Made available in DSpace on 2010-04-20T20:20:02Z (GMT). No. of bitstreams: 0 Previous issue date: 2004-03-23T00:00:00Z / A dissertação analisa o papel cada vez mais fundamental do gerenciamento de risco de crédito para a garantia da lucratividade das Instituições Financeiras daqui para frente. As Instituições que vão diferenciar-se serão as que apresentarem menores perdas de crédito. o gerenciamento de crédito eficaz é discutido através da constatação que a demanda de crédito é influenciada pela taxa de juros, principalmente para a faixa da população que apresenta melhor renda e/ou menor índice de inadimplência e apresenta a precificação dos empréstimos com base no risco de crédito do cliente como uma forma de se obter menores perdas de crédito. Atualmente, na maioria das Instituições Financeiras brasileiras, não há diferenciação de preço por grupos de inadimplência, ou seja, a taxa de juros é definida através de uma inadimplência média, gerando, para as Instituições, um lucro extraordinário na concessão de crédito para os bons pagadores (e com isso desestimulando-os a solicitar empréstimos) e um provável prejuízo na concessão para maus pagadores. Como ferramenta para precificar o crédito com base no risco, utilizamos o RAROCRisk Adjusted Retum on Capital - uma metodologia extremamente sofisticada que estabelece alocação de capital igual à diferença entre as provisões de devedores duvidosos e a perda máxima com um nível de significância variável de 95% a 99% (existe de 1 a5% de probabilidade de ocorrer uma perda maior que a perda máxima esperada). Esta dissertação conclui, através de simulações, que é possível aumentar a lucratividade bancária, através da redução das perdas, precificando corretamente os créditos concedidos

Made available in DSpace on 2010-04-20T21:00:29Z (GMT). No. of bitstreams: 3 rafaeljaborturma2004.pdf.jpg: 19565 bytes, checksum: 9fe13b15114451331e5e388307029987 (MD5) rafaeljaborturma2004.pdf: 532170 bytes, checksum: f71a18ba0313ae39ac8042e4a25ddee5 (MD5) rafaeljaborturma2004.pdf.txt: 171629 bytes, checksum: 405d0b510adacc24a36ff9e9e7806f82 (MD5) Previous issue date: 2007-01-18T00:00:00Z / This work is about the main issues of active credit portfolio management in commercial banks, which are abandoning the more traditional approach of credit management in favor of this new one. First, the paper presents a definition of active credit portfolio management, compares it with the traditional management and points out some reasons that led to the newer approach. Then, it adapts to credit portfolios the main concepts of Modern Portfolio Theory and presents some models on important data requirements for credit risk measurements like default probabilities, credit assets correlation and portfolio credit risk. It also presents the concepts of economic capital and Risk-Adjusted Return on Capital (RAROC) relatively to credit risk. This working paper discusses the active credit portfolio management functions and responsibilities and as a contribution presents, in light of this work’s considerations, a hypothetical structure of a credit department in a commercial bank which adopts active credit portfolio management. / Trata dos principais aspectos da administração ativa de portfólio de crédito a pessoa jurídica por bancos comerciais, que vem tomando o lugar do modo tradicional de administrar crédito. Inicialmente, apresenta a definição de administração ativa de portfólio de crédito, compara com a abordagem tradicional e aponta as motivações para o surgimento desta nova abordagem. Segue demonstrando as adaptações dos conceitos da Teoria Moderna de Portfólios aos portfólios de crédito e apresenta alguns modelos para a determinação de variáveis importantes para a mensuração do risco de crédito, tais como probabilidades de inadimplência, correlações entre ativos de crédito e risco de crédito de portfólio. Apresenta, ainda, o conceito de capital econômico e o Risk-Adjusted Return on Capital (RAROC) relativamente ao risco de crédito. Discute as responsabilidades e funções a serem desempenhadas pela administração ativa de portfólio de crédito e, como contribuição, apresenta, à luz das considerações deste trabalho, uma estrutura hipotética de um banco comercial que adota a administração ativa de portfólio de crédito.

Submitted by Cristiane Shirayama (cristiane.shirayama@fgv.br) on 2011-05-24T14:18:55Z No. of bitstreams: 1 61090100009.pdf: 1153288 bytes, checksum: 454d2660dc911b8aa8ea907d58f36e7a (MD5) / Approved for entry into archive by Gisele Isaura Hannickel(gisele.hannickel@fgv.br) on 2011-05-24T14:33:41Z (GMT) No. of bitstreams: 1 61090100009.pdf: 1153288 bytes, checksum: 454d2660dc911b8aa8ea907d58f36e7a (MD5) / Approved for entry into archive by Gisele Isaura Hannickel(gisele.hannickel@fgv.br) on 2011-05-24T14:36:54Z (GMT) No. of bitstreams: 1 61090100009.pdf: 1153288 bytes, checksum: 454d2660dc911b8aa8ea907d58f36e7a (MD5) / Made available in DSpace on 2011-05-24T15:30:34Z (GMT). No. of bitstreams: 1 61090100009.pdf: 1153288 bytes, checksum: 454d2660dc911b8aa8ea907d58f36e7a (MD5) Previous issue date: 2011-04-15 / Vários estudos foram realizados pela academia brasileira sobre desenvolvimento e aplicabilidade de modelos estatísticos de credit scoring e portfólio de crédito. Porém, faltam estudos relacionados sobre como estes modelos são empregados pelas empresas brasileiras. Esta dissertação apresenta uma pesquisa, até então inédita, sobre como as instituições financeiras brasileiras administram seus sistemas de credit scoring e suas carteiras de crédito. Foram coletados dados, por meio de um questionário, dos principais bancos e financeiras do mercado brasileiro. Para a análise dos resultados, as repostas foram divididas em dois grupos: bancos e financeiras. Os resultados mostraram empregos de métodos diferentes entre os grupos devido a suas características operacionais.

Made available in DSpace on 2010-04-20T20:48:08Z (GMT). No. of bitstreams: 3 68479.pdf.jpg: 16047 bytes, checksum: e55a63085f1340eeed16cabe46f731aa (MD5) 68479.pdf: 840158 bytes, checksum: d13c12beedbf2f62a71d5574af83dfad (MD5) 68479.pdf.txt: 270876 bytes, checksum: 0af13fce10af7db2c36dcb34a90e0b79 (MD5) Previous issue date: 2004-04-07T00:00:00Z / Credit risk comes from the possibility of the debtor not paying its debt at the maturity date, and the promised amount. When the debtor doesn’t pay in full its debt, we say he or she is in default. In this case, the creditor gets a loss. However, the loss could be reduced if the debtor pays part of his or her debt. The measurement of a debtor’s probability of default has been the subject of studies for decades. However, the measurement of how much one can receive from a defaulted credit – the recovery rate – has been given attention only recently. And, most of the time, this measure has been calculated for huge companies in United States financial markets, only. We have defined recovery rate based on financial reports of Brazilian commercial banks, and tracked the path of this variable pari passu to default rate, defined from the same reports also. We established a theoretical framework, and made hypothesis on how such variables as default rates and other credit quality indicators, economic level indicators, nominal and real interest rates, and capital markets indicators could explain variations on the recovery rates we have defined. We gathered information from 46 Brazilian private commercial banks, semiannually, bracing the period between June of 1994 and December 2002. These institutions were segmented by their share on the amount of credit of the private banking industry in Brazil and by the origin of its capital. Statistical models were run on explanatory variables based on original data and on variables obtained from principal components analysis. The models were able to explain most of the variation observed on the recovery rate we have defined, for the segments we have studied. The best models have shown that variations on the recovery rate could be explained by default rates and other indicators of credit quality, economic activity indicators and capital markets indicators. / O risco de crédito decorre da possibilidade de o devedor não honrar sua dívida no montante e na data aprazada. Quando o devedor não liquida sua dívida nas condições contratadas, diz-se que se torna inadimplente. Neste caso, o credor incorre em prejuízo. A perda, entretanto, pode ser reduzida se o cliente pagar parcialmente o que deve. A mensuração da probabilidade de um devedor inadimplir tem sido objeto de estudos há décadas. Entretanto, a quantificação do quanto o credor recebe em caso de inadimplência – a taxa de recuperação –só recentemente tem recebido atenção da academia. E, na maioria das vezes, esta quantificação tem-se limitado aos títulos de grandes empresas, negociados no mercado de capitais dos Estados Unidos da América. Neste trabalho, definiu-se uma taxa de recuperação baseada em informações contábeis de instituições bancárias brasileiras e analisou-se o comportamento desta variável pari passu à taxa de inadimplência, também definida a partir de dados contábeis. Estabeleceu-se um arcabouço teórico capaz de explicar de que forma variáveis como a taxa de inadimplência e outros indicadores de qualidade das carteiras de crédito, indicadores da atividade econômica, níveis de juros nominais e reais e indicadores do mercado de capitais, poderiam explicar as variações na taxa de recuperação das carteiras de crédito. Foram obtidas informações de um conjunto de 46 instituições bancárias privadas brasileiras, semestralmente, para o período compreendido entre junho de 1994 e dezembro de 2002. Essas instituições foram segmentadas pela representatividade de suas carteiras de crédito no volume total de créditos das instituições comerciais brasileiras e por origem de seu capital acionário. Elaboraram-se modelos estatísticos baseados em regressões multivariadas tanto de variáveis originais como de variáveis obtidas através de análise de componentes principais, que se mostraram capazes de explicar parte considerável das variações observadas na taxa de recuperação no conceito contábil, para os vários segmentos de instituições estudados. Mostraram-se como variáveis explicativas relevantes, nos melhores modelos, indicadores de inadimplência, indicadores da atividade econômica e indicadores do mercado de capitais.