Tamanho da fonte: 

Este é um trabalho empírico realizado com dados primários de uma empresa real, a Indústria Base (nome fictício por exigência de confidencialidade), desenvolvido no âmbito de um Mestrado Profissional. O crédito configura-se como uma das mais importantes ferramentas para alavancar negócios e girar a roda da economia. Bem utilizado, trará benefícios à sociedade, porém, se utilizado sem equilíbrio, poderá trazer grandes prejuízos em cascata a empresas, bancos, governos e à sociedade. Serve como exemplo a crise dos Subprime cujas consequências afetaram a economia mundial a partir de dezembro de 2007, sendo que o mercado de ações dos Estados Unidos somente em meados de 2013 recuperou o patamar pré-crise. Considerando este contexto, é relevante administrar o risco de crédito por meio de modelos capazes de prever, probabilisticamente, processos de inadimplência com grau adequado de acurácia. Este estudo teve como finalidade testar, avaliar e comparar três modelos de análise de crédito, aliados à técnica de segmentação, buscando selecionar os modelos mais adequados para reduzir o risco de crédito da Indústria Base. A população da presente pesquisa é composta por 16.647 clientes ativos no período de 2012 a 2014. A amostra foi extraída por conveniência sob o critério de os clientes possuírem os dados necessários para compor as variáveis independentes selecionadas. A amostra é de 536 observações, sendo 469 (87,5%) adimplentes e 67 (12,5%) inadimplentes. Foram testados três modelos, sendo dois paramétricos (Análise Discriminante e Regressão Logística) e um não-paramétrico (Classification and Regression Trees – CART). O processo de análise foi executado em dois momentos, sem e com segmentação (por porte), buscando subamostras mais homogêneas (menor variância). Os resultados verificados mostraram-se muito satisfatórios, selecionando, por meio da matriz de confusão, o modelo CART com acurácia de 89,74% na fase sem segmentação e o modelo de Regressão Logística com 97,9% de acurácia, pós segmentação.