GESTIN DEL RIESGO DE CRDITO EN COMPAAS ENERGTICAS: SEGMENTACIN Y MODELOS DE CALIFICACIN DE CONTRAPARTES

Autor: Arribas Pintado, Andrs. Director: Lechuga Martos, Juan de Dios. Entidad Colaboradora: Management Solutions.

RESUMEN DEL PROYECTO

A medida que evolucionan las economas y los sistemas financieros, estos se vuelven ms complejos e interconectados. La bsqueda de rentabilidad por parte de los inversores ha pasado de ser una preocupacin local a ser mundial, el nivel de la integracin de las distintas economas nacionales es creciente hacia la creacin de un nico mercado global. Este proceso de globalizacin de la economa provoca que los problemas financieros locales se conviertan en cuestiones de mbito mundial. La situacin actual conforma un marco donde aumentan las probabilidades de crisis y, con ellas, el riesgo existente en varios mbitos, formas y sentidos, afectando tanto a los resultados como al valor de las compaas. Debido a la coyuntura econmica existente, la situacin es especialmente preocupante en el mundo del crdito: se ha producido un severo endurecimiento de las condiciones de prstamo y la tasa de mora mantiene una lnea ascendente durante los ltimos meses. Por ello, se hace imperativa una gestin eficaz de los distintos tipos de riesgo. Las principales compaas estn realizando avances notables tanto en la definicin del concepto como en la posterior implantacin prctica de mecanismos de identificacin, medicin, control y gestin de los distintos riesgos. La importancia de administrar bien los riesgos radica en que es un factor determinante en el resultado del negocio.

Los principales riesgos que afronta cualquier entidad son el riesgo de mercado, el riesgo operacional, el riesgo reputacional y el riesgo de crdito. Este ltimo se define como el riesgo asociado al posible incumplimiento de los compromisos de los clientes o terceros con los que se opere en relacin a sus obligaciones de pago. La metodologa de medicin del riesgo de crdito se basa fundamentalmente en la estimacin de tres parmetros: probabilidad de incumplimiento (Probability of Default, PD), definida como la probabilidad de que una contraparte pueda no hacer frente a sus obligaciones en un determinado plazo temporal; exposicin en el incumplimiento (Exposure At Default, EAD), definida como el volumen de riesgo expuesto en el momento de incumplimiento; y la severidad (Loss Given Default, LGD) o porcentaje que de forma efectiva se pierde en caso de incumplimiento, es decir, el porcentaje no recuperado. Tradicionalmente, las corporaciones industriales han centrado sus esfuerzos en otros puntos de inters, principalmente los relacionados con sus actividades. Sin embargo, una vez que el core de la actividad alcanza un grado de madurez suficiente, las empresas centran sus recursos en la mejora de otros mbitos que permitan un mayor crecimiento del valor de las compaas y es en este punto donde la gestin de los riesgos financieros cobra especial relevancia. Actualmente, debido a la gran cantidad de impagos que se estn registrando, las entidades se encuentran en plena transicin, cambiando su plan estratgico y de negocio, dotando de mayor peso a las acciones para mitigar y controlar el riesgo. Para estas industrias realizar rpidos avances en esta materia es fundamental y para ello importan metodologas ya contrastadas por los lderes del sector financiero internacional. El origen del riesgo de crdito en las industrias pertenecientes al sector Oil & Gas proviene, en su mayora, de los clientes con los que adquieren compromisos debido a su actividad comercial (que puede representar hasta un 50% del balance de la compaa). La reciente liberalizacin del mercado energtico en Espaa permite, de ahora en adelante, a cualquier compaa modelar su cartera de clientes en funcin de su perfil de riesgo a travs de la elaboracin de modelos de medicin del riesgo de crdito (uso de

metodologas de tipo RAROC o Pricing) Las corporaciones tienen, por lo tanto, la capacidad de implantar polticas proactivas de asignacin de recursos y de mejoras en la calidad de su cartera de clientes, mejorando por tanto su rentabilidad. La parte final de este proyecto incluye, una vez abordados los conceptos bsicos en lo referente a los distintos tipos de riesgos y el traspaso de las metodologas (de valoracin, medicin y gestin) del entorno financiero al industrial; un ejemplo prctico es el relativo al riesgo de crdito. El ejemplo realizado abarca, por un lado, el proceso ptimo de segmentacin de una cartera de clientes en funcin de las caractersticas que mejor contribuyan a la elaboracin de modelos en lo que a materia de riesgo de crdito se refiere, dejando de lado los criterios que se han utilizado tradicionalmente, que suelen ser bsicamente los comerciales. Por otro lado, se llevar a cabo en uno de los segmentos propuestos la elaboracin de un modelo que permita calificar a los clientes que lo integran en base a su calidad crediticia, lo que servir para predecir el comportamiento de dicha poblacin ante posibles incumplimientos de sus compromisos de pago. Existen distintas tipologas de modelos, principalmente clasificados segn el objetivo que se pretenda alcanzar, donde cabe distinguir entre rating (calificacin de empresas) o scoring (operaciones). Por otro lado, si se distingue segn la existencia o disponibilidad de informacin interna para la elaboracin de los modelos, cabra diferenciar entre los modelos de rplica (no existe informacin suficiente) y aquellos basados en incumplimientos (existe informacin). Para ello, se han analizado de forma estadstica un conjunto de variables, entre las que cabe destacar variables econmico-financieras (que definen la capacidad de la poblacin estudiada de hacer frente a compromisos) y variables de comportamiento de pago con la propia empresa (cantidad financiada y cuotas asignadas).

Tras realizar un primer tratamiento de los datos disponibles (limpieza de errores, anlisis de atpicos y coherencia de su sentido de negocio), se estudia de entre todas las variables su comportamiento frente al incumplimiento para seleccionar aquellas que tengan un mayor poder predictivo. Para ello se han utilizado tcnicas estadsticas implementadas en la herramienta de anlisis de datos SAS (tcnicas de anlisis univariante, multivariante, curvas ROC y regresin logstica). Por lo tanto, este proyecto de fin de carrera intenta mostrar un completo anlisis del riesgo empresarial en todas sus dimensiones, proporcionando de manera ms detallada un conocimiento profundo del riesgo de crdito desde una perspectiva, tanto financiera, como industrial. Cabe aadir que los resultados de la totalidad de este estudio permiten al tiempo familiarizarse con el mundo del anlisis de riesgos propio de la consultora, combinando en un mismo proyecto aspectos de la ingeniera, la estadstica, la economa y la gestin empresarial. Para acabar la sntesis del contenido del estudio realizado, se ha de destacar la trascendencia e importancia de la herramienta diseada para gestionar y controlar el riesgo de crdito en el seno de una gran compaa. Gracias al diseo e implantacin de estos modelos de prediccin, as como a su posterior seguimiento y ajuste al ciclo econmico, se va a poder cuantificar, con un margen de error mnimo, el riesgo en el que incurre una empresa, cuando otorga financiacin a un cliente determinado.

ABSTRACT
As financial systems and economies develop, they become increasingly complex and interconnected. Searching profitability on the part of investors has become a global concern instead of a local problem. The level of integration of the different national economies is rising towards the creation of a unique global market. However, all this process of economical globalization involves that financial local problems become worldwide matters. The present situation constitutes a framework where crisis possibilities increase and, consequently, the existing risk in several areas which in turn affect both the results and value of those companies. Owing to the economic juncture existing, the present situation is especially concerning for loaning: conditions have been severely toughened up and default rate has been rising during last months. For that reason, large companies need to manage efficiently the various types of risk to which they are exposed and are currently undergoing a process of substantial transformation both in conceptual design and in the subsequent implementation of systems for the identification, measurement, control and management of the various risk types. The importance of adequate risk management lies in the fact that it plays a decisive role in determining company results. The main risks facing companies are market risk, operational risk, reputational risk and credit risk. The latter can be defined as the risk which a client or counterparty with which the company operates may default on its payment obligations. Credit risk measurement methods are mainly based on the calculation of three parameters: Probability of Default (PD), defined as the probability that a counterparty may not be able to meet its obligations within a given period of time, Exposure at Default (EAD), defined as the risk amount exposed at the time of default, and Loss Severity or Loss Given Default (LGD), defined as the proportion effectively lost in the event of default, that is, the unrecovered amount expressed as a percentage.

Traditionally, industrial corporations have tended to focus on areas directly related to their business. However, once the core business has reached a sufficient degree of maturity, new areas for improvement are sought in order to increase company value, and it is at this point that financial risk management becomes particularly relevant. These days, because of the large amount of paying failures which are being registered, organizations are immersed in a period of transition, changing their strategic and business plan to give more consideration to prevent and relieve risk. Being able to achieve rapid improvements in this area is essential for companies in these industries, and for this reason these companies import methods which have been already proven by the international financial sector For industries in Oil & Gas sector, credit risk arises mostly from clients with whom contractual obligations are entered into as a result of commercial activity - which may represent up to 50% of the companys business-. The origin of credit risk in industries belonging to the Oil & Gas sector comes mainly from the number of clients that undertake a commitment as a result of commercial activity - it can represent a 50% of the companys balance sheet. From now on, recent deregulation of energetic market in Spain allows any company to configure its own client portfolio through the achievement of credit risk models (RAROC and Pricing methodologies). Those models enable corporations to implement proactive policies to allocate resources and improve the quality of their client portfolio and hence their profitability Lastly, once the basic concepts concerning the various risk types and the transfer of valuation, measurement and management-related methodologies from the financial to the industrial sector have been addressed a practical credit risk example is presented. The example presented covers firstly a process for the optimal segmentation of a customer portfolio on the basis of those characteristics that better lead to the design of credit risk models, rather than based on commonly used criteria, which tend to be of a commercial nature.

Secondly, a model will be developed within one of the proposed segments to enable client classification based on credit quality, which will make it possible to predict this segments behavior in the event of defaulting on their payment obligations. There are various types of models, mostly classified according to their intended purpose. In this case a distinction is made between company rating and transaction scoring models. A further classification is made based on whether or not internal information is available for the elaboration of models, distinguishing between replica

models - insufficient internal information is available - and default-based models internal information is available-. For this purpose, a number of variables have been statistically analyzed, among which worthy of mention are economic and financial variables - which define the capacity of the population under study to meet their obligations- and payment behavior variables both vis--vis the company itself (loan quantity and monthly instalments) After preliminary treatment of the data available -data cleansing, atypical data analysis and coherence with business purpose-, between all the variables studied, using statistic techniques implemented in the SAS data analysis tool, its performance versus the default , in order to select those which have a stronger predictable power. This final-year project presents an analysis of corporate risk in all its dimensions and in particular provides an in-depth view of credit risk from a financial and industrial perspective. Further, the results of this study make it possible to become familiar with risk analysis from a consulting standpoint and to combine engineering, statistical, economic and corporate management aspects into a single project. In order to conclude the summary of the study that has been made, it is important to emphasize the significance and importance of the designed tool to manage and to control credit risk into a big corporation. Thanks to the design and implementation of those prediction models as well as its following tracking and fiitng to the economical cycle, it will be possible to quantify the amount of risk within a minimum margin error-

commited by a big company by financing a customer. This facilitates a big company to give an incentive to their customers to consume by mitigating the risk of a default.