Análise de safra

Análise de safra é uma técnica de risco de crédito que agrupa os empréstimos pelo período em que foram originados e acompanha o desempenho de cada grupo por idade, em vez de pela data do calendário. Comparar coortes com o mesmo número de meses de carteira elimina a distorção causada pelo crescimento da carteira e revela mudanças na qualidade de crédito meses antes de os índices gerais de atraso se alterarem.

Principais conclusões

• Uma safra é uma coorte de empréstimos desembolsados no mesmo período — geralmente um mês ou um trimestre.
• O desempenho é medido por meses de carteira (MOB), de modo que um empréstimo com três meses de idade só é comparado com outros empréstimos com três meses de idade.
• Uma carteira em crescimento dilui automaticamente seu próprio índice de atraso, porque empréstimos jovens não tiveram tempo de se tornar inadimplentes. A análise de safra é a correção padrão para isso.
• O resultado é uma curva de safra: a taxa de inadimplência acumulada plotada contra o MOB, uma linha por coorte.
• Seus principais usos são a detecção precoce da deterioração do crédito, a avaliação de mudanças de política ou do scorecard, a comparação de canais e produtos e a estimativa de perdas ao longo da vida para modelos de perdas de crédito esperadas.

O que é análise de safra?

Todo empréstimo tem dois relógios. Um é o tempo do calendário — a data no extrato. O outro é a idade, ou há quanto tempo o empréstimo está em aberto. O risco de crédito segue o segundo relógio, não o primeiro. Um empréstimo desembolsado na semana passada não pode estar vencido há noventa dias; um empréstimo desembolsado há dois anos teve todas as oportunidades de se tornar inadimplente.

Os relatórios convencionais de carteira misturam os dois. Um índice como a carteira em risco acima de 30 dias é calculado sobre todos os empréstimos da carteira em uma determinada data, independentemente da idade. Esse número responde "como está a carteira agora?", o que é útil, mas não consegue responder "o que estamos originando hoje é melhor ou pior do que o que originamos no ano passado?". São perguntas diferentes, e somente a segunda indica se a sua política de crédito está funcionando.

A análise de safra responde à segunda pergunta mantendo a idade constante. Agrupe os empréstimos por mês de desembolso e meça cada grupo no MOB 3, no MOB 6, no MOB 12 e assim por diante. Toda comparação é de igual para igual.

Por que o crescimento esconde a má concessão de crédito

Esta é a falha específica que a análise de safra existe para evitar.

Um credor que dobra sua carteira a cada ano tem uma carteira em que a maioria dos empréstimos é jovem. Empréstimos jovens quase nunca ficam inadimplentes — não porque sejam bons, mas porque não tiveram tempo de se deteriorar. O denominador do índice de atraso cresce imediatamente, enquanto o numerador só responde com uma defasagem de vários meses.

O resultado é um índice de carteira em risco que permanece estável, ou até melhora, enquanto a qualidade da subscrição está desabando. Quando o crescimento desacelera, os empréstimos ruins acumulados aparecem de uma só vez e o índice se deteriora bruscamente, muitas vezes atribuído ao ambiente econômico em vez de às decisões de originação tomadas um ano antes.

A análise vintage torna isso visível enquanto ainda está acontecendo.

A tabela vintage

A saída padrão é um triângulo: coortes de originação nas linhas, meses em carteira nas colunas. O canto inferior direito da tabela está vazio porque as safras recentes ainda não envelheceram.

Taxa acumulada de atraso superior a 90 dias, por mês de originação e meses em carteira

• Janeiro: MOB 3: 0.8% | MOB 6: 2.1% | MOB 9: 3.4% | MOB 12: 4.0%
• Fevereiro: MOB 3: 0.9% | MOB 6: 2.3% | MOB 9: 3.6% | MOB 12: 4.2%
• Março: MOB 3: 1.1% | MOB 6: 2.8% | MOB 9: 4.3%
• Abril: MOB 3: 1.6% | MOB 6: 3.9%
• Maio: MOB 3: 2.1% | MOB 6: 4.8%
• Junho: MOB 3: 2.4%

Leia qualquer coluna de cima para baixo. No MOB 3, a taxa de inadimplência triplicou entre janeiro e junho. No MOB 6, mais que dobrou entre janeiro e maio. Algo mudou no negócio por volta de março ou abril — um afrouxamento de política, um novo canal, um mudança no corte do scorecard, uma quadrilha de fraude ou uma nova agência integrando tomadores frágeis.

Agora considere o que a taxa de atraso no nível da carteira teria mostrado no mesmo período. Se a carteira estivesse crescendo rapidamente, muito pouco. Os 4.8% da safra de maio no MOB 6 não aparecem totalmente nos números principais até o fim do ano.

Lendo a tabela em três direções:

• Descendo uma coluna — compara coortes na mesma idade. Essa é a comparação que importa para a qualidade de crédito.
• Ao longo de uma linha — acompanha a maturação de uma coorte, mostrando como as perdas se acumulam com o tempo.
• Ao longo de uma diagonal — representa um único período de calendário, pois cada passo para a direita e para baixo avança um mês no tempo real. Padrões diagonais indicam um choque que afeta todas as coortes de uma vez, como um evento macroeconômico, uma interrupção na cobrança ou uma indisponibilidade no canal de pagamento.

Essa última distinção é importante para o diagnóstico. Um problema visível descendo as colunas tem origem na subscrição de crédito. Um problema visível ao longo de uma diagonal tem origem no ambiente ou na gestão da carteira, e afeta empréstimos que estavam saudáveis quando foram originados.

Curvas vintage

Traçar cada linha como uma curva — taxa acumulada de inadimplência no eixo vertical e MOB no eixo horizontal — produz o gráfico de curvas vintage que dá a essa técnica sua assinatura visual.

Well-behaved curves share a shape: steep early rise, then gradual flattening as the cohort seasons. The point at which the curve flattens is the maturation point, and it defines how long a cohort must be observed before its final loss rate can be estimated reliably. For short-term consumer and microloans this may be six to twelve months; for longer-term secured lending it can be several years.

Two properties of the curves carry meaning:

• Height — where the curve sits. A higher curve means a worse cohort at every age.
• Shape — how quickly it rises. Curves that rise very steeply in the first few months point to origination problems: fraud, misrepresented income, or borrowers who never intended to repay. Curves that stay low then deteriorate later point to affordability problems that emerge as circumstances change.

First payment default — a borrower missing the very first instalment — deserves separate tracking. It is almost never a credit event in the ordinary sense. It usually indicates fraud, identity misuse, a data error, or a loan officer originating loans the borrower never actually received.

What to measure

The technique is indifferent to which metric you track, and the choice should follow the question being asked.

• Cumulative % ever 30 / 60 / 90+ days past due: Early risk signal, available soonest.
• Cumulative default rate: Formal credit outcome defined by the lender's default definition.
• Cumulative net loss rate: Write-offs less recoveries — the true economic outcome.
• Point-in-time delinquency rate: Snapshot rather than cumulative; noisier but simpler.
• First payment default rate: Evaluates fraud and origination integrity.
• Prepayment / early settlement rate: Measures revenue impact and behavioural loan life for pricing models.

Two methodological choices matter more than they appear to:

Count-weighted or balance-weighted? Measuring by number of loans treats every borrower equally; measuring by disbursed amount reflects economic exposure. They can tell different stories when loan sizes vary widely — a cohort can look fine by count and terrible by value if the large loans are the ones failing. Report both where possible.

Which denominator? For cumulative loss rates, the denominator should be the original disbursed amount of the cohort, held constant. Using the current outstanding balance reintroduces exactly the distortion the technique is designed to remove, because the balance amortises down as good loans repay.

Onde a análise de safras é usada

Avaliação de política de crédito. A única maneira confiável de saber se uma mudança de política funcionou. Aperte um ponto de corte em março, e as safras de março em diante devem ficar abaixo das anteriores com MOB igual. Nada mais isola o efeito de forma tão limpa.

Monitoramento de scorecard. As curvas de safra separadas por faixa de score devem ser ordenadas e separadas. Se as faixas convergirem ou se cruzarem, o modelo perdeu poder discriminatório e precisa ser recalibrado.

Comparação entre canais, produtos e agências. As coortes segmentadas por canal de aquisição, agência, agente de crédito ou produto frequentemente revelam que o desempenho agregado é sustentado por um segmento forte enquanto outro está perdendo dinheiro.

Avaliação de campanhas e promoções. Os empréstimos concedidos sob uma ação promocional formam sua própria safra e podem ser avaliados em seus próprios termos, em vez de misturados à carteira.

Modelagem de perda de crédito esperada. As curvas de safra são um insumo empírico direto para a estimativa de perda ao longo da vida sob a IFRS 9, pois descrevem como as perdas surgem ao longo da vida de uma coorte.

Precificação e rentabilidade. A perda esperada ao longo da vida por segmento, obtida de curvas de safra maduras, é o componente de perda de um preço baseado em risco.

Previsão. As coortes imaturas podem ser projetadas para a frente aplicando o formato de curvas de safra maduras comparáveis, dando uma estimativa antecipada de onde uma safra recente terminará.

Como a análise de safras se compara a outras técnicas

• Análise de safras: Acompanha coortes de originação por idade. Melhor para comparar a qualidade da originação ao longo do tempo. Limitação: Exige que as coortes amadureçam.
• Análise de roll rate: Acompanha a movimentação entre faixas de inadimplência mês a mês. Melhor para previsão de cobrança de curto prazo. Limitação: Não reflete a qualidade da originação.
• Taxa de fluxo / matriz de transição: Avalia a probabilidade de mover-se entre estados de risco. Melhor para modelar a migração de curto prazo. Limitação: Pressupõe que as relações de transição permaneçam estáveis.
• Fotografia da carteira em risco: Mede toda a carteira em um único ponto no tempo. Melhor para avaliar a condição atual do portfólio. Limitação: Distorcida pelo crescimento do portfólio e por mudanças de composição.
• Análise de pool estático: Acompanha um pool fixo de contas ao longo do tempo. Melhor para securitização e desempenho do pool. Limitação: Conceitualmente idêntica à análise de safras com outro nome.

Essas técnicas são complementares. As taxas de roll rate dizem o que acontecerá no próximo mês; as curvas de safra dizem se os empréstimos que você está concedendo hoje valem a pena.

Dados e requisitos práticos

• Uma data de desembolso em cada empréstimo, imutável, que define o pertencimento à coorte de forma permanente. Um empréstimo nunca muda de safra, inclusive após reestruturação.
• Instantâneos de desempenho histórico, ou um histórico de transações completo o suficiente para reconstruir a situação de inadimplência de cada empréstimo em todos os finais de mês anteriores.
• Uma definição estável de "ruim" aplicada de forma idêntica em toda a série. Mudar a definição de default no meio da série invalida todas as comparações.
• Tamanho de coorte suficiente. Coortes pequenas produzem curvas ruidosas. Quando os volumes mensais forem baixos, agrupe em trimestres.
• Tratamento consistente de reestruturações e baixas contábeis. Um empréstimo reestruturado que deixa de ser reportado como inadimplente vai melhorar artificialmente a sua safra. Decida a regra, documente-a e aplique-a de forma consistente.
• Chaves de segmentação capturadas na originação — produto, canal, agência, gerente, faixa de score. Os segmentos não podem ser analisados retrospectivamente se os atributos nunca foram registrados.

Erros comuns

Comparar coortes imaturas a coortes maduras pelos seus valores finais. Uma coorte no MOB 4 sempre parecerá melhor do que uma no MOB 18. Apenas comparações com a mesma idade são válidas — essa é a essência do método e ainda é o erro mais comum.

Usar o saldo devedor como denominador. Reintroduz a distorção de crescimento. Mantenha constante o valor originalmente desembolsado.

Ignorar a mudança de mix. Uma coorte pode se deteriorar simplesmente porque sua composição mudou — mais de um produto mais arriscado, mais de um canal mais fraco — sem que nenhum segmento individual tenha piorado. Segmente antes de concluir que o underwriting piorou.

Ignorar a sazonalidade. No crédito agrícola e no crédito ligado a mensalidades escolares, as coortes originadas em meses diferentes enfrentam ambientes de pagamento genuinamente diferentes. Compare meses correspondentes entre anos, além de meses consecutivos.

Superinterpretar coortes pequenas. Alguns defaults em uma coorte pequena produzem variações percentuais dramáticas que não significam nada.

Parar no nível de portfólio. A curva agregada é a média de segmentos que podem estar se movendo em direções opostas.

Tratar um efeito diagonal como um problema de originação. Se todas as coortes se deterioram no mesmo mês-calendário, a causa é externa ou operacional, não de underwriting.