Análise de variáveis que possuem influência no risco de crédito de micro e pequenas empresas: um estudo empírico com 196 empresas clientes de uma agência bancária

Abstract

A avaliação de risco de crédito para as pessoas jurídicas, realizada pelos bancos brasileiros de acordo com a regulamentação do BACEN, não leva em consideração variáveis que possam, de um lado, minimizar o risco de crédito das MPE’s diante das instituições bancárias e, de outro, reduzir as taxas de juros praticadas para empresas destes portes. Com o sistema atual de análise de crédito, a exigência de garantias reais e as altas taxas de juros, quando comparadas às praticadas para as MGE’s, são os recursos utilizados pelos bancos para minimizar ou compensar o risco de crédito das MPE’s. Em contrapartida, a falta de garantia e os juros altos são os mais indicados pelas MPE’s como dificultadores na tomada de crédito. A falta de crédito é um dos motivos mais apontados pela MPE como responsável pela sua falência. Diante desta realidade, a pesquisa teve como objetivo avaliar variáveis, além das definidas pelo BACEN através da Resolução 2.682/1999, que possam ser levadas em consideração na análise e deferimento de crédito de Micro e Pequenas Empresas, o que poderia contribuir para uma avaliação de crédito customizada para estas empresas, uma vez que não há diferenciação no deferimento de crédito para as grandes ou pequenas empresas. As variáveis estudadas foram: (i) localização, (ii) tempo de constituição, (iii) natureza jurídica, (iv) tempo de relacionamento, (v) quantidade de dirigentes e (vi) registro cadastral da empresa; (vii) escolaridade, (viii) idade, (ix) tempo na empresa e (x) restrição cadastral do principal sóciodirigente. Para alcançar tal objetivo foi realizada uma pesquisa ex-post facto, a partir do estudo das características de 196 empresas tomadoras de crédito de uma agência bancária no período de 2008 a 2012. O método de análise e tratamento dos dados foi a regressão logística. Como resultado, concluiu-se que as variáveis analisadas por meio da regressão logística possuem poder preditivo sobre a probabilidade de inadimplência. O resultado da regressão logística foi de 85,7% da amostra classificada corretamente.