CREDITFLOW Modelagem de Rating de Crédito A Solução CreditFlow conta com modelos de Cálculo de Rating e Credit Scoring que permitem classificar o risco de crédito de pessoas Ffsicas e Jurídicas, utilizando metodologias estatística ou julgamental (árvores de decisão), atendendo aos requerimentos das Resoluções, 3721, 2682 e Circular 3360 do Banco Central. Embora as Instituições Financeiras sejam as maiores usuárias deste tipo de tecnologia,  Empresas de todos os Setores vem implementando Sistemas de Cálculo de Rating de Crédito, também conhecidos como Sistemas de Credit Scoring. Com o avanço da Internet e do Comércio Eletrônico, muitas empresas em todo o mundo vêm implementando sistemas de análise de crédito em seus websites. Dessa forma, podem vender produtos e serviços a prazo pela grande rede assim como o fazem no mundo real. Métodos de Cálculo de Rating de Crédito Os métodos de Cálculo de Rating, podem ser classificados como "estatísticos" ou "julgamentais". Métodos estatísticos caracterizam-se por utilizar técnicas como regressões e redes neurais. É importante notar que para poder implementar estes modelos, a necessidade de existência de dados (histórico de inadimplência) sobre operações já liquidadas é fundamental. Os modelos julgamentais, baseados em árvores de decisão e regras de negócio, caracterizam-se por incorporar o conhecimento a respeito de análise de crédito. Experiências adquiridas por especialistas no tema são traduzidas em regras de negócio, processadas por um software denominado motor de inferência, que encadeia as regras de acordo o comportamento do usuário.     Os métodos estatísticos são utilizados desde meados da década de 70. Já nessa época, sistemas baseados em técnicas de regressão rodavam em mainframes e eram capazes de generalizar o comportamento creditício dos clientes de um Banco a partir da análise de suas bases de dados. Mais tarde, na década de 80, a tecnologia de Inteligência Artificial deu origem aos chamados Sistemas Especialistas (hoje rebatizados como sistemas julgamentais ou sistemas baseados em regras de negócio), que passaram a ser largamente utilizados na implementação de soluções de análise de crédito para pessoa física e jurídica. Variações dos métodos estatísticos e novas tecnologias,como algoritmos genéticos, também passaram a ser utilizados na implementação de sistemas de rating de crédito, colocando hoje, um grande leque de opções tecnológicas à disposição de quem vai implementá-los. Metodologia Julgamental O Cálculo do Rating de Crédito através de Regras de Negócio é uma tecnologia que surgiu nos anos 80, com os então denominados sistemas especialistas, aplicações da tecnologia de Inteligência Artificial. Regras de Negócio são estruturas da forma "Se-Então-Senão" que permitem representar conhecimento, podendo ser armazenadas em bases de regras (também chamadas bases de conhecimento) da mesma forma que informações são armazenadas em registros de bases de dados. Sua utilização permite criar soluções em que o conhecimento é representado em estruturas separadas da aplicação, facilitando a manutenção e incorporação de novas regras. As regras de negócio são processadas por um algoritmo (engine) denominado motor de inferência. Utilizando-se esta tecnologia, experiências adquiridas pelos melhores analistas de crédito de uma Instituição Financeira ou Empresa podem ser traduzidas em bases de regras de negócio e processadas pelo motor de inferência, que as encadeia de acordo com a sessão de cada usuário. As regras de negócio detectam as necessidades e comportamento de seus clientes, enviando e-mails customizados, prevendo necessidades, auxiliam na resolução de problemas simples e encaminham automaticamente a resolução de problemas complexos. A Solução CreditFlow possui recursos para criação e processamento de regras de negócio especificamente desenvolvidos para as necessidades do mercado de crédito, podendo ser adquirido com bases de conhecimento que acumulam know-how de produtos como Crédito Pessoal, CDC de Veículos, etc. Estes recursos tornam bastante simples a manutenção e expansão da Plataforma CreditFlow, possibilitando a incorporação constante de novas famílias de produtos e promoções pelos próprios administradores do sistema. Algumas das cateracterísticas e funcionalidades do módulo de Rating Julgamental da Solução CreditFlow são as seguintes: Estabelecimento de 9 níveis de rating (De AA a H); Classificação do devedor e de seus garantidores; Análise de aspectos como situação econômico-financeira, responsabilidade, estabilidade e referências de crédito para pessoas físicas; Análise de demonstrativos financeiros, grau de endividamento, capacidade de geração de resultados, fluxo de caixa, administração, pontualidade e análise setorial para pessoas jurídicas; Análise da natureza e finalidade das operações de crédito; Análise das garantias do ponto de vista de suficiência e liquidez; Reavaliação sistemática dos ratings em função de atrasos; Cálculo mensal automático das provisões a serem realizadas em função dos ratings calculados; Classificação de operações por tipo de cliente, atividade econômica, faixa de vencimento. Metodologia Estatística A metodologia estatística para cálculo do rating de Crédito, está baseada na modelagem da probabilidade de inadimplência (default), o que pressupõe da hipótese da existência de um histórico de informações sobre default de empresas. A partir da base histórica, o processo de modelagem consiste em estimar uma equação da forma: Probabilidade(default empresa i) = função (características da empresa i). A equação acima reforça a dependência da probabilidade de default em relação às características da empresa. Um dos principais objetivos da análise estatística nesse caso é encontrar qual a função apropriada para relacionar as características da empresa i à sua probabilidade de default. Dentre as perguntas a serem respondidas com a análise estatística, encontram-se: 1. Quais variáveis preditoras  relevantes para prever a probabilidade de default em uma determinada empresa. Pode ser que setor de atividade da empresa seja relevante, ao passo que tempo de conta ativa não seja. 2. Para as variáveis preditoras selecionadas, existe necessidade de alguma transformação dessas variáveis? Por exemplo, caso a variável tempo de conta ativa seja selecionada, essa variável deve ser considerada no modelo na sua forma original, entrar elevada ao quadrado ou em logaritmo? 3. Finalmente, qual a importância relativa de cada variável preditora (transformada ou não) sobre a probabilidade de default ? Uma vez estimado o modelo de default, o próximo passo é avaliar o modelo, empregando-se técnicas de validação. O comitê da Basiléia apresenta uma série de indicadores para avaliação de modelos de default, que estão implementados na Solução CreditFlow. Uma vez estimados os modelos de regressão via procedimentos estatísticos pode-se então utilizar tais modelos para prever eventuais defaults na carteira de empresas. Ou seja, a partir da função estimada a partir da base histórica e das características da empresas na carteira atual, pode-se estimar uma probabilidade de default para todas essas empresas. Estas probabilidades podem ser classificadas de alta (próximo a um) até baixa (próximo a zero). A depender da faixa dessas probabilidades, através de técnicas estatísticas de classificação, o Sistema atribui letras indicativas da proximidade de defaul. Por exemplo, A pode ser atribuído a empresas com probabilidade predita de default entre 0.0% e 0.1%; B pode ser atribuído a empresas com probabilidade predita de default entre 0.1% e 0.5%; e assim por diante.