A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Meeting Telecom Olavo Borges Novembro / 2002 Utilizando modelos estatísticos em uma Política de Crédito.

Apresentações semelhantes


Apresentação em tema: "Meeting Telecom Olavo Borges Novembro / 2002 Utilizando modelos estatísticos em uma Política de Crédito."— Transcrição da apresentação:

1 Meeting Telecom Olavo Borges Novembro / 2002 Utilizando modelos estatísticos em uma Política de Crédito

2 AGENDA  Risco  Modelos de mensuração de risco  Política de Crédito  Regras de Decisão

3 RISCO DE CRÉDITO Crédito Entrega de um ativo mediante promessa de pagamento futuro Previsão futuro Incerteza RISCO é a quantificação do grau de incerteza

4 PASSIVOS ATIVOS CAIXA A IMPORTÂNCIA DA GESTÃO DO RISCO DE CRÉDITO

5 Conceito  Entidade jurídica que produz bens e/ou serviços, com o objetivo de obter lucro  A continuidade de qualquer entidade que desenvolve uma atividade depende da obtenção de lucros EMPRESA

6 Caixa MPPA Ciclo Operacional Fornecedores Clientes Áreas de Apoio Setor de atuação Concorrência Economia Demais Setores RH Financeira Produção VendasMKT Ciclo Operacional

7 Ciclo Financeiro 0 data da compra PMPC = 30 dias 30 data do pagamento data da venda 12 data do recebimento PMRV = 25 dias PMRE = 12 dias COMPRA 0 VENDA 12 PGTO 30 RECBTO 37 CICLO FINANCEIRO 7 DIAS 0

8 Técnicas de Análise de Balanço  Tradicionais  Análise Vertical  Análise Horizontal  Índices Econômico-Financeiros  Avançadas  GIR - Geração Interna de Recursos  NCG - Necessidade Capital Giro  Fluxo de Caixa  Projeção de Balanço RISCO EMPRESA

9 Análise da Empresa (Empresas Corporate)  Breve histórico  Administração  Grupo econômico  Processo Produtivo Matéria-prima Processo produtivo Produtos  Comercialização  Mercado  Investimentos  Análise econômico-financeira RISCO EMPRESA

10 Tipos  Solicitado x Não Solicitado  Operação x Empresa  Estatístico x Não Estatístico RATING DE CRÉDITO Conceito  Classificação  Reflete a probabilidade de ocorrência de determinado evento RISCO EMPRESA

11 TOMADORES DE CRÉDITO Perfil x Técnicas de avaliação de Risco  Pessoas Físicas (técnicas estatísticas)  Pessoas Jurídicas Micro(técnicas estatísticas) Pequeno(técnicas estatísticas) Médio(técnicas estatísticas) Grande(análise julgamental)

12 DESENVOLVIMENTO DE MODELOS Principais Etapas

13 Base de Dados A formação da base de dados é de extrema importância pois é a origem das variáveis que serão utilizadas no desenvolvimento do Rating  Estrutura (campos)  Uniformidade dos dados  Consistência  Qualidade (fontes fidedignas)  Campos não preenchidos (não tem x não informado)  Tempo de formação da base (dados históricos)  Atualização dos dados DESENVOLVIMENTO DE MODELOS

14 Definições iniciais  Objetivo do modelo previsão de insolvência previsão de inadimplência  Segmentação por porte small middle corporate  Segmentação por setor de atividade indústria comércio serviços primário DESENVOLVIMENTO DE MODELOS

15 Variáveis Devem possuir correlação com o evento em questão  Cadastrais  financeiras  Comportamentais  negativas  setoriais  grupo econômico DESENVOLVIMENTO DE MODELOS

16 Seleção da amostra A seleção da amostra deve ser aleatória  Quantidade em função do universo  Extração da amostra de forma aleatória  Amostra de bons e maus  Amostra para desenvolvimento e teste  Segmentação por porte  Segmentação por ramo de atividade DESENVOLVIMENTO DE MODELOS

17  hoje Período de observação da performance das empresas 31/12/200131/12/2000 Empresas boas Empresas ruins Empresas boas Análise Estatística Variáveis   Ponto de Observação f(x) =  0 +  1.p1 +  2.p2 +  3.p  n.pn

18 Ferramentas Estatísticas  Análise Discriminante  Análise de Regressão Linear Simples Linear Múltipla Logística  Redes Neurais  Algoritmos Genéticos DESENVOLVIMENTO DE MODELOS

19 Definindo classes de Risco  Quantidade de classes  Distribuição das faixas de probabilidade

20 DISTRIBUIÇÃO DAS PROBABILIDADES CLASSE RISCO FAIXAS PRINAD PRINAD MÉDIA

21 QUANTIDADE DE CLASSES DE RISCO ESCALA A ESCALA B Quanto mais classes de risco, melhor a distinção dos riscos Quanto maior a distinção dos riscos, melhores abordagens podem ser preparadas

22 DESENVOLVIMENTO DE MODELOS Acompanhamento e Revisão  Relatórios de acompanhamento Quantidade de avaliações por classes de risco Default esperado x ocorrido  Matriz de migração avaliar com muita cautela pode ter interpretações diferentes para diferentes tipos de modelos (estatísticos x julgamentais)

23 MATRIZ DE MIGRAÇÃO (em %) Posição em Ano 1 x Ano 2 DESENVOLVIMENTO DE MODELOS

24 UNIVERSO AMOSTRA 1 variáveis desenvolvimento f(x) =  0 +  1xp1 +  2xp2+... teste implantação Acompanhamento e Revisão AMOSTRA 2 Ferramenta Estatística

25 Modelo

26 Estrutura das Regras de Decisão Regras de Decisão baseadas em:  Rating  Scoring

27  Empresa com CNPJ inapto  Empresa com CNPJ cancelado  Empresa com CNPJ suspenso  Empresa com situação inativa  Empresa não localizada  Empresa com atividades paralisadas  Empresa em fase de liquidação  Patrimônio Líquido Negativo  Histórico de atrasos Regras de Decisão Filtros

28 Regras de Decisão baseadas no Rating

29 Regras de Decisão Rating

30

31

32

33

34 Regras de Decisão baseadas no Scoring

35 Regras de Decisão RiskScoring

36 PRECIFICAÇÃO  Precificação da operação  Considerando :  Cliente com Risco Médio  5%  Cliente com Rating 5 ( Risco Médio  5% ) 95%  Pagam sem problemas 95%  Pagam sem problemas 5%  Atrasam e 30% é recuperado (*) 5%  Atrasam e 30% é recuperado (*)  Taxa Básica de juros ( TB ) de 4%  Qual taxa de juros deve ser cobrada desse cliente?

37 Tabela das Classes de Risco

38 Fórmula Taxa de juros = { ( 1 + TB ) – ( RM x TX REC ) - 1 } x RM Onde : TB - Taxa Básica de juros RM - Risco Médio TX REC - Taxa de Recuperação Taxa de juros = (1 + 4%) - ( 5% x 30% ) - 1 = 7,89% 1 - 5% PRECIFICAÇÃO

39  Supondo que as operações nessa classe de risco foram realizadas: No montante de $100 À taxa de 7,9% Ganho de 4,13% > Taxa Livre de Risco 4% PRECIFICAÇÃO

40 Ganho de 2,29% < Taxa Livre de Risco 4% PRECIFICAÇÃO Supondo que as operações tenham sido realizadas a 6%

41 RISCO MÉDIO e PERDA ESPERADA

42 CIA A RM = ($50 x 4) + ($300 x 5) + ($300 x 5) + ($50 x 3) + ($300 x 6) = 5,15 $1.000 CIA B RM = ($200 x 3) + ($200 x 3) + ($200 x 7) + ($200 x 7) + ($200 x 5) = 5,00 $1.000 RISCO MÉDIO Valor $ x Rating

43 CIA A PE = ($50 x 0,90%) + ($50 x 1,787%) + ($300 x 3,5%) + ($300 x 3,5%) + ($300 x 7,125%) = $ 43,72 PE = $ 43,72  $ = 4,37% CIA B PE = ($200 x 0,90% ) + ($200 x 0,90% ) + ($200 x 3,5%) + ($200 x 15%) + ($200 x 15%) = $ 70,60 PE = $ 70,60  $ = 7,06% PERDA ESPERADA Valor $ x Perda Esperada

44 Olavo Borges Obrigado !


Carregar ppt "Meeting Telecom Olavo Borges Novembro / 2002 Utilizando modelos estatísticos em uma Política de Crédito."

Apresentações semelhantes


Anúncios Google