Risco de Crdito

Prof. Jos Valentim Machado Vicente, D.Sc.

jose.valentim@gmail.com

Aula 8
 Contedo da Aula
Introduo
Ratings
Credit Scoring
Poder discriminatrio

Aula 8 2
 Introduo
O risco de crdito representa a perda em razo de mudana na
qualidade creditcia da contraparte.
Est relacionado com a possibilidade de no recebimento devido
a inadimplemento da contraparte.
Exemplo:
Crdito concedido a um cliente por um banco e no honrado

segundo os termos previamente pactuados.

O risco de crdito pode estar associado a uma pessoa fsica,
empresa ou pas soberano.

Aula 8 3
 Avaliao da Capacidade Creditcia
A primeira fase de qualquer processo de gesto de risco de
crdito consiste na anlise da capacidade creditcia de um cliente
para posterior deciso quanto a concesso ou no do crdito.
Os modelos de classificao de crdito tm o objetivo de
discriminar solicitantes de crdito de acordo com seu risco
(probabilidade) de inadimplncia. Exemplos desses modelos so
os Ratings, Credit Scoring e Behaviour Scoring.
A idia consiste em atravs da anlise uma srie de variveis
(contbeis, mercadolgicas, comportamentais, etc.) emitir uma
opinio sobre a capacidade de pagamento de um
cliente/contraparte.

Aula 8 4
 Avaliao da Capacidade Creditcia
A avaliao da capacidade creditcia de uma contraparte pode ser
resumida atravs da anlise dos chamados 5 Cs do crdito:
O Carter indica a inteno do devedor em cumprir

obrigaes assumidas. Aqui se incluem variveis tais como

restrio interna, restrio externa, pontualidade e referncias,
tradio como cliente.
As Condies so fatores externos e macroeconmicos que

exercem forte influncia na atividade empresarial. Aqui se

incluem variveis tais como situao do mercado e setor de
atividade.

Aula 8 5
 Avaliao da Capacidade Creditcia
A Capacidade est relacionada com a competncia
empresarial das pessoas que integram a empresa. Aqui se
incluem variveis tais como problemas sucessrios,
qualidade da administrao e tradio na atividade.
O Capital refere-se a situao patrimonial e financeira do
cliente. avaliada atravs de indicadores contbeis e
econmicos.
O Colateral refere-se as garantias que o tomador pode
apresentar.

Aula 8 6
 Avaliao da Capacidade Creditcia
Um rating uma classificao de risco produzida por uma
agncia especializada. uma opinio de um especialista sobre a
capacidade creditcia de uma empresa ou governo.
O rating tambm pode ser feito para uma emisso ou um bnus
em particular. Assim podemos ter bnus diferentes de uma
mesma contraparte com classificaes diferentes.
As agncias de rating so organizaes que fornecem servios
de anlise, operando sob os princpios de independncia,
objetividade, credibilidade e disclosure.

Aula 8 7
 Avaliao da Capacidade Creditcia
A observncia desses princpios fundamental j que o
reconhecimento de uma agncia de rating depende
exclusivamente da disposio do mercado em acreditar e aceitar
seu julgamento.
Exemplos de tais agncias so Moodys, Standard & Poor's e
Fitch IBCA. No Brasil, alm dessas empresas atuam tambm
com destaque a Serasa, SR Rating, Atlantic Rating e a Austin
Asis.

Aula 8 8
 Avaliao da Capacidade Creditcia
Um rating pode ser montado usando tcnicas estatsticas
(modelos de regresso). No entanto, mais comum que o rating
seja confeccionado atravs de uma anlise julgamental.
A anlise julgamental um mtodo de escoragem de clientes
onde o sistema de ponderao das variveis caractersticas
baseado na experincia do departamento de crdito. O
mecanismo bem simples: a cada caracterstica de um cliente
atribui-se uma certa quantidade de pontos. A soma dos pontos
o escore do cliente. Por exemplo, a varivel Impresso dos
Administradores pode ser Boa, Mdia ou Ruim. classificao
Boa podemos atribuir 20 pontos, Mdia 10 pontos e Ruim 0
ponto.

Aula 8 9
 Variveis a serem analisadas
Pessoas Jurdicas
Porte da empresa:

Patrimnio Lquido
Faturamento
Receita Operacional
Ativo Total
Liquidez
Liquidez Corrente
Liquidez Seca
Liquidez Imediata
Liquidez Geral

Aula 8 10
 Variveis a serem analisadas
Prazos mdios (ciclos operacionais)
Prazo Mdio de Recebimento
Prazo Mdio de Estocagem
Prazo Mdio de Pagamentos
Gerao de Receitas Financeiras
EBITDA/Vendas Lquidas
EBITDA/Ativo Total
EBITDA
Variao EBITDA
Vendas Lquidas/Lucro Bruto
Vendas Lquidas/Lucro Lquido

Aula 8 11
 Variveis a serem analisadas
Outros ndices
Proporo da dvida de curto prazo em relao a dvida total
Dvida Total/Patrimnio Lquido
Ativo Permanente/Ativo Total
Capacidade Instalada/Capacidade Ociosa
Prazo Mdio de Atraso em Operaes Passadas

Aula 8 12
 Variveis a serem analisadas
Variveis Categricas
Restries Internas
Restries Externas
Referncias
Problemas Sucessrios
Situao do Mercado

Aula 8 13
 Variveis a serem analisadas
Impresso dos Administradores
Situao do Setor Econmico
Tradio na Atividade
Relacionamento Anterior com a empresa
Risco Ambiental
Risco Fiscal e Trabalhista
Rating do Pas onde esto concentradas a maior parte das operaes
da empresa.

Aula 8 14
 Variveis a serem analisadas
Pessoas Fsicas
Restrio Cadastral

Idade

Estabilidade no Emprego

Cargo ou Funo

Renda Lquida Mensal

Patrimnio

Leitura interessante:
A survey of credit and behavioural scoring: forecasting financial
risk of lending to consumers
.
Aula 8 15
 Rating S&P
As categorias de classificao da Standard & Poors (em ordem
decrescente da qualidade creditcia ) so as seguintes (para uma
descrio mais detalhada da cada categoria veja o site
http://www.standardandpoors.com):
AAA A capacidade do tomador em atender seus
compromissos extremamente forte.
AA A capacidade do tomador em atender seus
compromissos muito forte.
A A capacidade do tomador em atender seus compromissos

forte.

Aula 8 16
 Rating S&P
BBB Exibe parmetros adequados de proteo. No entanto,
condies econmicas desfavorveis podem levar a um
enfraquecimento da capacidade do tomador em atender seus
compromissos.
BB Incerteza em atender plenamente as obrigaes.
B A vulnerabilidade do emissor significativa. Pequenas
alteraes nas condies econmicas podem impedir o
tomador de atender suas obrigaes.
CCC Alta vulnerabilidade ao no pagamento.
CC Mxima vulnerabilidade ao no pagamentos

Aula 8 17
 Rating S&P
C Ocorreu pedido de falncia, no entanto o tomador
mantm os pagamentos de suas obrigaes.
D Ocorreu um evento de crdito.

J a Moodys usa a seguinte classificao: Aaa, Aa, A, Baa, Ba,

B, Caa, Ca e C.
Observe que nenhuma dessas classificaes se refere
diretamente probabilidade de default em um perodo futuro.
No entanto, existem diversos estudos que fazem essa relao.
Veja, por exemplo, Altman & Kishore (1997), Carty &
Lieberman (1997) e S&P (1997).

Aula 8 18
 Rating Serasa
A Serasa possui um produto chamado de Credit Rating Serasa
que fornece uma classificao objetiva do risco de crdito
empresa consultada.
Representado por uma escala numrica de 1 a 17 (1=menor risco
e 17=maior risco) o Credit Rating Serasa agrupa as empresas
em classes homogneas de risco, indica o grau de risco da
empresa analisada e a respectiva probabilidade de
inadimplncia.
Para cada classe, a Serasa divulga um probabilidade de default
nos prximos 12 meses.

Aula 8 19
 Rating Interno
possvel tambm que um banco/empresa deseje construir seu
prprio sistema de classificao de risco de crdito.
Essa situao particularmente interessante quando se dispe de
uma base de dados interna ampla e confivel.

Aula 8 20
 Credit Scoring
Um credit scoring uma classificao do risco de crdito de um
cliente que nos fornece a probabilidade de pagamento. O
desenvolvimento desses modelos depende do volume e da
qualidade das informaes de que se dispe, da qualificao da
equipe responsvel por esse desenvolvimento, das ferramentas
estatsticas que sero utilizadas e do valor que poder ser
investido para a elaborao desses modelos.
As tcnicas matemticas mais usadas so as regresses logsticas
(regresso no qual a varivel dependente ln(p/1 p)), redes
neurais e algoritmos genticos. O ideal possuir uma base de
pelo menos 6 anos de dados (5 anos para ajuste e 1 para teste).
As regresses so mais usadas para pessoas fsicas.

Aula 8 21
 Credit Scoring
No segmento coorporativo, um dos modelos de credit scoring
mais utilizados o mtodo multivariado de pontuao Z de
Altman:
Z 0,012 X 1 0,014 X 2 0,033 X 3 0,006 X 4 0,999 X 5
Onde X1 = capital de giro/ativos totais; X2 = lucros retidos/ativos
totais; X3 = lucros antes do IR e juros/ativos totais; X4 = valor do
PL/valor escritural do passivo; X5 = vendas/ativos totais.
Altman estabelece como valor de corte aproximadamente 1,81.

Aula 8 22
 Behaviour Scoring
O modelo behaviour scoring um sistema de pontuao com
base em anlise comportamental; sua elaborao complexa, na
medida em que envolve grande quantidade de amostras de
variveis particulares vinculadas ao comportamento dos
indivduos; por sua vez, o comportamento guarda relao com
variveis conjunturais. usado preferencialmente na renovao
de emprstimo pois j inclui o comportamento do cliente em
transaes passadas. Exemplos de variveis comportamentais
so: hbitos de consumo, hbitos de lazer, viagens, tipos de
aplicao financeira, histrico do cliente, etc.

Aula 8 23
 Modelo de Merton/KMV
O mercado de aes pode ser visto como um vasto mecanismo
de avaliao de empresas com aes em bolsa. Informaes
sobre economias, setores e empresas viajam a altas velocidades
para analistas de investimentos e investidores de todos os portes,
fazendo com que os preos flutuem. Na medida em que
variaes nos preos de uma empresa oferecem evidncias
confiveis de alteraes em seu nvel de crdito, os credores tm
a oportunidade de explorar uma ferramenta de gesto de risco de
crdito de alcance e poder enormes.
O principal exemplo de medidas de crdito baseadas no mercado
de aes o modelo de freqncia esperada de inadimplncia
(EDF) da KMV.

Aula 8 24
 Modelo de Merton/KMV
A KMV uma empresa de anlise de crdito que atualmente
pertence a Moodys.
Relembrando, preo de uma call segundo BS:
ct St (d1 ) Ke r (d 2 ) e
pt Ke r ( d 2 ) S t ( d1 ).
Onde :

d1

ln S t K r 2 2

d 2 d1
T t

Aula 8 25
 KMV
Uma forma inteligente de tratar o problema de apreamento de
uma empresa consiste em considerar que o seu capital prprio
uma opo de compra. O modelo KMV est baseado nessa idia.
Paper seminal Merton (1974).
Vejamos atravs de um exemplo muito simples como isso
funciona.
Como exemplo considere uma holding cujo nico ativo sejam
aes da IBM e cujo passivo seja representado por um nico
ttulo com valor de face D e prazo de um ano. Logo a empresa
deve fazer um nico pagamento D daqui a um ano. Se se tornar
inadimplente entregar seus ativos ao credor e seu capital deixar
de ter valor.

Aula 8 26
 KMV
Sob que condies a empresa ir inadimplir?
Se as aes da IBM valerem mais que D ento ela paga seus

credores e fica com a diferena.

Caso as aes da IBM valham menos que D ento ela ir

falncia porque preferir entregar as aes aos credores a te

que levantar mais dinheiro para pagar o emprstimo.
Assim o capital prprio tem exatamente o mesmo payoff que
uma opo de compra do mesmo valor que as aes da IBM
detidas pela empresa, agregando-se o preo de exerccio D.

Aula 8 27
 KMV
O resultado geral o seguinte: o capital prprio de uma firma
uma opo de compra sobre seu ativo com preo de exerccio
igual ao passivo.
De modo geral, o capital pode ser avaliado como:
E h( A, A , r , B , )

onde E = valor de mercado da empresa, A = valor de seus ativos,

B = valor da dvida, = prazo para liquidao das dvidas e A =
volatilidade dos ativos. Um trao indica valores observados.
Vamos supor que o valor dos ativos A siga a seguinte EDF:

Aula 8 28
 KMV

dA Adt A AdW

Logo podemos usar o modelo BS.

Temos duas variveis e apenas uma equao. Logo no podemos
extrair os valores no observveis.
Para resolver esse problema a KMV e outros na literatura
exploraram uma outra relao entre as variveis no
observveis:
E g ( A )

Aula 8 29
 KMV
Supondo que E = E(A) e usando o lema de It temos:
A E
E A
E A

No modelo BS
E
(d1 )
A

Aula 8 30
 KMV
Para KMV B = curto prazo (at um ano) + da dvida de longo
prazo; = 1 ano.
Suponha que os valores obtidos so A = $100 MM e A = 10%
para B = $80 MM, = 1 ano. Suponha tambm que o
crescimento mdio dos ativos nulo, usando a log-normalidade
de A, temos que a EDF (freqncia esperada de inadimplncia)
2,3%.
A Figura a seguir ilustra o procedimento.

Aula 8 31
 KMV

Aula 8 32
 KMV
A distncia at a inadimplncia definida como:
Distncia da inadimplncia = (E(A) B)/ ( dos ativos).

Aula 8 33
 KMV
Para contornar pressupostos de normalidade, a KMV usa uma
abordagem no qual um EDF emprico obtido a partir de dados
histricos. Isto ,
Nmero de empresas que inadimpliram
dentro de um ano com distncia de
inadimplncia m de B
EDFemprico
Populao total de empresas com
distncia at a inadimplncia m de B

Aula 8 34
 KMV

Aula 8 35
 KMV
Suponha A = 1000, com taxa de crescimento esperado de 20%,
B = 800, = 1 e A = 10%. Logo (Passo 1):

1200 800
DD 4
100
Passo 2: EDF correspondente = 40 bp.

Aula 8 36
 KMV

DD 1 ano 2 anos 3 anos

0-0,10 38,23 39,72 43,98

4,00-4,10 0,40 0,45 0,47

9,90-10,0 0,00 0,00 0,00

Aula 8 37
 KMV

EDF S&P Moody's

1500-2000 CC/C- C3
1150-1500 CCC/CC C2
345-1150 B-/CCC C1
202-345 B/B- B2
143-202 B+/B B2
101-143 BB-/B+ B1
72-101 BB/BB- Ba3
40-72 BBB-/BB Ba1
19-40 BBB+/BBB- Baa3
10-19 A/BBB+ Baa1
4-10 AA/A A1
2-4 >=AA >Aa2

Aula 8 38
 KMV

Aula 8 39
 KMV
A metodologia proposta pela KMV apresenta melhores
resultados na anlise de companhias abertas com cotao em
bolsa, pois os valores esperados dos ativos extrados das aes
so determinados pelo mercado e no por informaes de
balano.
Vrios estudos demonstram o modelo baseado na teoria de
opes tem uma capacidade preditiva de problemas creditcios
superior a diversas outras metodologias.
A implantao desse modelo no Brasil dificultada uma vez que
vrias companhias no so listadas na Bolsa, ou mesmo se
negociadas apresentam pouca liquidez.

Aula 8 40
 KMV
Para a KMV
EDFs aumentam rapidamente quando a situao financeira

da empresa comea a se deteriora.

EDFs antecipam em pelo menos 1 ano downgrades de

outras agncias.
As transies so mais frequentes.

Aula 8 41
 KMV

Aula 8 42
 CreditMetrics
Estimar o risco de crdito no uma tarefa fcil tanto do ponto
de vista analtico quanto do ponto de vista prtico.
Existem basicamente dois problemas de modelagem de risco de
crdito quando comparada com a modelagem do risco de
mercado.
Primeiramente, a distribuio dos retornos de crdito so no
simtricos e leptocrticos (caudas grossas).
Em segundo lugar, a falta de dados dificulta a estimao das
correlaes de crdito.

Aula 8 43
 CreditMetrics

Aula 8 44
 CreditMetrics
Modelo desenvolvido pelo JP Morgan e seus co-patrocionadores
(Bank of America, KMV, UBS e outros) como estrutura de
Value-at-Risk (VaR) a ser aplicada a valorao do risco de
emprstimos e bonds.
Ele est baseado na abordagem de migrao da qualidade de
crdito concedido. Esse modelo procura definir probabilidades
de mudanas de qualidade do crdito, inclusive para falncia,
dentro de um horizonte temporal. A partir das probabilidades e
do intervalo de tempo ele consegue estimar o valor da perda
potencial da carteira dado um determinado nvel de
significncia.

Aula 8 45
 CreditMetrics
Vejamos um exemplo de uso do CreditMetrics.
Considere um ttulo com maturidade de 5 anos que paga cupons
anuais de 6% a.a. e o seu emissor est classificado na categoria
BBB. O valor de face do ttulo de $ 100,00. O VaR de crdito
para esse ttulo pode ser calculado a partir dos seguintes passos:
Primeiramente define-se o horizonte temporal de anlise, por

exemplo 1 ano.
Em seguida devemos escolher uma matriz de transio de

ratings.

Aula 8 46
 CreditMetrics

Aula 8 47
 CreditMetrics

Aula 8 48
 CreditMetrics
O terceiro passo consiste em avaliar o ttulo em questo nas
diversas categorias de ratings. Isso feito estabelecendo-se
estruturas temporais de taxa de juros futuras nas diversas
categorias de ratings.
O valor do ttulo ao final do primeiro ano
6 6 6 106
P 6
(1 ri ) (1 r2 ) (1 r3 ) (1 r4 ) 4
1 2 3

onde rn taxa forward no final de 1 ano para n anos a frente.

Essa taxa depende do rating do cliente no final do ano.

Aula 8 49
 CreditMetrics

Aula 8 50
 CreditMetrics
Suponha tambm que a taxa de recuperao para esse tipo de
crdito, em caso de inadimplncia, estimada em 51,13% do
valor de face.
Por exemplo, se o ttulo sofre um upgrade na sua classificao
para A no final de uma ano ento seu valor ser

Aula 8 51
 CreditMetrics

Aula 8 52
 CreditMetrics

Aula 8 53
 CreditMetrics

Aula 8 54
 CreditMetrics
O VaR de crdito pode ser calculado com base em duas
abordagens:
Baseado na distribuio normal dos valores do emprstimo.

Baseado na distribuio efetiva dos valores do emprstimo.

Com base nos dados anteriores, o VaR normal de crdito pode ser
calculado como sendo o produto entre o desvio padro do valor
do ttulo e o quantil correspondente ao nvel de confiana adotado
(z). Se o nvel de confiana 99% ento z = 2,33. O desvio
padro do valor do ttulo $ 2,99. Logo o VaR igual $6,97
(2,33 x 2,99). Isso significa que h 1% de chance de perdermos
mais de $6,97 em funo de mudanas na qualidade creditcia do
emissor do ttulo.

Aula 8 55
 CreditMetrics
Se o nvel de confiana de 95% (z = 1,65) ento o VaR igual
a $4,93.
O valor esperado do emprstimo ao final de 1 ano $107,09.
Utilizando a distribuio efetiva dos valores do emprstimo,
podemos ver que h uma probabilidade de 6,77% do valor do
emprstimo cair para menos de $102,02, implicando em um VaR
5% aproximado de $5,07 ($107,09 - $102,02) e h um
probabilidade de 1,47% do valor do emprstimo cair para menos
de $98,10, implicando uma VaR 1% de aproximadamente $8,99
($107,90 - $98,10).

Aula 8 56
 CreditMetrics
Esses VaRs poderiam tornar-se menos aproximados atravs do
uso de interpolao linear. Por exemplo, o percentil 1,47%
igual a $98,10 e o percentil 0,3% igual a $83,64, logo, por
interpolao linear, o percentil de 1% aproximadamente igual
a $92,29. Isto sugere um VaR 1% de $107,09 - $92,29 = $14,80.
Obs.: Uma perspectiva alternativa para o clculo do VaR
consiste em considerar a mudana do valor do emprstimo se
continuasse a ser classificado como BBB ($107,55) ao invs da
variao em relao ao seu valor esperado ($107,09).

Aula 8 57
 CreditMetrics
Questes e problemas tcnicos do CreditMetrics
Migrao de classificao:

As probabilidades de migrao podem no obedecer a um processo de

Markov. Por exemplo, um bnus que tenha seu rating reduzido em
um perodo anterior tem uma probabilidade maior (em relao a um
emprstimo que manteve o seu rating) de ter o seu rating rebaixado
no perodo corrente.
Estabilidade da matriz de transio. A utilizao de uma nica matriz
de transio supe que alteraes no diferem entre tipos distintos de
tomadores (empresas industriais versus bancos, empresas americanas
versus japonesas).
Diferenas no clculo da matriz de classificao dependendo dos
bnus usados (novos ou antigos).

Aula 8 58
 CreditMetrics
Na avaliao dos bnus o mais correto seria considerar que
as taxa de juros so estocsticas. Isso implicaria num
aumento do VaR.
Alm disso, a metodologia CreditMetrics requer a existncia de
mercados secundrios para emprstimos e de um provedor
(pblico ou privado) de classificaes de crdito (ratings). No
Brasil, essas duas exigncias limitam o uso desse modelo.

Aula 8 59
 CreditMetrics
Vamos agora ilustrar o clculo do VaR de crdito quando um
novo ttulo acrescentado a carteira. Considere um ttulo S&P
A, com prazo de 3 anos, que paga cupons anuais de 5%.
Queremos determinar a distribuio conjunta do valor desses
dois ttulos em 1 ano.
Ns j sabemos os possveis valores do ttulo BBB daqui a 1
ano. A tabela a seguir mostra os possveis valores do ttulo A
daqui a 1 ano.

Aula 8 60
 CreditMetrics

Aula 8 61
 CreditMetrics
Em seguida, ns combinamos os valores dos dois ttulos para
obter o valor da carteira.

Aula 8 62
 CreditMetrics
Agora ns temos de obter as probabilidades de obter esses
valores. As tabelas a seguir mostram as probabilidades de
transio de um ttulo A e a conjunta de um ttulo A e um BBB.

Aula 8 63
 CreditMetrics

Aula 8 64
 CreditMetrics
A distribuio do valor da carteira ilustrada abaixo

Aula 8 65
 CreditMetrics
O VaR de crdito pode ser obtida usando a aproximao normal
ou a distribuio efetiva.
Para a aproximao normal temos que a mdia do valor da
carteira $213,63 e a volatilidade $3,35. Logo o VaR 1%
2,33 x $3,35 = $7,81.
Utilizando a distribuio efetiva temos que o 1% percentil do
valor do emprstimo $204,40. Assim o VaR 1% (perda
inesperada) $213,63 - $204,40 = $9,23.
Como ltima observao, vale dizer que o mtodo anterior se
torna impraticvel quando o nmero de ttulos cresce. A soluo
nesse caso usar tcnicas de simulao.

Aula 8 66
 Leitura
Thomas, L. (2000) - A survey of credit and behavioural scoring:
forecasting financial risk of lending to consumers, International
Journal of Forecasting.
Michel Crouhy, Dan Gala, Robert Mark (2000) A comparative
analysis of current credit risk models, Journal of Banking and
Finance.

Aula 8 67