Motivação
No setor elétrico brasileiro, a presença do risco de crédito e contraparte é bastante significativa. Isso ocorre devido à falta de reporte de contratos a uma entidade central responsável pelo controle de alavancagem, o que torna esse risco praticamente ilimitado. Como resultado, quase todos os anos ocorrem eventos de inadimplência de empresas com um capital social inferior a 10 milhões, causando perdas múltiplas desse valor para o mercado. Diversas soluções são propostas para abordar esse problema, como a implementação de clearing, controle de alavancagem pela CCEE, alocação de margens, entre outras. No entanto, pouco progresso foi feito nessas discussões, e a realidade é que a maioria dos contratos futuros é negociada sem garantias, contando apenas com o registro contra pagamento.
Os custos gerados por essa situação vão além do valor perdido quando ocorre um evento de inadimplência contratual. O medo decorrente dessa possibilidade exige a criação de mecanismos internos de gestão de riscos em cada empresa, que avaliam com quem e em que medida podem negociar. Esses limites de risco criam restrições à competitividade, por aumentarem o tempo necessário para que novos participantes entrem no mercado, afetando assim a liquidez. Além disso, há restrições à criação de novos produtos e soluções, bem como à realização de negócios que em outras circunstâncias nem seriam questionados (por exemplo, uma arbitragem entre o primeiro trimestre e os meses de janeiro, fevereiro e março). Essa redução na liquidez resulta em um mercado muito menor do que poderia ser, limitando as oportunidades para todos os envolvidos.
Diante desse contexto, que considera a segurança de mercado como um bem comum, ao mesmo tempo, em que soluções ao nível de mercado global demoram a ser implementadas, propõe-se uma nova abordagem para enfrentar esse problema. Essa abordagem envolve a criação de um score de crédito interno, utilizando uma plataforma de interpretação de dados de PDF ou imagens (como balanços e demonstrações de resultados) e a conexão com bases de dados públicas sobre as contrapartes do portfólio. Isso permitirá uma nova visão do portfólio de contratos sob a perspectiva do crédito, possibilitando a análise de decisões pré e pós-negociação para entender como elas impactaram esse componente de risco. Além disso, será elaborada uma proposta de um novo produto de seguro que protege contra as perdas causadas pela inadimplência de uma contraparte.
Identificação do ponto crítico
Apesar dos esforços diligentes das empresas em analisar e vetar suas contrapartes comerciais; a falta de liquidez no setor elétrico frequentemente resulta em negociações desfavoráveis ou em parcerias com empresas que não possuem o status de crédito ideal (ou com as quais a empresa já possui uma exposição maior do que o desejado).
Além disso, existem limitações significativas na capacidade de avaliar os riscos de crédito nesse setor, pois os balanços financeiros das empresas refletem naturalmente múltiplos do patrimônio líquido, sem fornecer informações claras sobre a estrutura de fluxo de caixa de cada empresa. É importante ressaltar que as empresas do setor elétrico geralmente não enfrentam falências devido à natureza perdedora de seus contratos, mas sim devido à incapacidade de gerenciar adequadamente os fluxos de caixa para atender às suas obrigações de pagamento. Muitas vezes, essas empresas podem lucrar com a marcação a mercado de contratos futuros, mas, em determinados meses, podem não ter recursos suficientes para liquidar suas obrigações, resultando em inadimplência e, consequentemente, no encerramento de todas as suas operações com liquidação futura. Além disso, o mercado livre de energia apresenta uma volatilidade anualizada média superior a 400%, o que, combinado com as altas alavancagens mencionadas anteriormente, leva a variações bruscas no patrimônio das empresas.
Em suma, podemos concluir que a análise baseada exclusivamente nos balanços financeiros, embora seja importante, é claramente insuficiente para avaliar o risco de inadimplência de uma empresa individualmente, pois mesmo a análise mais detalhada não garante a ausência de inadimplência. Portanto, as empresas enfrentam apenas duas opções atualmente: aceitar os riscos e os desembolsos necessários para cobrir rupturas contratuais, ou negociar com um pequeno grupo de contrapartes, abrindo mão do acesso aos melhores preços.
Em um nível agregado, uma gestão eficiente das exposições a cada contraparte, combinada com uma análise abrangente e eficaz de crédito, permite uma compreensão mais profunda e, consequentemente, uma diversificação dos riscos. A alocação mais eficiente desses riscos tende a gerar melhores receitas, por permitir que a empresa expanda sua base de contrapartes sem aumentar seu risco total.
Por fim, há planos para estudar a possibilidade de transferir esses riscos para uma seguradora que tenha a escala necessária para reduzir significativamente o custo total desses riscos para o mercado.
Impactos
O principal impacto esperado é a redução dos custos de gestão e o aumento da receita. A redução nos custos de gestão ocorrerá devido à diminuição dos custos provisionados e realizados relacionados ao risco de crédito, uma vez que se acredita que a soma dos prêmios de risco será menor do que o custo efetivo da realização do risco de crédito.
O aumento na receita ocorrerá por meio da capacidade de desenvolvimento de novos produtos, bem como da exploração de novas oportunidades de negócios atualmente limitadas pelas restrições de risco de crédito.
A proposta: Pré-análise de Risco de Crédito e elaboração da fronteira ótima de um portfólio de transações
O conceito central do projeto é fornecer ferramentas para os agentes de mercado desenvolverem fronteiras ótimas para seus portfólios de contratos, identificarem alocações excessivas e realizarem a avaliação automatizada do risco das contrapartes.
Para isso, será desenvolvido um sistema que se conecta a diversas bases de dados externas, como CCEE, JusBrasil, Receita Federal, Serasa, entre outras. Além disso, será criado um sistema capaz de importar e organizar dados provenientes de arquivos PDF e JPEG, que geralmente são os formatos dos balanços financeiros e demonstrações de resultados.
Também será desenvolvida uma interface que permitirá acompanhar todos os dados de risco, bem como um sistema para gerar relatórios de risco sobre cada contraparte. Isso reduzirá significativamente o tempo necessário para que um membro da equipe realize a análise de risco de uma contraparte, além de manter a base de dados sempre atualizada.
Com base nesse conjunto de dados, será atribuído um score de crédito a cada contraparte, que será incluído no relatório. Além disso, ao nível de portfólio, será realizada uma modelagem específica para definir critérios e melhores práticas para a tomada de decisão de alocação. O objetivo é desenvolver um modelo que demonstre matematicamente a melhor estratégia de gestão de portfólio, considerando o risco de crédito. Na prática, a proposta visa apresentar como diversificar e alocar o portfólio para reduzir ao máximo as chances de incorrer em um gasto financeiro superior a um valor determinado.
No caso de termos sucesso com a metodologia, pretende-se elaborar um produto de seguros a ser implementado no modelo Managing General Agent (MGA) com uma seguradora.
Nesse modelo o agente tem três obrigações:
● Pagar mensalmente um prêmio de risco à seguradora
● Cumprir as políticas de risco de crédito determinadas pela seguradora como melhores práticas
● Reportar a base de contratos e contrapartes à seguradora para o acompanhamento em tempo real da mesma
Os direitos do agente são:
● No caso do default de uma contraparte que deixe perdas para a titular da apólice, a seguradora irá realizar o pagamento desse prejuízo (limitado ao valor da cobertura)
● Todo o processo de cobrança judicial da contraparte fica ao encargo da seguradora.
O que será efetivamente desenvolvido.
Será desenvolvido uma plataforma para pré-análise de risco de crédito, que será composta por um sistema de leitura e tabulação de dados provindos de um PDF ou PNG (normalmente balanços financeiros, DREs, etc.) em até 5 modelos (podendo ser estendido, se necessário); um sistema de extração de dados de plataformas como CCEE, Aneel, Receita Federal, Jusbrasil e outros, e finalmente uma metologia de análise de crédito que ao final gera um score de 0-10.
Uma explicação mais detalhada segue abaixo:
A solução idealizada é composta por 5 módulos, sendo eles: Web-Scrapper, Base de dados, Plataforma Web, Leitura do PDF e APIs.
Com o uso de um Web-Scrapper, serão realizadas buscas, capturas e armazenamento dos dados relevantes para cada empresa disponíveis na internet, utilizando fontes como CCEE, ANEEL, Receita Federal, Jusbrasil, entre outras. A frequência dessas buscas será determinada conforme a necessidade, podendo ser diária, semanal, mensal, anual ou sob demanda. A automação dessas buscas será monitorada por meio de um Airflow, que permitirá visualizar as últimas buscas realizadas, bem como identificar eventuais erros ou bugs que possam ocorrer.
Os dados capturados pelo Web-Scrapper serão armazenados em nosso segundo módulo, chamado Base de Dados. Essa base conterá todas as informações necessárias para serem plotadas na Plataforma Web e calcular o rating dos agentes, que também será armazenado.
Na Plataforma Web, os usuários poderão consultar o CNPJ de uma empresa do Mercado Livre e ter acesso às informações sobre quais empresas fazem parte do grupo econômico desse CNPJ; o respectivo rating de crédito e gráficos com métricas capturadas, como endividamento, Lucro Líquido ao longo do tempo, consumo CCEE, Exposição CCEE e Relação de Ativos. Além disso, na página de cada empresa, será possível importar automaticamente o balanço financeiro em formato PDF.
A importação do balanço financeiro será feita por meio de uma leitura automatizada do PDF. O usuário precisará apenas fazer o upload do arquivo na página da empresa, e o sistema cuidará do resto. Após a leitura do PDF, a plataforma exibirá os valores de cada item do balanço, permitindo que o usuário faça correções, se necessário. Essa etapa é importante, pois os erros identificados serão salvos em um banco de dados para análise e melhoria iterativa do algoritmo de leitura de PDF.
Após a importação do PDF, o modelo de risco será calculado, e o rating do agente será atualizado e armazenado. Esse rating poderá ser transferido para outros sistemas por meio de APIs, permitindo, por exemplo, sua incorporação em uma planilha no modelo da Eletrobras.
Será desenvolvida uma metodologia que permita, com base nos dados de contratos em tempo real, a quantificação do risco de crédito da carteira, por meio de um score de crédito que sirva como indicador do custo do risco de default de uma contraparte. Além da metodologia, será criado um selo de risco de crédito que certificará que a empresa segue todas as melhores práticas de gestão de risco de crédito.
Por fim, a plataforma fornecerá métricas pré-trade para avaliação de oportunidades de negociação. Por exemplo, se uma contraparte oferecer um preço melhor, mas já tivermos uma exposição significativa com ela, um alerta será emitido sobre essa exposição e será demonstrado o impacto no custo do risco caso essa operação seja realizada.
O objetivo dessa plataforma é encontrar a metodologia ideal de gestão de risco de crédito para empresas do setor elétrico brasileiro.
Fique por dentro dos nossos próximos publicações, fazendo parte da nossa comunidade! Sempre gostamos de lembrar que tudo que desenvolvemos é feito para e com o mercado.
Att,
Equipe Navarra