8
Fidelizao e Reteno de Clientes:
Uma Aplicao de Modelos de
Mistura com Longa Durao
Building Loyalty and Retaining Clients: An
Application of Long-Term Mixed Models
Francisco Louzada-Neto
Daniele Cristina Tita Granzotto
Gleici da Silva Castro Perdon
Modelagem em Portflios de Baixa
Proporo de Defaults (LDPs)
Modeling for Low Default
Portfolios (LDPs)
Carlos Eduardo Hirth Pimentel
Validao de Sistemas Internos de
Classificao de Riscos (Modelos de Rating)
dentro de um Contexto de Basilia II
Validating Internal Risk Rating
Models in a Basel II Context
Carlos Antonio Campos Nogueira
Crdito e Internacionalizao:
Um Processo em Crescimento
Credit and Internationalization:
A Growing Process
Frederico Araujo Turolla
Ronald de Oliveira Concer
Este artigo discute a aplicao de modelos de sobrevivncia com longa durao a
conjunto de dados de tempos at o churning. Com o modelo ajustado, determina-se
a percentagem de clientes que podem ser considerados fidelizados.
This paper discusses the application of long-term survival models to a dataset addressing ti-
me-to-churn. With the adjusted model, we can determine the percentage of clients that can
be deemed loyal.
20
O problema de estimao de PDs (Probabilidade de Defaults) em portflios de crdi-
to cuja ocorrncia de defaults seja escassa ou at mesmo inexistente abordado nes-
te artigo. A modelagem em portflios com essas caractersticas comumente deno-
minada LDP (Low Default Portflio).
The purpose of this paper is to introduce and treat the problem of estimating PD (Probabili-
ty of Default) in credit portfolios where defaults are scarce or even absent. Modeling in por-
tfolios with these characteristics is often called LDP (Low Default Portfolio) modeling.
33
Nos modelos de PD, abordados no artigo, as filosofias de rating consideradas pela to-
talidade das IFs so a PIT e a TTC. A PIT utiliza nos seus modelos variveis de input
que refletem mais a situao econmica do momento e a TTC tende a utilizar da-
dos comportamentais que espelham o desempenho dos clientes ao longo de um ci-
clo de crdito.
In the PD models the paper analyzes, all FIs adopt the PIT and TTC rating philosophies.
PIT models use input variables that best reflect the economy at a certain moment, while
TTC tends to use behavioral data that mirror client performance over the course of a cre-
dit cycle.
46
H vrias motivaes para uma empresa tornar-se transnacional. Entre estas, est a
busca de novos mercados, o acesso a recursos naturais, o aumento de eficincia por
ganhos de escala ou de escopo e a reduo de custos transacionais com a integra-
o de atividades de fornecimento ou de processos complementares.
Several motivations may lead a company to become a transnational. They include the pur-
suit of new markets,access to natural resources, increased efficiency through scale or sco-
pe gains and reduced transaction costs with the integration of procurement activities or
complementary processes.
 33

Validao de
Sistemas Internos
de Classificao de
Riscos (Modelos
de Ratings) dentro
de um Contexto de
Basileia II
Validating Internal Risk Rating
Models in a Basel II Context

Carlos Antonio Campos Nogueira

34
O Acordo de Basileia II, na sua reda-
o completa mais recente, de junho de 2006,
apresenta uma srie de requisitos que devem
ser satisfeitos por um sistema interno de clas-
sificao de risco (ou IRRS, sigla em ingls de
Internal Risk Rating System) que, em mui-
tos casos baseado, pelo menos parcialmen-
te em um modelo estatstico, que chamare-
mos aqui de modelo de rating. Estaremos
ao longo deste artigo utilizando esses ter-
mos como sinnimos, j que estaremos fo-
cando em exemplos de IRRS que so pelo me-
nos parcialmente modelos estatsticos.
Palavras chave: Modelo de Ra-
ting, IRSS (Internal Risk Rating Sys-
tem), Classificao de Risco
Alguns desses requisitos so prescriti-
vos, como por exemplo, as quantidades de n-
veis (mnimo) de classificao de risco. Outros
so mais subjetivos e deixados para a interpre-
tao das IFs e de seus supervisores, tais como
a necessidade de provar a estabilidade dos mo-
delos, a adequao da filosofia de ratings, ou
ainda a robustez da metodologia.
Tentaremos abordar alguns desses
aspectos sob a tica de validao, visto que
a unidade responsvel por tal atividade, in-
terna Instituio Financeira, dever esta-
belecer critrios para avaliar tanto os requi-
sitos prescritivos e objetivamente quantifi-
cados quanto os aspectos mais subjetivos e
qualitativos.
Inicialmente, devemos subdividir a vali-
dao em seus dois componentes principais:
1. Validao do sistema de rating (IRRS)
propriamente dito e das estimativas que ele
produz para o parmetro de risco a que ele foi
projetado para prever, seja um modelo de PD
(Probabilty of Default), de LGD (Loss Given De-
fault) ou de EAD (Exposure at Default).
The latest full draft of
the Basel II Accord, dated June
2006, contains several require-
ments and internal risk rating
system (IRRS) must meet. These
models are often at least part-
ly based on statistical models,
which we will refer to as rat-
ing models. The terms will be
used synonymously in this pa-
per, given that we will ad-
dress IRRS examples that at
are at least partly statistical.
Keywords: Rating Mod-
el, IRRS (Internal Risk Rat-
ing System), Risk Rating
Some of these requirements are
prescriptive, such as the (minimum) num-
ber of risk rating levels. Others are more
subjective and left to the interpretation of
FIs and their regulators, such as the need
to prove model stability, the rating philos-
ophys adequacy, or the methodologys ro-
bustness.
We will attempt to address some
of these aspects from the angle of vali-
dation, since the Financial Institutions
unit responsible for this activity will have
to establish the criteria do evaluate both
prescriptive and objectively qualified re-
quirements and more subjective and
qualitative ones.
Let us first subdivide validation into
its two main components:
1. Validation of the rating system
(IRRS) proper and of the estimates it pro-
duces concerning the risk parameter it is
designed to predict, whether it may be for
PD (Probability of Default), LGD (Loss Giv-
en Default), or EAD (Exposure at Default).
 35

2. Validao do processo de classifica- 2. Validation of the risk rating pro-

o de risco (rating), ou a qualidade dos proce- cess, or the quality of the procedures un-
dimentos subjacentes implantao do IRRS. derlying IRRS deployment.
A validao do IRRS por sua vez des- IRRS validation, in turn, is further
dobra-se em duas partes: divided into two elements:
1.1 Validao do projeto do IRRS 1.1 IRRS design validation
1.2 Validao das estimativas dos pa- 1.2 Risk parameter estimates val-
rmetros de risco idation
O diagrama a seguir ilustra os vrios com- The chart next illustrates the various
ponentes do trabalho de validao de IRRSs: components of the IRRS validation effort:

Avalia
Validao interna Exame dos
Evaluates
pelo banco supervisores
Internal validation Supervisory
by individual bank examination

Validao do Validao do
sistema de rating processo de rating
Validation of Validation of
rating system rating process

Qualidade Relatrios e soluo Uso interno pelos

Projeto do modelo Componentes de risco dos dados de problemas gestores de crdito
Model design Risk compoments Reporting and Internal use by
Data quality
problem handling credit officers

Backtesting Benchmarking

PD LGD EAD

A validao do projeto do IRRS base- Validation of a statistical model-

ado em modelos estatsticos inclui vrias eta- based IRRS design comprehends several
pas, como, por exemplo: stages, such as:
A adequao da filosofia de rating e a Adequacy of the rating philos-
robustez da metodologia utilizada, incluindo os ophy and the robustness of the selected
36
conceitos fundamentais (tambm chamados
de pontos-chave);
Avaliao qualitativa da tcnica es-
tatstica de modelagem;
A relevncia e representatividade
das amostras de dados;
A temporalidade do histrico dos
dados utilizados (se abrangem os perodos
mnimos exigidos pelo Acordo, se incluem
um ciclo econmico ou um ciclo de crdito
(mais sobre esses conceitos adiante).
J a validao das estimativas dos
parmetros de risco passa por pelo menos
duas etapas, basicamente:
O backtesting, que implica o uso de
mtodos estatsticos para comparar as es-
timativas dos valores previstos pelo modelo
para um determinado parmetro de risco, di-
gamos a PD, com os valores efetivamente re-
alizados em um determinado perodo.
Os testes de estresse, que visam
verificar o comportamento do modelo quan-
do as variveis de input por ele utilizadas so
foradas a valores que refletem uma situa-
o macroeconmica de estresse. A idia idea is to make sure that the model can
a de assegurar que o modelo consiga prever
adequadamente o aumento da PD nessas si-
tuaes (a chamada PD estressada).
O benchmarking, que essencial-
mente a comparao dos parmetros pre-
vistos pelo modelo com parmetros previs-
tos por modelos similares (para carteiras e
pools de composio semelhante) forneci-
dos por modelos internos (de outras IFs con-
troladas pelo mesmo grupo) ou externos (de
agncias, bureaux, etc.).
A validao do processo de classifi-
cao de risco envolve, por seu lado:
Avaliao da qualidade dos dados
utilizados
Como os problemas, desvios e in-
consistncias so reportados
methodology, including key concepts (also
referred to as key points);
Qualitative evaluation of the sta-
tistical modeling technique;
The relevance and representa-
tiveness of data samples;
The time aspect of the relevant
data histories (whether they comprehend
the minimum periods the Accord requires,
whether they include an economic or credit
cycle more on these concepts ahead).
Validation of risk parameter es-
timates, in turn, involves at least two
stages, which are, essentially:
Backtesting, which implies
using statistical models to compare the
estimated values predicted by the mod-
el for a certain risk parameters, such as
PD, with the actual figures observed in
a certain period.
Stress tests, which aim to ver-
ify the models behaviors when the in-
put variables it uses are increased to re-
flect an economic stress situation. The
properly predict the increase in PD un-
der such circumstances (the so-called
stressed PD).
Benchmarking, which is es-
sentially a comparison of the parame-
ters predicted by the model with those
predicted by similar models (for similar
portfolios and pools) as provided by in-
ternal (from other FIs in the same con-
glomerate) or external (agencies, bu-
reaux, etc.) models.
Finally, validating the risk rating
process involves:
Evaluating the quality of the
data used
How problems, deviations and
inconsistencies are reported

Como o IRRS utilizado para as to-
madas de deciso de crdito (comprovao ou
teste de uso).
Sobre a Adequao da
Filosofia de Rating e da
Metodologia Utilizada
No caso de modelos de PD, que o que
estaremos abordando neste artigo, as duas fi-
losofias de rating consideradas pela totalidade
das Ifs so a PIT (Point in Time) e a TTC (Throu-
gh the Cycle).
A primeira utiliza nos seus modelos vari-
veis de input que refletem mais a situao econ-
mica do momento e tendem a exibir grandes va-
riaes de PD em fases diferentes do ciclo econ-
mico (booms e recesses). As IFs preferem IRRSs
com filosofias PIT para estimativas de PD e tam-
bm precificao de carteiras de varejo, especial-
mente de crditos rotativos, os chamados QRRE
(Qualified Revolving Retail Exposures), como cheque
especial e cartes de crdito.
J a filosofia TTC tende a utilizar mais
dados comportamentais que refletem o desem-
penho dos clientes ao longo de um ciclo de cr-
dito, sendo menos sensveis a flutuaes dos
indicadores macroeconmicos. As IFs prefe-
rem esse tipo de filosofia para as estimativas
de PD e precificao de carteiras de atacado.
As duas filosofias podem ser mistura-
das em um mesmo modelo hbrido? Em tese
isso deve ser evitado, j que pode gerar proble-
mas de estabilidade do modelo. Entretanto, um
uso com moderao (literalmente) de mode-
los com tal hibridizao pode ser aceito, desde
que sejam aplicados fatores de ajuste aos com-
ponentes TTC para refletir um efeito recessivo/
expansivo macroeconmico, harmonizando-os
com os componentes PIT do mesmo modelo.
Outro cuidado que deve ser tomado o de tra-
tar adequadamente as correlaes de PDS (vide
paper de Ozdemir and Miu 2005).
37
How the IRRS is used to
make credit decisions (usage proof or
trial).
On the Adequacy of the
Rating Philosophy and of
the Selected Methodology
For PD models, which are the
subject of this paper, the two rating phi-
losophies FIs consider are PIT (Point in
Time) and TTC (Through the Cycle).
The former uses input variables
that reflect the current economic situa-
tion and tend to show great PD variations
between different phases of the econom-
ic cycle (booms and recessions). FIs pre-
fer PIT IRRSs to price and estimate the
PD of retail portfolios, especially the so-
called QRREs (Qualified Revolving Retail
Exposures), such as overdraft limits and
credit cards.
The TTC philosophy, in its
turn, tends to used behavioral data
that reflect how clients perform over
the course of a credit cycle, and are
less subject to the fluctuations of mac-
ro-economic indicators. FIs prefer this
philosophy to price and estimate the
PD of wholesale portfolios.
Can the two philosophies be
mixed in a hybrid model? In theory, this
should be avoided, since it may lead to
model stability issues. However moder-
ate use (in the literal sense) of such hy-
brid models may be accepted, as long as
adjustment factors apply to the TTC ele-
ments to reflect macro-economic retrac-
tion/expansion effects and attune them
to the models PIT elements. Special at-
tention must be given to the proper treat-
ment of correlations (see paper authored
by Ozdemir and Miu 2005).
38
Pela natureza da evoluo temporal
de suas variveis de input, o uso de ratings
Point in Time geralmente agrega devedores
com mesma PD no estressada, enquanto o
uso de ratings Through the Cycle geralmen-
te agrega devedores com mesma PD estres-
sada.
Ainda com relao s filosofias de ra-
ting, o comportamento de ratings PIT e TTC,
tanto nas previses em cenrios normais com
nas de cenrio estressado pode ser bem en-
tendido nos grficos abaixo (fonte Working
Paper 14 do BCBS: Studies on the Validation
of Internal Rating Systems), que mostram a
evoluo dos ratings de um cliente hipottico
ao longo do tempo.
Grfico 1 PIT
Chart 1 PIT
Due to the nature of the tempo-
ral evolution of the relevant input vari-
ables, the use of Point in Time ratings
usually groups obligors with similar non-
stressed PDs, while Through the Cycle
ratings usually group together those with
similar stressed PDs.
Also as regards rating philos-
ophies, the behavior of PIT and TTC
ratings in ordinary and stressed fore-
casts can be understood based on the
charts below (from BCBS Working Pa-
per: Studies on the Validation of In-
ternal Rating Systems), which show
the evolution of a hypothetical custom-
er over time.

PIT: Durante a fase de boom (expan-
so) do ciclo econmico, a PD no estressa-
da diminui, portanto o rating do cliente au-
menta. Durante a parte recessiva do ciclo
econmico, o comportamento se inverte. J
a PD estressada flutua sem que haja mudan-
a de rating.
Grfico 2 TTC
Chart 2 TTC
TTC: O rating do cliente flutua medi-
da que sua PD estressada varia durante o seu
ciclo de negcios, mas relativamente insens-
vel aos perodos de expanso e recesso do ci-
clo econmico.
Um resumo do comportamento dos
ratings PIT e TTC durante o ciclo econmico
pode ser obtido na tabela abaixo:
39
PIT: During economic cycle
booms (expansions), the non-stressed
PD drops and the clients rating rises.
The behavior reverses during the reces-
sive portion of the cycle. The stressed
PD, in turn, fluctuates without a change
of rating.
TTC: A clients rating fluctuates
as his or her stressed PD varies during
the business cycle, but is relatively in-
sensitive to economic cycle booms and
recessions.
The table next summarizes the be-
havior of PIT and TTC ratings during the
economic cycle:
40
Tabela 1 Correlao entre grupos de PD e o ciclo de negcios
Propriedades dos PDs
dos devedores Point in Time
No estressado Estvel
Estressado Positivo
Table 1 Correlation of pooled PDs with the business cycle
Properties of obligor PDs
Point in Time
Unstressed Stable
Stressed Positive
Outros aspectos metodolgicos
Alm da questo da filosofia de rating,
devem ser verificados, durante a validao, os
seguintes aspectos:
Consistncia da amostra utilizada na
modelagem: Verifica se o desempenho do mo-
delo (capacidade discriminatria e acurcia da
previso) se mantm quando selecionamos v-
rias amostras diferentes (e de tamanhos distin-
tos) dentro da mesma carteira/pool.
Estabilidade do modelo: Verifica a varia-
o da capacidade do modelo em prever correta-
mente medida que o tempo passa durante o ci-
clo de crdito e novos dados so includos na base
(novos clientes, mudanas nos valores dos inputs
relativos a clientes j existentes, etc.).
Outros aspectos metodolgicos igual-
mente importantes so os conceitos que esto na
base das definies de algumas das variveis de
input bem como no prprio output (os diferentes
valores da escala de ratings). Entre eles temos:
A definio de default, que deve se-
guir os conceitos de Basileia II (vide Acordo ou
Filosofia de Rating
Through the Cycle
Negativo
Estvel
Rating philosophy
Through the Cycle
Negative
Stable
Additional methodological aspects
In addition to the rating philoso-
phy, a validation must review the following
aspects:
Consistency of the modeling sam-
ple: Checks whether the models perfor-
mance (discrimination and predictive ac-
curacy) is maintained when different sam-
ples (and different sample sizes) are select-
ed within the same category/pool.
Model stability: Checks the mod-
els ability to correctly predict as time
passes over the course of the credit cy-
cle and new data enter the base (new cli-
ents, changes in input values for existing
clients, etc.).
Other equally important method-
ological aspects are the concepts that lie
at the foundation of the input variables, as
well as of the output itself (the different rat-
ing scale values). These include:
The definition of default, which
must comply with Basel II concepts (see the

ainda o Comunicado 18.365/09 do BACEN para
mais detalhes).
As definies de ciclo econmico (rela-
tivo a variveis macroeconmicas), ciclo de crdi-
to (ligado aos ciclos de demanda e oferta de cr-
dito pela Indstria Financeira, e que nem sempre
coincidem com o ciclo econmico) e ciclo de ne-
gcios, que est mais ligado ao ciclo da atividade
de um cliente (corporativo no caso) ou a do seg-
mento no qual ele atua (ou ainda em segmentos
relacionados na mesma cadeia produtiva).
Outro aspecto metodolgico a ser vali-
dado o da integridade do IRRS especialmente
no caso do uso concomitante de modelos esta-
tsticos, ratings externos (que podem ser usados
como inputs mas no como outputs) e critrios jul-
gamentais, tudo dentro de um IRRS hbrido. Em-
bora tal uso seja permitido e at bastante comum,
especialmente para carteiras de atacado em sub-
segmentos de PME, o uso indiscriminado e meto-
dologicamente descuidado pode gerar tanto pro-
blemas de consistncia quanto de estabilidade do
sistema de classificao de risco.
Validao das Estimativas
dos Parmetros de Risco
Iniciando pelo backtesting, o objetivo da
comparao com dados realizados visa medir a
capacidade preditiva e discriminatria do mode-
lo. Vrias tcnicas podem ser utilizadas, e os de-
talhes de cada uma transcendem o escopo de um
artigo introdutrio. Vamos limitar-nos aqui a list-
las, solicitando ao leitor que recorra bibliografia
relacionada ao final desta matria para detalhes
de utilizao e escopo de aplicao.
Taxa de acurcia (matriz de adeso)
Curva ROC (especificidade versus
sensitividade do modelo)
Grfico KS (Kolmogorov-Smirnov)
Taxa de Erro Bayesiana
Score de Brier
Alguns exemplos:
41
Accord, or Comunicado 18.365/09 of the Cen-
tral Bank of Brazil for additional details).
The definitions of economic cy-
cle (concerning macro-economic variables),
credit cycle (linked to Financial Industrys
credit supply and demand, which do not
always coincide with the economic cycle)
and business cycle, which is more closely
connected with a (corporate) clients activi-
ty cycle, or to that of the segment in which
the client operates (or segments associated
with the same production chain).
Another methodological aspect to val-
idate concerns the integrity of the IRRS in the
specific case of simultaneous use of statistical
models, external ratings (which may be used
as input, but not as output) and judgmental
criteria, all in a single hybrid IRRS. Although
this is permitted and actually rather common,
especially for wholesale portfolios in PME sub-
segments, indiscriminate and methodological-
ly careless use may generate both consistency
and stability issues for the risk rating system.
Validating Risk
Parameter Estimates
Starting with backtesting, the purpose
of comparison wi-th actual data aims to mea-
sure a models ability to predict and discrimi-
nate. Several techniques may be used and their
particulars are beyond the scope of an introduc-
tory paper. We will limit ourselves to listing them
and asking readers to review the recommended
literature at the end ot the article for additional
details on usage and application scope.
Accuracy rate (fit matrix)
ROC Curve (model specificity vs.
model sensitivity)
KS (Kolmogorov-Smirnov) Chart
Bayesian Error Rate
Brier Score
Some illustrative examples:
42

Matriz de Adeso

0 efetivo 2 efetivo 4 efetivo Total

Classificado como 0 440 0 0 440
Classificado como 2 0 518 3 521
Classificado como 4 0 2 536 538
Total 440 520 539 1499
Prop de verdadeiros positivos 1,0 0,9962 0,9944
Prop de falsos positivos 0,0 0,0031 0,0021
Prop de verdadeiros negativos 1,0 0,9969 0,9979
Prop de falsos negativos 0,0 0,0038 0,0056
Sensibilidade 100,0% 99,62% 99,44%
Especificidade 100,0% 99,69% 99,79%

Fit Matrix

Actual 0 Actual 2 Actual 4 Total

Classified as 0 440 0 0 440
Classified as 2 0 518 3 521
Classified as 4 0 2 536 538
Total 440 520 539 1499
True positive ratio 1.0 0.9962 0.9944
False positive ratio 0.0 0.0031 0.0021
True negative ratio 1.0 0.9969 0.9979
False negative ratio 0.0 0.0038 0.0056
Sensitivity 100.0% 99.62% 99.44%
Especificity 100.0% 99.69% 99.79%

Curva ROC
ROC Curve
 43

A execuo de benchmarking visa veri- The purpose of benchmarking is to

ficar o quanto o modelo se ajusta a previses determine the models fit to external model
de modelos externos, ou internos de carteiras predictions, or those of internal models for
similares. similar portfolios.
O resultado normalmente resumido The results are usually summa-
em uma matriz de transio, no caso mais co- rized as a transition matrix, also know, in
nhecida como matriz de divergncias. this case, as divergence matrix.

Ratings n de
D- D+ CC CCC- CCC CCC+ B- B B+ BB- BB BB+ BBB- BBB BBB+ A- A A+ AA- AA AA+ AAA
Internos contratos
x1 4 2 2
x 12 8 7 1
x 13 5 3 1 1
W1 14 4 4 4 2
W 12 16 1 1 12 2
W 13 19 2 1 1 12 3
Y1 19 1 3 9 6
Y 12 21 1 1 13 6
Y 13 28 2 3 15 6 1 1
z1 27 3 18 5 1
z 12 11 1 4 3 2 1
z 13 12 1 3 1 4 1 1 1
k1 7 2 4 1
k 12 13 9 1 2 1
k 13 10 1 2 2 2 2 1
a1 4 4
a 12 0
a 13 2
Totais 220 0 0 0 0 0 0 5 2 14 10 7 14 30 25 25 19 20 19 6 8 10 6

Internal #
D- D+ CC CCC- CCC CCC+ B- B B+ BB- BB BB+ BBB- BBB BBB+ A- A A+ AA- AA AA+ AAA
Ratings contracts
x1 4 2 2
x 12 8 7 1
x 13 5 3 1 1
W1 14 4 4 4 2
W 12 16 1 1 12 2
W 13 19 2 1 1 12 3
Y1 19 1 3 9 6
Y 12 21 1 1 13 6
Y 13 28 2 3 15 6 1 1
z1 27 3 18 5 1
z 12 11 1 4 3 2 1
z 13 12 1 3 1 4 1 1 1
k1 7 2 4 1
k 12 13 9 1 2 1
k 13 10 1 2 2 2 2 1
a1 4 4
a 12 0
a 13 2
Totals 220 0 0 0 0 0 0 5 2 14 10 7 14 30 25 25 19 20 19 6 8 10 6

A utilizao de ratings externos com The use of external ratings as model

inputs nos modelos aceita desde que se com- inputs is accepted, as long as evidence is pro-
prove ao supervisor que tais variveis no so do- vided to the oversight authority that these vari-
minantes sobre os resultados das estimativas da ables are not predominant in PD estimate out-
PD, e conseqentemente do rating final. puts and, consequently, in the final rating.
44
Com Relao ao Histrico de
Dados das Variveis Utilizadas
pelo IRRS
A referncia oficial mais atual nesse caso
o Comunicado 18.365 do BACEN de 22/04/2009
sobre orientaes preliminares (pontos-chave),
cujos trechos pertinentes relacionamos a seguir:
Pargrafo 26: Os perodos mnimos de
cobertura dos dados nas abordagens IRB, exce-
to durante o perodo de transio, para emprego
das referidas abordagens so os seguintes:
I - para as exposies classificadas na
categoria varejo, as estimativas dos parme-
tros PD, LGD e EAD devem considerar dados re-
lativos, no mnimo, aos cinco anos anteriores;
II - para as exposies classificadas na
categoria participaes societrias, as esti-
mativas do parmetro PD empregadas na abor-
dagem PD/LGD devem considerar dados rela-
tivos, no mnimo, aos cinco anos anteriores;
III - para as demais exposies as estima-
tivas do parmetro PD devem considerar dados
relativos, no mnimo, aos cinco anos anteriores e
as estimativas dos parmetros LGD e EAD devem
considerar dados relativos, no mnimo, aos sete
anos anteriores, compreendendo, preferencial-
mente, um ciclo econmico completo.
Os perodos mnimos de cobertura dos
dados nas abordagens IRB, exceto durante o
perodo de transio, para emprego das referi-
das abordagens so os seguintes:
I - para as exposies classificadas na
categoria varejo, as estimativas dos parme-
tros PD, LGD e EAD devem considerar dados re-
lativos, no mnimo, aos cinco anos anteriores;
II - para as exposies classificadas na
categoria participaes societrias, as esti-
mativas do parmetro PD empregadas na abor-
dagem PD/LGD devem considerar dados relati-
vos, no mnimo, aos cinco anos anteriores;
III - para as demais exposies as es-
timativas do parmetro PD devem considerar
On the Data Histories
for IRRS Variables
The latest official reference in
this case is Comunicado 18.365 from the
Central Bank of Brazil, issued on April
22nd, 2009, on preliminary guidelines
(key points), whose main elements are
listed next:
Paragraph 26: the minimum data
coverage periods for IRB approaches, ex-
cept foer the duration of the transition pe-
riod, for the purposes of the use of said ap-
proaches, are as follows:
I - for exposures in the retail cat-
egory, the estimates for PD. LGD and EAD
parameters must take account of data cov-
ering the five preceding years at least;
II - for exposures in the stockhold-
ings category, PD parameter estimates
used in the PD/LGD approach must take
account of data covering the five preceding
years at least;
III - for other exposures, PD param-
eter estimates must consider data covering
the five preceding years at least, and LGD
and EAD parameter estimates must take
account of data covering the seven preced-
ing years at least, preferably to comprehend
a full economic cycle.
Minimum data coverage periods
for IRB approaches, except for the duration
of the transition, periods, for the use of said
approaches, are as follows:
I - for exposures in the retail cat-
egory, the estimates for PD. LGD and EAD
parameters must take account of data cov-
ering the five preceding years at least;
II - for exposures in the stockhold-
ings category, PD parameter estimates
used in the PD/LGD approach must take
account of data covering the five preceding
years at least;
 45

dados relativos, no mnimo, aos cinco anos an- III - for other exospores, PD param-
teriores e as estimativas dos parmetros LGD eter estimates must consider data covering
e EAD devem considerar dados relativos, no the five preceding years at least, and LGD
mnimo, aos sete anos anteriores, compreen- and EAD parameter estimates must take
dendo, preferencialmente, um ciclo econmi- account of data covering the seven preced-
co completo. ing years at least, preferably to comprehend
Em sntese, todo o processo de vali- a full economic cycle.
dao deve seguir as premissas bsicas do In sum, the entire validation process
acordo, considerando tambm as melhores must abide by the basic assumptions of the
prticas de mercado, as metodologias mais Accord, and take account of best practices,
ampla e profundamente testadas, bem como the most broadly and comprehensively test-
as tcnicas estatsticas de desenvolvimento ed methodologies, and the most accepted and
e testes mais aceitas e difundidas na Inds- disseminated statistical development and test-
tria Financeira. ing techniques in the Financial Industry.
Autor/Author

Carlos Antonio Campos Nogueira

graduado em Fsica (PUC - RJ) e Mestre em Astrofsica e Partculas Elementares (Centro Brasileiro de Pesquisas Fsicas -
CBPF/CNPQ). Lder de prtica na rea de consultoria de TI, tem 27 anos de experincia contnua, tendo atendido mais de 40
empresas em cerca de 70 projetos. Scio-Diretor e fundador da empresa IntelliSearch. E-mail can@intellisearch.com.br

Is a Physics graduate (PUC - RJ) and holds a Masters degree in Astrophysics and Elementary Particles (Centro Brasileiro de Pesquisas
Fsicas - CBPF/CNPQ). As a practice leader in IT consultancy, he has 27 years continues experience, having provided services to over 40
companies in close to 70 projects. He is managing partner and founder of IntelliSearch. E-mail can@intellisearch.com.br
Bibliografia/Bibliography

Acordo de Basileia International Convergence of Capital Measurement and Capital Standards: A Revised Fra-
mework - Comprehensive Version (verso de junho de 2006): http://www.bis.org/publ/bcbs128.pdf

Comunicado 18.365 do BACEN de 22/04/2009 sobre orientaes preliminares (pontos-chave) para a implantao de
modelos internos de risco de crdito.

Working Paper 14 Studies on the Validation of Internal Rating Systems: http://www.bis.org/publ/bcbs_wp14.

pdf?noframes=1

Measuring and Managing Credit Risk Servigny and Renault (MC Graw Hill)

Basel II Implementation A Guide to Developing and Validating a Compliant, IRRS - Ozdemir, Miu (MC Graw Hill)

A Matriz de Adeso e a Curva ROC foram obtidas a partir de um modelo construdo com base no NeuroShell Clas-
sifier, da Ward Systems.