Determinantes da Inadimplência no Crédito Habitacional Direcionado à Classe Média Emergente Brasileira
Resumo
O presente artigo teve por objetivo identificar os determinantes de inadimplência em operações de crédito habitacional com o emprego do modelo de regressão logística. Constituiu objeto da análise a carteira de empréstimos voltada para clientes da “classe média emergente”, sendo selecionadas variáveis explicativas que retratam as dimensões demográfica, social e econômica do mutuário.
METODOLOGIA
Foram utilizados dados cadastrais de mutuários de operações de crédito habitacional de uma grande instituição financeira brasileira, tendo a pesquisa contemplado 37.521 mutuários com faixa salarial entre R$ 300,00 e R 1.000,00 mensais. Adotou-se o modelo de regressão logística, que permitiu estimar a probabilidade de ocorrência de inadimplência, que foi classificada em diversas categorias.
RESULTADOS E CONCLUSÕES
Alguns resultados estão em linha com o esperado. A probabilidade de inadimplência aumenta com a idade do tomador de empréstimo e é maior para os mutuários masculinos, para os que têm maior comprometimento da renda com os empréstimos e para os contratos com garantias mais frágeis. Outros achados, entretanto, são surpreendentes. Observou-se que a probabilidade de inadimplência é mais elevada para os mutuários casados e para os de maior escolaridade.
IMPLICAÇÕES PRÁTICAS
O estudo aponta para concordâncias e divergências em relação às conclusões decorrentes de teorias usualmente empregadas nesta área. Neste sentido, mulheres e jovens apresentaram menor probabilidade de inadimplência, o mesmo acontecendo com os mutuários com menor comprometimento da renda e que oferecem garantias ao empréstimo. Entretanto, mutuários de maior escolaridade, casados e com maior tempo de relacionamento bancário, não se comportaram conforme previsto, apresentando maior grau de inadimplência. O estudo contribui, desde modo, para alertar sobre aspectos, muitas vezes, inesperados e que dificultam uma análise mais segura na concessão de crédito.
PALAVRAS-CHAVE
Modelo de Regressão logística. Inadimplência. Crédito Imobiliário.
DETERMINANTS OF DEFAULT ON HOME LOANS DIRECTED TO EMERGING BRAZILIAN MIDDLE CLASS
OBJECTIVE
This article aimed to identify the determinant variables of default on home loans operations with the use of logistic regression model. The object of analysis was a loan portfolio focused on customers "emerging middle class", being selected explanatory variables that depict the demographic, social and economic dimensions of the borrower.
METHODOLOGY
It was used registration data of borrowers of home loans of a large Brazilian financial institution, having the research covered 37,521 borrowers whose monthly salary ranged between R$ 300.00 to R$ 1,000.00. The logistic regression model allowed to estimate the probability of occurrence of default which was classified it into several categories.
RESULTS AND CONCLUSIONS
Some results are in line with expectations. The probability of default increases with the age of the borrower and it is higher for male borrowers, for those with greater involvement of income in the loans and for contracts bearing weaker guarantees. It was also observed that the higher the borrower age, the higher the default on housing credit. Others findings, however, are amazing. It was observed that the probability of default is higher for married borrowers and for those with higher schooling.
PRACTICAL IMPLICATIONS
The study indicates agreements and disagreements regarding to the conclusions arising from theories normally used in this area. In this sense, women and youth showed less likely to default, as did borrowers with lower income commitment and offering guarantees to the loan. However, borrowers of higher level of education, married and higher banking relationship time, did not behave as expected, showing a higher degree of default. The study contributes, in this manner, to alert on aspects often unexpected and allows a safer analysis of lending.
KEYWORDS
Logistic regression model. Default. Home loans.
Referências
Amorin, a. Neto.; & Carmona, C. (2004). Modelagem do risco de crédito: um estudo do segmento de pessoas físicas em um banco de varejo. Revista Eletrônica de Administração, v. 10, n.4, p. 1-23.
Araújo, V. L. (2012). Preferência pela liquidez dos bancos públicos no ciclo de expansão do crédito no Brasil: 2003-2010. Brasília: IPEA.
Araújo, E.; & Carmona, C. (2009). Desenvolvimento de modelos credit scoring com abordagem de regressão de logística para a gestão da inadimplência de uma instituição de microcrédito. Contabilidade Vista & Revista, v.18, n.3, p.107-131.
Agarwal, S.; Chomsisengphet, S.; & Liu, C. (2008). Consumer bankruptcy and default: the role of individual social capital formation characteristics. Federal Bank of Chicago, Chicago, mimeo.
Becker, G. (1964). Human capital: a theoretical and empirical analysis, with special reference to education. Chicago: University of Chicago Press.
Bittencourt, G.; Magalhães, R.; & Abramovay, R. (2005). Informações de crédito: um meio para ampliar o acesso dos mais pobres ao sistema financeiro. Pesquisa & Debate, v. 16, n. 2, p. 203-248.
Caouette, J.; Altman, I.; & Narayanan, P. (1999). Gestão do risco de crédito: o próximo grande desafio financeiro. Rio de Janeiro: Qualitymark.
Casa Nova, S. (2013). Quanto pior, melhor: estudo da utilização da análise envoltória de dados em modelos de análise de inadimplência/solvência de empresas. Revista Contemporânea de Contabilidade, vol. 10, n. 19, p. 71-96.
Corrar, L.; Paulo, E.; & Dias Filho, J. (2007). Análise multivariada para os cursos de administração, ciências contábeis e economia. São Paulo: Atlas.
Correa, A.; Marins, J.; Neves, M.; & Silva, A. (2011). Credit default and business cycles: an empirical investigation of Brazilian retail loans. Trabalhos para a Discussão 260, Banco Central do Brasil, Brasília.
Camargos, M.; Camargos, M.; & Araújo, E. (2012). A inadimplência em um programa de crédito de uma instituição financeira pública de Minas Gerais: uma análise utilizando regressão logística. Revista de Gestão, vol. 19, n. 3, p. 473-492.
Febraban.(2011). Bancarização e inclusão financeira no Brasil. III Congresso Latino Americano de Bancarização e Microfinanças, Federação Latino Americana de Bancos, Rio de Janeiro.
Felix, F.; Locatelli, R.; Fernandes, J.; & Afonso, T. (2014). Riscos, Custo de Capital e Desempenho Financeiro no Setor de Construção Civil no Brasil: criação ou destruição de valor? Relato Técnico, Fundação Pedro Leopoldo, Pedro Leopoldo.
Ferreira, M.; Oliveira, L.; Santos, L.; & Abrantes, L. 92011). Previsão de risco de crédito para definição do perfil de clientes de um banco de varejo. Revista de Negócios, vol. 16, n. 2, p. 47-64.
Gitman, L. (1997). Princípios de administração financeira. São Paulo: Harbra.
Gonçalves, R. (2010). Os anos Lula: contribuições para um balanço crítico 2003-2010. Rio de Janeiro: Garamond.
Gonçalves, E.; Gouvêa, M.; & Mantovani, D. (2013). Análise de risco de crédito com o uso de modelos de regressão logística. Revista Contemporânea de Contabilidade, v. 10, n. 20, p. 139-160.
Gross, D.; & Souleles, N. (2002). An empirical analysis of personal bankruptcy and delinquency. Review of Financial Studies, vol. 15, n.1, p. 319-347.
Guimarães, I.; & Chaves Neto, A. (2002). Reconhecimento de padrões: metodologias estatísticas em crédito ao consumidor. Revista de Administração de Empresas, vol. 1, n. 1, p. 1-14.
Hosmer, D.; & Lemeshow, D. (1989). Applied logistic regression. New York: John Wiley & Sons.
Jannuzzi, F. (2010). Um estudo sobre as variáveis que impactam a inadimplência no crédito concedido para projetos imobiliários. Dissertação de Mestrado em Administração, Universidade Estácio de Sá, Rio de Janeiro.
Kishtainy, N. (Ed.). (2012). O livro da economia, Rio de Janeiro: Globo Livros.
Leão, L.; Martins, P.; & Locatelli, R. (2012). Gestão de ativos e passivos e controle de riscos: um estudo aplicado ao Banco de Desenvolvimento de Minas Gerais S/A. Revista Gestão & Tecnologia, vol.12, n. 3, p. 3-25.
Lima, F. G. (2015). Análise de Riscos, São Paulo: Atlas.
Mattar, F. (1997). Pesquisa de marketing: metodologia e planejamento. São Paulo: Atlas, 4ª edição.
Mendonça, M. J. (2013). O crédito imobiliário no Brasil e sua relação com a política monetária. Revista Brasileira de Economia, Rio de Janeiro, v.67, n.4, p.457-495.
Minussi, J.; Damacena, C.; & Ness Jr, W. (2002). Um modelo de previsão de solvência utilizando regressão logística. Revista de Administração Contemporânea, vol. 6, n. 3, p.109-128.
Modigliani, F. (1986). Life cycle, individual thrift, and the wealth of nations. American Economic Review, vol. 76, n. 3, p. 297-313.
Organização das Nações Unidas – ONU. (2000). Declaração do Milénio, Cimeira do Milénio, Nova Iorque.
Neri, M. A. (2011). Nova classe média: o lado brilhante da base da pirâmide. São Paulo: Atlas.
Oliveira, G.; & Turolla, F. (2003). Política econômica do segundo governo FHC: mudança em condições adversas. Tempo Social, v.15, n..2, p. 195-217.
Palmuti, C.; & Picchiai, D. (2012). Mensuração do risco de crédito através de análise estatística multivariada. Revista Economia Ensaios, vol. 26, n. 2, p. 1-16.
Putnam, R. (2000). Bowling alone: the collapse and revival of american community, New York: Simon & Schuster.
Ramalho, W. (2006). Modelos de atitude em mercados de produtos novos entrantes: analise com medicamentos genéricos, contribuições teóricas e validação nomológica. Tese de Doutorado em Administração, Faculdade de Ciências Econômicas da Universidade Federal de Minas Gerais, Belo Horizonte.
Sales, F.; Lima, P.; Khan, A., & Santos, J. (2006). Fatores determinantes da inadimplência do crédito rural nas áreas de concentração de fruteiras no Estado do Ceará. Congresso da Sociedade Brasileira de Economia, Administração e Sociologia Rural, Fortaleza.
Santos, J.; & Famá, R.(2007). Avaliação da aplicabilidade de um modelo de credit scoring com variáveis sistêmicas e não-sistêmicas em carteiras de crédito bancário rotativo de pessoas físicas. Revista Contabilidade e Finanças, vol. 44, n.18, p. 105-117.
Saunders, A. (2000). Medindo o risco de crédito: novas abordagens para value at risk e outros paradigmas: Rio de Janeiro, Qualitymark.
Secretaria de Assuntos Estratégicos. (2013).Vozes da nova classe média, Relatório, 4º caderno, Brasília.
Selau, L. (2008). Construção de modelos de previsão de risco de crédito. Dissertação, Mestrado em Engenharia de Produção, Universidade Federal do Rio Grande do Sul, Porto Alegre.
Sicsú, A. (2010). Credit Scoring: desenvolvimento, implantação, acompanhamento. São Paulo: Edgard Blucher.
Yunus, M. (2000). O banqueiro dos pobres: a revolução do microcrédito que ajudou os pobres de dezenas de países. São Paulo: Ática.
Apontamentos
- Não há apontamentos.
Este trabalho está licenciado sob uma Licença Creative Commons Attribution 3.0 .
_______________
Revista de Finanças Aplicadas
ISSN: 2176-8854
Contador Estatístico
Indexadores e diretórios
Adicionais
Gale Cengage Learning
Latindex - Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal
Livre - Revistas de Livre Acesso
Sumários - Sumários de Revistas Brasileiras
PKP - Public Knowledge Project