Agenda

1. Definio de Portfolios de baixo default 2. Fatores de Risco de Crdito Decomposio Tcnicas para baixo default Metodologias para PD Metodologias para LGD 3. Consideraes sobre a validao desses portfolios

O que so portfolios de baixo default? O que default?

Default = Evento de descumprimento
Utiliza-se: a) Atraso superior 90 dias (em parcela significativa, ou no) b) Como tambm, algum outro indicativo de default Ex: Renegociao de dvida, falncia, etc...

O que so portfolios de baixo default? LDP = referncia Low-Default Portfolio

Definio : Um portfolio do tipo LDP quando o nmero de eventos de default, inexiste ou suficientemente pequeno para apresentar desafios na sua quantificao de risco

Literatura ainda recente

Classes de ativos no modelo IRB

Corporate

Soberanos Atacado IFs Varejo Participaes Societrias

2 Dimenses Exposies categorizadas em:

Exposies para grandes empresas Exposies pequenas e mdias empresas e para PFs que no se enquadram no varejo.

SME
Fat. Anual de 2,4 a 48MM

Emprstimos Especializados

Exposies especiais que recebem tratamento diferenciado

LDPs no so categorizados numa classe especfica de ativos no Framework de Basilia II

Tipos de Carteira que usualmente podem ter baixo default

Soberanos Instituies Financeiras Atacado ( Large Corporate) como tambm, casos de Project Finance.

Porm, no regra geral para LDP

Framework de disponibilidade de dados

Benchmarking
Disponibilidade Interna de Dados (Default, Perda, Regressores, etc.) Baixo Alto
Varejo

SME Emprstimos Especializados IFs Project Finance Soberanos Large Corporate

Backtesting

Baixo

Alto Dados de Referncia Externa (Agncias de Ratings, Regressores, etc.)

Agenda
1. Definio de Portfolios de baixo default 2. Fatores de Risco de Crdito Decomposio Tcnicas para baixo default Metodologias para PD Metodologias para LGD 3. Consideraes sobre a validao desses portfolios

Decomposio do Risco de Crdito

Risco Individual Probabilidade de Default (PD) Perda dado o Default (LGD) Exposio no Default (EAD) Prazo efetivo do vencimento (M) Risco de Portfolio Correlao de Default Risco de Concentrao

Tcnicas para Low-Default Portfolio

Metodologias para Probabilidade de Default (PD)
Rating Implcito de Mercado Sistemas Internos de Rating Aumento da base amostral

Derivado Aes
1. Estrutural/ Merton 2. KMV

Derivado Mercado CDS

Derivado Mercado de TVM

Pluto Tasche Matriz de Migrao Abordagem Bayesiana Curva CAP

Tcnicas de Regresso

Quo sensvel ao movimento do ciclo econmico um Sistema de Ratings deve ser?

PIT: Point-inTime Sistema de Ratings TTC: Throughthe-Cycle

Rating baseado no ponto atual do ciclo econmico. Estimativa pontual para a PD de 1 ano, tendo em vista as condies atuais e seus desdobramentos no horizonte de 1 ano.

Rating baseado em mdias de longo prazo que levam em considerao todo o ciclo econmico ou vrios. Estima uma PD de 1 ano que representa uma mdia de vrios anos anteriores.

Modelos Estruturais -Merton

Passivos Valor contbil dos Passivos (= proxy da dvida contratual/legal) Defaults ocorrem quando o valor de uma empresa menor do que ela tem de dvida

Ativos Valor de Mercado dos Ativos (= funo futura do fluxo de caixa)

Se o VM Ativo < Passivo: PL est out-of-the-money Se o VM Ativo > Passivo: PL est in-the-money

PL

PL da Empresa pode ser visto como uma opo de compra do valor da empresa (valor de mercado dos ativos)

Modelo KMV e suas diferenas para Merton

Reconhece que empresas possuem dvidas de curto e longo prazo. Usa histrico de preos de aes para obter a volatilidade do ativo. Determina-se a EDF = Freqncia de Default Esperada.
Valor Esperado do Ativo Valor do ativo (A) Ponto de Default (D) D = 100% Dvida CP + 50% Dvida LP EDF Distncia para o Default (DD) DD = Valor Presente do Ativo Ponto de Default

Hoje

1 ano

Tempo

Rating Implcito Credit Default Swap (CDS)

A Probabilidade de Default extrada dos preos de mercado:

PDCDS = f (PrmioCDS ; R ; Fluxo de CaixaCDS ;Tx de desconto)

Expresso em Bases Points Taxa de Recovery (Ex: 25%) Ex: Libor

Sistemas Internos de Rating

Severidade da Perda (LGD)

Probabilidade de Default (PD)

Sistemas Internos de Rating

Papel essencial na concesso de crdito, gesto de risco de crdito, alocao interna de capital e governana corporativa Caractersticas: Complexidade : distingue operaes entre si? Granularidade : evita concentraes nas faixas? Observaes: Sistemas apenas para inputs IRB NO SO ACEITAVEIS. Deve ter track-record de uso consistente Compliance Documentao por escrito (design, critrios e detalhes operacionais) Procedimentos de reviso peridica

Modelo de Pluto-Tasche
Assumindo que o sistema de ratings discrimina os tomadores de forma correta, atribui Faixas de PD aos ratings com certo nvel de confiana Ou seja, escala de ratings: AAA , AA , A , ...., D (AAA melhor que AA, AA melhor que A, etc.) Conceito Chave do mtodo Pluto-Tasche Nvel de Confiana para no observar nenhum default: ^

P ( default no portfolio) 1

Exemplo: =90% significa que a probabilidade que no ocorra nenhum default de pelo menos 10%

Resultado, escala de PDs: PDAAA PDAA ..., PDD

Modelo de Pluto-Tasche
Portfolios sem nenhum default Eventos independentes Modelo de Pluto-Tasche Portfolios com poucos defaults Portfolios sem nenhum default Eventos correlacionados Portfolios com poucos defaults PIT ou TTC? PIT mais simples de ser implementado TTC computacionalmente mais intenso e depende de mais um parmetro de correlao ( maior exigncia para calibragem)

Matriz de Migrao
A 10 B 10 D 0 A 9 B 11 D 0 A 10 B 10 D 0 A 10 B 9 D 1 A 10 B 9 D 1

t=0

t=1
8,6% 80,9% 0 0,5% 9,8% 100%

t=2

t=6

t = 12

P (1) =

90,9% 9,3% 0

Modelo de tempo contnuo (cadeia de Markov)

Hiptese : Sries temporais de classificao/faixa de atraso = cadeia de Markov Da matriz consegue-se apurar a PD durante 1 ano de observao. Importante: Consistncia do sistema de ratings no tempo Agncias de rating : matrizes possuem baixo histrico para Brasil

Abordagem Bayesiana
Distribuio anterior
70% 60% 50% 40% 30% 0%

Distribuio posterior
Lei de Bayes
70% 60% 50% 40% 30% 0%

70

100

70

100

Incertezas do real risco de ocorrncia de um evento podem ser representadas por uma distribuio, no caso a Beta[,] De uma distribuio anterior subjetiva (extrada da experincia de concesso de crdito) chega-se a uma distribuio posterior. Melhor view da PD incerta a PD estimada (elicitao de valores) Extrair Mdia e Varincia da Perda Estimada

Curva CAP
Deriva-se a calibragem de LDPs usando a curva CAP observada criando-se um sistema de ratings com PDs associadas. A PD extrada uma funo exponencial da distribuio acumulada dos ratings ajustada pela taxa mdia de default do portfolio.
d(X)
1 Inclinao da Curva CAP Modelo Perfeito

aP

aR

Modelo Real

Modelo Aleatrio

X
0 1

A inclinao da curva captura a essncia do poder discriminante.

PDi = f ( K
PD do Rating i Constante = 8,03

xi

p )
Taxa mdia de Default do Portfolio

% Cumulativa dos tomadores do rating i

Exemplo (portfolio emprico) :

Rating Rating AAA AA+ AA AAA+ A ABBB+ BBB BBBBB+ BB BBB+ B BCCC+ CC Qtde. Clientes 16 3 1 2 6 5 9 4 5 2 5 8 4 3 6 5 1 1 Qtde. Defaults 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1

Carteira com 86 Ttulos Soberanos apresentou 2 defaults (taxa mdia de default=2,33%). Fonte : Calibrating low-default portfolios,using the cumulative accuracy profile -Journal of Risk Model Validation

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Premissas utilizadas
Mtodo Pluto-Tasche: Poucos defaults Eventos correlacionados Nvel de confiana = 75% Calibrado a tendncia central de 2,33% Mtodo da Curva CAP : Taxa mdia de default = 2,33% Mtodo da Estimativa Bayesiana (distribuio Beta): 1 input da distribuio a priori = resultado da curva CAP 2 input da distribuio a priori = resultado do Pluto-Tasche

Resultados obtidos 1 iterao

Bayesiana Posterior (1 iterao) Rating 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Rating AAA AA+ AA AAA+ A ABBB+ BBB BBBBB+ BB BBB+ B BCCC+ CC Qtde. Clientes 16 3 1 2 6 5 9 4 5 2 5 8 4 3 6 5 1 1 Qtde. Defaults 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 Pluto-Tasche 2,88% 4,21% 4,48% 4,59% 4,81% 5,69% 6,64% 9,08% 10,77% 13,32% 14,73% 19,10% 31,72% 24,10% 32,46% 65,58% 99,52% 100,00% Curva CAP 0,01% 0,03% 0,04% 0,04% 0,06% 0,10% 0,20% 0,37% 0,56% 0,78% 1,08% 1,99% 3,48% 4,82% 7,34% 12,27% 16,24% 17,83% Pluto-Tasche 2,35% 2,98% 3,14% 3,19% 3,32% 3,77% 4,28% 5,73% 6,80% 8,66% 9,72% 13,32% 24,75% 18,56% 26,69% 58,56% 48,91% 100,50% Curva CAP 2,35% 2,90% 3,03% 3,07% 3,17% 3,50% 3,81% 4,57% 4,99% 5,64% 5,90% 6,67% 8,57% 5,77% 7,52% 12,79% 18,66% 20,67%

Alternativas - aumento da base de dados

1) Adicionar dados externos a sua base de default (ex: histricos de agncias de rating) Observao : Ser feita de forma criteriosa para garantir o uso adequado e consistente dos mesmos.

2) Mudar o conceito de default (ex: alterar regra de atraso de 90 dias) Observao : Ser feito o tratamento adequado para corrigir o efeito da alterao do conceito de default por atraso.

Pode tambm possibilitar uso de tcnicas estatsticas (ex: regresses)

Consideraes sobre Sistemas de Rating

Sistemas Implcitos de Rating Direcionado pelas observaes do mercado e um modelo Mais voltil (at 90% de oscilao no ano) Viso PIT Horizonte de Curto Prazo Reflete viso de risco de crdito somado a outros fatores Sistema Interno de Ratings Direcionado pelas opinies do analista e do comit de crdito Mais estvel (at 20% de oscilao no ano) Viso TTC Horizonte de Longo Prazo

Uso do Sistema de Ratings

Instituio deve ter track-record aceitvel de uso de ratings. Deve demonstrar estimativas e uso consistentes, com mnimos pelo menos 3 anos antes da qualificao. Amostras histricas devem ser longas o suficiente para permitir estimativas de parmetros de risco. Dados mnimos:
Classe Parmetro IRB Bsico IRB Avanado

Corporate, IFs e Soberanos

PD LGD EAD
PD

5 Anos -

5 Anos 7 Anos 7 Anos 5 Anos

Varejo

LGD
EAD

Objetivo Implcito: Capturar Ciclo Econmico de exposies Corporate

Tcnicas para Low-Default Portfolio

Metodologias para Perda dado o Default (LGD)
LGD de Mercado ou Implcita LGD Workout

IRB Bsica

Derivado Mercado de Ttulos

1. Variao de Preo 2. Merton

LGD Realizada
1. Mdia de Longo Prazo 2. LGD Downturn

LGD de Mercado: avaliao da variao dos preos dos ativos aps o default
Incio Deteriorao Preo no Default Preo no Tempo

Situao no Brasil
- Retail e SME: no se aplica - Corporate: Estima-se a utilizao para ~ 10% das empresas

LGD Workout : avaliao dos Eventos Econmicos

Alternativa: Aumento da amostra : Ex: Agrupar parcial/total SMEs + Corporate Componentes: Valores Recuperados Tempo de Recuperao Taxa Desconto Custos de Cobrana LGD = 1 Valor Recuperado - Custos Taxa Desconto Valor da Dvida

LGD realizada = Mx (Mdia Longo Prazo LDG ; LGD Downturn)

Perda dado o Default (LGD) para LDP

LGD Observada
Fonte de Dados Medida Diferena de preos Spreads de crdito Fluxo de caixa descontado Perdas histricas totais e PD estimadas Workout LGD Histrico implcito de LGD Tipo de Crditos
Default No Default

Aplicabilidade Corporate , Soberanos, IFs

Valores de Mercado

LGD de Mercado LGD Implcito de Mercado

Corporate , Soberanos, IFs Varejo, SME's, Corporate Varejo

Experincia de Recuperao e Custos

Agenda
1. Definio de Portfolios de baixo default 2. Fatores de Risco de Crdito Decomposio Tcnicas para baixo default Metodologias para PD Metodologias para LGD 3. Consideraes sobre a validao desses portfolios

Consideraes sobre a validao de LDPs

Preocupaes
Excluso das LDPs da abordagem de clculo IRB por : Falta de dados estatsticos Dificuldade de fazer o backtesting

Posicionamento do Comit da Basilia

Nenhuma indicao explcita que LDPs seriam inelegveis para tratamento nas abordagens IRB. Acredita que a falta de dados de perdas no necessariamente inibe o uso da abordagem IRB para estas carteiras com poucos defaults. Acredita que os princpios IRB so suficientes para permitir cumprimento de requisitos para todas as carteiras.

Consideraes sobre a validao de LDPs

Aspectos relevantes para LDP
Estimativas de parmetros devem ser forward-looking e preditivas. Exigncias qualitativas IRB devem ser aplicadas todas as carteiras. A falta de dados relativa pode ser compensada por outros mtodos na determinao dos parmetros de risco. Uma srie de tcnicas podem ser utilizadas para compensar a escassez de dados de perdas e a dificuldade de validar estimativas.

Consideraes sobre a validao de LDPs

Recomendaes para LDP
Ser criterioso e tomar as medidas necessrias para tratar adequadamente a questo da escassez de dados;

Usar dose de conservadorismo

Realizar benchmark (aplicando mais de uma tcnica interna ou com utilizao de parmetros externos)

Obrigado!
e-mail : alexandre.ibrahim@bancovotorantim.com.br