PARAMETROS DE RIESGO DE CREDITO 1 Modelos de Calificacin de Cartera.

Los modelos de calificacin de cartera tienen como objetivo principal el de medir matemticamente la calidad de un crdito para por un lado, tomar una decisin respecto de otorgar un prstamo o no, y por otro, calcular la probabilidad de incumplimiento del deudor. La dificultad de construir un modelo de calificacin de cartera consiste en determinar los factores o variables que explican la bancarrota o la quiebra de la empresa. Estas variables o factores de riesgo se pueden entender como razones financieras. Dichas razones financieras se combinan linealmente con un peso especfico para cada una, para obtener como resultado final una calificacin que discrimina las empresas que incumplen en sus compromisos crediticios, de aquellas que no lo hacen. Los modelos ms comunes son economtricos y se construyen como una regresin lineal mltiple.

Z = a1 x1 + a2 x2 + a3 x3 + a4 x4 + a5 x5 + ....... + an xn
Donde:

a x

son coeficientes de la regresin. son las razones financieras o factores de riesgo que explican la quiebra de la

empresa y en consecuencia, el incumplimiento. Para determinar tanto las

una muestra de empresas que conformen la cartera. Esta base de datos debe contener series de tiempo de al menos 5 aos de historia con informacin financiera de las empresas, tanto de las que cumplieron satisfactoriamente con su compromiso de pago como de aquellas que incumplieron. La base de datos debe tener las siguientes caractersticas: a) Los datos de la muestra debe estar libre de errores obvios, es decir, de datos aberrantes. b) Debe contener solamente datos homogneos para que sean comparables. c) La informacin de incumplimiento est disponible y es confiable para todos los acreditados. d) La informacin faltante en algunos acreditados debe ser manejada adecuadamente. En este aspecto hay dos opciones: eliminar de la muestra a los acreditados cuya informacin no est completa, o bien, eliminar todas las variables incompletas de la muestra para todos los acreditados. Una vez que la calidad de los datos est garantizada, deben elegirse las variables que potencialmente explican la quiebra del acreditado o que son importantes desde un punto de vista de crdito, tales como: liquidez, apalancamiento (nivel de endeudamiento), productividad, actividad, rotacin, rentabilidad, permanencia en el mercado, cobertura de la deuda, tamao de empresa, tasas de crecimiento, experiencia de pago, etc.

a como las x
i

se requiere contar con una base de datos de

A continuacin se muestran ejemplos de estas variables: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 RAZONES FINANCIERAS Total de Pasivos/ Total de Activos Capital Contable/ Total de Activos Deuda de corto plazo/ Total de Activos Activos Circulantes/ Deuda de corto plazo Deuda de corto plazo/ Total de Activos Capital de Trabajo/ Activos Totales Cuentas por cobrar/ Ventas Netas Cuentas por Pagar/ Ventas Netas Ventas Netas/ Costo del Personal Ventas Netas/ Total de Activos Utilidad de Operacin/ Total de Activos Utilidad Neta/ Capital Contable Activos Totales Ventas Netas/ Ventas Netas del ao anterior Pasivos Totales/ Pasivos Totales del ao anterior Utilidad de Operacin/ Gastos Financieros Calificacin en Bur de Crdito Utilidades retenidas/ Activos Totales FACTOR DE RIESGO Apalancamiento Apalancamiento Apalancamiento Liquidez Liquidez Liquidez Actividad Actividad Productividad Rotacin Rentabilidad Rentabilidad Tamao Crecimiento Crecimiento apalancamiento Cobertura de la deuda Experiencia de pago Permanencia en mercado en

el

2 Medidas de poder predictivo en modelos de calificacin de cartera. Una caracterstica clave en los modelos de calificacin de cartera de crditos e su poder predictivo es decir, la capacidad del modelo para separar o discriminar prstamos de buena calidad de aquellos que son de mala calidad. Un modelo de calificacin de cartera debe asignar a cada acreditado un grado de riesgo de manera discreta. Si un sistema de calificacin tiene k grados de riesgo, entonces cada crdito tendr una calificacin o categora denominada , es decir, i que
1

en grados crecientes de calidad de crdito, es decir, los acreditados con la peor calidad de crdito tendrn una calificacin de y los de mejor calidad crediticia 1 tendrn asignada la calificacin de

R , R , R ,.........., R
2 3

el

sistema

de
k

calificacin incluir los siguientes grados de riesgo: donde se asume que las categoras de riesgo estn ordenadas

R.
k

En el siguiente ejemplo, se presenta un sistema de calificacin de k=5, es decir, 5 grados de riesgo. El nmero de acreditados cumplidos, incumplidos y el total, se muestra en la siguiente tabla:

Acreditados Ri Cumplidos 1 150 2 200 3 185 4 215 5 200 Total: 950

Acreditados Incumplidos 27 14 2 5 2 50

Total Acreditados 177 214 187 220 202 1000

Sea S la probabilidad observada de prstamos. Sea tambin D el conjunto de acreditados incumplidos (Default), ND el de acreditados cumplidos (Non-default) y T el total de acreditados. Si se desea saber la probabilidad observada de acreditados incumplidos en el nivel de riesgo 3, la de acreditados cumplidos en el nivel de riesgo 2 y la de acreditados totales en el nivel de riesgo 5, tendramos lo siguiente:

2 = 0.04 50 200 S ND (2) = 950 = 0.21 202 S T (5) = 1,000 = 0.202

(3) =

Asimismo, sea C la distribucin de probabilidad acumulada de S. Por ejemplo, la probabilidad observada de que un deudor tenga una calificacin igual o menor que . Por ejemplo, la probabilidad acumulada de que un deudor cumplido tenga una i calificacin menor o igual al nivel de riesgo 4 es la siguiente:

ND

(4) =

150 + 200 + 185 + 215 = 0.7894 950

Para medir el nivel del poder predictivo de un modelo de calificacin de cartera, es necesario definir lo que se conoce como CAP (Cumulative Accuracy Profile). Esta es la curva que resulta al graficar la distribucin de probabilidad acumulada de los acreditados incumplidos con la distribucin de probabilidad del total de D acreditados

. En la grfica que se muestra a continuacin, se observa que para

cada nivel de riesgo

iniciar en el punto (0,0) y terminar en el punto (1,1).

se determinan las

y las

. La curva del CAP debe

CD Acreditados Incumplidos 1.0 Area P

CAP con perfecto poder predictivo

CAP del modelo Area R CAP sin poder predictivo

1.0 Total de Acreditados

CT

Existen 2 casos especiales en el cmputo de la curva CAP. El primero es cuando no existe poder predictivo y por tanto, el modelo no discrimina los crditos de buena calidad de los de mala calidad. En este caso, la curva CAP es una recta de 45 grados que inicia en el origen y termina en el punto (1,1). Es decir, si el modelo no contiene informacin respecto de las variables que determinan el incumplimiento o la quiebra, entonces asignar una calificacin aleatoria a dichos crditos y se tendr la misma probabilidad acumulada para los acreditados incumplidos y el total de acreditados. El segundo caso especial sera un sistema de calificacin de cartera que contenga informacin perfecta respecto de la calidad crediticia de los deudores. En este caso, todos los acreditados incumplidos obtendrn una peor calificacin que los acreditados cumplidos y el resultado es que la curva CAP tender a acercarse a uno rpidamente y permanecer en ese nivel. La informacin contenida en la curva CAP puede resumirse en un solo nmero, que es el conocido como el Coeficiente de Poder Predictivo o AR (Accuracy Ratio), tambin llamado coeficiente de Gini. A continuacin se describe como se obtiene la medida AR: 1. Se ordenan los acreditados por calificacin: del ms riesgoso al menos riesgoso. 2. Se considera el x% de crditos con mayor riesgo (de 0% a 100%) y se estima el porcentaje de incumplimientos Y(x) (del total observado en el horizonte seleccionado) que cubren los crditos seleccionados. Para un modelo que asigne probabilidades de manera aleatoria (sin poder de discriminacin) se esperara que Y(x) = x, es decir, el 10% de los incumplimientos ocurren en el 10% de los crditos, el 50% de los incumplimientos en el 50% de los crditos, etc. Grficamente es la diagonal mostrada en la figura. Entre mejor sea el modelo de calificaciones, ms rpido cubrir el 100% de los incumplimientos. En el extremo (modelo perfecto), para una proporcin de incumplimiento z (por ejemplo 3%), el mismo porcentaje de observaciones ordenadas de mayor a menor riesgo cubrira el 100% de la cartera vencida. Los sistemas de calificacin reales se encontrarn en un punto intermedio entre estos dos extremos, y grficamente se ven como una curva en forma de L invertida, en la

cual el 3% de los crditos de mayor riesgo explican el 100% de la cartera vencida. Este coeficiente est dado por:

AR =

Area R 2A !1 = Area P 1 ! % Incump lim ientos

Donde el rea entre la curva CAP y la recta de 45 grados, es el rea R, mientras que el rea P corresponde a la superficie de la curva de perfecto poder predictivo y la curva CAP. El parmetro AR ser de 0% para un modelo aleatorio (sin capacidad predictiva) hasta 100% para un modelo perfecto. El valor de A se refiere al rea bajo la curva CAP, dada por la integral definida de la curva de 0 a 1:

A = ! f ( x)dx
0

A continuacin se muestra un ejemplo para el clculo del ndice de precisin (AR) considerando 10 grados de riesgo, con una historia de 5 aos, en que se reunieron las calificaciones de 155,405 acreditados, de los cuales incumplieron 1,965 acreditados. Es decir, una Probabilidad de incumplimiento promedio de 1.26%.

Escala 1 2 3 4 5 6 7 8 9 10

Total 990 770 960 5,480 2,220 2,940 3,610 18,095 100,400 20,030 155,495

Casos Cumplidos 420 600 760 5,000 2,110 2,800 3,540 18,000 100,300 20,000 153,530

Incumplidos 570 170 200 480 110 140 70 95 100 30 1,965

PD 57.58% 22.08% 20.83% 8.76% 4.95% 4.76% 1.94% 0.53% 0.10% 0.15%

CT % Acum. Acred. 0.6% 1.1% 1.7% 5.3% 6.7% 8.6% 10.9% 22.6% 87.1% 100.0%

CD %Acum. Incump. 29.0% 37.7% 47.8% 72.3% 77.9% 85.0% 88.5% 93.4% 98.5% 100.0%

Ln(CT) (5.057) (4.481) (4.046) (2.942) (2.703) (2.454) (2.215) (1.489) (0.138) -

La curva CAP es la que se obtiene de graficar CT vs CD como sigue:

CT vs CD
120.0% 100.0% 80.0%
CD

60.0% 40.0% 20.0% 0.0% 0.0% 20.0% 40.0% 60.0% CT 80.0% 100.0% 120.0%

Para determinar el rea bajo la curva CAP se debe realizar una regresin no lineal (generalmente logartmica) y obtener la integral definida (0,1) de la ecuacin. A continuacin se observa la grfica de la curva CAP con la ecuacin de la regresin que mejor ajusta a la curva. Por lo general una regresin logartmica aplica en estos casos:

Por tanto A sera:

A=

f ( x)dx =

!0 [0.1439Ln( x) + 1.0973]dx = 0.1439!0 Ln( x)dx + 1.0973!0 dx

6

La solucin a la integral de logaritmo es: Por lo que:

Ln( x)dx = xLn( x) " x

A = 0.1439 " [(1" Ln(1) ! 1) ! (0 " Ln(0) ! 0)] + 1.0973" [1 ! 0]

A = 0.1439 " (! 1) + 1.0973 = 0.9534

El coeficiente de precisin AR es:

A=

2A !1 2 " 0.9534 ! 1 = 1 ! & Inc 1 ! 0.0126

A = 0.9184 = 91.84%
El cual se considera un AR muy alto y en consecuencia el modelo de calificacin es muy preciso. De lo anterior se desprende que el poder de predictibilidad de un modelo de calificacin de crdito se mide como la capacidad de este de ordenar (separar) los acreditados de menor a mayor riesgo en funcin a su probabilidad de incumplimiento. Las escalas de calificacin tienen como objeto clasificar a los acreditados en grupos con probabilidades de incumplimiento similares. Las peores calificaciones estarn asociadas a una mayor probabilidad de incumplimiento, mientras que las mejores calificaciones estarn relacionadas con menores probabilidades de incumplimiento. Por lo general esta relacin no es lineal, mostrando un crecimiento exponencial de la probabilidad de incumplimiento a la medida que empeora la calificacin.

Asimismo, tambin se puede graficar en el eje vertical, el nmero de acreditados incumplidos y en el eje horizontal el nmero de acreditados cumplidos, en lugar del total de acreditados. En este caso, la curva que resulta es la denominada ROC (Receiver Operating Characteristic), como se muestra en la siguiente figura:

Curva ROC CD 1

Area A

CND

En este caso, la AR = 2A 1.

3 Probabilidades de Transicin y de incumplimiento La probabilidad de incumplimiento puede calcularse de dos maneras: con base en la frecuencia relativa de los incumplimientos en un perodo dado, es decir a travs de la construccin de matrices de transicin, o bien, mediante algn modelo economtrico del Logit o Probit. El primer enfoque se normalmente se aplica para crditos de empresas y el segundo para crditos al consumo. La matriz de probabilidades de transicin muestra la probabilidad de que un instrumento, con cierta calificacin al inicio de un perodo, tenga una igual o diferente al final del mismo, o bien, en el caso extremo, la probabilidad de que un instrumento con una cierta calificacin se encuentre en incumplimiento al final del perodo de anlisis. La matriz de transicin estar compuesta por una serie de elementos a que representan la probabilidad de que un instrumento que cuenta con un nivel determinado de calificacin crediticia se mantenga en dicho nivel o pueda emigrar a otro.

ij

= (ai1, ai 2, ai 3, ai 4, ai 5, .......a1n )
=1

Tal que:
n

!a
j =1

ij

Donde:

i es el nivel crediticio (grado de riesgo) que le corresponde al acreditado en cuestin (rengln). Considerando que las i son los renglones y las j son las columnas se deduce que: i = j indica la probabilidad de que un instrumento que est en la calificacin i permanezca con esa calificacin para el siguiente perodo. i ! j indica la probabilidad de que un instrumento con calificacin i migre a la calificacin j en un perodo. Las probabilidades de transicin se determinan de acuerdo al nmero de acreditados que en los ltimos aos (ej: 5 aos) han migrado de un nivel de calificacin a otro, es decir:

aij =
Donde:

Aij ATi

Aij es el nmero de acreditados que en los ltimos aos (ej: 5 aos) migraron de la calificacin i a la calificacin j. ATi es el nmero total de acreditados que en los ltimos aos (ej: 5 aos) estuvieron dentro de l la calificacin i. La ecuacin anterior no considera el efecto de los deudores no calificados al final del periodo. Supongamos que existen

Wip

acreditados que no fueron calificados al final

del periodo p y que tenan una calificacin i al inicio del mismo. La tasa de migracin ajustada por los deudores no calificados se define como:

a ij =

ij

ATi ! Wip

El ignorar todos los deudores que no fueron calificados al final del periodo implica un incremento en las tasas de migracin y por tanto es un criterio conservador. La matriz de transicin anual promedio puede ser calculada a partir de todos los segmentos trimestrales de la base histrica. De esta forma un deudor que ha sido calificado por varios trimestres y por ms de un ao estar integrado en las transiciones de cada uno de esos trimestres. La tasa de migracin anual ponderada por el nmero de deudores de una calificacin i a una calificacin j est dada por:

___

n p =1

a ij = ! ( wip xaij ) (n es el nmero de periodos considerados en anlisis)

wip es el peso ponderado de los deudores en el periodo p :

Donde

wip =

N ip

!N
p =1

(no ajustados por los no calificados al final del periodo)

ip

wip =

N ip

! (N
p =1

(ajustados por los no calificados al final del periodo)

ip

" Wip )

A continuacin se muestra un ejemplo de clculo de probabilidades de incumplimiento y de transicin. Se tienen 50 acreditados y con base en las calificaciones de un ao al siguiente, se observa la matriz de transicin y la de probabilidades de transicin:

10

Como puede observarse, si NT es el nmero total de crditos calificados en un nivel o grado de riesgo i y NI es el nmero de acreditados que incumplen en un perodo, pertenecientes a ese grado de riesgo i, la probabilidad de incumplimiento est dada por:

PD

n ! NI i i =1

NT

En el ejemplo anterior, para el nivel de riesgo A, se present solo 1 acreditado incumplido, de un total de 24 acreditados, por tanto, la probabilidad de incumplimiento para el grado de riesgo A es la siguiente:

11

PD A =

24

= 4.16%

Ahora bien, las probabilidades de incumplimiento por grado de riesgo van creando lo que se conoce como curva de probabilidades de incumplimiento. Est curva debe ser monotnica y creciente. Es decir, para un grado de riesgo mayor, la probabilidad de incumplimiento debe ser mayor. En el caso del ejemplo anterior, la curva de probabilidades de incumplimiento se muestra a continuacin:

CURVA DE PROBABILIDADES DE INCUMPLIMIENTO

120% 100% 80% 60% 40% 20% 0% A B C GRADOS DE RIESGO D E

La metodologa para estimar la probabilidad de incumplimiento de los acreditados se puede resumir en los siguientes pasos: 1. Uso de la definicin para identificar las observaciones donde el acreditado ha llegado a incumplimiento. 2. Usando la definicin de incumplimiento se forman observaciones anuales por cada trimestre que se tiene en la base de datos histrica. Estas observaciones indicarn el nmero de casos que cayeron en incumplimientos en cada ventana de observacin y por nivel de calificacin 3. Clculo de las tasas de incumplimiento para cada periodo de observacin anual y para cada nivel de calificacin. 4. Clculo de las tasas de incumplimiento promedio para cada calificacin (utilizando todas las ventanas de observacin). Los deudores que ya no han sido calificados en periodos posteriores y los que estn en incumplimiento, no deben ser considerados en segmentos posteriores.

b) Probabilidad de Incumplimiento Promedio

12

Las tasas anuales de incumplimiento se determinan por cada segmento de calificacin para cada observacin anual en la base de datos histrica. La tasa de incumplimiento anual o probabilidad de default

PDip

para cierta calificacin i se refiere al porcentaje

del total de deudores ( N ip ) al inicio del periodo que llegaron a un estatus de default o incumplimiento ( Dip ) al final del periodo p .

PDip =

Dip N ip

Sin considerar los no calificados tenemos que:

PDip =

Dip N ip ! Wip
i)

La probabilidad de default de largo plazo se puede obtener por dos mtodos: promedio simple o ii) promedio ponderado sobre las tasas anuales de default.

El promedio simple de las probabilidades de default para n observaciones anuales es:

n

PD i =

! PD
p =1

ip

Y el promedio ponderado es:

n

PD i = ! (wip xPDip )
p =1

Los dos estimadores son iguales en caso de que el nmero de deudores permanezca constante (es decir, que en cada observacin anual se tenga la misma ponderacin). De acuerdo al Draft Supervisory Guidance on IRB Systems for Corporate Credit (US Federal Reserve-July 2003), la probabilidad de incumplimiento o default promedio ponderada podra subestimar dichas tasas. Por ejemplo, en pocas de recesin si el crdito otorgado disminuye y el nmero de deudores es menor que en periodos normales, el ponderar el nmero de deudores podra eliminar el efecto del ao en recesin en el promedio total. Estadsticamente se tiene que el promedio simple y el ponderado son estimadores insesgados de (la media real de la probabilidad de default) y la varianza del promedio ponderado es mayor o igual que la del promedio simple como se muestra a

13

continuacin (considerando variables aleatorias de la probabilidad de default como independientes):

n

Media del Promedio Simple:

E (! PDip / n) = n / n =
p =1

Media del Promedio Ponderado:

E[! wip xPDip ] = E[! (

p =1 p =1

N ip

!N
ip =1

xPDip )] =!
ip p =1

N ip

!N
ip =1

E[ PDip ] =
ip

Varianza Promedio Simple: V (

! PDip / n) = 1 / n 2 !V (PDip ) = 1 / n 2 x" 2 xn = " 2 / n

p =1 p =1

Dnde

! 2 es la varianza real de la probabilidad de default.

Varianza Promedio Ponderado:

n

2 V [! wip xPDip ] = ! V [ wip PDip ] = ! wip V [ PDip ] = ! p =1 p =1 p =1 p =1

N
n p =1

2 ip

"2 =

!N
p =1 n p =1

2 ip

"2

(! N ip ) 2

(! N ip ) 2

Utilizando el siguiente lema en el que para cualquier secuencia a = 1,2,....n

n(! a ) # (! ai ) = ! (ai # a j ) 2 " 0

i =1 i =1 i> j
n

2 i

"N
Se deduce que
p =1 n p =1

2 ip

(" N ip ) 2

n 1 #2 y por tanto V [! wip xPDip ] " n n p =1

Lo anterior demuestra que la probabilidad promedio ponderada por el nmero de deudores puede ser ms voltil que el promedio simple, esto suceder cuando el nmero de deudores vari significativamente.

14

Interpolacin Geomtrica Dado que las escalas de calificacin pretenden clasificar a los acreditados en grupos con probabilidades de incumplimiento similares y en forma monotnica creciente, es decir, a un nivel peor de calificacin le corresponde una probabilidad de incumplimientot mayor, se considera una interpolacin geomtrica para los casos en que esto no sucede. La interpolacin geomtrica se define como:

PDi = PD1 x( PD2 / PD1 ) (i /(m+1))

i !1, m

Dnde PD1 es el valor de la probabilidad de default promedio para la calificacin 1 y PD 2 es la de la calificacin 2, m es el nmero de PDs a interpolar entre PD1 y PD 2 ,

PDi es el i-simo valor a ser interpolado entre PD1 y PD 2 .

4 Severidad de la Prdida (LGD) La literatura de riesgos le ha prestado mayor importancia a la probabilidad de incumplimiento (PD) que a la Severidad de la Prdida, conocida tambin como loss given default (LGD) o prdida dado el evento de incumplimiento. Tampoco se ha prestado atencin a la relacin entre los dos parmetros: PD y LGD. La Severidad de la Prdida (LGD) se define como la proporcin o porcentaje de un crdito en incumplimiento que ya no se recuperar en el futuro. Esta proporcin depende de las tasas de recuperacin del crdito y que estn ligadas con las garantas o colaterales del mismo. Esto incluye el efecto de la tasa de descuento a valor presente asociado con el perodo de tiempo entre la fecha de incumplimiento, con la fecha de la recuperacin de la garanta y su realizacin en efectivo, as como los gastos y costos legales y administrativos asociados con dicha recuperacin. Los LGDs tienden a ser diferentes para cada garanta o colateral asociado al crdito. Por tanto, para medir este parmetro se requiere la creacin de bases de datos que permitan una estadstica confiable. Los datos histricos representan la principal fuente de informacin en la estimacin de tasas de recuperacin de crditos en incumplimiento. Estos datos deben ser analizados de acuerdo a una definicin econmica que considera todos los costos incurridos en todo el proceso de recuperacin. Esta definicin obedece a la siguiente frmula:

TR =

VPR M M !C = " EAD EAD M

(1+ r )

!t

M !C " EAD

(1+ r )

!t

LGD = 1 ! TR
Donde:

15

TR = la tasa de recuperacin del crdito. VPR = el valor presente del monto recuperado. M = el monto recuperado. EAD = la exposicin al incumplimiento (exposure at default). C = el monto de los costos administrativos asociados al proceso de recuperacin. r = la tasa de descuento para determinar el valor presente. t = el perodo de tiempo del proceso de recuperacin. Note que la relacin (M-C)/M se refiere a la proporcin del monto recuperado una vez que se ha incurrido en los costos administrativos asociados a la recuperacin. La tasa de descuento r que se usa para el clculo de valor presente del monto recuperado M, puede estar en funcin de informacin histrica de las tasas, por ejemplo, el promedio de las tasas observadas entre el momento del incumplimiento y el final del proceso de recuperacin de la garanta. No obstante, si se desea estimar el LGD de crditos futuros, se podra descontar con las tasas de inters adelantadas o forward.

Asimismo, la duracin del proceso de recuperacin de la (s) garanta (s) denominado t, debe calcularse en trminos financieros, es decir, debe incorporar cualquier flujo de efectivo intermedio durante el proceso. En caso de bancarrota del acreditado, la recuperacin del crdito se obtiene frecuentemente en varios pagos en diferentes momentos en el tiempo. En estos casos, se recomienda aplicar la Duracin de Macaulay para el clculo de t. La frmula de dicha duracin es la siguiente:

DR =
Donde

! t x (1+ r )
R t =0 T t

"t

! x (1+ r )
R t =0 t

"t

recuperacin.

es la duracin de la recuperacin y

se refiere a los flujos de

Lo mismo aplica para los flujos que se cargan al acreditado una vez que incumple, como podra ser el caso de comisiones no pagadas o algn otro concepto. En este caso, la frmula sera la siguiente:
T

! t x (1+ r )
F t =0 T t

"t

! x (1+ r )
F t =0 t

"t

Donde

flujos de cargados despus del incumplimiento. La duracin total del proceso de recuperacin sera:

es la duracin de los flujos cargados al acreditado y

se refiere a los

16

t =D !D
R

A continuacin, se muestra un ejemplo: sea un acreditado que en el momento del incumplimiento presenta una deuda de $100 y 40 das despus del incumplimiento se le adiciona la cantidad de $15 por concepto de comisiones no pagadas. La recuperacin total se logra por $80, en dos pagos: uno de $50 al final del primer ao y otro de $30 al final del segundo ao. Los costos incurridos en el proceso de recuperacin son de $25 y la tasa de inters para descontar a valor presente es de 7%. En este caso EAD = $100 + $15 = $115 ; M = $80 ; C=$ 25 y r = 7%. En el siguiente cuadro se ejemplifican los flujos de efectivo que se presentan en el proceso de recuperacin:

La duracin de los flujos cargados al acreditado es la siguiente:

0 ! 100

(1+0.07) 100 ( 1+0.07)

"0 / 360

+ 40 ! 15

"0 / 360

(1+0.07) + 15 ( 1+0.07)

"40 / 360

" 40 / 360

= 5.18 dias

La duracin de los flujos recuperados es la siguiente:

"360 / 360 "720 / 360

360 ! 50

(1+0.07) 50 ( 1+0.07)
F

+ 720 ! 30

"360 / 360

(1+0.07) + 30 ( 1+0.07)
"720 / 360

= 489.34 dias

La duracin total del proceso es como sigue:

t =D !D
R

= 489.34 ! 5.18 = 484.16 dias

Una vez calculado el perodo del proceso de recuperacin, el LGD sera el siguiente:

17

M !C LGD = 1 ! " EAD

(1+ r )

!t

80 ! 25 = 1! " 115

(1+ 0.07)

484.16 360

= 1 ! 43.66 % = 56.33%

Relacin entre Probabilidades de incumplimiento (PD) y Severidad de la Prdida (LGD): Los modelos de riesgo de crdito consideran que las PDs y los LGDs son variables independientes y por tanto la correlacin entre ambos es cero. Sin embargo, ambas variables estn en funcin de condiciones macroeconmicas, tales como ciclos econmicos, variaciones de tipo de cambio o de tasas de inters, etc. De hecho, se puede argumentar que existe una correlacin negativa entre las PDs y las tasas de recuperacin (TR) como sigue: a) Si la economa del pas entra en un ciclo de recesin y las empresas en incumplimiento se incrementan, los activos de estas dados en garanta disminuirn de valor y las tasas de recuperacin disminuirn. b) Si los colaterales son instrumentos de deuda y las tasas de inters aumentan, los acreditados en incumplimiento aumentarn y las tasas de recuperacin disminuirn. c) Si los colaterales son hipotecas de bienes inmuebles y la economa del pas entra en recesin, entonces las tasas de incumplimiento aumentarn y el valor de los inmuebles disminuir y en consecuencia las tasas de recuperacin sern menores. La existencia de una correlacin negativa entre tasas de incumplimiento y tasas de recuperacin tiene implicaciones relevantes en los efectos cclicos econmicos. Las Instituciones que decidan adoptar los modelos avanzados de Basilea, debern estimar sus propios LGDs los cuales deben capturar los efectos de los ciclos econmicos, de tal manera que cuando la economa registre crecimientos negativos, los LGDs estimados tiendan a aumentar de acuerdo al ciclo econmico.

5 Exposicin al riesgo de crdito (EAD) EAD (Exposure at default) se define como el monto esperado que un cliente deber al Banco al momento del incumplimiento y se calcula como sigue: EAD = Monto Dispuesto + CCF * Monto No Dispuesto Donde, Monto Dispuesto = Saldo Actual de la lnea de crdito en la fecha de clculo.

18

Monto No Dispuesto = Monto Total Autorizado de la lnea de crdito en la fecha de clculo menos el Monto Dispuesto. CCF (Credit Conversion Factor) = Porcentaje del Monto No Dispuesto que ser utilizado por el acreditado y estar pendiente de pago en la fecha de incumplimiento.

!"#$"%&'(

)*+%,%-+%.%//0%1%-2+

34#56%75%89:7;$"%&3/( -6<7"%#"%7;=>?5=$" //0 -6<7"%7;=>?5=$"

$@

$%,%+5A6?<$

Como resultado de las observaciones histricas de incumplimientos en crditos de lneas revolventes, debe construirse una tabla con los valores de los CCFs agrupados por rango de uso de lnea. A continuacin se muestra un ejemplo.

19

RANGO % USO DE LNEA 0%-10% 10%-15% 15%-20% 20%-25% 25%-30% 30%-35% 35%-40% 40%-45% 45%-50% 50%-55% 55%-60% 60%-65% 65%-70% 70%-75% 75%-80% 80%-85% 85%-90% 90%-95% 95%-100%

CCF 56.44% 62.80% 62.00% 60.77% 59.59% 59.32% 59.28% 58.74% 58.37% 58.42% 55.30% 58.05% 58.01% 58.20% 59.90% 61.18% 64.78% 66.60% 63.89%

Para ubicar una lnea de crdito dentro de un rango de uso de lnea y asignarle el valor de CCF correspondiente de acuerdo con la tabla anterior, es necesario calcular a cada lnea de crdito el porcentaje de uso de la siguiente manera: % Uso de Lnea = Saldo Actual en la fecha de clculo Monto Total Autorizado en la fecha de clculo

Una vez ubicada la lnea de crdito dentro de un rango en la tabla, podr obtenerse el valor de CCF que le corresponde para posteriormente calcular el EAD.

6 Prdida esperada y Prdida no esperada No obstante que no es posible anticipar con certidumbre las prdidas que puede registrar una cartera de crditos en un perodo de tiempo (por ejemplo 1 ao) por incumplimientos de los acreditados, es factible calcular el nivel promedio de prdidas que razonablemente se puede esperar de acuerdo a la experiencia. La prdida esperada es ese nivel promedio de prdidas en un perodo de tiempo especfico, normalmente se usa un ao. La prdida esperada es un componente del costo en que se incurre por hacer negocio y por tanto, debe incluirse en el precio del producto. Adicionalmente es el monto de reservas o provisiones que un banco debe mantener. La prdida esperada se define como el valor que en promedio se espera perder en un portafolios de crditos, en un perodo de tiempo dado. La expresin matemtica de la prdida esperada de cada acreditado es la siguiente:

PE= EAD ! PD ! LGD

Donde:

20

PE = Prdida esperada del portafolios en un periodo de tiempo. PD = Probabilidad de incumplimiento o de default en un periodo de tiempo. EAD = Exposicin al incumplimiento o Exposure at default. LGD = Severidad de la prdida o Loss Given Default. Expresada en trminos porcentuales de la exposicin al riesgo la prdida esperada es la siguiente:

PE= PD ! LGD
Para el caso de un portafolio de crditos, la prdida esperada del portafolios sera la siguiente:

PE = " EAD ! LGD ! PD

p i =1 i i

Note que la expresin de prdida esperada es similar a la de esperanza matemtica en teora de probabilidad. Es decir, la multiplicacin de una variable por su probabilidad de ocurrencia. Este tambin es el caso en riesgos de crdito. Como en la esperanza matemtica, la prdida esperada representa el promedio de las prdidas que ocurren en un portafolio en periodo de tiempo que puede ser de un ao o de un trimestre, dependiendo de la frecuencia en la calificacin de la cartera. En la siguiente grfica se observa este concepto:
Prdidas por Incumplimientos

Promedio (media) de las prdidas en un perodo de tiempo. X X X X X X X X X X X tiempo X

Prdida Esperada

Como se mencion anteriormente, la prdida esperada representa el nivel de reservas que los bancos deben tener a manera de seguro contra las prdidas como medida prudencial y es posible incorporar dichas prdidas al precio de los productos que la Instituciones ofrecen a la clientela, como un componente del costo de hacer negocios.

21

Los bancos, en adicin a las reservas que reflejan las prdidas esperadas, deben tener capital suficiente para cubrir las prdidas no esperadas, que exceden el promedio de las prdidas registradas histricamente. La prdida no esperada, para un nivel de confianza ! se define como el ! -percentil de las prdidas del portafolio menos la prdida esperada del portafolio. Por ejemplo, si el nivel de confianza es ! = 99% el capital de un Banco debe ser suficiente para cubrir prdidas no esperadas en 99 de cada 100 aos, asumiendo un horizonte de un ao en el clculo de probabilidades de incumplimiento. Asimismo, podemos esperar que en un ao de cada 100 aos, las prdidas rebasen el capital econmico y el banco sea insolvente. La prdida no esperada, tambin entendida como capital econmico o Credit-VaR captura la volatilidad de las prdidas esperadas con un nivel de confianza alto. Para entender mejor este concepto obsrvese la siguiente grfica:
Prdidas por Incumplimientos Nivel de confianza

Prdida No Esperada X Prdida Esperada

X X

X X

X Capital Econmico X

X X X

X tiempo

Para calcular la prdida no esperada se puede implementar la metodologa de creditmetrics o de credit Risk plus, como se explica en los siguientes captulos.

22