Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introduction
En esta clase, discutiremos las principales características de los dos enfoques basados en la
clasificación interna, la F-IRB y la A-IRB.
Sólo los bancos que reciben la aprobación de sus supervisores nacionales están autorizados a
utilizar estos enfoques para hacer frente al riesgo de crédito. En particular, se supone que los
bancos deben cumplir ciertas condiciones mínimas, incluidos algunos requisitos de divulgación.
Los enfoques basados en la calificación interna (IRB) son más sofisticados que el enfoque
normalizado, y requieren más trabajo y atención. Sin embargo, en promedio, los requisitos de
capital, según se obtienen de los métodos IRB, son menores que los que da el enfoque
normalizado (y esto es algo que los bancos hacen como, porque de esta manera tienen más dinero
para otras actividades). Esto se debe a un cálculo más preciso del ARP. Bajo el enfoque del IRB, el
RWA se obtiene usando fórmulas muy específicas, diferentes a la que hemos visto en la Lección 1.
Veremos esas fórmulas más adelante, cuando introduzcamos los diferentes modelos.
Bajo los enfoques del IRB, el RWA se calcula generalmente utilizando 3 elementos diferentes:
1. Parámetros de riesgo
Los más famosos son: la Probabilidad de Incumplimiento (PD), la Exposición en Incumplimiento
(EAD), la Pérdida por Incumplimiento (LGD), y la llamada Madurez (M).
2. Funciones de ponderación del riesgo
Estas son funciones definidas en los Acuerdos de Basilea II-III, y están destinadas a calcular el
RWA dados los parámetros de riesgo del punto anterior.
3. Requisitos mínimos
Simplemente las normas mínimas que un banco debe cumplir para ser autorizado a utilizar los
métodos del IRB.
En el A-IRB, los bancos son libres de calcular todos sus parámetros de riesgo utilizando modelos
propietarios. La única condición es que los cálculos respeten algunas directrices mínimas, que son
establecidas por el regulador.
El regulador también comprueba la solidez estadística de los modelos propuestos.
En cuanto a los enfoques del IRB, puede echar un vistazo a las páginas 52-119 del documento de
Basilea II, ¡pero no es necesario estudiarlo! Sólo por curiosidad.
Importante actualización (a partir de enero de 2018): Una diferencia importante entre Basilea II y
Basilea III es el papel del enfoque de la A-IRB. En particular, la importancia del enfoque de la JRI-A
ha disminuido desde enero de 2018, porque se considera que no es suficientemente conservador
en la evaluación del riesgo crediticio (en el marco de la A-IRB, los bancos tienden a tener
evaluaciones de riesgo muy diferentes para las contrapartes, y el regulador prefiere normas
comunes). Al mismo tiempo, Basilea III introdujo algunas limitaciones adicionales en la F-IRB y
reforzó el STA básico, también para los grandes bancos e instituciones financieras. Lo que decimos
en este curso ya está en consonancia con las últimas novedades (por lo tanto, algunos detalles que
se pueden encontrar en libros "antiguos", o en ediciones anteriores de este MOOC, ya no son
válidos).
Hola, bienvenidos. En la última clase, hemos visto algo más sobre el enfoque estandarizado. En
esta clase discutimos los métodos basados en la calificación interna, o enfoques. El acrónimo es
IRB: internal--rating based, y estoy seguro de que recuerdan que la semana pasada tuvimos dos
enfoques principales en este campo. El enfoque Básico basado en la calificación interna y el
enfoque avanzado basado en la calificación interna. Para poder utilizar estos enfoques -ambos
enfoques- los bancos deben cumplir con algunos requisitos mínimos. Y encontrará más
información sobre los requisitos mínimos en la plataforma del curso. Es esencialmente una lista de
definiciones y leyes, así que -lo sé- nada muy emocionante, pero es algo que tenemos que saber,
con el fin de abordar correctamente el riesgo crediticio. Por lo tanto, tenemos estos dos enfoques.
¿Cuál es la principal diferencia entre estos dos enfoques? La principal diferencia es que, según el
método Básico IRB, los bancos deben computar una cantidad llamada PD, probabilidad de
incumplimiento, y son libres de computar esta cantidad usando el método que quieran, y
veremos algunos métodos en las semanas 4, 5 y 6. Una vez que tienen esta cantidad, conectan
esta cantidad a algunas fórmulas, y estas fórmulas darán la cantidad habitual que nos interesa al
final del juego, es decir, RWA. Ok, aquí tenemos, alguna fórmula. Por el momento, no podemos
entrar en muchos detalles, porque necesitamos especificar e introducir nuevas herramientas para
ello. En cuanto al enfoque A-IRB, este es el enfoque en el que los bancos tienen mayor libertad.
En este enfoque, los bancos calculan diferentes cantidades: la PD (la probabilidad de impago), la
EAD (exposición en el momento del impago), la LGD (pérdida en caso de impago). Todas estas
cantidades son calculadas por los bancos utilizando algunos modelos -algunos modelos
patentados. Y, al final del juego, de nuevo en este caso, obtienen el RWA. Una vez que tienen el
RWA, ya sabes mejor que yo, que tenemos esta vez 0,08, o esta vez 0,08, y estos son nuestros
requisitos de capital. Ahora, los bancos tienen la posibilidad de elegir entre el enfoque básico y el
avanzado, dentro de la clase IRB.
Típicamente los bancos eligen este enfoque, si no tienen unidades de investigación muy
complejas, porque bajo este enfoque simplemente tienen que calcular la probabilidad de
incumplimiento, y luego todas las fórmulas son proporcionadas por el regulador. Así que se ve la
diferencia entre el enfoque estandarizado, en el que todo es proporcionado por el regulador, y los
bancos simplemente tienen que hacer - si se quiere - cálculos de tipo "Silly" (Trivial, tonto, bobo). En el
enfoque de la Fundación IRB, computan la PD, que es mucho más sofisticada que, por ejemplo, los
cómputos que se pueden hacer bajo el enfoque estandarizado, pero una vez que tienen a este
tipo, simplemente conectan la probabilidad de incumplimiento dentro de alguna fórmula, que es
provista por el BCBS, y eso es todo. Tienen el RWA, 8%, riesgo de crédito... ehm perdón...
requisitos de capital para el riesgo de crédito. Y, bajo el enfoque del IRB avanzado, por el
contrario, los bancos tienen mucha más libertad: pueden computar muchas cantidades diferentes,
y en la plataforma se encuentra la definición de todas estas cantidades. Estas cantidades se
calculan esencialmente a través de modelos patentados, y una vez que tienen estas cantidades,
pueden calcular el RWA. Y dado que los RWA se calculan con el enfoque avanzado, 8%, los
requisitos de capital para el riesgo de crédito. Veremos ambos métodos con más detalle, pero
obviamente tenemos que introducir algunas herramientas estadísticas más sofisticadas, con el fin
de comprender realmente. Por el momento, sólo recuerde, IRB, dos posibilidades diferentes.
Básico: el cálculo de PD, conectar la probabilidad de incumplimiento en algunas fórmulas, RWA.
Con el enfoque Avanzado, los bancos son libres de computar más cantidades, esto es mucho más
difícil, pero para los bancos -veremos- esto tiene obviamente algunas ventajas, en términos del
capital que tienen que mantener en términos de requerimientos de capital, y RWA, 8%...
Naturalmente, si usted elige usar este enfoque, el más avanzado, no asuma que es totalmente
libre de hacer lo que quiera. El regulador, el regulador nacional, siempre querrá comprobar todos
sus cálculos, para asegurarse de que los modelos que está usando son fiables. Así que, ahora, es su
turno. Ve a la plataforma del curso y lee con atención todo el material que puedas encontrar
para esta clase. Hasta la próxima.
Risk Parameters
Los parámetros de riesgo son posiblemente las cantidades más importantes en los enfoques del
IRB. Cada uno de ellos define un aspecto fundamental del riesgo de crédito.
Probabilidad de incumplimiento - PD
Por lo general, se dice que una contraparte está en mora cuando lleva más de 90 días (las leyes
nacionales pueden variar) de retraso en el cumplimiento de su obligación crediticia, o se considera
poco probable que el deudor pague su deuda sin renunciar a ninguna garantía prendaria.
La EAD es una medida de la medida en que un banco está expuesto a una contraparte, en el caso
de que ésta incumpla.
Hay casos en los que se conoce exactamente la EAD, por ejemplo cuando se trata de exposiciones
fijas como los préstamos a plazo. En otras situaciones, la EAD sólo puede ser aproximada, como en
el caso de las exposiciones renovables, como las líneas de crédito.
La LGD es el porcentaje (%) de pérdida sobre la exposición total, en el caso de que una contraparte
incumpla. Por lo tanto, la LGD es un porcentaje de la EAD.
Supongamos que somos un banco japonés, y que uno de nuestros clientes se declara en
bancarrota e incumple.
Digamos que la deuda pendiente de nuestro cliente es de 150 millones de yenes. Esto no es más
que el EAD.
Como veremos más adelante, al hablar de las tasas de recuperación (Semana 4), cuando una
contraparte incumple es muy poco probable que perdamos todo el dinero. Típicamente, usando
procedimientos especiales, por ejemplo, la ejecución hipotecaria, somos capaces de recuperar una
(buena) parte de nuestro crédito.
Supongamos que, cuando nuestro cliente incumple, podemos obtener 90 millones de yenes,
vendiendo alguna garantía. Esto significa que realmente perdemos "sólo" ¥150-¥90=¥60 millones.
En otros términos, la pérdida real cuando nuestro cliente no paga es de 60 millones de yenes. Esto
corresponde al 40% de la EAD (60'000'000/150'000'000=0,4), es decir, nuestra LGD es del 40% (o
0,4 en decimales).
Madurez - M
Por ejemplo, un bono a 2 años tiene un vencimiento de 2 años. Una hipoteca a 5 años tiene
simplemente un vencimiento de 5. Y así sucesivamente.
Se pueden dar definiciones más sofisticadas de madurez, pero no son interesantes para nosotros
en esta etapa (espere hasta la semana 6).
Risk-weight functions
Como ya se ha dicho, el papel de las funciones de ponderación del riesgo es determinar el ARP de
un banco, a partir de los parámetros de riesgo. En términos matemáticos, las funciones de
ponderación del riesgo asignan los parámetros de riesgo a los activos ponderados por riesgo.
No entraremos en los detalles de las funciones de ponderación del riesgo, porque está fuera del
alcance de este curso de introducción a la gestión del riesgo crediticio.
Además, para tratar eficazmente las funciones de ponderación del riesgo, necesitamos primero
introducir muchas otras cantidades e instrumentos estadísticos, como haremos en las semanas 3,
4, 5 y 6.
En la semana 6, volveremos brevemente a las funciones de ponderación de riesgo, sólo para darles
un poco más de detalles.
Por el momento, sólo por su curiosidad, quiero mostrarles un ejemplo de función de peso de
riesgo, la que se utiliza para la exposición de hipotecas residenciales.
Volveremos más tarde al significado de todos los diferentes componentes de las fórmulas
anteriores. Por el momento, sólo quiero que recuerden cuál es el papel de una función de peso de
riesgo, es decir, determinar el RWA a partir de los parámetros de riesgo.
Minimum Requirements
A fin de utilizar los dos enfoques de la IRB (Foundation y Advanced) para el riesgo crediticio, los
bancos deben satisfacer algunos requisitos mínimos, establecidos por el regulador nacional
(normalmente el Banco Central). Por lo tanto, estos requisitos previos pueden variar de un país a
otro, aunque todos ellos compartan algunos elementos comunes, descritos en los documentos de
Basilea II y III.
El BCBS enumera muchas condiciones diferentes que un banco debe respetar; entre ellas:
Composición
Cumplimiento
Diseño de clasificación de riesgos
Gobierno Corporativo
Divulgación
Composición
Un banco que utilice los métodos de la IRB debe garantizar que sus estimaciones de los
parámetros de riesgo sean capaces de reflejar y respetar las características de cada contraparte.
En palabras sencillas, esto significa que los parámetros de riesgo deben diferenciar entre los
distintos tipos de clientes. El riesgo relacionado con un cliente minorista no puede evaluarse como
el riesgo de un cliente corporativo.
Además, los parámetros de riesgo deben fomentar la diversificación del riesgo y deben ser
coherentes con su utilización en las decisiones de gestión del riesgo. Desde un punto de vista
estadístico, esto podría leerse como una sugerencia para utilizar medidas coherentes de riesgo,
algo que veremos juntos la próxima semana.
Cumplimiento
Al adoptar cualquier enfoque de la IRB, se supone que los bancos deben demostrar el
cumplimiento continuo de todos los requisitos mínimos. En el caso de que, en un momento
determinado, un banco no satisfaga uno (o más) de los requisitos mínimos, por la razón que sea,
está obligado a informar al regulador nacional, proponiendo un plan sobre las estrategias que el
banco se propone aplicar para volver a cumplirlos.
El requisito del diseño de la calificación está relacionado con un conjunto de reglas estadísticas y
tecnológicas, destinadas a garantizar la calidad de la estimación de los parámetros de riesgo. Los
bancos tienen la posibilidad de utilizar muchos modelos y sistemas de calificación diferentes para
las distintas exposiciones, pero la metodología según la cual se asigna una exposición a un sistema
de calificación determinado debe ser lógica y documentada.
Muy importante: un banco no debe hacer uso de un sistema de calificación determinado, sólo
porque reduce al mínimo los requisitos de capital reglamentario. En otras palabras, un banco
siempre debe justificar su elección con sólidos argumentos de modelización.
Gobernanza empresarial
En todo banco que utilice los métodos de la CEI, el sistema de calificación debe ser aprobado por
la junta directiva, que debe comprobar periódicamente todos los informes de gestión que se
redactan como parte de los sistemas de calificación aplicados. A fin de mejorar los resultados de la
gestión de riesgos de un banco, su personal directivo superior debe examinar a menudo el sistema
de calificación utilizado, identificando las esferas que necesitan mejoras.
Divulgación
Para que se le autorice a utilizar los enfoques de la JRI, un banco debe cumplir necesariamente con
los requisitos de divulgación del tercer pilar (disciplina de mercado) de Basilea II. Estos requisitos
incluyen la transparencia, la diligencia debida, etc.
Naturalmente, los documentos de Basilea II y III incluyen muchos otros aspectos y requisitos muy
técnicos, que omitimos por el momento.
Por ejemplo, hay normas específicas para el cálculo de la DP, la LGD y otras cantidades
relacionadas. En el caso de la LGD, por ejemplo, la pérdida se define como pérdida económica, y
no simplemente como pérdida contable. Del mismo modo, al realizar las pruebas de tensión, un
banco debe tener siempre en cuenta diversos supuestos sobre la volatilidad y los escenarios
hipotéticos.
El tema de esta semana es el Valor en Riesgo, también conocido como VaR (a veces
también V@R).
El VaR es una herramienta fundamental en la gestión de riesgos. En el marco de Basilea,
desempeña un papel central en todos los principales tipos de riesgo: el mercado, el
crédito y el riesgo operacional.
Durante esta semana, introduciremos el VaR como una medida de riesgo, discutiendo sus
fortalezas y debilidades. En particular, mostraremos que, en términos generales, el Valor
en Riesgo no es una medida coherente de riesgo, y esto puede ser un problema en
términos de diversificación de riesgos.
Otra medida de riesgo que consideraremos es el déficit previsto (ES). Quedará claro que
esta medida está estrictamente relacionada con el VaR.
Más adelante en el curso (Semana 6), utilizaremos tanto el VaR como el ES para
determinar realmente los requisitos de capital de los bancos.
En palabras, el VaR es una medida de riesgo que trata de responder a una simple pero
fundamental pregunta: ¿qué tan mal pueden ponerse las cosas?
En términos estadísticos, es sólo un cuantil. No hay nada que temer.
En otras palabras, ¿cuál es el umbral de pérdida tal que la probabilidad de observar una
pérdida mayor en sólo el 10%? Claramente, dada la distribución uniforme de las pérdidas
entre --80 y +20, esta cantidad es de 10 millones de euros. ¡¿Pueden ver esto?!
Week 3: The Value-at-Risk / Lesson 2: Special VaRs and the Expected Shortfall
Introduction
En esta clase consideramos primero un ejercicio que implica el cálculo práctico del Valor
en Riesgo. Lo resolveremos paso a paso juntos, ¡por lo tanto prepárense con papel y lápiz!
¡Quiero que seas capaz de usar realmente lo que aprendamos juntos!
Luego introducimos algunos VaR especiales, es decir, el VaR medio, y el VaR bajo
distribuciones teóricas específicas, como la distribución Normal.
Luego presentamos el Déficit Esperado (ES), como la medida de riesgo que responde a la
siguiente pregunta: "Si las cosas van mal, ¿cuál es la pérdida esperada?".
El ES siempre se define con respecto a un cuantil, por lo tanto, en el caso de la gestión del
riesgo, con respecto al VaR.
Hola, bienvenidos a esta segunda clase. Hoy comenzaremos con un ejercicio, porque es
muy importante que estéis familiarizados con el cálculo del VaR. Así que leamos el texto
del problema. Un proyecto de 1 año tiene una probabilidad del 94% de llevar a una
ganancia de 5 millones. Un cambio del 3% de una ganancia de 2 millones de euros. Y un
cambio del 2% de llevar a una pérdida de 3 millones. Y un 1% de probabilidad de
producir una pérdida de 8 millones. La pregunta es: ¿cuál es el VaR a nivel alfa 0,98... así
que el VaR del 98%? ¿Y qué pasa si el alfa es 0,99? Para resolver este tipo de ejercicios,
puede ser conveniente (al menos al principio) escribir todos los datos que tenemos en
formato de tabla. Nuestra tabla comienza con tres columnas: pérdidas, probabilidad como
porcentaje y probabilidad como decimal. Las pérdidas deben ser ordenadas, desde la más
pequeña a la más grande. Podemos usar cantidades en millones. Una ganancia de 5
corresponde a una pérdida de -5. A cada pérdida podemos asociar la probabilidad
correspondiente, como porcentaje y como decimal. A continuación añadimos una cuarta
columna, que contiene las probabilidades acumuladas como decimales: 0,94, 0,97, 0,99 y
1. Gracias a esta tabla, podemos ahora dibujar la función de distribución acumulativa
empírica de las pérdidas. En el eje x ponemos las pérdidas. En el eje y están las
probabilidades acumulativas. Por razones de espacio, la escala de su eje no es realmente
representativa aquí. Ahora, comenzamos con la pérdida más pequeña: --5. La
correspondiente probabilidad acumulada es de 0,94. Esto significa que podemos dibujar
un segmento vertical, pasando del eje x en --5 al punto (--5,0,94). Entonces sabemos que
la probabilidad acumulativa no cambia hasta que llegamos a --2, donde aumenta a 0,97.
Por lo tanto, primero tenemos un segmento horizontal y luego uno vertical, y así
sucesivamente, de modo que podemos dibujar toda la función de distribución acumulativa
empírica (también conocida como ecdf). Ahora, la primera pregunta nos pide que
encontremos el VAR de 1 año y 0,98. El truco es realmente simple.
Consideremos el eje Y... ¿Está el 0.98 ahí? No. Pero podemos sumarlo entre 0,97 y
0,99. Ahora, dibujemos una línea horizontal punteada que pase por 0,98. ¿En qué punto
cruza esta línea la función de distribución acumulativa empírica? Aquí. Y este punto
corresponde a una pérdida de 3. ¡Éste es nuestro VAR de 0,98! Bien. Para el VAR de 0,99
hacemos lo mismo, y 0,99 ya está en nuestra gráfica. ¡Bien! Dibujemos la línea
horizontal. Espera un minuto. La línea no cruza el EDF. Se superpone para un segmento
entero, desde la pérdida 3 a la pérdida 8. Entonces, ¿qué es el VaR? Aquí podemos usar
una convención. En situaciones como ésta, el VaR corresponde a la pérdida media del
segmento. Esto significa que calculamos 8+3=11 y luego dividimos por 2. El VaR del 99%
es 5,5. Bien, hemos resuelto nuestro problema. Otro tipo de VaR, que se utiliza a menudo
es el llamado promedio--VaR, es decir, el VaR centrado en la media de la distribución de
pérdidas. Simplemente está dado por la diferencia entre el VaR y la media mu. Como
veremos más adelante, la media--VaR se utiliza para determinar el capital económico
frente a las pérdidas en los préstamos. Si suponemos una distribución específica para la
distribución de pérdidas, podemos obtener fórmulas especiales para el VaR. Por
ejemplo, para una distribución Gaussiana, el VaR es simplemente computable usando la
función de cuantiles de un Gaussiano estándar, es decir, un Normal(0,1). El VaR alfa para
una distribución normal, con media mu y desviación estándar sigma, es igual a mu más
sigma veces el cuantil alfa de un Gausiano estándar. Para el VaR medio, naturalmente el
término mu desaparece. Y esta es la fórmula, si la distribución de la pérdida es una
distribución t--. Por favor, fíjense en la notación: "var" en minúsculas es la varianza y no
el valor en riesgo. Y ahora, otro ejercicio. Sabemos que la distribución histórica de 1 año
de nuestra cartera de préstamos está bien aproximada por una Normal(10,5). Es decir,
una distribución normal con media mu=10 y desviación estándar sigma=5. Ahora, la
pregunta es: ¿cuáles son los VaRs de 95% y 98%? Para resolver este ejercicio podemos
usar las tablas normales estándar o R.El cuantil de 0,95 de un Gaussiano estándar es
1,6648. Este es el valor umbral por debajo del cual el 95% de todas las observaciones se
encuentran según un Gausiano estándar
El 98% del cuantil es 2.0537. Estos cuantiles pueden ser computados en R usando la
función de norma. Si sólo escribes qnorm(0,95), obtienes el cuántico de la norma
gaussiana. Sin embargo, observe que también puede escribir qnorm(0,95,10,5). En este
caso el cuantil se calcula directamente a partir de un Normal(10,5).18.2243 es el valor de
nuestro VaR del 95%. Podemos obtenerlo directamente de qnorm, o usando la fórmula
de la diapositiva 4. Para el VaR del 98% el razonamiento es exactamente el mismo.
Ahora supongamos que las cosas van mal, y que podemos observar una pérdida que es
mayor que nuestro VaR alfa. Ahora bien, una pregunta natural que tal vez queramos
responder es la siguiente: ¿cuál es la pérdida esperada? El déficit esperado es la cantidad
estadística que trata de responder a esta pregunta. Desde un punto de vista estadístico, el
déficit esperado en el nivel alfa es una especie de función de exceso medio, es decir, el
valor medio de todos los valores que superan un umbral especial, el VaR alfa. ¿Por qué es
importante el déficit esperado? Simple: dos distribuciones de pérdidas pueden tener el
mismo valor de VaR alfa, pero dos déficit esperados diferentes. Esto se debe al hecho de
que la forma de la cola derecha puede ser diferente. Por ejemplo, si comparamos las dos
imágenes, podemos esperar que el déficit esperado de la distribución de la derecha sea
mayor, dado que esta distribución asigna una mayor probabilidad a los valores de
pérdidas más grandes. ¿Cuál es el déficit esperado para el alfa igual a 0,95? ¿Y 0,99?
Por cierto, ¿cuál es el VaR del 95% en este caso? ¿Puedes verlo inmediatamente? Para
calcular el déficit esperado, el truco es ordenar las pérdidas como de costumbre.
Entonces empezamos desde abajo, es decir, desde las pérdidas más grandes y vamos
hacia atrás, sumando las probabilidades correspondientes, hasta que llegamos al nivel de
1--alfa. Si alfa es el 95%, entonces 1--alfa es el 5%. Mira la tabla: la pérdida de 25
millones tiene una probabilidad del 0,5%. ¿Esto es igual al 5%? No. Por lo tanto,
sumamos la probabilidad de los 20 millones de pérdidas, obteniendo un 3%. ¿Esto es
igual al 5%? Todavía no, por lo tanto también sumamos la probabilidad de la pérdida de
12 millones. Ahora el total es 0,5+2,5+2=5. Aquí estamos. Sumando las pérdidas más
grandes, la probabilidad total es del 5%. El 95% de déficit esperado no es nada más que
el promedio ponderado de estas tres pérdidas, donde los pesos son sus probabilidades de
ocurrencia, y el denominador es el 5%. Por lo tanto, nuestro déficit esperado es de 17,3
millones. En el caso del 99%, las cosas son un poco diferentes. Si sumamos el 0,5% (la
probabilidad de una pérdida de 25 millones) con el 2,5% (para una pérdida de 20
millones), el resultado es mayor que el 1%, nuestro1 menos el alfa. ¿Y qué?
En este caso sólo hay que considerar la parte de la probabilidad de pérdida de 20 millones
que, junto con el 0,5% inicial de la pérdida de 25 millones, suma un 1%. Esta cantidad es
claramente otro 0,5%. Por lo tanto, el 99% ES se calcula como: 20 veces 0,005, más 25
veces 0,005, más de 0,01. El resultado es 22,5 millones. Como pueden imaginar, incluso
para el déficit esperado podemos obtener fórmulas cerradas especiales, dependiendo de
la distribución de pérdida teórica que asumamos. Esto es lo que obtenemos para una
distribución Gaussiana. Ok. Esta ha sido una clase bastante larga. Es hora de parar.
¿Está listo para continuar nuestro viaje? El tema de esta semana es muy interesante.
Con arreglo al enfoque de la F-IRB, los bancos pueden elaborar su propio modelo
empírico/estadístico para evaluar y estimar la probabilidad de incumplimiento de clientes
individuales (o clases de clientes). Evidentemente, se les permite utilizar este enfoque sólo
con sujeción a la aprobación de sus reguladores locales, que también prescriben ciertas
formas de definir la LGD (pérdida en caso de incumplimiento) y otros parámetros
necesarios para el cálculo de los RWA (activos ponderados por riesgo). Así pues: los
bancos calculan sus PD, pero dependen del regulador para las demás cantidades y
fórmulas.
Cuando se utiliza el A-IRB, los bancos pueden, por el contrario, desarrollar y utilizar sus
propios modelos cuantitativos para estimar todas las cantidades que intervienen en el
cálculo del RWA, desde la PD hasta la LGD y la EAD. Por lo tanto: los bancos son "libres" de
computar todas las cantidades de interés, siempre que su modelo sea aceptado por el
regulador.
En ambos enfoques, los requisitos de capital se calculan entonces como un porcentaje fijo
del RWA estimado.
A partir de esta semana, y durante las próximas tres semanas, tendremos en cuenta
muchos instrumentos diferentes para la determinación de la PD.
El objetivo de esta clase es ofrecerles una visión general de los enfoques que podemos
utilizar para calcular la probabilidad de incumplimiento de una contraparte.
Es muy importante que dedique un tiempo a comprender el esquema general en las
siguientes páginas (y sugiero que lo imprima), ya que le ayudará mucho a tener en cuenta
el panorama general que hay detrás de la PD, especialmente cuando empecemos a
rellenar los detalles.
A partir de esta clase "abandonamos" el enfoque STA, centrando nuestra atención en los
enfoques más interesantes de la IRB (principalmente la F-IRB).
Querido STA, te echaremos de menos... Pero sabemos que no estás solo: el Regulador te
quiere (recuerda que bajo Basilea III, el enfoque STA ha vuelto a ganar importancia, siendo
el enfoque más conservador).
Bien, ¡comencemos!
Introduction
"Esa compañía es AAA".
"Nuestro país corre el riesgo de ser degradado a BBB."
"Ese bono está en el grado especulativo".
El objetivo de esta clase es aclarar las frases anteriores. La próxima vez que las lean en un
periódico, podrán entender su significado.
Las calificaciones crediticias externas se utilizan tanto en el enfoque STA como en el IRB
(especialmente en el F-IRB). Pero mientras que en el enfoque STA se toman tal cual, sólo
para aplicar las ponderaciones correctas para el cálculo de RWA, en los enfoques IRB
podemos utilizar las calificaciones crediticias para calcular la PD de una contraparte.
Al final de esta clase, serás capaz de leer una matriz de transición, y de calcular la
probabilidad de incumplimiento de una empresa en diferentes horizontes de tiempo.
También aprenderás la diferencia entre la probabilidad de incumplimiento incondicional y
condicional.
¿Con qué frecuencia ha leído o escuchado algo como "esta empresa es AAA" o "ese país
ha sido rebajado de AAA a AA+"? Sí, el tema de hoy son las calificaciones crediticias. Al
final de esta clase, podrá comprender y utilizar las calificaciones crediticias, al menos
básicamente. El objetivo de una calificación crediticia es proporcionar información fiable
sobre la calidad del crédito, sobre la solvencia crediticia de una contraparte. Puede ser
un número, una combinación de letras, pero es sólo una forma de comunicar una cantidad
mucho más importante: la probabilidad de impago. Cuando se utilizan las calificaciones
crediticias, la suposición implícita es que la información proporcionada por una calificación
determina plenamente la probabilidad de impago de nuestra contraparte. Muy a menudo
escuchamos afirmaciones como: "esa empresa es BBB". Déjame ser un poco pedante.
Eso no es del todo correcto.Desde un punto de vista teórico, una calificación crediticia es
siempre un atributo de una emisión de bonos, no de una empresa.Podría suceder que la
misma empresa tenga diferentes emisiones de bonos con diferentes calificaciones.Sin
embargo, como la mayoría de las veces todos los bonos emitidos por una empresa
determinada tienen la misma calificación, la gente tiende a asociar las calificaciones a las
empresas y no a sus bonos específicos. Como probablemente sepas, las calificaciones
crediticias son proporcionadas por las agencias de calificación. Las tres principales
agencias de calificación son Moody's, Standard and Poor's y Fitch.juntas controlan más del
90% del mercado de las calificaciones. Incluso si hay diferencias en las escalas que utilizan
y en las probabilidades específicas de incumplimiento de una emisión de bonos, las
calificaciones de estas 3 compañías se consideran comparables. Las calificaciones
crediticias se utilizan a menudo para definir la naturaleza especulativa de un bono. Una
emisión de bonos (o una compañía) cuya calificación es por lo menos BBB--, según Fitch y
Standard and Poor's, o Baa3 según Moody's, se dice que está en el grado de inversión.
En otras palabras, se considera que es lo suficientemente seguro como para ser una
inversión confiable, y por lo tanto aceptamos rendimientos más bajos.
Se dice que una emisión de bonos que está por debajo de esos umbrales está en el grado
de especulación. Podemos esperar mayores rendimientos pero también mayores
riesgos. Aquí puede ver un ejemplo de la escala de calificación de Standard and Poor's.
Les sugiero que miren los sitios web de las diferentes agencias, ya que pueden encontrar
mucha información interesante. Uno de los objetivos de las agencias de calificación es la
estabilidad de las calificaciones. Una agencia de calificación siempre trata de evitar la
llamada reversión de las calificaciones, en la que los bonos de una empresa se rebajan y
luego se vuelven a subir (o viceversa) unas semanas más tarde, lo que significa que las
calificaciones sólo cambian cuando hay una razón clara para pensar que la solvencia de
una empresa experimentará un cambio a largo plazo. En otras palabras, las agencias de
calificación intentan calificar a lo largo del ciclo, ignorando la situación contingente de la
economía, a menos que haya fuertes señales de un impacto significativo en la
supervivencia de una empresa determinada. Esta es una diferencia importante con los
modelos de incumplimiento, pero volveremos sobre esto más adelante. Las agencias de
calificación proporcionan esencialmente dos tipos de productos, en términos de PD:
Probabilidades históricas de incumplimiento y predicciones basadas en la equidad. Esta
semana consideraremos los primeros. Las predicciones basadas en la equidad, como las
del modelo KMV de Moody's, se discutirán la próxima semana.Esta tabla es un ejemplo
típico de matriz de transición, elaborada por las agencias de calificación. Contiene
información sobre la posibilidad de que un bono (empresa) de una clase de calificación
determinada pase a otra clase en 1 año. La última columna contiene la probabilidad de
incumplimiento al final del año. Estos números se obtienen simplemente utilizando datos
históricos. Los organismos reúnen una enorme cantidad de datos. Luego, cada año,
cuentan el número de incumplimientos, el número de empresas cuya calificación ha
cambiado, etc.Lo hacen cada año, y luego toman promedios en grandes ventanas de
tiempo, para evitar los efectos de los ciclos comerciales. A veces estas frecuencias
empíricas se corrigen utilizando algún factor de corrección interno, pero podemos
simplificar diciendo que las PD históricas son simplemente las frecuencias históricas por
defecto observadas en los datos, para las diferentes clases de calificación. Bien, pero
supongamos que una nueva empresa entra en el mercado. Esa empresa no estaba
presente antes. ¿Cómo podemos asignarla a una clase de calificación determinada?
En ese caso, las agencias de calificación utilizan modelos internos basados en un análisis
discriminante. Tengan paciencia y ya verán. Juguemos un momento. ¿Cuál es la
probabilidad de que una emisión de bonos B, o compañía, para usar la terminología
común, incumpla al final del año? Esto es 5.20%. ¿Y cuál es la probabilidad de que una
compañía AAA pase a la clase A al final del año? Simple: 0.68%. Y finalmente, ¿cuál es la
PD de 1 año de una compañía AA? Esencialmente el 0%. Las agencias de calificación
también producen tablas que contienen la PD acumulada en horizontes de tiempo más
amplios. Como puedes esperar, la probabilidad de incumplimiento aumenta con el
tiempo. Esto se debe al hecho de que la incertidumbre aumenta. Una empresa que está
sana hoy podría estar en una mala situación financiera dentro de cinco años. Mira la tabla.
¿Cuál es la probabilidad de impago de un bono de la CCC al final del segundo año?
Podemos leer esto en la tabla: 26,92% ¿Y cuál es la probabilidad de que el mismo bono
impague durante el segundo año? En ese caso tenemos que tomar la diferencia entre el
26,92% (la probabilidad de impago al final del segundo año) y el 19,79%, que es la
probabilidad de impago al final del primer año. El resultado es 7,13%. Esta es la
probabilidad de incumplimiento durante el segundo año, y no antes. Esto se llama
probabilidad incondicional de incumplimiento. Ahora, ¿cuál es la probabilidad de que un
bono de la CCC incumpla durante el segundo año DADO que no incumple durante el
primer año? La respuesta es la llamada probabilidad condicional. Primero calculamos la
probabilidad de no impago al final del primer año, es decir, el 80,21%. Ya hemos calculado
la probabilidad incondicional de incumplimiento durante el segundo año. Fue del 7,13%.
Introduction
Las calificaciones que publican las agencias de calificación sólo están disponibles, de
hecho, para las empresas relativamente grandes, las que emiten bonos que cotizan en
bolsa. Evidentemente, éste no es el caso de muchas PYME.
Un razonamiento similar se aplica a las personas. Moody's, Fitch y Standard & Poor's no
van a asignar una calificación a ninguno de nosotros. Entonces, ¿cómo decide un banco
sobre la fiabilidad de las personas que piden hipotecas?
En todos estos casos, los bancos pueden confiar en los métodos de calificación interna.
Para la gente, tenemos herramientas como la puntuación FICO, que no vamos a cubrir
aquí, por el momento.
Para las empresas, hay muchas posibilidades diferentes. Una de las más importantes está
representada por los índices de dificultades financieras, basados en análisis
discriminantes. En esta lección consideraremos el prototipo de esta clase de
herramientas: el famoso Z-score de Altman.
¿Listo?
En la última clase hemos visto calificaciones crediticias. Sin embargo, las calificaciones
publicadas por las agencias de calificación sólo están disponibles para las grandes
empresas y países, cuyos bonos se negocian en el mercado, por lo que muchas PYME no
están calificadas. La solución está representada por las calificaciones internas. El enfoque
basado en las calificaciones internas de Basilea II y III permite a los bancos utilizar
métodos internos para determinar la probabilidad de incumplimiento de una contraparte.
Por lo tanto, la mayoría de los bancos tienen sus propios procedimientos para evaluar la
solvencia de sus clientes corporativos y minoristas, especialmente cuando no se dispone
de calificaciones crediticias externas. Los enfoques de calificación interna se basan
principalmente en la rentabilidad y en los coeficientes del balance general. Un banco,
como cualquier otra empresa, está interesado en la capacidad de su contraparte para
pagar sus deudas. Es evidente que la liquidez de cada cliente es extremadamente
importante. De hecho, en el pago de una deuda, el efectivo es más importante que las
ganancias. La liquidez es lo más importante. El prototipo de los métodos de calificación
interna está representado por el Z-Score de Altman. Introducido en 1968, el Z-Score es un
índice de dificultades financieras, extremadamente importante en el análisis fundamental.
Se obtiene mediante un análisis discriminante, una herramienta muy conocida en
estadística. Hay diferentes versiones del Z--score de Altman, dependiendo del tipo de
compañía/cliente bajo escrutinio: gran compañía, pequeña compañía, compañía
manufacturera, etc. El horizonte temporal típico es de 1 año. Esto significa que el Z-score
nos da información sobre la posibilidad de que nuestra contraparte vaya a la bancarrota
dentro de 1 año. Consideremos un ejemplo. Para las empresas manufactureras que
cotizan en bolsa, el puntaje Z se obtiene con la presente ecuación. Como pueden ver, esta
ecuación contiene algunos valores numéricos, que se utilizan para multiplicar algunos
ratios, como el capital de trabajo por el total de activos y las ventas por el total de activos.
Al introducir los valores de los coeficientes del balance general, obtenemos un número: la
puntuación Z. Este número debe compararse con algunos umbrales específicos, que se
obtienen analizando los datos históricos sobre las dificultades financieras y el
incumplimiento de las empresas. Estos umbrales dependen del tipo de puntuación Z que
se utilice. Para el ejemplo que acabamos de considerar, los umbrales son los siguientes: si
la puntuación Z es inferior a 1,8, es muy probable que una empresa incurra en
incumplimiento en un futuro próximo. -Si el valor es superior a 3, el incumplimiento es
extremadamente improbable dentro de un año (e incluso más). Si la puntuación Z está
entre 1,8 y 2,7, el incumplimiento es definitivamente posible. Puede que sea necesario
realizar más análisis. A veces esto se llama el área gris. La precisión del Z--score, en
esta área, alcanza un mínimo. Sin embargo, en promedio, los Z--scores alcanzan una
precisión de 80--90%. Consideremos un ejercicio muy rápido. A partir del balance,
podemos calcular los siguientes ratios para un cliente corporativo. ¿Es probable que este
cliente incumpla en un futuro próximo? Si añadimos los ratios en la fórmula, podemos
decir: no. Nuestro cliente está en una posición segura, por el momento. Para resumir, los
bancos utilizan sus propias fórmulas y herramientas propietarias. Sin embargo, la mayoría
de ellas son sólo modificaciones del Z-score de Altman, o se obtienen usando técnicas
similares. Naturalmente, los bancos también pueden usar instrumentos que pueden
comprar de proveedores externos, y usarlos como herramientas internas. Como podemos
esperar, las agencias de calificación también usan métodos similares para asignar una
calificación a los bonos, especialmente cuando aparecen por primera vez en el mercado...
Ahora, supongamos que su contraparte incumple y entra en bancarrota. ¿Pierde todo el
dinero, todos los créditos? La respuesta es típicamente no. Al menos, esperamos
La tasa de recuperación es "la cantidad de crédito recuperada mediante procedimientos
de ejecución o quiebra en caso de incumplimiento, expresada como porcentaje del valor
nominal". Esta es la definición. En el caso de un bono, suele ser el precio al que se
negocia unos 30 días después del incumplimiento, como porcentaje del valor nominal. El
promedio de la tasa de recuperación de los bonos es de alrededor del 35-40%. Para los
préstamos e hipotecas con el primer gravamen sobre los activos, suele ser de alrededor
del 65%. Las tasas de recuperación están negativamente correlacionadas con las tasas de
incumplimiento en el mercado. Esto significa que durante una crisis, cuando muchas
empresas y personas se declaran en quiebra, las tasas de recuperación disminuyen
drásticamente. ¿Podría decir por qué? Ok. Nos vemos pronto. Alla prossima, como
decimos en italiano. Adiós
Introduction
Es de nuevo el momento de resumir lo que hemos visto hasta ahora.
En esta semana hemos empezado a analizar las diferentes herramientas que podemos
utilizar para evaluar/estimar la Probabilidad de Incumplimiento (PD) de una contraparte.
Después de dar una visión general de lo que vamos a ver en las semanas 4, 5 y 6, hemos
centrado nuestra atención en las calificaciones crediticias, haciendo la distinción entre las
calificaciones externas e internas.
Las calificaciones externas son las que producen las agencias de calificación, es decir, las
externas con respecto a un banco u otra institución financiera. Hemos visto cómo las
calificaciones pueden utilizarse para evaluar la PD de una contraparte, en el caso de que
se disponga de calificaciones.
Por el contrario, las calificaciones internas son calculadas por los bancos, generalmente
con modelos propios. Pueden utilizarse cuando no se dan calificaciones externas, o
simplemente porque un banco "prefiere confiar en sus propias fuerzas". En esta clase de
modelos, hemos considerado la puntuación Z de Altman.
Introducido en la década de 1970, este modelo lleva el nombre del Prof. Dr. Robert
Merton, un eminente erudito financiero. El modelo de Merton representa el prototipo de
los modelos estructurales por defecto.
Hoy en día, dadas sus suposiciones algo restrictivas, el modelo de Merton no es el más
utilizado en la vida real. Sin embargo, es un punto de referencia fundamental tanto para
los académicos como para los profesionales. Muchos modelos de la industria se derivan
de la construcción original de Merton.
¿Estáis preparados?
Hola a tod@s:
Os lanzo una nueva pregunta:
Si el Supervisor tras una inspección del Modelo de la cartera hipotecaria
nos penaliza con un add-on del 10% (es decir incrementar un 10% las
PDs) hasta resolver los finding aflorados, .¿Podríamos aplicar
directamente la curva de capital IRB a la PD media de la cartera
multiplicada por 1,10 manteniendo el resto de los parámetros constantes
para calcular los nuevos APRs?
Espero vuestras respuestas antes del proximo domingo 11 de Octubre.
Lo estáis haciendo muy bien, animaros a contestar!!!
Un abrazo,
Gema
davidn.enriquez@outlook.com