Modelo de risco de crédito e a relação com variáveis macroeconômicas

Abstract

Esse trabalho buscou averiguar a relação entre a taxa de inadimplência de empresas e indicadores macroeconômicos, analisando a base de duas linhas de crédito de uma Instituição Financeira no período de 2012 a 2015. Para isso foi parametrizado um modelo estatístico que contempla variáveis idiossincráticas e variáveis macroeconômicas, com técnica estatística de regressão logística. A ideia foi capturar a sensibilidade da probabilidade de default das empresas considerando o horizonte de doze meses a partir da concessão da linha de crédito. Os resultados mostraram que a inadimplência das linhas é sensível à inserção de indicadores macroeconômicos, principalmente em relação ao PIB do ano e ao PIB projetado, denominado ao longo do trabalho como PIB próximo. Apesar da sinalização positiva, tais resultados, de forma geral, não se mostraram tão expressivos quanto outros trabalhos da área, podendo ter sido impactados por uma base menor, se comparados aos demais. A análise e dados e revisão bibliográfica apontaram para a viabilidade e aplicabilidade do modelo e de seus impactos. Evidenciaram ainda que o modelo possa ser utilizado não somente para a análise de dados, mas também como insumo num modelo de risco de crédito de portfólio.

This paper seeks to determine the relationship between the default rate of companies and macroeconomic indicators. Analyzing the two base lines of credit from a Financial Institution in the period from 2012 to 2015. For this was parameterized a statistical model in which it contemplates idiosyncratic and macroeconomic variables, using logistic regression statistical technique. The objective of this paper is to capture the sensitivity of the probability of default of companies considering the analysis horizon of twelve months. The results show that the default is sensitivy to insertion of macroeconomic indicators, mainly in relation to PIB and PIB next year projection, named throughout the paper as PIB next. Despite the positive signs the results not shown so expressive like other papers in the area. It may have been impacted by a smaller base, if compared to the others. We consider the objective of this paper was achieved showing the viability, applicability of the model and their impacts. As well as that it can be used not only for data analysis, but also as an input into a portfolio credit risk model.