Íntegra do artigo

33
Validação de
Sistemas Internos
de Classificação 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 redação completa mais recente, de junho de 2006,
apresenta uma série de requisitos que devem
ser satisfeitos por um sistema interno de classificação de risco (ou IRRS, sigla em inglês de
Internal Risk Rating System) que, em muitos casos é baseado, pelo menos parcialmente em um modelo estatístico, que chamaremos aqui de modelo de rating. Estaremos
ao longo deste artigo utilizando esses termos como sinônimos, já que estaremos focando em exemplos de IRRS que são pelo menos parcialmente modelos estatísticos.
The latest full draft of
the Basel II Accord, dated June
2006, contains several requirements and internal risk rating
system (IRRS) must meet. These
models are often at least partly based on statistical models,
which we will refer to as rating models. The terms will be
used synonymously in this paper, given that we will address IRRS examples that at
are at least partly statistical.
Palavras chave: Modelo de Rating, IRSS (Internal Risk Rating System), Classificação de Risco
Keywords: Rating Model, IRRS (Internal Risk Rating System), Risk Rating
Alguns desses requisitos são prescritivos, como por exemplo, as quantidades de níveis (mínimo) de classificação de risco. Outros
são mais subjetivos e deixados para a interpretação das IFs e de seus supervisores, tais como
a necessidade de provar a estabilidade dos modelos, a adequação da filosofia de ratings, ou
ainda a robustez da metodologia.
Tentaremos abordar alguns desses
aspectos sob a ótica de validação, visto que
a unidade responsável por tal atividade, interna à Instituição Financeira, deverá estabelecer critérios para avaliar tanto os requisitos prescritivos e objetivamente quantificados quanto os aspectos mais subjetivos e
qualitativos.
Inicialmente, devemos subdividir a validação em seus dois componentes principais:
1. Validação do sistema de rating (IRRS)
propriamente dito e das estimativas que ele
produz para o parâmetro de risco a que ele foi
projetado para prever, seja um modelo de PD
(Probabilty of Default), de LGD (Loss Given Default) ou de EAD (Exposure at Default).
Some of these requirements are
prescriptive, such as the (minimum) number 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 philosophy’s adequacy, or the methodology’s robustness.
We will attempt to address some
of these aspects from the angle of validation, since the Financial Institution’s
unit responsible for this activity will have
to establish the criteria do evaluate both
prescriptive and objectively qualified requirements 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 produces concerning the risk parameter it is
designed to predict, whether it may be for
PD (Probability of Default), LGD (Loss Given Default), or EAD (Exposure at Default).
35
2. Validação do processo de classificação de risco (rating), ou a qualidade dos procedimentos subjacentes à implantação do IRRS.
A validação do IRRS por sua vez desdobra-se em duas partes:
1.1 – Validação do projeto do IRRS
1.2 – Validação das estimativas dos parâmetros de risco
O diagrama a seguir ilustra os vários componentes do trabalho de validação de IRRSs:
Validação interna
pelo banco
2. Validation of the risk rating process, or the quality of the procedures underlying IRRS deployment.
IRRS validation, in turn, is further
divided into two elements:
1.1 – IRRS design validation
1.2 – Risk parameter estimates validation
The chart next illustrates the various
components of the IRRS validation effort:
Avalia
Exame dos
Evaluates
supervisores
Internal validation
Supervisory
by individual bank
examination
Validação do
Validação do
sistema de rating
processo de rating
Validation of
Validation of
rating system
rating process
Projeto do modelo
Componentes de risco
Risk compoments
Model design
Backtesting
PD
Qualidade
Relatórios e solução
Uso interno pelos
dos dados
de problemas
gestores de crédito
Reporting and
Internal use by
problem handling
credit officers
Data quality
Benchmarking
LGD
EAD
A validação do projeto do IRRS baseado em modelos estatísticos inclui várias etapas, como, por exemplo:
• A adequação da filosofia de rating e a
robustez da metodologia utilizada, incluindo os
Validation of a statistical modelbased IRRS design comprehends several
stages, such as:
• Adequacy of the rating philosophy and the robustness of the selected
36
conceitos fundamentais (também chamados
de pontos-chave);
• Avaliação qualitativa da técnica estatística de modelagem;
• A relevância e representatividade
das amostras de dados;
• A temporalidade do histórico dos
dados utilizados (se abrangem os períodos
mínimos exigidos pelo Acordo, se incluem
um ciclo econômico ou um ciclo de crédito
(mais sobre esses conceitos adiante).
Já a validação das estimativas dos
parâmetros de risco passa por pelo menos
duas etapas, basicamente:
• O backtesting, que implica o uso de
métodos estatísticos para comparar as estimativas dos valores previstos pelo modelo
para um determinado parâmetro de risco, digamos a PD, com os valores efetivamente realizados em um determinado período.
• Os testes de estresse, que visam
verificar o comportamento do modelo quando as variáveis de input por ele utilizadas são
forçadas a valores que refletem uma situação macroeconômica de estresse. A idéia é
a de assegurar que o modelo consiga prever
adequadamente o aumento da PD nessas situações (a chamada “PD estressada”).
• O benchmarking, que é essencialmente a comparação dos parâmetros previstos pelo modelo com parâmetros previstos por modelos similares (para carteiras e
pools de composição semelhante) fornecidos por modelos internos (de outras IFs controladas pelo mesmo grupo) ou externos (de
agências, bureaux, etc.).
A validação do processo de classificação de risco envolve, por seu lado:
• Avaliação da qualidade dos dados
utilizados
• Como os problemas, desvios e inconsistências são reportados
methodology, including key concepts (also
referred to as key points);
• Qualitative evaluation of the statistical modeling technique;
• The relevance and representativeness 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 estimates, in turn, involves at least two
stages, which are, essentially:
• Backtesting, which implies
using statistical models to compare the
estimated values predicted by the model for a certain risk parameters, such as
PD, with the actual figures observed in
a certain period.
• Stress tests, which aim to verify the model’s behaviors when the input variables it uses are increased to reflect an economic stress situation. The
idea is to make sure that the model can
properly predict the increase in PD under such circumstances (the so-called
“stressed PD”).
• Benchmarking, which is essentially a comparison of the parameters predicted by the model with those
predicted by similar models (for similar
portfolios and pools) as provided by internal (from other FIs in the same conglomerate) or external (agencies, bureaux, etc.) models.
Finally, validating the risk rating
process involves:
• Evaluating the quality of the
data used
• How problems, deviations and
inconsistencies are reported
37
• Como o IRRS é utilizado para as tomadas de decisão de crédito (comprovação ou
“teste” de uso).
Sobre a Adequação da
Filosofia de Rating e da
Metodologia Utilizada
No caso de modelos de PD, que é o que
estaremos abordando neste artigo, as duas filosofias de rating consideradas pela totalidade
das Ifs são a PIT (Point in Time) e a TTC (Through the Cycle).
A primeira utiliza nos seus modelos variáveis de input que refletem mais a situação econômica do momento e tendem a exibir grandes variações de PD em fases diferentes do ciclo econômico (booms e recessões). As IFs preferem IRRSs
com filosofias PIT para estimativas de PD e também precificação de carteiras de varejo, especialmente de créditos rotativos, os chamados QRRE
(Qualified Revolving Retail Exposures), como cheque
especial e cartões de crédito.
Já a filosofia TTC tende a utilizar mais
dados comportamentais que refletem o desempenho dos clientes ao longo de um ciclo de crédito, sendo menos sensíveis a flutuações dos
indicadores macroeconômicos. As IFs preferem esse tipo de filosofia para as estimativas
de PD e precificação de carteiras de atacado.
As duas filosofias podem ser misturadas em um mesmo modelo híbrido? Em tese
isso deve ser evitado, já que pode gerar problemas de estabilidade do modelo. Entretanto, um
“uso com moderação” (literalmente) de modelos com tal hibridização pode ser aceito, desde
que sejam aplicados fatores de ajuste aos componentes TTC para refletir um efeito recessivo/
expansivo macroeconômico, harmonizando-os
com os componentes PIT do mesmo modelo.
Outro cuidado que deve ser tomado é o de tratar adequadamente as correlações de PDS (vide
paper de Ozdemir and Miu – 2005).
• 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 philosophies FIs consider are PIT (Point in
Time) and TTC (Through the Cycle).
The former uses input variables
that reflect the current economic situation and tend to show great PD variations
between different phases of the economic cycle (booms and recessions). FIs prefer PIT IRRSs to price and estimate the
PD of retail portfolios, especially the socalled 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 macro-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 “moderate use” (in the literal sense) of such hybrid models may be accepted, as long as
adjustment factors apply to the TTC elements to reflect macro-economic retraction/expansion effects and attune them
to the model’s PIT elements. Special attention must be given to the proper treatment of correlations (see paper authored
by Ozdemir and Miu – 2005).
38
Pela natureza da evolução temporal
de suas variáveis de input, o uso de ratings
Point in Time geralmente agrega devedores
com mesma PD não estressada, enquanto o
uso de ratings Through the Cycle geralmente agrega devedores com mesma PD estressada.
Ainda com relação às filosofias de rating, o comportamento de ratings PIT e TTC,
tanto nas previsões em cenários normais com
nas de cenário estressado pode ser bem entendido nos gráficos abaixo (fonte Working
Paper 14 do BCBS: “Studies on the Validation
of Internal Rating Systems”), que mostram a
evolução dos ratings de um cliente hipotético
ao longo do tempo.
Gráfico 1 PIT
Chart 1 PIT
Due to the nature of the temporal evolution of the relevant input variables, the use of Point in Time ratings
usually groups obligors with similar nonstressed PDs, while Through the Cycle
ratings usually group together those with
similar stressed PDs.
Also as regards rating philosophies, the behavior of PIT and TTC
ratings in ordinary and stressed forecasts can be understood based on the
charts below (from BCBS Working Paper: “Studies on the Validation of Internal Rating Systems”), which show
the evolution of a hypothetical customer over time.
39
PIT: Durante a fase de boom (expansão) do ciclo econômico, a PD não estressada diminui, portanto o rating do cliente aumenta. Durante a parte recessiva do ciclo
econômico, o comportamento se inverte. Já
a PD estressada flutua sem que haja mudança de rating.
PIT: During economic cycle
booms (expansions), the non-stressed
PD drops and the client’s rating rises.
The behavior reverses during the recessive portion of the cycle. The stressed
PD, in turn, fluctuates without a change
of rating.
Gráfico 2 TTC
Chart 2 TTC
TTC: O rating do cliente flutua à medida que sua PD estressada varia durante o seu
ciclo de negócios, mas é relativamente insensível aos períodos de expansão e recessão do ciclo econômico.
Um resumo do comportamento dos
ratings PIT e TTC durante o ciclo econômico
pode ser obtido na tabela abaixo:
TTC: A client’s rating fluctuates
as his or her stressed PD varies during
the business cycle, but is relatively insensitive to economic cycle booms and
recessions.
The table next summarizes the behavior of PIT and TTC ratings during the
economic cycle:
40
Tabela 1 Correlação entre grupos de PD e o ciclo de negócios
Propriedades dos PDs
dos devedores
Filosofia de Rating
Point in Time
Through the Cycle
Não estressado
Estável
Negativo
Estressado
Positivo
Estável
 Table 1 Correlation of pooled PDs with the business cycle
Properties of obligor PDs
Rating philosophy
Point in Time
Through the Cycle
Unstressed
Stable
Negative
Stressed
Positive
Stable
Outros aspectos metodológicos
Além da questão da filosofia de rating,
devem ser verificados, durante a validação, os
seguintes aspectos:
Consistência da amostra utilizada na
modelagem: Verifica se o desempenho do modelo (capacidade discriminatória e acurácia da
previsão) se mantém quando selecionamos várias amostras diferentes (e de tamanhos distintos) dentro da mesma carteira/pool.
Estabilidade do modelo: Verifica a variação da capacidade do modelo em prever corretamente à medida que o tempo passa durante o ciclo de crédito e novos dados são incluídos na base
(novos clientes, mudanças nos valores dos inputs
relativos a clientes já existentes, etc.).
Outros aspectos metodológicos igualmente importantes são os conceitos que estão na
base das definições de algumas das variáveis de
input bem como no próprio output (os diferentes
valores da escala de ratings). Entre eles temos:
• A definição de default, que deve seguir os conceitos de Basileia II (vide Acordo ou
Additional methodological aspects
In addition to the rating philosophy, a validation must review the following
aspects:
Consistency of the modeling sample: Checks whether the model’s performance (discrimination and predictive accuracy) is maintained when different samples (and different sample sizes) are selected within the same category/pool.
Model stability: Checks the model’s ability to correctly predict as time
passes over the course of the credit cycle and new data enter the base (new clients, changes in input values for existing
clients, etc.).
Other equally important methodological aspects are the concepts that lie
at the foundation of the input variables, as
well as of the output itself (the different rating scale values). These include:
• The definition of default, which
must comply with Basel II concepts (see the
41
ainda o Comunicado 18.365/09 do BACEN para
mais detalhes).
• As definições de ciclo econômico (relativo a variáveis macroeconômicas), ciclo de crédito (ligado aos ciclos de demanda e oferta de crédito pela Indústria Financeira, e que nem sempre
coincidem com o ciclo econômico) e ciclo de negócios, que está mais ligado ao ciclo da atividade
de um cliente (corporativo no caso) ou a do segmento no qual ele atua (ou ainda em segmentos
relacionados na mesma cadeia produtiva).
Outro aspecto metodológico a ser validado é o da integridade do IRRS especialmente
no caso do uso concomitante de modelos estatísticos, ratings externos (que podem ser usados
como inputs mas não como outputs) e critérios julgamentais, tudo dentro de um IRRS híbrido. Embora tal uso seja permitido e até bastante comum,
especialmente para carteiras de atacado em subsegmentos de PME, o uso indiscriminado e metodologicamente descuidado pode gerar tanto problemas de consistência quanto de estabilidade do
sistema de classificação de risco.
Validação das Estimativas
dos Parâmetros de Risco
Iniciando pelo backtesting, o objetivo da
comparação com dados realizados visa medir a
capacidade preditiva e discriminatória do modelo. Várias técnicas podem ser utilizadas, e os detalhes de cada uma transcendem o escopo de um
artigo introdutório. Vamos limitar-nos aqui a listálas, solicitando ao leitor que recorra à bibliografia
relacionada ao final desta matéria para detalhes
de utilização e escopo de aplicação.
• Taxa de acurácia (matriz de adesão)
• Curva ROC (especificidade versus
sensitividade do modelo)
• Gráfico KS (Kolmogorov-Smirnov)
• Taxa de Erro Bayesiana
• Score de Brier
Alguns exemplos:
Accord, or Comunicado 18.365/09 of the Central Bank of Brazil for additional details).
• The definitions of economic cycle (concerning macro-economic variables),
credit cycle (linked to Financial Industry’s
credit supply and demand, which do not
always coincide with the economic cycle)
and business cycle, which is more closely
connected with a (corporate) client’s activity cycle, or to that of the segment in which
the client operates (or segments associated
with the same production chain).
Another methodological aspect to validate 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 subsegments, indiscriminate and methodologically 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 measure a model’s ability to predict and discriminate. Several techniques may be used and their
particulars are beyond the scope of an introductory 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 Adesão
“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
1499
Total
440
520
539
Prop de verdadeiros positivos
1,0
0,9962
0,9944
0,0021
Prop de falsos positivos
0,0
0,0031
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
1499
Total
440
520
539
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 execução de benchmarking visa verificar o quanto o modelo se ajusta a previsões
de modelos externos, ou internos de carteiras
similares.
O resultado é normalmente resumido
em uma matriz de transição, no caso mais conhecida como matriz de divergências.
The purpose of benchmarking is to
determine the model’s fit to external model
predictions, or those of internal models for
similar portfolios.
The results are usually summarized as a transition matrix, also know, in
this case, as divergence matrix.
Ratings
nº de
Internos
contratos
AA+
AAA
x1
4
2
2
x 12
8
7
1
x 13
5
W1
14
W 12
16
W 13
19
Y1
19
Y 12
21
Y 13
28
z1
27
D-
D+
CC
CCC-
CCC
CCC+
B-
B
B+
BB-
BB
BB+
BBB-
2
A+
AA-
3
15
6
1
3
18
5
1
2
1
4
3
1
k1
7
2
4
1
9
1
13
10
1
a1
4
4
a 12
0
2
2
2
6
2
4
k 12
3
6
1
k 13
12
9
1
2
1
12
3
3
4
1
13
1
4
1
1
11
2
A
1
1
12
220
A-
1
z 12
Totais
BBB+
AA
3
z 13
a 13
BBB
1
4
1
2
1
1
1
1
2
2
1
0
0
0
0
0
0
5
2
14
10
7
14
30
25
25
19
20
19
6
8
10
6
D-
D+
CC
CCC-
CCC
CCC+
B-
B
B+
BB-
BB
BB+
BBB-
BBB
BBB+
A-
A
A+
AA-
AA
Internal
#
Ratings
contracts
AA+
AAA
x1
4
2
2
x 12
8
7
1
x 13
5
1
1
W1
14
W 12
16
W 13
19
Y1
19
3
2
12
3
1
1
12
1
3
9
6
21
1
1
13
6
28
2
3
15
6
1
z1
27
3
18
5
1
2
1
11
12
1
3
1
4
3
1
4
1
k1
7
2
4
1
k 12
13
9
1
2
k 13
10
1
a1
4
4
a 12
0
a 13
2
Totals
220
0
0
0
0
0
0
5
2
2
2
14
A utilização de ratings externos com
inputs nos modelos é aceita desde que se comprove ao supervisor que tais variáveis não são dominantes sobre os resultados das estimativas da
PD, e conseqüentemente do rating final.
7
4
2
1
1
1
19
20
1
2
10
2
1
Y 12
z 12
4
1
Y 13
z 13
4
14
2
1
30
25
25
19
6
8
10
6
The use of external ratings as model
inputs is accepted, as long as evidence is provided to the oversight authority that these variables are not predominant in PD estimate outputs and, consequently, in the final rating.
44
Com Relação ao Histórico de
Dados das Variáveis Utilizadas
pelo IRRS
A referência oficial mais atual nesse caso
é o Comunicado 18.365 do BACEN de 22/04/2009
sobre orientações preliminares (pontos-chave),
cujos trechos pertinentes relacionamos a seguir:
“Parágrafo 26: Os períodos mínimos de
cobertura dos dados nas abordagens IRB, exceto durante o período de transição, para emprego
das referidas abordagens são os seguintes:
I - para as exposições classificadas na
categoria “varejo”, as estimativas dos parâmetros PD, LGD e EAD devem considerar dados relativos, no mínimo, aos cinco anos anteriores;
II - para as exposições classificadas na
categoria “participações societárias”, as estimativas do parâmetro PD empregadas na abordagem PD/LGD devem considerar dados relativos, no mínimo, aos cinco anos anteriores;
III - para as demais exposições as estimativas do parâmetro PD devem considerar dados
relativos, no mínimo, aos cinco anos anteriores e
as estimativas dos parâmetros LGD e EAD devem
considerar dados relativos, no mínimo, aos sete
anos anteriores, compreendendo, preferencialmente, um ciclo econômico completo.
Os períodos mínimos de cobertura dos
dados nas abordagens IRB, exceto durante o
período de transição, para emprego das referidas abordagens são os seguintes:
I - para as exposições classificadas na
categoria “varejo”, as estimativas dos parâmetros PD, LGD e EAD devem considerar dados relativos, no mínimo, aos cinco anos anteriores;
II - para as exposições classificadas na
categoria “participações societárias”, as estimativas do parâmetro PD empregadas na abordagem PD/LGD devem considerar dados relativos, no mínimo, aos cinco anos anteriores;
III - para as demais exposições as estimativas do parâmetro 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, except foer the duration of the transition period, for the purposes of the use of said approaches, are as follows:
I - for exposures in the “retail” category, the estimates for PD. LGD and EAD
parameters must take account of data covering the five preceding years at least;
II - for exposures in the “stockholdings” 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 parameter 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 preceding 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” category, the estimates for PD. LGD and EAD
parameters must take account of data covering the five preceding years at least;
II - for exposures in the “stockholdings” category, PD parameter estimates
used in the PD/LGD approach must take
account of data covering the five preceding
years at least;
45
Autor/Author
dados relativos, no mínimo, aos cinco anos anteriores e as estimativas dos parâmetros LGD
e EAD devem considerar dados relativos, no
mínimo, aos sete anos anteriores, compreendendo, preferencialmente, um ciclo econômico completo.”
Em síntese, todo o processo de validação deve seguir as premissas básicas do
acordo, considerando também as melhores
práticas de mercado, as metodologias mais
ampla e profundamente testadas, bem como
as técnicas estatísticas de desenvolvimento
e testes mais aceitas e difundidas na Indústria Financeira.
III - for other exospores, PD parameter 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 preceding years at least, preferably to comprehend
a full economic cycle.”
In sum, the entire validation process
must abide by the basic assumptions of the
Accord, and take account of best practices,
the most broadly and comprehensively tested methodologies, and the most accepted and
disseminated statistical development and testing techniques in the Financial Industry.
Carlos Antonio Campos Nogueira
É graduado em Física (PUC - RJ) e é Mestre em Astrofísica e Partículas Elementares (Centro Brasileiro de Pesquisas Físicas CBPF/CNPQ). Líder de prática na área de consultoria de TI, tem 27 anos de experiência contínua, tendo atendido mais de 40
empresas em cerca de 70 projetos. É Sócio-Diretor e fundador da empresa IntelliSearch. E-mail [email protected]
Is a Physics graduate (PUC - RJ) and holds a Master’s degree in Astrophysics and Elementary Particles (Centro Brasileiro de Pesquisas
Físicas - CBPF/CNPQ). As a practice leader in IT consultancy, he has 27 years’ continues experience, having provided services to over 40
Bibliografia/Bibliography
companies in close to 70 projects. He is managing partner and founder of IntelliSearch. E-mail [email protected]
Acordo de Basileia “International Convergence of Capital Measurement and Capital Standards: A Revised Framework - Comprehensive Version” (versão de junho de 2006): http://www.bis.org/publ/bcbs128.pdf
Comunicado 18.365 do BACEN de 22/04/2009 sobre orientações preliminares (pontos-chave) para a implantação de
modelos internos de risco de crédito.
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 Adesão e a Curva ROC foram obtidas a partir de um modelo construído com base no NeuroShell Classifier, da Ward Systems.