Modelagem da PD Forward Looking para uma instituição financeira brasileira

• Ano de defesa: 2025
• Autor(a) principal: Silveira, Douglas Luz da
• Orientador(a): Silva, Carlos Eduardo Schönerwald da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Gestão; Risco; Crédito; Macroeconomia
• Palavras-chave em Inglês: Expected credit losses; IFRS 9; Probability of default; Macroeconomic variables; ARIMAX; SARIMAX; Linear regression; VAR; Banrisul; Banking provisions
• Link de acesso: http://hdl.handle.net/10183/296344

A volatilidade dos mercados financeiros e as transformações regulatórias, impulsionadas pela norma IFRS 9, ressaltam a urgência de uma gestão de risco de crédito mais sofisticada. A IFRS 9, ao introduzir o modelo de perdas esperadas (ECL), exige o reconhecimento antecipado de provisões e a integração de fatores prospectivos e modelos estatísticos. Nesse contexto, a Probabilidade de Default (PD) Forward Looking emerge como um componente crítico para a estimativa precisa dessas perdas, demandando a incorporação de informações macroeconômicas e macroprudenciais. Este trabalho investiga a relação entre fatores macroeconômicos e a PD na carteira de crédito do Banrisul, um banco com atuação em crédito consignado e agronegócio, à luz da IFRS 9. O objetivo principal é explorar métodos que avaliem essa interação e demonstrem como as oscilações macroeconômicas podem ser integradas às probabilidades de default. Os fatores macroeconômicos analisados incluem PIB, IPCA, taxa de desemprego, taxa de câmbio e taxa Selic. Os dados de default, referentes a atrasos superiores ou iguais a 90 dias na carteira de crédito de pessoa física e jurídica do Banrisul, foram obtidos por base interna e abrangem o período de janeiro de 2018 a dezembro de 2023. Para examinar a relação entre as variáveis macroeconômicas e a probabilidade de default, foram empregados e comparados os modelos de Regressão Linear, SARIMAX e VAR. A escolha metodológica para cada modelo, incluindo a seleção de variáveis e ordens, foi guiada por critérios como o Critério de Informação de Akaike (AIC) e o Fator de Inflação da Variância (VIF). Os resultados demonstraram que, embora a Regressão Linear tenha apresentado limitações na captura da dependência temporal e na capacidade preditiva em validação , o modelo SARIMAX exibiu um ajuste e precisão adequados, com RMSE de 0.0666 e MAPE de 2,07% no período de teste. O modelo VAR também demonstrou capacidade preditiva e de generalização, com RMSE de 0.0756 e MAPE de 2,03% no teste , acompanhando a série real. A análise de resíduos indicou que SARIMAX e VAR capturaram as dependências temporais, sem autocorrelação significativa, embora a normalidade dos resíduos não tenha sido atendida em nenhum dos modelos. Os resultados apontam IPCA, taxa de desemprego e câmbio como fatores macroeconômicos relevantes na explicação das variações na probabilidade de default, embora a própria série e suas defasagens tenham apresentado um poder preditivo considerável. Ao final, o modelo SARIMAX demonstrou um equilíbrio entre precisão, estabilidade e interpretabilidade, destacando-se como a abordagem adequada para embasar decisões estratégicas no contexto da gestão de risco de crédito. A pesquisa também abre caminho para estudos futuros, sugerindo a ampliação do período da base de dados , a modelagem com janelas móveis , a exploração de novas variáveis explicativas e a adoção de modelos híbridos que combinem a interpretabilidade de modelos estatísticos com a precisão de modelos de Machine Learning , visando fortalecer o arcabouço preditivo.