MVAR- Previsibilidade de um sistema de rating aplicado a empresas brasileiras - ABRAPP

  • 139 views
Uploaded on

Os desafios para gestao de investimentos impostos pelas recentes mudancas no mercado financeiro do brasil demandam solucoes ousadas e inovadoras por parte dos gestores. …

Os desafios para gestao de investimentos impostos pelas recentes mudancas no mercado financeiro do brasil demandam solucoes ousadas e inovadoras por parte dos gestores.
Previsibilidade de um sistema de rating aplicado a empresas brasileiras - Artigo publicado na Revista Fundos de Pensão - ABRAPP edição julho/agosto 2012. Por Alexandre de Oliveira.

More in: Business
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
139
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
1
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Previsibilidadedeum sistema de rating aplicado aempresasbrasileiras Os desafios para gestão de investimentos impostos pelas recentes mudanças no mercado financeiro do Brasil demandam soluções ousadas e inovadoras por parte dos gestores POR ALEXANDRE DE OLIVEIRA * Opinião FUNDOS DE PENSÃO – JULHO/AGOSTO 2012
  • 2. FUNDOS DE PENSÃO – JULHO/AGOSTO 2012 OpiniãoIAlexandredeOliveira Há muito tempo há consenso sobre a necessidade de redução nas taxas de juros praticadas no mercado. Argumenta-se que juros como os historicamente praticados em nosso mercado constitui em um entrave ao crescimento da atividade econômica. Por um lado, para o setor produtivo, que vê vários projetos inviabilizados sob uma avaliação risco-retorno nesse contexto e, por outro, para as famílias que terminam por postergar decisões de consumo à espera de crédito com custos mais compatíveis com sua renda. Essa tendência de redução nos juros, com vários desdobramentos positivos para a economia, vem ocorrendo há algum tempo. Porém, recentemente temos observado que esse processo se acentuou. É relativamente fácil imaginar os benefícios para a economia em função desse movimento. Assim como os dois lados de uma moeda, este processo também possui efeitos colaterais por alterar o modus operandi, em prática há gerações, de vários segmentos do mercado financeiro em um curto período de tempo. Um exemplo foi a mudança que se fez necessária na remuneração dos depósitos da Caderneta de Poupança. Para permitir uma redução maior nos juros, foi alterada sua remuneração permitindo que, pela primeira vez desde a sua criação, os depósitos passassem a ser remunerados de forma variável em função do patamar da taxa básica de juros (Selic) e não mais de forma fixa com 6% ao ano independente dos juros de mercado. Uma mudança desse porte, em um produto financeiro tradicional como esse, denota o empenho do governo em romper com o paradigma de juros elevados historicamente praticados no Brasil. Consequentemente, reflexos dessa mudança serão observados em todas as frentes. Não apenas na ponta da elevação da atividade econômica, mas também na ponta dos investimentos destinados ao acúmulo de riqueza além da Caderneta de Poupança. Não é por outro motivo que segmentos como fundos de investimentos e fundos de pensão vêm sofrendo ao longo dos últimos anos para manter o nível de retorno de outros tempos. Não que seja completamente impossível alcançar esse objetivo em termos de rentabilidade absoluta, mas em termos de retorno ajustado ao risco certamente ocorrerá uma mudança profunda fazendo com que os gestores tenham que assumir mais risco para
  • 3. alcançar os patamares de retorno até hoje observados. Mais especificamente, aloca- ções em títulos públicos deverão ser vistas cada vez mais como estratégias de proteção de patrimônio, enquanto que, alocações em títulos privados e renda variável ganharão cada vez mais força na busca pelo retorno esperado pelo investidor. Consequentemente, a gestão de riscos ganha cada vez mais força. Não que ela deva ser vista como uma proteção suficiente contra perdas, mas como uma prática necessária a ser adotada para que se possa navegar por águas cada vez mais perigosas, por assim dizer. Portanto, a existência de um sistema de sinalização preventivo torna-se fundamental. Nesse sentido, apresentamos nesse artigo alguns aspectos fundamentais para a gestão do risco de crédito. Inicialmente, trataremos da abordagem tradicional essencialmente sob os aspectos da análise fundamentalista. Na sequência, colocaremos em perspectiva a abordagem quantitativa considerando sua evolução e alternativas metodológicas mais comumente utilizadas e, também, ilustrare- mos sua aplicação de forma sucinta ao caso prático para empresas do mercado brasileiro. Por fim, concluiremos com algumas conside- rações sobre as virtudes e limitações de cada abordagem. Abordagem Tradicional Tradicionalmente, créditos de relevância para a carteira são avaliados de forma detalhada no caso a caso. Tipicamente, essa é a situação para créditos concedidos às em- presas através do mercado de capitais via emissão de dívida. Nessa situação, normal- mente os potenciais investidores avaliam os chamados fundamentos da empresa¹ avali- ando aspectos como: *Risco do país: essencialmente avalia- se o ambiente operacional no qual as empre- sas trabalham. Aspectos como marco regu- latório, tarifas, política fiscal, estrutura tribu- tária, controle de fluxos de capitais, risco político, sistema bancário e fatores macroe- conômicos, dentre outros. *Riscos da indústria: ciclo econômico do setor, obsolescência de produtos, mudan- ça nas preferências de consumo, mudanças na tecnologia, redução a barreiras de entra- da, elevação da concorrência, crescimento de vendas e poder para estabelecer preços são alguns exemplos. Opinião FUNDOS DE PENSÃO – JULHO/AGOSTO 2012
  • 4. *Riscos específicos: posição competiti- va em seu setor de atuação, posição de seus competidores, participação de mercado, diversidade de produtos e base de clientes, volatilidade de receitas, etc. *Fator de gestão: nível de governança, planos estratégicos e operacionais, controla- dores, dentre outros. *Análise financeira: estrutura de endivi- damento. rentabilidade, volatilidade de vem- das, liquidez, margens, fontes de recursos, obrigações contingenciais, análise comparati- va setorial, projeções de fluxo de caixa, etc. Através de uma avaliação detalhada de questões como as comentadas acima, um analista de crédito experiente deve ser capaz de avaliar a capacidade de pagamento de uma empresa. Assim, fica evidente a relevân- cia desse tipo de análise para o processo de gestão de crédito. Por último, vale a pena ressaltar que, independentemente do método preferido para se realizar tal análise, partindo-se das questões mais gerais e indo para as mais específicas (abordagem top-down) ou percorrendo esse caminho no sentido inverso (bottom-up), podemos destacar duas carac- terísticas nesse tipo de abordagem: 1. Forte presença de fatores qualitativos que conferem à abordagem um destacado componente de subjetividade. Isso se faz necessário para se considerar na avaliação vários dos pontos destacados nos riscos acima os quais, de outra forma, seriam de difícil utilização prática a despeito da informa- ção relevante que eventualmente contenham. 2. Variáveis financeiras são tipicamente consideradas de forma univariada ou caso a caso. Por exemplo, ao se avaliar a liquidez consideram-se seus aspectos de forma isola- da de outros fatores como endividamento ou margem. Quanto à primeira das características acima, vemos que se trata de uma análise de relevância para capturar os aspectos quali- tativos relevantes, a despeito de limitações intrínsecas que comentaremos mais adiante. Em relação à segunda dessas caracterís- ticas, veremos na sequência que suas limita- ções são conhecidas há muito tempo poden- do, inclusive, levar a interpretações incor- retas sobre a qualidade do crédito de um tomador. Por exemplo, uma empresa com endivida- mento elevado pode ser considerada com grande potencial para gerar problemas de FUNDOS DE PENSÃO – JULHO/AGOSTO 2012 OpiniãoIAlexandredeOliveira
  • 5. crédito. Por outro lado, caso possua elevada liquidez a situação pode ser julgada de forma diametralmente oposta. Assim, esta potencial ambiguidade relativa ao desempenho de várias empresas fica claramente evidente. Abordagem Quantitativa Uma das principais contribuições de mode- los quantitativos está em estender as análises univariadas ao caso multivariado onde a combinação simultânea de vários fundamentos determina a capacidade de pagamento do tomador. Assim, a utilização de variáveis potencialmente explicativas, como indicadores financeiros extraídos dos balanços, ganha maior ênfase. De fato, a aplicação de modelos estatísti- cos com esse propósito vem sendo realizada há várias décadas. Motivado pelo trabalho seminal em métodos estatísticos de classificação de Fisher², temos os primeiros relatos de modelos de escoragem aplicados a cartões de crédito e financiamento de veículos no mercado americano a partir da década de 1940. Contudo, até o trabalho de Edward Altman em 1968³, a aplicação de tais modelos ao caso de empresas era inédita. Em parte, por conta do entendimento de que não seria pos- sível prever a qualidade de crédito de em- presas através de modelos quantitativos e, em parte, por conta de se necessitar de um histórico de dados minimamente adequado para a aplicação de modelos desse tipo. Em seu trabalho, Altman derruba aquela visão construindo um modelo com base no histórico de 20 anos de demonstrações para 66 empresas do setor de manufatura ame- ricano. Seu modelo, contendo 5 indicadores financeiros, conseguia classificar corretamen- te 95% dos casos de bons e maus pagadores com um ano de antecedência do evento de crédito, o chamado default. Assim, o compor- tamento conjunto dos indicadores financeiros contidos no modelo, estimado com base em padrões históricos de ocorrência de default, determina um único número - denominado de escore — que representa a capacidade de pagamento do tomador com antecedência de 1 ano da ocorrência do evento. Note que,com isso, as potenciais ambiguidades das análi- ses univariadas são deixadas de lado. Ao longo das décadas seguintes, aborda- gens quantitativas em crédito evoluíram drasticamente. Outros modelos de discrimi- nação estatística de bons e maus pagadores Opinião FUNDOS DE PENSÃO – JULHO/AGOSTO 2012
  • 6. começaram a ser utilizados como logit e probit, dentre outros. Mais recentemente ainda temos a aplicação de algoritmos de redes neurais. de aprendizagem supervisio- nada e não supervisionada. Além de modelos estatísticos, surge a classe de modelos ditos estruturais. Baseado na teoria de opções4 sua abordagem específica para aplicação no caso de empresas procura estimar o risco de uma empresa a partir de variáveis econômicas como a estrutura de capital e o valor a mercado de seus ativos. Assim, podemos ter uma noção a respeito da evolução metodológica no assunto ao lon- go do tempo. Do ponto de vista da avaliação de crédito para empresas, entendemos que modelos estatísticos simples como Análise Discriminante Multivariada (MDA), logit e pro- bit podem desempenhar bem o papel de mo- delos quantitativos sem tirar do analista a possibilidade de avaliar as variáveis que es- tão levando o modelo a gerar determinada avaliação, algo que não é possível com mo- delos de redes neurais. Modelos estruturais, por outro lado, embora atraentes em suas considerações, são dependentes de merca- dos acionários suficientemente líquidos, o que dificulta sua aplicação em mercados como o brasileiro em que algumas poucas empresas determinam grande parte do seu movimento. Caso Corporate Para ilustrar a aplicação de modelos quan- titativos na gestão de crédito, construímos um sistema de classificações (sistema de rating) a partir de um histórico de demons- trações financeiras de empresas com ações negociadas na bolsa. Com base nesse sistema, poderemos avaliar a evolução de sua classificação, identificando tendências de qualquer empresa da base, e poderemos compará-la com outras empresas, bem como analisar as variáveis que melhor explicam o comportamento observado. Este histórico compreende dados trimes- trais de cerca de 350 empresas de 1994 a 2011 a partir das quais uma coleção de 45 indicadores financeiros são calculados com o objetivo de servir como potenciais variáveis explicativas para o modelo. Um exemplo dessas variáveis explicativas pode ser a relação entre endividamento de curto e longo prazo com patrimônio. Ainda para esses 17 anos de dados coletados, identificamos FUNDOS DE PENSÃO – JULHO/AGOSTO 2012 OpiniãoIAlexandredeOliveira
  • 7. y, a mesma contagem é feita para o grupo dos maus pagadores. No modelo perfeito, por exemplo, teríamos primeiramente observado a totalidade dos maus pagadores para somente depois come- çar a observar bons pagadores. Nessa situa- ção, a curva ROC percorreria o eixo y com- pletamente e depois o x. Consequentemente, a área pintada seria o retângulo completo. Como os modelos podem não acertar a tota- lidade das classificações, a curva ROC apre- senta um desvio em relação ao caso ideal. Um critério comumente utilizado para ava- liar esta informação é a área sob a curva mais de 80 eventos de default. Após avaliar o poder explicativo de cada variável, ficamos com 20 candidatas a serem testadas em conjunto nos modelos MDA (Fisher), logit e probit e, com o auxílio de pro- cedimentos estatísticos de seleção de variáveis do tipo stepwise, obtemos modelos com 7 variáveis. Testes estatísticos para avaliar a qualidade das estimações reali- zadas e largamente reportados em trabalhos deste tipo, como Kolmogorov-Smirnov, Auroc, Wald, dentre outros, são aplicados. O índice de acerto geral das classificações dos bons e maus pagadores chega a 90% indicando que o modelo possui boa qualidade. Outro indicador muito utilizado e que pode ser visto na figura ao lado é a chamada curva Receiver Operating Characteristic (ROC) para cada modelo ajustado. Basicamente, os escores gerados por cada modelo e tomador são ordenados de forma crescente. Quanto maior o poder de discriminação de bons e maus pagadores do modelo, mais separados os tomadores devem estar. Percorrendo-se os tomadores ordenados, contabilizamos no eixo x o percentual de bons pagadores encontrados nas observações ordenadas em relação ao total de bons pagadores. No eixo Opinião FUNDOS DE PENSÃO – JULHO/AGOSTO 2012
  • 8. ROC (AU- ROC) em relação ao modelo ideal. É fácil ver que quanto mais o modelo real se aproxima do ideal, mais seu AUROC se apro- xima da unidade. Dos três modelos estima- dos, o logit se aproximou mais chegando a 94,72%. No entanto, muito mais importante do que criar um modelo de dois estados — separan- do os bons dos maus pagadores — é utilizar sua saída para criar um sistema de classifica- ções de vários estados, ou seja, uma escala de rating. Há várias considerações técnicas que devem ser observadas para a obtenção dessa escala como granularidade, estabilida- de de classificações e poder de discrimina- ção, dentre outros. De qualquer forma, esta tarefa pode ser feita de várias maneiras. Utili- zamos aqui um método de aglomeração não supervisionado controlando o número de classes desejadas obtendo uma escala com nove graus os quais denominamos de AAA AA, A, BBB, BB, B, CCC, CC e C. O gráfico a seguir exemplifica como as observações dos tomadores da base ficaram classificadas neste sistema para um conjunto de empresas de um dado setor. Pode-se ver que a maioria das classificações fica nos graus intermediários apresentando poucas observações nos extremos da escala. Quali- tativamente falando, este fato parece razoá- vel, uma vez que, para uma escala ter poder de diferenciação é de se esperar que seja difícil encontrar muitos indivíduos classifica- dos nos melhores graus. Por outro lado, a mortalidade de indivíduos nos piores graus também deve ser elevada. Apenas para infor- mação, o AUROC desta escala ficou em 82%. De acordo com alguns trabalhos repor- tados na Europa e Estados Unidos, em ter- mos gerais, deve-se esperar AUROCs entre 70% e 90%. Como consequência desse sistema de classificações, pode-se facilmente observar a evolução histórica para qualquer tomador da base e que pode ser visto através do gráfico a seguir, ilustrativo para um caso. Pode-se FUNDOS DE PENSÃO – JULHO/AGOSTO 2012 OpiniãoIAlexandredeOliveira
  • 9. ver, claramente, que sua classificação degra- dou-se paulatinamente ao longo do tempo. Em particular nesse caso, o tomador em questão gerou uma ocorrência de default no final de 2003. Este fato deveria chamar a atenção de um analista com bastante antecedência à ocor- rência do evento, ou seja, 7 ou 8 anos antes já apresentava sinais de degradação na qua- lidade do crédito. Certamente, um ponto de partida seria analisar o comportamento da classificação gerada em função das variáveis explicativas originalmente utilizadas no modelo. Assim em caso de avaliação para concessão, a análise pra uma eventual reco- mendação positiva deveria ser mais profundamente embasada. Em caso de revisão de um crédito já em carteira, sua revisão deveria ser mais frequente e detalhada sinalizando de forma clara para os órgãos internos responsáveis a necessidade de uma ação adequada. Vale ressaltar que para os demais casos de default da base, o tempo médio de sinalização anterior à ocorrência do evento ficou em torno de 3 anos podendo chegar em vários casos em 4 anos mostrando o poder de sinalização do modelo. Comparação entre Abordagens A abordagem tradicional é bastante flexível e permite facilmente incorporar novos fatores para compor uma análise. Principalmente, questões qualitativas sobre a gestão da empresa, características dos mercados em que opera ou aspectos concorrenciais, dentre outros. No entanto, essa flexibilidade impõe um grau elevado de subjetividade ao processo de avaliação. Dois analistas distintos podem avaliar os mesmos aspectos qualitativos sob ângulos diferentes alcan- çando conclusões não totalmente concor- dantes sobre um caso específico. Opinião FUNDOS DE PENSÃO – JULHO/AGOSTO 2012
  • 10. Assim surgem questões como impar- cialidade e consistência das avaliações. Com relação à imparcialidade, em alguns casos, as percepções sobre determinado nome de um tomador podem falar mais alto do que os fatos concretos refletidos no desempenho do mesmo. Em relação à consistência, a situação comentada para os dois analistas pode acontecer tanto em situações de análise distintas no tempo quanto para avaliações simultâneas, uma vez que o peso dado por cada um para cada informação depende, em grande parte, de sua experiência em casos passados. Isso impõe um desafio para que as instituições consigam preservar sua referência de análise quando da troca de algum analista. Por outro lado, a qualidade das avaliações de uma analista está diretamente ligada ao conhecimento adquirido com os casos anteriores. Não que um analista com poucos anos de experiência não possa fazer análises corretas e de qualidade, mas é consenso que o aprendizado adquirido ao longo do tempo é bastante relevante para emissão de seus pareceres. Logo, a análise de crédito sob a abordagem tradicional tende a ser bem mais cara além de ser mais artesanal. Com relação à abordagem quantitativa, esta demanda conhecimentos de modelos matemáticos e estatísticos mais profundos, o que normalmente não faz parte do perfil de um departamento de análise de crédito. No entanto, nada impede que esta abordagem possa ser estruturada através de ferramentas computacionais adequadas livrando o analis- ta da carga de detalhes indesejáveis e se aproveitando das virtudes que esses méto- dos possibilitam aos seus usuários. Diferentemente da abordagem anterior, esta se caracteriza primordialmente pela im- parcialidade e consistência. Para os mode- los, pouco importa o nome em questão o que importa são os padrões objetivamente identi- ficados com base na história. A consistência é plena, pois, a não ser que o modelo seja alterado as avaliações sempre serão baseadas nos mesmos padrões utiliza- dos para sua estimação. Uma vez definido um modelo, novos toma- dores não contemplados na base original podem ser classificados considerando-se que pertençam ao mesmo grupo relevante de tomadores. Adicionalmente, uma vez que um analista faça projeções sobre os números de um tomador com base em cenários futuros, é FUNDOS DE PENSÃO – JULHO/AGOSTO 2012 OpiniãoIAlexandredeOliveira
  • 11. trivial a verificação da eventual classificação do mesmo condicionado a cada cenário. Some-se a isto, seu poder preditivo destaca- do. Além do mais. considerando-se a exis- tência de dados, esta abordagem pode ser estendida facilmente para outros segmentos que não apenas de grandes empresas. Outro aspecto interessante refere-se à incorporação simples de novas informações com o passar do tempo. Por exemplo, no caso ilustrado, novas informações podem ser obtidas a cada trimestre. Portanto. é rápida e barata a avaliação de toda a base pelo incremento de novas informações. Com isso, o processo de revisão é otimizado permitindo que sejam identificados casos problemáticos com maior antecedência. Assim, revisões podem ser priorizadas colocando a frente casos mais relevantes para a instituição, bem como determinando o nível de aprofunda- mento da análise. Além do sistema de rating permitir uma gestão de risco mais dinâmica e preditiva para cada tomador da carteira, ainda possibi- lita a estimação de parâmetros como proba- bilidade de default, relevante para avaliar a chance de ocorrência de um evento de crédito para cada rating, bem como a matriz de transição que informa a possibilidade de mudança de rating para cada tomador. Tais parâmetros podem ser cruciais para a utilização de modelos de risco em carteira. Por último, ainda vale notar que um modelo desse tipo possibilita a comparação muito simples entre tomadores ao longo do tempo, bem como permite à instituição mapear eventuais oportunidades em segmentos ou tomadores com quem ainda não possui relacionamento identificando possibilidades de novos negócios. ¹ Maiores detalhes nesse assunto podem ser vistos em Ganguin, B. e Bilardello, J. Fundamentals of Corporate Credit Analysis, McGraw-Hill , 2005. ² Fisher, R. A. The Use of Multiple Measurements in Taxonomic Problems, Annals of Eugenics, Sep 1936. Nº. 7, pp. 179-188. ³ Altman, E. I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, The Journal of Finance. Sep 1968. Vol XXIII. pp. 589-609. 4 Merton, R. On the Pricing of Corporate Debt: The Risk Structure of lnterest Rates, The Journal of Finance. 1974. Vol XXIX, pp. 449-470. Opinião FUNDOS DE PENSÃO – JULHO/AGOSTO 2012