Seminario Riesgo Crédito - AMS 3

NUEVOS MODELOS DE
RIESGO CREDITICIO
Econ. y Mat. Enrique Navarrete
Julio 16 y 17, 2004
MDULOS
1. Visin Tradicional del Riesgo de Crdito
2. Nuevos Modelos: Fijacin de Tasas Ajustadas
por Riesgo
3. Modelos derivados de probabilidades de
incumplimiento
4. Metodologas utilizadas en Riesgo de Crdito
5. Comparacin de Modelos de Riesgo Crediticio
6. Lineamientos de Basilea: Pros y Contras
Scalar Consulting, 2004
MDULO 1
Visin Tradicional del
Riesgo de Crdito
Visin Tradicional del Riesgo de Crdito
Introduccin
Riesgo de Crdito:
No slo la prdida potencial debido al
incumplimiento de la contraparte;
Tambin incluye el deterioro en la
calidad crediticia de la contraparte o en
la garanta o colateral.
Introduccin
Realidades - Antes:
Anlisis de crdito puede ser costoso y
burocrtico;
Anlisis de crdito puede no ser
homogneo o consistente;
Anlisis de crdito tradicional requiere
fuerte inversin en capacitacin.
Introduccin
Realidades - Ahora:
Proceso de crdito tradicional reemplazado
por tcnicas estadsticas;
Cuantificar probabilidad de incumplimiento
o impago en base a parmetros;
Nuevo enfoque permitir automatizacin
y reduccin de costos (incluye Internet).
Introduccin
Realidades - Antes:
Calificacin y provisiones basadas en das
en mora;
Sustento terico?
Medida ex-post !
Introduccin
Realidades - Ahora:
Calificacin y provisiones basadas en
probabilidad de incumplimiento;
An para operaciones que no han cado
en mora !
Medida ex-ante !
Introduccin
Realidades - Antes:
Visin parcial: rentabilidad solamente;
Realidades - Ahora:
Relacin completa rentabilidad-riesgo
Medidas de rentabilidad ajustadas por
riesgo
Introduccin
Realidades - Antes: Procesos separados :
concesin de crdito / control y seguimiento;

Realidades - Ahora: Unificacin de procesos
Retroalimentacin de modelos de puntaje
o scoring mediante bases de datos de
incumplimientos
10

Riesgo de Crdito en Mercados Monetarios
Tesorera, Inversiones:
Costo de reemplazo de la operacin;
Implica valoracin a mercado;
Por qu no se aplica a crditos
corporativos / de consumo?
11

Ejemplo modelos de scoring tradicionales
Algunas variables empricas:
Tiempo en trabajo actual / domicilio actual;
Tarjeta de crdito / referencia bancaria;
Dueo o arrendatario;
Edad e ingreso;
Gastos mensuales;
Protestos.
12

Ejemplo modelos de scoring tradicionales
EJEMPLO SCORING
1. Dueo o arrendatario
a) Dueo
b) Arrienda
c) Sin respuesta
Puntos
40
8
8
2. Tiempo en Direccin Actual

a) < 6 meses
12
b) 6 meses - 2 aos
15
c) 2 aos - 6,5 aos
22
d) > 6,5 aos
35
e) Sin respuesta
12
3. Edad
a) < 45 aos
b) > 45 aos
c) Sin respuesta
Puntos
4
20
4
4. Ingreso
a) $ 0 - $ 15,000
b) $ 15,000 - $ 25,000
c) $ 25,000 - $ 40,000
d) > $ 40,000
Adaptado Hempel & Simonson
13
5
15
30
50

Agregacin de riesgos:
Capital Total
8%
Riesgo Crdito + Riesgo Mercado + Riesgo Operativo
Agregacin no es lineal en realidad

14
MDULO 2
Fijacin de Tasas Ajustadas
por Riesgo
Fijacin de Tasas Ajustadas por Riesgo
Introduccin
Antes:
Men de tasas para distintos tipos de
crdito;
Clientes son aprobados o no segn
criterios preestablecidos;
Eventos de default o incumplimiento
considerados como eventos aislados o
prdidas inesperadas.
16
Introduccin
Ahora:
Tasas customizadas por cliente, ajustadas
por probabilidad de incumplimiento;
Eventos de incumplimiento ya no son
considerados como eventos aislados;
Costo de incumplimiento ya cargado en la
tasa.
17
Introduccin
IFI genera utilidad en crditos slo si
todos los costos son considerados;

Necesario cobrar un precio que cubra
todos los costos;
Incluir prima por riesgos de modo similar
a la prima en seguros.
18
Introduccin
Riesgos:
Incumplimiento;
Mercado (tasas y t.c.);
Liquidez;
Operativos.
19
Introduccin
Riesgo de Incumplimiento: Probabilidad
de que no se cumpla en todo o en parte

con la obligacin crediticia;
Este riesgo no se mantiene constante
durante la vida del crdito!

Implicaciones en la constitucin de
provisiones estticas y cargos de capital
20
Introduccin
Modelo anticipa prdidas y se cargan en
la tasa.
Mayores riesgos deben ser compensados
con mayor rentabilidad.
Concesiones en tasa si el cliente tiene
otros negocios con la Institucin.
21
MDULO 3
Modelos Derivados de
Probabilidades de
Incumplimiento
Clculo de probabilidad de incumplimiento
Modelo
Supuesto principal radica en el clculo
de la volatilidad del valor de la empresa

persona natural y el nivel de
endeudamiento.
A mayor volatilidad y mayor nivel de
endeudamiento, mayor probabilidad de
incumplimiento.
23

Opciones Generalidades
Ejemplo: Compra de opcin Call Europea
Derecho de comprar activo subyacente en una

fecha determinada a un precio determinado
(precio de ejercicio = K)
Asumir K = $100 y opcin sin costo.
Para qu precio final del activo subyacente me

ser til la opcin?
24

Ejemplo: Compra de opcin Call Europea
Ejemplo Opcin Call sin Prima
$70
Ganancia/Prdida ($)
$60
$50
$40
$30
$20
$10
$0
40
60
80
100
120
140
160
Precio del Subyacente al Vencim iento
25

Ejemplo: Venta de opcin Call Europea
Ejemplo Venta Opcin Call sin Prima
$10
Ganancia/Prdida ($)
$0
-$10
40
60
80
100
120
140
160
-$20
-$30
-$40
-$50
-$60
-$70
26

Opciones Generalidades
Ejemplo: Compra de opcin Put Europea
Derecho de vender activo subyacente en una

fecha determinada a un precio determinado
(precio de ejercicio = K)
Asumir K = $100 y opcin sin costo.
Para qu precio final del activo subyacente me

ser til la opcin?
27

Ejemplo: Compra de
opcin Put Europea
Ejemplo Compra Opcin Put sin Prima
$70
G anancia/Prdida ($)
$60
$50
$40
$30
$20
$10
$0
40
60
80
100
120
140
160
28

Ejemplo: Venta de
opcin Put Europea
Ejemplo
Put sin
con
Prima
EjemploVenta
Venta Opcin
Opcin Put
Prima
$10
G anancia/Prdida ($)
$0
-$10
40
60
80
100
120
140
160
-$20
-$30
-$40
-$50
-$60
-$70
Precio del Subyacente al Ve ncim iento
29
Modelo
Variables:
V = Valor de la Empresa
E = Patrimonio
L = Deuda total (un slo crdito, tasa i)
D = Deuda real (en funcin de V)
D es una variable aleatoria
30
Modelo
Diagramas:
E
E = V - L(1+i)
E=0
L(1+i)
(V=E+D)
E = max (V - L(1+i), 0 )
31
Modelo
Diagramas:
D
L(1+i)
D=V
L(1+i)
D = min (V , L(1+i))
32
Modelo
Patrimonio = Opcin call sobre valor
econmico de la empresa;
Deuda = Opcin put sobre valor
econmico de la empresa;
Valoracin por frmula de BlackScholes
33
Frmula de Black-Scholes
Nota: La opcin se ejerce o no se ejerce
(decisin binaria)
La frmula de Black-Scholes, adems de
proporcionar el precio, determinar la

proabilidad de que la opcin sea ejercida
Uso de la distribucin Normal acumulada
34
Frmula de Black-Scholes
Solucin particular para opciones call y put
europeas
Para Opcin Call:
Ct St N (d1 ) K e r (T t ) N (d 2 ),
ln( St / K ) r 2 / 2 T t
d1
T t
d 2 d1 T t
35
Ecuacin de Black-Scholes
Donde:
St = Precio del activo subyacente
K = Precio de ejercicio
r = Tasa libre de riesgo
(T- t) = Plazo al vcto.
= Volatilidad del activo subyacente
N(d1) = Distribucin Normal acumulada para d1

36
Ejemplo
Clculo de tasa ajustada por riesgo para crdito a 5
aos plazo:
A) DETERMINACIN DE TASA AJUSTADA

POR RIESGO DE INCUMPLIMIENTO
Valor Empresa
$12,500
Endeudamiento total
$6,000
Nivel Endeudamiento
48%
$500
Monto Crdito
% Crdito/Endeudamiento
8.33%
Plazo en aos
5
Tasa base*
10.0%
Volatilidad anual
32.71%
Volatilidad total*
73.15%
10.53%
Prob. Incumplimiento
22.94%
Tasa ajustada
5.08%
Tasa ajustada anual
$640.52
Monto Final Crdito
37
Ejemplo
Valoracin del crdito cuando el plazo remanente es
de 1 ao:
B) VALORACIN A MERCADO DE CRDITOS

YA EXISTENTES
Valor Empresa
$12,500
Endeudamiento total
$6,000
Nivel Endeudamiento
48%
$500
Monto Crdito
8.33%
Plazo remanente (aos)
1
Volatilidad anual
32.71%
Volatilidad total*
32.71%
0.20%
Monto Final Crdito
$640.52
$639.21
Valor de Mercado
38
Ejemplo
de 1 ao y la volatilidad ha aumentado:
YA EXISTENTES
Valor Empresa
$12,500
Endeudamiento total
$6,000
Nivel Endeudamiento
48%
$500
Monto Crdito
8.33%
1
Volatilidad anual
65.00%
Volatilidad total*
65.00%
7.06%
Monto Final Crdito
$640.52
$595.30
Valor de Mercado
39
Ejemplo
de 1 ao y el nivel de endeudamiento ha aumentado:

YA EXISTENTES
Valor Empresa
$12,500
Endeudamiento total
$10,000
Nivel Endeudamiento
80%
$500
Monto Crdito
5.00%
1
Volatilidad anual
32.71%
Volatilidad total*
32.71%
7.56%
Monto Final Crdito
$640.52
$592.13
Valor de Mercado
40
Ejemplo
Valoracin del crdito cuando tanto la volatilidad
como el nivel de endeudamiento han aumentado:

YA EXISTENTES
Valor Empresa
$12,500
Endeudamiento total
$10,000
Nivel Endeudamiento
80%
$500
Monto Crdito
5.00%
1
Volatilidad anual
65.00%
Volatilidad total*
65.00%
31.46%
Monto Final Crdito
$640.52
$439.00
Valor de Mercado
41
Ejemplo
de 36 das:

YA EXISTENTES
Valor Empresa
$12,500
Endeudamiento total
$10,000
Nivel Endeudamiento
80%
$500
Monto Crdito
5.00%
0.1
Volatilidad anual
65.00%
Volatilidad total*
20.55%
1.92%
Monto Final Crdito
$640.52
$628.21
Valor de Mercado
42
Esquema de Calificacin
0.0488%
probabilidad de
incumplimiento
0.3907%
probabilidad de
incumplimiento
Distribucin
VAN
BB
AA
BB
AA
43
MDULO 4
Metodologas Utilizadas en
Riesgo de Crdito
Anlisis Discriminante
Objetivo: Separar dos o ms grupos por
medio de ciertas variables clave

Ejemplo: Morosos vs. no morosos
Funcin Discriminante: La combinacin
lineal de variables que mejor separa los
grupos.
45
Variantes:
- Separacin de Grupos
- Clasificacin de Grupos
46
Separacin de Grupos
Usos:
Encontrar un menor grupo de variables
que separan los grupos;
Ordenar las variables por su contribucin
a la separacin de grupos;
Interpretar la funcin discriminante.
47
Ejemplo 1:
Salario
Anual
Grupo
(Miles)
1
$ 33
1
$ 36
1
$ 35
1
$ 38
1
$ 40
2
$ 35
2
$ 36
2
$ 38
2
$ 39
2
$ 41
2
$ 43
2
$ 41
Grupo 1: Morosos
Grupo 2: No Morosos
Nivel de
Endeudamto.
(Miles)
$ 60
$ 61
$ 64
$ 63
$ 65
$ 57
$ 59
$ 59
$ 61
$ 63
$ 65
$ 59
Cmo distinguir los 2 grupos ?

48
$ 66
$ 65
$ 64
$ 63
$ 62
$ 61
$ 60
$ 59
$ 58
$ 57
$ 56
$ 32
Ejemplo 1:
$ 66
$ 65
$ 64
D eu d a
$ 63
$ 62
Morosos
$ 61
No Morosos
$ 60
$ 59
$ 58
$ 57
$ 56
$ 32
$ 37
$ 42
$ 47
Salario Anual
49
Utilidad:
Funcin Discriminante: z = - 1.633 * Salario + 1.820 * Deuda
Grupo
1
1
1
1
1
2
2
2
2
2
2
2
Salario
Anual
$ 33
$ 36
$ 35
$ 38
$ 40
$ 35
$ 36
$ 38
$ 39
$ 41
$ 43
$ 41
Nivel de
Endeudamto.
$ 60
$ 61
$ 64
$ 63
$ 65
$ 57
$ 59
$ 59
$ 61
$ 63
$ 65
$ 59
Z-Score
55
52
59
53
53
47
49
45
47
48
48
40
Ejemplo: Salario Anual = $ 42,000 y Deuda = $ 61,000

Z-Score:
42
Otorgar Crdito
50
Output:
Explained Variance (Eigenvalues)

Function 1
Eigenvalue
% of Var.
Cum. %
Can.Corr.
2.391
100.000
100.000
0.840
Wilks' Lambda
Function 1- 1
Wilks' Lambda
0.295
Chi Sq
10.991
DF
2
P
0.004
99.6%
Standardised Discriminant Function Coefficie

Variable
Function 1
Salario Mensual
-1.633
Nivel de Endeudamiento
1.820
51
Separacin de Grupos
Interpretacin:
Correlacin cannica alta indica una
buena separacin de grupos;
La mayor magnitud del coeficiente para
endeudamiento indica una mayor
contribucin a la discriminacin;
Conclusiones vlidas al 99,6 % de
confiabilidad estadstica.
52
Funciones de Clasificacin
Ejemplo 2: Varias funciones discriminantes
Tres grupos: cumplidos (1), morosos (2), default
(3);
Variables: Ingreso, Antigedad laboral, Edad;
Nmero de funciones discriminantes =
min (variables, nmero de grupos 1) = 2
2 funciones discriminantes
53
Standardised Discriminant Function Coefficients
Variable Function 1 Function 2
INGRESO
-0.115
-0.459
ANTIGEDAD 1.004
-0.113
EDAD
0.223
1.109
Funcin Discriminante # 1:
Z = -0.115 * Ingreso + 1.004 * Antigedad + 0.223 * Edad
Funcin Discriminante # 2:
Z = -0.459 * Ingreso - 0.113 * Antigedad + 1.109 * Edad
Cmo obtenemos un Z-score con 2

funciones discriminantes?
54
Pooled Covariance Matrix
INGRESO
ANTIGEDAD EDAD
INGRESO
3.161
0.653
0.505
ANTIGEDAD 0.653
1.232
0.042
EDAD
0.505
0.042
0.376
Function 1 Function 2
Eigenvalue
1.389
0.036
% of Var.
97.476
2.524
Cum. %
97.476
100.000
Can.Corr.
0.763
0.186
Wilks' Lambda
Function 1- Function
2
2- 2
Wilks' Lambda 0.404
0.965
Chi Sq
77.948
3.039
DF
6
2
P
0.000
0.219
Slo la primera funcin discriminante es significativa

55
1
Discriminant Plot
2
3
3
EDAD
2
Funct 2 (2.5%)
ANTIGEDAD
-1
INGRESO
-2
Funcin 1 explica
el 97,5 % de la
varianza
-3
-4
-4
-2
Funct 1 (97.5%)
56
Supongamos que
para separar los
grupos 1 y 2 usamos
un Z-score de 100 :
Id
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Grupo INGRESO ANTIGEDADEDAD

Z-SCORE Ordenados
1
57.15
13
31
100.65
111.50
1
58.42
12
32
102.42
111.00
1
55.88
10
32
97.88
108.23
1
58.42
14
32
103.92
107.96
1
58.42
13
32
103.42
107.96
1
60.96
12
33
105.96
105.96
1
58.42
14
33
104.92
105.96
1
58.42
13
33
104.42
105.69
1
59.69
14
33
105.69
105.69
1
59.69
13
33
105.69
105.46
1
57.15
14
32
102.65
105.19
1
59.69
13
33
105.19
104.92
1
57.15
14
32
103.15
104.69
1
62.23
14
32
108.23
104.42
1
57.15
14
32
102.65
104.40
1
60.96
15
32
107.96
103.92
1
58.42
12
32
102.42
103.42
1
56.90
13
33
102.40
103.15
1
59.69
13
33
104.69
102.65
1
57.15
12
31
100.15
102.65
1
56.90
12
32
100.90
102.65
1
56.90
15
33
104.40
102.42
1
63.50
14
34
111.00
102.42
1
57.15
13
33
102.65
102.40
1
60.96
12
33
105.46
102.40
1
60.96
15
33
107.96
101.92
1
63.50
15
34
111.50
100.90
1
58.42
13
31
101.92
100.65
1
56.90
14
32
102.40
100.15
1
60.96
13
33
105.96
97.88
2
59.69
10
32
102.39
105.70
2
59.70
13
31
103.80
103.80
2
59.70
11
32
103.20
103.20
2
56.90
11
31
98.90
102.39
2
58.00
10
32
99.30
101.80
2
57.50
10
31
98.80
101.40
2
58.00
10
32
100.10
100.80
2
58.00
9
33
99.70
100.30
2
57.00
11
32
99.30
100.10
2
56.50
10
32
98.90
99.70
2
57.20
11
32
100.80
99.50
2
56.50
9
32
97.90
99.30
2
57.50
12
33
101.80
99.30
2
57.00
10
32
99.50
99.20
2
54.80
11
31
97.30
99.20
57
x
x
x
x
x
x
x
x
x
x
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
59.80
56.10
55.00
55.60
56.50
55.00
56.50
56.80
55.50
57.00
56.90
58.80
57.30
58.00
62.60
56.50
57.50
55.40
56.00
56.50
58.00
56.70
55.80
58.50
60.00
57.80
56.00
59.80
57.70
58.70
56.90
56.90
58.00
59.30
58.20
57.50
57.20
57.00
59.20
57.60
60.30
55.00
58.40
59.00
61.70
9
10
10
12
10
10
9
9
8
10
10
9
10
9
10
7
11
10
9
12
13
11
11
12
11
10
10
12
10
11
11
10
11
12
12
12
11
11
10
10
12
11
13
12
12
32
33
32
32
32
32
32
32
33
31
31
32
32
33
33
32
32
32
32
32
32
33
31
32
32
31
31
32
32
31
32
32
32
32
32
32
32
31
32
32
32
31
32
33
33
101.40
98.50
96.70
99.20
97.90
96.80
97.30
96.90
96.30
97.30
97.70
99.20
99.20
100.30
105.70
95.90
99.50
96.60
96.00
99.80
102.50
100.10
98.10
101.90
102.80
99.60
96.90
103.30
99.40
101.30
99.50
98.90
100.70
103.50
102.00
101.10
100.00
99.70
101.80
99.50
104.80
96.50
103.20
103.80
106.90
99.20
98.90
98.90
98.80
98.50
97.90
97.90
97.70
97.30
97.30
97.30
96.90
96.80
96.70
96.30
106.90
104.80
103.80
103.50
103.30
103.20
102.80
102.50
102.00
101.90
101.80
101.30
101.10
100.70
100.10
100.00
99.80
99.70
99.60
99.50
99.50
99.50
99.40
98.90
98.10
96.90
96.60
96.50
96.00
95.90
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
Separacin de
Grupos 2 y 3 ?
Problemas
con Z-Score !
58
Anlisis Discriminante - Clasificacin
Funciones de
clasificacin para
ms de dos variables:
Classification Function Coefficients

Variable
Fn 1
Fn 2
Fn 3
INGRESO
4.998
5.142
5.211
ANTIGEDAD 5.260
2.773
3.459
EDAD
78.609
77.834
77.292
Constant
-1451.007 -1405.755 -1399.618
Funcin de Clasificacin # 1:
Y1 = - 1451.01 + 4.998 * Ingreso + 5.260 * Antigedad + 78.609 * Edad
59
Las observaciones se
clasifican segn la
funcin de
clasificacin con el
puntaje ms alto:
Ejemplo: Observaciones
1 15
Obs.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Clasificacin
Pred. Grupo
1,337.239 1,335.665 1,337.472
3
1,419.565 1,418.644 1,419.652
3
1,396.350 1,400.035 1,399.498
2
1,427.455 1,422.804 1,424.840
1
1,424.825 1,421.417 1,423.111
1
1,510.868 1,509.540 1,510.180
1
1,506.063 1,500.638 1,502.132
1
1,503.433 1,499.251 1,500.403
1
1,473.106 1,468.252 1,470.104
1
1,509.781 1,505.782 1,507.021
1
1,384.433 1,378.742 1,381.306
1
1,470.476 1,466.865 1,468.375
1
1,423.738 1,417.660 1,419.952
1
1,449.127 1,443.783 1,446.424
1
1,421.108 1,416.273 1,418.222
1
Nota: Se utilizan todas las funciones de clasificacin

60

Tabla de Clasificacin:
Classification Table
Pred. Group
Act. Group
1
2
1
24
1
2
2
22
3
6
9
Overall Correct Class. Rate
3
5
6
15
Correctly
Classified
0.800
0.733
0.500
0.678
Inadecuada para Grupos 2 y 3

(con slo 3 variables)
61
Anlisis Discriminante - Prediccin

Clasificacin automtica de nuevas observaciones:
Datos Nuevos
60.50
12
61.20
11
58.00
14
30
29
31
Clasificacin
Pred. Grupo
1272.743 1273.671 1275.908
3
1192.373 1196.663 1198.805
3
1349.377 1344.196 1347.090
1
Classification and Scores of Alternate Dataset

Case
Pred. Group
Fn 1
Fn 2
Fn 3
1
3
1272.743 1273.671 1275.908
2
3
1192.373 1196.663 1198.805
3
1
1349.377 1344.196 1347.090
62
rboles de Decisin
rboles de Decisin- Clasificacin

Misclassification Matrix
Predicted
Category
total
Actual Category
1
1
29
2
1
3
0
30
2
1
22
7
30
3
5
7
18
30
total
35
30
25
90
Mejora clasificacin para grupos 1 y 3

63
rboles de Decisin
64
65
Redes Neuronales
Muy pocas observaciones para entrenar a la red

66
Anlisis por Componentes Principales
Concepto
Reducir el nmero de variables originales que
maximicen la varianza;
Las nuevas variables no estn correlacionadas;
PCA: Componentes Principales son
combinaciones lineales de variables;
Anlisis de Factores: Variables son
combinaciones lineales de factores.
67
Ejemplo
Determinar componentes principales de
empresas en quiebra;
Variables:
Capital = Capital de Trabajo / Activos Totales
Ventas = Ventas / Activos Totales
ROA Utilidad neta despes de impuestos / Activos
Gastos = Gastos Operativos / Activos
Liquidez = Activos Lquidos / Pasivos Exigibles
Tasa Activa endeudamiento promedio
68
Interpretacin
Value
PC 1
PC 2
PC 3
Eigenvalue
3.323
1.374
0.476
% of Var.
55.390
22.905
7.934
Cum. %
55.390
78.295
86.230
PC 4
0.325
5.411
91.641
PC 5
0.156
2.608
94.250
PC 6
0.088
1.464
95.714
El primer valor propio explica el 55,4 % de la
varianza, y los primeros dos el 78,3 %;

El resto de los valores propios explica cada uno
menos del 10 % de la varianza y el 21,7 % en
conjunto.
69
Interpretacin
Scree Plot
3.5
Eigenvalue
3.0
2.5
2.0
1.5
1.0
0.5
0.0
1
Component Number
Extraer uno menos que el componente donde

se aplana la curva
70
Interpretacin
Component Loadings
(correlations between initial variables and principal components)
Variable
PC 1
PC 2
PC 3
PC 4
PC 5
PC 6
Capital
0.622
-0.273
0.478
0.414
-0.109
0.356
Ventas
0.981
-0.158
-0.036
-0.046
-0.081
-0.044
ROA
0.704
-0.401
-0.123
-0.321
0.449
0.157
Gastos
0.489
0.861
-0.098
0.081
0.053
0.028
Liquidez
0.171
0.373
0.857
-0.289
0.065
-0.100
Tasa Activa
0.410
-0.385
0.163
0.698
0.336
-0.240
Component Score Coefficients (Eigenvectors)
Variable
PC 1
PC 2
PC 3
PC 4
Capital
0.207
-0.142
0.422
0.443
Ventas
0.873
-0.219
-0.084
-0.131
ROA
0.261
-0.231
-0.121
-0.382
Gastos
0.326
0.891
-0.173
0.173
Liquidez
0.066
0.222
0.867
-0.355
Tasa Activa
0.128
-0.187
0.135
0.697
PC 5
-0.168
-0.330
0.768
0.164
0.114
0.483
PC 6
0.731
-0.238
0.358
0.113
-0.235
-0.460
71
Interpretacin
Las cargas por componente indican
aproximadamente la importancia o
contribucin relativa de cada variable en
cada componente.
Analizar coeficientes de las
componentes principales
72
Anlisis por Factores
Concepto
Reducir el nmero de variables originales
que maximicen la varianza;

Las nuevas variables no estn
correlacionadas;
Anlisis de Factores: Variables son
combinaciones lineales de factores.
73
Ejemplo
Determinar los factores ms importantes (ratios)
para empresas en quiebra;

Variables:
Capital = Capital de Trabajo / Activos Totales
Ventas = Ventas / Activos Totales
ROA Utilidad neta despes de impuestos / Activos
Gastos = Gastos Operativos / Activos
Liquidez = Activos Lquidos / Pasivos Exigibles
Tasa Activa endeudamiento promedio
74
Interpretacin
Value
Factor 1 Factor 2 Factor 3 Factor 4 Factor 5 Factor 6
Eigenvalue
3.323
1.374
0.476
0.325
0.156
0.088
% of Var.
57.871
23.931
8.290
5.654
2.725
1.530
Cum. %
57.871
81.802
90.091
95.745
98.470 100.000
El primer valor propio explica el 57,87 % de la
varianza, y los primeros dos el 81,80 %;

El resto de los valores propios explica cada uno
menos del 10 % de la varianza y el 18,2 % en
conjunto.
75
Interpretacin
Cargas por Factores
Indican la contribucin relativa de cada
factor a las variables originales:
Unrotated Factor Loadings (Eigenvalues > 0)
Variable
Factor1
Factor2
Factor3
Factor4
Capital
0.622
-0.273
0.478
0.414
Ventas
0.981
-0.158
-0.036
-0.046
ROA
0.704
-0.401
-0.123
-0.321
Gastos
0.489
0.861
-0.098
0.081
Liquidez
0.171
0.373
0.857
-0.289
Tasa Activa
0.410
-0.385
0.163
0.698
Factor5
-0.109
-0.081
0.449
0.053
0.065
0.336
76
Factor6
0.356
-0.044
0.157
0.028
-0.100
-0.240
Modelos de Regresin Logstica
Concepto
No slo separan los grupos sino que
proveen probabilidades de incumplimiento

para operaciones prospectivas, por cliente.
Interpretacin econmica de los
coeficientes de la regresin (edad, sexo,
profesin, etc.)
Estimacin por mxima verosimilitud
(MLE).
77
Ejemplo: Tarjeta de crdito

Clientes prospectivos para tarjeta de
crdito;
Decidir si conceder o no en base a
muestra de 170 tarjetas otorgadas;
Anlisis de validacin del modelo
utilizando muestra real.
78

Informacin disponible:
Sexo
Profesin
Promedio
Edad
Horas de trabajo
79

Codificacin Variables Independientes:
Sexo (Cualitativa: 0 = Mujer, 1 = Hombre);
Profesin: (Cualitativa: Ciencias Puras,
Ciencias Sociales, Humanidades, Comercio);
Promedio, Edad y Horas (Cuantitativas);
Variable Dependiente: 0 = Buen Riesgo,
(Riesgo)
1 = Mal Riesgo
80

Dependent Variable: RIESGO
Method: ML - Binary Logit
Sample: 1 170
Included observations: 170
Convergence achieved after 8 iterations
Covariance matrix computed using second derivatives
Variable
C
SEXO
DUM1
DUM2
DUM3
PROMEDIO
EDAD
HORAS
Coefficient
33.21615
-0.617457
0.817951
5.487505
5.010921
-3.943799
-0.551888
-1.254226
Obs with Dep=0

Obs with Dep=1
83
87
Std. Error
12.53457
0.957901
1.327635
1.86677
1.76423
1.368268
0.35927
0.315463
Total obs
z-Statistic
2.649964
-0.644593
0.616096
2.939572
2.840288
-2.88233
-1.536137
-3.975822
Prob.
Razn
Verosim.
0.0081
0.5192
0.5378
0.0033
0.0045
0.0039
0.1245
0.0001
0.54
2.27
241.65
150.04
0.02
0.58
0.29
170
Slo profesin, promedio y horas son significativas

81
Interpretacin:
Modelo es:
Zi = 33.22 0.62 Sexo + 0.82 Dum1 + 5.49 Dum2 + 5.01
Dum3 3.94 Promedio 0.55 Edad 1.25 Horas
Signos indican riesgo disminuye para

hombre, mayor promedio, mayor edad, mayor
nmero de horas trabajadas.
82
Interpretacin:
Cunto disminuye o aumenta el riesgo?
Variable
C
SEXO
DUM1
DUM2
DUM3
PROMEDIO
EDAD
HORAS
Coefficient
33.21615
-0.617457
0.817951
5.487505
5.010921
-3.943799
-0.551888
-1.254226
Std. Error
12.53457
0.957901
1.327635
1.86677
1.76423
1.368268
0.35927
0.315463
z-Statistic
2.649964
-0.644593
0.616096
2.939572
2.840288
-2.88233
-1.536137
-3.975822
Prob.
Razn
Verosim.
0.0081
0.5192
0.5378
0.0033
0.0045
0.0039
0.1245
0.0001
Ej: Si es hombre, riesgo se reduce 0,54 veces;

( Si es mujer, riesgo aumenta 1,85 veces)
83
0.54
2.27
241.65
150.04
0.02
0.58
0.29
Interpretacin:
Ms ejemplos:
Profesin Ciencias Puras es 2,27 ms riesgosa
que Comercio;
Profesin Ciencias Sociales es 1,6 veces ms
riesgosa que Humanidades;
Aumento de un punto en promedio reduce el
riesgo por factor de 0,019 ( disminucin de
un punto aumenta el riesgo 52,6 veces).
84

Tabla de predicciones y coincidencias:
Id
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
...
168
169
170
RIESGO
0
1
1
0
1
0
0
0
1
0
0
1
0
1
1
1
0
1
0
0
SEXO
0
1
0
0
1
1
0
1
0
1
0
0
1
0
0
1
1
1
1
1
DUM1
1
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
0
0
0
DUM2
0
0
1
0
0
0
0
0
1
1
0
0
0
0
1
1
1
0
0
1
DUM3
0
1
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1
0
0
PROMEDIO
4
3.3
3.3
2.2
2.9
3.4
3.3
2.8
3.4
2.9
3.7
2.3
3.3
3.3
2.8
3
3
3.5
2.5
3.3
EDAD
25
28
25
24
23
23
25
23
25
24
23
25
22
22
22
21
23
23
24
23
HORAS
5
5
0
20
5
10
10
10
0
15
20
10
5
0
0
0
20
0
15
10
0
1
0
0
0
0
0
0
0
1
0
1
0
1
0
3
2.5
3
25
23
23
20
5
20
Prob(Default)
14.07%
94.64%
100.00%
0.00%
90.00%
0.24%
24.47%
5.41%
100.00%
0.45%
0.00%
10.03%
76.34%
99.97%
100.00%
100.00%
0.00%
100.00%
0.01%
45.91%
Prediccin Coincidencia
0
1
1
0
1
0
0
0
1
0
0
0
NO
1
NO
1
1
1
0
1
0
0
...
0.00%
0
99.99%
1
0.00%
0
Total Incorrectas :
13
Precisin :
92.35%
85

Distribucin de las 170 observaciones:
Prob(Default)
120.00%
100.00%
80.00%
60.00%
Prob(Default)
40.00%
20.00%
0.00%
0
50
100
150
86
Modelos Probit y Logit

Probit vs. Logit
Comparacin:
Logit
P(Z)
0.0474
0.1192
0.1824
0.2689
0.3775
0.5000
0.6225
0.7311
0.8176
0.8808
0.9526
1
0.8
Prob (Z)
Z
-3.0
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
3.0
Probit
P(Z)
0.0013
0.0228
0.0668
0.1587
0.3085
0.5000
0.6915
0.8413
0.9332
0.9772
0.9987
1.2
Probit
0.6
Logit
0.4
0.2
0
Distribucin Logstica cuenta con colas ms

anchas que la Normal
87
MDULO 5
Comparacin de Modelos de
Riesgo Crediticio
Modelos de Riesgo Crediticio
Comparacin de Modelos
Modelos Z-Score y Zeta de Altman;
Portfolio Manager (KMV);
Creditmetrics (JP Morgan);
CreditRisk+ (Credit Suisse FP);
CreditPortfolioView (McKinsey & Co.);
Extensin a modelos de alertas.
89
Modelo Z-Score y Zeta de Altman
Modelo Z-Score
Combina linealmente razones financieras
(ratios);
Objetivo es obtener una calificacin que
separa a empresas que cumplen o no con
sus obligaciones crediticias (Z-Score);
Basado en anlisis discriminante.
90

Modelo Z-Score
Variable dependiente es binaria (quiebra
o no quiebra);
Variables independientes:
razones financieras (22 en el modelo
original, 1968).
91
Modelo final:
Z = 1.2 x1 + 1.4 x2 + 3.3 x3 + 0.6 x4 + 0.99 x5
x1 = Capital de trabajo / Activos Totales;
x2 = Utilidades retenidas / Activos Totales;
x3 = Utilidades antes de impuestos / Activos
Totales;
x4 = Valor Accionario / Valor en libros Deuda;
x5 = Ventas / Activos Totales.
92

Modelo Z-Score
Situacin financiera depende del Z-Score:
Z > 2.99
Empresa saludable
(no quiebra)
Z < 1.81
Empresa quiebra
1.81 < Z < 2.99
Indefinido
93

Ejemplo:
x1 = Capital de trabajo / Activos Totales = 12 %
x2 = Utilidades retenidas / Activos Totales = 8 %
x3 = Utilidades antes de impuestos / Activos
Totales = 12,5 %
x4 = Valor Accionario / Valor en libros Deuda =
124 %
x5 = Ventas / Activos Totales = 135 %
Z = 1.2 x1 + 1.4 x2 + 3.3 x3 + 0.6 x4 + 0.99 x5

94

Ejemplo:
Ejemplo Z-Score:
Coeficiente
1.2
1.4
3.3
0.6
0.999
Valor variable
12.0%
8.0%
12.5%
124.0%
35.0%
1.76215
Obtenemos un valor Z de 1,76.

Empresa se considera en bancarrota
Nota: Coeficientes no son estticos sino que se
actualizan con el tiempo.
95

Modelo Z-Score
Comparacin entre medias de grupo y valores F:
Variable
x1
x2
x3
x4
x5
Media
Quiebra
-6.1%
-62.6%
-31.8%
40.1%
1.5 Veces
Media
Estadstica
No Quiebra
F
41.4%
32.60
35.5%
58.86
15.4%
26.56
247.7%
33.26
1.9 Veces
2.84
Valores de F significativos al 99,9 % para

todas las variables excepto x5.
96

Modelo Z-Score
Resultados:
Aos anteriores
a la quiebra
1
2
3
4
5
Altman Z-Score (1968)

Quiebra
93.9%
71.9%
48.3%
28.6%
36.0%
No Quiebra
97.0%
93.9%
-
Modelo predice quiebra de empresas con

anticipacin de hasta 5 aos.
97

Modelo Zeta
Refinamiento debido a Altman, Haldeman
y Narayanan (1977);
Consideracin
de 7 indicadores:
- Rendimiento sobre activos
(ROA);
- Estabilidad de utilidades;
- Servicio de la deuda;
- Utilidades acumuladas;
- Liquidez;
- Nivel de capitalizacin
- Tamao (logaritmo de
Activos).
98
Comparacin de modelos
Aos anteriores
a la quiebra
1
2
3
4
5
Altman Z-Score (1968)

Quiebra
93.9%
71.9%
48.3%
28.6%
36.0%
No Quiebra
97.0%
93.9%
-
ZETA (1977)
Quiebra
96.2%
84.9%
74.5%
68.1%
69.8%
No Quiebra
89.7%
93.1%
91.4%
89.5%
82.1%
Modelo actualizado mejora sustancialmente

la prediccin de quiebra
99

Extensin a otros modelos
Calificacin de bonos;
Modelo Z para empresas no
manufactureras;
Modelo Z para empresas privadas;
Modelo EMS Mercados emergentes.
100
Modelo KMV
Concepto
Basado en la volatilidad del valor econmico de
empresas y en teora de opciones.

Indicador: EDF = Expected Default
Frequency (probabilidad de default en 1 ao)

Supuesto: La empresa entra en default
incumplimiento cuando el valor econmico cae

bajo cierto nivel, punto de incumplimiento.
101
Modelo KMV
Pasos
1. Clculo de la volatilidad, estimada a partir
del precio de la accin;
2. Punto de incumplimiento, calculado a partir
de los pasivos de la empresa;
3. Determinacin del valor esperado de la
empresa;
102
Modelo KMV
Pasos
4. Distance to Default (DD): Nmero de
desviaciones estndar del valor esperado al
punto de incumplimiento.
5. Mapeo entre DD y tasa de incumplimiento,
basado en comportamiento histrico de
empresas con diversos valores DD.
103
Modelo KMV
Modelo
r (T t )
E V N (d1 ) D e
N (d 2 )
E: Valor accionario
V: Valor esperado de activos en T
D: Valor en libros de deuda en T
a: Volatilidad activos
T-t : Horizonte temporal
R : Tasa libre de riesgo
N : Distrib. Normal Acumulada
104
Modelo KMV
Modelo
Determinacin del valor esperado de activos y
punto de incumplimiento:
Empresa incumple cuando cuando valor en libros
de deuda alcanza el valor de mercado;

Regla emprica: Punto de incumplimiento ms
frecuente ocurre cuando el valor de la empresa
equivale a deuda a corto plazo (< 1 ao) ms 50 %
endeudamiento a largo plazo
105
Modelo KMV
Modelo
De acuerdo al valor esperado al final del
horizonte temporal y en relacin con el punto de

incumplimiento, se determina la cada porcentual
en valor de la empresa que la llevara al punto de
incumplimiento;
Ejemplo: Si Valor esperado = 100 (1 ao) y
punto de default = 25, una cada del 75 % en el
valor de los activos llevara a la empresa al punto
de incumplimiento.
106
Modelo KMV
Modelo
La cada del 75 % en el valor de los activos
depende de la volatilidad;
Dividir cambio porcentual por volatilidad
para controlar diferentes volatilidades.
Ej: Si volatilidad = 25 % anual, cada del 75%
corresponde a 3 desviaciones estndar.
107
Modelo KMV
Modelo
En general: DD = Nmero de desviaciones
estndar que debe caer el valor de los activos

para llegar al punto de incumplimiento.
Normalizar del siguiente modo para comparar
entre diferentes empresas:
V D
DD
V a
108
Modelo KMV
Ejemplo:
Monsanto, Marzo 1998, KMV Presentation, Paris

Monsanto Debt D
= $ 7.3 billion
Market value of Equity = $33.9 billion
Market value of firm V = $41.2 billion
Estimated default X = $ 5.7 billion
Estimated volatility of V = 20%
Firms distance-to-default = (41.2 - 5.7)/(20% x 41.2) = 4.3
standard deviations
EDF (based on KMV database) = 0.03% chance of default
109
Modelo KMV
Ejemplo:
Monsanto, Marzo 1999, KMV Presentation, Paris

Monsanto Debt D
= $11.9 billion (increased by 65%)
Market value of Equity = $24.9 billion (decrease by 27%)
Market value of firm V = $36.8 billion
Estimated default X = $ 8.3 billion
Estimated volatility of V = 24%
Firms distance-to-default = (36.8 8.3)/(24% x 36.8) = 3.2 sd
EDF (based on KMV database) = 0.25% chance of default
(increased 8 times)
110
Modelo KMV
Ejercicio
Estimar DD e interpretar en base a los siguientes
datos (KMV, 01/2002):
111
Modelo KMV
Ejercicio
Anheuser-Busch = 4,18 Desv. Est. del Punto de
Incumplimiento (2001)
Compaq = 1,82 Desv. Est (2001)
Se hubiera requerido un movimiento de 1,8
desviaciones estndar en el valor de los
activos de Compaq para que hubiera
entrado en default (KMV, 01/2002)
112
Modelo KMV
Fuente: KMV, 01/2002

113
Modelo KMV
Fuente: KMV, 01/2002

114
Modelo KMV
Comparacin Modelo Zeta
Coeficiente de Spearman entre EDF y Score Zeta
para 865 empresas (1995) = 0.7031

(al 99,9 %);
Aproximadamente la mitad de la varianza en
ordenamientos EDF se pueden explicar por Zeta
y vv.
Ejemplo (KMV): Valla EDF que excluye 72 %
de empresas que incumplen eliminan slo el 20
% de las que cumplen.
115
Modelo KMV
Conclusin
DD es una medida ordinal; para obtener
probabilidad, KMV utiliza datos histricos para

determinar incumplimiento en funcin de DD;
Supuesto principal: informacin relevante para
determinar riesgo de incumplimiento se
encuentra en valor esperado de activos, punto de
incumplimiento, y volatilidad de los activos;
Diferencias en tipo de industria, pas o regin,
tamao, etc. ya incorporadas en estas variables.
116
Modelo Creditmetrics
Concepto
Enfatiza riesgo de crdito no slo debido a
incumplimientos sino tambin a deterioro en

calidad crediticia;
Utiliza matrices de transicin que indican
saltos en calificacin;
Enfoque de portafolio (diversificacin).
117
Pasos
1. Definir la matriz de probabilidades de transicin;
Calculadas por Moodys, S&P, etc en base a
patrones histricos:
Deben de utilizarse para horizontes temporales
comunes;
Generalmente en perodos anuales o semianuales.
118
Fuente: Default & Recovery Rates of Corporate Bond Issuers February 2003: Moodys Investors Service
119
Pasos
2. Valoracin del portafolio
Se calcula el valor de cada instrumento,
descontando a las tasas correspondientes a cada
calificacin;
Se combinan los valores posibles de cada
instrumento.
120
Pasos
Ejemplo: Para las calificaciones AAA, AA, A,
BBB, BB, B, CCC, Default, un portafolio de un
slo instrumento puede tener 8 valores posibles
al final de un ao;
Un portafolio de dos instrumentos puede tener 64
precios posibles al final del ao.
Estimar probabilidades de observar cada uno
de los 64 estados posibles al final de un ao.
121
Pasos
Se obtiene una distribucin del posible valor final
del portafolio al final de un ao.
Portafolio real: 8 n combinaciones de valores
finales
Simulacin (curva continua)
122
Modelo CreditRisk+
Caractersticas
Tasa de default es una variable continua,
aproximada por una distribucin Poisson;

Aade volatilidad de las tasas de default;
Divide el portafolio en sectores homogneos con
el mismo riesgo sistemtico;
Los deudores pueden ser asignados a ms de un
sector;
Pases de origen se cuentan como otro sector.
123
Modelo McKinsey
Caractersticas
Basado en simulacin de Monte Carlo
Refinamientos:
Distribucin de prdidas depende del nmero y
tamao de crditos en sub-portafolios;
Distribuciones de prdidas se condicionan segn
el estado de la economa;
Prdidas se miden mark-to-market;
Incluye factores macroeconmicos.
124
Sistemas de Alerta Temprana

Metodologa
Paso 1: Regresin con variable dependiente
binaria que indique probabilidad de
quiebra;
Paso 2: Verificacin con datos de quiebras
reales para obtener precisin del modelo;
Paso 3: Determinacin de nivel crtico de
probabilidad de quiebra.
125

SITUACIN ACTIVOS
OPERATIVA
32
OPERATIVA
23
OPERATIVA
28
OPERATIVA
30
OPERATIVA
31
OPERATIVA
34
OPERATIVA
28
OPERATIVA
30
OPERATIVA
29
OPERATIVA
29
OPERATIVA
38
OPERATIVA
30
OPERATIVA
37
OPERATIVA
31
OPERATIVA
36
OPERATIVA
43
OPERATIVA
35
OPERATIVA
34
OPERATIVA
40
OPERATIVA
33
OPERATIVA
35
OPERATIVA
41
OPERATIVA
40
OPERATIVA
46
QUEBRADA
25
QUEBRADA
42
CAPITAL
9.79
2.5
3.96
4.51
3.95
4.5
3.2
3
2.45
2.37
4.52
1.73
3.8
2.54
4
5.14
2.35
2
4
2.42
1.91
3.2
10
3.4
1.88
1.98
MODELO DE PREDICCIN DE QUIEBRA - EMPRESAS

RENTABILIDAD PROPIEDAD ANTIGEDAD REGRESIN PROB QUIEBRA PREDICCIN COINCIDENCIA
546.5
1
0
62.0563
0%
OPERATIVA
92
0
0
6.7364
0%
OPERATIVA
40.83
0
0
3.6317
3%
OPERATIVA
502.2
0
0
50.6034
0%
OPERATIVA
256.66
1
0
25.2891
0%
OPERATIVA
15
1
0
1.8668
13%
OPERATIVA
52.58
0
0
3.8039
2%
OPERATIVA
18
1
0
0.1122
47%
OPERATIVA
78.87
1
0
5.4635
0%
OPERATIVA
150.79
1
0
12.5609
0%
OPERATIVA
124.98
1
0
12.9804
0%
OPERATIVA
35
1
0
0.1359
47%
OPERATIVA
777.82
1
0
77.3957
0%
OPERATIVA
137.87
0
0
11.5277
0%
OPERATIVA
170.64
0
0
16.8300
0%
OPERATIVA
37.58
1
0
5.1366
1%
OPERATIVA
43.34
1
0
1.8810
13%
OPERATIVA
218.52
1
0
18.9454
0%
OPERATIVA
248.72
1
0
24.7222
0%
OPERATIVA
9.85
0
0
-1.4167
80%
QUEBRADA
NO
42.62
1
0
1.2272
23%
OPERATIVA
335.43
1
0
32.3671
0%
OPERATIVA
548.03
1
1
32.4498
0%
OPERATIVA
0
0
0
-0.8733
71%
QUEBRADA
NO
0
0
1
-33.4430
100%
QUEBRADA
0
1
1
-33.0042
100%
QUEBRADA
NIVEL CRTICO
ERRORES:
50%
2
126

PROBABILIDADES DE QUIEBRA
120%
100%
Probabilidad
80%
PROB QUIEBRA
60%
NIVEL CRTICO
40%
20%
0%
0
10
15
20
25
30
Empresa
127
MDULO 6
Recomendaciones de
Basilea: Pros y Contras
Recomendaciones de Basilea
Basilea II: Pilares fundamentales
Basilea II
PILAR I
Req.
Mnimos
de
Capital
PILAR II
Elmtos.
de
Supervisin
Bancaria
PILAR III
Disciplina
del
Mercado
129
Basilea II: Cronologa
Hasta ahora...
1988: Basilea I: Riesgo de Crdito (APR);
1996: Consideracin Riesgo de Mercado;
1998: Propuesta Basilea II;
1999: Primer borrador Basilea II (CP I)
2003: ltimo borrador (CP3)
130
Basilea II: Cronologa
En adelante...
2004 fines 2006: Recopilacin bases de datos;
Fin 2005 fines 2006:
Clculos en paralelo
Basilea I y Basilea II; calibracin de modelos

avanzados;
2007: Implementacin Basilea II
131
Basilea I :
Capital Total
8%
Riesgo Crdito (Activos pond x Riesgo)
132
Basilea II :
Capital Total
8%
R. Crdito + R. Mercado + R. Operativo
133
Riesgo de Crdito
Calif. Interna Avanzada
Cargo de
Capital
por Riesgo
de Crdito
(Advanced IRB)
Calif. Interna Bsica
(Foundation IRB)
Metodologa
Estndar
134
Generalidades
Metodologa Estndar:
Requiere el uso
de calificaciones externas;
Modelos Internos (IRB): Institucin acta
como calificadora de sus propios crditos,

asignando calificaciones internas.
135
Generalidades
Comparacin Metodologas
CREDIT RISK
MARKET RISK
(1996 Amendment)
OPERATIONAL RISK
Standardised
Approach
Standardised Approach
Basic Indicator Approach
Foundation IRB
Approach
Internal Models
Approach
Standardised Approach
Advanced IRB
Approach
Internal Measurement
Approach
136
Uso de calificaciones externas:
Alta correlacin histrica entre grados de calificacin
y tasas de default:
1 Yr Average Issuer-weighted default rate, 1983-2002
20
15
10
CCC
B-
B+
BB-
BB
BB+
BBB-
BBB
BBB+
A-
A+
AA-
AAA
AA
AA+
Historical default probability
25
Fuente: Default & Recovery Rates of Corporate Bond Issuers February 2003: Moodys Investors Service
137
Metodologa Calificaciones Internas
Calificaciones Internas basadas en:
PD (Prob. Default): Probabilidad de
Incumplimiento (en %);
LGD (Loss Given Default): Severidad
de la prdida (en %);
EAD (Exposure at Default):
Exposicin de la prdida (en $).
138
Metodologa Calificaciones Internas
Lineamientos Generales:
Prdida Esperada (EL) = PD LGD EAD
(%) (%) ($)

Frecuencia
Severidad
Severidad = 1- r, r = tasa de recuperacin
139
Prdidas Esperadas e Inesperadas
Prdidas Esperadas: (Estadsticamente,
frecuencia histrica)
Prdidas Inesperadas:
(Medidas de dispersin)
140
141
Nivel de Confianza dado por VAR
(Crdito: CAR CER);

Basilea: 99,9 % de confiabilidad estadstica;
Complejidad: Prdidas no siguen distribucin
normal
Frecuencia vs. Severidad
142
Implementacin
Considerar parmetros de frecuencia y severidad:
Por tipo de Cartera, Subcartera;
Por Regin y Sector Econmico;
Registro de Incumplimientos;
Registro de Probabilidad de Incumplimiento
para operaciones nuevas.
143
Implementacin
Valor Garantas;
Descuento Garantas;
Tasa Crdito;
Tasa Fondeo;
Comisiones;
Valor Provisiones Actuales;
Calificacin Actual.
144
Registro (Incumplimientos)
Monto de Incumplimiento;
Fecha de Incumplimiento;
Das en Mora;
Recuperacin Esperada;
Recuperacin Real;
Fecha de Recuperacin;
Costos de Recuperacin.
145
Calificaciones Internas - Pasos:
Asignacin de
Calificacin Interna
Clculo Ponderacin de
Riesgo
Clculo Prdida Esperada e
Inesperada
Clculo Probabilidad de Incumplimiento y
Severidad de la Prdida
146
DISTRIBUCIN DE CALIFICACIONES
Calificacin
RANGOS
TOTALES
Fuerte
0.00%
75.00%
14
Buena
75.01%
100.00%
9
Satisfactoria
100.01%
150.00%
17
Dbil
150.01%
350.00%
10
Incumplimiento
350.01%
1250.00%
0
A
B
C
D
E
DISTRIBUCIN DE CALIFICACIONES
18
16
14
12
10
8
6
4
2
0
A
CALIFICACIN
D
147
Indicadores de Riesgo
PONDERACIONES DE CAPITAL POR CRDITO INDIVIDUAL
300.00%
PONDERACIN
250.00%
200.00%
150.00%
100.00%
50.00%
0.00%
0
10
15
20
25
30
35
40
45
CRDITO INDIVIDUAL
148
50
Indicadores de Riesgo
PONDERACIONES DE CAPITAL POR MONTOS
300.00%
250.00%
PONDERACIN
200.00%
150.00%
100.00%
50.00%
0.00%
0.00
50,000.00
100,000.00 150,000.00 200,000.00 250,000.00 300,000.00 350,000.00 400,000.00 450,000.00 500,000.00

MONTO
149
Indicadores de Concentracin
ANLISIS DE CONCENTRACIN
100.00%
90.00%
80.00%
70.00%
60.00%
PORTAFOLIO
50.00%
IDEAL
40.00%
30.00%
20.00%
10.00%
48
45
42
39
36
33
30
27
24
21
18
15
12
0.00%
150
Indicadores de Concentracin
GRANULARIDAD POR CRDITO
5.00%
4.50%
4.00%
3.50%
3.00%
2.50%
2.00%
1.50%
1.00%
0.50%
0.00%
0
10
15
20
25
LMITE DE GRANULARIDAD
30
35
40
45
GRANULARIDAD INDIVIDUAL
151
50
Dnde queda la rentabilidad ?
1) RAROC (Rendimiento del Capital Ajustado
por Riesgo)
Utilidad Prdidas E speradas

RAROC
Capital en Riesgo
(Utilidad incluye MF y Comisiones)
Clculo por Operacin
152
Dnde queda la rentabilidad ?
2) VEA (Valor agregado al accionista)
EVA CE * ( RAROC rk )
CE = Capital econmico;
rk = rendimiento mnimo / costo de
capital
Clculo por Operacin

153
Indicadores de Rentabilidad
RAROC INDIVIDUAL VS. COSTO DE CAPITAL
120.00%
100.00%
80.00%
60.00%
40.00%
20.00%
0.00%
-20.00% 0
10
20
RAROC
30
40
50
COSTO DE CAPITAL
154
MONTO vs. RAROC
120.00%
100.00%
RAROC
80.00%
60.00%
40.00%
20.00%
0.00%
50,000.00 100,000.00 150,000.00 200,000.00 250,000.00 300,000.00 350,000.00 400,000.00 450,000.00 500,000.00
-20.00%
MONTO
155
VALOR ECONMICO AADIDO, POR CRDITO
15,000.00
10,000.00
VEA ($)
5,000.00
0.00
0
10
15
20
25
30
35
40
45
-5,000.00
-10,000.00
-15,000.00
CRDITO INDIVIDUAL
156
50
VALOR ECONMICO AADIDO, POR MONTO
15,000.00
10,000.00
VEA ($)
5,000.00
0.00
0.00
-5,000.00
50,000.00 100,000.00 150,000.00 200,000.00 250,000.00 300,000.00 350,000.00 400,000.00 450,000.00 500,000.00
-10,000.00
-15,000.00
MONTO ($)
157
Calificaciones Internas - Resumen:
1) Clculo de la probabilidad de incumplimiento y
severidad de la prdida;
2) Clculo de la Prdida Esperada e Inesperada;
3) Clculo de Ponderacin de Riesgo;
4) Asignacin de Calificacin en base a la
Ponderacin de Riesgo;
Por Crdito Individual

158
Ejemplos Metodologa Estndar :
Capital Total
8%
R. Crdito + R. Mercado + R. Operativo
159
Relacin con Scoring:
Sistema de Scoring
(Prediccin)
Sistema de Calificaciones Internas

(Realidad)
160
Comentarios Ecuador
Impacto en el sistema de bancos privados
Aplicando mtodo estndar, activos ponderados por
riesgo disminuyen debido a:

Menor ponderacin de crditos minoristas (75 %)
Disminucin de $ 180 MM;
Menor ponderacin crdito hipotecario (35 %)
Disminucin de $ 32 MM.
Nota: Datos con corte a abril 2003
*Comentarios referentes a la aplicabilidad del Nuevo Acuerdo de Capital del
Comit de Basilea para el Caso Ecuatoriano, SBS ,31 de julio 2003
161
Comentarios - Ecuador
Impacto en el sistema de bancos privados
Por lo tanto, la relacin de solvencia para el sistema
aumenta del 12,10 % al 12,70 % (considerando

ajustes por riesgo de crdito);
Sin embargo, al considerar ajustes por riesgo de
mercado y operativo, la relacin de solvencia
disminuye a rangos del 9,66 % al 10,26 % (segn el
escenario considerado)*
*Comentarios referentes a la aplicabilidad del Nuevo Acuerdo de Capital del
Comit de Basilea para el Caso Ecuatoriano, SBS ,31 de julio 2003
162
Proyecciones - Colombia
Fuente: Superintendencia Bancaria de Colombia
163
Comentarios Per
Temas que no han sido especificados:
Requerimientos explcitos de capital en
sistemas altamente concentrados;
Crditos de la banca internacional sern cada
vez ms procclicos;
Divergencia en planes contables (para Pilar 3).
*Comentarios al Tercer Documento Consultivo de Nuevo Acuerdo de Capital Propuesto por el
Comit de Basilea para la Supervisin Bancaria, Superintendencia de Banca y Seguros, 31 de
julio 2003
164
Comentarios Per
Dependencia de calificadoras de riesgo;
Incentivos a crear empresas calificadoras
rpidamente;
Distorsin: 100 % ponderacin de riesgo para
empresas no calificadas, 150 % < BIncentivos para las empresas de mayor riesgo
a no calificarse y ocultar su verdadero perfil de
riesgos.
julio 2003
165
Comentarios Per
Calificaciones externas reflejan criterios de
riesgo o colateral en el mercado de capitales?

Tratamiento ms favorable a crditos de corto
plazo
incentivo de bancos internacionales a reducir
el plazo de crditos a pases emergentes;
julio 2003
166
Comentarios Per
IRB
complementado con un marco regulador

apropiado puede ser una mejor alternativa que el uso
de calificadoras externas de riesgo.
IRB requiere de bases de datos amplias, mayor
inversin en tecnologa por parte de los bancos y del
supervisor, acumulacin del historial crediticio, etc.
lo que podra dificultar el cumplimiento con el tiempo
estimado para la implementacin.
julio 2003
167
Expositor
Econ. y Mat. Enrique Navarrete,
Gerente General, Scalar Consulting
Email: escalar@interactive.net.ec
Tel.(5932) 255.9229, cel. (5939)
981.1320
MSc. University of Chicago
BS. Economa, Matemticas, MIT
Ministerio de Economa, Mxico
Software de Riesgos Financieros
168

Seminario Riesgo Crédito - AMS 3

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Seminario Riesgo Crédito - AMS 3

Diunggah oleh

Hak Cipta:

Format Tersedia

NUEVOS MODELOS DE

Scalar Consulting, 2004

Visin Tradicional del Riesgo de Crdito

Scalar Consulting, 2004

Visin Tradicional del Riesgo de Crdito

Visin Tradicional del Riesgo de Crdito

Visin Tradicional del Riesgo de Crdito

Visin Tradicional del Riesgo de Crdito

Visin Tradicional del Riesgo de Crdito

Visin Tradicional del Riesgo de Crdito

concesin de crdito / control y seguimiento;

Visin Tradicional del Riesgo de Crdito

Visin Tradicional del Riesgo de Crdito

Visin Tradicional del Riesgo de Crdito

2. Tiempo en Direccin Actual

Adaptado Hempel & Simonson

Scalar Consulting, 2004

Visin Tradicional del Riesgo de Crdito

Agregacin no es lineal en realidad

Fijacin de Tasas Ajustadas por Riesgo

Fijacin de Tasas Ajustadas por Riesgo

Fijacin de Tasas Ajustadas por Riesgo

todos los costos son considerados;

Scalar Consulting, 2004

Fijacin de Tasas Ajustadas por Riesgo

Scalar Consulting, 2004

Fijacin de Tasas Ajustadas por Riesgo

de que no se cumpla en todo o en parte

durante la vida del crdito!

Fijacin de Tasas Ajustadas por Riesgo

Scalar Consulting, 2004

Clculo de probabilidad de incumplimiento

de la volatilidad del valor de la empresa

Clculo de probabilidad de incumplimiento

Derecho de comprar activo subyacente en una

Asumir K = $100 y opcin sin costo.

Para qu precio final del activo subyacente me

Scalar Consulting, 2004

Clculo de probabilidad de incumplimiento

Precio del Subyacente al Vencim iento

Scalar Consulting, 2004

Clculo de probabilidad de incumplimiento

Scalar Consulting, 2004

Clculo de probabilidad de incumplimiento

Derecho de vender activo subyacente en una

Asumir K = $100 y opcin sin costo.

Para qu precio final del activo subyacente me

Scalar Consulting, 2004

Clculo de probabilidad de incumplimiento

Precio del Subyacente al Vencim iento

Scalar Consulting, 2004

Clculo de probabilidad de incumplimiento

Scalar Consulting, 2004

Clculo de probabilidad de incumplimiento

Clculo de probabilidad de incumplimiento

Clculo de probabilidad de incumplimiento

Clculo de probabilidad de incumplimiento

Clculo de probabilidad de incumplimiento

proporcionar el precio, determinar la

Clculo de probabilidad de incumplimiento

Scalar Consulting, 2004

Clculo de probabilidad de incumplimiento

= Volatilidad del activo subyacente

N(d1) = Distribucin Normal acumulada para d1