Вы находитесь на странице: 1из 37

A macroeconomia e os modelos de PD – Rating Condicional

Fabio Wendling

Agenda

Estimativa de PDs

Classificações de risco e cenários econômicos

Incorporando o efeito de cenários econômicos no Rating de uma empresa

Credit Rating Condicional

Estimativa de PDs

Até um passado recente o maior objetivo de modelos de classificação de risco era ranquear clientes/proponentes pelo seu risco

Foco no processo de aceitação/rejeição de operações

Estatégias simplistas de pontos de corte

Domínio de técnicas julgamentais na análise do risco de empresas

Pouca atenção era dada à estimação precisa de probabilidades de default

Estimativa de PDs

Esta situação mudou:

Necessidade de estimativas de PD ou perda para fins regulatórios

Provisionamento e cálculo de Capital Econômico

Políticas de decisão com maior foco na rentabilidade de clientes

Métodos quantitativos ganharam espaço na classificação do risco de empresas

Estimativa de probabilidades de default deixou de ser um alvo secundário dos modelos de classificação de risco

Alternativas para obter estimativas de PDs

Mapeamento histórico entre classificações de risco e performance de crédito

Mais utilizado

Pode ser feito com modelos julgamentais

Permite recalibragem sem mudar o modelo

Exemplo:

Classe de Risco

Default

Não default

PD

1

4

246

1,6%

2

32

872

3,5%

3

98

1712

5,4%

4

122

1056

10,4%

5

73

257

22,1%

Total

329

4143

7,4%

Alternativas para obter estimativas de PDs

Geração de PDs diretamente através de um modelo estatístico

de regressão logística

Gera uma PD específica para cada cliente / não faz aproximação por classes

Se modelo está OK é mais precisa

Fórmula para estimativa de PD:

PD =

f

=

a

1

1 +

exp( f)

+

b x

1

1

+

b x

2

2

+ K +

b x

n

n

Modelos Condicionais e Não Condicionais

Modelo condicional

Está atrelado às condições de um determinado cenário econômico

Produz estimativas enviesadas de PD se o cenário econômico se alterar

Maioria dos modelos atualmente em uso em instituições financeiras e bureaus são condicionais

Modelo não condicional

Captura as relações de risco médias ao longo de diferentes cenários econômicos

Não considera os efeitos de cenários econômicos

Produz estimativas não condicionais de PD

Influência do Cenário Macroeconômico nos Modelos de Classificação de Risco

Nos parâmetros do modelo

Mudanças conjunturais podem levar a mudanças nas relações entre variáveis preditivas e o risco de crédito.

Pesos das variáveis deveriam ser diferentes em um cenários de expansão/recessão econômica

Na distribuição de valores das variáveis preditivas

Em um cenário desfavorável será mais freqüente a ocorrência de comportamentos de desabono (ex: atrasos de pagamento)

Alterações do perfil de novos proponentes

Mudança na probabilidade a priori de ocorrência de default

Elevação ou redução na taxa agregada de default

Objetivos da Incorporação de Fatores Macro econômicos

Obter uma estimativa mais precisa da probabilidade de default

Possibilitar a execução de Stress Test de PDs em diferentes cenários econômicos

Gerar modelos mais robustos que necessitem de revisões menos freqüentes frente a mudanças da economia

Aumentar o poder preditivo dos modelos

Explorar as diferentes sensibilidades a fatores econômicos dos clientes/proponentes

Objetivos da Incorporação de Fatores Macro econômicos

Overview na regulação

Bacen:

“A estrutura de gerenciamento do risco de crédito deve prever: (

);

avaliação das

operações sujeitas a risco de crédito, que leve em conta as condições de mercado, as

perspectivas macroeconômicas, ( ; realização de simulações de condições extremas

)

(testes de estresse), englobando ciclos econômicos, )”

(

art4 o . , Resolução 3721.

Basiléia II:

Parágrafo 415 Rating deve considerar habilidade do devedor honrar o compromisso em condições econômicas adversas.

Parágrafo 434 – Necessidade de Stress Test em cenários econômicos adversos.

Possíveis Alternativas para incorporar o efeito do cenário econômico

Renovação do mapeamento entre categorias de risco e taxa de default

Inclusão de índices econômicos como variáveis preditivas no modelo

Metodologias de ajustes de PD

Renovação do mapeamento entre categorias de risco e taxa de default

Gerar tabelas de classificação de risco para safras recentes

   

Período 1

 

Período 2

Classe de

           

Risco

Default

Não default

PD

Default

Não default

PD

1

4

246

1,6%

7

323

2,1%

2

32

872

3,5%

50

1150

4,2%

3

98

1712

5,4%

162

2143

7,0%

4

122

1056

10,4%

209

1309

13,8%

5

73

257

22,1%

124

333

27,1%

Total

329

4143

7,4%

552

5258

9,5%

Renovação do mapeamento entre categorias de risco e taxa de default

Vantagens

Desvantagens

Fácil implementação

Assume que cenário econômico não se alterou significativamente desde a última calibragem

Não avalia diferentes sensibilidades a fatores econômicos

Não permite Stress

Problemas de precisão, principalmente em carteiras pequenas

Inclusão de índices econômicos como variáveis preditivas no modelo

PD = f(características do proponente, índices econômicos)

Inclusão de índices econômicos como variáveis preditivas no modelo

Caminho seguido por trabalhos acadêmicos

Crédito a empresas:

Figlewski, Frydman e Liang (2006) – NYU

Levou a maior poder preditivo do modelo

Carling, Jacobson, Lindé e Roszbach (2004)

Levou a estimativas mais aderentes de PD

Hol (2006)

Indicadores econômicos foram significantes no modelo

Crédito ao consumidor:

Bellotti e Crook (2007) – University of Edimburgh

Melhorou o ajuste do modelo, seu poder preditivo e levou a um modelo mais robusto

Inclusão de índices econômicos como variáveis preditivas no modelo

Vantagens

Desvantagens

Pode capturar mudanças nas relações de risco

Necessidade de amostra para desenvolvimento do modelo cobrindo muitos anos

Permite stress test

Melhora o poder preditivo do modelo

Não disponibilidade de dados

Mudanças de produtos ou população de proponentes

 

Necessidade de desenvolver novos modelos com maior complexidade

Metodologias de ajuste de PDs

Dificuldade de obtenção de dados e de recursos para desenvolver novos modelos

Necessidade de uma metodologia ad hoc

Aproveitar a PD gerada pelos modelos existentes e ajustá las para as condições econômicas:

Cenários atuais, projetados ou de stress

Metodologias de ajuste de PDs

Modelos estatísticos de classificação de risco estão condicionados ao cenário econômico do período dos dados utilizados no desenvolvimento

Se o ambiente econômico muda as estimativas de PD podem estar enviesadas

O objetivo é mudar a “condicionalidade” do modelo deste período para o período atual ou para algum outro cenário desejado

Ajuste de probabilidades a priori de default

Efeito sistemático da economia visto como uma alteração da taxa agregada de default

Taxa agregada de default em um período é a probabilidade a priori de default no período

Se não temos nenhuma informação sobre o proponente esta é a PD esperada

Modelos de regressão logística possibilitam ajustar alterações na probabilidade a priori de ocorrência de default

Ajuste de probabilidades a priori de default

Ajuste de probabilidades a priori na regressão logística:

PD =

1

1 +

exp( f)

PD* =

1

1 +

exp( f*)

f

=

a

+

b x

1

1

+

b x

2

2

+ K +

b x

n

n

f* = f +

⎜ ⎛

ln

⎜ ⎝

PD

per

n f* = f + ⎜ ⎛ ln ⎜ ⎝ ⎛ ⎜ ⎜ ⎝ PD per

1 PD

per

×

⎝ ⎜

1 PD

des

PD

des

Onde:

PDper

é a taxa de default agregada do período para o qual se quer

condicionar a estimativa de PD.

PDdes

é a taxa de default agregada do período dos dados utilizados no

desenvolvimento do modelo

⎞ ⎞ ⎟

⎠ ⎟

Ajuste de probabilidades a priori de default

Metodologia:

Criação de um indicador de taxa agregada de default

Desenvolvimento de um modelo econométrico que relaciona taxas agregadas de default com índices econômicos

Cenário atual, projetado ou de stress é utilizado para gerar uma estimativa de taxa agregada de default

Cálculo de PDs ajustadas

Ajuste de probabilidades a priori de default

Premissa:

Relações de risco (pesos do modelo) e distribuição das variáveis preditivas não se alteram com a mudança do cenário econômico

Se for aplicado sem segmentação da carteira, o método apenas corrige o nível geral das PDs estimadas, mas não melhora a capacidade de ranqueamento de risco.

Ajustes diferenciados para diferentes segmentos ou setores possibilita capturar diferentes sensibilidades aos fatores econômicos

Possibilita aumento do poder preditivo do modelo

Ajuste de probabilidades a priori de default

Vantagens

Desvantagens

Não é necessário redesenvolver modelos

Não captura mudanças nas relações de risco

Permite stress test

Modelos point-in-time que usam variáveis preditivas comportamentais infringem a premissa do ajuste

Viés na estimativa de PD

Melhora o poder preditivo do modelo

Necessidade de levantar longas séries históricas de taxa de default

Pode ser problema, principalmente se a abordagem for segmentada

Utilização de fatores de correção empíricos

Fatores de correção utilizados para corrigir PDs são calculados empiricamente

Quais são os valores de ajustes que fazem com que a média das PDs estimadas se iguale a taxa de default agregada?

Efeitos do cenário econômico representados em um único fator de ajuste

obtido empiricamente para diferentes segmentos da carteira.

Obtenção dos fatores de ajuste:

Utilização de histórico de PDs estimadas

Backtest do modelo de classificação de risco

Utilização de fatores de correção empíricos

Metodologia

Fatores de correção empíricos são calculados em cada período

Criação de série histórica de fatores de correção

Desenvolvimento de modelo econométrico que relaciona os valores dos fatores de correção com índices econômicos

Cenário atual, projetado ou de stress é utilizado para gerar um valor para o fator de correção no cenário desejado

Cálculo de PDs ajustadas

Utilização de fatores de correção empíricos

Vantagens

 

Desvantagens

Não é necessário re-desenvolver modelos

Necessidade de levantar longo histórico de PDs estimadas ou de realizar backtest do modelo em um longo período histórico

Permite stress test

Melhora o poder preditivo do modelo

É robusto quanto à realização de premissas

 

Credit Rating Condicional

Baseado no Credit Rating Serasa

Amostragem de 450.000 empresas

Dados de PDs calculadas de 2002 a 2008

Segmentação baseada em setor de atividade Segmento e Porte das empresas

Credit Rating Condicional

Setores de atividade

Credit Rating Condicional Setores de atividade

Credit Rating Condicional

Porte

Ativos

R$ Milhões

Corporate Corporate 50 50 Middle+ Middle+ 25 25 Middle Middle 4 4 Small+ Small+ 1,2
Corporate
Corporate
50 50
Middle+
Middle+
25 25
Middle
Middle
4 4
Small+
Small+
1,2
1,2
Small
Small
1,2
1,2
4
4
25
25
50
50

Faturamento

Líquido

R$ Milhões

Credit Rating Condicional

Segmentação

28 Setores de atividade X 5 Portes
28 Setores de
atividade
X
5 Portes
Técnica de Cluster
Técnica de
Cluster
Grupo 1
Grupo
1
Grupo 2
Grupo
2
Grupo Grupo 3 4 Grupo Grupo 5 6 Grupo 7
Grupo
Grupo
3
4
Grupo
Grupo
5
6
Grupo
7

Credit Rating Condicional

Fatores econômicos

Indicadores que

IPCA

Base Monetária

Balança Comercial

Transações Correntes

Pib

Selic

Câmbio

Reservas Internacionais

Desemprego

Produção Industrial

Saldo de Crédito

Concessões de Crédito

Credit Rating Condicional Comparação Taxa de Default x PD média sem ajuste

TX DEFAULT

PD MÉDIA

7% 6% 5% 4%
7%
6%
5%
4%

Avaliação de default nos próximos 12 meses

Se não há viés PD médio deve coincidir com Taxa de default realizada

Modelo sem ajuste captura ciclos, mas de forma parcial e defasada – efeito das distribuições de variáveis preditivas

out 03 jan 04

abr04

jul04

out 04 jan 05

out 05 jan 06

abr06

jul06

out 06 jan 07

out 07 jan 08

abr07

jul07

jan 03

abr03

abr05

jul05

jul03

Credit Rating Condicional Comparação Taxa de Default x PD média com ajuste

7%

6%

5%

4%

TX DEFAULT PD MÉDIA PD CORRIGIDA MÉDIA
TX DEFAULT
PD MÉDIA
PD CORRIGIDA MÉDIA

Modelo com ajuste captura ciclos de forma precisa e coincidente

Ratings em cenários simulados

Domínio dos valores dos indices econômicos

Extrapolação deve ser realizada com cuidado

Consistência do cenário

Variáveis econômicas são relacionadas entre si

Requer um conjunto diferenciado de modelos econométricos:

Ajuste ao cenário atual: Cenário atual com a distribuição atual das variáveis preditivas

Ajuste a um cenário simulado: Cenário simulado com a distribuição atual das variáveis preditivas

Ratings em cenários simulados

Modelos

econométricos

Modelos

econométricos

simulados Modelos econométricos Modelos econométricos Credit Rating sem ajuste Credit Rating ajustado ao
simulados Modelos econométricos Modelos econométricos Credit Rating sem ajuste Credit Rating ajustado ao
Credit Rating sem ajuste
Credit Rating
sem ajuste
Credit Rating ajustado ao cenário atual
Credit Rating
ajustado ao
cenário atual
Credit Rating ajustado ao cenário simulado
Credit Rating
ajustado ao
cenário
simulado
atual Credit Rating ajustado ao cenário simulado Retira viés do cenário de desenvolvimento Insere efeito

Retira viés do cenário de desenvolvimento

Insere efeito do cenário simulado cenário simulado
Insere efeito do
cenário simulado
cenário
simulado

Considerações finais Inclusão de fatores Macro econômicos em modelos de PDs

Considerar o cenário econômico em modelos de classificação

de risco é viável

Melhores resultados para previsão de PD e ranqueamento de

risco

Uma vez que a classificação de risco considera o cenário

econômico a realização de testes de stress é simples

Haverão dificuldades para levantar os dados históricos

necessários

Considerações finais Metodologia produzida

Aplicável também a crédito ao consumidor

Disponível via modelos da Serasa Experian ou

desenvolvimento de projetos específicos para clientes

Aporte de tecnologia e dados para suprir deficiências internas

de volume e histórico de informações

Оценить