ANLISE ESTATSTICA MULTIVARIADA: ? anlise estatstica multivariada: avaliando a (in)solvncia

  • Published on
    28-Aug-2018

  • View
    212

  • Download
    0

Transcript

ANLISE ESTATSTICA MULTIVARIADA: AVALIANDO A (IN)SOLVNCIA DE EMPRESAS COMERCIAIS UTILIZANDO REGRESSO LOGSTICA JOSE WILLER DO PRADO (UFLA ) jwprado@gmail.com FABIOLA ADRIANE CARDOSO SANTOS (IFMG ) fabiola.santos@ifmg.edu.br LUIZ KENNEDY CRUZ MACHADO (UFLA ) luizken@yahoo.com.br ANDRE SPURI GARCIA (UFLA ) andrespurigarcia@gmail.com MARCO TULIO DINALI VIGLIONI (UFLA ) marco-tulio@live.com Na atualidade, as empresas que oferecem crdito buscam cada vez mais o auxlio de ferramentas estatsticas modernas para combater a inadimplncia em suas transaes. A anlise correta do crdito sempre se apresentou como fator chave para ass instituies que o fornecem. Nesse sentido, o objetivo do presente estudo gerar um modelo de Credit Scoring (modelo estatstico de avaliao do crdito) empregando as tcnicas de Anlise Fatorial e Regresso Logstica para avaliar a capacidade de classificao de insolvncia e solvncia para empresas comerciais. Por estas tcnicas obtivemos os parmetros a respeito do grau de eficincia do modelo gerado e aplicado s empresas comerciais. Observou-se, ainda, que o mtodo de Anlise Fatorial auxiliou a Regresso Logstica na acurcia de acerto para a classificao. Pode-se concluir que aps o uso da Anlise Fatorial a Regresso Logstica obteve preciso de acerto de 92% nas classificaes de empresas comerciais, o que valida o modelo. Neste sentido, o modelo gerado apropriado para a classificao do risco de crdito. Palavras-chave: Reconhecimento de padres, anlise de crdito, anlise fatorial XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 2 1. Introduo Na atualidade os mercados se tornaram mais expostos a uma instabilidade mundial que surge independente da empresa participar ou no de determinado nicho de mercado. O medo de que uma nova bolha no sistmica cause uma crise global sistmica sempre iminente e acompanhada por todos os agentes. Neste sentido, as empresas que oferecem crdito buscam cada vez mais o auxlio de ferramentas para combater a inadimplncia em suas transaes. O conhecimento destas pode ajudar a modelar a probabilidade de insolvncia das empresas. Segundo Boratti (2002) e Prado et al. (2016), os principais estudos envolvendo a anlise de crdito tiveram incio com o trabalho de Edward Altman em 1968, quando o autor utilizou instrumentos estatsticos mais robustos, como o caso da anlise discriminante mltipla, para avaliar a insolvncia empresarial. No Brasil, segundo estes autores, o pioneiro no uso da anlise discriminante foi Stephen Charles Kanitz em 1978 com o livro Como prever falncias. A anlise correta do crdito sempre se apresentou como fator chave para as instituies que o fornecem. A importncia desta para o sistema financeiro facilmente observada nos relatrios emitidos pelo Banco Central do Brasil (BACEN, 2016). Segundo o BACEN (2016), o volume total dos emprstimos no sistema financeiro atingiu R$3.026 bilhes em fevereiro de 2016, um aumento de 11,0% em doze meses. Por sua vez, a relao crdito/PIB saltou de 55,5% em fevereiro de 2015 para 58,6% para o mesmo perodo de 2016. O crdito para o setor privado totalizou R$2.812 bilhes em fevereiro de 2016, aumentando 2,1 % no trimestre. A taxa de inadimplncia das modalidades que compem o crdito referencial (taxa mdia de juros nos atrasos superiores h 90 dias) atingiu 2,8% em fevereiro, com estabilidade no trimestre e recuo de 0,1 p.p. em doze meses (BACEN, 2016). Neste contexto, algumas das ferramentas utilizadas pelos analistas de crdito para tentar diminuir a taxa de inadimplncia nas transaes esto na anlise dos indicadores econmico-financeiros das empresas, por meio de tcnicas multivariadas tais como a Anlise Fatorial e a Regresso Logstica. Estas tm por finalidade descrever a relao entre diversas variveis (observaes) independentes, possibilitando a anlise simultnea de medidas mltiplas para cada indivduo, alm de ser adequada para a anlise dos indicadores econmico-financeiros das empresas. Diante do exposto, o objetivo do presente estudo gerar um modelo de Credit Scoring (modelo estatstico de avaliao do crdito) empregando as tcnicas de Anlise Fatorial e Regresso Logstica para avaliar a capacidade de classificao de insolvncia e solvncia para empresas comerciais. Alm desta introduo, o trabalho conta com uma segunda seo que ir tratar do referencial terico sobre o tema, com uma breve exposio sobre os indicadores econmico-financeiros. A terceira seo trabalha os critrios metodolgicos e apresenta a Regresso Logstica e a Anlise Fatorial. A quarta seo composta pela discusso dos resultados. Por fim, a ltima seo aborda as consideraes finais, destacando os principais achados. 2. Referencial terico Uma vez que o tema relevante para a economia como um todo, vrios autores fizeram consideraes sobre o crdito. Uma das definies mais encontradas em trabalhos sobre crdito de autoria de Schrickel (2000, p. 25), que o define como: Todo ato de vontade ou disposio de algum de destacar ou ceder, temporariamente, parte de seu patrimnio a um terceiro, com a expectativa de que esta parcela volte a sua posse integralmente, depois de decorrido o tempo estipulado. XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 3 Essa parte do patrimnio pode ser materializada por dinheiro (emprstimo monetrio) ou bens (emprstimo para uso, ou venda com pagamento parcelado, ou a prazo). Neste contexto, as tcnicas estatsticas multivariadas tm sido utilizadas na concesso de crdito e consideradas como ferramentas teis no reconhecimento da inadimplncia de crdito. Silva (2008) salienta que na criao de um modelo de previso de risco de crdito importante saber identificar qual dentre as tcnicas estatsticas ser a mais eficiente para a modelagem dos dados, de maneira a conseguir uma melhor previso para a inadimplncia. Santos (2012) elucida que a abordagem estatstica, baseada na pontuao, se originou como um dos mtodos mais importantes de suporte tomada de deciso para grandes volumes de propostas de crdito, tanto para pessoas fsicas como jurdicas. Silva (2008) salienta que devido sua contribuio para o processo de anlise, o uso de mtodos quantitativos tem sido muito divulgado, levando muitos bancos a uma corrida em busca de tcnicas para avaliao do risco de crdito dos clientes. Entretanto, esses mtodos de previso no podem ser interpretados como receitas milagrosas capazes de resolver todos os problemas advindos do risco de crdito contido nas operaes. Neste sentido, os modelos devem ser interpretados como um instrumento complementar para o analista (SILVA, 2008). 2.1 Indicadores econmico-financeiros A anlise dos indicadores econmico-financeiros considerada, por muitos autores, de grande valia quando se trata de obter informaes advindas do Balano Patrimonial e da Demonstrao de Resultados da empresa. Segundo Assaf Neto (2005), para se estabelecer uma melhor metodologia de avaliao e compreender melhor o significado dos indicadores econmico-financeiros necessrio dividir os indicadores em grupos homogneos de anlises. Atualmente vrios so os indicadores econmico-financeiros apresentados na literatura. Estes, no entanto, so agrupados em categorias por suas afinidades. As categorias mais vistas em livros de finanas so: Indicadores de Estrutura de Capitais; Indicadores de Liquidez; Indicadores de Atividade; Indicadores de Anlises de Aes; Indicadores de Endividamento e Estrutura; Indicadores de Rentabilidade e Indicadores de Valor de Mercado. Na prtica, o especialista procura fazer com que cada um dos indicadores apresente o maior nmero de informaes possveis sobre a empresa. Neste sentido, a busca por um pequeno grupo de indicadores que consiga explicar de maneira objetiva o comportamento financeiro de uma empresa considerado o ideal para a anlise (SILVA, 2008). 3. Metodologia O presente estudo se constitui em uma pesquisa predominantemente explicativa. A pesquisa explicativa busca esclarecer quais fatores contribuem para a ocorrncia de determinado fenmeno (VERGARA, 2008). Quanto forma de abordagem, esta pesquisa qualificada XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 4 como quantitativa. Segundo Martins e Thephilo (2009, p.107), nesse tipo de pesquisa os dados so quantificados e a validao da prova cientfica utiliza testes, graus de significncia e sistematizaes. O banco de dados foi selecionado em corte-transversal (crosssection) e os dados so secundrios e retirados da pesquisa de Carvalho (2004). A amostra contm cinquenta empresas solventes e cinquenta empresas insolventes. Estes ltimos dados foram coletados um ano antes da ocorrncia de insolvncia. Ademais, as insolventes foram classificadas como grupo 1 e as solventes como grupo 0. Das 100 empresas comerciais, 33 so Aougues, 17 Distribuidora de Bebidas, 13 Hortifrutigranjeiros, 25 Padarias e 12 Peixarias. O recurso computacional utilizado para anlise dos modelos estatsticos o Statistic Package for the Social Science (SPSS). 3.1 Indicadores econmico-financeiros J a escolha dos indicadores econmico-financeiros utilizados neste artigo deve-se ao fato de Sanvicente e Minardi (1998), Silva (2004) e Prado (2016) os terem enfatizado como indicadores significativos para a previso de insolvncia de empresas. Neste sentido, a Tabela 1 demonstra os indicadores econmico-financeiros utilizados como variveis (independente). Tabela 1 Indicadores econmico-financeiros utilizados Fonte: Adaptado de Sanvicente e Minardi (1998), Carvalho (2004), Silva (2004) e Prado (2016) Definidas as variveis utilizadas para estimar o modelo de Regresso Logstica, o primeiro passo efetuar a substituio dos termos insolventes e solventes por nmeros. Com este XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 5 artifcio, na Regresso Logstica para empresas insolventes atribui-se o nmero 1 e no lugar de empresas solventes atribui-se o valor 0. Faz-se necessrio mencionar que na Regresso Logstica a varivel dependente (varivel resposta) do tipo dicotmica e assume apenas dois valores possveis 0 ou 1. 2.2 Regresso logstica A regresso logstica (logistic regression ou logit analysis), segundo Guimares e Chaves Neto (2002), consiste fundamentalmente na busca de um modelo que permita relacionar uma varivel y, chamada varivel resposta (varivel dependente), aos fatores (variveis independentes) X1i, X2i, ..., Xni que supe-se influenciar as ocorrncias de um evento. A varivel resposta, no entanto, deve ser do tipo dicotmica, assumindo apenas dois valores possveis (0 ou 1). Neste caso, existe interesse apenas na ocorrncia, ou no, do evento em questo. O modelo de regresso logstica pode ser representado por uma funo da seguinte forma: (1) Onde: P (Y=1) = a probabilidade relativa que um determinado evento ocorra; e 2,718; (x) = B0 + B1X1i + B2X2i+ + BnXni ; Sendo que: B0 uma constante e B1, B2 ... Bn so os coeficientes estimados a partir dos dados de X1i, X2i, ..., Xni (variveis independentes). Hosmer Junior e Lemeshow (2004) salientam que os coeficientes B0, B1, ..., Bn so estimados a partir do conjunto de dados em questo pelo mtodo da mxima verossimilhana, que XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 6 encontra uma combinao de coeficientes que maximiza a probabilidade da amostra ter sido observada. Considerando certa combinao de coeficientes B0, B1, ..., Bn e variando os valores de X observa-se que a curva logstica tem comportamento probabilstico em forma de S (FIGURA 1). Figura 1 Grfico da Funo Sigmide Fonte: Guimares e Chaves Neto (2002, p. 8) Para estimar o modelo de regresso logstica esta funo sigmide (curva logstica) ajustada aos dados reais. Esse formato dado regresso logstica possui um alto grau de generalidade, aliada a aspectos muito desejveis, como: 1 - Quando (x) + , ento P (Y = 1) 1 2 - Quando (x) , ento P (Y = 1) 0 Assim, tanto se pode estimar diretamente a probabilidade de ocorrncia de um evento como se pode estimar a probabilidade de no ocorrncia do mesmo por diferena: P (Y = 0) = 1 P (Y = 1) (2) XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 7 Entretanto, segundo Corrar et al. (2007) o primeiro passo para dar incio a regresso logstica converter a probabilidade associada a cada observao em razo de chance (odds ratio), ou seja, a possibilidade de sucesso comparada a de fracasso. Esta relao pode ser expressa da seguinte forma: (3) Ao utilizar-se a regresso logstica, para facilitar a interpretao dos resultados, a principal suposio a de que o logaritmo da razo entre as probabilidades de ocorrncia e no ocorrncia do evento seja linear: (4) E, por conseguinte, (5) Por isso, segundo Garson (2000), ao se fazer a interpretao dos coeficientes da regresso logstica opta-se por interpretar o eB e no diretamente o B. 2.3 Anlise fatorial A Anlise Fatorial (AF), segundo Corrar et al. (2007), pressupem que altas correlaes entre as variveis geram o agrupamento que configura os fatores. preciso levar em considerao que a simples existncia do fator explica a correlao que existe em um determinado grupo de variveis. A Anlise Fatorial, quando desvenda um fator, torna estruturas complexas de relacionamento em estruturas mais simples de serem compreendidas (FIGURA 2). Figura 2 Variveis latentes e a formao de fatores XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 8 Fonte: Corrar et al. (2007, p. 75) Spearman (1904) sugeriu a existncia de uma varivel invisvel que explica parcialmente as variaes em cada uma delas. Uma varivel padronizada (de mdia zero e varincia um) Xi explicada por uma constante i multiplicada por um fator (de mdia zero e varincia um) F. Todavia preciso considerar um erro ei devido ao fato de que uma varivel possui caractersticas que no so comuns a nenhuma das outras variveis no estudo, por isso o fator no consegue explic-la (CORRAR et al., 2007). Esta pode ser visualizada assim: Xi = i F + ei (6) Onde: Xi = varivel i analisada i = uma constante F = o fator ei = o erro Assim, o fator representa a parcela da variao total dos dados que pode ser explicada de forma conjunta para todas as variveis que o compem. As variaes em uma varivel podem ser explicadas pelo seguinte modelo: (7) XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 9 Onde Xi so as variveis padronizadas, i so as cargas fatoriais, Fj so os fatores comuns e ei o erro que representa a parcela da varivel i que no pode ser explicada por um fator nem por outra varivel do conjunto analisado. Por sua vez, os fatores poderiam ser estimados pela combinao linear das variveis originais: (8) Onde Fj so os fatores comuns no relacionados, ji so os coeficientes dos escores fatoriais e Xi so as variveis originais. Assim, possvel determinar o que realmente importante ser medido e acompanhado a partir do ponto que se conhece o grau de relacionamento entre as variveis. Segundo Hair et al. (2009), as cargas fatoriais acima de 0,5 so consideradas estatisticamente significativas. 4. Resultados e discusso Neste tpico so demonstrados os resultados obtidos a partir o modelo matemtico gerado e como estes se comportam na classificao dos casos sugeridos (Insolvente e Solvente). 4.1 Regresso logstica Para gerar o modelo de Regresso Logstica optou-se pelo uso de todos os oito indicadores no modelo. Entretanto, avaliando o modelo como um todo pelos testes Wald, Cox & Snell, Nagelkerke e Hosmer & Lemeshow, observou-se que o modelo no apresentou uma estatstica robusta. Neste sentido, utilizou-se uma alternativa para agrupar variveis a partir do mtodo de componentes principais (Anlise Fatorial). 4.1.1 Anlise fatorial para a regresso logstica Combinados os indicadores e as alteraes nos nmeros de fatores, considerando os testes KMO, Teste de Barlett, MSA e Anlise das Comunalidades, conclui-se que o melhor modelo ser gerado pelo agrupamento dos indicadores X3, X4, X5, X6, X7 e X8 em trs fatores, os dados gerados deste processo sero apresentados a seguir. A Tabela 2 apresenta os resultados que validam a utilizao da Anlise Fatorial. O teste de KMO (Kaiser-Meyer-Olkin) representa o grau de explicao das variveis a partir dos fatores encontrados, apresentando 0,672 - valor razovel na faixa de 0,6 a 0,7. O teste de Esfericidade de Bartlett afirma que quanto mais prximo de zero for o nvel de significncia, maior ser a adequao da anlise fatorial ao conjunto de dados (Sig. < 0,05). XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 10 Tabela 2 Teste de KMO e Bartlett Fonte: Dados da Pesquisa (2012) A Tabela 3 apresenta a matriz de correlaes anti-imagem que oferece sinais acerca da necessidade de eliminao de alguma varivel no modelo. A partir da anlise da diagonal principal da matriz identifica-se o ndice de Medida de Adequao de Amostra (Measure of Sampling Adequacy MSA). Segundo Hair et al. (2009) valores nesta diagonal inferiores a 0,05, so considerados insignificantes para a anlise e podem ser excludos, o que no ocorre nesta anlise. Tabela 3 Matriz Anti-imagem Correlao a. Medidas de adequao de amostragem (MSA) Fonte: Dados da Pesquisa (2012) Cabe observar que a tabela de comunalidades (Tabela 4) demonstra valores superiores a 0,9 indicando que cada varivel poderia representar um nico fator devido ao seu alto poder explicativo em relao a todas as outras variveis. Hair et al. (2009), afirmam que as comunalidades representam a quantia de varincia explicada pela soluo fatorial para cada varivel. Tabela 4 Comunalidades Fonte: Dados da Pesquisa (2012) A Tabela 5 demonstra o grau de explicao atingido pelos fatores gerados pela anlise fatorial. Observa-se que os trs fatores calculadas pela anlise fatorial explicam 92% da varincia total dos dados originais. Para Corrar et al. (2007) os valores superiores a 90% so considerados timos. Tabela 5 Variao total explicada XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 11 Mtodo de extrao: anlise do componente principal Fonte: Dados da Pesquisa (2012) Adiante, faz-se necessrio a interpretao de quais variveis iro compor cada um dos fatores especficos. Para isso ser usada a Matriz de Componente Rotativa (rotao ortogonal), que segundo Corrar et al. (2007) o tipo de rotao mais utilizado. Na Tabela 6 pode-se verificar quais variveis iro compor cada fator, ou seja, quando a correlao da varivel-fator prxima de +1 ou -1, indicando uma associao positiva ou negativa entre a varivel e o fator, enquanto prxima de 0 indica uma falta de associao. Tabela 6 Matriz de componente rotativa Mtodo de rotao: Varimax com normalizao de Kaiser Fonte: Dados da Pesquisa (2012) Conclui-se com a Tabela 6 que: O Fator 1 composto pelos indicadores X4 (Relao entre o Lucro Operacional acrescido das Despesas Financeiras e o Ativo Total deduzido dos Investimentos) e por X5 (Margem de Lucro Operacional), este ser nomeado de IR Indicador de Rentabilidade, considerando que estas duas variveis compem Indicadores de Rentabilidade; O Fator 2 composto pelos indicadores X6 (Patrimnio Lquido sobre Endividamento) e por X8 (Saldo de Tesouraria), este fator recebeu o nome de FD Fator Disponveis. Considera-se, que as variveis que o compe recebem valores maiores contribuem para que a empresa seja solvente e quando recebem valores menores contribuem para o aumento dos exigveis de curto prazo da empresa; O Fator 3 composto pelos indicadores X3 (Necessidade de Capital de Giro sobre Vendas) e por X7 (Necessidade de Capital de Giro), que aqui ser tratado por IL Indicador de Liquidez, em razo de suas variveis pertencerem aos Indicadores de Liquidez. XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 12 A partir do clculo dos escores da Anlise Fatorial inicia-se a Regresso Logstica. Observa-se que para utilizar os escores em outros procedimentos estatsticos, como o caso da Regresso Logstica, estes coeficientes podem ser obtidos por trs mtodos diferentes. Optamos apenas por utilizar o mtodo de mnimos quadrados ordinrios. 4.1.2 Regresso logstica a partir dos fatores gerados pela anlise fatorial De posse do clculo dos trs fatores o modelo de Regresso Logstica apresentou estatsticas satisfatrias para o teste de Wald, que atingiu significncia de 100% para a constante includa no modelo. No caso dos testes considerados pseudos-R, o Cox & Snell apresentou 51% de explicao das variveis independentes nas variaes dentro do log da razo de chance, enquanto o Nagelkerke afirma que o modelo capaz de explicar aproximadamente 69% das variaes atribudas a varivel dependente. No teste de Hosmer e Lemeshow os resultados so desfavorveis, considerando que a significncia apresentada inferior a 0,05 e, neste caso, quanto maior for significncia melhor ser o teste. Entretanto, existem algumas limitaes em relao ao teste que podem estar relacionadas ao tamanho da amostra (CORRAR et al., 2007). Contudo, como existem outros indicadores de preciso favorveis, decide-se dar continuidade as estatsticas. A Tabela 7 demonstra que o modelo registra um percentual de acerto de 92% que considerado timo pelo fato de estar numa faixa acima de 90%. Estatisticamente, a utilizao dos fatores para o clculo da Regresso Logstica se apresenta de forma adequada para classificar as empresas candidatas a crdito quanto a sua insolvncia ou solvncia. Tabela 7 Tabela de classificaoa final a. O valor de corte 0,5 Fonte: Dados da Pesquisa (2012) A Tabela 8 demonstra as variveis que compem o modelo de Regresso Logstica. A estatstica gerada a partir dos Fatores (IR, FD e IL) apresenta aspectos positivos ao tentar estimar a probabilidade a partir de cada coeficiente em particular, sendo eles: Estatstica Wald apresenta um coeficiente Wald > 0 para cada fator, exercendo efeito discriminatrio sobre a probabilidade de a empresa ser insolvente ou solvente, Limite Superior e Inferior os coeficientes dos fatores independentes (B) elevados a constante e dentro do intervalo de confiana. No exemplo do fator ID, o valor -3,731 elevado a constante e encontra-se na coluna Exp(B) (0,024). Observa-se que este est no limite estabelecido pelas colunas Inferior e Superior (0,004 a 0,144 respectivamente) assim como todos os outros fatores utilizados. E Sig. A significncia (Sig.) considerada boa conforme a Tabela 8, pois est abaixo de 0,05. Tabela 8 Variveis na equao XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 13 a. Variveis inseridas na etapa 1: IR, FD, IL Fonte: Dados da Pesquisa (2012) Realizados os procedimentos obteve-se um modelo de Regresso Logstica capaz de classificar as empresas em insolvente e solvente. Utilizando-se dos coeficientes da Tabela 8 na coluna B pode-se esboar a equao da Regresso Logstica, ou seja, o Credit Scoring gerado: (9) Pela equao observa-se que P (Y=1) apresenta sada do tipo dicotmica, assumindo apenas dois valores possveis 0 ou 1. Assim, quanto mais prximo de 1 for o resultado, a empresa ser considerada insolvente. Quanto o resultado estiver prximo de 0 a empresa ser tratada como solvente. 5. Consideraes finais Em vista do exposto, conclui-se que o uso da Anlise Fatorial contribui para desenvolver uma estatstica robusta para a Regresso Logstica, que obteve 92% de preciso. Neste sentido, o modelo gerado apropriado para a classificao do risco de crdito. Contudo, outro dado importante que pode ser observado na Tabela 7 situa-se no tipo de erro ocorrido no modelo matemtico. A Regresso Logstica apresenta 7% de chances de incorrer em erro do tipo I (classificar empresas insolventes como solventes e o emprstimo acarretar em perdas financeiras) e 1% de chances de incorrer em erro tipo II (classificar empresas solventes como insolventes e no conceder o crdito as mesmas, deixando assim de auferir lucros). importante mencionar que o erro tipo I para uma empresa que oferece crdito o pior tipo de erro, considerando que este resultar em perdas financeiras para a mesma. O modelo matemtico aqui apresentado tem o intuito de auxiliar o processo decisrio do gerente responsvel pelo crdito e no substitui a sua opinio no ato de concesso de crdito. Acredita-se que o profissional que conta com este tipo de recurso est em vantagem competitiva sobre aqueles que no o utilizam no seu processo decisrio. Entre as limitaes do estudo existe a ausncia de uma amostra especfica de apenas um setor do comercio, o que poderia acarretar em melhor acurcia de acerto. Ademais, existe a limitao por se ter trabalhado somente com dados de um ano antes da insolvncia, sendo que dados de 2 ou 3 anos antes da insolvncia tambm poderiam apresentar resultados relevantes. XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 14 Como sugesto para estudos futuros recomenda-se o uso de dados especficos por setor do comrcio, perodos diferentes para seleo dos dados de empresas insolventes e tambm a utilizao de outras metodologias de modelagem para avaliao da solvncia empresarial no setor do comrcio. Referncias ASSAF NETO, A. Finanas Corporativas e Valor. 2. ed. So Paulo: Atlas, 2005. BANCO CENTRAL DO BRASIL BACEN. Relatrio de Inflao. Braslia-DF: [s.n.], v. 17, n 1, 2016 p. 1-151. BORATTI, I. J. Tomada de deciso em relao ao crdito em uma instituio financeira: um estudo de caso do banco do brasil. 2002. 152p. Dissertao (Mestrado em Administrao Pblica), Fundao Getlio Vargas, Rio de Janeiro, 2002. CARVALHO, A. T. Modelo de previso de insolvncia para empresas comerciais. 2004, 129p. Dissertao (Mestrado em Engenharia de Produo) - Universidade Federal de Santa Catarina, Florianpolis, 2004. CORRAR, L. J. et al. Analise Multivariada: para os cursos de Administrao, Cincias Contbeis e Economia. So Paulo: Atlas, 2007. GARSON, D. G. PA 765 statnotes: an online textbook. Disponvel em: Acesso em: 10 mar. 2016. GUIMARES, I. A.; CHAVES NETO, A. Reconhecimento de Padres: Metodologias Estatsticas em Crdito ao Consumidor. RAE, v. 1, n. 2, 2002. HAIR, J. F. et al. Anlise multivariada de dados. 6. ed. Porto Alegre: Bookman, 2009. 688 p. HOSMER JUNIOR, D. W.; LEMESHOW, S. Applied logistic regression. New York: J. Wiley, 2004. 383 p. MARTINS, G. A.; THEPHILO, C. R. Metodologia da investigao cientfica para cincias sociais aplicadas. So Paulo: Atlas, 2009. PRADO, J. W. et al. Multivariate analysis of credit risk and bankruptcy research data: a bibliometric study involving different knowledge fields (1968-2014). Scientometrics, Amsterdam, v. 106, n. 3, p. 1007-1029, 2016. PRADO, J. W. Risco de crdito: uma abordagem utilizando anlise discriminante, regresso logstica e redes neurais artificiais. 228 p. Dissertao (Mestrado em Administrao) - Universidade Federal de Lavras, Lavras, 2016. SANTOS, J. O. Anlise de crdito: empresas, pessoas fsicas, agronegcio e pecuria. 5. ed. XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCO Contribuies da Engenharia de Produo para Melhores Prticas de Gesto e Modernizao do Brasil Joo_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 15 So Paulo: Atlas, 2012. 352 p. SANVICENTE, A. Z.; MINARDI, A. M. A. F. Identificao de indicadores contbeis significativos para previso de concordata de empresas. Instituto Brasileiro de Mercado de Capitais, Working Paper, Out. 1998. SCHRICKEL, W. K. Anlise de crdito: concesso e gerencia de emprstimos. 5. ed. So Paulo: Atlas, 2000. 353 p. SILVA, J. P. Anlise Financeira de Empresas. 6. ed. So Paulo: Atlas, 2004. SILVA, J. P. Gesto e Anlise de Risco de Crdito. 6. ed. So Paulo: Atlas, 2008. 421 p. SPEARMAN, C. General Intelligence Objectivelly Determined and Measured. American Journal of Psychology, v. 15, p. 201-293, 1904. VERGARA, S. C. Projetos e relatrios de pesquisa em administrao. 9. ed. So Paulo: Atlas, 2008. 94 p.

Recommended

View more >