Modelos de Previsão do Incumprimento de Crédito pelas Médias Empresas

Abstract

Este projeto tem como objetivo desenvolver um ou mais modelos de previsão do incumprimento de uma Média Empresa, de modo a auxiliar o respetivo banco no processo de tomada de decisão de concessão de crédito. Pretende obter-se, para cada cliente, uma probabilidade de incumprimento que permita classificá-lo como cumpridor ou incumpridor. Sendo o incumprimento um evento binário, pretende-se desenvolver o modelo de previsão com base numa Regressão Logística. Para tal, possui-se um conjunto vasto de informação sobre a situação de empresas em determinados momentos temporais, bem como informação relativa a eventual incumprimento nos 12 meses seguintes. A informação da situação da empresa constitui o conjunto de possíveis variáveis explicativas do modelo a ser criado, sendo esta relativa, quer a informação de balanço da empresa, quer a informação qualitativa. A variável resposta corresponderá à variável binária de incumprimento já referida, pretendendo-se prever o incumprimento a 12 meses. Depois de um tratamento prévio às diferentes variáveis explicativas, desde a eliminação de variáveis bastante correlacionadas com outras, até ao agrupamento dos diferentes níveis de algumas variáveis categóricas, obtendo-se assim um número inferior de categorias, com base em diferentes métodos estatísticos, foram construídos diferentes modelos de regressão logística, utilizando diferentes abordagens estatísticas. Embora se tenham obtido modelos com diferentes características, nenhum apresentou resultados significativamente diferentes dos restantes, pelo que qualquer um deles seria utilizável. No entanto, optou-se pela seleção do modelo que, mostrando um bom ajustamento aos dados e uma boa capacidade preditiva, utiliza um menor número de variáveis explicativas. Em conclusão, o objetivo do projeto foi concretizado com resultados bastante satisfatórios, tendo sido obtidos modelos com elevada qualidade, e gerando-se também previsões muito próximas da realidade ao aplicar o modelo final a uma base de dados diferente da que foi utilizada para o seu desenvolvimento, o que demonstra a adequabilidade do modelo.

This project’s goal is to develop one or more models to predict the default of a Medium Enterprise, to assist the respective bank in the decision-making process of granting credit. It is intended to obtain, for each client, a probability of default that will allow to classify that client as compliant or non-compliant. Since the default is a binary event, it is intended to develop the prediction model based on a Logistic Regression. To this end, there is a wide range of information available about the situation of enterprises at some points in time, as well as information about eventual defaults in the following 12 months. The first information mentioned constitutes the set of possible explanatory variables of the model to be created, which are related to both the company's balance sheet information and qualitative information. The response variable will correspond to the binary variable of default already mentioned, with the intention of predicting defaults in the next 12 months. After a previous treatment of the different explanatory variables, from eliminating highly correlated variables, to grouping different levels of some categorical variables, thus obtaining a lower number of categories, based on different statistical methods, different logistic regression models were constructed, using different statistical approaches. Although there were obtained models with different characteristics, none presented significantly different results from the others, so any of them would be usable. However, the model selected was the one that, showing a good adjustment to the data and predictive capacity, uses a smaller number of explanatory variables. In conclusion, the project’s goal was achieved with very satisfactory results, having been obtained models with high quality, and generating predictions very close to reality by applying the final model to a different database from the one used for its development, which demonstrates the suitability of the model.