7/23/2019 modelamndo el riesgo crediticio
1/33
Modelando el Riesgo crediticio
Paul Collazos
7/23/2019 modelamndo el riesgo crediticio
2/33
Caractersticas de los prstamos
bancarios en el Per Es posible exigir garantas
Tipo de tasa: flexible o variable
Se puede otorgar financiamiento en monedanacional o extranjera
El desembolso puede ser inmediato o puede
haber una lnea de crdito para que elprestatario retire el dinero segn suconveniencia.
7/23/2019 modelamndo el riesgo crediticio
3/33
Tipos de crditos en el Per
Crditos Comerciales: Crditos directos o indirectosotorgados a personas naturales o jurdicas destinados alfinanciamiento de la produccin y comercializacin debienes y servicios en sus diferentes fases.
Crditos a las Micro Empresas: Para personas naturaleso jurdicas con un endeudamiento en el sistemafinanciero que no exceda de US $30,000
Crditos de Consumo: Para personas naturales con la
finalidad de atender el pago de bienes, servicios o gastosno relacionados con una actividad empresarial.
Crditos Hipotecarios para Vivienda: adquisicin,construccin, refaccin, remodelacin, ampliacin,
mejoramiento y subdivisin de vivienda propia
7/23/2019 modelamndo el riesgo crediticio
4/33
El proceso tradicional de
otorgamiento de crditos1. Se reune toda la documentacin del solicitante del
crdito
2. Se evala el otorgamiento en la instanciacorrespondiente segn el valor del prstamo
3. Se desembolsa el prstamo luego de la aprobacin yla firma del contrato
4. Se monitorea el cumplimiento de los trminos delcontrato por parte del deudor.
5. El crdito se repaga y la institucin mantiene unregistro apropiado del comportamiento del deudor
7/23/2019 modelamndo el riesgo crediticio
5/33
Factores que influyen en el
retorno de un prstamo La tasa de inters que se cobra sobre el
prstamo.
Cualquier comisin que se cobre.
La prima por riesgo del prstamo
El colateral que respalda al prstamo
Esquema de provisiones y requerimientos decapital.
7/23/2019 modelamndo el riesgo crediticio
6/33
Naturaleza del riesgo crediticio
Surge de la potencial situacin de que unprestatario no cumpla con sus obligaciones,resultando en una prdida econmica para la
institucin financiera.
7/23/2019 modelamndo el riesgo crediticio
7/33
Medicin del Riesgo crediticio
Se requiere evaluar la probabilidad de default deldeudor, la cual constituye un parmetro terico que
puede ser calculado como el ratio del nmero dedeudores en default sobre el nmero total dedeudores.
Este clculo depende de la cantidad de informacin
que la institucin tenga de cada prestamista. Porejemplo, segn los anexos metodolgicos de lainformacin publicada por Moodys este ratio esobtenido para cada categora de deudor.
7/23/2019 modelamndo el riesgo crediticio
8/33
Probabilidad de default en el caso
peruano En el caso peruano la probabilidad de default se
define como el ratio de la cartera que no ha sido
clasificada como normal ni como con problemaspotenciales sobre el total de la cartera directa eindirecta.
Se utiliza el monto prestado en vez de el nmero de
dedudores por que en el caso peruano se observauna alta concentracin de la cartera en grandesdeudores.
7/23/2019 modelamndo el riesgo crediticio
9/33
Medicin usando modelos cualitativos
Considera factores especficos como la reputacin de unprestatario, el historial que este tiene con el banco u otrasinstituciones financieras, su grado de apalancamiento, la
volatilidad de sus ingresos, el colateral que puede incluirseen la transaccin, el giro del negocio o actividad en la quese desempea.
Tambin se realiza un anlisis de condiciones de mercado
que incluyen la conveniencia o no de realizar la operacinsegn la situacin y perspectivas de variablesmacroeconmicas y/o polticas
7/23/2019 modelamndo el riesgo crediticio
10/33
Medicin usando modelos cuantitativos
Sobre la base de informacin histrica y utilizandoherramientas estadsticas y economtricas buscadeterminar la probabilidad de que diferentes deudores
posean diferentes clasificaciones de riesgo o incurran endefault. Se busca determinar:
Cules son y cual es la importancia relativa de los factores queson importantes para explicar el default.
Mejorar el procedimiento de establecer la tasa de inters a aplicar Separar a los buenos candidatos de los malos para un mejor
proceso de otorgamiento de crditos.
A continuacin presentamos 6 modelos.
7/23/2019 modelamndo el riesgo crediticio
11/33
Un elemento esencial en el manejo del riesgocrediticio es el establecimiento de lmites deexposicin para prestatarios individuales,corporativos o grupos de empresas. Lasinstituciones deben desarrollar sus propias
estructuras de lmites que sean consistentes conlas exigidas regulatoriamente. Los lmites debendepender de las condiciones del deudor, lascondiciones econmicas y la aversin al riesgo de
la IFI. Los lmites en la prctica pueden ser aindustrias especficas, regiones geogrficas oconcentracin de crditos
7/23/2019 modelamndo el riesgo crediticio
12/33
1. Modelos Actuariales
(Credit Scoring) Se dividen los prstamos en dos grupos: los que
incumplieron (Z=1) y los que no (Z=0). Y se
relaciona estas observaciones con un conjunto devariables causales X.
Si se estima un modelo lineal como Z = XB + e,entonces la prediccin de Z puede salir del
intervalo [0,1].
7/23/2019 modelamndo el riesgo crediticio
13/33
Modelos Logit y Probit
Obtiene probabilidad acumulada de defaulttransformando Z segn:
Aqu F(Z) corresponde a la distribucin logstica,pero si F(Z) corresponde a la distribucin normalentonces estamos usando el modelo Probit.
ZeZF
11)(
7/23/2019 modelamndo el riesgo crediticio
14/33
2. Modelos de anlisis
discriminante Mientras que los modelos logit y Probit permiten
obtener un estimado de Z y de la probabilidad de
default, en el modelo de anlisis discriminante seconstruye un ndice Z a partir de ponderaciones adhoc de una serie de variables.
Sujeto a muchas crticas (valores extremos,
invariable al timpo, factores difciles de cuantificar,insuficiencia de datos).
7/23/2019 modelamndo el riesgo crediticio
15/33
3. Modelos de estructura temporal
de la probabilidad de default El valor esperado del retorno bruto (1+k) de un
instrumento de deuda riesgoso debe igualar el
retorno bruto del instrumento libre de riesgocrediticio (1+i).
La probabilidad implicita de esa paridad es:
Probabilidad de default = (1+i)(1+k)
7/23/2019 modelamndo el riesgo crediticio
16/33
Probabilidad de Default deinstrumentos de deuda a varios
vencimientos
Segn la hiptesis de expectativas de la estructura
temporal de inters,es posible deducir la tasa deinters esperada para el segundo periodo si es quese conocen las tasas de inters a vencimiento de 1y 2 periodos.
1
2
2
1
)1()1(
i
iiE
7/23/2019 modelamndo el riesgo crediticio
17/33
Probabilidad de default esperada
Usando esta teora se puede elaborar la estructuratemporal de la probabilidad de default.
Por ejemplo la tasa de default para el segundoperiodo sera:
E(Probabilidad de dafault) = E(1+i) / E(1+k)
7/23/2019 modelamndo el riesgo crediticio
18/33
4. Modelos de Mortalidad
Mientras que el modelo anterior estima la futuraprobabilidad de default este modelo estudia lahistoria de incumplimiento y analiza la dinmica de
la tasa de mortalidad por categora de crditosdefinida como el ratio del total de crditos de lacategora i en default sobre el total de crditos deesa categora.
7/23/2019 modelamndo el riesgo crediticio
19/33
5. Modelos de Migracin
Este caso asume que la dinmica de la distribucinde la cartera segn categoras es regida por unacadena de Markov estacionaria. El vector dedistribucin el periodo t, depende linealmente de ladistribucin en el periodo t-1.
La matriz que define esta transformacin lineal seconoce como matriz de transicin o matriz demigracin y tiene la propiedad que ninguno de suselementos queda fuera del intervalo [0,1] y que lasuma de los elementos de cada columna es igual a1.
7/23/2019 modelamndo el riesgo crediticio
20/33
6. Modelos de Valoracin del
Riesgo Crediticio Finalizamos con dos modelos que nos muestran la
relacin de la probabilidad de default con el valorde los crditos.
A) Modelo de Diferencial de Riesgo (Hass)
B) Modelo de Opciones (Merton)
Si se cuenta con datos del precio de un paquete de
crditos en el mercado secundario (por ejemplo,creditos titulizados) entonces es posible deducir laprobabilidad de default implcita.
7/23/2019 modelamndo el riesgo crediticio
21/33
6.1. Modelo de Hass (1975)
Considere un crdito riesgoso cuyos trminos decontrato establecen la promesa de N pagos C(i) que
deben efectuarse en N fechas t(i) establecidas.Donde i= 1,.. N.
Asuma tambin que la tasa de inters ser unaconstante r (por lo tanto, no hay riesgo de tasa de
inters)
7/23/2019 modelamndo el riesgo crediticio
22/33
Precio de un crdito seguro
Suponiendo que la tasa de descuento puedeexpresarse como exp(-r):
N
i
itr
o eiCP
1
)()(
7/23/2019 modelamndo el riesgo crediticio
23/33
Precio de un crdito riesgoso
De un modo similar:
Donde p(i) es la probabilidad de que se incumplecon el pgo i-simo.
N
i
itreipiCP1
)()()(
7/23/2019 modelamndo el riesgo crediticio
24/33
Rendimiento del credito riesgoso
Normalmente las probabilidades p(i) no se conocenpero en cambio se publican los rendimientos R
asociados al instrumento:
N
i
itR
eiCP1
)(
)(
7/23/2019 modelamndo el riesgo crediticio
25/33
Diferencial de Riesgo
Si adicionalmente se supone que la probabilidad dedefault sigue un proceso de Poisson de intensidad
:
Entonces se puede demostrar que el diferencial deriesgo (R r) es igual a la intensidad de default .
)()( iteip
7/23/2019 modelamndo el riesgo crediticio
26/33
6.2. Modelo de Merton (1974)
Este modelo generaliza el anterior relajando tressupuestos:
A) La probabilidad de default ya no es exgena. B) En caso de default el valor de liquidacin ya no
es cero.
C) El riesgo crediticio no es completamentedisversificable.
7/23/2019 modelamndo el riesgo crediticio
27/33
Para que nos sirve la probabilidad
de default? Una vez obtenida la probabilidad de defaultpor
cualquiera de estos cinco modelos- sta nos
puede servir:A) Para seleccionar crditos utilizando la valoracin
del riesgo crediticio.
B) Para obtener la distribucin de las prdidas del
banco y entonces hacer una anlisis de valor enriesgo sobre estas.
7/23/2019 modelamndo el riesgo crediticio
28/33
Primera Aplicacin: Seleccin de
Crditos Un crdito equivale a un bono y por lo tanto se
puede aplicar la frmula de la duracin:
Reescribiendo la ecuacin obtenemos la siguientefrmula dL = - D x L x d(1+R)/(1+R) donde dL puedeser interpretado como el capital expuesto al riesgo.
L
R
Rd
dLD
)1(
)1(
7/23/2019 modelamndo el riesgo crediticio
29/33
El criterio del rendimiento sobre
capital ajustado por riesgo Una vez obtenido dL se construye el ratio del
rendimiento (R-r+comisiones) sobre el capital
ajustado por riesgo (dL) Si este ratio es menor que el benchmark definido
por el inversionista en funcin al costo de fondeoentonces no se aprueba ese crdito.
7/23/2019 modelamndo el riesgo crediticio
30/33
Segunda Aplicacin: Valor en
Riesgo Crediticio Si se conoce la probabilidad de default es posible
describir la distribucin de la prdida de un banco.
Prdida = EAD x LGD x Z EAD es la exposisicin al default y se define como
el monto prestado.
LGD es la prdida dado el default y se define comoel porcentaje del prestamo que no se recuperara siel deudor incurre en default.
7/23/2019 modelamndo el riesgo crediticio
31/33
Recordando a Z
Si recuerdan, Z es una variable aleatoria binomialque tomaba el valor de 1 si el deudor incumpla y 0si cumpla, de modo que:
E(Z) = Probabilidad de Default
Asumiendo que EAD y LGD no son variableaaletaorias entonces:
E(Prdida) = Probabilidad de default X EADX LGD
7/23/2019 modelamndo el riesgo crediticio
32/33
f ( )
Probabilidad de Prdida
Monto de Prdida
Prdida
EsperadaPrdida no Esperada
Prdida bajo
escenario pesimista
0
Distribucin de Prdidas
Prdida Esperada (media de la distribucin): cargada a las provisiones
Prdida no Esperada (funcin de la desviacin estndar): cubierta por el capital
Prdida bajo escenario pesimista (parte de la cola de la distribucin): se previene
por incorporacin de lmites (99.9% de nivel de confianza)
NAC
EVENTO DE QUIEBRA DE LA ENTIDAD
Probabilidad = 0.1%
7/23/2019 modelamndo el riesgo crediticio
33/33
Valor en Riesgo Crediticio
Una vez que tenemos una descripcin de ladistribucin de prdidas, la administracin delbanco se puede preguntar no slo cual es laprdida esperada sino cul es el capital que
necesitan para sobrevivir el impacto de una prdidaque se encuentra en la cola de la distribucin (i.e.una prdida inusualmente grande).
Como el nivel de esta prdida define el capitalmnimo para soportarla, estos modelos tambin sonutilizados con fines regulatorios.
Top Related