DETERMINANTES HIERÁRQUICOS DA INADIMPLÊNCIA DE FINANCIAMENTO IMOBILIÁRIO DE PESSOA FÍSICA

Autores

DOI:

https://doi.org/10.14392/asaa.2021140202

Resumo

Objetivos: Os objetivos do artigo são: (i) identificar os fatores determinantes da inadimplência (default) de financiamento imobiliário e (ii) verificar a existência de influência do contexto do indivíduo (agência bancária) na inadimplência.

Método: O artigo estudou 5.113 contratos de financiamento imobiliário de pessoas físicas pertencentes a 1.448 agências de uma instituição financeira de abrangência nacional vigentes em 30 de setembro de 2019. Devido ao caráter multinível da amostra (nível 1: indivíduo e nível 2: agência) e considerando que as distintas agências apresentam diferentes níveis de performance (em diversos indicadores, inclusive no percentual de contratos de financiamento imobiliário inadimplentes), fez-se uso do modelo logístico multinível em detrimento ao modelo logístico tradicional.

Resultados: O modelo logístico multinível se mostrou superior ao modelo logístico tradicional (18,8% da variabilidade da probabilidade de inadimplência se refere ao nível agência). As características do indivíduo negativamente significantes são: idade, tempo de relacionamento, ser proventista e grau de instrução superior e as características positivamente significantes são: grau de instrução até o ensino fundamental e a relação financiamento/renda. As variáveis sexo e estado civil não se mostraram significativas.

Contribuições: As inovações do artigo são: (a) a abrangência nacional da amostra sobre inadimplência de pessoa física, (b) a utilização de duas variáveis inéditas e (c) o emprego do modelo logístico multinível. A identificação de que indivíduos com as mesmas características, porém, provenientes de agências diferentes, têm diferentes probabilidades de inadimplir, leva ao conhecimento dos acadêmicos e dos profissionais da área a recomendação da modelagem hierárquica para análise de crédito imobiliário.

Downloads

Não há dados estatísticos.

Biografia do Autor

Renata Barreto Lima, Banco do Brasil

Mestre em administração pela FECAP

Ricardo Goulart Serra, FECAP e INSPER

Professor do programa MPA e da graduação da FECAP. Professor dos programas lato sensu e da graduação do INSPER.

Pós-doutor e doutor pela FEA/USP, MBA pelo Inpser e graduação pela POLI/USP.

Luiz Paulo Lopes Fávero, Universidade de São Paulo

Professor titular da FEA/USP. Livre docente pela FEA/USP, pós-doutor pela Columbia University, doutor e mestre pela FEA/USP. Graduado na POLI/USP.

Referências

Albuquerque, P. H. M.; Medina, F. A. S.; & Silva, A. R. da. (2017). Regressão Logística Geograficamente Ponderada Aplicada a Modelos de Credit Scoring. Revista Contabilidade e Financas, 28(73), 93–112.

Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589–608.

Amorim Neto, A. A.; & Carmona, C. U. D. M. (2004). Modelagem do risco de crédito: Um estudo do segmento de pessoas físicas em um banco de varejo. REAd-Revista Eletrônica de Administração, 10(40), 1–23.

Arceneaux, K.; & Nickerson, D. W. (2009). Modeling certainty with clustered data: a comparison of methods. Political Analysis, 17(2), 177-190.

Backer, M.; & Gosman, M. L. (1978). Financial reporting and business liquidity. Nova Iorque: National Association of Accountants.

Beaver, W. H. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 4, 71–111.

Brito, G. A. S.; & Assaf Neto, A. (2008). Modelo de classificação de risco de crédito de empresas. Revista de Contabilidade e Finanças, 19(46), 18–29.

Caouette, J. B.; Altman, E. I.; Narayanan, P.; & Nimmo, R. W. J. (2009). Gestão do risco de crédito: O grande desafio dos mercados financeiros globais (2a ed.). Rio de Janeiro: Qualitymark.

Cleves, M.A. (2002). From the help desk: comparing areas under receiver operating characteristic curves from two or more probit or logit models. The Stata Journal, 2(3), 301-313.

Courgeau, D. (2003). Methodology and epistemology of multilevel analysis. London: Kluwer Academic Publishers.

Crespi Júnior, H.; Perera, L. C. J.; & Kerr, R. B. (2017). Gerenciamento do ponto de corte na concessão do crédito direto ao consumidor. Revista de Administração Contemporânea, 21(2), 269–285.

DeLong, E. R.; DeLong, D. M.; & Clarke-Pearson, D. L. (1988). Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics, 44(3), 837–845.

Elizabetsky, R. (1976). Um modelo matemático para decisões de crédito no banco comercial. (Dissertação de Mestrado) Departamento de Engenharia da Produção, Escola Politécnica da Universidade de São Paulo, São Paulo, SP, Brasil.

Fávero, L. P.; & Belfiore, P. (2017). Manual de análise de dados: estatística e modelagem multivariada com Excel®, SPSS® e Stata® (1a ed.). Rio de Janeiro: Elsevier.

Ferreira, M. A. M.; Celso, A. S. dos S.; & Barbosa Neto, J. E. (2012). Aplicação do modelo logit binominal na análise do risco de crédito em instituições bancárias. Revista de Negócios, 17(1), 41–59.

Ferreira, M. A. M.; Oliveira, L. M. de; Santos, L. M. dos; & Abrantes, L. A. (2011). Previsão de risco de crédito para definição do perfil de clientes de um banco de varejo. Revista de Negócios, 16(2), 47–64.

FitzPatrick, P. J. (1932). A comparison of ratios of successful industrial enterprises with those of failed firm. Certified Public Accountant, 6, 727–731.

Fundação João Pinheiro. (2018). Déficit Habitacional No Brasil 2015. In Estatísticas & Informações - Fundação João Pinheiro. Recuperado de http://www.fjp.mg.gov.br/index.php/indicadores-sociais/deficit-habitacional-no-brasil

Gouvêa, M. A.; Gonçalves, E. B.; & Mantovani, D. (2013). Análise de risco de crédito com o uso de regressão logística. Revista Contabilidade Vista & Revista, 10(20), 96–123.

Guimarães, I. A.; & Chaves Neto, A. (2002). Reconhecimento de padrões: metodologias estatísticas em crédito ao consumidor. RAE Eletrônica, 1(2), 1–14.

Hair Jr., J. F.; & Fávero, L. P. (2019). Multilevel modeling for longitudinal data: concepts and applications. RAUSP Management Journal, 54(4), 459-489.

Hitt, M. A.; Beamish, P. W.; Jackson, S. E.; & Mathieu, J. E. (2007). Building theoretical and empirical bridges across levels: multilevel research in management. Academy of Management Journal, 50, 1385-1399.

Jannuzzi, F. C. K. (2010). Um estudo sobre as variáveis que impactam a inadimplência no crédito concedido para projetos imobiliários (Dissertação de Mestrado). Universidade Estácio de Sá, Rio de Janeiro, RJ, Brasil.

Kanitz, S. C. (1978). Como prever falências. São Paulo: McGraw do Brasil.

Khudnitskaya, A. S. (2010). Improved Credit Scoring with Multilevel Statistical Modelling. (Tese de Doutorado). Universidade Técnica de Dortmund, Alemanha.

Locatelli, R. L.; Ramalho, W.; Silvério, R. A. de O.; & Afonso, T. (2015). Determinantes da inadimplência no crédito habitacional direcionado a classe média emergente brasileira. Revista de Finanças Aplicadas, 1(1), 1–30.

Lopes, M. G.; Ciribeli, J. P.; Massardi, W. D. O.; & Mendes, W. D. A. (2017). Análise dos indicadores de inadimplência nas linhas de crédito para pessoa física: um estudo utilizando modelo de regressão logística. Estudos Do CEPE, (46), 75–90.

Maciel, H. M.; & Maciel, W. M. (2017). Análise da Inadimplência Bancária: Um Estudo de Caso da Região Metropolitana de Fortaleza. Conexões - Ciência e Tecnologia, 11(3), 12–23.

Matias, A. B. (1978). Contribuição às técnicas de análise financeira: um modelo de concessão de crédito. (Dissertação de Mestrado). Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo, SP, Brasil.

Mathieu, J. E.; & Chen, G. (2011). The etiology of the multilevel paradigm in management research. Journal of Management, 37(2), 610-641.

Merwin, C. L. (1942). Financing small corporations in five manufacturing industries, 1926 - 1936. Nova Iorque: National Bureau of Economic Research Inc.

Pinto, E. G. F. (2015). Financiamento imobiliário no Brasil: Uma análise histórica compreendendo o período de 1964 a 2013, norteada pelo arcabouço teórico pós-keynesiano e evolucionário. Economia e Desenvolvimento, 27(2), 276–296.

Rabe-Hesketh, S.; & Skrondal, A. (2012). Multilevel and longitudinal modeling using Stata: categorical responses, counts, and survival (Vol. II) (3ª ed.). College Station: Stata Press.

Raudenbush, S.; & Bryk, A. (2002). Hierarchical linear models: applications and data analysis methods (2ª ed.). Thousand Oaks: Sage Publications.

Ritta, C. de O.; Gorla, M. C.; & Hein, N. (2015). Modelo de regressão logística para análise de risco de crédito em uma instituição de microcrédito produtivo orientado. Iberoamerican Journal of Industrial Engineering, 7(13), 103–122.

Securato, J. R. (2007). Crédito: análise e avaliação do risco - pessoas físicas e jurídicas. São Paulo: Saint Paul Institute of Finance.

Silva, J. P. (1982). Modelos para classificação de empresas com vistas a concessão de crédito. (Dissertação de Mestrado). Escola de Administração de Empresas de São Paulo. Fundação Getúlio Vargas, São Paulo, SP, Brasil.

Silva, J. P. (2016). Gestão e análise do risco de crédito (9a ed.). São Paulo: Cengage Learning.

Smith, R. F.; & Winakor, A. H. (1935). Changes in the financial structure of unsuccessful industrial corporations. Urbana: University of Illinois.

Sousa, Q. H.; Petri, S. M.; & Anjos, E. A. (2018). Análise dos fatores preditivos de risco para inadimplência dos cooperados em uma cooperativa de crédito. III Congresso de Contabilidade da UFRGS e III Congresso de Iniciação Científica em Contabilidade da UFRG, Porto Alegre, RS, Brasil, 3.

Steenbergen, M. R.; & Jones, B. S. (2002). Modeling multilevel data structures. American Journal of Political Science, 46(1), 218-237.

Tamari, M. (1966). Financial ratios as a means of forecasting bankruptcy. Management International Review, 6(4), 15–21.

Topa, L. E. (1979). La gestión de créditos. Barcelona: Ediciones de Palma.

Publicado

05/11/2021

Como Citar

Lima, R. B., Serra, R. G., & Fávero, L. P. L. (2021). DETERMINANTES HIERÁRQUICOS DA INADIMPLÊNCIA DE FINANCIAMENTO IMOBILIÁRIO DE PESSOA FÍSICA. Advances in Scientific and Applied Accounting, 14(2), 029–041/042. https://doi.org/10.14392/asaa.2021140202

Edição

Seção

ARTIGOS