Risco Soberano de um país e IA

A nota de classificação de risco soberana de um país (rating) é um indicador que busca expressar o risco ao que se submetem os investidores estrangeiros ao adquirir títulos de alguma nação, sendo emitidos por agências de rating, empresas independentes de governos ou empresas privadas. No entanto, as agências de risco estão sendo amplamente criticadas por sua falta de transparência nos processos de classificação.

Um rating de crédito é uma avaliação da qualidade creditícia de cada governo soberano e foca nos riscos políticos e econômicos podendo ser quantitativa e qualitativa. Ele leva em conta a força financeira intrínseca do devedor, incluindo fatores de créditos tradicionais como a qualidade de gestão, posição de mercado e diversidade, flexibilidade financeira, transparência, ambiente regulatório e a capacidade do emissor de cumprir suas obrigações financeiras através dos ciclos de negócios locais, incluindo riscos soberanos, tais como vulnerabilidade a desenvolvimentos políticos, políticas monetárias e fiscais e, em casos raros, risco de conversibilidade e transferência de moeda estrangeira. Quanto maior o risco que investidores assumem em adquirir algum título de um governo soberano, menor a capacidade deste governo em tornar atraente esta aquisição e, portanto, atrair capital estrangeiro. Em consequência, maior é o prêmio remunerado aos investidores para compensá-los por assumir esse risco.

Os ratings são importantes não apenas porque alguns dos maiores emissores de dívidas são governos soberanos, mas também porque de acordo com as atribuições deles, a captação de recursos por governos estaduais, municipais ou empresas privadas localizados nestes países é afetada. A grande quantidade de pesquisas tendo como objetivo fazer a predição dos ratings soberanos, a relevância dos resultados obtidos nos últimos anos, bem como a necessidade de uma validação independente em função da falta de transparência são motivações para o trabalho desenvolvido sobno TCC do aluno Diego Ramon, do curso de Engenharia da Computação, que foi uma extensão de projetos desenvolvidos pelo Professor da Economia (UFPB), Bruno Frascarolli, no qual foram realizados dois estudos por meio de métodos de aprendizado de máquina desenvolvidos sob minha orientação e do Professor Bruno.

O primeiro estudo visou a predição de rating soberano a partir de indicadores de desenvolvimento do Banco Mundial usando o método de floresta aleatória (do inglês, Random Forest – RF). O segundo, foi a verificação da hipótese de que a crise de 2008 resultou numa ruptura estrutural nas avaliações de risco soberano e o grau de desenvolvimento dos países influenciou em avaliações diferentes por parte das agências.

A base com classificação de desenvolvimento dos países que foi de fato usada no experimento contava inicialmente com instâncias de 137 países distintos, com dados históricos de 38 anos, na faixa de anos de 1958 até 2017, com 22 classificações soberanas.

Após a aplicação de técnicas de pré-processamento para adequação dos dados para aplicação de métodos de ML, e a aplicação do PCA para redução de dimensão dos atributos, a base original com dimensão de 3489 instâncias, com cada instância contendo 644 atributos, diminuiu para uma base com 3489 instâncias, com cada instância contendo 294 atributos.

Além da redução de dimensão proporcionada pelo uso da análise de componentes principais, também foi feito um estudo aplicando a técnica de agrupamento nas classes de saída do problema. Com isso, realizou-se a diminuição do número de classes através do seu agrupamento buscando um eventual aumento de acurácia.

Os resultados mostram valores de acurácia de até 98,28% no problema de predição, como também através do teste ”valor p”, sobre o ponto de vista estatístico, verificou-se que houve uma ruptura estrutural nas avaliações após a crise financeira de 2008, e que as agências passaram a avaliar países com economias desenvolvidas de formas diferentes. Esses resultados indicam que a incapacidade das agências em preverem a crise gerou uma mudança na metodologia das avaliações.

Os dados sugerem que as agências de risco avaliam países com economias em transição e economias desenvolvidas de formas diferentes. No entanto será necessário fazer algumas observações sobre esses resultados.

No caso de economias em transição, é necessário ressaltar que a maioria desses países são da organização da Comunidade dos Estados Independentes, grupo que envolve 11 países que pertenciam à antiga União Soviética. A maioria desses países possuem contextos próprios que podem invalidar esses resultados. Por exemplo, a Ucrânia passou por um princípio de guerra civil, que levou a separação da Crimeia, ou seja, fatores geopolíticos que podem ser a causa do tratamento diferenciado por parte das agências de risco.

No caso de economias desenvolvidas, uma possível explicação para esse tratamento diferenciado por parte das agências de risco também é a crise financeira de 2008, que forçou as agências de risco a mudaram sua metodologia, mais precisamente, aumentarem os pesos de entradas quantitativas nos modelos. Essas adequações levaram a uma diminuição das notas de economias desenvolvidas. Isso pode ser verificado também através da grande diferença entre a média e o desvio padrão indicando volatilidade para economias desenvolvidas.