Modelos Estatí­sticos para Previsão do LGD de Empréstimos de Varejo

Résumé

A concessão de crédito gera riscos financeiros que podem ocasionar a inadimplência e a quebra de grandes instituições financeiras. Diversos modelos de previsão de inadimplência foram criados para o gerenciamento do risco de crédito. Estes modelos estatí­sticos vêm sendo constantemente aprimorados com as exigências do Acordo de Basiléia 2, que apresenta o capital requerido para risco de crédito, composto por três componentes de risco: probabilidade de descumprimento (PD), exposição no momento do descumprimento (EAD) e perda financeira dado o descumprimento (LGD). A modelagem estatí­stica do componente LGD se mostrou complexa e sua distribuição tem difí­cil ajuste. Esse estudo objetivou propor uma técnica de modelagem e previsão do LGD em duas fases: na primeira fase, é prevista a probabilidade de o LGD ser alto (maior que 50%). Na segunda fase, o LGD é predito por meio do LGD médio de cada grupo (alto LGD e baixo LGD). O diferencial dessa técnica é a proposta de utilização da média na segunda fase. Os resultados indicam que, na primeira fase, uma árvore de decisão é mais adequada que uma regressão logí­stica, pois classificou corretamente 91%, ante 87% do modelo de regressão logí­stica. O segmento e a EAD afetam o LGD. O modelo final proposto foi comparado com um modelo de regressão linear e apresentou melhor ajuste, com menor soma dos quadrados dos erros.