Análise de Crédito

Prévia do material em texto

Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 93 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
Modelo de análise de crédito 
de empresas comerciais 
Felipe Freias Vieira1 
Marcelo Scheer Lopes2 
Luiz Fernando Branco Lemos3 
Resumo 
Devido aos riscos apresentados na oferta de crédito, as Instituições Financeiras passaram 
a investir em ferramentas com o objetivo de aumentar a proteção ao que é denominado 
Análise de Crédito. Este trabalho tem como objetivo avaliar o potencial de retorno do 
tomador do crédito, garantindo a identificação de clientes com capacidade de liquidez da 
dívida ou avaliar o valor máximo com que este cliente pode se comprometer para honrar a 
dívida. Desta forma, este trabalho foca a ferramenta baseada em informações Patrimoniais 
e de Resultados de Exercícios. Foi selecionada para a pesquisa uma amostragem de 34 
empresas comerciais, sendo 17 Adimplentes e 17 Inadimplentes, com informações 
contábeis e econômicas. Com base nestes dados, foi construído um modelo de análise a 
partir de uma equação para avaliação de crédito fundamentado nos cálculos dos 
indicadores econômico-financeiros dos clientes, baseado nas teorias de Kanitz, 
Elizabetsky e Matias, desenvolvidas no Brasil, e de Altman, desenvolvida no exterior e no 
Brasil. Utilizando-se a técnica estatística de Análise Discriminante, o modelo proposto 
teve um nível de acerto de 74%, mostrando-se bastante eficiente em relação ao modelo 
utilizado pela instituição, permitindo identificar 71% das inadimplências ocorridas na 
amostra. 
Palavras-chave: Análise de Crédito. Empréstimo. Modelo de análise. 
 
Credit analysis model in commercial companies 
Abstract 
Due to the risks present in credit loans, Financial Institutions began to invest in tools with 
the objective of increasing the protection procedure of Credit Analysis. This procedure 
has as its main objective the evaluation of the return potential of the credit borrower, 
guaranteeing the identification of customers with liquidity capacity for the payment of the 
debt, the evaluation of how much the customer can borrow, and if she is able to honor the 
 
1 Graduando do Curso Ciências Contábeis da Faculdade Porto-Alegrense – FAPA. E-mail: 
felipefv@gmail.com. 
2 Graduando do Curso de Ciências Contábeis UNIASSELVI. E-mail: mslopes1@bol.com.br 
3 Mestre em Ciências Contábeis pela Universidade do Vale do Sinos – UNISINOS. Professor 
do Curso de Ciências Contábeis da Faculdade Porto – Alegrense – FAPA. 
 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
94 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
debt. Thus, this work focuses on a tool based on asset information and the results of the 
annual profits and losses. The sampling for this research comes from account and 
economic information obtained from 34 commercial companies, 17 of which were 
defaulters. Based on this data, a model of analysis was created from an equation for the 
evaluation of credit, which was established through the calculation of the economic-
financial indicators of customers. This study is based on the theories by Kanitz, 
Elizabetsky and Matias, developed in Brazil, and by Altman, also developed in Brazil and 
abroad. Using the statistics technique of Discriminant Analysis, the model proposed 
presented a level of 74% of accuracy, proving to be efficient in relation to the model used 
by the institution and allowing the identification of 71% of the defaults present in the 
sample. 
Keywords: Credit analysis. Loan. Analysis model. 
Introdução 
 
As Instituições Financeiras começaram suas atividades visando à 
guarda e administração de grandes fortunas de pessoas. Com o passar 
do tempo, passaram a utilizar esses recursos sob sua guarda para fazer 
empréstimos a quem necessitava, garantindo, dessa maneira, mais um 
meio de ganho. Porém este tipo de transação apresenta certo grau de 
risco. Devido aos riscos, as Instituições passaram a investir em 
ferramentas com o objetivo de aumentar a proteção contra a inadim- 
plência, a qual é denominada de Análise de Crédito. 
A Análise de Crédito tem como objetivo avaliar o potencial de 
retorno do tomador do crédito, garantindo a identificação de clientes 
com capacidade de liquidez da dívida ou avaliar o valor máximo com 
que este cliente pode se comprometer para honrar a dívida. A Análise 
trata de um processo de avaliar desde o perfil até valores contábeis e 
econômicos do tomador de crédito, levando em consideração, inclu- 
sive, a situação atual econômica do Mercado de Capitais no Brasil e 
Mundo. 
A perspectiva de inadimplência, por sua vez, influência a cotação 
dos juros a serem agrupados na operação de crédito. No Brasil, onde 
as elevadas taxas de juros são evidentes por várias causas, tornam-se 
relevantes todos os estudos relacionados com fatores que possam 
influenciar na fixação de tais taxas de juros. 
O presente trabalho tem como objetivo oferecer uma visão geral 
sobre diversos métodos de discriminação entre grupos (adimplentes e 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 95 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
inadimplentes), utilizados como instrumentos preditores para a con- 
cessão de crédito, bem como propor a elaboração de uma ferramenta 
para análise da concessão de crédito de uma Instituição Financeira, 
apresentando um modelo a partir de uma equação para avaliação de 
crédito baseado nos cálculos dos indicadores econômico-financeiros 
dos clientes da Instituição. Assim, analistas de crédito e gerentes 
operacionais do banco poderão passar um retorno ao cliente que 
solicita crédito, sem expor o banco a um risco demasiado. 
Portanto, o estudo é baseado no seguinte problema de pesquisa: 
Os tomadores de crédito Inadimplentes da Instituição Financeira, foco 
do estudo da pesquisa, poderiam ter sido identificados através de uma 
análise econômica e financeira das demonstrações contábeis antes da 
concessão do crédito? 
 
 
1 Revisão da literatura 
 
1.1 Conceito de crédito 
 
Crédito tem origem no latim credere, que significa crer, confiar, 
acreditar, ou ainda do substantivo creditum, que literalmente significa 
confiança (BLATT, 1988). 
Selau (2008) define crédito como o ato de vontade ou disposição 
de alguém de ceder, temporariamente, parte do seu patrimônio a um 
terceiro, com a expectativa de que esta parcela volte a sua posse 
integralmente depois de decorrido o prazo previamente estipulado. 
Segundo Schrickel (2000), todo o valor a ser concedido como 
crédito deve ser próprio, pois não é possível ceder algo que não lhe 
pertence sem o devido consentimento do seu proprietário. 
Porém, as instituições financeiras não se enquadram neste perfil 
de conceder crédito de recurso próprio, porque são intermediadoras, 
atuando na captação e empréstimo de valores não próprios e, para isso, 
são devidamente autorizadas e controladas por autoridades 
monetárias. As Instituições Financeiras efetuam a concessão de 
crédito mediante um preço de remuneração, denominado taxa de juros 
ou preço de capital. O preço cobrado por ceder o crédito varia de 
acordo com uma série de fatores, como, por exemplo, características 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
96 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
do tomador de crédito, o momento em que se encontra o cenário 
econômico e político do mercado Nacional e Mundial, entre outros. 
 
 
1.2 Análise de crédito 
 
Todo créditotem um grau de risco. Deve-se levar em conta que o 
tomador de crédito só foi em busca deste recurso porque não tinha este 
valor para investir no seu crescimento, e qualquer falha no seu 
planejamento, poderá torná-lo inadimplente com a Instituição Finan- 
ceira. 
Vasconcelos (2004) destaca que a missão de um processo de ava- 
liação de crédito é identificar as operações financeiramente viáveis, 
levando em consideração as características do cliente, sua situação 
atual e os detalhes da operação. 
A análise de crédito visa dar segurança para a Instituição que o 
está concedendo, pois, através de ferramentas e estudos sobre os 
tomadores de crédito, podem avaliar o potencial e capacidade de 
liquidez do valor pretendido. 
A aprovação do crédito após a análise é de acordo com o limite 
estipulado como regra em cada banco ou em determinadas situações, 
da liberação de crédito por um processo de Workflow. 
O Processo decisório de crédito varia de instituição para instituição. 
Ainda que todas sejam obrigadas a tomarem algumas preocupações, 
impostas pelo Banco Central, quanto à forma de administrar o 
crédito, a decisão final cabe ao banco. 
Por isso, algumas instituições estabelecem alguns níveis de alçadas, 
ou seja, para operações de até um determinado valor, estará dentro da 
alçada, dentro da competência do gerente operacional ou da gerência 
da agência. À medida que o volume de recursos envolvidos na 
operação aumenta, o processo decisório passará para os níveis 
superiores. Assim, a decisão quanto a concessão de um crédito 
poderá estar a cargo do Diretor da Área de Operações, ou a cargo do 
Comitê de Crédito, sendo o comitê, o que ocorre na maioria das 
instituições, a maior autoridade quanto às decisões dos créditos. O 
comitê de crédito, via de regra, é formado por um ou mais diretores, 
pelo gerente e pelo gerente do departamento de crédito (ANHAIA, 
1996, p. 59). 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 97 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
Schrickel (2000) afirma que perder dinheiro faz parte do negócio 
de crédito, mas o que jamais deve ocorrer é que a perda tenha ocor- 
rido por informações que não foram devidamente ponderadas, embora 
previstas ou previsíveis. A esta perda o autor da o nome de “perda mal 
perdida” ou “perda burra”. 
 
 
1.3 Classificações de crédito 
 
O risco é formado pela ocorrência de algum acontecimento 
antagônico para uma condição almejada. Em específico, o risco de 
crédito pode ser conceituado como a possibilidade de acontecimento 
de prejuízo por inadimplência com relação a circunstâncias esperadas, 
no caso o retorno absoluto dos créditos por parte do conjunto dos 
devedores (BORGES; BERGAMINI, 2001). 
No que se refere ao risco, o crédito é dividido basicamente em 
Baixo, Médio e Alto, podendo também variar de acordo com cada 
Instituição com mais escalas dentro dessas limitações. O crédito que 
oferece risco mínimo à Instituição, ou seja, de baixo valor, é quando o 
tomador de crédito tem em posse um grau de liquidez e patrimonial 
proporcionalmente muito maior que o valor analisado para crédito. 
Quando o valor analisado fica em uma faixa duvidosa, em que o 
tomador não apresenta um risco visível, mas também não apresenta 
tranquilidade, conhecido também como zona de penumbra, denomina-
se como risco médio e merece atenção. Já o risco alto percebe-se no 
valor analisado que proporcionalmente é de difícil liquidez, ou seja, a 
situação econômica e financeira do tomador de crédito pode não 
condizer com a possibilidade de pagamento futura (SILVA, 2006). 
Baseada nessas classificações, uma instituição cria outras deno- 
minações entre essas, a fim de deixar a análise mais perto da real situa- 
ção entre valor do crédito e poder de liquidez do tomador de crédito. 
 
 
1.4 Técnicas de análises 
 
O procedimento de análise de crédito pode recorrer a técnicas 
subjetivas ou a técnicas objetivas. A apreciação de técnica subjetiva, 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
98 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
também admitida como análise tradicional de crédito, envolve delibe- 
ração individual quanto à concessão ou recusa do crédito. Esta deter- 
minação baseia-se na disponibilidade de informações, no conheci- 
mento individualizado e da sensibilidade de cada analista para a con- 
cordância do crédito. As técnicas objetivas fazem uso da estatística 
para obtenção de modelos para traçar o perfil de clientes (SANTOS, 
2000). 
Quanto aos tipos de Análises, existem as Retrospectivas, Pros- 
pectivas, Vertical, Horizontal, Indicadores Econômico-Financeiros, 
entre outras. 
A Análise Retrospectiva tem por base as contas já encerradas. A 
Análise Prospectiva é baseada nas demonstrações projetadas. A 
Análise Vertical é apurada mediante cálculo da participação relativa 
de cada conta junto ao grupo de contas de que faz parte. A Análise 
Horizontal apura o comportamento de cada conta em relação aos 
exercícios analisados e os Indicadores Econômico-Financeiros são 
apurados a partir das demonstrações contábeis e aplicados a fórmulas 
especificas para avaliação da empresa (SILVA, 2006). 
 
 
1.4.1 Score discriminante para análise do crédito 
 
O Score Discriminante é o resultado obtido mediante avaliação 
do risco para cada indicador econômico-financeiro analisado. Seu 
resultado estabelece uma graduação ao risco que permite às Insti- 
tuições avaliarem o percentual de risco que o tomador de crédito 
oferece. 
Segundo Silva (2006), a graduação do risco possibilita ao banco 
relativa uniformidade da identificação do risco de crédito do cliente e, 
consequentemente, na determinação do valor a ser cobrado pelo risco, 
no caso os juros, bem como na exigência de garantias. 
 
 
1.4.2 Modelo de Kanitz 
 
O modelo de Kanitz visa analisar a capacidade que a empresa 
tem para saldar seus compromissos. Objetiva avaliar o grau de solidez 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 99 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
econômico-financeiro, denominando como Fator de Insolvência ou 
Termômetro de Insolvência, que demonstra os sintomas de uma 
empresa que está no caminho da falência ou concordata, prevendo, 
assim, o seu grau de solvência ou insolvência com antecedência. 
Kanitz (1978) estabeleceu o Fator de Insolvência com uma 
combinação de cinco índices, ponderados estatisticamente, conforme 
segue: 
 
 
 
 
Onde: 
FI = Fator de Insolvência 
X1 = Lucro Líquido / Patrimônio Líquido 
X2 = (Ativo Circulante + Realizável a Longo Prazo) / Exigível 
Total 
X3 = (Ativo Circulante – Estoques) / Passivo Circulante 
X4 = Ativo Circulante / Passivo Circulante 
X5 = Exigível Total / Patrimônio Líquido 
 
Conforme Kassai (1998), o estudo estabelecido por ele demons- 
tra a situação da empresa em três zonas, denominadas como zona de 
solvência, zona de penumbra e zona de insolvência. 
A zona de Solvência é denominada a área que concentra as 
empresas com menos possibilidades de falências, com menores riscos. 
O status de solvência da empresa é proporcional ao seu resultado 
positivo, ou seja, quanto maior o valor do Fator de Insolvência, menor 
é a possibilidade de falências ou de oferecer riscos por parte da em- 
presa. 
A zona de Penumbra é denominada para empresas que resul- 
tarem o Fator de Insolvência entre zero (0) e menos três (-3). É uma 
situação indefinida e perigosa, que merece um cuidado especial. 
A zona de Insolvência representa empresas com Fator de Insol- 
vência menor que menos três (-3).Prevê grande propensão à falência, 
que aumenta as probabilidades à medida que o fator diminui, ou seja, 
a insolvência é proporcionalmente inferior ao Fator de Insolvência. 
 
FI = 00,5 (X1) + 1,65 (X2) + 3,55 (X3) - 1,06 (X4) + 0,33 (X5) 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
100 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
1.4.3 Modelo de Elizabetsky 
 
Elizabetsky desenvolveu um modelo para decisão de crédito 
baseado em empresas do ramo de confecções (artigos para vestuário) 
que na época passavam por necessidades. 
Conforme Elizabetsky (1976), para este modelo utilizou a análise 
discriminante para um grupo de 373 empresas, sendo 274 boas e 99 
más. Iniciou seu trabalho com 60 índices, utilizando um processo de 
correlação entre grupos de índices para reduzir a quantidade de 
variáveis. 
A seguir, é demonstrado o modelo final (ELIZABETSKY, 1976): 
 
 
 
 
Onde: 
Z = Total de Pontos 
X32 = Lucro Líquido / Vendas Líquidas 
X33 = Disponível / Ativo Permanente 
X35 = Contas a Receber / Ativo Total 
X36 = Estoques / Ativo Total 
X37 = Passivo Circulante / Ativo Total 
 
Elizabetsky (1976) definiu em seu estudo que o ponto crítico é 
0,5. Empresas com resultado superior a 0,5 são solventes e inferior a 
0,5 são as insolventes. 
 
 
1.4.4 Modelo de Matias 
 
Utilizando técnicas de estatística de análise discriminante, Matias 
trabalhou com 100 empresas de diferentes ramos de atividades, sendo 
50 empresas solventes e 50 empresas insolventes (MATIAS, 1978). 
Em 1978, após testes com diversos índices, Matias apresentou o 
seguinte modelo: 
 
 
Z = 1,93 (X32) - 0,2 (X33) + 1,02 (X35) - 1,33 (X36) - 1,12 (X37) 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 101 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
 
 
 
Onde: 
Z = Total de Pontos 
X1 = Patrimônio Líquido / Ativo Total 
X2 = Financiamento e Empréstimos Bancários / Ativo Circulante 
X3 = Fornecedores / Ativo Total 
X4 = Ativo Circulante / Passivo Circulante 
X5 = Lucro Operacional / Lucro Bruto 
X6 = Disponível / Ativo Total 
 
O modelo de Matias divide em duas faixas as empresas solven- 
tes e insolventes: a faixa inferior a 0,5 corresponde as empresas insol- 
ventes e a faixa superior a 0,5 corresponde as empresas solventes. 
 
 
1.4.5 Modelo de Altman 
 
Altman (1978) construiu seu modelo a partir de análises discri- 
minantes múltiplas, separando empresas boas das ruins. O modelo de 
Altman, desenvolvido nos Estados Unidos no ano de 1968, é o 
seguinte: 
 
 
 
 
Onde: 
Z = Total de Pontos 
X1 = Capital Circulante Líquido / Ativo Total 
X2 = Lucros retidos / Ativo Total 
X3 = Lucros antes dos juros e impostos / Ativo Total 
X4 = Valor de mercado equity* / Exigível Total 
X5 = Vendas / Ativo Total 
* Valor de mercado equity = Número de ações x preço de mercado 
 
Z = 23,792 (X1) - 8,26 (X2) - 9,868 (X3) - 0,764 (X4) – 0,535 (X5) + 9,912 (X6) 
Z = 0,012 (X1) + 0,014 (X2) + 0,033 (X3) + 0,006 (X4) + 0,0999 (X5) 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
102 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
O estudo apresentado por Altman (1978) demonstra a situação da 
empresa em duas escalas, denominadas como a escala de empresas 
com problemas financeiros e escala de empresas sem problemas 
financeiros. A escala superior a zero corresponde às empresas sem 
problemas financeiros e a escala inferior a zero corresponde às 
empresas com problemas financeiros. 
De acordo com Silva (2006, p. 263), “[...] o modelo teve uma 
precisão de 88% na classificação de empresas quando utilizado um 
ano antes da constatação de problema financeiro e 78% quando 
aplicado com três anos de antecedência”. 
 
 
2 Metodologia 
 
O trabalho de pesquisa foi desenvolvido baseado em um estudo 
de caso exploratório e descritivo com a forma de abordagem da 
pesquisa básica e quantitativa, referente à Instituição Financeira de 
grande porte com ênfase em crédito, com levantamento de dados 
fundamentado em pesquisa bibliográfica e com técnicas de análise 
aplicadas à amostragem de dados das informações cadastrais da base 
de dados da Instituição Financeira de acordo com a forma de 
levantamento, seja adimplente ou inadimplente. 
 
 
2.1 População-alvo 
 
O trabalho de pesquisa foi realizado na Área de Desenvol- 
vimento de Software – subárea de Análise de Negócios da Instituição 
Financeira estudada, utilizando-a como estudo de caso. Foram realiza- 
dos scripts de consultas para busca dos dados necessários na base de 
dados de clientes dessa Instituição Financeira que tomaram crédito. 
Os dados selecionados para consulta foram todos referentes a 
contas Patrimoniais e de Resultados de Exercícios de empresas comer- 
ciais, tomadores de créditos da Instituição Financeira estudada, do ano 
de 2009. Levando em conta que, por motivos de segurança e de forma 
a não expor os tomadores de crédito, essa consulta foi realizada em 
uma base de dados clone de produção, porém com os nomes e núme- 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 103 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
ros das contas criptografados, ou seja, com todos os dados reais, 
porém o nome e o número da conta estavam transformados, de forma 
alfanumérica e numérica respectivamente, em desordem. 
 
 
2.2 Técnica de coleta de dados 
 
Os dados coletados para o estudo e a análise foram os Balanços 
Patrimoniais e as Demonstrações dos Resultados dos Exercícios das 
Empresas Comerciais tomadoras de crédito da Instituição Financeira 
em estudo. 
Selecionados na base de dados da Instituição Financeira de forma 
aleatória, 34 tomadores de créditos do tipo Pessoa Jurídica do ramo 
Comercial, sendo 17 adimplentes e 17 inadimplentes. 
Os indicadores utilizados nas teorias de Kanitz, Elizabetsky, 
Matias e Altman serviram como base para criar a fórmula de análise 
de crédito para concessão às Pessoas Jurídicas do ramo Comercial. 
 
 
2.3 Técnicas de análise de dados 
 
Com todos os dados coletados e aplicados sob os conhecimentos 
técnicos adquiridos no ambiente acadêmico, será revelada a importân- 
cia da análise de crédito mediante a avaliação econômica e financeira 
da empresa, agregando melhoria às técnicas utilizadas na Instituição 
Financeira para concessão de crédito a empresas. Serão calculados os 
indicadores econômico-financeiros das empresas baseados em seus 
valores patrimoniais e de resultados, mantidos no cadastro da institui- 
ção financeira que concedeu o crédito. 
A partir dos cálculos dos indicadores, será realizada a análise 
descriminante para chegarmos a um modelo ideal de análise de cré- 
dito. 
Este trabalho se utilizou do procedimento estatístico denominado 
análise discriminante. Mário (2002) define análise discriminante como 
sendo um procedimento estatístico para se fazer inferência sobre uma 
determinada população de dados examinados, decompostos em grupos. 
 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
104 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
Aaker, Kumar e Day (2002) afirmam que a análise discriminante 
é empregada para rotular indivíduos em um, dois ou mais grupos 
alternativos, como alicerce de um conjugado de mensurações. É 
considerada no âmbito das técnicas de Análise Estatística Multiva- 
riada, um ramo na Estatística quese preocupa com a verificação 
simultânea de duas ou mais variáveis e suas relações. 
De forma simplificada, pode-se afirmar que a Análise Discrimi- 
nante é uma “ferramenta” estatística empregada para classificar um 
determinado elemento num determinado grupo entre os grupos exis- 
tentes. 
 
 
3 Resultados 
 
Para definir o modelo de análise de crédito foi seguida a meto- 
dologia descrita pelo estudo de Kassai e Kassai (1998) e Lemos 
(2009) a partir da divisão da população de 34 empresas em duas 
amostras, uma com 16 empresas e outra com 18, para as quais se 
realizou o cálculo de regressão linear, com base nos indicadores 
econômico-financeiros das empresas selecionadas, de forma aleatória, 
sendo 8 empresas adimplentes e 8 empresas inadimplentes. Após a 
regressão, definiu-se a equação que representará o modelo de análise 
de crédito. Depois, calcularam-se as médias, desvio padrão e ponto de 
corte. E, a partir destas informações, obteve-se a definição de como 
são diferenciadas as empresas solventes das insolventes para compor o 
modelo de avaliação das empresas do ramo Comercial. Ainda se 
considerou no cálculo uma margem de segurança, entre uma definição 
e outra, denominada como situação de Penumbra. Essa margem de 
segurança é importante, pois identifica as empresas que se apresentam 
em situação indefinida, as quais não estão tão bem ao ponto de mere- 
cer confiança de crédito e não estão tão mal ao ponto de dizer que 
estão falidas no entanto, merecem uma atenção e acompanhamento 
especial antes da concessão do crédito. 
 
 
 
 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 105 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
3.2 Cálculo de regressão 
 
A seguir, serão apresentados os dados dos Indicadores Econô- 
mico-Financeiros e os status das empresas na Instituição Financeira na 
qual foi realizada a regressão: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Tabela 1 – Empresas selecionadas para cálculo de regressão 
 
A tabela 1 evidencia que o grupo 2 de empresas (Inadimplentes) 
em sua maioria, com exceção da empresa 4, tem no Indicador LG 
valores abaixo de 1, ou seja, possuem menos R$ 1,00 de disponibi- 
lidade para cada R$ de obrigação. A mesma tabela evidencia que o 
Indicador ET não se trata de um bom sinalizador de insolvência, pois, 
em ambos os casos (empresas adimplentes e inadimplentes), tem um 
nível de endividamento muito elevado. 
Com base nos Indicadores Econômico-Financeiros e os status da 
situação atual dos tomadores de crédito que foram selecionados, serão 
desenvolvidos, a partir deste momento, os cálculos de regressão para a 
efetivação da fórmula de avaliação das empresas, conforme segue: 
 
 
 
Nota: Cálculos realizados a partir das informações Patrimoniais e de Resultado do cadastro de 
clientes da Instituição Financeira.
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
106 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
 
 
 
 
 
 
 
 
Tabela 2 – Estatística de regressão 
 
A tabela 2 apresenta o Coeficiente de determinação, também 
chamado de R2, que é uma medida de qualidade do modelo economé- 
trico em relação à sua habilidade de estimar corretamente os valores 
da variável resposta . O R2 indica quanto da variância da variável 
resposta é explicada pela variância das variáveis explicativas. Seu 
valor está no intervalo de 0 a 1: Quanto maior, mais explicativo é o 
modelo. Neste caso, o R2 deste modelo é 0,3416457, o que significa 
que 34,16% da variância de é explicada pela variância de . 
O Grau de Liberdade (gl) apresentado na tabela 3 demonstra o 
número de determinações independentes (dimensão da amostra) 
menos o número de parâmetros estatísticos a serem avaliados na 
população. O gl é calculado mediante a fórmula n-1, em que n é o 
número de elementos na amostra (também podem ser representados 
por k-1 onde k é o número de grupos, quando se realizam operações 
com grupos e não com sujeitos individuais). Logo, gl pode ser apura- 
do através da seguinte fórmula: n-1-p onde: 
 
n = 16 dimensão da amostra 
p = 05 é o número de parâmetros estatísticos a serem avaliados 
na população. 
 
 
 
 
 
 
Tabela 3 – Dados para aplicação dos fatores de regressão 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 107 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
A tabela 4 apresenta o teste t que é um teste de hipótese para 
médias. No caso de se querer comparar dois grupos, a Hipótese Nula é 
que a diferença das médias é zero, isto é, não há diferenças entre os 
grupos. Ao realizar-se uma suposição adicional de que a estimativa da 
intercepção e a inclinação são normalmente distribuídas, a estimativa 
do parâmetro e o erro padrão podem ser combinados para obter uma 
“estatística t”, que mede se a relação é estatisticamente significante. 
Por exemplo, com mais do que 120 observações, uma estatística t 
maior do que 1,66 indica que a variável é significativamente diferente 
de zero com 95% de certeza, enquanto uma estatística maior do que 
2,36 indica o mesmo com 99% de certeza. Para amostras menores, a 
estatística t tem de ser maior para ter significado estatístico, o que não 
ocorre neste caso. 
Os testes estatísticos para medir a significância do modelo 
apresentados na tabela 4 não garantem seu modelo de predição. Para 
determinar a eficácia da predição, é preciso construir uma tabela de 
classificação. Essas matrizes são construídas pela tabulação cruzada 
dos membros do grupo real com o previsto. Números na diagonal 
principal representam classificações corretas, e números fora da 
diagonal representam classificações incorretas (HAIR, et al., 2005). A 
eficácia deste modelo foi evidenciada nas tabelas 9 e 12. 
 
 
 
 
 
 
 
 
Tabela 4 – Resultado da regressão para desenvolver a fórmula 
 
O teste de Multicolinearidade consiste em um problema comum 
em regressões, em que as variáveis independentes possuem relações 
lineares exatas ou aproximadamente exatas. O indício mais claro da 
existência da multicolinearidade é quando o R2 é bastante alto, mas 
nenhum dos coeficientes da regressão é estatisticamente significativo 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
108 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
segundo a estatística t convencional. O modelo apresentado não apre- 
senta R2 elevado, motivo pelo qual não foi realizado este teste. 
Com base nos resultados dos cálculos de regressão, através dos 
Coeficientes de cada indicador, será elaborada a fórmula de avaliação 
da situação, se adimplente ou inadimplente, das empresas clientes da 
Instituição Financeira, conforme segue: 
 
 
 
 
 
3.3 Cálculo do Score Discriminante 
 
Com base na fórmula estabelecida após o cálculo da regressão, 
será aplicado na amostra de empresas selecionadas, na qual foi 
realizada a regressão, para estabelecer o score discriminante. Confor- 
me apresentado a seguir: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Tabela 5 – Resultado do cálculo do Score Discriminante 
 
Nota: Cálculos realizados a partir das informações Patrimoniais e de Resultado do cadastro de 
clientes da Instituição Financeira.
Z = 0,920835 - 0,550392x(LG) + 0,402264x(LC) + 2,439309x (LI) + 0,008181x(RSV) + 0,008320x(ET) 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 109 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>.A tabela 5 agrupa as empresas inadimplentes em um intervalo 
entre 1,12 e 2,03, e as empresas adimplentes nos intervalos entre 1,03 
e 1,62. É importante salientar que, em ambos os grupos de empresas 
(adimplentes e inadimplentes), os limites inferiores (1,03 e 1,12) bem 
como os limites superiores (1,62 e 2,03) necessitam de um melhor 
tratamento, ou seja, necessitam de uma reclassificação. 
 
 
3.4 Reclassificação da situação das empresas 
utilizadas na definição do modelo 
 
Após apurado o Score Discriminante de cada empresa, será 
calculada a média e o desvio padrão por grupo, um grupo denominado 
para as empresas Adimplentes e o outro grupo para as empresas 
Inadimplentes. Baseado nessas informações, será estabelecido o ponto 
de corte entre um grupo e outro e reclassificadas as situações das 
empresas. 
 
 
 
 
 
 
 
 
 
 
 
Tabela 6 – Cálculo da média e do desvio padrão 
do grupo das empresas Inadimplentes 
 
Para realizar o cálculo da média e do desvio padrão das empre- 
sas com situação Inadimplente, foram utilizadas as seguintes fórmulas 
do Excel (Aplicativo do Programa Office da empresa Microsoft): 
Fórmula da Média: = soma (SD1:SD8) /8 = 1,67 
Fórmula do Desvio Padrão: = desvpadp (SD1:SD8) = 0,2618963 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
110 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
Pode-se concluir com a inclusão do Desvio Padrão, que as 
empresas Inadimplentes se encontram no intervalo entre 1,408104 e 
1,931896. 
 
 
 
 
 
 
 
 
 
 
 
 
 
Tabela 7 – Cálculo da média e do desvio padrão 
do grupo das empresas adimplentes 
 
Para realizar o cálculo da média e do desvio padrão das empre- 
sas com situação Adimplente, foram utilizadas as seguintes fórmu- 
las do Excel (Aplicativo do Programa Office da empresa Microsoft): 
Fórmula da Média: = soma (SD18:SD25) / 8 = 1,33 
Fórmula do Desvio Padrão: = desvpadp (SD18:SD25) = 0,2094571 
Pode-se concluir, com a inclusão do Desvio Padrão, as empresas 
Adimplentes encontram-se no intervalo entre 1,539457 e 1,1220543 
Com base nos resultados obtidos com os cálculos das médias das 
empresas que pertencem ao grupo das Adimplentes e do grupo Ina- 
dimplentes, pode ser definido o Ponto de Corte para reclassificação da 
situação das empresas baseado na análise proposta, conforme fórmula 
a seguir: 
 
 
 
 
Definido o Ponto de Corte, foram reclassificadas as empresas, 
seguindo a lógica de que aquelas com Score Discriminante maior que 
(Desvio Padrão do Grupo 1) + Desvio Padrão do Grupo 2) / 2 = 1,5
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 111 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
o Ponto de Corte serão categorizadas como Inadimplentes e as com 
Score menor que o Ponto de Corte serão denominadas Adimplentes, 
pois os parâmetros das médias nos indicam essa classificação. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Tabela 8 – Reclassificação das empresas 
 
A tabela 8 apresentou as empresas 5 e 8 inadimplentes classifi- 
cadas equivocadamente como adimplentes. As empresas 18, 20 e 23 
adimplentes foram classificadas erroneamente como inadimplentes. 
Realizando um comparativo da real situação das empresas na 
Instituição Financeira, com a reclassificação a partir da fórmula esta- 
belecida para análise, obteve-se o seguinte resultado: 
 
Descrição Inadimplentes Adimplentes Total 
Amostra 8 8 16 
Acertos 6 5 11 
Falhas 2 3 5 
Percentual de Acertos 75% 63% 69% 
Tabela 9 – Resultado da reclassificação das empresas a partir 
do modelo proposto na amostra utilizada para definição do modelo 
Fonte: Elaborado pelo autor, 2010. 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
112 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
4.5 Sinaleira ou farol de análise de crédito 
para empresas comerciais 
 
Estabelecida a fórmula de apuração da situação da empresa, 
criou-se uma Sinaleira para estabelecer a graduação de risco que a 
empresa oferece à Instituição, com o intuito de representar: Verde para 
passagem livre para crédito para a empresa analisada; Amarelo para 
passagem que merece atenção; e Vermelho para passagem de crédito 
bloqueado. 
Para montar a Sinaleira, são utilizadas as informações da Média e 
Desvio Padrão dos grupos de empresas analisadas anteriormente neste 
trabalho, nas quais foram estabelecidas as zonas de Solvência, 
Penumbra e Insolvência, conforme segue representado no gráfico 
abaixo: 
 
 
 
 
 
 
 
 
 
 
 
 
 
Gráfico 1 – Definição das zonas de solvência, penumbra e insolvência 
 
Estabelecidas as zonas das situações das respectivas empresas, 
conforme seu resultado de análise econômico-financeiro através do 
modelo proposto, define-se a situação das empresas tomadoras de 
crédito na Instituição Financeira. 
Solventes são as empresas aptas ao crédito, as quais apresen- 
tarem um resultado, quando aplicado à fórmula, menor que 1,40, 
sendo que, gradativamente, quanto mais se distanciar o resultado para 
menor que 1,40 melhor é a situação da empresa. 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 113 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
Empresas que apresentarem resultados entre 1,41 e 1,53, estão 
em situação de atenção, na qual não é recomendada a concessão de 
crédito, a não ser mediante garantias e outras análises. 
As empresas com resultado maior que 1,54, representam situação 
de perigo para concessão do crédito, pois estão passando por 
momentos de dificuldade e, gradativamente, quanto maior for o valor 
em relação a 1,54, maior o perigo da empresa analisada. 
Definidas as zonas e seus limites, foi elaborada a Sinaleira, da 
qual a instituição se utilizará para avaliar a concessão de crédito. A 
análise se dá da seguinte forma: com os dados Patrimoniais e de 
Resultado da empresa, aplica-se o cálculo dos indicadores econômico-
financeiros que compõem o modelo. Com o resultado dos indica- 
dores, deve-se aplicar a equação do modelo proposto neste trabalho. O 
resultado da aplicação do modelo será denominado como Score 
Discriminante, no qual o responsável pela análise da concessão do 
crédito irá comparar o resultado com os parâmetros da sinaleira, e, 
conforme o valor, será denominado como Sinaleira Fechada para 
Crédito, Sinaleira em Atenção para Crédito e Sinaleira Aberta para 
Crédito, conforme apresentado na figura a seguir: 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 1 – Sinaleira da análise de crédito 
para concessão a empresas comerciais 
Fonte: Elaborado pelo Autor, 2010. 
 
 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
114 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
3.6 Resultado geral do modelo 
com a amostra completa 
 
O modelo foi aplicando em toda a amostra selecionada para este 
estudo, envolvendo as 34 empresas, e apresentou um resultado analí- 
tico com uma visão geral dos resultados e da eficácia do modelo. 
A seguir serão apresentados os indicadores econômico-finan- 
ceiros de todas as empresas selecionadas para realização deste traba- 
lho e o cálculo do Score Discriminante e a reclassificação da situação 
das empresas conforme o modelo proposto. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Tabela 10 – Reclassificação de toda a amostra baseado no modelo proposto 
Nota: Cálculosrealizados a partir das informações Patrimoniais e de Resultado do cadastro de 
clientes da Instituição Financeira.
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 115 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Tabela 11 – Representação da sinaleira de crédito 
 
Realizando um comparativo da real situação das empresas na 
Instituição Financeira, com a reclassificação a partir do modelo de 
análise de crédito proposto, obteve-se o seguinte resultado: 
 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
116 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
Descrição Inadimplentes Adimplentes Total 
Amostra 17 17 34 
Acertos 12 13 25 
Falhas 5 4 9 
Percentual de Acertos 71% 76% 74% 
Tabela 12 – Resultado da reclassificação das empresas a partir 
do modelo proposto na amostra completa 
Fonte: Elaborado pelo autor, 2010. 
 
Na representação do resultado de toda a amostra, percebe-se que 
o modelo proposto neste estudo é eficaz à Instituição Financeira estu- 
dada, pois identificou 71% das empresas inadimplentes e teve um per- 
centual de 74% de acerto na identificação da situação das empresas. 
Com este resultado, identifica-se também a importância de ter 
um modelo especifico por ramo de atividade da empresa, com o qual é 
possível realizar uma análise de regressão mais adequada e mais 
assertiva. 
 
 
Considerações finais 
 
O presente trabalho teve como propósito desenvolver e testar um 
modelo de previsão da situação das empresas comerciais que buscam 
crédito na Instituição Financeira estudada. 
Os indicadores econômico-financeiros foram calculados a partir 
de informações patrimoniais e de resultado de clientes da Instituição 
Financeira do ano de 2009, que foram adquiridos através de uma 
consulta na base de dados da própria instituição. 
A seleção dos clientes tomadores de crédito para o estudo foi de 
forma aleatória, ou seja, foram selecionados os 17 primeiros clientes 
encontrados na base de dados que pertencem ao ramo comercial e 
estão com situação de Inadimplentes na Instituição. Após, foram 
selecionados, também de forma aleatória, os 17 primeiros clientes que 
pertencem ao ramo comercial e estão com situação normal na insti- 
tuição. 
Com um total de 34 empresas para o estudo, foram selecionados 
os dados da última atualização realizada na instituição financeira, 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 117 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
sendo, assim, informações do momento da solicitação do crédito por 
parte do cliente. 
Com as informações dos clientes foi possível selecionar os 
indicadores que melhor representam a situação de solvência ou 
insolvência das empresas selecionadas para o estudo. 
Com os indicadores selecionados, que foram 5, escolhidos após 
testes com todos os indicadores, foi realizada a regressão linear sobre 
os indicadores e as situações das respectivas empresas de uma amos- 
tra. Com o resultado da regressão linear, foi possível montar o modelo 
ideal para análise de crédito. No entanto, para comprovar a eficácia 
deste modelo, foram aplicados testes comparativos do resultado 
encontrado no modelo com a real situação da empresa na instituição. 
Para encontrar o resultado das empresas no novo modelo, 
construiu-se um novo elemento, denominado Score Discriminante, 
que é a própria obtenção do resultado alcançado através da aplicação 
da fórmula do modelo. Adquirido o índice da amostra, foram calcula- 
das as médias das empresas adimplentes e inadimplentes e, baseado 
nas médias, definiu-se o desvio padrão e o ponto de corte. A partir de 
então, constatou-se que o score discriminante resultante entre os 
extremos 1,408926 e 1,538634 refere-se às empresas que estão na 
zona de penumbra; inferiores a 1,408926, às empresas que estão na 
zona de solvência; e superiores a 1,53634 e às empresas que estão na 
zona de insolvência. 
A validação do modelo foi realizada pelo método cross 
validation, ou seja, é dividida a amostra em dois grupos, um para 
determinação do modelo e outro para sua avaliação. Ao final se 
juntam os dois grupos formando novamente a amostra original e é 
aplicado o resultado final. 
Na amostra dividida para definição do modelo, a qual continha 8 
empresas adimplentes e 8 inadimplentes, totalizando 16 empresas, 
obteve-se 75% de acerto dos inadimplentes, sendo 6 acertos e apenas 
2 falhas. Nos adimplentes, obteve-se 63% de acertos, sendo 5 acertos 
e 3 falhas, totalizando 69% de acerto na amostra utilizada para definir 
o modelo. 
Na amostra original, com 34 empresas, constatou-se que o total 
de acertos foi de 71% para os inadimplentes e 76% para os adim- 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
118 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
plentes, totalizando 74% de acertos da amostra total, ou seja, de 34 
empresas obteve-se 25 acertos e apenas 9 falhas. 
Deve-se enfatizar que o estudo é limitado, tendo em vista o 
número reduzido das amostras trazidas para análise. 
Dessa forma, no presente estudo, foi possível alcançar os obje- 
tivos propostos para o desenvolvimento da pesquisa, bem como 
responder à questão principal em que argumentava se poderiam ter 
sido identificados os inadimplentes antes da concessão do crédito. 
Assim, concluímos que, com o modelo criado, a Instituição Finan- 
ceira estudada poderia ter evitado 71% de sua inadimplência. E, por 
fim, fica a satisfação de cumprir com os objetivos, que foi apenas o 
ponto de partida para um maior aprofundamento, aprimoramento e 
especialização sobre o assunto abordado e tantos outros que se tornem 
relevantes ao longo desta carreira. Assim como, fica o ponto de 
partida para a Instituição Financeira aproveitar o estudo para aprimo- 
rar sua análise de crédito e evitar inadimplências com empresas 
comerciais. 
 
Recebido em setembro de 2010. 
Aprovado em outubro de 2010. 
 
 
Referências 
 
AAKER, David A.; DAY, George S.; KUMAR, V. Pesquisa de marketing. São Paulo: 
Atlas, 2001. 
ALTMANN, E. I. Financial ratios, discriminant analysis and prediction of corporate 
bankruptcy. Journal of Finance, v. 29, p. 589-609, 1968. 
ANHAIA, Artur Vitoriano Gaieski. Contabilidade bancária: teoria e prática. Rio Grande 
do Sul, 1996. 
BLATT, A. Introdução a análise de crédito. Rio de Janeiro: Suma Econômica, 1988. 
BORGES, L. F. X.; BERGAMINI JUNIOR, S. O risco legal na análise de crédito. 
Revista do BNES, Rio de Janeiro, v. 8, n. 16, p. 215-260, dez. 2001. 
CAOUETTE, John B.; ALTMAN, Edward I.; NARAYANAN, Paul. Gestão do risco de 
crédito: o próximo grande desafio financeiro. Rio de Janeiro: Qualitymark, 2000. 
ELIZABETSKY, Roberto. Um modelo matemático para a decisão do banco 
comercial. Trabalho apresentado ao Departamento de Engenharia de Produção da Escola 
Politécnica da USP, 1976. 
Modelo de análise de crédito de empresas comerciais 
Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 119 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>. 
HAIR, J. F.; ANDERSON; R. E. TATHAM, R. L.; BLACK, W. C. Análise multivariada 
de dados. 5. ed. Porto Alegre: Bookman, 2005. 
KANITZ, Stephen Charles. Como prever falências. São Paulo: McGraw-Hill, 1978. 
KASSAI, José Roberto; KASSAI, Silvia. Desvendando o termômetro de insolvência de 
Kanitz. Anais... XXII EnANPAD, 1998, Foz do Iguaçu, PR. 
LEMOS,Luiz Fernando Branco. Elaboração de um modelo de previsão de insolvência 
para micro e pequenas empresas utilizando indicadores contábeis. Dissertação 
(mestrado) – Universidade do Vale do Rio dos Sinos, Programa de Pós-Graduação em 
Ciências Contábeis. São Leopoldo, 2009. 
MÁRIO, Poueri do Carmo. Contribuição ao estudo da solvência empresarial: uma 
análise de modelos de previsão – estudo exploratório aplicado em empresas mineiras. 
2002. Dissertação (Mestrado) – Departamento de Contabilidade e Atuaria, Faculdade de 
Economia, Administração e Contabilidade, Universidade de São Paulo. São Paulo, 2002. 
MATIAS, A. B. Contribuição às técnicas de análise financeira: um modelo de 
concessão de crédito. Monografia de Graduação em Administração. Faculdade de 
Economia Administração e Contabilidade de São Paulo, 1978. Disponível em: <http// 
www.albertomatias.com.Br/index2.htm&gt>. Acesso em: 10 maio 2008. 
SANTOS, J. Análise de crédito: empresas e pessoas físicas. São Paulo: Atlas, 2000. 
SCHRICKEL, Wolfgang Kurt. Análise de crédito: concessão e gerência de emprésti- 
mos. 5. ed. São Paulo: Atlas, 2000. 
SELAU, Lisiane Priscila Roldão. Construção de Modelos de Previsão de Risco de 
Crédito. Dissertação (mestrado) Universidade Federal do Rio Grande do Sul, Programa 
de Pós Graduação em Engenharia de Produção. Porto Alegre, 2008. 
SILVA, José Pereira da. Gestão e Análise de Risco de Crédito. São Paulo: Atlas, 2006. 
VASCONCELOS, R. S. Modelos de Escoragem de Crédito aplicados a Empréstimo 
Pessoal com Cheque. Rio de Janeiro: FGV, 2004. Dissertação (Mestrado em Finanças e 
Economia Empresarial). Escola de Pós Graduação em Economia, Fundação Getulio 
Vargas, 2004, Faculdade de Economia. 
 
 
 
 
 
 
 
 
 
 
 
Felipe Freias Vieira, Marcelo Scheer Lopes e Luiz Fernando Branco Lemos 
120 Gestão Contemporânea, Porto Alegre, ano 7, n. 8, p. 93-119, jul./dez. 2010 
Disponível em: <http://seer2.fapa.com.br/index.php/arquivo>.