Gündelik Hayat ve Siyasallık ile İlgili Değişkenler

Modelos de credit scoring são baseados em previsão estatística que se fundamenta na premissa que o comportamento no passado será igual ao comportamento no futuro. Reflexões de cenários passados com projeções futuras, obviamente, estão sujeitas a alterações de comportamento, cenário e regras. Por isso, é necessário realizar acompanhamento dos modelos de credit scoring em uso. Mudanças macroeconômicas, ações de concorrentes, mudanças nas estratégias do credor ou do mercado em que atua novos consumidores no mercado são exemplos de condições que podem influir em mudanças nos perfis e comportamento dos tomadores de crédito.

O trabalho de Lyn Thomas (2002) descreve que um sistema de monitoramento consiste de duas atividades relacionadas entre si: monitoramento de modelos e acompanhamento de operações. O monitoramento de modelos é descrito como um processo passivo7 de verificação do comportamento do modelo em uma determinada data ou período. Tem como objetivos avaliar a estabilidade populacional. O acompanhamento de operações é descrito como uma análise mais ativa cujo objetivo é acompanhar o comportamento do tomador em relação a sua classe de risco do modelo. O objetivo é verificar se tomador irá ter um comportamento de risco de crédito previsto pelo modelo no momento da concessão do empréstimo durante o período de performance do modelo.

Um processo de monitoramento ideal de sistemas de credit scoring deve abranger:

 A estabilidade da distribuição de frequência de escores;

 A estabilidade da distribuição de frequência das variáveis dos modelos;  O impacto das alterações nas distribuições das variáveis no cálculo do

escore e,

 A performance do poder preditivo dos modelos.

2.5.1 Relatórios de monitoramento

Os relatórios de estabilidade da população visam identificar diferenças significativas entre a população utilizada para o desenvolvimento inicial ou uma referência pré-estabelecida, e a população atual sobre a qual os modelos estão sendo aplicados. Ou seja, o objetivo é verificar se há evidência estatística de alterações entre as populações de referência e a atual. Já os relatórios de desempenho ou performance do modelo visam avaliar a performance do modelo ao longo do tempo. Geralmente adota-se o comprimento do período histórico aplicado

7 _{Entende-se como processo passivo a não interferência no processo de avaliação do solicitante. O} monitoramento de modelos é realizado após a avaliação de risco.

no desenvolvimento do modelo, considerando o período de maturação de diferentes períodos de concessão de crédito, também denominada de safras.

O trabalho de Duarte Jr e Lecumberri (2003) descreve metodologia para monitoramento de estabilidade de escores e variáveis com ênfase na aplicação de indicador de Kullback, no mercado conhecido como Índice de Estabilidade Populacional (IEP ou PSI, em inglês) e para medir o impacto nas alterações das classes das variáveis utilizando a Característica Amostral (CA).

Para monitoramento de pontuação de risco ou de escore deve-se observar a estabilidade e o desempenho do modelo. Existem diversos índices utilizados para o monitoramento, tais como o Índice de Gini e Curva ROC, porém diversos trabalhos citam que a métrica mais utilizada é a distância KS8, devido a sua facilidade de cálculo que pode ser feito em uma planilha eletrônica e pela sua facilidade de interpretação. É utilizada tanto para medir a estabilidade do modelo como para medir a performance.

Duarte e Lucumberri (2003) descrevem critérios e relatórios para monitoramento de modelos para avaliar estabilidade e performance, além de apresentarem uma proposta de relatório de interferência com o objetivo de tabular quais são interferências (overrides) ocorridas no processo de avaliação do modelo de credit scoring. Sugerem o relatório de interferência na escoragem que dá uma visão de como decisões tomadas além do credit scoring estão afetando o processo de concessão de crédito. Este relatório documenta as decisões tomadas que contrariam o modelo, também, identificar as eventuais deficiências das políticas de crédito que estão sendo utilizadas no momento da avaliação de risco.

A dificuldade do uso do relatório de inferência de escores é de que as instituições financeiras brasileiras não tem o hábito de apontar os motivos de recusa do crédito ou a sua interferência na escoragem do modelo, tornando o uso deste relatório de difícil aplicação.

8 _{O nome da estatística KS é uma referência aos matemáticos russos Andrey Kolmogorov e Vladimir Ivanovich} Smirnov.

2.5.2 Periocidade de monitoramento

A periocidade de monitoramento deve seguir uma agenda preestabelecida e realizada constante e regularmente. Diversos autores sugerem que a periocidade mínima seja de um ano para monitorar variáveis e semestrais para monitoramento de escores. Quando é identificados divergências ou desalinhamentos, sugerindo que houve possíveis alterações no modelo ou até alterações de mercado. É aconselhável o aumento da frequência de monitoramento. Entretanto, o monitoramento poderá ter intervalos mais espaçados de acordo com os resultados dos estudos de estabilidade.

2.5.3 Aplicação de técnicas de acompanhamento

Os trabalhos de Duarte e Lucumberri (2003) e de Neto et al. (2007) comentam que não seria recomendável a utilização de uma única técnica estatística para o monitoramento de modelos de credit scoring. O ideal é que seja a adoção combinada de duas ou mais técnicas, pois distorções nos escores podem ocorrer em mais de uma frente de análise seja de estabilidade, performance ou interferências. Por fim, o julgamento final do modelo de ser feito com base relação aos resultados obtidos nas técnicas de monitoramento - mesmo considerando um viés de subjetividade - combinadas com conhecimento técnico e experiência prática.