Um Modelo de Previsão de Solvência Utilizando Regressão Logística
João Alberto Minussi
Cláudio Damacena
Walter Lee Ness Jr.
• Para saber mais sobre os autores, consulte a seção "Sobre os Autores" desta edição

Resumo: O processo de entrada de novos bancos estrangeiros no mercado brasileiro, aliado à estabilidade monetária do país, está requerendo do sistema financeiro uma mudança em seu perfil de atuação, principalmente na área de crédito. Neste sentido, este artigo representa uma importante contribuição ao apresentar os resultados do teste e comprovação de uma nova técnica (regressão logística) para avaliar o risco de crédito. Esta ferramenta estatística se mostrou mais robusta em relação a outras técnicas utilizadas em trabalhos desta natureza. Ademais, as características da amostra (tamanho, perfil e origem) consubstanciam-se como diferenciais deste estudo em relação aos anteriores, pois foram utilizados 323 clientes de uma instituição financeira, identificados como empresas do setor industrial. Em função da revisão da literatura, foram selecionados 49 indicadores financeiros para a análise de solvência. Através da aplicação da análise estatística, conhecida como regressão logística, foi obtido o modelo econométrico de previsão de solvência, composto por 5 variáveis. A precisão deste modelo foi bastante alta, pois 94,85% das empresas foram classificadas corretamente. A validação do modelo foi realizada por meio do método conhecido como crossvalidation, ou seja, a subdivisão da amostra original: uma para a definição do modelo e outra para a sua validação.

Palavras-chaves: bancos; crédito; regressão logística.

Abstract: The process of entry of foreign banks in the Brazilian financial system, together with the achievement of monetary stability, are requiring changes in the profile of action of Brazilian banks, especially in the area of credit. In this sense, this article represents an important contribution in testing a new technique (logistic regression) in evaluating credit risk. The statistical technique used shows itself more robust than other methods that have been used in previous studies of this nature. Additionally, characteristics of the sample used (size, profile, and source) differentiate this study from others. 323 clients from the industrial sector of a financial institution were used. Through the application of the statistical technique known as logistic regression, an econometric model of solvency prediction was developed that includes five variables. The precision of the model was relatively high, in that 94.85% of the sample was classified correctly. The validation of the model was performed by the method known as cross-validation, dividing the original sample in two: one part for constructing the model and the other for validating the model.

Key words: banking; credit; logistic regression.