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
MDULO 1
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.
Scalar Consulting, 2004
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).
Scalar Consulting, 2004
Introduccin
Realidades - Antes:
Calificacin y provisiones basadas en das
en mora;
Sustento terico?
Medida ex-post !
Scalar Consulting, 2004
Introduccin
Realidades - Ahora:
Calificacin y provisiones basadas en
probabilidad de incumplimiento;
An para operaciones que no han cado
en mora !
Medida ex-ante !
Scalar Consulting, 2004
Introduccin
Realidades - Antes:
Visin parcial: rentabilidad solamente;
Realidades - Ahora:
Relacin completa rentabilidad-riesgo
Medidas de rentabilidad ajustadas por
riesgo
Scalar Consulting, 2004
Introduccin
Realidades - Antes: Procesos separados :
10
11
12
Puntos
40
8
8
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
13
5
15
30
50
Capital Total
8%
Riesgo Crdito + Riesgo Mercado + Riesgo Operativo
14
MDULO 2
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.
Scalar Consulting, 2004
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.
Scalar Consulting, 2004
17
Introduccin
IFI genera utilidad en crditos slo si
18
Introduccin
Riesgos:
Incumplimiento;
Mercado (tasas y t.c.);
Liquidez;
Operativos.
19
Introduccin
Riesgo de Incumplimiento: Probabilidad
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
Modelo
Supuesto principal radica en el clculo
23
24
Ganancia/Prdida ($)
$60
$50
$40
$30
$20
$10
$0
40
60
80
100
120
140
160
25
Ganancia/Prdida ($)
$0
-$10
40
60
80
100
120
140
160
-$20
-$30
-$40
-$50
-$60
-$70
Precio del Subyacente al Vencim iento
26
27
G anancia/Prdida ($)
$60
$50
$40
$30
$20
$10
$0
40
60
80
100
120
140
160
28
G anancia/Prdida ($)
$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
Scalar Consulting, 2004
30
Modelo
Diagramas:
E
E = V - L(1+i)
E=0
L(1+i)
(V=E+D)
E = max (V - L(1+i), 0 )
Scalar Consulting, 2004
31
Modelo
Diagramas:
D
L(1+i)
D=V
L(1+i)
D = min (V , L(1+i))
Scalar Consulting, 2004
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
Scalar Consulting, 2004
33
Frmula de Black-Scholes
Nota: La opcin se ejerce o no se ejerce
(decisin binaria)
La frmula de Black-Scholes, adems de
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.
36
Ejemplo
Clculo de tasa ajustada por riesgo para crdito a 5
aos plazo:
37
Ejemplo
Valoracin del crdito cuando el plazo remanente es
de 1 ao:
38
Ejemplo
Valoracin del crdito cuando el plazo remanente es
de 1 ao y la volatilidad ha aumentado:
B) VALORACIN A MERCADO DE CRDITOS
YA EXISTENTES
Valor Empresa
$12,500
Endeudamiento total
$6,000
Nivel Endeudamiento
48%
$500
Monto Crdito
% Crdito/Endeudamiento
8.33%
Plazo remanente (aos)
1
Volatilidad anual
65.00%
Volatilidad total*
65.00%
7.06%
Prob. Incumplimiento
Monto Final Crdito
$640.52
$595.30
Valor de Mercado
Scalar Consulting, 2004
39
Ejemplo
Valoracin del crdito cuando el plazo remanente es
40
Ejemplo
Valoracin del crdito cuando tanto la volatilidad
41
Ejemplo
Valoracin del crdito cuando el plazo remanente es
de 36 das:
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
Anlisis Discriminante
Objetivo: Separar dos o ms grupos por
45
Anlisis Discriminante
Anlisis Discriminante
Variantes:
- Separacin de Grupos
- Clasificacin de Grupos
46
Anlisis Discriminante
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
Anlisis Discriminante
Anlisis Discriminante
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
48
$ 66
$ 65
$ 64
$ 63
$ 62
$ 61
$ 60
$ 59
$ 58
$ 57
$ 56
$ 32
Anlisis Discriminante
Ejemplo 1:
Anlisis Discriminante
$ 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
Anlisis Discriminante
Utilidad:
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
50
Anlisis Discriminante
Output:
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%
51
Anlisis Discriminante
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.
Scalar Consulting, 2004
52
Anlisis Discriminante
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
Scalar Consulting, 2004
53
Anlisis Discriminante
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
54
Anlisis Discriminante
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
Explained Variance (Eigenvalues)
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
55
Anlisis Discriminante
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
Anlisis Discriminante
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
57
x
x
x
x
x
x
x
x
x
x
Anlisis Discriminante
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
Anlisis Discriminante - Clasificacin
Funciones de
clasificacin para
ms de dos variables:
Funcin de Clasificacin # 1:
Y1 = - 1451.01 + 4.998 * Ingreso + 5.260 * Antigedad + 78.609 * Edad
Funcin de Clasificacin # 2:
Y2 = - 1405.76 + 5.142 * Ingreso + 2.773 * Antigedad + 77.834 * Edad
Funcin de Clasificacin # 3:
Y3 = - 1399.62 + 5.211 * Ingreso + 3.459 * Antigedad + 77.292 * Edad
59
Anlisis Discriminante
Anlisis Discriminante - Clasificacin
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
60
Anlisis Discriminante
3
5
6
15
Correctly
Classified
0.800
0.733
0.500
0.678
61
Anlisis Discriminante
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
62
rboles de Decisin
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
63
rboles de Decisin
64
65
Redes Neuronales
66
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
Scalar Consulting, 2004
68
Interpretacin
Explained Variance (Eigenvalues)
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
69
Interpretacin
Scree Plot
3.5
Eigenvalue
3.0
2.5
2.0
1.5
1.0
0.5
0.0
1
Component Number
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
Scalar Consulting, 2004
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
Concepto
Reducir el nmero de variables originales
73
Ejemplo
Determinar los factores ms importantes (ratios)
74
Interpretacin
Explained Variance (Eigenvalues)
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
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
Concepto
No slo separan los grupos sino que
77
crdito;
Decidir si conceder o no en base a
muestra de 170 tarjetas otorgadas;
Anlisis de validacin del modelo
utilizando muestra real.
78
79
80
Coefficient
33.21615
-0.617457
0.817951
5.487505
5.010921
-3.943799
-0.551888
-1.254226
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
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
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
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).
Scalar Consulting, 2004
84
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
Prob(Default)
40.00%
20.00%
0.00%
0
Scalar Consulting, 2004
50
100
150
86
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
87
MDULO 5
Comparacin de 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.
Scalar Consulting, 2004
89
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
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.
Scalar Consulting, 2004
92
Indefinido
93
Totales = 12,5 %
x4 = Valor Accionario / Valor en libros Deuda =
124 %
94
Valor variable
12.0%
8.0%
12.5%
124.0%
35.0%
1.76215
95
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
96
No Quiebra
97.0%
93.9%
-
97
y Narayanan (1977);
Consideracin
de 7 indicadores:
- Rendimiento sobre activos
(ROA);
- Estabilidad de utilidades;
- Servicio de la deuda;
- Utilidades acumuladas;
Scalar Consulting, 2004
- Liquidez;
- Nivel de capitalizacin
- Tamao (logaritmo de
Activos).
98
Comparacin de modelos
Aos anteriores
a la quiebra
1
2
3
4
5
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%
99
manufactureras;
Modelo Z para empresas privadas;
Modelo EMS Mercados emergentes.
100
Modelo KMV
Concepto
Basado en la volatilidad del valor econmico de
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
Scalar Consulting, 2004
104
Modelo KMV
Modelo
Determinacin del valor esperado de activos y
punto de incumplimiento:
Empresa incumple cuando cuando valor en libros
105
Modelo KMV
Modelo
De acuerdo al valor esperado al final del
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
V D
DD
V a
Scalar Consulting, 2004
108
Modelo KMV
Ejemplo:
109
Modelo KMV
Ejemplo:
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)
Scalar Consulting, 2004
112
Modelo KMV
Modelo KMV
Modelo KMV
Comparacin Modelo Zeta
Coeficiente de Spearman entre EDF y Score Zeta
115
Modelo KMV
Conclusin
DD es una medida ordinal; para obtener
116
Modelo Creditmetrics
Concepto
Enfatiza riesgo de crdito no slo debido a
117
Modelo Creditmetrics
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
Modelo Creditmetrics
Fuente: Default & Recovery Rates of Corporate Bond Issuers February 2003: Moodys Investors Service
119
Modelo Creditmetrics
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
Modelo Creditmetrics
Pasos
2. Valoracin del portafolio
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.
Scalar Consulting, 2004
121
Modelo Creditmetrics
Pasos
2. Valoracin del portafolio
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,
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.
Scalar Consulting, 2004
124
125
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
50%
2
126
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
Recomendaciones de Basilea
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)
Scalar Consulting, 2004
130
Recomendaciones de Basilea
Basilea II: Cronologa
En adelante...
2004 fines 2006: Recopilacin bases de datos;
Fin 2005 fines 2006:
Clculos en paralelo
131
Recomendaciones de Basilea
Basilea I :
Capital Total
8%
Riesgo Crdito (Activos pond x Riesgo)
132
Recomendaciones de Basilea
Basilea II :
Capital Total
8%
R. Crdito + R. Mercado + R. Operativo
133
Recomendaciones de Basilea
Riesgo de Crdito
Calif. Interna Avanzada
Cargo de
Capital
por Riesgo
de Crdito
(Advanced IRB)
Calif. Interna Bsica
(Foundation IRB)
Metodologa
Estndar
134
Recomendaciones de Basilea
Generalidades
Metodologa Estndar:
Requiere el uso
de calificaciones externas;
135
Recomendaciones de Basilea
Generalidades
Comparacin Metodologas
CREDIT RISK
MARKET RISK
(1996 Amendment)
OPERATIONAL RISK
Standardised
Approach
Standardised Approach
Foundation IRB
Approach
Internal Models
Approach
Standardised Approach
Advanced IRB
Approach
Internal Measurement
Approach
136
Recomendaciones de Basilea
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+
25
Fuente: Default & Recovery Rates of Corporate Bond Issuers February 2003: Moodys Investors Service
137
Recomendaciones de Basilea
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 $).
Scalar Consulting, 2004
138
Recomendaciones de Basilea
Metodologa Calificaciones Internas
Lineamientos Generales:
Prdida Esperada (EL) = PD LGD EAD
139
Recomendaciones de Basilea
Prdidas Esperadas e Inesperadas
Prdidas Esperadas: (Estadsticamente,
frecuencia histrica)
Prdidas Inesperadas:
(Medidas de dispersin)
Scalar Consulting, 2004
140
Recomendaciones de Basilea
Prdidas Esperadas e Inesperadas
141
Recomendaciones de Basilea
Prdidas Esperadas e Inesperadas
Nivel de Confianza dado por VAR
142
Recomendaciones de Basilea
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
Recomendaciones de Basilea
Implementacin
Valor Garantas;
Descuento Garantas;
Tasa Crdito;
Tasa Fondeo;
Comisiones;
Valor Provisiones Actuales;
Calificacin Actual.
Scalar Consulting, 2004
144
Recomendaciones de Basilea
Registro (Incumplimientos)
Monto de Incumplimiento;
Fecha de Incumplimiento;
Das en Mora;
Recuperacin Esperada;
Recuperacin Real;
Fecha de Recuperacin;
Costos de Recuperacin.
Scalar Consulting, 2004
145
Recomendaciones de Basilea
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
Scalar Consulting, 2004
146
Recomendaciones de Basilea
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
Recomendaciones de Basilea
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
Recomendaciones de Basilea
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
149
Recomendaciones de Basilea
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
Recomendaciones de Basilea
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
Recomendaciones de Basilea
Dnde queda la rentabilidad ?
1) RAROC (Rendimiento del Capital Ajustado
por Riesgo)
152
Recomendaciones de Basilea
Dnde queda la rentabilidad ?
2) VEA (Valor agregado al accionista)
EVA CE * ( RAROC rk )
CE = Capital econmico;
rk = rendimiento mnimo / costo de
capital
153
Recomendaciones de Basilea
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
Recomendaciones de Basilea
Indicadores de Rentabilidad
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
Recomendaciones de Basilea
Indicadores de Rentabilidad
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
Recomendaciones de Basilea
Indicadores de Rentabilidad
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
Recomendaciones de Basilea
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;
158
Recomendaciones de Basilea
Ejemplos Metodologa Estndar :
Capital Total
8%
R. Crdito + R. Mercado + R. Operativo
159
Recomendaciones de Basilea
Relacin con Scoring:
Sistema de Scoring
(Prediccin)
160
Recomendaciones de Basilea
Comentarios Ecuador
Impacto en el sistema de bancos privados
Aplicando mtodo estndar, activos ponderados por
161
Recomendaciones de Basilea
Comentarios - Ecuador
Impacto en el sistema de bancos privados
Por lo tanto, la relacin de solvencia para el sistema
162
Recomendaciones de Basilea
Proyecciones - Colombia
163
Recomendaciones de Basilea
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
Scalar Consulting, 2004
164
Recomendaciones de Basilea
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.
*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
Scalar Consulting, 2004
165
Recomendaciones de Basilea
Comentarios Per
Calificaciones externas reflejan criterios de
166
Recomendaciones de Basilea
Comentarios Per
IRB
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