Determinantes do "Default" no crédito habitação hipotecário

Mestrado em Gestão e Avaliação ImobiliáriaConsiderando a crescente evolução de crédito, verificada nos últimos anos, nomeadamente no crédito à habitação, acompanhada recentemente por um aumento do incumprimento, julgámos que seria importante a realização de um trabalho, que tentasse compreender os factores, mais determinantes, ou que mais se destacariam, nas situações de incumprimento. Com o novo Acordo de Basileia a determinação destes factores tem um carácter cada vez mais importante para as instituições de crédito, nomeadamente para as que utilizam métodos de ratings internos na análise de risco de crédito. Neste sentido, realizámos junto de uma entidade bancária nacional, uma recolha de dados, relativos às operações de crédito à habitação efectuadas nos últimos quatro anos, de forma a obter uma amostra com o conjunto das variáveis, que melhor retratassem as respectivas operações. Na análise dos dados, utilizámos o Método de Regressão Logística (Logit), o qual, a partir de um conjunto de variáveis independentes, estima a probabilidade de ocorrer um certo evento, neste caso existência de incumprimento. A regressão logística minimiza o número de variáveis independentes, determinando as que devem ser incluídas no modelo, de forma a obter um modelo final, mais ajustado e que preveja adequadamente a variável dependente. Aplica-se quando a variável dependente é dicotómica, assumindo valor 1 (existência de incumprimento) ou valor 0 (inexistência de incumprimento). Com a aplicação do Logit no nosso estudo, verificámos que o modelo final, apenas continha quatro das nove variáveis que compunham a amostra. Assim, com base nos dados que caracterizavam a nossa amostra, foram estas quatro variáveis - Taxa de Juro, Prazo do Empréstimo, Taxa de Esforço e Loan-to-Value - as que melhor explicaram a existência de incumprimento nas operações de crédito em análise. Acreditamos que a existência de uma boa base de dados, agrupando um conjunto de variáveis que retrate fidedignamente as operações de crédito e o ambiente sócio-económico do cliente, poderá, a aplicação do Modelo de Regressão Logística, constituir uma mais valia na determinação dos factores de default no crédito habitação hipotecário.Given the growing rise in credit over the last few years, namely in housing credit, recently accompanied by an increase in missed payments, we thought it relevant to produce a study that would attempt to understand the most determining factors (or those which would stand out the most) leading to failure to comply with payments. In light of the new Basil Agreement, the pin-pointing of such factors is increasingly important for credit providers, especially for those who use internal rating methods when carrying out credit risk assessment. To that purpose, we gathered data from a national bank on housing credit operations carried out in the last four years, in order to obtain a sample which would include the sets of variables that might best typify the different operations. We did so by using the Logistical Method of Regression (Logit), which uses sets of independent variables to estimate the probability of a given event occurring - in this case, failure to comply with payments. Logistical regression minimizes the number of independent variables by identifying those that should be included in the model, so as to obtain a better adjusted final model, which might adequately predict the dependent variable. It is applicable when the dependent variable is dichotomous, taking the value of 1 (non-compliance present) or of 0 (non-compliance not present). The use of Logit in our study resulted in a final model that contained only four of the nine variables making up the sample. Therefore, based on the data that made up our sample, it was these four variables - (Interest Rate, Duration of the Loan, Effort Rate and Loan-to-Value) - that best explained the existence of non-compliance in the credit operations under analysis. We believe that the application of the Logistical Regression Model to a good database, which brings together a set of variables that provide an accurate picture of the credit operations and of the socio-economic environment of the client, brings added value in determining the factors leading to defaulted payments in housing credit mortgages