Análise dos indicadores de inadimplência nas linhas de crédito para pessoa física: um estudo utilizando modelo de regressão logística

Estudos do CEPE

Endereço:
Avenida Independência, 2293 - Universitário
Santa Cruz do Sul / RS
96815-900
Site: http://online.unisc.br/seer/index.php/cepe/index
Telefone: (51) 3717-7366
ISSN: 1982-6729
Editor Chefe: Silvio Cezar Arend
Início Publicação: 28/02/1995
Periodicidade: Semestral
Área de Estudo: Administração, Área de Estudo: Economia

Análise dos indicadores de inadimplência nas linhas de crédito para pessoa física: um estudo utilizando modelo de regressão logística

Ano: 2017 | Volume: 0 | Número: 46
Autores: M. G. Lopes, J. P. Ciribeli, W. O. Massardi, W. A. Mendes
Autor Correspondente: W. A. Mendes | [email protected]

Palavras-chave: empréstimo, inadimplência, instituição bancária

Resumos Cadastrados

Resumo Português:

O objetivo do artigo é identificar e comparar estatisticamente o grau dos impactos existentes nas variáveis selecionadas para análises e a contribuição para o aumento e diminuição da probabilidade na inadimplência nos financiamentos para pessoa física em uma instituição bancária de Ubá. Para a elaboração desta pesquisa, foi utilizada metodologia quantitativa, realizou-se uma pesquisa documental para a coleta de dados, e foi utilizado o modelo estatístico Probit e o período em análise foi o ano de 2015. Com base nos resultados, pode-se concluir que das 11 variáveis analisadas, apenas 5 obtiveram significância: consignado, tempo de relacionamento, casado, taxa, prazo1n. Dentre elas, a que apresentou maior impacto na inadimplência foi o crédito consignado.



Resumo Inglês:

The objective of this paper is to identify and statistically compare the degree of impact on the variables selected for analysis and the contribution to increase and decrease the probability of default in loans to individuals at a banking institution in Ubá. The statistical model used was Probit and the period under analysis was the year 2015. The variables used in the model were: Income, Gender, Age, Marital Status, Amount Financed, Term, Amount of installments, Interest rate, Banking relationship time, and CDC or Payroll Credit. It was concluded that of the 11 variables analyzed, only 5 obtained significance: payroll, relationship time, married, rate, term1n, and the Consigned Credit had a greater impact on the default.