LAredo SicSú
CREDIT SCORING
AbrAhAm
Abraham Laredo Sicsú
CREDIT SCORING
Desenvolvimento, implantação e acompanhamento com Python
2ª Edição
Credit scoring: desenvolvimento, implantação e acompanhamento 1ª edição – 2010
© 2026 Abraham Laredo Sicsú
Editora Edgard Blücher Ltda.
Publisher Edgard Blücher
Editor Eduardo Blücher
Coordenação editorial Rafael Fulanetti
Coordenação de produção Ana Cristina Garcia
Produção editorial Juliana Midori Horie
Diagramação Guilherme Salvador
Revisão de texto Equipe editorial
Capa Juliana Midori Horie
Imagem da capa iStockphoto
Rua Pedroso Alvarenga, 1245, 4 o andar 04531-934 – São Paulo – SP – Brasil
Tel.: 55 11 3078-5366 contato@blucher.com.br www.blucher.com.br
Segundo o Novo Acordo Ortográfico, conforme 6. ed. do Vocabulário Ortográfico da Língua Portuguesa, Academia Brasileira de Letras, julho de 2021.
É proibida a reprodução total ou parcial por quaisquer meios sem autorização escrita da editora.
Todos os direitos reservados pela Editora Edgard Blücher Ltda.
Dados Internacionais de Catalogação na Publicação (CIP) Heytor Diniz Teixeira, CRB-8/10570
Sicsú, Abraham Laredo
Credit scoring : desenvolvimento, implantação e acompanhamento com Python / Abraham Laredo Sicsú. – 2. ed. – São Paulo : Blucher, 2026.
192 p.
Bibliografia
ISBN 978-85-212-3133-2 (Impresso)
ISBN 978-85-212-3132-5 (Eletrônico – Epub)
ISBN 978-85-212-3131-8 (Eletrônico – PDF)
1. Crédito. 2. Risco de crédito. 3. Análise de dados. 4. Machine learning. 5. Python (Linguagem de programação de computador). I. Título.
CDU 336.77:004.43
Índice para catálogo sistemático: 1. Python (Linguagem de programação de computador) CDU 004.43.
2.5
3.2
3.4 Quantas
4.3
5.2.1
5.5 Fusão
6.5
7.4 Análise
7.5 Impacto
9.3 Análise
DE DECISÃO:
11.3.3 Métricas para comparação dos resultados ..............................
11.3.4 Aplicação de balanceamento ao Kimsport modificado ............
12. IMPLANTAÇÃO DO MODELO
12.1 Introdução
12.2 Filtros de crédito ................................................................................
12.3 Regras
12.5 SADC – Sistema de Apoio à Decisão de Crédito
12.6 Aspectos
12.6.1 Detalhamento para a área de informática
12.6.2 Segurança
13.3.6 Análise da estabilidade populacional (Population Stability Index) ....................................................................................... 184
13.3.7 Análise das distribuições das variáveis .................................... 185
13.3.8 Impacto da alteração da distribuição da variável na regressão logística .................................................................................... 185
13.3.9 Análise da instabilidade populacional
13.4 Instabilidade dos escores – Ações de contingência ....................... 187
13.5 Monitoramento do desempenho de um modelo .............................. 188
13.5.1 Introdução 188
13.5.2 Amostragem para avaliação de desempenho .......................... 190
13.5.3 Indicadores de desempenho – sugestões ................................ 190
13.5.4 Exemplos de relatórios de monitoramento
13.6 Matriz de migração ............................................................................
13.6.1 Análise da matriz de migração .................................................
CAPÍTULO 1 FUNDAMENTOS
1.1 RISCO DE CRÉDITO E CREDIT SCORES
A concessão de crédito é uma decisão sob condições de incerteza. Em empréstimos, vendas a prazo, prestação de serviços etc., quer o crédito seja solicitado ou quer seja oferecido pelo credor, sempre existe a possibilidade de perda. Se o credor puder estimar a probabilidade de que essa perda ocorra, sua decisão será mais confiável.
Em termos gerais, quando houver perda em uma operação de crédito, diremos que o cliente foi “mau pagador”, ou simplesmente “mau”; caso contrário, diremos que o cliente foi “bom pagador”, ou simplesmente “bom”. 1 Eventualmente, poderemos definir clientes “intermediários”. Uma discussão sobre a forma de definir bons e maus clientes será apresentada no Capítulo 2.
O objetivo dos modelos de credit scoring é prever, na data da decisão do crédito, a probabilidade de que o crédito, se concedido, incorra em perda para o credor. À probabilidade de isso ocorrer, ou seja, à probabilidade de perda em uma operação de crédito denominamos risco de crédito.
A estimativa dessa probabilidade é função das características do solicitante de crédito e da operação. Há várias formas de estimar essa probabilidade. Este livro trata da estimação do risco de crédito por meio de técnicas estatísticas e machine learning.
O credit score é uma medida do risco de crédito. Modelo de credit scoring é a denominação genérica dada no mercado para a fórmula de cálculo dos escores de crédito.
1 O fato de um cliente ficar inadimplente não o torna necessariamente um mau pagador. Como veremos, a definição de mau pagador ou bom pagador para o desenvolvimento de um modelo de escoragem é uma decisão que pode variar entre diferentes credores.
CAPÍTULO 2
PLANEJAMENTO E DEFINIÇÕES
2.1 OBJETIVO DO ESTUDO
As primeiras etapas do desenvolvimento de modelos de credit scoring são importantes para o sucesso do projeto. A alta direção do credor, especialmente da área de crédito, necessita definir uma série de parâmetros e objetivos que orientarão o desenvolvimento do modelo. Essa responsabilidade não pode ser delegada. Há casos em que a equipe ou o analista de crédito responsável pelo desenvolvimento do modelo assumem essa responsabilidade. O risco é que quando chega o momento de implantar o modelo para o suporte à tomada de decisões (“a hora da verdade”), a alta direção frequentemente contesta algumas dessas definições e o modelo corre sérios riscos de não ser implantado ou de ter que ser refeito.
Inicialmente, deve-se definir claramente o escopo do projeto em termos dos objetivos que se espera alcançar, o tipo de operação de crédito a que se destinam as análises, mercado-alvo etc.; para facilitar essa tarefa, elencamos algumas das perguntas a responder antes de começar o projeto.
Qual é o tipo de risco (probabilidade de perda) que queremos avaliar:
• O risco cliente – a probabilidade de perda associada a um solicitante de crédito, independentemente da operação a ser realizada? ou
• O risco operação – a probabilidade de perda associada a uma determinada operação de crédito quando realizada por esse solicitante?
Para o financiamento ou empréstimo cujo risco vamos avaliar:
• O produto se destina a pessoas físicas (PF) ou jurídicas (PJ)?
• É um tipo de operação já realizada pelo credor ou é um novo tipo de operação para a qual não há informações históricas?
CAPÍTULO 3
IDENTIFICAÇÃO DAS
VARIÁVEIS PREVISORAS
3.1 VARIÁVEIS DISCRIMINADORAS POTENCIAIS
A eficácia de um modelo de credit scoring depende diretamente das informações utilizadas para avaliar os riscos dos clientes e das operações. A escolha correta dessas informações é o principal segredo para a obtenção de um bom modelo.
Inicialmente identificamos um conjunto de variáveis previsoras que acreditamos ter potencial para discriminar bons e maus pagadores. Vamos denominá-las variáveis (discriminadoras) potenciais. Essas variáveis serão posteriormente analisadas e convenientemente transformadas para poder utilizá-las na determinação da fórmula de escoragem. A identificação das variáveis potenciais é um misto de experiência em análise de crédito, experiência em desenvolvimento de modelos de credit scoring e um pouco de arte. Para identificar as variáveis é fundamental formar uma equipe multidisciplinar, reunindo conhecimentos de crédito e da política de crédito da empresa credora, do produto a ser financiado, do público-alvo, das bases de dados disponíveis na empresa e da cultura do credor (o que pode ser utilizado?).
Uma forma de iniciar a identificação das variáveis potenciais é analisando as bases de dados disponíveis. Ao analisar essas variáveis podem surgir ideias de combinar duas ou mais delas para gerar uma nova variável que pareça muito interessante.
Em muitas empresas os dados dos clientes e das operações podem estar registrados em diferentes bases de dados; há que se estar atento, pois é comum que apenas uma parte dos dados disponíveis seja apresentada à equipe de modelagem; poucos analistas conhecem todo o complexo sistema de armazenamento das informações.
Ao identificar as variáveis, a equipe deve ter em mente, de forma clara, o objetivo que se espera alcançar com o credit scoring e, principalmente, a definição operacional de
CAPÍTULO 4
AMOSTRAGEM E COLETA DE DADOS
4.1 AMOSTRAGEM
O modelo de escoragem é desenvolvido a partir de uma amostra de clientes que tomaram crédito no passado. Este capítulo trata da seleção dessa amostra e da qualidade dos dados da amostra selecionada.
Hoje, devido aos recursos computacionais disponíveis, muitos analistas trabalham com toda a base de dados disponível na instituição credora. Desenvolver um modelo de credit scoring com os softwares estatísticos usuais a partir de uma amostra de centenas de milhares de clientes não é problema. No entanto, ainda que trabalhemos com toda a base de dados, devemos observar que, em geral, ela representa apenas uma amostra do mercado-alvo do credor.
4.1.1 UNIDADE
AMOSTRAL
Os elementos a serem amostrados poderão ser clientes ou operações de crédito. Quando o objetivo é o cálculo do risco cliente, nossa unidade amostral será o cliente, independentemente das operações realizadas com o credor. Significa que para formar a amostra sorteamos parte dos clientes da base de dados.
Nossa unidade amostral será uma operação de crédito quando o objetivo for avaliar o risco de um cliente realizando esse tipo específico de operação. Os elementos da amostra serão sorteados utilizando-se, por exemplo, o número do contrato de crédito para essa operação. Um cliente que tenha realizado mais de uma operação desse tipo poderá ser selecionado mais de uma vez. Suas características cadastrais, desabonos e outras informações, que devem ser medidas na data da análise do crédito, poderão ser
CAPÍTULO 5 ANÁLISE DOS DADOS
5.1 INTRODUÇÃO
Ao d esenvolver um modelo de credit scoring , por mais avançadas que sejam as técnicas utilizadas para obter o modelo, nada substitui a sensibilidade ganha pela análise exploratória dos dados. É importante que o analista conheça o comportamento de cada variável e tenha uma clara noção do perfil dos clientes que compõem a amostra.
Após a coleta de dados, para o desenvolvimento do modelo de credit scoring, devemos:
• verificar se os dados foram coletados corretamente, ou seja, se correspondem às especificações definidas pelo cientista de dados;
• analisar as características de cada variável individualmente;
• entender a relação entre as variáveis e, principalmente, as diferenças de comportamento entre bons e maus pagadores.
Neste capítulo, analisaremos cada variável individualmente; no capítulo seguinte, analisaremos a relação entre as variáveis.
Além das muitas técnicas e softwares existentes para análise de dados, nada substitui o Teorema de Zoyowsky, ou seja, simplesmente olhar (“zoiar”) os dados para senti-los e identificar eventuais problemas.
O programa Python utilizado neste capítulo, via colab, pode ser obtido no link a seguir: https://github.com/LAREDO18/CS/blob/main/CS_cap5.ipynb
CAPÍTULO 6 ANÁLISES BIVARIADAS
6.1 INTRODUÇÃO
Neste capítulo vamos analisar a relação entre duas variáveis. O interesse maior é na relação de cada variável preditora com a variável Status que caracteriza o cliente como bom ou mau.
Os objetivos da análise bivariada são:
• Analisar potencial discriminador de uma variável preditora
• Analisar e refinar a categorização de variáveis
• Identificar comportamentos estranhos ou inesperados de uma variável
• Identificar correlações entre as variáveis preditoras
O programa Python utilizado neste capítulo, via colab, pode ser obtido no link a seguir: https://github.com/LAREDO18/CS/blob/main/CS_cap6.ipynb
Este programa contém os códigos seguintes:
# Código 6.1: Criando o dataframe kim
# Código 6.2: Tabela de contingência RESID x STATUS
# Código 6.3: Tabela de contingência TMP_RESID x STATUS e Fusão de Classes
# Código 6.4: Tabela de contingência ESCOLARIDADE x STATUS
# Código 6.5: Tabela de contingência ESTCIV x STATUS
# Código 6.6: Tabela de contingência NATUREZA x STATUS
MODELO ESTATÍSTICO: REGRESSÃO LOGÍSTICA
7.1 INTRODUÇÃO
Após concluir a análise bivariada e finalizar a transformação das variáveis, estamos prontos para iniciar o desenvolvimento do modelo de credit scoring. Hoje, há várias metodologias estatísticas e de machine learning para determinarmos as regras de escoragem para os solicitantes de crédito.
Inicialmente, por motivos didáticos, trataremos a técnica estatística de regressão logística, provavelmente a mais utilizada nos primeiros projetos de credit scoring e, ainda hoje, muito utilizada. Ela é muito conveniente para ilustrar os diferentes conceitos que serão vistos nos capítulos seguintes.
A regressão logística além de conduzir a bons resultados, tem como principal vantagem sobre as técnicas de machine learning a facilidade de comparar a importância de cada variável e seu impacto no valor do escore de crédito. Em nossa experiência, os gestores de crédito têm receio em adotar métodos de escoragem quando não entendem qual o peso de cada variável efetivamente utilizada no cálculo do escore.1 Este entendimento nem sempre é simples com quase todos os algoritmos de machine learning , apesar do surgimento de várias formas de contornar essa dificuldade.2 As fórmulas ou, em geral, os algoritmos para cálculo dos escores são denominadas modelos de credit scoring.
1 Afinal, perante a direção geral do credor, a responsabilidade da operação de crédito é dele e não do cientista de dados. O Autor ouviu de um gestor de crédito a expressão “bonitinho, mas o pescoço é o meu...”.
2 O campo de XAI – Explainable Artificial Intelligence, que busca formas de interpretar os resultados de técnicas de machine learning tem crescido muito na última década.
CAPÍTULO 8
MODELOS DE MACHINE LEARNING
8.1 INTRODUÇÃO
Ao obter o modelo de escoragem com regressão logística forçamos o algoritmo a calcular a probabilidade de ser mau pagador obedecendo a um determinado modelo matemático. No caso de machine learning, como o próprio nome indica, o algoritmo “aprende” a diferenciar os bons e maus pagadores analisando os dados e estabelecendo relações entre a variável alvo (STATUS) e as variáveis preditoras.
Dentre as muitas técnicas de machine learning existentes vamos ilustrar a obtenção do modelo de escoragem utilizando duas técnicas: Random Forest e XGBoost. No capítulo seguinte, vamos comparar a eficiência de cada uma destas técnicas e da regressão logística para selecionar o melhor modelo para a classificação da Kimsport.
Uma desvantagem das técnicas de machine learning é o fato de serem, em geral, “caixas pretas”. Diferentemente da regressão logística, não sabemos o peso de cada variável no cálculo do escore. Isto dificulta a aceitação do modelo pelo gestor de crédito, que se sente inseguro ao utilizá-lo para tomada de decisões. Felizmente, a ciência avançou muito para suprir essa deficiência. Hoje é possível recorrer a diferentes formas de ordenar, de acordo com critério pré-determinado, a importância de cada preditora na classificação de crédito fornecida pelo algoritmo de machine learning.
O programa Python utilizado neste capítulo, via colab, pode ser obtido no link a seguir: https://github.com/LAREDO18/CS/blob/main/CS_cap8.ipynb este programa contém os códigos seguintes:
# Código 8.0: Bibliotecas e programas
# Código 8.1: Criando o dataframe kim
CAPÍTULO 9
ANÁLISE E VALIDAÇÃO
DA FÓRMULA DE ESCORAGEM
9.1
INTRODUÇÃO
A validação do modelo de credit scoring consiste nas etapas seguintes:1
• Análise do modelo pelos analistas de crédito.
• Análise visual da distribuição de bons e maus pagadores por classes de frequência
• Análise estatística do poder discriminador do modelo : verificar a capacidade do modelo de separar (classificar) corretamente bons e maus pagadores.
• Análise estatística da calibração do modelo: verificar se as probabilidades estimadas com o modelo são realmente boas estimativas das probabilidades de bons e maus pagadores
• Correção das probabilidades estimadas quando o modelo não está calibrado
O programa Python utilizado neste capítulo, via colab, pode ser obtido no link a seguir: https://github.com/LAREDO18/CS/blob/main/CS_cap9.ipynb
Este programa contém os códigos seguintes:
# Código 9-0: Bibliotecas e programas
# Código 9.1: Distribuição de STATUS em cada classe de y_pred_prob / caso REG LOG
# Código 9.2: Curvas para cálculo de KS para REG LOG
1 Estas são as análises básicas que devem ser feitas. Os analistas de credit scoring poderão complementá-las com outras análises de interesse.
CAPÍTULO 10 TOMADA DE DECISÃO:
PONTOS DE CORTE E CLASSES DE RISCO
10.1 ESCORE DE CRÉDITO (SCR)
Ao implantar um sistema de escoragem de crédito costuma-se associar a cada cliente um escore de crédito, aqui denotado por SCR, que nada mais é que uma função da probabilidade pbp do cliente ser bom pagador. Neste texto, vamos adotar a transformação seguinte: o escore SCR será o valor arredondado de (pbp*1000). Por exemplo, se a pmp estimada pelo algoritmo for igual a 0,1843, então pbp = 1-0,1843 = 0,8157 e SCR= 816. Note-se que quanto maior a estimativa de pmp fornecida pelo modelo, menor será o escore SCR do solicitante de crédito.
Algumas instituições de crédito adotam uma transformação diferente de pbp. Por exemplo, para evitar um SCR muito baixo, que poderia ser considerado como ofensivo, transformam linearmente a pbp de forma que o escore mínimo seja igual a 500 e o máximo igual 1000.
Qualquer que seja a transformação linear de pbp, em nada afetará os conceitos que serão apresentados a seguir.
O programa Python utilizado neste capítulo, via colab, pode ser obtido no link a seguir: https://github.com/LAREDO18/CS/blob/main/CS_cap10.ipynb
Este programa contém os códigos seguintes:
# Código 10.0: Bibliotecas e programas
# Código 10.1: Métricas para o modelo REG LOG
APERFEIÇOANDO O MODELO
11.1 UTILIZAÇÃO DAS INFORMAÇÕES DOS PROPONENTES RECUSADOS ( REJECT INFERENCE )
Ao desenvolver um modelo de credit scoring baseamo-nos em clientes aprovados anteriormente pelo credor, utilizando um critério que pode ter sido um modelo de credit scoring ou um modelo puramente julgamental. Vamos denominar esse critério modelo anterior. Para simplificar nossa discussão, admitamos que todos os clientes aprovados (A) pelo modelo anterior efetivaram seus contratos de crédito e, portanto, podem ser classificados como bons ou maus. Não vamos considerar clientes cujos crédito foram aprovados mas não realizaram a operação.
Como um modelo de credit scoring se destina a avaliar todos os proponentes potenciais, ele deve basear-se nos bons e maus clientes do mercado e não apenas nos clientes anteriormente aprovados pelo credor. Os clientes aprovados pelo modelo anterior não constituem uma amostra representativa dos proponentes que serão escorados pelo novo modelo. Uma amostra do mercado potencial a que se destina o novo modelo de credit scoring deve incluir os proponentes que foram recusados (R) anteriormente. Representamos isso na Figura 11.1. As aspas indicam proponentes recusados, classificados utilizando as técnicas de inferência de recusados (Reject inference). Se forem considerados como bons pagadores (serão denotados como “bons” e denominados pseudo bons) ou como “maus” (serão denotados como “maus” e denominados pseudo maus).
CAPÍTULO 12
IMPLANTAÇÃO DO MODELO
12.1 INTRODUÇÃO
A implantação de um modelo deve ser cuidadosamente planejada e supervisionada para evitar erros que possam comprometer a eficácia do sistema de escoragem. A implantação de um modelo de credit scoring não se limita à programação do cálculo do escore por um computador. Devemos criar um Sistema de Apoio à Decisão de Crédito (SADC) para:
• Proceder ao cálculo e guarda dos escores e da classificação de risco dos proponentes;
• No caso de créditos aprovados, registrar as características da operação (limites, taxas, número de parcelas etc.). Essas características variam em função do escore do cliente e da política de crédito predeterminada pelo credor;
• Reunir as informações que permitam emitir relatórios periódicos para monitorar a estabilidade do perfil do mercado e identificar eventuais alterações (vide Capítulo 13);
• Reunir as informações que permitam emitir relatórios para acompanhar o desempenho do modelo de escoragem ao longo do tempo e das políticas de crédito, e verificar se os objetivos para os quais o modelo foi desenvolvido estão sendo alcançados.
O SADC – Sistema de Apoio à Decisão de Crédito será discutido com mais detalhes na Seção 12.4
12.2 FILTROS
DE CRÉDITO
São restrições à concessão de crédito determinadas pelos gestores de crédito. Essas restrições devem ser definidas antes de iniciar o desenvolvimento do projeto, pois
CAPÍTULO 13
GESTÃO E MONITORAMENTO DO MODELO
13.1 INTRODUÇÃO
Para garantir o bom funcionamento de um modelo de credit scoring ao longo do tempo é necessário que ele seja monitorado continuamente. Muitas vezes esse monitoramento ou não é realizado (caso mais frequente) ou não é feito de maneira adequada. É possível encontrar modelos obsoletos ou operando com falhas, e que continuam sendo utilizados para a tomada de decisão de crédito. Além de conduzir a decisões equivocadas, seu mau desempenho acaba minando a confiança na utilização de modelos de escoragem.
A gestão do modelo de credit scoring envolve três grandes atividades:
• Auditorias periódicas do processo;
• Monitoramento da estabilidade populacional;
• Monitoramento do poder preditivo.
Para cada uma dessas atividades, devemos definir o que, como e quando fazer e, principalmente, quais as ações corretivas quando detectamos problemas.
13.2 AUDITORIA
As atividades de auditoria da operação do modelo e do sistema de decisão devem, em princípio, verificar se:
• As especificações (definições operacionais) para as variáveis estão sendo respeitadas, quer na aquisição dos dados, quer na sua adequação para uso na fórmula de escoragem;
Este livro, fruto da longa experiência do autor, é um texto obrigatório para todos aqueles que se dedicam à avaliação do risco de crédito, uma vez que:
• descreve minuciosamente as diferentes etapas para desenvolver um modelo de credit scoring, desde o planejamento do modelo até a avaliação de sua eficácia;
• discute as principais dificuldades de sua implantação;
• destaca a importância do monitoramento do sistema, apresentando os principais testes estatísticos para esse fim e sugerindo relatórios para acompanhamento do desempenho do credit scoring;
• apresenta diferentes técnicas de machine learning para calcular o risco de crédito e inclui os respectivos códigos em Python.
A obra pode ser adotada em cursos de análise de crédito, especialmente aqueles que valorizem a mensuração do risco de crédito como elemento central para a tomada de decisões.
Material de apoio em:
