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>>. 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>.