubens Famá, Prof. Dr. José Odálio dos Santos,
Prof. Dr. Belmiro do Nascimento João, Prof. Dr. António Vico Manâs, Prof. Dr.
Onésimo de Oliveira Cardoso e a Prof ª. Drª Sylmara Lopes F. Gonçalves Dias, Prof.
Dr. Arnoldo José de Hoyos Guevara, Prof, Dr. Francisco António Serralvo, Prof. Dr.
Ladislau Dawbor e Prof. Dr. José Roberto Securato pelo acolhimento e carinho.
Agradeço a Néria António Ialá (Né), a Maguida Mendes (Amaguí) e Augusta Nunes dos
Santos, pelos filhos maravilhsos.
Aos meus irmãos, Teresa da Silva (in memorian), Albertinho António Cuma, António
da Silva (Matcho), Jeorge da Silva (Morto), Gildo Augusto Cuma, Abú Djassi e
Hermenigilda da Silva (Pono), por acreditaram em mim desde cedo.
Agradeço a Tânia Isabel de Andrade, a Cristina de Sá, a Elaine Silva Barbeiro e a Joana
Flora Coelho pelos constantes apoios na materialização deste projeto.
Aos (as) meus (minhas) amigos (as), Samuel José Iofna da Silva, Iero Turé, Serifo
Jaquité (Jaqui bobo), Engº Cirilo Cassama, Fato Cassama, Engº Hugo Nesolini Vieira,
Baifaz António Correia, Wilson Augusto Dama, Prof. Hermindo José Iofna da Silva,
Dr. Caramo Có Junior e todos os meus colegas do Bairro de Míssira, pela vossa energia
positiva.
Agradecimentos especiais ao Ex. Primeiro Ministro da Guiné-Bissau, Engº Carlos
Correia, ao atual Primeiro Ministro, Carlos Domingos Gomes Junior, ao Presidente
Interino da República da Guiné-Bissau, Dr. Raimundo Pereira e ao Presidente da
Câmara Municipal da Guiné-Bissau, Tio Armando Napoco pelos constantes apoios e
ensinamentos político.
As minhas cunhadas, Dada da Silva, Náni, Domingas (Apili) e Sabina e aos meus
cunhados, Dinú, António Corrêa, Oméro e Papa marido de Helena (Juca), pela vossa
força e de serem amadas (os) pelas pessoas que gosto muito.
Á Dr. Filomena Mascarenhas Tipote e ao Dr. Pedro Tipote por terem proporcionado, a
modesta e a inigualável educação familiar, a pessoa maravilhosa com quem pretendo
viver por resto vida, a minha noiva, Carolina Mendes Mascarenhas Cuma.
Á minha sogra Rofina da Silva, as/os minhas/meus cunhadas (dos) Vinilde Mendes
Mascarenhas, Nita Mendes Mascarenhas, Francisca Mendes Mascarenhas (Tchica), Nita
Napoleon N’cola, Jeorge Mandolinde, Julião Okaia, Jerónimo e ao sobrinho Arnaldo
Mandolinde pela vossa força, exemplos de luta e dedicação.
Aos meus amigos Brasileiros, Márcio Santos, Diretor da Universidade Anhanguera –
Unidade Taboão da Serra, Luis Shigueru Kanamori, Coordenador do Curso de Gestão
de Pessoas da Universidade Anhanguera – Unidade Taboão da Serra e Pedro Zambrone
Grillo de Oracle Tecnology.
Aos meus sobrinhos, as minhas sobrinhas, os meus tios, as minhas tias, primos e primas,
pela vossa torcida visando alcançar os meus objetivos.
Agradeço imensamente a Helena (Juca) e Damá por substituíram a minha mãe nos
momentos propícios da minha infância e por terem participado na minha educação
familiar.
Aos meus primos-irmãos e as primas-irmãs, João Indicane, Nene Camala, Angelina
Camala, Emília Camala, Manuel Indicane, Luis Indicane, Soares Indicane (Jean Pierre -
Umpa), pelos anos de convivência e que sempre souberam me aturar.
Aos meus companheiros de luta, residentes atualmente no Brasil, Sociólogo Patrício
Sanhá e estudante de Análise de Sistema da USP, Gilmer.
Não poderia deixar de expressar a minha enorme gratidão a Alanan Soares de BDU,
Nhama de BAO, Djagra da Direção de Conjuntura do Ministério das Finanças da
Guiné-Bissau, Quintino do INEC (Instituto Nacional de Estatística e Censo da Guiné-
Bissau), Armando de Comitê de Política Econômica da Guiné-Bissau e em especial
Amarildo de BCEAO (Banco Central dos Estados da África Ocidental), pelas ajudas
incondicionais a me atenderam e colocaram a disposição no percurso desta pesquisa,
com muita dedicação, atenção e serenidade nas informações passadas.
RESUMO
O crescimento de crediários em Guiné-Bissau no período estudado de 2005 a 2010 pode
ser explicado pela relativa estabilidade econômica, apesar de algumas instabilidades
políticas. O controle significativo da inflação, a criação de novas oportunidades de
empregos são fatores que interferem diretamente nos propósitos e na necessidade de se
tomar crédito. O estudo buscou explorar e identificar os fatores determinantes no
aumento de números de inadimplentes com o crescimento de crédito às pessoas físicas
em Guiné-Bissau. A pesquisa pretende-se contribuir com um modelo consistente de
análise de avaliação de risco de crédito às pessoas físicas que se adéqua à realidade
social e econômica da Guiné-Bissau. Para facilitar o processo de análise de avaliação de
risco de crédito foram apresentados os modelos Serasa, Magalhães e Mario e JOS
desenvolvido por Santos e Famá, considerando uma série de variáveis e parâmetros.
Para efetivar o propósito deste trabalho, foram abordados os processos fundamentais de
análise de crédito (subjetiva e objetiva), regulamentação e panorama do setor de crédito
em Guiné-Bissau, sua evolução, taxas de juros, inflação e PIB (Produto Interno Bruto)
em Guiné-Bissau. A apresentação do modelo proposto (JOS 2 de Credit Scoring) e sua
aplicabilidade, em uma amostra de 200 clientes extraída da carteira de crédito dos
quatro bancos comerciais estudados em Guiné-Bissau, a regressão logística (Logit)
gerou um índice de ajustamento de 54,70% pelo índice de Nagelkerke, ou seja, as
variáveis do modelo em conjunto, contribuem para a explicação de até 54,70% do
aumento de inadimplência em Guiné-Bissau. No Brasil, o mesmo modelo foi testado em
uma amostra de uma instituição financeira de médio porte, o resultado gerou um índice
de ajustamento de 81,90%, ou seja, as variáveis do modelo, em conjunto, contribuem
para a explicação de até 81,90% do aumento da inadimplência. Porém, mesmo com o
índice moderado de acerto do modelo é indispensável que os bancos em Guiné-Bissau
façam contínuas reavaliações do modelo, considerando não só a seleção e ponderação
de variáveis internas (riscos não-sistêmicos), como também, a inclusão de eventos
externos (riscos sistêmicos), que apresentam relação direta com a renda e a capacidade
de pagamento dos tomadores.
Palavras-chave: Risco de crédito, Retorno, Inadimplência, Clientes, Pessoas Físicas,
Credit Scoring, Guiné-Bissau.
ABSTRAT
The growth of installment credits in Guinea-Bissau during the study period from 2005
to 2010 can be explained by the relative economic stability, despite some political
instability. The significant control of inflation, creating new job opportunities are
factors that directly interfere with the purposes and the need to take credit. The study
sought to explore and identify the determining factors in the increase of numbers of
defaulters with the growth of credit to individuals in Guinea-Bissau. The research aims
to contribute to a consistent model for the analysis of risk assessment of credit to
individuals that fits the social and economic situation in Guinea-Bissau. To facilitate the
review process for evaluating credit risk models were apresented Serasa, Magalhães and
Mario and JOS developed bay Santos and Famá, considering a number of variables and
parameters. To accomplish the purpose of this study, we addressed the fundamental
processes of credit analysis (subjective and objective), regulatory and overview of the
credit industry in Guinea-Bissau, its evolution, interest rates, inflation and GDP (Gross
Domestic Product) in Guinea-Bissau. The presentation of the proposed model (2 JOS
Credit Scoring) and its applicability in a sample of 200 clients drawn from the loan
portfolio of the four commercial banks studied in Guinea-Bissau, logistic regression
(Logit) yielded a rate adjustment of 54,70% by Nagelkerke index, or is, the model
variables together contribute to the explanation of up to 54,70% of the increase in
delinquencies in Guinea-Bissau. In Brazil, the same model was tested on a sample of a
mid-sized financial institution, the result generated a rate adjustment of 81,90%, or is,
the variables of the model, together, contribute to explaining up to 81,90% increase in
default. But even with the moderate rate of success of the model is essential that banks
in Guinea-Bissau to make continuous reassessment of the model, considering not only
the selection and weighting of internal variables (non-systemic risks), as well as the
inclusion of events external (systemic risk), which are directly related to income and
payment capacity of borrowers.
Keywords: Credit Risk, Return, Default Clients, Individuals, Credit Scoring, Guinea-
Bissau.
ILUSTRAÇÕES (TABELAS, FIGURAS, QUADROS E GRÁFICOS)
Tabela 1 – Evolução de taxa de juros em Guiné-Bissau................................................53
Tabela 2 – Nível de discriminação para diferentes valores de KS.................................59
Tabela 3 – Cálculo de estatística de Kolmogorov-Smirnov (KS)..................................60
Figura 1 – Diagrama de representação de crédito............................................................8
Figura 2 – Diagrama de representação do crédito associado ao risco............................11
Figura 3 – Processo de concessão de crédito através do uso de modelos de Credit
Scoring.............................................................................................................................21
Figura 4 – Ponto de corte e intervalo de dúvida – Credit Scoring.................................28
Figura 5 – Diagrama de escalas de avaliação de risco...................................................34
Figura 6 – Comportamento do resultado bancário em relação ao custo de captação.....36
Quadro 1 – Os 5’c de crédito.........................................................................................16
Quadro 2 – Fases de análise de crédito para pessoas físicas..........................................18
Quadro 3 – Variáveis discriminatórias e parâmetros.....................................................56
Quadro 4 – Variável apreciação/restrições cadastrais....................................................57
Quadro 5 – Resumo de variáveis do sistema de Scoring para pessoas físicas...............58
Quadro 6 – Informações demográficas de pessoas físicas.............................................62
Quadro 7 – Informações idoneidade..............................................................................62
Quadro 8 – Informações de capacidade financeira/pagamento......................................62
Quadro 9 – Informações de colateral.............................................................................62
Quadro 10 – Informações de relacionamento bancário..................................................63
Quadro 11 – Informações de fonte geradora de renda...................................................63
Quadro 12 – Eventos sistêmicos....................................................................................63
Quadro 13 – Variáveis independentes ponderadas no modelo de Credit Scoring.........64
Quadro 14 – Resumo dos resultados do modelo de Credit Scoring CPPF......................65
Quadro 15 – As variáveis de modelo de Credit Scoring de Magalhães e Mario...........66
Quadro 16 – As variáveis para a aprovação de crédito as pessoas físicas em Guiné-
Bissau...............................................................................................................................67
Quadro 17 – Variável caráter.........................................................................................69
Quadro 18 – Variável idade...........................................................................................69
Quadro 19 – Variável estado civil...........................................................................69
Quadro 20 – Variável residência....................................................................................70
Quadro 21 – Variável tempo na residência....................................................................70
Quadro 22 – Variável estabilidade no emprego/atividade.............................................71
Quadro 23 – Variável cargo/atividade...........................................................................71
Quadro 24 – Variável renda mensal líquida consolidada (inclui receitas de aluguéis)..72
Quadro 25 – Variável número de dependentes..............................................................72
Quadro 26 – Variável planos de saúde familiar.............................................................73
Quadro 27 – Variável seguro residencial.......................................................................73
Quadro 28 – Variável seguro veículos...........................................................................73
Quadro 29 – Variável cartões de crédito........................................................................74
Quadro 30 – Variável tempo de relacionamento comprovado com o principal banco
que faz transações............................................................................................................74
Quadro 31 – Variável patrimônio (bens móveis e imóveis)...........................................75
Quadro 32 – Variável patrimônio (aplicações financeiras)............................................75
Quadro 33 – Variável índice médio de comprometimento de renda com dívidas
onerosas...........................................................................................................................76
Quadro 34 – Variável outras atividades profissionais....................................................76
Quadro 35 – Variável idoneidade do negócio................................................................77
Quadro 36 – Parâmetro de decisão.................................................................................77
Quadro 37 – Resultados dos parâmetros para pessoas físicas........................................78
Quadro 38 – Teste de Nagelkerke R Square e Chi-square/Brasil..................................80
Quadro 39 – Teste de Nagelkerke R Square e Chi-square/Guiné-Bissau......................80
Gráfico 1 – Volume total de crédito concedido em Guiné-Bissau de 2005 a 2010........46
Gráfico 2 – Volume total de crédito de liquidação duvidosa.........................................48
Gráfico 3 – Volume total de crédito às pessoas físicas..................................................49
Gráfico 4 – Volume total de crédito de liquidação duvidosa às pessoas físicas.............50
Gráfico 5 – Volume total de inadimplências às pessoas físicas.....................................51
Gráfico 6 – PIB – Taxa de variação anual em percentagem...........................................52
Gráfico 7 – A inflação – variação anual do IPC em percentagem..................................54
LISTA DE ABREVIATURAS E SIGLAS
BAD
Banco Africano de Desenvolvimento – Regional
BAO
Banco da África Ocidental da Guiné-Bissau
BCEAO
Banco Central dos Estados da África do Oeste /ou da
África Ocidental
BDU
Banco da União da Guiné-Bissau
BOAD
Banco Oeste Africano de Desenvolvimento –
Regional
BRS
CRC
DARF
Banco Regional de Solidariedade da Guiné-Bissau
Conselho Regional da Contabilidade do Brasil
Documento de Arrecadação Fiscal do Brasil
ECOBANK
Banco Regional Africano da Guiné-Bissau
INEC
IPC
Instituto Nacional de Estatística e Censo da
Guiné-Bissau
Índice de Preço do Consumidor
IZF
Investimento Zona Franca – Regional
IPC
MIR
Índice de Preço ao Consumidor do Brasil
Manual de Imposto de Renda do Brasil
PIB
SPC
SYSCOA
Produto Interno Bruto
Serviço de Proteção ao Crédito do Brasil
Sistema de Contabilidade da África Ocidental -
Regional
UEMOA
UMOA
União Econômica Monetária Oeste Africana/ ou da
África Ocidental
União Monetária Oeste Africana/ ou da África
Ocidental
“A Ciência não é uma ilusão, mas seria uma
ilusão acreditar que poderemos encontrar
no outro lugar o que ela não nos pode dar”
Sigmund Freud
SUMÁRIO
CAPÍTULO 1 – INTRODUÇÃO...................................................................................1
1.1. Objetivo do trabalho...............................................................................................3
1.2. Problema da pesquisa..............................................................................................3
1.3. Justificativa.............................................................................................................4
1.4. Metodologia............................................................................................................4
1.5. Limitações da pesquisa...........................................................................................5
1.6. Estrutura do trabalho.......................................................................................... ...6
CAPÍTULO 2 - FUNDAMENTAÇÃO TEÓRICA......................................................7
2.1. Crédito: conceito, relevância e finalidade..............................................................7
2.2. Risco de crédito......................................................................................................9
2.3. Produtos de crédito...............................................................................................12
2.4. Análise de crédito as pessoa física.......................................................................15
2.4.1. Processo subjetivo de análise de crédito....................................................19
2.4.2. Processo objetivo de análise de crédito.....................................................19
2.4.2.1. Modelo ou sistema Credit Scoring...............................................20
2.4.2.1.1. As vantagens e desvantagens da utilização dos modelos
de Credit Soring.............................................................................................................. 22
2.4.2.1.2. Etapas para o desenvolvimento dos modelos de Credit
Scoring.............................................................................................................................25
2.4.2.1.3. Métodos estatísticos aplicados em modelos de Credit
Scoring.............................................................................................................................30
2.4.2.2. Modelo ou sistema Behavoir........................................................32
2.4.2.3. Modelo ou sistema Misto.............................................................33
2.4.2.4. Rating............................................................................................33
2.5. A função das taxas de juros em créditos...................................................................35
2.6. Destaque de algumas pesquisas com foco em gestão de risco de crédito ás
pessoas físicas..................................................................................................................36
CAPÍTULO 3 - REGULAMENTAÇÃO E PANORAMA DO SETOR DE
CRÉDITO ÀS PESSOAS FÍSICAS EM GUINÉ-BISSAU........................................41
3.1. Regulamentação do setor bancário.......................................................................41
3.1.1. UMOA/UEMOA.......................................................................................41
3.1.1.1. Organização institucional ou os órgãos do BCEAO - Banco
Central dos Estados da África Ocidental.........................................................................42
3.1.1.1.1. Governador do BCEAO – Banco Central..................42
3.1.1.1.2. Comitê de Política Monetária....................................43
3.1.1.1.3. Conselho de Administração.......................................44
3.1.1.1.4. Comitê de Auditoria..................................................44
3.1.1.1.5. Conselho Nacional de Crédito...................................44
3.2. Panorama do setor de crédito às pessoas físicas em Guiné-Bissau......................45
3.2.1. Análise crítica e de evolução de crédito às pessoas físicas........................54
CAPÍTULO 4 – MODELOS DE CREDIT SCORING SELECIONADOS E
ANÁLISES DE RESULTADOS...................................................................................56
4.1. Modelo Serasa de Credit Scoring para pessoas físicas.........................................56
4.2. Modelo JOS de Credit Scoring CPPF para pessoas físicas....................................61
4.3. Modelo de Credit Scoring de Magalhães e Mario................................................65
4.4. Modelo de avaliação de risco do BCEAO - Banco Central dos Estados da África
Ocidental..........................................................................................................................67
4.5. Modelo proposto...................................................................................................68
4.5.1. Aplicabilidade do modelo proposto nas amostras......................................79
CONSIDERAÇÕES FINAIS........................................................................................82
REFERÊNCIAS BIBLIOGRÁFICAS........................................................................85
ANEXOS.........................................................................................................................91
1
CAPÍTULO 1 – INTRODUÇÃO
Com exceção do escambo e das operações de compra e venda à vista, todas as
operações que envolvem certo período de tempo entre a posse do ativo e o seu respectivo
pagamento acabam de uma forma ou outra ocorrendo em condições de crédito.
Conseqüentemente, isso implica a existência de uma relação de confiança entre ambas as
partes envolvidas no fechamento da operação, de que tanto os bens quanto o dinheiro,
serão entregues na data e no valor previamente combinados. A operação de crédito é, sem
dúvida, um dos instrumentos financeiros capazes de alavancar e viabilizar o processo
produtivo e econômico de uma nação (FURUGUEN, 1973, p.61; AMORIM NETO e
CARMONA, 2004, p.2).
Segundo Securato (2010, p.341), para que seja alcançado o desenvolvimento
econômico e social, é fundamental que os agentes tomadores tenham acesso às riquezas da
nação. Essas riquezas são distribuídas à sociedade na forma de recursos transformados em
saúde, educação, moradia, vestuário, alimentação e todas as demais necessidades ou
desejos de seus cidadãos, o que inclui bens de consumo modernos e diversificados, cada
vez mais acessíveis as parcelas mais amplas de população.
Para que tenha capacidade de consumo de variados bens, pressupõe-se distribuição
de renda equitativa para financiar o consumo, propiciando vida digna e confortável dos
agentes tomadores (STIGLITZ e WEISS, 1981, P.335).
Daí a importância de crédito que, em suma, inclui duas noções fundamentais:
confiança, expressa na promessa de pagamento; e o tempo que se refere ao período fixado
entre a aquisição e a liquidação da dívida (SILVA, 2000, p.63). Para que operação de
crédito ocorra, é fundamental considerar dois elementos centrais: as formas de análise do
crédito e a medida do risco de crédito.
As formas de análise do risco de crédito são fundamentadas para os procedimentos
técnicos de análise subjetiva e de análise objetiva (SANTOS, 2010, p.46). A análise
subjetiva, ou caso a caso, é baseada no julgamento humano, ao contrário da análise
objetiva que usa métodos estatísticos como forma de apurar a probabilidade de certo
cliente tornar ou não inadimplente.
2
Dentre as técnicas objetivas de gestão do risco de crédito, destacam-se os modelos
credit scoring, os quais segundo Saunders (2000, p.13) e Caouette, Altman e Narayanan
(2000, p.12) são resultantes de modelagens estatísticas que incluem informações cadastrais
relevantes (ex.: idoneidade, situação financeira, riqueza patrimonial etc.) para a
identificação de clientes inadimplentes.
E em fase da condição da incerteza com que defronta, ao tomar decisões gerenciais
relativas à assunção de risco, pode atribuir a este termo o significado colocado por
Bernstein (1997, p. 8): “o risco significa ousar”. Neste sentido, o risco é uma opção e não
um destino. A mesma idéia compartilhada por Caouette et al. (2009, p.13).
Medir o nível de exposição de risco em transações de crédito é indispensável e os
modelos de análise são ajustados para eliminar ou mitigar a inadimplência que, segundo
Brigham e Ehrhardt (2006, p. 864), refere-se à falta de cumprimento de um contrato ou
qualquer de suas condições.
A pesquisa desenvolvida enfoca análise de crédito e riscos de inadimplência em
financiamentos de pessoas físicas em Guiné-Bissau, como também propõe um modelo
experimental de avaliação de crédito com as variáveis representativas do perfil sócio-
econômico da Guiné-Bissau.
A situação social da Guiné-Bissau no período de 2005 a 2010 tem apresentado
melhorias para a grande maioria da população, cujos proventos para a sua sobrevivência
tem sido cada vez melhores. Todavia persistem questões que afetam a qualidade de vida da
população como a distribuição parcial da rede sanitária, uma precária estrutura
educacional, o desemprego e a degradação da rede de infra-estruturas viárias, portuárias e
fluviais na Guiné-Bissau, o fator crédito econômico poderia contribuir para o declínio
destas condições. Paralelamente, o temor pela inadimplência que restringe as
oportunidades de crédito para parcelas da população, o que conseqüentemente dificulta a
possível alavancagem e a criação de postos de trabalho no meio urbano, seja pela tímida
presença de créditos disponíveis, como pelas lacunas na política de crédito vigente e dos
modelos defasados de análise de risco de crédito.
Mesmo com essas deficiências a Guiné-Bissau possui um grande potencial de
desenvolvimento que, a exemplo de outras nações africanas, como o Senegal, a Nigéria
etc., alicerçou seu crescimento no estabelecimento de políticas de crédito congruentes e
3
alavancadoras de bem estar para uma parcela de população (BCEAO, 2011 – Banco
Central dos Estados da África Oeste/ ou Ocidental).
1.1. Objetivo do trabalho
O objetivo do trabalho concentra-se em analisar os modelos de gestão do risco de
crédito às pessoas físicas que são utilizados e difundidos pelo setor financeiro em Guiné-
Bissau no período de 2005 a 2010. O estudo permite também delinear uma proposta de
análise de crédito, que se materializa como um modelo experimental possível de ser
aplicado na Guiné-Bissau.
Para atingir este objetivo, foram apresentados os processos detalhados de análise de
crédito para pessoas físicas da Serasa Experian (2011), de Magalhães e Mário (2010) e de
Santos e Famá (2007).
Após apresentação dos modelos, foi desenvolvido um modelo de análise do risco de
crédito para as pessoas físicas, a partir das informações extraídas do mercado brasileiro,
com elevado poder explicativo da inadimplência. Face a relevância das variáveis
componentes do modelo e seu elevado poder explicativo da inadimplência para a mostra de
clientes brasileiros de uma instituição financeira de medito porte, considerou-se como o
modelo adequado para aplicação em Guiné-Bissau, condicionado a existência de
informações restritivas dos tomadores no mercado de crédito e de histórico de transações
de crédito manipulado por técnicas avançadas, como Credit Scoring, Rating, Redes
Neurais.
1.2. Problema da pesquisa
Considerando, tanto o aumento das concessões de crédito às pessoas físicas, como a
inevitável contrapartida do aumento da inadimplência, em Guiné-Bissau, elaborou-se a
seguinte questão da pesquisa: Quais as principais causas ou motivos de elevada taxa de
inadimplência em carteiras de crédito das pessoas físicas, e qual o modelo objetivo de
4
pontuação de propostas de crédito, desenvolvido por agências creditícias e apresentado em
pesquisas acadêmicas se ajustaria mais adequadamente às condições sociais e econômicas
da Guiné-Bissau com vista a reduzir ou/ eliminar a inadimplência?
1.3. Justificativa
Os fundamentos deste estudo remetem à perspectiva pessoal do pesquisador,
cidadão da Guiné-Bissau, preocupado com a evolução de crédito às pessoas físicas. À
medida que vem crescendo o mercado de crédito na Guiné-Bissau, paralelamente, vem
aumentando os riscos de inadimplência dada à ineficácia do atual modelo de análise de
avaliação do risco de crédito. [...] Além disso, poucos estudos investigaram os reais
motivos de inadimplência em financiamentos, temática crucial para o amadurecimento das
perspectivas de crédito à população.
A escolha do tema “análise de crédito e os riscos de inadimplência em
financiamentos” seus procedimentos para avaliação das pessoas físicas devem-se ao
interesse em analisar criteriosamente, o atual modelo de análise dos riscos de crédito em
Guiné-Bissau.
Em parte, esse interesse no foco da pesquisa foi influenciado pela expansão das
operações de crédito e da exposição ao risco de inadimplência em Guiné-Bissau, no
período de 2005 a 2010. Segundo as informações consolidadas pelo BCEAO (Banco
Central dos Estados da África Ocidental), o saldo total de crédito às pessoas físicas no
período representou aproximadamente 22% do total do volume de crédito e 14% desse
total foi classificado como inadimplência, ou perda total após 90 dias transcorridos do
prazo contratual de pagamento.
1.4. Metodologia
A metodologia desta dissertação envolveu a pesquisa quantitativa e a revisão
bibliográfica de obras acadêmicas com foco na avaliação de risco de crédito.
5
A pesquisa testou a utilização de modelo de Credit Scoring em uma amostra de 200
clientes de quatro bancos comerciais em Guiné-Bissau, os quais foram utilizados para
desenvolver o modelo. O modelo proposto foi desenvolvido com a técnica estatística de
regressão logística (logit model) mediante os recursos de SPSS 19.0.
O método aplicável à análise de risco de crédito é o retrospectivo-dedutivo, pois
considerando que vários devedores com determinadas características tornaram-se
insolventes, deduz-se que, devedores com características similares, poderão também
tornar-se insolventes, (ORTOLANI, 2000).
Em seu discurso sobre o método, Descartes (1993, pp.40-41) especifica a base
epistemológica de seu método ancorado em quatro diretrizes: evidência dos fatos, divisão
da dificuldade em partes, ordenação dos pensamentos e enumerações e revisões.
1.5. As limitações da pesquisa
A pesquisa constata as seguintes limitações no seu desenvolvimento:
A falta de banco de dados consistente e confiável do sistema financeiro da
Guiné-Bissau;
As informações recebidas dos quatro bancos comerciais pesquisadas na
Guiné-Bissau para fins da comparação foram consideradas verdadeiras, por
não haver a possibilidade, neste estudo, de verificar as evidências das
respostas fornecidas;
Por não existir nenhuma pesquisa relacionada ao assunto na Guiné-Bissau,
foram analisadas somente as informações e os dados fornecidos pelo
BCEAO (Banco Central dos Estados da África Ocidental); e
Foram consultadas apenas as referências bibliográficas acadêmicas
brasileiras e americanas, que abordam o assunto análise de crédito e os
riscos de financiamentos às pessoas físicas. Isso se deve a não existência de
materiais relacionados e disponíveis nas bibliotecas das principais
universidades da Guiné-Bissau.
6
1.6. Estrutura do trabalho
O presente trabalho destina-se a enfatizar a análise de crédito e dos riscos de
inadimplência em financiamentos de pessoas físicas na Guiné-Bissau: uma abordagem
analítica e proposição de modelo experimental de Credit Scoring, que permite identificar
os riscos aos quais, cada cliente está exposto e que possam levá-lo a situação de
inadimplência. Nessa perspectiva, o trabalho foi subdividido em quatro capítulos e as
considerações finais, com vista atingir o objetivo preconizado:
Capítulo 1 - refere-se à parte introdutória, objetivo, justificativa, problema,
estrutura e a metodologia do trabalho;
Capítulo 2 - contextualiza as abordagens teóricas referente à fundamentação
teórica, discute diferentes conceitos teóricos sobre análise e avaliação do risco de crédito.
Estes assuntos serão enfatizados com as abordagens dos estudos dos autores: (COLE e
MISHLER, 1998; CAOUETTE, ALTMAN, NARAYANAN e NIMNO, 2009; BLATT,
1998; BERNSTEIN, 1997; FURUGUEN, 1973; BLACK e MORGAN, 1998; BRIGHAM
e EHRHARDT, 2006; SAUNDERS, 2000; GITMAN, 1997; PARKINSON e OCHS, 1998;
WENNER, 2007; FISHER, 1936; DURAND, 1841, ROSS, WESTERFIELD e JORDAN, ,
1998; THOMAS, 2000; VICENTE, 2001; SANTOS 2010; SECURATO, 2010; SILVA,
2000; BRUNI, MURRAY e FAMÁ, 1998; SOUSA e CHAIA, 2000), entre outros. Ainda
no mesmo capítulo apresenta diferentes trabalhos acadêmicos (nacionais e internacionais),
que abordam os modelos relevantes de Credit Scoring às pessoas físicas;
Capítulo 3 - apresentam-se a regulamentação e o panorama do setor de crédito às
pessoas físicas em Guiné-Bissau, a sua evolução, volumes de créditos concedidos no
período estudado de 2005 a 2010, a inadimplência, considerando a inflação e o PIB;
Capítulo 4 – descrevem-se os modelos Serasa (2011), Magalhães e Mario (2010) e
Santos e Famá (2007) e, em seguida, aplica-se e avalia-se a contribuição do modelo Santos
e Famá conhecido como modelo JOS de Credit Scoring CPPF em uma amostra de clientes
pessoas físicas de Guiné-Bissau.
Finalmente, destaca as Considerações finais.
7
CAPÍTULO 2 – FUNDAMENTAÇÃO TEÓRICA
2.1. CRÉDITO: Conceito, Relevância e Finalidade
O termo crédito – originou-se do latim Creditum.
Para Cole e Mishler (1998, p.14) e Silva (2000, p.63) a palavra crédito está
diretamente relacionada a confiança e a reputação do tomador.
O vocábulo crédito em finanças define um instrumento de política de negócios e
pode ser utilizado por uma empresa comercial na concessão de empréstimos,
financiamentos ou fianças, e é definido como a modalidade de financiamento vinculada
diretamente com a necessidade do cliente (SILVA, 2000, PP.63-64; SANTOS, 2010, p.1).
Segundo Brigham, Gapenski e Ehrhardt (2001, p.794), o crédito representa uma
importante fonte de financiamento às pessoas físicas, principalmente em situações de
descasamento dos prazos de recebimento da renda e pagamento das despesas.
Dentre as várias conceituações, uma linha de raciocínio tem predominado entre os
autores:
“Crédito refere-se à troca de um valor presente por uma promessa de reembolso
futuro. E análise de crédito passa a ser a fase em que o analista de crédito faz um
levantamento das informações sobre o cliente, com o objetivo de avaliar sua
credibilidade e estimar o montante máximo de crédito que julga ser compatível com
o seu porte. Num sentido restrito e específico, crédito consiste na entrega de um
valor presente, mediante uma promessa de pagamento (SANTOS, 2010).
A oferta de crédito por parte de empresas e instituições financeiras é um importante
impulsionador da atividade econômica, por disponibilizar recursos financeiros às pessoas
físicas, para que possam financiar suas necessidades permanentes e eventuais. Por
exemplo, numa loja de roupas, uma venda a crédito é caracterizada pela entrega da
mercadoria (roupas) ao cliente, mediante uma promessa de pagamento, em uma ou mais
parcelas, num prazo futuro, definido de comum acordo entre as partes e, em um banco que
tem a intermediação financeira como sua principal atividade.
8
O crédito consiste em colocar à disposição do cliente (tomador de recursos) certo
valor sob a forma de empréstimo ou financiamento, mediante uma promessa de pagamento
numa data futura, em uma ou mais parcelas. Na verdade, o banco está vendendo uma
promessa de pagamento, pagando ao tomador (vendedor) um determinado valor para, no
futuro, receber um valor maior. A (Figura 1) apresenta a relação entre o banco e o
tomador:
Figura 1 – Diagrama de representação de crédito
EMPRÉSTIMOS E FINANCIAMENTOS ↘
↗ BANCO
TOMADOR
↖
↙
PROMESSA DE PAGAMENTO
Fonte: Silva (2000)
Após discorrer sobre o significado, o conceito e a finalidade de crédito torna-se
fácil aquilatar sua importância/ ou relevância, principalmente se considerar que a
economia é um encadeamento abrangente dos mais variados setores, como: a indústria, a
agricultura, o comércio, o serviço e as pessoas nelas inseridas. O crédito possibilita a
alavancagem empresarial, gerando mais emprego e aumentando o Produto Interno Bruto -
PIB, e conseqüentemente, mais renda para absorver o aumento da produção.
Para Securato (2010, p.65), o mercado de crédito visa fundamentalmente suprir as
necessidades de caixa de curto e médio prazos dos vários agentes econômicos, seja por
meio da concessão de crédito às pessoas físicas seja por empréstimos e financiamento às
empresas. E para que aconteça uma operação de crédito são necessários basicamente três
elementos: o agente superavitário (o detentor de recursos); o intermediário financeiro (os
bancos) e o agente deficitário (o que necessita de recursos), este último necessita de
recursos para antecipar um desejo de consumo, ou para liquidar uma dívida.
Pode-se dizer que uma operação de crédito envolve a figura do tomador, que
precisa de recursos para financiar suas necessidades de consumo, e do credor, que busca
9
uma remuneração que, no mínimo, seja compatível com o seu custo de oportunidade. Daí,
destaca-se a figura do banco como o intermediário de operações de crédito, como canal de
comunicação entre os agentes, sendo responsável pela gestão de risco e administração de
retorno ou spread. De acordo com Freitas (2003, p.165), o spread representa a receita da
instituição financeira, sendo a diferença entre a taxa cobrada ao tomador de recursos
(crédito) e a taxa paga ao investidor na captação de recursos.
2.2.Risco de crédito
O risco de crédito é um dos itens mais antigos da história do mercado financeiro
tanto quanto os empréstimos em si, porém, remonta a pelo menos 1800 a. C., sendo assim,
Caouette et al. (2009, p.5) definem o crédito como:
“a expectativa de entrada de uma determinada quantia no caixa dos credores, em
data futura,” então o risco de crédito é chance de que essa expectativa não se
cumpra. O risco de crédito é conseqüência de uma transação financeira contratada
e/ou contingencial entre um fornecedor de fundos e um usuário desses fundos.
Para Securato (2010, p.182):
“O risco de crédito pode ser definido como a incerteza de resultados futuros ou
também como a possibilidade de perda. No caso de uma decisão de crédito, esse
risco está relacionado, dentre outros, a: não recebimentos; recebimentos em atraso;
elevação da taxa de captação”.
Weston e Brigham (2000) afirmam que, o crédito pode ser definido como a própria
variância do retorno. Quanto maior esse desvio, maior será o retorno exigido para
compensar esse alto risco e existem dois fatores ou eventos que afetam o desvio de retorno:
riscos sistêmicos ou conjunturais e riscos não-sistêmicos ou próprios ou diversificáveis.
Riscos sistêmicos advêm de fatores exógenos não controláveis que afetam a
maioria das empresas (condições macro-econômicas): guerra, inflação, recessões e taxas de
juros altas (BRIGHAM, et al. 2008).
10
Riscos não-sistêmicos ou próprios ou diversificáveis são causados por eventos
randômicos tais como processos judiciários, greves, programas de marketing bem ou mal-
sucedidos, ganho ou perda de um grande contrato ou outros eventos que são únicos para
uma empresa em particular. Como esses eventos são randômicos, seus efeitos sobre uma
carteira serão contrabalançados pelos bons eventos de outras (BRIGHAM et al. 2008).
Ross et al. (2008), atesta que a distinção entre um risco sistemático e um risco não
sistemático jamais é tão exato quanto parece. Mesmo a notícia mais peculiar a respeito de
uma empresa exerce efeitos em toda a economia.
Porém, a avaliação de análise uma operação de crédito é a segmentação de fatores
de riscos envolvidos. O benefício dessa análise é ilustrar em que medida cada fator de
risco é influenciado por fatores externos ou se trata de um risco interno.
A mesma abordagem compartilhada por Silva (2000, p.77) que, classificou os
riscos de crédito de um banco em quatro grandes grupos: risco do cliente; risco de
operação; risco de concentração e risco de administração do crédito. E recomenda-se que
sejam avaliados sempre que possível os seguintes riscos: risco do cliente, risco da operação
e risco de crédito.
O risco do cliente ou risco intrínseco, entendido como os fatores que determinam
a possibilidade do cliente não pagar o empréstimo. Por exemplo, avaliando-se a renda
mensal ou mesmo os seus indicadores coincidentes como os gastos mensais com a energia
elétrica e água. E é o risco inerente ao tomador e, decorre de suas características. Portanto,
o não-cumprimento da promessa de pagamento pelo devedor pode decorrer de um conjunto
de fatores associados ao próprio devedor. A seguir, a Figura 2 apresenta o digrama de
representação do crédito associado ao risco:
11
Figura 2 – Diagrama de representação do crédito associado ao risco
CRÉDITO
Empréstimos e Financiamentos
↑ ↓
↓
RISCO
aráter Capacidade Condições Capital
↓
Classificação – Rating
↓
Colateral - Garantias Colaterais
Fonte: Silva (2003)
O risco da operação deve refletir quais são os riscos aos que o credor está exposto
diante de uma determinada linha financiamento. Por exemplo, um financiamento de
automóvel tem riscos diferentes de uma operação de crédito direto ao consumidor (CDC)
pela garantia envolvida, a mecânica de concessão e as formas de acompanhamento do
pagamento de amortizações.
Com essa segmentação podem-se evitar avaliações equivocadas como atribuir um
risco elevado a uma proposta de crédito, sendo que a natureza da operação (por exemplo,
CDC) é mesmo mais arriscada. Ou ainda, aprovar uma proposta de um cliente com elevado
risco, mas que se confunde com risco interno de uma operação.
TOMADOR BANCO
Promessa de Pagamento
12
Conceitualmente é possível determinar o risco de crédito, conhecendo a
composição desse risco e a natureza da operação em questão. E essa forma de classificação
é de grande auxílio ao administrador de risco de crédito, pois o auxilia na redução das
perdas decorrentes da assunção de riscos indevidos, bem como propicia-lhe a busca da
maximização do valor do banco, a partir da tomada de decisão orientada pela avaliação da
relação risco e retorno.
Para minimizar esse risco, destaca-se, cada vez mais, a importância da gestão do
risco de crédito, baseada em procedimentos subjetivos (análise caso a caso) e objetivos
(análise estatística), como instrumento para a adequada seleção, análise, precificação e,
principalmente, monitoramento do risco de inadimplência, quando da ocorrência de fatores
sistêmicos adversos (SANTOS, 2010).
2.3. Produtos de crédito
Os produtos de crédito são direcionados ao atendimento de necessidades
temporárias ou eventuais dos clientes pessoas físicas, tais como: moradia, alimentação,
saúde, educação etc., assim como na aquisição de bens (móveis e imóveis) (OHLSON,
1980, p.109; SANTOS, 2010, p.10; TOSI, 2003, p.344).
Eis os produtos de crédito mais utilizados no segmento das pessoas físicas, no
mercado brasileiro:
Os limites de créditos rotativos (Cheque Especial e Cartão de Crédito);
Crédito Direto ao Consumidor (CDC);
Crédito Pessoal;
Contrato de Crédito; e
Crédito Imobiliário.
Cheque Especial: sendo produto rotativo, em geral é utilizado para ajustar
desequilíbrios orçamentários de curtíssimo prazo, ou seja, as necessidades eventuais ou
temporárias dos clientes.
A aprovação dessa modalidade de crédito somente se efetiva após a prévia
avaliação de risco do cliente, baseada na qualidade de suas informações financeiras,
13
patrimoniais e de idoneidade no mercado de crédito. Como parâmetro, os bancos aprovam
limites de cheque especial em valores compatíveis com a renda líquida mensal comprovada
dos clientes. As taxas do cheque especial são fixadas e definidas mensalmente, variando de
acordo com o risco do cliente;
Cartão de Crédito: é utilizado como alternativa para antecipar o consumo via
parcelamento ou para adequação de fluxo de caixa da pessoa física, sendo produto de
crédito rotativo. De posse de um cartão de crédito com limite de crédito pré-aprovado, o
cliente poderá efetuar gastos em estabelecimentos comerciais credenciados, com o
benefício de pagamento futuro, quando do recebimento da fatura mensal. O débito é
sempre feito em data de vencimento previamente escolhida pelo cliente. Além do benefício
de financiar compras, o uso do cartão de crédito possibilita a realização de saques em
caixas eletrônicas e em redes bancárias associadas às empresas financiadoras de cartões, no
Brasil, por exemplo: Visa e Mastercard. As taxas são prefixadas e definidas mensalmente,
variando conforme a situação atual e perspectivas de risco apresentadas pelo cliente;
Crédito Direto ao Consumidor (CDC): tem a função mais ampla, como constata
(SILVA, 1995):
“O crédito ao consumidor é caracterizado pelo fato do bem econômico, recebido por
antecipação, integra-se na escala de preferências e de consumo de quem adquire o
produto e dar lugar a uma parcela adicional na escala de gastos do mesmo após o
transcurso de certo intervalo de tempo, no caso de crédito tradicional, ou durante um
determinado período, na hipótese do crédito parcelado”.
O crédito direto ao consumidor é destinado a financiar a prestação de serviços e
aquisição de bens duráveis com amortizações mensais fixas, já com encargos envolvidos.
Os bens duráveis financiados podem ser novos ou usados. Os exemplos mais importantes
desses financiamentos são os destinados à aquisição de veículos e bens eletrodomésticos.
Usualmente, o próprio bem, objeto de financiamento (exemplo: carro, máquina e
equipamento), representa a garantia para o banco em caso de inadimplência de cliente.
Ao considerar que CDC é para aquisição de automóvel, o mercado oferece as
menores taxas de juros em comparação aos demais produtos /ou categoria de crédito. E
quando analisa o CDC para aquisição de outros bens, as taxas de juros se equiparam as
praticadas nos empréstimos pessoais;
14
Crédito Pessoal: é uma das mais relevantes nos empréstimos de consumo. Destina-
se ao financiamento de necessidades pontuais dos clientes como financiamento de viagens,
reforma de imóvel e aquisição de bens etc. Esta alternativa de produto de crédito é mais
utilizada para o equilíbrio do orçamento do cliente e, trata-se de operações tradicionais de
crédito as pessoas físicas. As instituições financeiras criaram alguns diferenciais para esse
produto (crédito pessoal) com o objetivo de torná-lo mais competitivo, perante os demais
tradicionais crediários oferecidos pelo comércio: crédito pré-aprovado, convênio
empregador e crédito para pensionistas do INSS:
Crédito pré-aprovado: o cliente recebe um limite de crédito pré-aprovado,
que pode utilizá-lo de acordo com suas necessidades e condições
contratuais;
Convênio empregador: a instituição financeira concede uma linha de crédito
para as empresas públicas ou privadas com o objetivo de financiar os
empregados os empregados por ela (empresa empregadora) indicados;
Crédito para pensionistas do INSS: nesse tipo de empréstimo, a dívida é
amortizada por meio de parcelas mensais e iguais que coincidem com a data
do pagamento do benefício ao pensionista.
Contrato de Crédito: trata-se de modalidade de crédito condicionada amortização
parcelada do principal mais os juros. Esse modelo de produto é considerado pontual, uma
vez que possibilita ao banco o conhecimento prévio do direcionamento que o cliente dará
para os recursos financeiros. Por isso, pode ser direcionado para o financiamento de
projetos pessoais, como os decorrentes de gastos com moradia, saúde, educação e
aquisição de bens etc. Os contratos de crédito podem ser de natureza coberta, quando a
aprovação está condicionada à vinculação de bens patrimoniais dos clientes; ou descoberta,
quando somente são amparados pela vinculação de avais de terceiros;
Crédito Imobiliário: é uma modalidade de produto de crédito destinado à
aquisição ou construção de imóveis residenciais, amortizáveis em prestações mensais, em
período usualmente superiores a cinco anos. Para essa modalidade, há necessidade de
avalistas coobrigados e com potencialidades econômicas para assumir a dívida do cliente –
15
em caso incapacidade de pagamento. Imóvel objeto de financiamento, além do aval,
constituir-se na garantia acessória para minimizar o risco.
2.4. Análise de crédito as pessoas físicas
A análise de crédito é um processo organizado para analisar dados, de maneira a
possibilitar o levantamento de certas questões acerca do tomador do crédito (BLATT,
1998, p. 93).
Para Wenner (et al. 2007) e Sousa e Chaia, (2000, p.42), a análise de crédito
consiste em atribuir valores a um conjunto de fatores que permitam a emissão de um
parecer sobre determinada operação de crédito, ou seja, é o momento no qual o agente
cedente irá avaliar o potencial de retorno do tomador do crédito, bem como os riscos
inerentes à concessão de crédito. Para a sua efetivação, deve-se investigar a integridade,
moral, capacidade de gerir recursos financeiros, capacidade para liquidar pagamentos e
quantidade e qualidade dos colaterais.
Gitman, (1997, p.696) e Ross, Westerfield e Jordan (1998, p.372) afirmam que na
análise de crédito, freqüentemente, os analistas de crédito utilizam informações
relacionadas às variáveis: caráter, capacidade, capital, colateral e condições como
importantes condutores de valor para a decisão de concessão de crédito. Os cinco variáveis
representam os C´s do crédito, como habitualmente são conhecidos. A mesma idéia foi
compartilhada por (BRIGHAM e EHRHARDT, 2006).
16
Quadro 1 – Os 5 C’s de crédito
Caráter
Idoneidade no mercado de crédito e histórico do cliente na
amortização de empréstimos.
Capacidade
Habilidade do cliente na conversão de seus ativos em renda
ou receita.
Capital
Situação econômica, financeira e capacidade de
pagamento.
Colateral
Vinculação de bens patrimoniais ao contrato de
empréstimo.
Condições
Impacto dos fatores externos sobre a fonte primária de
pagamento ou na geração de renda.
Fonte: Santos (2010)
Cada um dos C’s tem sua importância para a melhor identificação do risco de
crédito do cliente e, por isso, são ponderados diferentemente nos modelos desenvolvidos
para previsão de inadimplência, que são utilizados no processo objetivo de análise de
crédito em relação ao processo subjetivo.
Segundo Securato (2010, p.33) análise de crédito da pessoa física ampara-se na
obtenção de informações do solicitante de crédito e na confirmação das informações
através de documentos e consultas a agências especializadas. Por exemplo, no Brasil, cada
credor utiliza um modelo próprio de ficha cadastral para a obtenção das informações
básicas do cliente, além de recorrer às empresas especializadas na gestão de informações
creditícias, tais como: SERASA, EQUIFAX (Boavista) e SPC - Serviço de Proteção ao
Crédito, e/ou SCI- Information Manegement etc.
Para validar a ficha cadastral será necessária as seguintes informações:
Nome, CPF, RG do solicitante de crédito e do cônjuge, quando casado. Esses dados
são utilizados para verificação de eventual existência de homônimo e para apuração
de restrições cadastrais, como atrasos por falta de pagamento, apontamentos,
protestos, cheques devolvidos, ações judiciais etc;
17
Endereço atual e, eventualmente, o anterior, quando o solicitante residir há pouco
tempo no endereço indicado. Na ficha cadastral, esse campo também reserva
espaço para informações complementares, por exemplo, relativas à moradia;
Nome da empresa em que o solicitante trabalha, além de especificações do
endereço do empregador, tempo de serviço, cargo, função, salário. Informações
sobre emprego anterior poderão ser solicitadas, principalmente se o cadastro
apresentar tempo de serviço no emprego atual;
Discriminação de rendimentos com respectivas origens, bem como das despesas
mensais de caráter fixo, tais como aluguel da moradia e/ou de escritório, no caso de
autônomos e outras;
Relação de bens com o valor de aquisição/mercado e ainda os ônus existentes sobre
eles mesmos. Informações sobre prestações mensais, em bens onerados, poderão
ser cruzadas com aquelas constantes no campo reservado para apuração da renda
líquida, para que se possa verificar a consistência das informações que estão sendo
fornecidas;
Fontes de referências comerciais e bancárias, que podem ser utilizadas para
investigação pela própria instituição credora.
Resumindo, o dossiê básico de crédito para pessoa física será composto pelas
seguintes informações:
a. Ficha cadastral;
b. Comprovantes de renda (contracheques, declaração de Imposto de Renda
ou outros documentos) e residência (conta de luz, água ou telefone);
c. Comprovantes relativos aos bens declarados na posição patrimonial, bem
como, dependendo do valor do crédito concedido, certidões negativas de
ônus e alienações; e
d. Cópia autenticada de documentos pessoais (CPF, RG) no caso do Brasil.
18
Santos (2010, p. 32) apresenta as fases da análise de crédito, conforme destacado no
Quadro 2:
Quadro 2 - Fases de análise de crédito para pessoas físicas
Análise Cadastral: análise de dados de identificação dos clientes;
Análise de Idoneidade: análise de informações relacionadas a idoneidade do cliente
com o credor e mercado de crédito;
Análise Financeira: a identificação da renda total do cliente e posterior análise de
compatibilidade;
Análise de Relacionamento: informações extraídas do histórico de relacionamento do
cliente com o credor e mercado de crédito;
Análise Patrimonial: informações sobre o patrimônio do cliente;
Análise de Sensibilidade: monitoramento da situação macroeconômica na previsão de
fatores adversos;
Análise de Negócio: informações cadastrais, de idoneidade e financeira da fonte
geradora
de renda do cliente negócio ; e
Parâmetro para Estabelecer o Limite de Crédito e o Valor do Financiamento:
atribuição do limite ou o valor de financiamento considerando a renda líquida média.
Fonte: Elaborado pelo autor, adaptado de (SANTOS, 2010)
O processo de análise e concessão de crédito recorre ao uso de duas técnicas:
a técnica de análise subjetiva e
a técnica objetiva ou estatística.
19
A primeira diz respeito à técnica baseada no julgamento humano ou caso a caso, e a
segunda é baseada em processos estatísticos (SANTOS, 2010).
2.4.1. Processo subjetivo de análise de crédito
A análise de crédito subjetiva envolve habilidade de tomada de decisão de crédito,
dentro de um cenário de incertezas e constantes mutações e informações incompletas". Ou
seja, grande parte da análise de crédito é realizada através do julgamento do agente de
crédito, baseada principalmente na habilidade e experiência do mesmo (SCHRICKEL,
2000, p.27),
Para Santos (2010, p.46), a análise subjetiva, ou caso a caso, é baseada no
julgamento humano e na experiência adquirida do analista de crédito, no conhecimento
técnico, no bom-senso, na sensibilidade e na disponibilidade de informações (internas e
externas), que lhes possibilitem diagnosticar se o cliente possui idoneidade e capacidade de
gerar receita para honrar o pagamento das parcelas do financiamento.
A análise subjetiva do tomador do crédito é importante, visto que, através da
experiência do agente de crédito, é possível identificar fatores de caráter, capacidade,
capital e condições de pagamento. Porém, essa análise não pode ser realizada de maneira
aleatória, é preciso ter forte embassamento em conceitos técnicos que irão guiar a tomada
de decisão.
A subjetividade é tratada, nesta dissertação, como a capacidade ou visão de cada
analista de crédito, para identificar fatores de risco, que comprometam a capacidade de
pagamento dos clientes.
2.4.2. Processo objetivo de análise de crédito
A análise objetiva busca centrar-se nas metodologias estatísticas, com a finalidade
de apurar resultados matemáticos, que atestem a capacidade de pagamento dos tomadores
20
(SANTOS, 2010). Essa análise está amparada em pontuações estatísticas de riscos, A
pontuação de crédito é um instrumento estatístico desenvolvido para que o analista avalie a
probabilidade de que determinado cliente venha a tornar-se inadimplente no futuro. Dentre
os modelos usados na análise objetiva de gestão de risco de crédito às pessoas físicas
destacam-se os seguintes: Modelo ou sistema Credit Scoring, Modelo ou Sistema
Behavoir, Modelo ou Sistema Misto e o Modelo ou Sistema de Classificação de Risco de
Crédito - Rating.
2.4.2.1. Modelo ou sistema Credit Scoring
Fisher (1936) e Durand (1841) apud Blatt (1998, p.99) foram os precursores da
metodologia do Credit Scoring, para a identificação de bons e maus tomadores de
financiamento ou de crédito. Antes deles, o método já fora aplicado em companhias
seguradoras, em 1930.
“O termo/ ou método Credit Scoring é um modelo de avaliação do crédito aplicável
as pessoas físicas baseado em fórmula estatística desenvolvida com base em dados
cadastrais, financeiros e patrimoniais e de idoneidade dos clientes. Os dados clientes
referem-se aos cinco C’s do crédito. E é baseado na classificação de candidatos a
crédito em grupos de acordo com seus prováveis comportamentos de pagamentos”
(BLATT, 1998).
Segundo Vicente (2001, p.49)
“Credit Scoring é o processo de atribuição de pontos às variáveis de decisão
mediante técnicas estatísticas. Trata-se de processo que define a probabilidade de
que um cliente com certas características, pertença ou não a um grupo possuidor de
outras determinadas características consideradas desejáveis, hipótese em que se
aprova um limite de crédito, esta técnica, portanto, estabelece uma regra de
discriminação de um determinado cliente solicitante de crédito.”
Os modelos de atribuições de pontos às variáveis de decisão de crédito são
encontrados normalmente em todos os tipos de análise de avaliação de risco de crédito,
desde créditos mais simples com menores valores até aos créditos arriscados com valores
mais altos. O propósito é praticamente a mesma: a pré-identificação de certos fatores-
21
chave, que determinam a probabilidade de inadimplência e sua combinação ou ponderação
para produzir uma pontuação quantitativa.
Os modelos normalmente utilizados de Credit Scoring atribuem pesos
estatisticamente predeterminados a alguns dos atributos dos solicitantes, para gerar um
escore de crédito. Se esse escore é favorável, quando comparado a um valor de corte, então
a solicitação é aprovada e, caso ao contrário o pedido será negado (SAUNDERS, 2000,
p.13; CAOUETTE, ALTMAN e NARAYANAN, 2000, p.182).
A Figura 3, a seguir mostra o processo de concessão de crédito através do uso de
modelos de Credit Scoring.
Figura 3 – Processo de concessão de crédito através do uso de modelos de Credit
Scoring
Fonte: Sousa e Chaia (2000, p.21)
Os modelos de Credit Scoring representam um processo científico, porém, não
inibem as possibilidades de se recusar um “bom pagador” ou de aceitar um “mau pagador”.
Isto ocorre porque nenhum sistema de gestão de crédito consegue o total de informações
relevantes na classificação do devedor, e, mesmo que conseguisse o seu custo tornaria a
análise economicamente inviável (SOUSA e CHAIA, 2000, p.21).
22
A seção, a seguir apresenta as vantagens e desvantagens da utilização dos modelos
de Credit Scoring.
2.4.2.1.1. As vantagens e desvantagens da utilização dos modelos de Credit Scoring
As principais vantagens são: consistência; facilidade; eficácia no tratamento de
dados fornecidos por terceiros; melhor organização da informação de crédito; redução da
metodologia subjetiva; maior eficiência do processo (PARKINSON e OCHS, 1998, pp.26-
27; SOUSA e CHAIA, 2000, p.23)
a) Consistência
O modelo bem elaborado, que utiliza a experiência da instituição e serve para
administrar objetivamente o crédito dos clientes já existentes e de novos solicitantes;
b) Facilidade
O modelo Credit Scoring tende a ser simples e de fácil interpretação, com aplicação
relativamente fácil. A metodologia utilizada para construção de tal modelo deve ser
comum e bem entendida, assim a como a abordagem de sua avaliação;
c) Eficiência no tratamento de dados fornecidos por terceiros:
O processo de Credit Scoring torna as informações de banco de dados fornecidas
por terceiros, anteriormente classificadas como dados acessórios, parte integrante do
sistema;
d) Melhor organização da informação de crédito:
A sistematização e organização das informações contribuem para a melhoria do
processo de concessão de crédito;
e) Redução da metodologia subjetiva:
O uso de método quantitativo com, as regras claras e bem definidas contribui para a
diminuição do subjetivismo na avaliação do risco de crédito;
f) Maior eficiência do processo:
23
O uso de modelo Credit Scoring na concessão de crédito direciona os esforços dos
analistas na redução do tempo e na maior eficiência ao processo. Portanto a análise de
crédito é centrada em um número menor de fatores, reduzindo o tempo do processo e
melhorando a eficiência.
Para Caouette, Altaman e Narayanan (2000), os modelos de Credit Scoring
oferecem muitas vantagens. São objetivos e consistentes, que são características desejáveis
para qualquer instituição, e especialmente para aquelas que não possuem uma forte cultura
de crédito. Se desenvolvidos apropriadamente, eles tendem a ser relativamente
inexpressivos, bastante simples e de fácil interpretação. A instalação de tais modelos é
relativamente fácil. As metodologias usadas para construir esses modelos são comuns e
bem entendidas, assim como as abordagens usadas para avaliá-los. Os regulamentadores
aprovam modelos bem projetados e baseados em estatísticas. Uma instituição é capaz de
proporcionar melhor serviço ao consumidor pela sua habilidade de aprovar ou negar um
pedido de empréstimo rapidamente. Esse é um fator importante no mundo de mudanças
rápidas como o atual.
Por outro lado, as principais desvantagens do uso de sistema de Credit Scoring
são: custo de desenvolvimento; excesso de confiança no modelo; falta de dados oportunos
ou problemas de “valores não preenchidos”; e a interpretação equivocada de Score.
a) Custo de desenvolvimento
Desenvolver um sistema Credit Scoring pode acarretar custos, não somente ao
sistema em si, mas também com o suporte necessário para sua construção, por exemplo,
profissionais capacitados, equipamentos, coleta de informações necessárias ao
desenvolvimento do modelo, dentre outros;
b) Excesso de confiança no modelo
Algumas estatísticas podem superestimar a eficácia do modelo, fazendo com que
usuários, principalmente aqueles menos experientes, considerem tais modelos perfeitos,
não criticando seus resultados;
c) Falta de dados oportunos ou problemas de “valores não preenchidos”
Se o modelo necessita de dados que não foram informados, pode haver problemas
na sua utilização na instituição, gerando resultados diferentes dos esperados. Além da falta
24
de algumas informações necessárias, faz-se oportuno analisar também a qualidade e
fidedignidade das informações disponíveis, uma vez que eles representam o insumo
principal do modelo de Credit Scoring; e
d) A interpretação equivocada do Score
O uso inadequado do sistema devido à falta de treinamento e conhecimento de
como utilizar suas informações pode ocasionar problemas sérios à instituição.
Outras limitações/ ou desvantagens dos modelos de Credit Scoring são os aspectos
temporal e geográfico da amostra (SILVA, 2000, p.308; CAOUETTE, ALTMAN e
NARAYANAN, 2000).
Para Caouette, Altman e Narayanan (2000), o tempo (a época) é uma das principais
limitações apresentadas pelos modelos desenvolvidos a partir do uso de análise
discriminante. Com o decorrer do tempo, tanto as variáveis quanto os seus pesos relativos
sofrem alterações. As variáveis que, segundo a análise discriminante, são as que melhor
classificam sob determinada conjuntura econômica, podem não ser em outra situação. Um
modelo de Credit Scoring pode degradar-se pelo tempo se a população que ele é aplicado
diverge da população original que foi usada para construir o modelo
Quanto ao aspecto geográfico, Silva (2000, p.308) anota que, os aspetos da região
geográfica limitam o uso de um modelo único, sendo que o desenvolvimento de diversos
modelos poderá exigir que disponha de amostras muito grandes.
Porém, o crédito deve ser entendido como parte dos negócios dos bancos e desse
modo, devem ser coerentes com as suas estratégias de negócios. Os modelos dão uma
medida objetiva de avaliação, não ponderando os fatores estratégicos. É preciso, portanto,
agregar esses fatores importantes.
Verifica-se, portanto, que o modelo de Credit Scoring pode trazer significativos
benefícios à instituição, quando adequadamente desenvolvidos e utilizados. No entanto,
existem limitações, que precisam ser bem avaliadas antes do seu desenvolvimento e
conseqüentemente na sua implantação. Porém, seção a seguir apresenta as etapas do
desenvolvimento de Credit Scoring.
25
2.4.2.1.2. Etapas para o desenvolvimento dos modelos de Credit Scoring
Blatt (1998) ressalta que, a metodologia básica para o desenvolvimento de um
modelo de Credit Scoring deve seguir algumas etapas consideradas importantes na
elaboração do modelo. Sendo assim, as seguintes etapas devem ser cumpridas:
Planejamento e definições;
Planejamento amostral e coleta de dados;
Identificação de variáveis potenciais;
Determinação da fórmula de escoragem;
Determinação do ponto de corte ou faixas de Score;
Determinação das regras de decisão; Validação do sistema;
Utilização prática; e
Acompanhamento.
a) Planejamento e definições
O objetivo do modelo é definido nesta etapa, ou seja, se o interesse é, em prever
com base em dados cadastrais a probabilidade de inadimplência, ou se deseja inferir a
partir de dados de desempenho (operações de crédito anteriores) se um aumento de limite
de crédito eleva a probabilidade de inadimplência.
Definem-se as variáveis dependentes e qual etapa do ciclo de crédito o modelo irá
atuar iniciação/aquisição, monitoração ou cobrança. Essa etapa inicial é fundamental
também para delimitar a utilização do Score em outras atividades, ou melhor, uma
definição inexata do objetivo do modelo seria prejudicial a sua utilização em etapas pela
qual não se aplica. Por exemplo, um modelo de aquisição – que avalia o risco do cliente no
momento da concessão do crédito – de uma operação de Crédito Direto ao Consumidor
não deve ser utilizado para avaliação da probabilidade de inadimplência no produto cartão
de crédito;
26
b) Planejamento amostral e coleta de dados
É a etapa de coleta e de organização das informações, que serão utilizadas no
desenvolvimento e utilização posterior do modelo. Esta etapa não antecede a de
identificação de variáveis potenciais, comentadas a seguir. Geralmente, são realizadas
conjuntamente, mas para fins didáticos, ela é apresentada antes.
Nesse sentido, as dificuldades na disponibilidade e na qualidade das informações
são enfrentadas, nesta etapa. Dados errados ou configurados de forma incorreta
inviabilizam todas as etapas posteriores e podem conduzir a grandes prejuízos financeiros
para a instituição. Também é uma etapa em que é definida a amostra que será utilizada. Ou
seja, se o objetivo do modelo é prever risco de inadimplência para o produto do
financiamento de automóveis, é desejável utilizar-se de um histórico de operações nessa
mesma operação e não, por exemplo, do produto cheque especial.
Por outro lado, define-se o prazo histórico que será avaliado. Ou melhor, será
selecionada uma amostra dos últimos doze/ ou seis meses etc. Essa conceituação está
condicionada ao tipo de produto de crédito, às características de risco, e ao prazo de
amortização da operação;
c) Identificação de variáveis potenciais
Nesta etapa são definidas as variáveis independentes que devem ser trabalhados.
Desta forma, são inicialmente selecionadas diversas variáveis que de forma julgamental
parecem ser explicativas, as variáveis que se deseja prever. Por exemplo, em um modelo
de determinação de novos limites do cartão de crédito, o gasto médio parece ser um
atributo importante. No entanto, a forma que se deve parametrizar essa variável é a
contribuição da utilização das técnicas estatísticas. Doravante, pode ser testado o gasto
médio dos últimos 4, 6, 10 e 12 meses, ou mesmo o gasto em médias móveis, ou como
percentual do limite etc. É uma etapa fundamental no desenvolvimento do modelo e
determina a qualidade de seus resultados.
Porém, são testadas diversas variáveis e suas parametrizações diferentes. A escolha,
evidentemente, é feita naquelas que apresentam maior poder explicativo e significância
estatística.
27
Nesta etapa um ponto muito importante a ressaltar, são as variáveis a serem
utilizadas que não apenas obedecem a critérios estatísticos, mas também operacionais e de
negócios. Por exemplo, uma variável com periodicidade de atualização baixa tende a
perder capacidade de explicação mais rapidamente, exigindo que o modelo seja refeito em
um curto prazo. Ademais, dificuldades no cálculo da variável ou mesmo na velocidade de
processamento – quando se exige uma decisão de crédito rápida – são consideradas na
seleção para o desenvolvimento do modelo;
d) Determinação da fórmula de escoragem
Nesta etapa são realizadas as simulações em conjunto das melhores variáveis, com
vista a determinação da fórmula do modelo que garantem suas propriedades estatísticas
individuais, como análise discriminante e regressão logística. E são definidos também os
pesos de cada variável, por exemplo, em um modelo de decisão de crédito com base em
dados cadastrais e a renda do proponente pode ter 8% peso, enquanto que a variável
endereço residencial pode apresentar 4% de peso. Portanto, a definição das ponderações
demonstra qual é a importância relativa de cada variável utilizada;
e) Determinação do ponto de corte ou faixas de Score
A partir de momento que foi definida a fórmula do modelo, exige-se que seja
definido também um ponto do corte, como mostra, a Figura 4 a seguir. Ou seja, os casos
com uma pontuação acima de “X” ou de 30, são considerados clientes prospectivos/ ou
bons, e os abaixo de “X” ou de 30, são considerados clientes não-prospectivos/ ou maus.
Por exemplo, em um modelo de concessão, as propostas com Score acima desse limite são
aprovadas enquanto que as propostas abaixo desse limite são recusadas.
28
Figura 4 – Ponto de corte e intervalo de dúvida – Credit Scoring
Mau
Cliente
Mau
Cliente?? ??
Bom
Cliente
Bom
Cliente
Intervalo de Dúvida0 10 20 40 50 6060
Ponto de
Corte
Fonte: Elaborado pelo autor, adaptado de Santos e Famá (2007)
A determinação desse ponto de corte foi arbitrada e que está condicionada à
distribuição de probabilidade da variável dependente. Em uma determinada faixa de
pontuação, por exemplo, a probabilidade de inadimplência é de 30%, portanto, todos os
casos desta faixa são recusados. Vale dizer que a determinação do ponto de corte deve ser
utilizada como uma variável indicativa do resultado esperado do portfólio de crédito da
instituição. Assim, conforme a probabilidade de inadimplência atribuída a cada faixa de
Score, o banco estima ex-ante que sua carteira de crédito terá um determinado índice de
inadimplência.
O perfil de cada banco na atividade de crédito pode ser verificado a partir do
conservadorismo ou tolerância ao risco demonstrado pelo ponto de corte utilizado. Uma
mudança no cenário econômico ou mesmo da estratégia da instituição pode resultar na
alteração do ponto de corte do modelo;
f) Determinação das regras de decisão
Trata-se de uma etapa de procedimentos na operação de crédito. Ou seja, são
definidas regras para exceção ao resultado do modelo (tanto para o erro de tipo I quanto o
do tipo II). Também são definidas, por exemplo, o limite da linha de cheque especial, isto
29
é, para cada faixa de Score (que significa níveis de risco diferentes) são atribuídos limites
de crédito diferentes;
g) Validação do sistema
Após o desenvolvimento do modelo, seus resultados são avaliados, realizando um
teste em dados reais na amostra de validação. Os resultados devem ser semelhantes aos
apresentados no desenvolvimento da fórmula do modelo e todos os testes estatísticos são
realizados para garantir propriedade das variáveis utilizadas;
h) Utilização prática
Nesta etapa, o modelo é implementado no sistema de avaliação da instituição de
crédito, e as regras de decisão são comunicadas a todos os envolventes;
i) Acompanhamento
Após a implantação, a qualidade dos resultados do modelo deve ser constantemente
monitorada para detectar o momento em que a fórmula deve ser novamente estimada. Os
motivos da deterioração da capacidade de previsão de um modelo são diversos,
principalmente, quando se trata de mudanças nas variáveis utilizadas, mudanças de
estratégia da instituição, alteração no perfil dos clientes, e mudanças de cenário econômico
não contemplados no modelo.
Em linhas gerais, essas são as etapas pelo qual um modelo de escoragem é
desenvolvido. Cada instituição adquire sua própria metodologia e tem sua cultura de
desenvolvimento, mas as diferenças são marginais. Por isso, procurou-se demonstrar, de
forma detalhada, os principais aspectos que uma instituição bancária deve considerar, para
possuir um processo adequado de gestão de um portfólio de crédito.
As principais dificuldades, sob esta ótica, são a disponibilidade e o tratamento das
informações e os elevados custos administrativos envolvidos nesse tipo de empréstimo. A
ausência de mecanismos jurídicos de execução de devedores, e praticamente ausência de
colateral, como nas linhas destinadas às empresas, torna maior ainda o desafio de gerenciar
a carteira de crédito à pessoa física.
As oscilações macroeconômicas tornam essa atividade muito sensível às condições
do momento, e as decisões bancárias devem refletir e circunscreverem-se nos processos
30
descritos anteriormente. As demais oscilações sociais como, por exemplo, a distribuição de
renda torna mais desafiadora a atividade de crédito ao consumo.
2.4.2.1.3. Métodos estatísticos aplicados em modelos de Credit Scoring
Os modelos mais utilizados na elaboração de sistemas de Credit Scoring são: a
análise discriminante, a regressão logística e os modelos baseados em redes neurais.
A técnica de análise discriminante foi à primeira técnica estatística utilizada na
criação de modelos de escoragem de crédito.
David Duran (1941) foi o primeiro a usar análise discriminante para medir o risco
de crédito (COLE e MISHLER, 1998). E a partir da década de 80 foi introduzida a técnica
de regressão logística, e mais recentemente foram implantados métodos de análise de
crédito baseados em redes neurais (THOMAS, 2000).
O presente trabalho utilizou o modelo de análise de regressão logística ou Logit que
começou a ser usado na década de 80. Desde Ohlson (1980) Logit é usada freqüentemente
para a avaliação de riscos de inadimplência, baseada em características financeiras (por
exemplo, índices das empresas credoras).
Para Lattin, Carroll e Green (2011, p.31) análise de regressão logística é
provavelmente a forma mais usada de análise de dependência. Ela é usada para explorar a
relação entre um conjunto de variáveis independentes (X) e uma única variável dependente
(Y) e é uma combinação linear de variáveis independentes que corresponde de forma tão
próxima quanto possível à variável dependente. Em geral, usa-se a análise de regressão
para responder as seguintes questões:
a) Descrição. Como podemos descrever a relação entre a variável dependentes?
Quão forte é a relação capturada pelo modelo?
b) Inferência. A relação descrita pelo modelo é estatisticamente significativa (isto
é, esse nível de associação entre os valores apropriados e os valores reais será
provavelmente o resultado apenas da sorte)? Quais variáveis independentes são
mais importantes?
31
c) Previsão. Até que ponto o modelo generaliza bem as observações fora da
amostra?
Segundo Vicente (2001, p.82), a técnica de regressão logística (Logit) é aplicada
em situações nas quais se deseja predizer a presença ou ausência de uma característica, ou
resultado, baseado em valores de um conjunto de variáveis independentes. No caso da
mensuração do risco de crédito, a regressão logística é utilizada para a avaliação da
probabilidade de insolvência (ou inadimplência) de determinado grupo de clientes,
relativos às situações de empréstimo ou financiamento.
Os modelos elaborados com base na análise Logit usam um conjunto de variáveis
contábeis para prever a probabilidade de inadimplência do tomador de empréstimo,
assumindo que a probabilidade de inadimplência é distribuída logisticamente, ou seja,
estatisticamente assume uma forma funcional logística, e é, por definição, forçada a cair
entre 0 e 1 (BRUNI, MURRAY e FAMÁ, 1998).
O modelo de regressão logística cria para cada empresa um escore Z:
Z = a + BX1
Onde:
Xi = o valor da i-ésima variável
Vários estudos comparativos entre os modelos que utilizam técnicas de regressão
logística e os modelos de análise discriminante mostraram que a capacidade de previsão
desses modelos é similar, portanto, não existe uma técnica estatística predominante.
Porém, importante destacar que na análise de regressão logística não existem restrições à
normalidade multivariada na distribuição das variáveis independentes, nem a igualdade de
matrizes de covariância dos dois grupos, como ocorre na análise discriminante, onde se
pressupõe a existência dessas condições (GIMENES e URIBE-OPAZO, 2001, p.70).
32
2.4.2.2. Modelo ou sistema Behavoir
O modelo ou sistema behavior é um sistema de pontuação com base em análise
comportamental e sua elaboração é complexa, na medida em que envolve grande
quantidade de amostras de variáveis particulares, vinculadas ao comportamento dos
indivíduos que, por sua vez, guarda correlação com variáveis conjunturais (THOMAS,
2000, p. 15; SECURATO, 2010, p.35).
Um Behavioral Scoring poderia incluir, dentre outras, observações sobre:
a) Hábitos de consumo: definem o que o indivíduo compra e quais os meios
que utiliza, por exemplo, se direto em lojas, por telefone ou via internet;
b) Hábitos lazer: freqüência dos indivíduos em academias, teatros, clubes,
restaurantes e clubes freqüentados;
c) Viagens: freqüência de viagens nacionais e internacionais para negócios ou
lazer;
d) Tipos de aplicação financeira: verificação, através de composição da
carteira de aplicações do cliente, se ele é avesso, indiferente ou tendente a
assumir riscos;
e) Compatibilidade com renda e patrimônio do indivíduo: analisam se os
hábitos de consumo, lazer, viagens e outros que envolvem dispêndios são
compatíveis;
f) Análise das obrigações assumidas pelo indivíduo.
O levantamento dos comportamentos individuais não é tarefa fácil. Em regra, as
empresas que encontram maior facilidade em tabular esses dados são as administradoras de
cartão de crédito, dado que a grande maioria das pessoas com padrão médio/alto de renda
tem o hábito de utilizar essa forma de pagamento (THOMAS, 2000).
Dessa forma, uma vez tabulados os hábitos comportamentais, é necessário conjugá-
los com as faixas de renda dos indivíduos e analisar as freqüências com que indivíduos de
diferentes faixas de renda adotam distintas práticas de consumo, aplicações financeiras e
assunção de obrigações.
33
2.4.2.3. Modelo ou sistema Misto
Segundo Securato (2010, p.36), algumas instituições adotam sistemas mistos,
pontuando informações de crédito, de comportamento e o relacionamento com o cliente.
Utilizam o sistema misto para definirem limites de crédito para pessoa física, para
orientarem na cobrança de spreads ver a (Figura 5) – algumas taxas diferenciadas nas
operações de crédito em função do volume de aplicações, seguros e outros negócios que o
cliente mantém com a organização – e, ainda, para se direcionarem esforços
mercadológicos – oferecimento de produtos e de atendimento adequado ao perfil do
cliente.
Para isso, são avaliados, além de parâmetros de crédito de comportamento, dados
relativos ao relacionamento/reciprocidade do cliente com a instituição, conforme segue:
a) Cliente tomador ocasional de recursos para cobrir necessidades específicas;
b) Cliente usual tomador de recursos, que utiliza parcial/totalmente seu limite
de cheque especial durante o mês;
c) Cliente aplicador em fundos conservadores e certificados de depósito
bancário/ caderneta de poupança ou em tipos de aplicações mais arriscadas;
d) Informações solicitadas na ficha cadastral e não fornecidas pelo cliente –
espaços em branco. A omissão de alguns tipos de informações dá margem a
questionamentos e considerações sobre o perfil do cliente ou, mesmo, sobre
a sua situação financeira/patrimonial.
2.4.2.4. Rating
O termo rating significa “classificação” e, para classificar algo, é preciso definir o
critério da classificação, ou seja, o objetivo do modelo. Os eventos, em questão, são
inadimplência e insolvência, portanto, o rating reflete a probabilidade de uma determinada
34
empresa credora incorrer em pelo menos um desses eventos, em um determinado horizonte
do tempo (SECURATO, 2010, p.218). Porém, a insolvência tem caráter de incapacidade
de uma empresa liquidar seu passivo, traduzido pelos eventos de concordata e falência,
enquanto que, a inadimplência é entendida como um conjunto de eventos, considerados
graves, que podem levar uma empresa à situação de insolvência.
Para Wesley (1993, p.35) rating é uma avaliação de risco. Esta avaliação é feita por
meio de mensuração e ponderação das variáveis determinantes do risco e é apresentado por
meio de código ou classificação, que fornece uma graduação do risco. Os serviços de
rating são utilizados normalmente por credores e investidores como uma medida de
expectativa de cumprimento de uma obrigação numa data certa. Cada banco, na qualidade
de depositário dos recursos dos agentes econômicos ofertadores de fundos, necessita
avaliar cuidadosamente a capacidade de pagamento dos tomadores de recursos.
Desse modo, os bancos precisam dotar uma metodologia que leve ao rating, para
classificação dos riscos de seus clientes. Portanto, as instituições financeiras poderão
adotar escalas diferentes (SILVA, p.83).
A Figura 5, a seguir exemplifica uma forma de classificação em cinco escalas.
Figura 5 – Diagrama de escalas de avaliação de risco
Z -1,40 0 1,40 2,95 5,0 Z
Máximo
Duvidoso
Médio
Modesto
Mínimo
P(S) 0,20 0,50 0,80 0,95 0,99 P(S)
Fonte: Silva (2000)
A Figura 5 oferece uma visualização acerca de cinco escalas de avaliações de
risco. Como regra genérica, quando o valor de Z for maior que zero, o cliente é classificada
como solvente. Quando for menor que zero, será classificado como sendo potencial para a
insolvência. O valor de 0 (zero) para Z significa uma probabilidade de solvência de 50%,
35
ou seja, é indefinido. De acordo com a nota (valor de Z) na tabela de classificação, o
cliente está associado a uma probabilidade de solvência. Quando o valor de Z é (-1,4), a
probabilidade de solvência é de apenas 20%, sendo a probabilidade de insolvência de 80%.
Quando Z é 2,95, a probabilidade de solvência é de 95% e a de insolvência é de 5%
(SILVA, 2000).
2.5. A função das taxas de juros em créditos
A aprovação de créditos para tomadores de alto risco com elevada propensão à
inadimplência. Isso, em parte, é influenciado pela manipulação e/ou omissão de
informações, por parte das pessoas físicas, com o intuito de receberam aprovações dos
bancos para suas propostas de crédito.
Com isso, os bancos continuamente enfrentam o problema da “seleção adversa das
taxas de juro”, quando da prospecção e análise de capacidade de pagamento de clientes
pessoas físicas.
A utilização de “informações imperfeitas” é muito comum e de difícil acesso aos
profissionais bancários no momento da aprovação do crédito, por exemplo, no caso de
informações que somente o cliente tem em tempo real, como a alteração de estado civil,
doença de familiares, acidentes materiais repentinos, realização de investimento com
prejuízo etc. O desconhecimento de informações que afetam negativamente a renda dos
tomadores pode influenciar na aprovação de crédito com cobrança de taxas de juros que
não reflitam a real situação financeira do cliente.
A contribuição que, as taxas de juros podem exercer como critério seletivo para a
identificação de qualidade de tomadores (Bons e Maus), o cliente dispostos a pagar altas
taxas de juros pode evidenciar risco elevado de crédito e possibilidade de futura redução da
lucratividade bancária com efetivação da inadimplência.
A lucratividade do crediário é reduzida em decorrência da concessão de crédito
para tomadores inadimplentes, conforme mostra a (Figura 6), a partir do retorno ótimo
(Re*). Com isso, acima da taxa i*, os bancos enfrentam maiores probabilidades de perdas
financeiras, uma vez que o retorno esperado sobre empréstimos concedidos para clientes
36
de alto risco é menor do que retorno esperado sobre empréstimos concedidos para clientes
de baixo risco (taxa inferiores a i*).
Essa condição está presente nas carteiras de créditos, quando as elevadas taxas de
juros são cobradas de clientes, captados via seleção adversa, e/ou que apresentaram perda
(total ou parcial) de renda decorrente da ocorrência de fatores sistêmicos adversos, como a
falência do empregador e o aumento das taxas de juros. Conseqüentemente, não
conseguem pagar os juros em créditos, forçando os bancos a renegociação com a redução
do Spread e da lucratividade.
A Figura 6 apresenta o comportamento do resultado bancário em relação ao custo
de captação.
Figura 6 - Comportamento do resultado bancário em relação ao custo de captação
Retorno Re*
→
↗
↗
Spread positivo Spread negativo
Retorno > custo de captação Retorno < custo de captação
i* Taxa de juros
Fonte: Elaborado pelo autor, adaptado de Santos e Famá (2007)
2.6. Destaque de algumas pesquisas com foco em gestão de risco de crédito às pessoas
físicas
Com o propósito de fazer valer o entendimento desse trabalho viu-se a necessidade
de destacar algumas pesquisas relevantes, nacionais e internacionais relacionadas ao
assunto “gestão de risco de crédito as pessoas físicas”:
Tema: Modelagem do Risco de Crédito: um estudo do segmento de pessoas físicas
em um banco de varejo. O objetivo desse trabalho, portanto, consiste em preencher
uma lacuna existente no meio acadêmico brasileiro no que se refere aos modelos de
gerenciamento e concessão de crédito para as pessoas físicas, uma vez que, a
funcionalidade dos modelos estatísticos multivariados aplicados ao gerenciamento
37
do crédito para pessoas físicas no Brasil ainda é uma incógnita. Os autores usaram
os modelos de análise discriminante e regressão logística. Conclusão, os resultados
encontrados na pesquisa trazem indícios que os modelos multivariados podem ser
utilizados como ferramentas eficazes no gerenciamento do crédito bancário para o
segmento de pessoas físicas/ ou melhor, o método usado é relevante nesse
segmento (AMORIM NETO e CARMONA, 2004);
Tema: Gestão de Risco de Crédito nas Empresas de Cartão de Crédito. O trabalho
tem como principal objetivo apresentar os resultados da adoção de um modelo
estatístico que mensure o risco de crédito numa empresa de cartão de crédito e que
defina as taxas de juros de acordo com a expansão de risco do cliente. Porém, foi
aplicado o modelo de regressão logística, a técnica de análise multivariada, a um
universo de 24.500 clientes de cartão de crédito, para avaliação dos seus
comportamentos ao longo do tempo e conseqüentemente testar o modelo de
previsão de inadimplência. O autor concluiu que, o modelo constata o seguinte:
para minimizar o risco de crédito vale apena reduzir a taxa de juros para clientes
com menor risco e elevar a taxa de juros para clientes com a probabilidade de
inadimplência, ou seja, clientes com maior risco. E aponta a compatibilidade das
taxas de juros com o nível de risco de cada cliente ao definir um limite de crédito, a
constituição da provisão para devedores duvidosos (PDD) e as informações
provenientes do relacionamento que o cliente mantém com a instituição e seus
hábitos de consumo e do pagamento das dívidas (PINTO, 2004);
Tema: Impacto da Taxa de Juros e do Prazo de Pagamento no Financiamento de
Veículos para Pessoas Físicas. O objetivo deste trabalho é de testar empiricamente
se os consumidores realmente sofrem restrição de financiamento de veículos no
mercado brasileiro, devido à percepção de que as pessoas só se preocupam apenas
com o valor da prestação, quando o caso é compatível com o orçamento mensal e,
não se importam com as taxas de juros embutidos nas prestações. O consumidor
que comporta desta maneira corre o risco de restrição do financiamento/ ou do
crédito solicitado. Para atender o propósito do trabalho foi utilizado Cross Secion
dos financiamentos de veículos, iniciados em maio/2004 com 143.636 observações
para pessoas físicas através do SCR- Sistema de Informações de Crédito do banco
Central do Brasil. A pesquisa concluiu que os consumidores respondem tanto as
38
variações nas taxas de juros quanto às variações no prazo de pagamento, com
elasticidades estimadas para amostra completa de -0,45 e 0,33, respectivamente.
Porém, dividiu-se a amostra, o subgrupo com maiores valores de empréstimo é
mais sensível ao prazo de pagamento e a taxa de juros em relação ao subgrupo com
menores valores (OZAWA, 2008);
Tema: Avaliação da Aplicabilidade de um Modelo de Credit Scoring com
Variáveis Sistêmicas e Não-Sistêmicas em Carteiras de Crédito Bancário Rotativo
de Pessoas Físicas. O objetivo principal desta pesquisa é de propor um modelo de
Credit Scoring para créditos rotativos composto por variáveis sistêmicas e não-
sistêmicas, direcionado a redução do risco de inadimplência. Os autores concluíram
que aplicabilidade do modelo proposto de Credit Scoring em uma amostra extraída
da carteira de crédito as pessoas físicas de um importante banco comercial privado
no Brasil de médio porte (Banco x- nome fictício), apresentou satisfatório índice de
acerto na identificação de clientes prospectivos (96%) e não- prospectivos (92%),
levando a considerar que foram ponderadas adequadamente, as variáveis
representativas da capacidade de pagamento dos clientes (SANTOS e FAMÁ,
2007);
Tema: Análise de Crédito Bancário à Pessoa Física no Brasil de 1994 a 2004. O
objetivo principal desta pesquisa é de estudar a evolução do crédito bancário das
pessoas físicas no Brasil após o plano real, bem como o seu processo de gestão.
Porém, em um ambiente regulamentar adequado, com algumas ações positivas do
Banco Central, onde a atividade de concessão de crédito ao consumo tornou-se
relevante no negócio bancário. Assim demonstra-se que a evolução desta
modalidade de crédito também acompanhou o desenvolvimento do processo e das
técnicas de gestão de um portfólio de crédito massificado. Nesse sentido o autor
concluiu que apesar de ainda existirem muitas etapas para o adequado
desenvolvimento do mercado de crédito bancário no Brasil, a evolução de linhas de
crédito destinadas às pessoas físicas e suas formas de gestão, é relevante
(SHIBUYA, 2006);
Tema: A Survey of Credit and Behavioural Scoring: forecasting financial risk of
lending to cosumers. O objetivo principal desta pesquisa é de examinar a utilização
39
do modelo comportamental – Behavioural Scoring na análise de avaliação de risco
de crédito, e para apoiar esta proposta, incorporou as condições econômicas no
sistema de pontuação com vista a estimar a probabilidade de um consumidor vir a
tornar-se inadimplente. O resultado da pesquisa trouxe algo inédito
comprovadamente relevante e pouco estudada na previsão de risco de crédito às
pessoas físicas. O trabalho apresentou satisfatório índice de acertos com a
utilização de modelo comportamental (THOMAS, 2000);
Tema: Recent Developments in Consumer Credit Risk Assessment. O objetivo
principal deste trabalho é de avaliar os riscos dos requerentes de crédito e as
implicações ou maneira pela qual são avaliados os candidatos e conseqüentemente
as políticas adotadas pelos bancos, geralmente usam modelo estatístico – regressão
logística e outros tipos de classificações. Nesta pesquisa os autores usaram
máquinas de vetor de suporte e concluíram que o resultado foi preciso e alertam
para qualidade dos dados e do treinamento do classificador em uma amostra de
candidatos aceitos em vez de uma amostra representativa da população (CROOKA,
EDELMANB e THOMAS, 2007);
Tema: Bank Lending Policy, Credit Scoring and Value-At-Risk. O trabalho é
baseado na literatura de análise de avaliação de carteira de crédito das pessoas
físicas. E o objetivo principal deste trabalho é de propor um novo modelo de
avaliação de risco de crédito individual, com base no método Credit Scoring.
Doravante, os autores consideram que Credit Scoring sofrem viés de seleção
amostral, portanto para efetivar o propósito desta pesquisa, usaram abordagem
bivariada na estimativa de um modelo de pontuação imparcial. Foram utilizados os
dados dos clientes de um banco sueco que contém informações financeiras
individuais extensas dos candidatos rejeitados e aprovados na análise de concessão
de crédito. A pesquisa concluiu que, um empréstimo de menor valor não afeta o
risco de inadimplência associado, dando a entender que o banco estudado concede
empréstimos de forma incompatível ao padrão. E constatam ainda que uma seleção
eficiente de candidatos a crédito por meio da regra padrão pode reduzir o risco em
até 80% (JACOBSON e ROSZBACH, 2003);
40
Tema: Mixture Cure Models in Credit Scoring: if and when borrowers default.
Originalmente, os modelos de cura mistura foram propostos em estatísticas médicas
ao longo prazo, no que tange a sobrevivência de pacientes com câncer, e que foram
divididos em dois grupos distintos da população: os que são curados sem recaída e
os que são curados e susceptíveis a recaída. O trabalho apresentou um modelo de
cura mistura para crédito pessoal, usando a pontuação que se assemelha ao do
ambiente médico. Foi estimada a previsão do modelo cura padrão em uma carteira
de crédito pessoal no Reino Unido e conseqüentemente, a comparação do seu
desempenho com o método de riscos proporcionais de Cox e Regressão Logística
padrão. A pesquisa ainda apresentou o resultado de Credit Scoring em um nível de
conta e a previsão do número de defaults da carteira de crédito pessoal pesquisado.
Os autores concluíram que o desempenho do modelo é avaliado através da
validação cruzada da discriminação e as medidas de calibração. O desempenho de
calibração para as abordagens de sobrevivência foi constatado que é superior à
regressão logística num dado intervalo de tempo e útil no período estimado de 12
meses. Reforçando assim, a tese da flexibilidade de análise de sobrevivência como
a ferramenta de classificação de risco e na estimativa da probabilidade de
inadimplência (TONG, MUES e THOMAS, 2011);
Tema: Personal Bankruptcy and Credit Market Competition. O objetivo principal
desta pesquisa é de apresentar a relação entre oferta de crédito nos Estados Unidos
e o aumento das taxas de falência ou de inadimplência pessoal. Para efetivar este
propósito, foi explorada a variação exógena do mercado provocada pela
desregulamentação bancária e do relaxamento de restrições à entrada nos anos de
1980 e 1990 a nível estadual. Os autores concluíram que, a desregulamentação
bancária explica, pelo menos, 10% do aumento das taxas de falência ou de
inadimplência e menores taxas de perda sobre empréstimos, e ainda a maior
produtividade de empréstimo. A pesquisa finaliza indicando que o aumento da
concorrência, no período estudado levou os bancos adotar a tecnologia de
classificação de créditos sofisticados, permitindo assim, a abertura de novos
créditos às famílias que já são clientes e créditos às novas famílias clientes (DICK e
LEHNERT, 2010).
41
CAPÍTULO 3 - REGULAMENTAÇÃO E PANORAMA DO SETOR DE CRÉDITO
ÀS PESSOAS FÍSICAS EM GUINÉ-BISSAU
3.1. Regulamentação do setor bancário
O setor bancário da Guiné-Bissau é presidido pelo BCEAO (Banco Central dos
Estados da África Ocidental ou Oeste), órgão da UMOA (União Monetária Oeste Africana
ou da África Ocidental). A UMOA é o órgão responsável pela definição da política
monetária da união, integrada por Guiné-Bissau e os sete países da região: Benin,
Burkinafaso, Costa de Marfim, Mali, Niger, Senegal e Togo. A sede central do BCEAO
fica no Senegal, os países restantes comportam os diretórios nacionais inclusive, o Senegal,
que executam as políticas definidas pelo Banco Central através da UMOA.
Atualmente na Guiné-Bissau existem, quatro bancos comerciais e dois bancos de
investimentos:
BAO (Banco da África Ocidental) – Comercial;
BDU (Banco da União) – Comercial;
Eco Bank (Banco Regional Africano) – Comercial;
BRS (Banco Regional de Solidariedade) – Comercial;
BAD (Banco Africano de Desenvolvimento) – Investimento;
BOAD (Banco Oeste Africano de Desenvolvimento) – Investimento;
3.1. 1. UMOA/UEMOA
A UMOA/UEMOA, União Monetária Oeste Africana/ União Econômica Monetária
Oeste Africana são organizações de integração regional criada por sete países da África
Ocidental que têm em comum uma moeda única, o franco CFA. A UMOA foi criada em
1962, no mesmo período em que foi criado o BCEAO (Banco central dos estados da áfrica
ocidental), dando continuidade aos principais objetivos da criação do franco da
comunidade financeira africana (Fcfa) criada no dia 26 de Dezembro de 1945, dia em que a
França ratifica os acordos de Bretton Woods e precede à sua primeira declaração de
paridade ao Fundo Monetário Internacional. E a UEMOA foi criada por um tratado
42
assinado em Dakar, Senegal em 10 de janeiro 1994 pelos Chefes de Estados e do Governo
de Benim, Burkinafaso, Costa de Marfim, Mali, Níger, Senegal e Togo. A 2 de maio de
1997, a Guiné-Bissau tornou-se o oitavo estado membro da União.
3.1.1.1. Organização institucional ou os órgãos do BCEAO - Banco Central dos
Estados da África Ocidental
Governador do Banco Central - Regional;
Comitê de Política Monetária - Regional;
Conselho de Administração - Regional;
Comitê de Auditoria - Regional; e
Conselho Nacional de Crédito - Nacional.
3.1.1.1.1. Governador do Banco Central
BCEAO (Banco Central dos Estados da África Ocidental) possui um Governador e
dois Vices – Governadores com residências fixadas na Sede Regional ou da União em
Dakar (Senegal). O Governador do Banco Central é nomeado pela conferência de Chefes
de Estado e do Governo dos países membros da UMOA (União Monetária da África
Ocidental), órgão que supervisiona o Banco Central, por um período de seis anos e é
renovável. E cada um dos 8 países membros da União nomeia um diretor nacional que
dirige a sede nacional do Banco Central e algumas agências locais dos seus respectivos
países.
A direção Regional do Banco Central é assegurada pelo Governador. O Governador
preside o Comitê de Política Monetária e do Conselho de Administração. Ele prepara e
executa as decisões desses órgãos. Ele garante e zela pelo cumprimento e aplicação de
disposições, dos tratados, dos acordos e convenções internacionais, assim como o estatuto
do BCEAO.
Os dois Vices - Governadores são nomeados pelo Conselho de Ministros de
Economia e Finanças (Fazenda) de UMOA (União Monetária da África Ocidental) por um
período de cinco anos, sendo revogável por um período igual. São substitutos legais do
Governador no caso da morte, incapacidade, demissão ou renúncia deste. Um deles será
43
indicado a assumir a função do governador substituto para o período remanescente do
mandato do seu antecessor.
O Conselho de Ministros da UMOA é que determina as condições dos serviços de
Governador e dos Vices.
3.1.1.1.2. Comitê de política monetária
Responsável pela definição da política monetária da UMOA, bem como dos seus
instrumentos, e de, nas condições nelas definidas, delegar a competência do governador,
para fixação das taxas de juros e taxas de reservas obrigatórias, em conformidade com as
disposições do estatuto.
Comitê de política monetária é constituído pelas seguintes personalidades
regionais:
Governador do Banco Central;
Os dois Vices Governadores;
Um membro proposto por cada um dos Governos dos Estados-Membros e
nomeado pelo Conselho de Ministros da UMOA;
Um membro nomeado pelo Estado-Membro que assegura a garantia da
convertibilidade da moeda comum;
Quatro outros membros cidadãos dos Estados-Membros de UMOA,
nomeados a título pessoal pelo Conselho de Ministros.
Os referidos quatros membros são escolhidos de uma lista proposta pelo
governador. Esta lista é elaborada para designar indivíduos de acordo com sua experiência
profissional nos domínios, monetário, financeiro, econômico e legal (jurídica).
As decisões do comitê são tomadas por maioria simples dos votos expressos pelos
membros. No caso de empate, o presidente tem voto especial ou de qualidade.
O mandato dos membros do comitê de política monetária é de cinco anos sendo
renovável de igual período.
44
3.1.1.1.3. Conselho de administração
Responsável pelos assuntos relativos à gestão do Banco Central, em conformidade
com as disposições do estatuto. O conselho de Administração compreende:
O Governador do Banco Central;
Um membro nomeado por cada um dos Governos dos Estados-Membros de
UMOA;
Um membro nomeado por Estado que assegura a garantia de
convertibilidade da moeda comum.
3.1.1.1.4. Comitê de auditoria
Responsável pela apreciação da qualidade do funcionamento de administração, de
informação financeira e do sistema do controle do Banco Central, em conformidade com
estatuto. O comitê de Auditoria compreende quatro membros, a saber:
Administrador do BCEAO;
Um cidadão de Estado-Membro assegurando a presidência do Conselho de
Ministros da UMOA;
Três Administradores do BCEAO;
Outros cidadãos dos Estados-Membros da UMOA.
3.1.1.1.5. Conselho nacional de crédito
Responsável pelo estudo das condições de funcionamento do sistema bancário e
financeiro, relações com a clientela e a gestão dos meios de pagamento, assim como, as
condições de financiamento das pessoas físicas/ jurídicas e de atividade econômica,
visando minimizar os riscos de inadimplência. E pode ainda ser consultado nas questões
monetárias e de crédito relevantes, em conformidade com o estatuto e é presidido pelo
ministro das finanças (fazenda).
45
3.2. Panorama do setor de crédito às pessoas físicas em Guiné-Bissau
O segmento de crédito às pessoas físicas em Guiné-Bissau teve crescimento na
mesma proporção do setor bancário, que ao longo do período estudado passou por
profunda mudança estrutural. Para sobreviver, foi necessário diversificar as fontes de
receitas, através do crescimento das operações de crédito e das receitas de prestação de
serviços – com a cobrança de tarifas – além de administrar melhor as estruturas de custos,
com revisão de processos, enxugamento de pessoal e adequação da estrutura de
distribuição. E nesse processo de ajuste, houve um alinhamento do setor a tendência
mundial de consolidação do mercado.
O crédito ao setor privado, em percentagem do PIB, quase triplicou em menos de
três anos, passando de 6% para 14,2% em 2008. Isso se deve ao aumento seqüencial de
crédito bancário disponível aos exportadores de castanha de caju. E se aproxima do nível
médio da zona da UEMOA que é de 16,1%.
Com os quatro dos seis bancos concentrados na capital, existe pouca ou nenhuma
concorrência entre os bancos nas áreas agrícolas, o crédito bancário aos produtores
agrícolas continua numa fase embrionária.
O financiamento a prazo, por exemplo, raramente é concedido e representa menos
de 10% de todo o crédito disponibilizado. Fatores que causam esta relutância incluem:
a) a falta de recursos de longo prazo (90% dos depósitos nos bancos são de
curto prazo);
b) a incapacidade da maioria dos clientes na área de negócios em produzir
declarações financeiras adequadas (há indicações de que só três empresas no
país são capazes de manter registros que estão em completa conformidade
com os procedimentos da SYSCOA (Sistema de Contabilidade de África
Ocidental);
c) a ausência de um sistema funcional de informações sobre o crédito e a
dívida; e
d) o setor judiciário severamente disfuncional que torna problemática a
recuperação de bens de garantia em caso de não pagamento.
46
Um único banco que existia em 2005 é o BAO (Banco da África Ocidental). Por
isso, observa-se que neste ano o volume total de crédito é bem menor em relação aos
demais anos. Em 2005, por exemplo, o total de crédito concedido no mercado guineense é
de R$21.243.333,33 e em 2010 o valor é de R$144.200.000,00, quase sete vezes mais.
O Gráfico 1 apresenta a evolução do crédito no período de 2005 a 2010.
Gráfico 1 – Volume total de crédito concedido de 2005 a 2010
Fonte: Elaborado pelo autor com os dados de Agência do BCEAO em Bissau.
Obs: Vale lembrar que R$ 1,00 equivale a 300,00 Franco CFA (a moeda regional, porém, nacional da Guiné-
Bissau).
A constituição de provisão para créditos de liquidação duvidosa representa em
qualquer empresa, uma estimativa de perda provável na realização dos créditos em
atendimento aos princípios fundamentais de contabilidade, em especial ao da realização da
receita e confrontação com a despesa. Entretanto, sua constituição apresenta características
específicas nos Bancos e demais instituições financeiras sujeitas ao controle e fiscalização
do Banco Central da Guiné-Bissau (BCEAO), comparativamente aos procedimentos
praticados pelas empresas comerciais, industriais ou de prestação de serviços,
principalmente em função das peculiaridades do ativo a ser provisionado:
1 2 3 4 5 6
2005 2006 2007 2008 2009 2010
R$ 21.243.333,33 R$ 31.926.666,67
R$ 39.466.666,67
R$ 78.130.000,00
R$ 114.200.000,00
R$ 144.200.000,00
Anos Valores em Reais
47
a) representa um crédito a receber decorrente usualmente de empréstimo ou
financiamento, ou seja, a matéria-prima utilizada por essas entidades é o
próprio dinheiro;
b) é objeto de recebimento em diversas parcelas;
c) reflete usualmente uma parcela significativa, se comparado com o
patrimônio líquido, na medida em que essas entidades trabalham com
captação de recursos de terceiros num montante elevado.
Porém em cada balancete ou balanço patrimonial semestral dos bancos, a provisão
para créditos de liquidação duvidosa não pode ser inferior ao somatório da aplicação dos
percentuais, a seguir mencionados, incidentes sobre o valor dos créditos atualizados
segundo as normas contábeis em vigor, sem prejuízo da responsabilidade dos
administradores das instituições pela constituição de provisão em montantes suficientes
para fazer face às perdas prováveis na realização dos créditos:
a) 20% sobre as operações amparadas por garantias que, a juízo das
instituições, sejam consideradas suficientes à cobertura do saldo devedor
atualizado, registradas em contas de atraso;
b) 50% sobre as operações amparadas por garantias que, a juízo das
instituições, ou a critério do BCEAO (Banco Central), não sejam
consideradas suficientes à cobertura do saldo devedor atualizado,
registradas em contas em atraso;
c) 100% dos créditos inscritos em contas de créditos em liquidação. Podem ser
debitados à provisão, os créditos:
vencidos, que não tenham condições de recebimento, após decorridos no
mínimo, 180 dias da data de transferência para as contas de créditos em
liquidação; ou
ajuizados, após esgotados os meios usuais e normais de cobrança judicial,
ou
cujos saldos devedores atualizados não ultrapassem o montante
correspondente a R$1.000,00 aproximadamente, após decorridos 180 dias
dos respectivos vencimentos.
48
Com a evolução do crédito na Guiné-Bissau ao longo do período de 2005 a 2010, o
gráfico a seguir apresenta o total de crédito de liquidação duvidosa:
Gráfico 2 – Volume total de crédito de liquidação duvidosa
Fonte: Elaborado pelo autor com os dados de Agência do BCEAO em Bissau
É importante reforçar a importância dada ao crédito destinado às pessoas físicas
como mostra, o (Gráfico 3). Houve um crescimento de mais de seis vezes no período
analisado entre 2005 a 2010 (R$ 4.673.533,33 a R$ 31.724.000,00) respectivamente,
comparando a um crescimento um pouco menor de volume total de crédito concedido no
mesmo período, que é de sete vezes. Essa evolução deixa clara a melhora na economia do
país após o conflito político militar em 1998. O período que antecede o ano de 2005
praticamente o crédito às pessoas físicas era uma incógnita, só existia créditos disponíveis
às pessoas jurídicas.
0
1000000
2000000
3000000
4000000
5000000
6000000
7000000
8000000
9000000
1 2 3 4 5 6
Anos 2005 2006 2007 2008 2009 2010
Valores 136.666,66 493.333,33 2.766.666,6 2.893.333,3 5.206.666,6 8.480.000,0
Val
ore
s
49
Gráfico 3 – Volume total de crédito às pessoas físicas
Fonte: Elaborado pelo autor com os dados de agência do BCEAO em Bissau
Para não incorrer o risco com os créditos da liquidação duvidosa às pessoas físicas
com vista a aumentar a lucratividade, os bancos, em geral, utilizam quatro medidas:
encontrar tomadores que paguem altas taxas de juros, mas com pouca chance de não
honrar sua dívida. Adquirir títulos com retornos altos e risco baixo, reduzir o risco por
diversificação e administrar a liquidez dos ativos, de forma a satisfazer as exigências de
reserva sem incorrer em altos custos, ou seja, manter títulos com retorno menor, mas que
sejam líquidos. O Gráfico 4, a seguir apresenta a evolução do crédito de liquidação
duvidosa às pessoas físicas no período de 2005 a 2010. Em 2005, por exemplo, o crédito
de liquidação duvidosa estava na ordem de R$ de 36.900,00 e em 2010 chegou à ordem de
R$ 2.289.600,00.
1 2 3 4 5 6
Anos 2005 2006 2007 2008 2009 2010
Valores R$ 4.673.533, R$ 7.023.866, R$ 8.682.666, R$ 17.188.600 R$ 25.124.000 R$ 31.724.000
0
5000000
10000000
15000000
20000000
25000000
30000000
35000000
50
Gráfico 4 – Volume total de crédito de liquidação duvidosa às pessoas físicas
Fonte: Elaborado pelo autor com os dados de Agência do BCEAO em Bissau
A medida que vem crescendo o mercado de crédito na Guiné-Bissau, vem
aumentando também o número de inadimplentes (Gráfico 5), motivado entre outros
fatores pela utilização do modelo irrelevante de análise de avaliação do risco de crédito às
pessoas físicas dos bancos locais.
Percebe-se que, o volume total de inadimplência às pessoas físicas no primeiro ano
estudado (2005) era de R$ 19.133,33 contra R$ 1.187.200,00 em 2010, o que mostra um
aumento significativo de inadimplentes.
0
500000
1000000
1500000
2000000
2500000
1 2 3 4 5 6
Anos 2005 2006 2007 2008 2009 2010
Valores R$ 36.900,00 R$ 133.200,0 R$ 747.000,0 R$ 781.200,0 R$ 1.405.800 R$ 2.289.600
51
Gráfico 5 – Volume total de inadimplência às pessoas físicas
Fonte: Elaborado pelo autor com os dados de Agência do BCEAO em Bissau
O ritmo de crescimento da atividade econômica em Guiné-Bissau apresenta uma
média de cerca de 3% desde 2004, sendo principalmente estimulado pelo desempenho do
setor de castanha de caju – maior produto de exportação da Guiné-Bissau. O Gráfico 6
apresenta o desempenho do PIB no período de 2005 a 2010.
0
200000
400000
600000
800000
1000000
1200000
1 2 3 4 5 6
Anos 2005 2006 2007 2008 2009 2010
Valores R$ 19.133,33 R$ 69.066,67 R$ 387.333,3 R$ 405.066,6 R$ 728.933,3 R$ 1.187.200
52
Gráfico 6 – PIB/ Taxas de variação anual em percentagem
Fonte: Elaborado pelo autor com os dados de Agência do BCEAO em Bissau e do FMI
Para além da atividade do setor primário (que inclui agropecuária, silvicultura e
pescas), o crescimento econômico registrado no período estudado beneficiou ainda do setor
de comércio, hotéis e restaurantes. Também contribuiu para as melhores condições
econômicas no período, a estabilidade sociopolítica.
A Tabela 1 apresenta as taxas de juro de depósitos a prazo, de crédito e da
operação de sistema bancário do Banco Central dos Estados da África Ocidental - BCEAO.
Os depósitos a prazo permaneceram estáveis ao longo do período estudado, de 1.5 até 90
dias, de 91 a 180 dias 1.8 e de 181 a 365 dias na ordem de 3.0, a mesma situação aconteceu
com o crédito. As taxas só variam nas operações de BCEAO (taxas de desconto e
coeficiente de reserva) de 4.8 a 4.3 e de 3.0 a 7.0 respectivamente.
0
0,5
1
1,5
2
2,5
3
3,5
4
2005 2006 2007 2008 2009 2010
53
Tabela 1 – Evolução de taxa de juros em Guiné-Bissau
Taxas de juros anuais em percentagem 2006 2007 2008 2009 2010 2011
DEZ DEZ DEZ DEZ DEZ MAR
Depósitos
Depósitos a prazo:
Até 90 dias 1.5 1.5 1.5 1.5 1.5 1.5
De 91 a 180 dias 1.8 1.8 1.8 1.8 1.8 1.8
De 181 a 365 dias 3.0 3.0 3.0 3.0 3.0 3.0
Crédito
Até 90 dias 14.0 14.0 14.0 14.0 14.0 14.0
De 91 a 180 dias 15.0 15.0 15.0 15.0 15.0 15.0
De 181 a 365 dias 16.0 16.0 16.0 16.0 16.0 16.0
Descoberto DO 18.0 18.0 18.0 18.0 18.0 18.0
Operações do BCEAO
Sistema Bancário
Taxa de Desconto 4.8 4.8 4.8 4.3 4.3 4.3
Coeficiente da Reserva 3.0 3.0 3.0 3.0 7.0 7.0
Fonte: Elaborado pelo autor com os dados de Agência do BCEAO em Bissau e do FMI
.
A taxa de inflação teve uma ligeira subida nos meados de 2010, como reflexo da
pressão da alta exercidas pelos aumentos dos preços de importações de bens, produtos
alimentares e petrolíferos. Com isso, conduziu o crescimento da taxa de inflação para 3,9%
em 2011, dada a elevada dependência da Guiné-Bissau dos produtos oriundos do exterior,
principalmente do Senegal e do Portugal, conseqüentemente limita à capacidade de
resposta da oferta interna.
A taxa média da inflação apresentou oscilações no período, sendo influenciada
principalmente por fatores externos. Nos últimos dois anos, manteve-se no intervalo de
2,3% a 2,7% - abaixo do valor fixado no critério de convergência da UEMOA (União
Econômica Monetária Oeste Africana ou da África Ocidental) que é de 3%.
54
Gráfico 7 – A Inflação - Variação Anual do IPC em Percentagem
Fonte: Elaborado pelo autor com os dados de Agência do BCEAO em Bissau e do FMI
A integração da Guiné-Bissau na UEMOA (União Econômica Monetária Oeste
Africana) em 1997 e a limitada pressão da procura interna têm permitido, ao longo dos
últimos anos, taxas de inflação contidas no país, assim como nos países da comunidade ou
da união. Esta estabilidade foi interrompida em 2008 devido à forte pressão exercida pelos
preços dos bens alimentares, cuja reversão em 2009, com a deflação na ordem de (2,5%)
impulsionada por medidas de ajustes governamentais.
3.2.1. Análise crítica e de evolução de crédito às pessoas físicas
O espaço da concorrência bancária na Guiné-Bissau é limitado pela
regulamentação, que pretende assegurar que a busca de lucros pelos bancos individuais
seja feita nas condições mais seguras possíveis, sem ameaçar a estabilidade do sistema de
pagamento de crédito. Os bancos, impulsionados pela lógica da valorização, procuram
escapar dos controles e ampliar os espaços de ação através da inovação. Existe, assim, uma
-4
-2
0
2
4
6
8
10
12
2006 2007 2008 2009 2010 2011
55
tensão dinâmica entre o processo competitivo inovador dos bancos (e das outras
instituições financeiras) e a necessidade contínua da regulamentação, dado que o
comportamento dos bancos pode contribuir para o aumento da instabilidade financeira da
economia.
A presente seção mostra de forma simplificada a evolução de crédito às pessoas
físicas. Espera-se obter respostas que expliquem o crescimento observado no período em
análise. A partir de então, pode-se explorar com mais detalhes qualquer ponto importante
que se destaque.
No período analisado houve crescimento anual acentuado do volume total de
crédito concedido em Guiné-Bissau. O crédito total cresceu sete vezes, enquanto que, o
crédito às pessoas físicas teve crescimento equivalente a cinco vezes o montante registrado
em 2005. O motivo deve-se a melhora na economia com a estabilidade política, a
contenção da inflação, a valorização do maior produto de exportação do país “castanha de
caju” no mercado internacional e a criação de novos bancos comercias. Conseqüentemente,
aumentou a disponibilidade do crédito no segmento das pessoas físicas.
O Gráfico 5 mostra de forma clara e concisa que, a medida que vem crescendo o
crédito, vem aumentando também o número de clientes inadimplentes. Por exemplo, em
2005 o valor total de inadimplência às pessoas físicas foi de R$ 19.133,33 e em 2010, o
valor foi de R$ 1.187.200,00. No mesmo período, o volume total de concedido passou de
R$ 4.673.533,00 em 2005 para R$ 31.724.000,00 em 2010. Com relação ao volume total
de crédito de liquidação duvidosa observa-se que a situação é idêntica, tanto em 2005
assim, como em 2010.
A crítica da pesquisa concentra-se nas formas defasadas e obsoletas de análise e de
avaliação de risco de crédito as pessoas físicas em Guiné-Bissau. Por exemplo, a não
utilização dos modelos estatísticos e o pior, as análises são feitas de forma subjetiva, são
considerados laços familiares, apadrinhamento, vizinhança, cores partidários, amizade etc.
E não existe o cadastro de pessoas físicas (CPF), como é no caso do Brasil. Com CPF torna
fácil a consulta dos solicitantes de crédito nas agências de proteção ao crédito.
56
CAPÍTULO 4 – MODELOS DE CREDIT SCORING SELECIONADOS E ANÁLISE
DOS RESULTADOS
4.1. Modelo Serasa de Credit Scoring para pessoas físicas
Para o desenvolvimento do modelo Serasa de Credit Scoring, foram consideradas
as seguintes variáveis discriminatórias e parâmetros de classificação:
Quadro 3 – Variáveis discriminatórias e parâmetros
Características do tomador
Baixa pontuação
Alta
pontuação
Idade <30 anos >50 anos
Residência alugada Própria
Tempo de Residência < 6 meses >10 anos
Renda Líquida Anual < R$ 10.000,00 > R$
70.000,00
Ocupação baixa
qualificação
Profissional
Tempo no Emprego < 3 meses >10 anos
Número de Cartões de Crédito nenhum 5 ou mais
Empréstimos Bancários vários Nenhum
Relação Dívida/Renda Líquida >30% <5%
Contas Correntes ou Contas de Poupanças
Mantidas
nenhuma Ambas
Fonte: Elaborado pelo autor, adaptado de (SERASA, 2011)
57
Se o cliente solicitante de crédito apresentar restrições cadastrais na Serasa ou em
qualquer outra agência de classificação de risco de crédito, o modelo recomenda ao credor
solicitar ou reforçar a vinculação de garantias reais e pessoais, conforme o caso. O Quadro
4 apresenta o intervalo de pontuação para a variável restrições cadastrais.
Quadro 4 – Variável apreciação/restrições cadastrais
Situações
Pontuação
Com até duas restrições devidamente esclarecidas
através de certidões negativas e/ou comprovação de
pagamento.
10
Sem restrições cadastrais. 40
Sem restrições cadastrais e com boa experiência
anterior
50
Sem restrições cadastrais e com má experiência anterior 20
Fonte: Elaborado pelo autor, adaptado de Serasa (2011)
Segue o resumo das variáveis descritas, objetos de pontuação do modelo Serasa:
58
Quadro 5 – Resumo de variáveis do sistema de Scoring para pessoas físicas
Parâmetro/Peso Situação do Cliente Pontuação
Restrição Cadastral
Peso 30
. Com até três restrições devidamente
esclarecidas através de certidões
negativas e/ou comprovação de
pagamento
. Sem Restrições Cadastrais
. Sem Restrições Cadastrais e com boa
experiência anterior
. Sem Restrições Cadastrais e com má
experiência anterior
10
40
50
20
Idade
Peso 10
. entre 21 e 30 anos
. entre 30 e 35 anos
. entre 35 e 45 anos
. entre 45 e 65 anos
. acima de 65 anos
20
30
40
50
10
Estabilidade no
Emprego
Peso 10
. inferior a 1 ano
. entre 1 e 3 anos
. entre 3 e 6 anos
. entre 6 e 20 anos
. acima de 20 anos
10
20
40
50
30
Cargo ou Função
Peso 10
. Presidente/Diretor Empresas
. Nível Gerencial/Empregado
categorizado
. Supervisão
. Funcionário Público
. Profissional Liberal
. Outros
50
40
20
30
30
10
Renda Líquida
Mensal
Peso 30
. Entre R$600,00 e R$1.000,00
. Entre R$1.001,00 e R$2.000,00
. Entre R$2001,00 e R$4.000,00
. Entre R$4.001,00 e R$6.000,00
. Acima de R$6.000,00
10
20
30
40
50
Patrimônio Líquido
Peso 10
. Abaixo de R$30.000,00
. Entre R$30.000,00 e R$50.000,00
. Entre R$50.000,00 e R$100.000,00
. Entre R$100.000,00 e R$150.000,00
. Acima de R$150.000,00
10
20
30
40
50 Fonte: Elaborado pelo autor, adaptado de Serasa (2011)
A Serasa trabalhada as variáveis usando a estatística de Kolmogorov-Smirnov (KS)
através de confrontações das notas visando o ponto de corte. A Estatística KS é a medida
de avaliação de performance mais amplamente utilizada no mercado e mede a capacidade
59
do Score em distinguir bons e maus clientes e, quanto maior a estatística de KS, maior a
separação entre os bons e maus clientes. Basicamente esta estatística é construída
calculando a máxima diferença entre as distribuições acumuladas de bons e maus
pagadores.
A fórmula para o cálculo de estatística KS:
KS = max | PB (s) – PM (s)
Onde:
PB (s) = As distribuições acumuladas de bons pagadores
PM (s) = As distribuições acumuladas de maus pagadores
Formalmente podendo ser calculada por:
Os valores típicos de KS para Credit Scoring de aceitação estão presentes na Tabela 2 a
seguir.
Tabela 2 – Nível de discriminação para diferentes valores
Valores de KS Nível de discriminação
Abaixo de 30% Baixa discriminação
De 30% a 35% Discriminação aceitável
De 35% a 40% Boa discriminação
De 40% a 45% Excelente discriminação
Acima de 50% Não são muito comuns
Fonte: Elaborado pelo autor
60
Os valores de KS acima de 50% não são muito comuns para modelos de Credit
Scoring utilizados na aceitação de novos clientes, mas sim, são freqüentes em Behavoir
Scoring, onde as variáveis de comportamento do cliente na instituição acrescentam um
maior poder preditivo aos modelos desenvolvidos.
A medida de estatística KS pode ser facilmente calculada em uma planilha a partir
da tabela de distribuição de bons e maus pagadores pelas diversas classes de risco,
bastando calcular percentuais acumulados, conforme exemplificado na Tabela 3, a seguir.
O cálculo foi feito com Software SAS através do Procedure NPAR1WAY.
Tabela 3 – Cálculo de estatística de Kolmogorov-Smirnov (KS)
Fonte: Elaborado pelo autor
61
4.2. Modelo JOS de Credit Scoring CPPF para pessoas físicas
O modelo JOS de Credit Scoring utilizado para dar suporte às tomadas de decisões
sobre a concessão de crédito aos clientes pessoas físicas foi desenvolvido a partir da
extração de informações relacionadas à: Aspectos Demográficos (AD), Idoneidade (I),
Capacidade Financeira (CF), Colateral (C), Relacionamento Bancário (RB), Fonte
Geradora de Renda (FGR) e Eventos Sistêmicos (ES) (SANTOS E FAMA, 2007).
A fórmula a baixo apresenta a relação entre a variável dependente y (decisão de
aprovação ou de recusa de crédito às pessoas físicas) e a conjugação das variáveis
independentes citadas:
Y= α + ADx + Ix + CFx + Cx + RBx + FGRx + ESx + ε
Onde:
AD = Aspetos Demográficos
I = Idoneidade
CF = Capacidade Financeira
C = Colateral
RB = Relacionamento Bancário
FGR = Fonte Geradora da Renda
ES = Eventos Sistêmicos
As variáveis α e ε representam, respectivamente, o custo fixo para o banco com os
recursos (humanos e materiais) utilizados na análise de risco do crédito e a contribuição
das informações cadastrais que não foram consideradas no modelo estatístico. Enquanto
que, a variável x representa a ponderação atribuída, ou grau de importância designado
estatisticamente, a cada um dos itens que compõem a formula.
Seguem as descrições das variáveis nos Quadros 6 a 12:
62
Quadro 6 – Informações demográficas de pessoas físicas
Item Informações demográficas
1 Idade
2 Sexo
3 Estado Civil
4 Residência
5 Número de Dependentes
6 Estabilidade no Emprego ou Dono
7 Cargo ou Função
Fonte: Santos e Famá (2007)
Quadro 7 – Informações de idoneidade
Item Informações de idoneidade
1 Caráter – Idoneidade do Cliente Pessoa Física
Fonte: Santos e Famá (2007)
Quadro 8 - Informações de capacidade financeira/pagamento
Item Informações de capacidade financeira/pagamento
1 Renda Mensal Líquida
Fonte: Santos e Famá (2007)
Quadro 9 – Informações de colateral
Item Informações de colateral
1 Patrimônio (Bens Móveis e Imóveis)
Fonte: Santos e Famá (2007)
63
Quadro 10 - Informações de relacionamento bancário
Item Informações de relacionamento bancário
1 Tempo de Relacionamento com o principal banco que tem negócios
Fonte: Santos e Famá (2007)
Quadro 11 – Informações de fonte geradora de renda
Item Informações da fonte geradora de renda
1 Natureza Contratual (S.A., Ltda., S/C Ltda., Etc.)
Fonte: Santos e Famá (2007)
Quadro 12 - Eventos sistêmicos
Item Eventos sistêmicos – perspectiva para os próximos seis meses
1 Situação Macroeconômica
2 Comportamento da Taxa de Juros em Créditos
Fonte: Santos e Famá (2007)
A seguir, o Quadro 13, apresenta as variáveis independentes ponderadas no modelo
de Credit Scoring CPPF, as ponderações/ coeficientes atribuídos estatisticamente e o intervalo
de notas testado para cada uma das variáveis selecionadas. A nota ponderada para cada cliente
pessoa física foi obtida pela multiplicação da ponderação atribuída a cada variável na coluna 1
e sua respectiva nota na coluna 2.
64
Quadros 13 – Variáveis independentes ponderadas no modelo de Credit Scoring
Fonte: Elaborado por autor, adaptado de Santos e Famá (2007)
Segue resumo dos resultados do modelo JOS de Credit Scoring CPPF aplicado em
uma amostra de 2000 clientes de uma instituição financeira de médio porte, sendo 1000
classificados como adimplentes e 1000 como inadimplentes, ou seja, com atrasos
superiores a 90 dias.
Variáveis independentes do modelo (X) Ponderações
coeficientes
(1)
Intervalo de notas
testado
(2)
1. Idade 8,22% de 10 a 40
2. Sexo 3,04% de 5 a 25
3. Estado Civil 7,14% de 15 a 25
4. Caráter/Idoneidade do Cliente PF 12,10% de 15 a 50
5. Residência 8,09% de 10 a 30
6. Estabilidade no Emprego ou Dono 8,28% de 5 a 50
7. Cargo ou Função 7,94% de 10 a 30
8. Renda Mensal Líquida 7,39% de 10 a 45
9. Patrimônio 6,80% de 5 a 40
10. Natureza Contratual do Funcionário/ ou
Autônomo
4,55% de 0 a 25
11. Situação Macroeconômica (6 meses) 6,40% de -10 a 30
12. Comportamento das Taxas de Juros
Precificadas em Créditos (6 meses)
7,74% de -10 a 30
13. Tempo de Relacionamento com o
Principal Banco que tem Negócios
5,43% de 10 a 40
14. Número de Dependentes 6,88% de -10 a 30
65
Quadro 14 - Resumo dos resultados do modelo de Credit Scoring CPPF
Classificação de Risco
Índice de Acerto (%)
Índice de Erro (%)
Bons Clientes 100,00% 0%
Maus Clientes 94,00% 6,00%
Fonte: Elaborado pelo autor, adaptado de Santos e Famá (2007)
Os resultados mostraram que o modelo JOS de Credit Scoring CPPF capturaria
melhor a exposição corrente de risco da instituição financeira pesquisada, por incluir um
conjunto maior de variáveis representativas da real situação de risco dos clientes, e avaliá-
los de acordo com o seu justo ou aproximado grau de importância.
4.3. Modelo de Credit Scoring de Magalhães e Mario
Os dados utilizados nessa pesquisa foram cedidos por uma cooperativa de crédito
de Minas Gerais, a qual possui mais de 6.000 cooperados ativos e uma carteira de crédito
de aproximadamente R$ 22.000.000,00.
A partir da lista de todos os cooperados fornecida pela instituição foi feita uma
seleção aleatória de 150 cooperados que possuíssem empréstimos em andamento e que são
considerados solventes, dos quais foram usados os dados de 97 no modelo. E os
cooperados insolventes da amostra foram selecionados por funcionário da cooperativa num
total de 26, por conta da acessibilidade, foram usados os dados de 23 cooperados
insolventes no modelo.
As informações dos cooperados selecionados foram preenchidas com base em uma
planilha elaborada pelos autores – Magalhães e Mario. As informações requisitadas
relativas às características pessoais e às condições econômico-financeiras dos cooperados
foram definidas baseadas na literatura revisada.
66
Nessa pesquisa foram determinados insolventes os clientes com 200 dias ou mais
de atraso em uma ou mais parcelas. Cooperados com atrasos inferiores a 200 dias
(aproximadamente 7 meses) foram considerados solventes. Também, para ser considerado
adimplente o cooperado deveria ter efetuado o pagamento de pelo menos metade dos
empréstimos.
Para classificar as observações de acordo com a qualidade de crédito, foram
definidas variáveis explicativas ou independentes a partir das características dos
cooperados. Supõe-se que tais variáveis possam se relacionar à situação de solvência ou
insolvência nas operações de empréstimos.
O conjunto de variáveis de modelo de Credit Scoring de Magalhães e Mario é
mostrado a seguir no (Quadro 15):
Quadro 15 – As variáveis de modelo de Credit Scoring de Magalhães e Mario
Idade do cliente
Tempo no último emprego
Rendimento por dependentes
Estado civil
Alavancagem em relação a renda
Primeiro empréstimo na cooperativa
Instituição empregadora
Modalidade do empréstimo
Gênero do cliente
Comprometimento da renda
Atrasos em empréstimos anteriores
Possui avalista
Número de parcelas do empréstimo
Fonte: Elaborado pelo autor
67
Após o processo de análise das variáveis, restaram dois modelos, que obtiveram um
percentual de acerto de 89,2% e 85,8%, além de alta significância estatística para as
variáveis inseridas. As principais variáveis dos modelos foram: estado civil, tempo no
último emprego, gênero, instituição empregadora e existência de aval, todas se
comportando conforme a hipótese prevista.
4.4. Modelo de avaliação de risco do BCEAO - Banco Central dos Estados da África
Ocidental
O BCEAO- Banco Central dos Estados da África Ocidental não utiliza modelos de
Credit Scoring para selecionar seus clientes. O mesmo acontece com os quatro bancos
comerciais em Guiné-Bissau. Apenas utiliza/ ou utilizam as seguintes informações como
parâmetros para a aprovação de crédito às pessoas físicas:
Quadro 16 – As variáveis para a aprovação de crédito às pessoas físicas em Guiné-
Bissau
Situação legal do tomador e dos intervenientes (avalistas) através da apresentação do
documento de identificação – similar ao RG no Brasil (Bilhete de Identidade);
Renda total dos tomadores
Fonte geradora da renda
Número de dependentes
Gastos com dependentes, incluindo pensões e despesas com educação e alimentação
Patrimônio do tomador e dos intervenientes
Fonte: Elaborado pelo autor
É importante destacar que não existem empresas de gestão do risco de crédito (ex.:
SPC, Serasa, Equifax etc.) em Guiné-Bissau, fato que dificulta sobremaneira a redução da
assimetria de informações entre tomadores e credores. Por isso, as análises de concessões
de crédito são baseadas no subjetivismo dos analistas e, fundamentalmente, na
68
comprovação de renda e na disponibilidade de garantias acessórias para reduzir a
exposição ao risco de inadimplência.
Além disso, também destaca-se como importante fator discriminatório a cultura
local de relacionamento matrimonial, onde os homens chegam a ter três ou mais “esposas”
e, conseqüentemente, um número elevado de filhos. Intuitivamente, considera-se que esse
fato é um dos principais fatores determinantes do aumento do índice de comprometimento
de renda dos tomadores e, conseqüentemente da inadimplência.
4.5. O modelo proposto
Após várias reuniões com algumas instituições financeiras brasileiras e
levantamento das principais variáveis discriminadas em suas políticas de crédito para
análise e precificação do risco de crédito em transações para pessoas físicas, foi
desenvolvido o modelo de Credit Scoring JOS2, tanto para a classificação de risco, como
para a definição de prestações que se enquadrassem no índice de comprometimento de
renda dos tomadores. Com isso, os bancos da Guiné-Bissau reduziriam a exposição ao
risco de inadimplência, uma vez que seria estabelecido o valor máximo de sua renda que
poderia ser absorvido pelo pagamento de dívidas onerosas.
Para analisar os resultados estatísticos do modelo proposto, utilizou-se como
parâmetro o Likehood Value de Nagelkerke, que é uma das principais medidas de avaliação
geral da regressão logística direcionada, tanto para aferir a capacidade do modelo estimar a
probabilidade associada à ocorrência de determinado evento, como para estimar o
percentual do poder de explicação da regressão.
Seguem as variáveis discriminatórias, as pontuações testadas estatisticamente e um
exemplo simulado:
69
Quadro 17 – Variável caráter
a. Caráter Pontuação
Com até 3 restrições devidamente esclarecidas através de Certidões
Negativas 10
Sem restrições cadastrais. Cliente Novo 40
Sem restrições cadastrais e com boa experiência em negócios 50
Sem restrições cadastrais e com negativa experiência em negócios 20
Fonte: Elaborado pelo autor
Para validação dessa variável, a condicionante é a existência de empresas gestoras
de informações de crédito que coletem informações restritivas dos tomadores em Guiné-
Bissau.
Quadro 18 – Variável idade
b. Idade Pontuação
Entre 21 e 30 anos 10
Entre 30 e 35 anos 15
Entre 35 e 45 anos 30
Entre 45 e 65 anos 40
Acima de 65 anos 10
Fonte: Elaborado pelo autor
Pressupõe-se pontuações maiores para as faixas etárias mais elevadas, considerando
resultados estatísticos desenvolvidos no Brasil e no exterior que atestam a redução de
inadimplência conforme aumenta a idade dos tomadores
Quadro 19 – Variável estado civil
c. Estado civil Pontuação
Solteiro 15
Casado 25
Divorciado 20
Fonte: Elaborado pelo autor
70
Pressupõe-se pontuações maiores para pessoas físicas casadas, considerando
resultados estatísticos desenvolvidos no Brasil e no exterior que atestam que tomadores
casados tendem a apresentar maior comprometimento na amortização de dívidas onerosas.
Quadro 20 – Variável residência
d. Residência Pontuação
Própria 30
Alugada 10
Mora com familiares ou colegas 5
Fonte: Elaborado pelo autor
A posse de imóvel residencial contribui para a redução do índice de
comprometimento da renda dos tomadores e, conseqüentemente, para a atribuição de
pontuações maiores.
Quadro 21 – Variável tempo na residência
e. Tempo na residência Pontuação
Com menos de 1 ano e permanência inferior a 2 anos na moradia anterior 5
Com menos de 1 ano e permanência superior a 2 anos na moradia anterior 20
Entre 1 e 3 anos 20
Entre 4 e 5 anos 25
Entre 5 e 10 anos 30
Superior a 10 anos 35
Fonte: Elaborado pelo autor
Como tomadores desleais tendem a mudar freqüentemente de local de residência,
assume-se que quanto maior é o tempo de residência maior é a atribuição de pontuação.
Deve-se, todavia, considerar que se o cliente recentemente mudou de local de residência, o
parâmetro para atribuição da pontuação deve ser o tempo de residência na moradia
anterior.
71
Quadro 22 – Variável estabilidade no emprego/atividade
f. Estabilidade no emprego / atividade Pontuação
Com menos de 1 ano e permanência inferior a 1 ano no emprego / atividade
anterior 0
Com menos de 1 ano e permanência superior a 1 ano no emprego / atividade
anterior 5
Entre 1 e 3 anos 10
Entre 3 e 5 anos 20
Entre 5 e 10 anos 40
Entre 10 e 20 anos 50
Acima de 20 anos 30
Fonte: Elaborado pelo autor
Assume-se que quanto maior é o tempo na fonte geradora de renda, maior é a
atribuição de pontuação. Deve-se, todavia, considerar que se o cliente recentemente
mudou emprego, o parâmetro para atribuição da pontuação deve ser o tempo de atuação no
emprego anterior.
Quadro 23 – Variável cargo/atividade
g. Cargo / atividade Pontuação
Presidente / Diretor 40
Gerente / Superintendente - Empresa de grande porte 30
Gerente / Superintendente - Empresa de médio porte 30
Gerente / Superintendente - Empresa de pequeno porte 25
Supervisor / Chefe de Seção 20
Funcionário Público 25
Fonte: Elaborado autor
Cargos hierárquicos mais elevados devem naturalmente receber pontuações
maiores.
72
Quadro 24 – Variável renda mensal liquida consolidada (inclui receita de aluguéis)
h. Renda mensal líquida consolidada (inclui receita de aluguéis) Pontuação
Entre R$5 e R$8M 10
Entre R$8 e R$12M 20
Entre R$12 e R$17M 30
Entre R$17 e R$25M 40
Acima de R$25M 50
Fonte: Elaborado pelo autor
Quanto maior é a renda comprovada, maior é a atribuição de pontuação. Deve-se
analisar, todavia, a situação financeira da fonte geradora de renda para avaliar a
probabilidade de permanência do tomador na empresa durante o período de aprovação do
crédito.
Quadro 25 – Variável número de dependentes
i. Número de dependentes Pontuação
Não possui 30
Entre 1 e 5 15
Entre 6 e 9 0
Acima de 9 -30
Fonte: Elaborado pelo autor
Quanto maior é o número de dependentes, maior é o índice de comprometimento de
renda e, conseqüentemente, maior é a exposição a inadimplência. Por isso, a atribuição de
pontuações menores.
73
Quadro 26 – Variável planos de saúde familiar
j. Planos de saúde familiar Pontuação
Não possui -10
Possui com cobertura parcial 20
Possui com cobertura total 30
Fonte: Elaborado pelo autor
Com a deterioração da qualidade do atendimento em entidades de saúde pública, as
pessoas físicas tendem a cada vez mais demandar por planos de saúde. Com isso,
aumentariam seus índices de comprometimento de renda. Todavia, seriam beneficiadas
pela maior longevidade, justificando a atribuição de pontuações maiores.
Quadro 27 – Variável seguro residencial
k. Seguro residencial Pontuação
Não Possui -10
Possui 20
Não possui imóvel residencial 0
Fonte: Elaborado pelo autor
Imóveis resguardados por contratos de seguros aumentariam temporariamente o
índice de comprometimento de renda dos tomadores. Todavia, gerariam contrapartidas
favoráveis quando da ocorrência de evento sistêmico adverso, como enchente, incêndio,
terremoto etc. Por isso, a atribuição de pontuação maior.
Quadro 28 – Variável seguro veículo
l. Seguro veículo Pontuação
Não possui -10
Possui 20
Fonte: Elaborado pelo autor
74
Veículos resguardados por contratos de seguros, aumentariam temporariamente o
índice de comprometimento de renda dos tomadores. Todavia, gerariam contrapartidas
favoráveis quando da ocorrência de evento sistêmico adverso, como sinistros e roubos.
Quadro 29 – Variável cartões de crédito
m. Cartões de crédito Pontuação
Não possui 20
Entre 1 e 2 25
Entre 3 e 4 05
Acima de 4 -20
Fonte: Elaborado pelo autor
Para complementar a renda, as pessoas físicas estão recorrendo, cada vez mais, a
utilização de cartões de crédito. Como resultado, estão comprometendo parcela
significativa de suas rendas com o pagamento de juros rotativos muito elevados. Por isso,
quanto maior o número de cartões de crédito possuído, menor a pontuação atribuída.
Quadro 30 – Variável tempo de relacionamento comprovado com o principal banco
n. Tempo de relacionamento comprovado com o principal banco que
faz transações
Pontuação
Inferior a 1 ano 5
Entre 1 e 2 anos 10
Entre 2 e 4 anos 20
Entre 5 e 10 anos 30
Superior a 10 anos 40
Fonte: Elaborado pelo autor
Presume-se que quanto maior for o tempo de relacionamento do tomador com o
banco, maiores são as evidências de tratar-se de cliente prospectivo e pontual. Por isso, as
maiores pontuações atribuídas.
75
Quadro 31 – Variável patrimônio (bens móveis e imóveis)
o. Patrimônio (bens móveis e imóveis) Pontuação
Valor inferior a R$350M 5
Entre R$350 e R$550M 10
Entre R$550 e R$800M 20
Entre R$800 e R$1.200M 25
Entre R$1.200 e R$1.700M 30
Entre R$1.700 e R$2.500M 35
Superior a R$2.500M 40
Fonte: Elaborado pelo autor
No processo de decisão de crédito é indispensável confirmar se o tomador possui
patrimônio e sua composição (bens móveis, imóveis e financeiros), sua situação (com ou
sem ônus) e se está livre para vinculação no contrato de crédito, caso o tomador enfrente
situações adversas, como a perda (total ou parcial) de renda. Por isso, quanto maior o valor
do patrimônio disponível, maior a pontuação atribuída.
Quadro 32 – Variável patrimônio (aplicações financeiras)
p. Patrimônio (aplicações financeiras) Pontuação
Não possui 0
Entre R$50 e R$100M 5
Entre R$100 e R$200M 10
Entre R$200 e R$400 15
Entre R$400 e R$700M 20
Entre R$700 e R$1.000M 30
Entre R$1.000 e R$2.000M 40
Acima de R$2.000M 50
Fonte: Elaborado pelo autor
76
A posse de aplicações financeiras tende a ser um importante indício de que o cliente
honrará o pagamento das dívidas onerosas, justificando as maiores pontuações atribuídas.
Quadro 33 – Variável índice médio de comprometimento de renda com dívidas
oneras
q. Índice médio de comprometimento de renda com dívidas onerosas Pontuação
Inferior a 10% 35
Entre 10 e 15% 30
Entre 15 e 20% 25
Entre 20 e 30% 15
Entre 30 e 50% 0
Superior a 50% -20
Fonte: Elaborado pelo autor
Quanto maior o índice de comprometimento de renda com dívidas onerosas
assumidas com instituições financeiras, menor a pontuação atribuída.
Quadro 34 – Variável outras atividades profissionais
r. Outras atividades profissionais Pontuação
Autônomo 10
Empresário 30
Profissional Liberal 20
Não possui 0
Fonte: Elaborado pelo autor
Caso o tomador possua mais de uma fonte geradora de renda, menor será a
exposição ao risco de inadimplência, justificando o aumento da pontuação.
77
Quadro 35 – Variável idoneidade do negócio
s. Idoneidade do negócio Pontuação
Não apresenta restrições. Existência de atividade operacional não
confirmada 10
Não apresenta restrições. Confirmada a existência de atividade
operacional através de visita. 25
Apresenta restrições esclarecidas através de Certidões Negativas 15
Não possui atividade complementar 0
Fonte: Elaborado por autor
É fundamental que se conheça a situação de idoneidade da fonte geradora de renda
da pessoa física. Caso não existam restrições no mercado que confirmem a inadimplência
da fonte geradora de renda, têm-se indícios de geração de receita suficiente para cobrir os
custos fixos e variáveis – o que incluiria o salário do tomador.
Segue no Quadro 36, o exemplo simulado, considerando o ponto de corte de 290 e
a política de decisão:
Quadro 36 – Parâmetro de decisão
PARÂMETROS DE DECISÃO
Maior que 304: Aprovar a proposta de crédito
De 276 a 304: Encaminhar para análise colegiada / comitê
Menor que 276: Recusar a proposta de crédito
Fonte: Elaborado pelo autor
Resultados:
78
Quadro 37 – Resultados dos parâmetros para pessoas físicas
Resultados dos parâmetros para pessoas físicas Pontuação Peso %
Pontuação X
Peso
a. Caráter 40 8,00% 3,20%
b. Idade 30 5,00% 1,50%
c. Estado Civil 25 5,00% 1,25%
d. Residência 30 5,50% 1,65%
e. Tempo na Residência 25 5,00% 1,25%
f. Estabilidade no Emprego / Atividade 20 6,00% 1,20%
g. Cargo / Atividade 30 7,00% 2,10%
h. Renda Mensal Líquida Consolidada (Inclui
Receita de Aluguéis) 20 8,00% 1,60%
i. Número de dependentes 10 6,00% 0,60%
j. Planos de Saúde Familiar 30 5,50% 1,65%
k. Seguro Residencial 20 5,50% 1,10%
l. Seguro Veículo 20 5,50% 1,10%
m. Cartões de Crédito 15 4,00% 0,60%
n. Tempo Relacionamento Comprovado com o
Principal Banco 20 5,00% 1,00%
o. Patrimônio (bens móveis e imóveis) 20 4,00% 0,80%
p. Patrimônio (aplicações financeiras) 10 7,00% 0,70%
q. Índice Médio de Comprometimento de Renda
com Dívidas Onerosas 15 8,00% 1,20%
r. Outras Atividades Profissionais 0 0,00% 0,00%
s. Idoneidade do Negócio 0 0,00% 0,00%
t. Faturamento Anual Médio 0 0,00% 0,00%
u. Margem de Lucratividade Operacional 0 0,00% 0,00%
v. Endividamento Bancário de Curto Prazo 0 0,00% 0,00%
x. Grau de Rotatividade do Produto / Serviço em
Época de Recessão Econômica 0 0,00% 0,00%
y. Experiência Adquirida 0 0,00% 0,00%
TOTAL 380 100,00% 22,50%
Fonte: Elaborado pelo autor
79
Renda Líquida Mensal 11.000,00
Valor da Parcela Máxima de Novos
Financiamentos a Assumir 2.475,00
CLIENTE PESSOA FÍSICA PONTOS
Pontuação Mínima 30
Pontuação Máxima 610
Ponto de Corte 290
Análise Colegiada / Comitê 276 a 304
Pontuação do Cliente 380
Ao atingir 380 pontos, equivalentes ao índice de comprometimento de 22,50% -
inferior ao parâmetro médio utilizado no mercado brasileiro –, esse cliente obteria a
aprovação de crédito, com prestações mensais toleráveis de até R$2.475,00 de sua renda de
R$11.000,00.
4.5.1. Aplicabilidade do modelo proposto nas amostras
O modelo proposto, sem dúvidas, contribuiria para a tarefa de administração do
risco de crédito em financiamentos às pessoas físicas em Guiné-Bissau. Todavia, o êxito de
sua aplicabilidade somente dar-se-ia caso existissem informações creditícias da conduta de
pagamento dos tomadores no mercado de crédito. Além disso, também seria indispensável
que as instituições financeiras em Guiné-Bissau utilizassem modelos avançados para
avaliar o risco de crédito, como, por exemplos, Credit Scoring, Ratings logísticos, redes
neurais, Value-at-risk, Credit-Monitor etc. Tais condicionantes contribuiriam sobremaneira
para 1. o levantamento de informações históricas da conduta de pagamento dos tomadores,
tanto com o banco que está sendo pleiteado o crédito, como no mercado de crédito como
um todo; e 2. para a projeção de resultados em diferentes cenários econômicos da Guiné-
Bissau.
80
A ausência desses mecanismos e, de parte relevante das informações do modelo
proposto no item anterior (4.5) nas políticas de crédito dos bancos de Guiné-Bissau, são
fatores determinantes para o aumento significativo da inadimplência dos tomadores. Para
se ter uma idéia, o modelo de regressão (Logit) proposto, ao ser aplicado em uma amostra
de 200 clientes de uma instituição financeira brasileira de médio porte, gerou os seguintes
dados estatísticos:
Quadro 38 - Teste de Nagelkerke R Square e Chi-square/Brasil
Step Nagelkerke R Square Chi-square Sig.
1 0,819 14,751 0,274
Fonte: Elaborado pelo autor
É possível verificar que a regressão gerou um índice de ajustamento de 81,90%
pelo índice de Nagelkerke, ou seja, as variáveis do modelo, em conjunto, contribuem para
explicação de até 81,90% do aumento da inadimplência no mercado brasileiro.
Face a indisponibilidade de parte das informações do modelo para o mercado da
Guiné-Bissau, o modelo foi testado com mesmo número de amostra (200), só que desta vez
com os clientes de quatro bancos comerciais da Guiné-Bissau, o resultado, embora
aceitável do ponto de vista da coerência, porém, deve ser analisado com ressalvas:
Quadro 39 - Teste de Nagelkerke R Square e Chi-square/Guiné-Bissau
Step Nagelkerke R Square Chi-square Sig.
1 0,547 2,0230 0,001
Fonte: Elaborado pelo autor
A regressão gerou um índice de ajustamento de 54,70% pelo índice de Nagelkerke,
ou seja, as variáveis do modelo, em conjunto, contribuem para explicação de até 54,70%
do aumento da inadimplência em Guiné-Bissau.
Provavelmente, se os bancos de Guiné-Bissau também incluíssem variáveis
representativas de eventos sistêmicos adversos, por exemplo, aumento das taxas de juros e
de desemprego, da situação financeira e de idoneidade das fontes geradoras de renda dos
81
tomadores, o índice de explicação da inadimplência seria superior a 54%. As perspectivas
da macroeconomia quando são desfavoráveis, maior é a probabilidade de inadimplência
dos clientes pessoas físicas, em face das necessidades de corte de custos da empresa ou do
governo – o que inclui a demissão de funcionários.
Como resultado, clientes pessoas físicas desempregadas tendem a utilizar seus limites
de crédito com maior freqüência e em valores cada vez maiores geram, em contrapartida,
montantes de juros e parcelas a pagar abusivas, chegando ao ponto de os clientes não
conseguirem mais realizar os pagamentos, seja temporária ou definitivamente.
82
CONSIDERAÇÕES FINAIS
A proposta desta dissertação foi analisar os fatores determinantes de riscos de
inadimplência em créditos às pessoas físicas em Guiné-Bissau e, conseqüentemente, a
proposição de modelo experimental visando reduzir os riscos de inadimplência. Entende-
se que o trabalho alcançou seu principal objetivo, mesmo com a ausência de mais dados
para aprofundar as análises.
Indiscutivelmente, o fundamento para a concessão de crédito e a classificação do
risco às pessoas físicas assenta-se na capacidade do devedor gerar caixa para honrar seus
compromissos. Embora o passado demonstre uma tendência que não pode ser desprezada,
a previsão sobre o comportamento futuro do devedor e/ou da economia é o que será
determinante em conceder ou não crédito.
Nesse contexto, são raras as situações em que o devedor, tendo caixa para cumprir
com suas obrigações, se sujeita a processos judiciais propostos pelo credor para a
recuperação do crédito.
As aplicações dadas ao modelo de Credit Scoring poderão ser aprimoradas. As
observações sobre as características de “Bons-Clientes” e dos “Maus-Clientes”, durante
determinado tempo, poderão resultar em amostras passíveis de tratamento estatístico para
as atribuições de pontuações e pesos aos parâmetros no Scoring das pessoas físicas. Além
dos dados pessoais, poderá o credor elaborar um Scoring mais amplo que inclua variáveis
ou parâmetros comportamentais e o relacionamento global com o devedor. As mudanças
nas variáveis conjunturais, por exemplo, os eventos sistêmicos, seus impactos sobre a
capacidade de solvência de crédito, poderão alterar as pontuações e pesos nos modelos de
Scoring.
As mudanças em variáveis estratégicas e operacionais empreendidas pelos
administradores dos bancos, por exemplo, ou impostas por condições de mercado ou
conjunturais poderão, no médio/longo prazo, alterar o equilíbrio interno do banco,
modificando completamente os riscos avaliados, inicialmente, dos clientes pessoas físicas.
Será necessário, face ao exposto, elaborar periodicamente revisões da carteira de crédito e,
conforme o caso, manter, aumentar ou reduzir o ponto de corte previamente atribuído.
83
Para analisar a adequação e confiabilidade das variáveis utilizadas nas políticas de
crédito dos principais bancos de Guiné-Bissau, utilizou-se modelos desenvolvidos no
mercado brasileiro, principalmente de Santos e Famá (2007).
A Guiné-Bissau é um dos países menos avançado do mundo, ocupando 174 º dos
países mais pobres do mundo (ONU, 2010). Entretanto é importante ressaltar que o crédito
na Guiné-Bissau se encontra numa face embrionária e que o modelo de análise e de
avaliação de risco de crédito é obsoleto ou/ defasado. O fato é que à medida que vem
crescendo o crédito em Guiné-Bissau, paralelamente vem aumentando o número de
inadimplentes.
Para dar embasamento a pesquisa, inicialmente foi feita uma revisão bibliográfica
de pesquisas acadêmicas abordando os procedimentos objetivos e subjetivos de análise de
crédito para carteiras massificadas, como a de pessoas físicas.
Como parâmetros para a elaboração do modelo proposto de Credit Scoring,
descreveu-se os modelos de pontuação de risco da Serasa, de Santos e Famá (2007) e de
Magalhães e Mário (2010).
O modelo de Credit Scoring proposto foi desenvolvido considerando as
informações coletadas nas entrevistas com os gestores da área de crédito das principais
instituições financeiras de Guiné-Bissau e uma instituição financeira brasileira de médio
porte. No caso específico de Guiné-Bissau, a constatação de inexistência de informações
creditícias no mercado de crédito e ao subjetivismo das análises do risco de inadimplência
dificultaram a testagem do modelo proposto que inclui variáveis relevantes que não eram
utilizadas historicamente nos procedimentos de análise de créditos em Guiné-Bissau.
Enquanto que para o mercado brasileiro, o modelo proposta contribuiu para explicar a
inadimplência em 81,90%, em Guiné-Bissau esse índice foi de 54,70%.
Provavelmente, se os bancos de Guiné-Bissau também incluíssem variáveis
representativas de eventos sistêmicos adversos (aumento das taxas de juros e de
desemprego, por exemplo), de informações restritivas no mercado de crédito, e da situação
financeira e de idoneidade das fontes de geração de renda dos tomadores, o índice de
explicação seria superior. Para isso, é indispensável que o governo e as empresas locais
invistam na criação de agências de gestão do risco de crédito (como a Serasa no Brasil) e
84
que haja um monitoramento / auditoria do Banco Central para verificar se os credores estão
tomando decisões considerando as informações destacadas no modelo de Credit Scoring
proposto.
Acredita-se que essa pesquisa sirva de referencial para o desenvolvimento de novos
trabalhos que venham contribuir ainda mais para a gestão do risco de crédito, não só na
Guiné-Bissau como em outros países da África. Como indicação, poder-se-iam
desenvolver trabalhos considerando novas variáveis dependentes e independentes.
85
REFERÊNCIAS BIBLIOGRÁFICAS
ACEVEDO, C. R.; NOHARA, J. J.. Monografia no Curso de Administração - Guia
Completo de Conteúdo e Forma. São Paulo: Atlas, 2004.
AMORIM NETO, A. A.; CARMONA, C. U. M.. Modelagem do Risco de Crédito: um
estudo do segmento de pessoas físicas em um banco de varejo. Recife: READ (Revista
de Administração) – Edição 40 Vol. 10 No. 4, Jul/Ago 2004.
BARRETO, Lauro Muniz – Direito Bancário. São Paulo: Livraria Editora Universitária
de Direito. 1ª Ed., 1975.
BERNSTEIN, Peter L.. Desafio aos Deuses – A Fascinante História do Risco – São
Paulo: Editora Campus, 1997.
BLACK, S. E.; MORGAN, D. P.. Risk and the Democratization of Credit Card. Federal
Reserve Bank of New York. Working Paper, 1998.
BLATT, A.. Dicas para Conceder Crédito com Menor Risco. São Paulo: Nobel, 1998.
BRIGHAM, E.; GAPENSKI, L. C.; EHRHARDT, M. C.. Administração Financeira –
Teoria e Prática. São Paulo: Atlas, 2001.
BRIGHAM, E.; EHRHARDT, M. C.. Administração Financeira – Teoria e Prática. São
Paulo: Atlas, 2006.
BRUNI, A. L., FUENTES J..FAMÁ, R.. Risco de Crédito: evolução teórica e
mecanismo de proteção desenvolvido nos últimos 20 anos. Anais do II SEMEAD da
FEA/USP. São Paulo: 1997.
BRUNI, A. L.; MURRAY, A. D.; FAMÀ, R.. Modelos Brasileiros Preditivos de Risco
de Crédito: um estudo exploratório atual sobre as suas eficácias. Periódico Tema,
número 32, p. 148-167, Janeiro/Junho 1998.
CAOUETTE, J. B.; ALTMAN, E. I.; NARAYANAN, P.. Gestão do Risco de Crédito –
O Próximo Grande Desafio Financeiro. Tradução Allan Hastings; Revisão Técnica João
Carlos Douat. 1ª Edição Rio de Janeiro: Quality mark, 2000.
CAOUETTE, J. B.; ALTMAN, E. I.; NARAYANAN, P.; NIMNO, R. W. J.. Gestão do
Risco de Crédito – O Grande Desafio dos Mercados Financeiros Globais. Tradução
Allan Hastings; Revisão Técnica João Carlos Doua 2ª Edição. Rio de Janeiro: Quality
mark, 2009.
86
CAPELLETTO, Lucio R.; CORPAR, Luiz J.. Índices de Risco Sistêmico para o Setor
Bancário. São Paulo: Revista de Contabilidade e Finanças USP, v. 19 nº. 47, p. 6-18,
Mai./Ago. 2008.
COLE, R., MISHLER, L.. Gestão de Crédito. 11ª Edição. São Paulo: Ed. McGraw-Hill,
1998.
COSTA, Francisco C.. Avaliação de Crédito Pessoal. Dissertação de Mestrado. Instituto
Superior de Ciências do Trabalho e da Empresa – Portugal. Lisboa: Julho/1992.
CRESWELL, John W.. Métodos de Pesquisa: Projeto de Pesquisa – Métodos
Qualitativo, Quantitativo e Misto. 3ª Edição. Porto Alegre: Artmed, 2010.
CROOKA, J. N.; EDELMANB, D. B.; THOMAS, L. C.. Recent Developments in
Consumer Credit Risk Assesment. European Journal of Operacional Research, Volume
183, Issue 3, 16 December 2007, Pages 1447- 146.
DESCARTES, René. Discurso Sobre o Método – Edição Especial: Coletânea: Hemus
Editora Ltda, 1993.
DICIONÁRIO DA LINGUA PORTUGUÊSA: Novo Dicionário Aurélio. 3ª Edição
Revista e Atualizada. Curitiba: Positivo, 2004.
DICK, Astrid. A.; LEHNERT, Andreas. Personal Bankruptcy and Credit Market
Competition. The Journal of Finance, volume 65, 2ª edição, 2010.
DURAND, D.. Risk Elements in Consumer Installment Financing. National Bureau of
Economic Research. New York, 1941.
FISCHER, I.. A Teoria do Juro: determinada pela impaciência por gastar renda e pela
oportunidade de investi-la. São Paulo, Abril Cultural, Coleção: Os Economistas, 1984.
FISHER, R. A.. The Use of Multiple Measurements in Taxonomic Problems. Annals of
Eugenics, 7, 1936, p. 179 -188.
FORTE, Sérgio H. A. C.. Desmistificando a Elaboração de Dissertação e Tese. São
Paulo: Atlas, 2001.
FREITAS, Newton. Dicionário Obié. ABC Editora, 2003
FURUGUEN, Alberto. Crédito no Brasil. Revista Conjuntura Econômica. Pag. 61. Rio de
Janeiro, 1973.
87
GITMAN, Lawrance J.. Princípios de Administração Financeira. 7ª edição. São Paulo:
Harba, 1997.
GIMENEZ, Rogério M. T.; URIBE-OPAZO, Miguel A.. Modelos Multivariantes para a
Previsão de Insolvência em Cooperativas Agropecuárias: uma comparação entre a
análise discriminante e a análise de probabilidade condicional – Logit. Caderno de
Pesquisas em administração, v.08, nº 03, p. 65-76. São Paulo: Julho/2001.
GUIMARÃES, Inácio A.. Construção e Avaliação de uma Regra de Conhecimento e
Classificação de Clientes de uma Instituição Financeira com Base em Análise
Multivariada. Dissertação de Mestrado Apresentada a Universidade Federal de Paraná.
Curitiba: 2000.
GUINÉ-BISSAU, BAO (Banco da África Ocidental) – Relatórios Anuais de 2005 a
2010.
GUINÉ-BISSAU, BCEAO (Banco Central dos Estados da África Ocidental) –
Relatórios Anuais de 2005 a 2010.
GUINÉ-BISSAU, BDU (Banco da União – Regional) – Relatórios Anuais de 2005 a
2010.
GUINÉ-BISSAU, BRS (Banco Regional da Solidariedade) – Relatórios Anuais de 2005
a 2010.
GUINÉ-BISSAU, ECOBANK (Banco Regional da África) - Relatórios Anuais de 2005 a
2010.
GUINÉ-BISSAU, IZF (Investimento na Zona Franca - Franco cfa) – Relatórios Anuais
de 2005 a 2010.
GUINÉ-BISSAU, UMOA (União Monetária Oeste Africana) – Relatórios Anuais de
2005 a 2010.
GUINÈ-BISSAU, UEMOA (União Econômica Monetária Oeste Africana) – Relatórios
Anuais de 2005 a 2010.
JACOBSON, T.; ROSZBACH, K.. Bank Lending Policy, Credit Scoring and Value-at-
Risk. Journal of Banking & Finance, 27, august 2003, p.615- 663.
KASSAI, J. R.; KASSAI, S.. O Termômetro de Kanitz. Trabalho apresentado no
ENANPAD/98. Foz do Iguaçu/PR. Setembro/98.
88
KORDICHEV, A.; POWEL, J.; TRIPE, D.. Structural Model of Revolving Consumer
Credit Risk. Dep. of Finance Banking and Property, Massey University, Palmerston North,
New Zealand, September, 2005, p.1- 13.
LANG, Larry R.. Strategy for Personal Finance – Editora MC Graw Hill, Inc – fifth
Edition - 1993.
LATTIN, J.; CARROLL, J.D.; GREEN, P.E.. Análise de Dados Multivariados. São
Paulo: Editora Cengage Learning, 2011.
MAGALHAES, P.A.; MARIO, P.C.. Desenvolvimento de um Modelo de Credit Scoring
Para uma Cooperativa de Crédito Brasileira. São Paulo: FIPECAFI/USP – 7º
Congresso da Iniciação Científica em Contabilidade, Julho de 2010.
MARTINS, Gilberto de A.. Estatística Geral e Aplicada. 2ª edição. São Paulo: Atlas,
2002.
MINARDI, Andrea M. A. F.; SANVICENTE, Antônio Z.. Migração de Risco de Crédito
de Empresas Brasileiras: uma aplicação de análise de clusters na área de crédito.
IBMEC (Instituto Brasileiro de Mercados de Capitais). Relatório de pesquisa, São Paulo:
1999.
OHLSON, J. A.. Financial Ratios and the Probabilistic Prediction of Bankruptcy.
Journal of Acountig Research, Spring, p. 109-131, 1980.
ORTALANI, Edna M.. Gestão e Controle do Risco de Crédito. Dissertação de Mestrado
Apresentada ao Programa de Estudos de Pós-Graduação em Administração à PUC-SP, São
Paulo: 2000.
OZAWA, Celina Y.. Impacto da Taxa de Juros e do Prazo de Pagamento no
Financiamento de Veículos para Pessoas Físicas. São Paulo: FIPE (Fundação Instituto
de Pesquisa Econômica), Dezembro de 2008.
PARKINSON, Kenneth L.; OCHS, Joyce R.. Using Credit Screening to Mange Credit
Risk. Business Credit, p. 23-27, março, 1998.
PINTO, Adolfo A. R.. Gestão de Risco de Crédito nas Empresas de Cartão de Crédito.
Dissertação de Apresentada ao Programa de Estudos de Pós-Graduação em Ciências
Contábeis e Financeiras à PUC-SP, São Paulo: 2004.
ROSS, Stephen A.; WESTERFIELD, Randolph W.; JORDAN, Bradford D.. Princípios de
Administração Financeira. São Paulo: Atlas, 1998.
89
ROSS, Stephen A.; WESTERFIELD, Randolph W.; JAFFE, Jeffrei. Administração
Financeira – Corporate Finance. São Paulo: atlas, 2008.
SAUNDERS, Anthony. Medindo o Risco de Crédito: novas abordagens para value- at-
risk e outras paradigmas.Trad. Bazán Tecnologia e Linguística Ltda e Superv. João
Carlos Douat - Série Serasa. Rio de Janeiro: Qualitymark, 2000.
SANTOS, José Odálio. Análise de Crédito: empresas, pessoas físicas, agronegócio e
pecuária. 3ª Edição. São Paulo: Atlas, 2010.
SANTOS, José Odálio; FAMÁ, Rubens. Avaliação de Aplicabilidade de um Modelo de
Credit Scoring com Variáveis Sistêmicas e Não-Sistêmicas em Carteiras de Crédito
Bancário Rotativo de Pessoas Físicas. São Paulo: Revista de Contabilidade e Finanças
USP, nº. 44, p. 105-117, Mai./Ago. 2007.
SCHRICKEL, Wolfgang K.. Análise de Crédito – Concessão e Gerência de
Empréstimos. 5ª edição. São Paulo: Atlas, 2000.
SECURATO, José R.. Decisões Financeiras em Condições de Risco. São Paulo: Saint
Paul, 2007.
___________________Análise e Avaliação do Risco: pessoas físicas e jurídicas. São
Paulo: Saint Paul, 2010.
SERASA EXPERIAN (Agência de Proteção ao Crédito) - Relatórios anuais, Brasil,
2011.
SHIBUYA, Fabio J.. Abertura de Crédito Bancário à Pessoa Física no Brasil de 1994 à
2004. São Paulo: S.n., 2006 - Dissertação Apresentada ao Programa de Estudos de Pós-
Graduação em Economia à PUC-SP.
SILVA, Antonio Carlos. Análise de Risco e o Modelo Matricial de Crédito: um modelo
para a concessão de crédito. Dissertação Apresentada ao Programa de Estudos de Pós-
Graduação em Administração à PUC-SP, São Paulo, 1995.
SILVA, José Pereira. Gestão e Análise de Risco de Crédito. 4ª edição São Paulo: Atlas,
2000.
SOUSA, Almir F., CHAIA, Alexandre J.. Política de Crédito: uma análise qualitativa
dos processos das empresas. Caderno de Pesquisas em Administração, v.07, nº 03, p.13-
25. São Paulo: Julho/2000.
STIGLITZ, Joseph E.; WEISS, A.. Credit Rationing in Markets with Imperfect
Information. The American Economic Review, 73, 5, pp.333- 421, 1981.
90
STIGLITZ, Joseph E.; GREENWALD, Bruce. Towards a New Paradigm in Monetary
Economics. Cambridge/England: System Quark Xpress, 2003.
THOMAS, Lyn C.. A Survey of Credit and Behaviroural Scoring: forecasting financial
risk of lending to consumers. University of Edinburgh, Edinburg, U.K, 2000.
TONG, E. N. C.; MUES, C.; THOMAS, L. C.. Mixture Cure Models in Credit Scoring: if
and when borrowers default. European Journal of Operational Research, available online
18 October 2011.
TOSI, Armando J.. Matemática Financeira com Ênfase em Produtos Bancários. São
Paulo: Atlas, 2003.
TURABIAN, K. L.. Manual para Redação - Monografias, Teses e Dissertações. 1ª
edição. São Paulo: Martins Fontes, 2000.
VASCONCELOS, Maurício. S.. Proposta de Método para Análise de Concessões de
Crédito a Pessoas Físicas. Dissertação Apresentada ao Programa de Estudos de Pós-
Graduação em Economia à USP, São Paulo 2002.
VICENTE, Ernesto F. R.. A Estimativa do Risco na Constituição da PDD. Dissertação
Apresentada ao Programa de Estudos de Pós-Graduação em Administração à USP, São
Paulo: Maio/2001.
WENNER, M., NAVAJAS, S., TRIVELLI, C., TARAZONA, A.. Managing Credit Risk in
Rural Financial Institutions in Latin America. Washington: Inter-American Development
Bank, 2007.
WESTON, J. F. ; BRIGHAM, E.E.. Fundamentos de Administração Financeira. 10ª ed. São
Paulo: Makron Books, 2000.
WINGER, B. J.; FRASCA, R. R.. Personal Finance: na integrated planning approach. 4ª
Ed. Englewood Cliffs: Prentice Hall, 1997.
91
ANEXOS
92
93
94
95
96
AO SENHOR (A) DIRETOR (A) DO BANCO - BDU
ASSUNTO: Pesquisa Acadêmica – Nível Mestrado
Apresento os meus melhores cumprimentos a V.EXª, por isso tenho a honra e o prazer de
comunicar a V.EXª, o seguinte:
O meu nome é Iaia Augusto Cuma, filho de Augusto Cuma e de Linda Passu, nascido em
Bolama (Guiné-Bissau) no dia 07/07/1975. Mestrando em Administração Financeira de
Programa de Estudos de Pós-Graduação em Administração da Pontifícia
Universidade Católica de São Paulo/ PUC-SP.
Vim através de esta solicitar, a pesquisa acadêmica na área de crédito na instituição que
V.EXª dirige.
Doravante, aproveito antecipadamente para agradecer a sua disponibilidade!
Bissau, 25 de Julho de 2011
Atentamente
Mestrando Iaia Augusto Cuma
97
AO SENHOR (A) DIRETOR (A) DO BANCO - BRS
ASSUNTO: Pesquisa Acadêmica – Nível Mestrado
Apresento os meus melhores cumprimentos a V.EXª, por isso tenho a honra e o prazer de
comunicar a V.EXª, o seguinte:
O meu nome é Iaia Augusto Cuma, filho de Augusto Cuma e de Linda Passu, nascido em
Bolama (Guiné-Bissau) no dia 07/07/1975. Mestrando em Administração Financeira de
Programa de Estudos de Pós-Graduação em Administração da Pontifícia
Universidade Católica de São Paulo/ PUC-SP.
Vim através de esta solicitar, a pesquisa acadêmica na área de crédito na instituição que
V.EXª dirige.
Doravante, aproveito antecipadamente para agradecer a sua disponibilidade!
Bissau, 25 de Julho de 2011
Atentamente
Mestrando Iaia Augusto Cuma
98
Questionário
As informações abaixo serão trabalhadas no conjunto. Portanto, não serão
especificadas as respostas das instituições pesquisadas, bem como os nomes dos
responsáveis que responderam o questionário. Trata-se simplesmente da pesquisa
acadêmica para a Dissertação de Mestrado do programa de estudos de pós – graduação em
administração da Pontifícia Universidade Católica de São Paulo /PUC-SP, financiado pelo
CAPES.
1 – Dados Gerais
Nome da Instituição: _____________________________________________________
Composição da Carteira de Crédito em percentual:
- pessoa física
%__________
Obs.: __________________________________________________________________
2 – Crédito as Pessoas Físicas
a) Os itens abaixo são considerados para a tomada de decisão?
SIM NÃO Peso de 0 a 10
Tempo de Correntista ____ ____ ___________
Idoneidade ____ ____ ___________
Capacidade Financeira ____ ____ ___________
Aspetos Demográficos ____ ____ ___________
Colateral ____ ____ ___________
Tempo de Trabalho ____ ____ ___________
Cargo ou Função no Trabalho ____ ____ ___________
Casa Própria ____ ____ ___________
Fonte Geradora de Renda ____ ____ ___________
Eventos Sistêmicos ____ ____ ___________
Relacionamento Bancário ____ ____ ___________
Outros ____ ____ ___________
Quais___________________________________________________________
99
b) Utiliza-se de sistemas automáticos para a concessão de crédito? SIM___NÃO___
c) Tem dívidas vencidas ou em atraso com outro Banco? SIM___NÃO ____
Quais:______________________________________________________________
__
d) Tem Cartão de Crédito? SIM___NÃO___
e) Taxas de Juros? SIM___NÂO___
f) PIB ( ) ↑ ( )↓
Bissau, 25 de Julho de 2011
Obrigado pela sua colaboração
Mestrando Iaia Augusto Cuma
100
República da Guiné-Bissau
Conselho de Ministros
Comitê Nacional de Política Econômica da Guiné-Bissau
É uma estrutura base de supervisão multilateral da Guiné-Bissau em relação aos
demais membros da UEMOA (União Econômica Monetária Oeste Africana ou da África
Ocidental), órgão que controla a economia dos oitos países membros da supracitada
organização regional. O comitê nacional de política (CNPE) foi criado pelo conselho dos
ministros das finanças da UEMOA sob decreto nº01/96/CM/UEMOA. O objetivo principal
da sua criação é assistir a comissão da UEMOA na coleta, tratamento e na análise dos
dados estatísticos, financeiros, e das informações relevantes ao crescimento econômico do
país. Ele é responsável também pela gestão de base de dados estatísticos, preparação de
relatório para UEMOA sobre a situação econômica e financeira do país, preparação de
programas plurianuais de convergência (crescimento e estabilidade econômica), avaliação
do impacto de política econômica vigente.
Quanto ao enquadramento institucional e as estruturas nacionais implicados nos
trabalhos do CNPE (comitê nacional de política econômica), o conselho dos ministros é
responsável pelo comitê, onde indica um presidente interno, um secretário permanente com
o seu vice e uma secretária administrativa. O ministro das finanças é responsáveis pela
indicação dos restantes dez membros estatutários efetivos externos, estes membros
geralmente são diretores gerais de diferentes setores da vida econômica do país, são os
responsáveis pela formulação de política econômica sob a orientação do ministro das
finanças, a saber:
DGT (Diretor geral do trabalho);
DGO (Diretor geral do orçamento);
INEC (Diretor geral de instituto nacional de estatística e censo);
DGCP (Diretor geral de conjuntura e previsão);
101
DGC (Diretor geral do comércio)
DGIR (Diretor geral de integração regional);
DGP (Diretor geral do plano);
DGCI (Diretor geral de contribuição e impostos);
BCEAO (Um representante do Banco Central dos Estados da África
Ocidental - BCEAO).
O Conselho de Ministros
102
103
104
105
106
107
O MODELO DA DECLARAÇÃO DA FONTE EMPREGADORA
DECLARAÇÃO
Nome da instituição ____________________________________,declara para efeitos de
financiamento bancário, o Senhor (a) funcionário (a)
_________________________________ é titular de contrato de trabalho (renovável/ ou
permanente) desde a data ____________. Auferindo salário líquido no valor de (em
algarismo e por extenso) _______________________________, a instituição assegurará
de forma irrevogável a transferência mensal das parcelas da dívida durante o período de
______ anos e ______ meses enquanto vigorar o contrato de trabalho celebrado com a
organização, os salários mensais bem como quaisquer outros benefícios do trabalhador,
incluindo a eventual indenização pelo tempo de trabalho prestado, para a conta número
______/____/________ aberta em nome de ___________________________________
junto do Banco X.
Nome e Cargo do Responsável da Empresa
___________________________________
Bissau, ____ de ________________de 20___
Assinado
Assinatura do Responsável
108
DOCUMENTOS NECESSÁRIOS PARA A SOLICITAÇÃO DE CRÉDITO EM
GUINÉ-BISSAU
DOC.
DOCUMENTOS EXIGIDOS
OBS
PROPONENTE
1
Carta de Solicitação de Crédito Dirigido ao
Diretor Geral do Banco
2
Cópia de Bilhete de Identidade (tipo RG no
Brasil)
3
Formulário Preenchido da Solicitação de Crédito
Com Assinatura do Proponente
e do Avalista
4
Cópia de Contrato de Trabalho
Com Assinatura do Proponente
e do Empregador
5
Declaração Irrevogável Conforme a N/Minuta
Com Assinatura do Empregador
6
Os Recibos dos Dois últimos Salários
Fact. Prof. / Doc. C.M.B./
Decla. C.Venda
7
Justificativa de Compra
8
Formulário Preenchido de Seguro de Vida
AVALISTA
1
Cópia de Bilhete de Identidade
2
Cópia de Contrato de Trabalho
3
Os Recibos dos Dois Últimos Salários
109
110
111
INFORMAÇÕES SOBRE A DESIGNAÇÃO, SIGLA, CAPITAL SOCIAL,
NÚMERO DE GUICHÊS E A DATA DE APROVAÇÃO DE ABERTURA DOS
BANCOS COMERCAIS EM GUINÉ-BISSAU
Designação Sigla dos
Bancos
Capital Social
em 31/12/2010
Número
de
Guichês
Data de
Aprovação/Despacho
Banco da África
Ocidental
BAO R$ 16.666.666,67 7 Despacho nº443-98/CB
de 16/12/1998
Banco da União BDU R$ 16.666.666,67 2 Despacho nº230/CB/C
de 01/04/2005
Eco Bank Guiné
- Bissau
ECOBA -
NK GB
R$ 22.666.666,67 4 Despacho nº47 106 de
29/11/2006
Banco Regional
de Solidariedade
BRS GB R$ 6.666.666,67 2 Despacho
nº23/GMF/05 de
09/05/2005
Total R$ 62.666.666,68 15 IIIIIIIIIIIIIIIIIIIIIIIIIIII
C/C: Banco Central dos Estados da África Ocidental - BCEAO
Bissau em 31/12/2010
112
113