Sistemas de Rating

CARTERAS DE EMPRESAS. SISTEMAS DE RATING.
CONSTRUCCION Y EVALUACION
Direccin General de Supervisin
Grupo de Tesorera y Modelos de Gestin de Riesgos
Luis Gonzlez Mosquera
Antonio Marcelo Antua
Ral Garca Baena
II Seminario sobre Basilea II

Validacin de modelos avanzados en el Pilar 1
Madrid, 14 al 17 de noviembre de 2006
INDICE
INTRODUCCIN
CONSTRUCCIN
Tipologa de informacin
Aspectos metodolgicos
Anlisis univariante
Anlisis multivariante
Dinmica temporal
Casos particulares:
Rating rplica.
Carteras con poco nmero de defaults.
EVALUACIN
AR como medida discriminante, caso continuo.
AR como medida discriminante, caso discreto.
DIRECCIN GENERAL DE SUPERVISIN
Empresas
Corporativa
Soberanos
Instituciones financieras
RATING
Pymes
- N defaults internos
Autnomo y negocios
Juicio experto
Hipotecas
- Mtodos estadsticos
Prstamos consumo
Tarjetas de crdito
SCORING
INTRODUCCIN: Sistemas de clasificacin
INTRODUCCIN: Construccin y evaluacin
de una herramienta de clasificacin
Recopilacin de datos: Muestra representativa de clientes buenos y

malos
Seleccin de factores que influyen en el incumplimiento
Anlisis individual de factores

3
Anlisis de correlacin
Buenos
2
Malos
Opinin de expertos
Seleccin de los posibles

modelos: Muestra de control
Poder de prediccin:
Discriminar suficientemente
PD
Categoras
TIPOLOGIA DE LA INFORMACIN
La informacin utilizada habitualmente por los sistemas de

rating de empresas puede ser de 3 tipos distintos:
Informacin Financiera (cuantitativa)
Informacin de Anlisis del cliente por parte del
gestor (cualitativa)
Informacin de Comportamiento (para clientes)
Informacin FINANCIERA
Ejemplo de ratios financieras tpicas:

o Liquidez:
Current ratio = Activos lquidos / Pasivos lquidos
o Solvencia:
Cobertura de intereses = EBIT / Intereses
o Endeudamiento:
Deuda / Capital
o Rentabilidad:
Resultado de explotacin / Ventas
Resultado ordinario / Capital
o Capacidad de obtener fondos
Informacin DEL GESTOR
Anlisis cualitativo del gestor
o Complementar la imagen de la empresa proporcionada por los balances
financieros
o La informacin tpica ser:
Situacin general de la industria
Posicin relativa de la empresa
Solvencia tcnica y financiera de los promotores
Calidad de los rganos de gestin
Riesgos legales/operativos
Informacin DE COMPORTAMIENTO
Informacin de comportamiento
o Indicadores de variaciones en la calidad crediticia del cliente
o La informacin tpica ser:
Utilizacin de las lneas de crdito
Variaciones del riesgo concedido en/fuera de la entidad
Impagos en otras entidades: vencidos, morosos
Saldos medios en la cuenta corriente
Variaciones en el papel descontado
Combinacin segn TAMAO
En funcin del tamao, la ponderacin de cada tipo de informacin difiere.

TAMAO
FINANCIERA
(CUANTITATIVA)
GESTOR
(CUALITATIVA)
COMPORTAMIENTO
(CUANTITATIVA)
PEQUEAS
Calidad
informacin
MEDIANAS
GRANDES
Casos particulares:
Rating Corporativa
Rating de Pequeos Negocios
Incorporacin de la situacin MACROECONMICA
Es importante conocer la filosofa de calificacin del modelo
Peso principal: Informacin cualitativa
Rating TTC
Peso principal: Informacin cuantitativa
Rating PIT
Este es un aspecto BSICO para luego realizar la calibracin de la PD
10
ASPECTOS METODOLGICOS
Anlisis univariante (1/2)
Seleccin inicial de variables
Criterio experto
Criterios de seleccin final. Estadsticos de ajuste.
En general, el rea bajo de la curva ROC es la principal referencia
En el caso de factores con pocos valores informados (ej. Impago en
otras entidades), la Derivada de la puntuacin (PD) con respecto al
factor
Ejemplo:
Saldos vencidos fuera de la entidad en el ltimo ao:
ROC = 71,60%; Derivada = 3,65%
Saldos morosos fuera de la entidad en el ltimo ao:
ROC = 59,30%; Derivada = 8,94%
11
Anlisis univariante (2/2)
Transformacin de los factores
Reduccin de la varianza del factor
Transformacin segn la relacin con el impago. Si la relacin no es estable, puede
introducir sesgos.
Estabilidad del modelo en dos ejes: Seccin cruzada y Tiempo
Del coeficiente de la relacin univariante: Contraste de Chow
La frmula tradicional que se obtiene de dividir la muestra en dos grupos es :
[SSR_c - (SSR_1+SSR_2) / k] / [(SSR_1+SSR_2) / (N_1 + N_2 - 2*k)]
donde:
SSR es la suma de los residuos al cuadrado,
k el nmero de parmetros y
N el nmero de observaciones.
Se puede sustituir por el contraste de significatividad de los coeficientes en el modelo completo
ampliado con variables de interaccin.
Del poder predictivo del factor: Contraste de Igualdad de ROC
12
Anlisis multivariante
Es conveniente construir submodelos de informacin homogenea

Primer criterio: Factores de la misma categora (correlacin similar)
Segundo criterio: Factores de la misma tipologa
Criterios de seleccin. Estadsticos de ajuste.
Primer filtro: Anlisis tradicional de regresin
Segundo filtro: rea bajo de la curva ROC marginal y Derivada
13
DINMICA TEMPORAL
Motivacin
La evolucin en el tiempo de las calificaciones es un aspecto muy
relevante:
Ayuda a anticipar la evolucin futura de las calificaciones
Determina la metodologa de calibracin de la PD acclica
Es fundamental para saber interpretar las estimaciones de riesgo
En principio, la dinmica temporal viene determinada por la inclusin de
VARIABLES AGREGADAS en el modelo (tpicamente
macroeconmicas)
sin embargo, los modelos internos no suelen incluirlas de manera

explcita, sino IMPLCITA, a travs de su influencia en los factores
(especialmente los cuantitativos)
Generalmente se presta poca atencin a este aspecto
14
DINMICA TEMPORAL
Ejemplo
A continuacin se muestra un ejemplo
Evolucin temporal de la puntuacin asociada a los 3 bloques de informacin del

Modelo en una cartera de empresas
La primera impresin es que las puntuaciones han ido mejorando en el tiempo,

con la excepcin del bloque financiero, que se ha mantenido estable.
Comportamiento
Anlisis Gestor
Financiero
100
100
100
100
100
100
80
80
80
80
80
80
60
60
60
60
60
60
40
40
40
40
40
40
20
20
20
20
20
20
Perodo de observacin
15
DINMICA TEMPORAL
Ejemplo
Se realiza el mismo anlisis, pero de manera individualizada para cada COHORTE,

que se define como el conjunto de empresas que han recibido calificacin en el mismo
ao.
La estabilidad de las puntuaciones era aparente. En realidad hay una evolucin

temporal negativa combinada con una mejora relativa de las cohortes ms
recientes.
Financiero
Financiero
100
100
100
100
80
80
80
80
60
60
60
60
40
40
40
40
20
20
20
20
16
DINMICA TEMPORAL
Ejemplo
Los otros dos bloques tambin encierran patrones interesantes.

Comportamiento
Comportamiento
100
100
80
80
80
60
60
60
60
40
40
40
40
20
20
20
20
100
100
80
0
0
Anlisis Gestor
Anlisis Gestor
100
100
80
80
60
60
60
40
40
40
40
20
20
20
20
100
100
80
80
60
El bloque de Comportamiento
es temporalmente estable
aunque cada empresa nueva es
mejor que las anteriores.
El bloque de Informacin
Cualitativa presenta una
evolucin temporal muy
acusada que se ve compensada
por las nuevas empresas, cada
ao con menor puntuacin.
0
17
DINMICA TEMPORAL
Ejemplo
Se debera realizar el mismo anlisis a nivel de puntuacin final.
Dicho perfil estar determinado por:
La magnitud de la variabilidad temporal (ndices de entropa)
Las ponderaciones de cada bloque en el modelo final
El anlisis necesita de la existencia de aos buenos y malos para
poder observar la evolucin de los factores ante oscilaciones
macroeconmicas. En caso de no ser as, solo ser posible extraer el
efecto introducido por las nuevas cohortes. El grado de ciclicidad de las
puntuaciones se basar en una valoracin subjetiva.
18
RATING RPLICA (I)

El objetivo consiste en replicar un sistema de calificacin externo
(S&Ps, Moodys, Fitch), que permita asignar a cada categora una
probabilidad de impago.
Problemas ms relevantes:
Definiciones de default, se ajusta a la supervisora?
Poblaciones comparable, se pueden extrapolar los resultados
a un conjunto de clientes que no tienen rating externo?
Empresas de mayor tamao.
Mayor actividad internacional, mayor diversificacin.
Sectores en los que operan estas empresas.
Medicin de la calidad del ajuste, funcin de prdida.
19
RATING RPLICA (II)

AAA
AA+
AA
AA-
A+
A-
BBB
+
BBB
BBB-
BB+
BB
BB-
B+
B-
CCC
Total
AAA
65
70
AA+
30
76
111
AA
15
54
82
158
AA-
12
43
65
131
A+
45
55
118
46
38
105
A-
18
58
106
BBB
+
13
17
56
114
BBB
16
63
106
BBB-
18
67
136
BB+
15
55
99
BB
14
69
97
BB-
12
65
97
B+
12
45
73
23
42
B-
11
21
CCC
13
18
114
149
150
131
126
86
101
93
98
108
95
106
101
63
33
24
24
1602
20
RATING RPLICA (III)

S&Ps
Rating
Tasas de impago
promedio
acumuladas
(10 aos)
Anualizada
s
RW
AAA
0.44%
0.04%
19.31%
AA+
0.33%
0.03%
16.23%
AA
0.74%
0.07%
26.38%
AA-
1.07%
0.11%
32.79%
A+
1.60%
0.16%
41.30%
1.72%
0.17%
43.01%
A-
2.25%
0.23%
49.86%
BBB+
4.25%
0.43%
69.06%
BBB
5.33%
0.55%
76.77%
BBB-
8.36%
0.87%
92.93%
BB+
11.20%
1.18%
103.67%
BB
16.81%
1.82%
118.60%
BB-
23.57%
2.65%
131.60%
B+
28.97%
3.36%
140.59%
34.93%
4.21%
150.25%
B-
42.27%
5.35%
162.48%
CCC
53.05%
7.28%
181.66%
Fuente: Elaboracin propia y Standard & Poors (2003) Annual 2005 Global Corporate Default Study And Rating Transitions.
21
RATING RPLICA (IV)

8.00%
7.00%
Frecuencias observadas
6.00%
5.00%
4.00%
3.00%
2.00%
1.00%
0.00%
AAA
AA+
AA
AA-
A+
A-
BBB+
BBB
BBB-
BB+
BB
BB-
B+
B-
CCC
BBB-
BB+
BB
BB-
B+
B-
CCC
Rating S&P
200.00%
180.00%
160.00%
140.00%
Risk-weight
120.00%
100.00%
80.00%
60.00%
40.00%
20.00%
0.00%
AAA
AA+
AA
AA-
A+
A-
BBB+
BBB
S&P
22
RATING RPLICA (V)
notches
porcentaje
0 notches
57%
1 o menos
83%
Observado
0.96%
1127.28417
2 o menos
94%
Estimado
0.94%
1085.79329
3 o menos
97%
Diferencia
1.81%
3.68%
PD
Capital
Los requerimientos de capital se calculan suponiendo:

- Curva de empresas
- S = 50 millones.
- LGD = 45%
- M = 2.5
- Exposicin = 1 unidad para todas las operaciones
23
LOW DEFAULT PORTFOLIO (I)
Estimacin de un logit o probit u otra funcin que genere como

output la probabilidad de incumplimiento.
Diferente proporcin de 0s y 1s en la muestra que en la poblacin.
La seleccin de 0s debe evitar sesgos de seleccin entre la
variable explicativa y la variable a explicar.
La funcin de distribucin de los 0s y 1s estimada a partir de la
muestra tiene diferente grado de precisin, introduce una
incertidumbre adicional.
Implican diferentes ajustes en los coeficientes estimados.
24
LOW DEFAULT PORTFOLIO (II)

Ajuste de la muestra a la poblacin, afecta al valor de la constante.
Sesgos de seleccin, afectan a los coeficientes que acompaan a
las variables explicativas.
Sesgo de precisin, afecta al valor de la constante, el cual para
valores pequeos de la probabilidad muestral (inferior a 0.5 si slo
hay una variable) es negativo, lo cual hace que el valor estimado sea
inferior al real, de forma especfica, si slo hay una variable
explicativa, se tiene que:
0.5
E( 0 0 )
n(1 )
25
LOW DEFAULT PORTFOLIO (III)

0.45
Y =0
Y =1
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-8
-6
-4
-2
26
EVALUACIN
0.45
0.25
MALO
BUENOS
0.4
0.2
0.35
MALOS
BUENOS
0.3
0.15
0.25
0.2
0.1
0.15
0.1
0.05
0.05
0
-6.5
-4.5
-2.5
-0.5
0
1.5
3.5
5.5
-4.5
-2.5
-0.5
1.5
3.5
5.5
27
CAPACIDAD DISCRIMINANTE (I) PS

Porcentaje de operaciones en default
PERFECTO
RATING
1
ap
ar
ar
AR =
ap
ALEATORIO
Porcentaje del total de operaciones

28
CAPACIDAD DISCRIMINANTE (I) HR

35
30
Frecuency
25
20
15
10
0
0
10
20
30
40
50
60
70
80
90
100
Rating score
29
CAPACIDAD DISCRIMINANTE (II) HR

Hit ratio: Se define como la proporcin de operaciones que han
incurrido en default que tienen rating inferior a C.
H( C )
HR( C ) =
ND
Donde:
H(C) es el nmero de operaciones que incurrieron en default
cuyo rating es menor o igual a C.
Nd es el nmero total de operaciones que incurrieron en
default.
HR (C) hit rate
30
CAPACIDAD DISCRIMINANTE (III) FAR

35
30
Frecuencia
25
20
15
10
0
0
10
20
30
40
50
60
70
80
90
100
Rating
31
CAPACIDAD DISCRIMINANTE (IV) FAR

False alarm rate: Se define como la proporcin de operaciones que
no han incurrido en default que tienen rating inferior a C.
F( C )
FAR( C ) =
NND
Donde:
F(C) es el nmero de operaciones que no incurrieron en default
cuyo rating es menor o igual a C.
Nnd es el nmero total de operaciones que no incurrieron en
default.
FAR (C) False alarm rate
32
CAPACIDAD DISCRIMINANTE (V)

1
1
0.9
0.9
0.8
0.8
CURVA ROC
0.7
0.7
0.6
HR
HR(rating)
0.6
0.5
0.5
ALEATORIO
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0
0
0
0
10
20
30
40
50
60
70
80
90
0.1
0.2
0.3
0.4
100
0.5
0.6
0.7
0.8
0.9
0.9
FAR
rating
1
1
0.9
0.9
0.8
0.8
0.7
0.7
0.6
FAR(rating)
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0
0
10
20
30
40
50
60
70
80
90
100
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
rating
33
CAPACIDAD DISCRIMINANTE (VI) ROC

La curva ROC es la funcin que relaciona el FAR con el HR.
Se obtiene mediante el siguiente procedimiento:
Sea FAR una funcin K de C, es decir FAR=K(C).
Sea HR una funcin G de C, es decir HR = G(C).
Despejamos C de ambas ecuaciones:
C = K-1 (FAR) y C = G-1(HR).
Igualamos los trminos y despejamos HR en funcin de
FAR, con lo que: HR = G(K-1(FAR)).
El rea bajo la curva ROC, que denominamos A, se define como:
1
A = HR(FAR )dFAR
0
34
CAPACIDAD DISCRIMINANTE (VII) AR y A
AR = 2A 1
Supuestos:
Al menos hay 50 operaciones que incurrieron en default.
El sistema de calificacin es continuo.
Intervalo de confianza para AR, se basa en el que se obtiene para

A, dada esta transformacin lineal, se puede calcular uno a partir de
otro.
35
CAPACIDAD DISCRIMINANTE (VIII)

Discreto
HR(C)
1
0.9
0.9
0.8
0.8
0.7
0.7
0.6
0.6
HR
0.5
0.4
0.5
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0
1
10
0
0
Rating
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
FAR
FAR
1
0.9
0.9
0.8
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0
1
10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Rating
36
CAPACIDAD DISCRIMINANTE (IX)

Discreto
1
0.9
0.8
0.7
% defaults
0.6
0.5
0.4
0.3
0.2
0.1
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
% operaciones
37
CAPACIDAD DISCRIMINANTE (X) Discreto

AR = 24.29%
A = 83.96%
2A-1 = -16.8%
Para el caso discreto la relacin entre ambos valores no funciona,
como argumentan los autores, con lo que el clculo del intervalo de
confianza para el valor de A, no parece que se pueda aplicar para el
AR en el caso discreto.
En el caso discreto la relacin entre ellos es:
Donde:
P(ND ) * A + P(D ) * L D a a
AR =
ap
[7]
Ap = el rea bajo la curva de asignacin perfecta el rea bajo la curva de

asignacin aleatoria.
Aa = el rea bajo la curva de asignacin aleatoria.
Ld depende de la forma en la que se distribuyen las operaciones que
hicieron default
38
GRACIAS POR SU ATENCIN
39

Sistemas de Rating

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Sistemas de Rating

Caricato da

Copyright:

Formati disponibili

CARTERAS DE EMPRESAS. SISTEMAS DE RATING.

II Seminario sobre Basilea II

DIRECCIN GENERAL DE SUPERVISIN

DIRECCIN GENERAL DE SUPERVISIN

INTRODUCCIN: Sistemas de clasificacin

INTRODUCCIN: Construccin y evaluacin

de una herramienta de clasificacin

Recopilacin de datos: Muestra representativa de clientes buenos y

Seleccin de factores que influyen en el incumplimiento

Anlisis individual de factores

Seleccin de los posibles

DIRECCIN GENERAL DE SUPERVISIN

La informacin utilizada habitualmente por los sistemas de

DIRECCIN GENERAL DE SUPERVISIN

Ejemplo de ratios financieras tpicas:

DIRECCIN GENERAL DE SUPERVISIN

DIRECCIN GENERAL DE SUPERVISIN

DIRECCIN GENERAL DE SUPERVISIN

En funcin del tamao, la ponderacin de cada tipo de informacin difiere.

DIRECCIN GENERAL DE SUPERVISIN

Es importante conocer la filosofa de calificacin del modelo

Peso principal: Informacin cualitativa

Peso principal: Informacin cuantitativa

Este es un aspecto BSICO para luego realizar la calibracin de la PD

DIRECCIN GENERAL DE SUPERVISIN

DIRECCIN GENERAL DE SUPERVISIN

Del poder predictivo del factor: Contraste de Igualdad de ROC

DIRECCIN GENERAL DE SUPERVISIN

Es conveniente construir submodelos de informacin homogenea

DIRECCIN GENERAL DE SUPERVISIN

sin embargo, los modelos internos no suelen incluirlas de manera

DIRECCIN GENERAL DE SUPERVISIN

Evolucin temporal de la puntuacin asociada a los 3 bloques de informacin del

La primera impresin es que las puntuaciones han ido mejorando en el tiempo,

DIRECCIN GENERAL DE SUPERVISIN

Se realiza el mismo anlisis, pero de manera individualizada para cada COHORTE,

La estabilidad de las puntuaciones era aparente. En realidad hay una evolucin

DIRECCIN GENERAL DE SUPERVISIN

Los otros dos bloques tambin encierran patrones interesantes.

DIRECCIN GENERAL DE SUPERVISIN

DIRECCIN GENERAL DE SUPERVISIN

RATING RPLICA (I)

DIRECCIN GENERAL DE SUPERVISIN

RATING RPLICA (II)

DIRECCIN GENERAL DE SUPERVISIN

RATING RPLICA (III)

RATING RPLICA (IV)

DIRECCIN GENERAL DE SUPERVISIN

RATING RPLICA (V)

Los requerimientos de capital se calculan suponiendo:

DIRECCIN GENERAL DE SUPERVISIN

LOW DEFAULT PORTFOLIO (I)

Estimacin de un logit o probit u otra funcin que genere como

DIRECCIN GENERAL DE SUPERVISIN

LOW DEFAULT PORTFOLIO (II)

DIRECCIN GENERAL DE SUPERVISIN

LOW DEFAULT PORTFOLIO (III)

DIRECCIN GENERAL DE SUPERVISIN

DIRECCIN GENERAL DE SUPERVISIN

CAPACIDAD DISCRIMINANTE (I) PS

Porcentaje del total de operaciones

CAPACIDAD DISCRIMINANTE (I) HR

DIRECCIN GENERAL DE SUPERVISIN

CAPACIDAD DISCRIMINANTE (II) HR