HIERARCHICAL DETERMINANTS OF DEFAULT IN REAL ESTATE FINANCING FOR INDIVIDUALS
DOI:
https://doi.org/10.14392/asaa.2021140202Abstract
Objectives: The objectives of the article are: (i) to identify the determinants of default of real estate financing and (ii) to verify the existence of influence of the individual context (bank branch) on default.
Method: The article studied 5,113 real estate financing contracts of individuals belonging to 1,448 branches of a national financial institution in force on September 30, 2019. Due to the multilevel character of the sample (level 1: individual and level 2: bank branch) and considering that the different bank branches present different levels of performance (in different indicators, including the percentage of defaulted real estate financing contracts), the multilevel logistic model was used to the detriment of the traditional logistic model.
Results: The multilevel logistic model was superior to the traditional logistic model (18.8% of the default probability variability refers to the bank branchlevel). The negatively significant characteristics of the individual are: age, length of relationship, receiving salary at the bank and higher education level, and the positively significant characteristics are: level of education up to elementary school and the financing/income ratio. The variables gender and marital status were not significant.
Contributions: The innovations of the article are: (a) the national coverage of the sample on default by individuals, (b) the use of two unprecedented variables and (c) the use of the multilevel logistic model. The identification that individuals with the same characteristics, however coming from different bank branches, have different probabilities of defaulting leads to the knowledge of academics and professionals in the area the recommendation of hierarchical modeling for the analysis of real estate credit.
Downloads
References
Albuquerque, P. H. M.; Medina, F. A. S.; & Silva, A. R. da. (2017). Regressão Logística Geograficamente Ponderada Aplicada a Modelos de Credit Scoring. Revista Contabilidade e Financas, 28(73), 93–112.
Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589–608.
Amorim Neto, A. A.; & Carmona, C. U. D. M. (2004). Modelagem do risco de crédito: Um estudo do segmento de pessoas físicas em um banco de varejo. REAd-Revista Eletrônica de Administração, 10(40), 1–23.
Arceneaux, K.; & Nickerson, D. W. (2009). Modeling certainty with clustered data: a comparison of methods. Political Analysis, 17(2), 177-190.
Backer, M.; & Gosman, M. L. (1978). Financial reporting and business liquidity. Nova Iorque: National Association of Accountants.
Beaver, W. H. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 4, 71–111.
Brito, G. A. S.; & Assaf Neto, A. (2008). Modelo de classificação de risco de crédito de empresas. Revista de Contabilidade e Finanças, 19(46), 18–29.
Caouette, J. B.; Altman, E. I.; Narayanan, P.; & Nimmo, R. W. J. (2009). Gestão do risco de crédito: O grande desafio dos mercados financeiros globais (2a ed.). Rio de Janeiro: Qualitymark.
Cleves, M.A. (2002). From the help desk: comparing areas under receiver operating characteristic curves from two or more probit or logit models. The Stata Journal, 2(3), 301-313.
Courgeau, D. (2003). Methodology and epistemology of multilevel analysis. London: Kluwer Academic Publishers.
Crespi Júnior, H.; Perera, L. C. J.; & Kerr, R. B. (2017). Gerenciamento do ponto de corte na concessão do crédito direto ao consumidor. Revista de Administração Contemporânea, 21(2), 269–285.
DeLong, E. R.; DeLong, D. M.; & Clarke-Pearson, D. L. (1988). Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics, 44(3), 837–845.
Elizabetsky, R. (1976). Um modelo matemático para decisões de crédito no banco comercial. (Dissertação de Mestrado) Departamento de Engenharia da Produção, Escola Politécnica da Universidade de São Paulo, São Paulo, SP, Brasil.
Fávero, L. P.; & Belfiore, P. (2017). Manual de análise de dados: estatística e modelagem multivariada com Excel®, SPSS® e Stata® (1a ed.). Rio de Janeiro: Elsevier.
Ferreira, M. A. M.; Celso, A. S. dos S.; & Barbosa Neto, J. E. (2012). Aplicação do modelo logit binominal na análise do risco de crédito em instituições bancárias. Revista de Negócios, 17(1), 41–59.
Ferreira, M. A. M.; Oliveira, L. M. de; Santos, L. M. dos; & Abrantes, L. A. (2011). Previsão de risco de crédito para definição do perfil de clientes de um banco de varejo. Revista de Negócios, 16(2), 47–64.
FitzPatrick, P. J. (1932). A comparison of ratios of successful industrial enterprises with those of failed firm. Certified Public Accountant, 6, 727–731.
Fundação João Pinheiro. (2018). Déficit Habitacional No Brasil 2015. In Estatísticas & Informações - Fundação João Pinheiro. Recuperado de http://www.fjp.mg.gov.br/index.php/indicadores-sociais/deficit-habitacional-no-brasil
Gouvêa, M. A.; Gonçalves, E. B.; & Mantovani, D. (2013). Análise de risco de crédito com o uso de regressão logística. Revista Contabilidade Vista & Revista, 10(20), 96–123.
Guimarães, I. A.; & Chaves Neto, A. (2002). Reconhecimento de padrões: metodologias estatísticas em crédito ao consumidor. RAE Eletrônica, 1(2), 1–14.
Hair Jr., J. F.; & Fávero, L. P. (2019). Multilevel modeling for longitudinal data: concepts and applications. RAUSP Management Journal, 54(4), 459-489.
Hitt, M. A.; Beamish, P. W.; Jackson, S. E.; & Mathieu, J. E. (2007). Building theoretical and empirical bridges across levels: multilevel research in management. Academy of Management Journal, 50, 1385-1399.
Jannuzzi, F. C. K. (2010). Um estudo sobre as variáveis que impactam a inadimplência no crédito concedido para projetos imobiliários (Dissertação de Mestrado). Universidade Estácio de Sá, Rio de Janeiro, RJ, Brasil.
Kanitz, S. C. (1978). Como prever falências. São Paulo: McGraw do Brasil.
Khudnitskaya, A. S. (2010). Improved Credit Scoring with Multilevel Statistical Modelling. (Tese de Doutorado). Universidade Técnica de Dortmund, Alemanha.
Locatelli, R. L.; Ramalho, W.; Silvério, R. A. de O.; & Afonso, T. (2015). Determinantes da inadimplência no crédito habitacional direcionado a classe média emergente brasileira. Revista de Finanças Aplicadas, 1(1), 1–30.
Lopes, M. G.; Ciribeli, J. P.; Massardi, W. D. O.; & Mendes, W. D. A. (2017). Análise dos indicadores de inadimplência nas linhas de crédito para pessoa física: um estudo utilizando modelo de regressão logística. Estudos Do CEPE, (46), 75–90.
Maciel, H. M.; & Maciel, W. M. (2017). Análise da Inadimplência Bancária: Um Estudo de Caso da Região Metropolitana de Fortaleza. Conexões - Ciência e Tecnologia, 11(3), 12–23.
Matias, A. B. (1978). Contribuição às técnicas de análise financeira: um modelo de concessão de crédito. (Dissertação de Mestrado). Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo, SP, Brasil.
Mathieu, J. E.; & Chen, G. (2011). The etiology of the multilevel paradigm in management research. Journal of Management, 37(2), 610-641.
Merwin, C. L. (1942). Financing small corporations in five manufacturing industries, 1926 - 1936. Nova Iorque: National Bureau of Economic Research Inc.
Pinto, E. G. F. (2015). Financiamento imobiliário no Brasil: Uma análise histórica compreendendo o período de 1964 a 2013, norteada pelo arcabouço teórico pós-keynesiano e evolucionário. Economia e Desenvolvimento, 27(2), 276–296.
Rabe-Hesketh, S.; & Skrondal, A. (2012). Multilevel and longitudinal modeling using Stata: categorical responses, counts, and survival (Vol. II) (3ª ed.). College Station: Stata Press.
Raudenbush, S.; & Bryk, A. (2002). Hierarchical linear models: applications and data analysis methods (2ª ed.). Thousand Oaks: Sage Publications.
Ritta, C. de O.; Gorla, M. C.; & Hein, N. (2015). Modelo de regressão logística para análise de risco de crédito em uma instituição de microcrédito produtivo orientado. Iberoamerican Journal of Industrial Engineering, 7(13), 103–122.
Securato, J. R. (2007). Crédito: análise e avaliação do risco - pessoas físicas e jurídicas. São Paulo: Saint Paul Institute of Finance.
Silva, J. P. (1982). Modelos para classificação de empresas com vistas a concessão de crédito. (Dissertação de Mestrado). Escola de Administração de Empresas de São Paulo. Fundação Getúlio Vargas, São Paulo, SP, Brasil.
Silva, J. P. (2016). Gestão e análise do risco de crédito (9a ed.). São Paulo: Cengage Learning.
Smith, R. F.; & Winakor, A. H. (1935). Changes in the financial structure of unsuccessful industrial corporations. Urbana: University of Illinois.
Sousa, Q. H.; Petri, S. M.; & Anjos, E. A. (2018). Análise dos fatores preditivos de risco para inadimplência dos cooperados em uma cooperativa de crédito. III Congresso de Contabilidade da UFRGS e III Congresso de Iniciação Científica em Contabilidade da UFRG, Porto Alegre, RS, Brasil, 3.
Steenbergen, M. R.; & Jones, B. S. (2002). Modeling multilevel data structures. American Journal of Political Science, 46(1), 218-237.
Tamari, M. (1966). Financial ratios as a means of forecasting bankruptcy. Management International Review, 6(4), 15–21.
Topa, L. E. (1979). La gestión de créditos. Barcelona: Ediciones de Palma.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Advances in Scientific and Applied Accounting
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Copyright for articles published in the ASAA Journal is held by the author, with first publication rights to the journal. By virtue of appearing in this publicly accessible journal, the articles are free to use, with their own attributions, in educational and non-commercial applications. The ASAA Journal will allow the use of published works for non-commercial purposes, including the right to submit the work to publicly accessible databases. Published articles are the authors' full and exclusive responsibility. There are no submission/publishing charges or fees for processing articles (APC).
