Elaboração e estruturação de um modelo de rating interno

Temos vindo a assistir nos últimos anos a uma evolução no que respeita à avaliação do risco de crédito. As constantes alterações de regulamentação bancária, que resultam dos Acordos de Basileia, têm vindo a impor novas normas que condicionam a quantidade e a qualidade do risco de crédito que as Instituições de Crédito podem assumir nos seus balanços. É de grande importância as Instituições de Crédito avaliarem o risco de crédito, as garantias e o custo de capital, pois têm um impacto direto na sua gestão nomeadamente quanto à afetação de recursos e proteção contra perdas. Desta forma, pretende-se com o presente trabalho elaborar e estruturar um modelo de rating interno através de técnicas estatísticas, assim como identificar as variáveis estatisticamente relevantes no modelo considerado. Foi delineada uma metodologia de investigação mista, considerando na primeira parte do trabalho uma pesquisa qualitativa e na segunda parte uma abordagem quantitativa. Através da análise documental, fez-se uma abordagem dos conceitos teóricos e da regulamentação que serve de base ao presente trabalho. No estudo de caso, o modelo de rating interno foi desenvolvido utilizando a técnica estatística designada de regressão linear múltipla. A amostra considerada foi obtida através da base de dados SABI e é constituída por cem empresas solventes, situadas na zona de Paredes, num horizonte temporal de 2011-2013. A nossa análise baseou-se em três cenários, correspondendo cada cenário aos dados de cada ano (2011, 2012 e 2013). Para validar os pressupostos do modelo foram efetuados testes estatísticos de Durbin Watson e o teste de significância - F (ANOVA). Por fim, para obtermos a classificação de rating de cada variável foi aplicada a técnica dos percentis. Pela análise dos três cenários considerados, verificou-se que o cenário dois foi o que obteve maior coeficiente de determinação. Verificou-se ainda que as variáveis independentes, rácio de liquidez geral, grau de cobertura do ativo total pelo fundo de maneio e rácio de endividamento global são estatisticamente relevantes.We have been witnessing in the past few years an evolution as regards the assessment of the credit risk. The constant bank regulation changes, resulting from the Basel Accords, have been imposing new rules that affect the quantity and the quality of credit risk that the Credit Institutions can take on their balance sheets. It is of great importance to Credit Institutions assess the credit risk, the guarantees and the cost of capital, because it has a direct impact on their management especially for the allocation of resources and protection against losses. In this way, it is intended with the present work prepare and structure a model of the internal rating through statistical techniques, as well identify the statistically significant variables in the model considered. It was outlined a methodology of mixed research, considering in the first part of the work a qualitative research and in the second part a quantitative approach. By document analysis, it was made an approach of the theoretical concepts and the regulations that underlies the present work. In the case study, the internal rating model was developed using a statistical technique called multiple linear regression. The sample considered was obtained by SABI database and it is formed by a hundred solvents companies, located in Paredes zone, in a time horizon of 2011-2013. Our analysis was based on three scenarios, each scenario corresponding to each year of data (2011, 2012 and 2013). To validate the model assumptions were performed statistical tests of Durbin Watson and the significance test - F (ANOVA). Finally, to obtain the rating classification of each variable was applied the technique of percentiles. By the analysis of the three scenarios considered, it was found that the stage two was the one that got higher coefficient of determination. It was also found that the independent variables, general liquidity ratio, degree of coverage of total assets for working capital and global equity ratio are statistically relevant