Credit scoring

1. FUNDAMENTOS

1.1 Risco de crédito e credit scores

1.2 Por que medir o risco de crédito?

1.3 Aplicações de credit scoring

1.4 Estimando o risco de crédito – ideia básica

1.5 Cálculo dos escores

1.6 Probabilidade e erros de decisão

1.7 Premissa básica em modelos de credit scoring

1.8 Application scoring e behavioral scoring

1.9 Modelos julgamentais e modelos quantitativos

1.9.1 Modelos julgamentais

1.9.2 Modelos quantitativos I – Modelos generalistas

1.9.3 Modelos quantitativos II – Modelos customizados

1.10 Roteiro para o desenvolvimento de um modelo de scoring

1.11 Uma nota de alerta

2. PLANEJAMENTO E DEFINIÇÕES

2.1 Objetivo do estudo

2.2 Análise do tipo de operação a ser considerada

2.3 Definição e segmentação do mercado-alvo

2.4 Definição de bom e mau pagador

2.5 Data de referência, período de performance, período histórico e safra

2.5.1 Data de referência

2.5.2 Período de performance

2.5.3 Período histórico

2.5.4 Período de concessão e safra

3. IDENTIFICAÇÃO DAS VARIÁVEIS PREVISORAS

3.1 Variáveis discriminadoras potenciais

3.1.1 Tipos de variáveis

3.2 Agrupando informações em intervalos de tempo

3.3 Cuidados na identificação das variáveis potenciais

3.3.1 Definição operacional – uniformidade na interpretação

3.3.2 Confiabilidade das informações

3.3.3 Informações recentes

3.3.4 Disponibilidade ao longo do tempo

3.3.5 Variáveis aceitáveis pelos analistas ou pela empresa credora

3.3.6 Aspectos éticos e legais

3.4 Quantas variáveis utilizar?

Apêndice 3.1 Informações interessantes no desenvolvimento de modelos

de credit scoring para pessoas físicas

Apêndice 3.2 Informações interessantes no desenvolvimento de modelos

de credit scoring para pessoas jurídicas

4. AMOSTRAGEM E COLETA DE DADOS

4.1 Amostragem

4.1.1 Unidade amostral

4.1.2 Mercado-alvo

4.2 Formas de amostragem

4.2.1 Amostragem aleatória simples (AAS)

4.2.2 Amostragem aleatória estratificada

4.2.3 Dimensionamento das amostras

4.3 Amostras de desenvolvimento e teste

4.4 Aquisição dos dados

4.5 Cuidados especiais na coleta de dados

4.6 Dados a serem utilizados no Livro

5. ANÁLISE DOS DADOS

5.1 Introdução

5.2 Análise univariada

5.2.1 Distribuições de frequências

5.2.2 Identificação e tratamento de inconsistências

5.2.3 Identificação e tratamento de outliers (dados discrepantes)

5.2.4 Identificação e tratamento de valores em branco (missing values)

5.2.5 “Síndrome de outros”

5.2.6 Problemas com siglas ou abreviações

5.3 Definição de novas variáveis

5.4 Transformações de variáveis

5.4.1 Por que transformar uma variável quantitativa?

5.4.2 Discretização uma variável quantitativa

5.4.3 Como discretizar variáveis quantitativas

5.5 Fusão não estatística de categorias de baixa frequência

5.6 Codificação de variáveis qualitativas

5.7 Concluindo a análise univariada

6. ANÁLISES BIVARIADAS

6.1 Introdução

6.2 Fusão de categorias

6.2.1 Critérios utilizados para fusão de categorias

6.3 Pré-seleção de variáveis (feature selection)

6.3.1 Análise individual das variáveis

6.3.2 Análise conjunta de variáveis preditoras

6.4 Análise de multicolinearidade

6.5 Preparando o arquivo de trabalho (Kimsport6)

7. MODELO ESTATÍSTICO: REGRESSÃO LOGÍSTICA

7.1 Introdução

7.2 Regressão logística

7.3 Cálculo da fórmula de escoragem com regressão logística

7.4 Análise dos sinais da fórmula de escoragem

7.5 Impacto de uma variável sobre pmp

7.6 Correção para amostragem estratificada

7.7 Conclusão

Apêndice 7.1 Seleção de variáveis

8. MODELOS DE MACHINE LEARNING

8.1 Introdução

8.2 Árvores de classificação

8.3 Random Forest

8.3.1 Aplicação de Random Forest ao nosso exemplo (Kimsport)

8.3.2 Importância das variáveis no cálculo dos escores

8.4 XGBoost

8.4.1 Aplicação de Random XGBoost ao nosso exemplo (Kimsport)

8.4.2 Importância das variáveis no cálculo das probabilidades

9. ANÁLISE E VALIDAÇÃO DA FÓRMULA DE ESCORAGEM

9.1 Introdução

9.2 Avaliação por analistas de crédito

9.3 Análise visual da distribuição de bons e maus pagadores por classes

de frequência

9.4 Análise estatística do poder discriminador do modelo

9.4.1 KS: Índice de Kolmogorov-Smirnov (KS)

9.4.2 AUC (AUROC) – Area Under Receiver Operating Characteristic

9.5 Análise estatística da calibração do modelo

9.6 Calibração do modelo

9.6.1 Ajuste manual

9.6.2 Método de Platt

9.6.3 Regressão isotônica

Apêndice 9.1 Cross validation

10. TOMADA DE DECISÃO: PONTOS DE CORTE E CLASSES DE RISCO

10.1 Escore de crédito (SCR)

10.1.1 Definição de um ponto de corte

10.2 Indicadores de performance baseados em um ponto de corte

10.2.1 Matriz de classificação

10.2.2 Indicadores de performance

10.3 Dois pontos de corte e região cinza

10.4 Classes de Risco

11. APERFEIÇOANDO O MODELO

11.1 Utilização das informações dos proponentes recusados (reject

inference)

11.1.1 Alternativa 1: Considerar todos os recusados anteriormente

como maus

11.1.2 Alternativa 2: Extrapolação I (extrapolação simples)

11.1.3 Alternativa 3: Extrapolação II (parceling)

11.1.4 Alternativa 4: Ponderação (ou augmentation)

11.2 Interação de variáveis

11.3 Balanceamento de amostras

11.3.1 Reamostragem

11.3.2 Algoritmos utilizados para contornar o desbalanceamento

11.3.3 Métricas para comparação dos resultados

11.3.4 Aplicação de balanceamento ao Kimsport modificado

12. IMPLANTAÇÃO DO MODELO

12.1 Introdução

12.2 Filtros de crédito

12.3 Regras para interveniência (overrides)

12.4 Documentação

12.4.1 Diário de bordo

12.5 SADC – Sistema de Apoio à Decisão de Crédito

12.6 Aspectos técnicos da implantação do credit scoring

12.6.1 Detalhamento para a área de informática

12.6.2 Segurança do sistema de cálculo dos escores

12.6.3 Homologação do sistema

12.6.4 Envolvimento de outras áreas

12.7 Educação e treinamento dos usuários

13. GESTÃO E MONITORAMENTO DO MODELO

13.1 Introdução

13.2 Auditoria

13.2.1 Quando realizar as auditorias

13.2.2 Como realizar a auditoria

13.2.3 O que verificar?

13.2.4 Relatório da auditoria

13.3 Monitoramento da estabilidade populacional

13.3.1 Introdução

13.3.2 O que monitorar?

13.3.3 Periodicidade

13.3.4 Distribuições de referência

13.3.5 Amostragem e informações para monitoramento

13.3.6 Análise da estabilidade populacional (Population Stability

Index)

13.3.7 Análise das distribuições das variáveis

13.3.8 Impacto da alteração da distribuição da variável na regressão

logística

13.3.9 Análise da instabilidade populacional

13.4 Instabilidade dos escores – Ações de contingência

13.5 Monitoramento do desempenho de um modelo

13.5.1 Introdução

13.5.2 Amostragem para avaliação de desempenho

13.5.3 Indicadores de desempenho – sugestões

13.5.4 Exemplos de relatórios de monitoramento

13.6 Matriz de migração

13.6.1 Análise da matriz de migração