Modelos para Estimativa de Risco de Crédito

REUNA

Endereço:
Rua dos Aimorés, 1451, CEP 30140-071 - Lourdes
Belo Horizonte / MG
30180100
Site: https://revistas.una.br/reuna/index
Telefone: (31) 3508-9134
ISSN: 2179-8834
Editor Chefe: Daniela Viegas da Costa-Nascimento
Início Publicação: 31/07/1996
Periodicidade: Trimestral
Área de Estudo: Ciências Sociais Aplicadas, Área de Estudo: Administração

Modelos para Estimativa de Risco de Crédito

Ano: 2004 | Volume: 9 | Número: 1

Palavras-chave: pontuação de crédito, risco de crédito, análise de risco

Resumos Cadastrados

Resumo Português:

Discutem-se, neste trabalho, os modelos de análise de risco de crédito massificado utilizados pelas empresas, principalmente pelo confronto dos trabalhos de dois autores conhecidos. O crescente aumento de clientes bancários que apresentam situações complexas de débito levou a uma crescente necessidade de implementação de sistemas de análise de risco de crédito mais seguros e rápidos. Apesentam-se alguns modelos estatísticos que permitem transformar as informações qualitativas sobre o cliente em números. Estes modelos de pontuação de crédito, ao contrario dos sistemas tradicionais, geram um custo menos para o credor e possibilitam maior rapidez na avaliação de uma proposta de crédito. Sua utilização varia de acordo com as estratégias da empresa e a base de análise pode ser facilmente modificada em função de alterações na política de crédito da empresa, ou mesmo, nos cenários externos. Os modelos de pontuação de crédito evoluíram dos modelos de credit scoring para os modelos comportamentais tais como o behavioral scoring, data mining e redes neurais. Concomitantemente, a análise de crédito mudou de uma análise de cadastro no ato do pedido de crédito, para análises de comportamento durante a utilização do crédito, permitindo maior precisão na medida do risco de crédito que o cliente representa para a empresa.



Resumo Inglês:

In this work, models of credit risk analysis are discussed, based mainly on the supplementing works of two well-known authors. Recently the growth of consumers' debt generated a stronger need for implementing safer and faster credit risk analysis models. Statistical models that change client data into scores are the bases of credit scoring systems. These models, unlike traditional systems, lead to lower cost for the creditor and accelerate the evaluation of credit proposals. Their usage varies according to company strategies and the fundamental aspects of the analysis can be easily modified with given alterations in the credit policies of the company, or even, within the context of external scenaries. Credit scoring models have evoluted to behavioral scoring, data mining and neural network systems. At the same time, the credit analysis procedures changed from a simple file investigation as of the credit request to behavioral analysis during the credit duration, allowing a more precise credit control.