Um Modelo de Previsão de Solvência Utilizando Regressão Logística

Um Modelo de Previsão de Solvência Utilizando
Regressão Logística
João Alberto Minussi
Cláudio Damacena
Walter Lee Ness Jr.

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

A BSTRACT
The process of entry of foreign banks in the Brazilian financial system, together with the achievement of monetary stability, are requiring changes in the profile of action of Brazilian banks, especially in the area of credit. In this sense, this article represents an important contribution in testing a new technique (logistic regression) in evaluating credit risk. The statistical technique used shows itself more robust than other