Riesgo de crdito II

MSc. Abel Garca Garca |

Probabilidad de incumplimiento
Probabilidad de incumplimiento (PD)
Depende de la capacidad y voluntad de
pago del deudor

Lo primero: Qu es incumplimiento?

Tres meses de retraso

Prestatario en situaciones que

ponen en peligro su solvencia

Se determina de la manera ms
cierta- que el deudor es incapaz de
satisfacer sus obligaciones.
 Probabilidad de incumplimiento (PD)
Para el perodo de
estimacin, debe
tenerse en cuenta que
Perodo de referencia para el anlisis: 1 ao
la probabilidad de
default crece con el
tiempo: es ms
probable que ocurra
un incumplimiento en
los prximos tres aos
que en los siguientes La PD vara con el tiempo
diez das

Hay estimaciones
Depende de las caractersticas del
pant the cicle deudor
(considera la situacin
actual del ciclo) o
trough the cicle
(considera la Depende del ciclo econmico
probabilidad media
del ciclo)

Para estimar la PD se utilizan modelos de

rating o scoring
Rating
 RATING
DEFINICIN
Los sistemas internos de rating sirven
para evaluar el riesgo de crdito de
un cliente, asignando una puntuacin
determinada y permitiendo que la
cartera pueda ser estructurada en
grupos homogneos de riesgo y
calibrada en probabilidades de
impago
FUNCIONES
(1) Ordenar (A es superior a B; B es
superior a C;)
(2) Calibrar (cada categora tiene una
probabilidad de default asociada
 RATING
As, se facilita la
homogenizacin de la SISTEMA DE RATING
informacin y de los
criterios de evaluacin
para la gestin del
riesgo de crdito
EVALUACIN DEL
INCUMPLIMIENTO

CATEGORA CREDITICIA

A B C D

PDA PDB PDC PDD

 RATING
CARACTERSTICAS
Debe reflejar la capacidad y voluntad de
pago del deudor, no de la operacin
Debe ser amplio, permitiendo clasificar a
cualquier cliente potencial
Las categoras de riesgo deben ser
homogneas
La probabilidad de impago debe tener
claramente definido al incumplimiento
Integrado a la gestin de riesgo de la
cartera
 RATING
DOS OPCIONES Para trabajar con un sistema de
rating tendremos siempre dos
opciones

Sistema de Sistema de
rating externo rating interno

Usaremos una
clasificadora de
riesgo
 RATING

Sistema de Sistema de
rating externo rating interno
 Clasificadoras internas y externas
Clasificadoras S&P
externas

Moodys

Fitch

Etc.

Clasificadoras
internas Apoyo (Fitch)

Class Asociados

Equilibrium (Moodys)

Pacific (PCR)
 Proceso de obtencin de rating externo
La gran pregunta:
Quin paga por el
proceso de
Hasta comienzos de 1970 los ingresos provenan de la venta de
elaboracin de publicaciones (donde estaban incluidos los ratings) y
rating?
materiales relacionados. En otras palabras, los
inversionistas pagaban por la informacin

El nmero de
emisores ha
Desde 1970, Moodys y Fitch empezaron a cobrar a los
aumentado emisores por sus estudios; S&P lo hizo unos aos despus.
sustancialmente.
Moodys calific 3841 Desde all, el grueso de los ingresos por ratings
emisores en 1997,
2593 en 1990 y solo
provienen de los emisores
912 en 1960

Se dice que esta prctica no erosion la credibilidad de las

agencias. Este es un negocio en que la reputacin lo es
todo
 Factores en el clculo del rating externo
Riesgo soberano
Demografa, educacin y factores estructurales
Mercado laboral
Produccin (servicios incluidos) y comercio
Sector privado: caractersticas bsicas
Oferta y demanda
Balanza de pagos
Limitantes para el crecimiento
Poltica macroeconmica
Anlisis del sistema financiero
Marco poltico
Posicin internacional
Comercio y polticas para las inversiones extranjeras
 Factores en el clculo del rating externo
Riesgo corporativo
Probabilidad de incumplimiento, prdida esperada, tasa de recupero,
migracin del riesgo

Riesgo del Negocio: riesgo Pas, caractersticas de la industria;

posicin de la empresa/producto. En resumen, se busca la captura
del entorno econmico de la empresa

Riesgo Financiero: contabilidad, gerencia; gobierno corporativo,

liquidez. En resumen, se busca la captura del entorno financiero
de la empresa

Factores generales: Valor de los activos, riesgo de los activos,

apalancamiento.

Bancos: prstamos, riesgos de inversin, administracin de fondos y

de riesgos fiduciarios en fondos, riesgo de tasa de inters y de
cambio, riesgo en derivados, riesgo de fondeo, capital y reservas,
prdidas por prstamos y provisiones, entorno de mercado,
planeamiento, propiedad, auditoria y control del regulador
 Ratings externos en s
El AAA es muy poco
comn a nivel
corporativo.
Ratings externos en s
 RATING

Sistema de Sistema de
rating externo rating interno
 Herramientas por lneas de negocio
A nivel de personas
suele utilizarse Reactivo (TDC, Consumo, Hipotecarios)
procesos de scoring

Particular Proactivos (Lneas)

Comportamentales (TDC)
MyPE

Score de Pequeos Negocios

A nivel de empresas Grandes
suele utilizarse Empresas
procesos de rating Rating Internos

Entidades
Financieras Rating Externos

Entes
Soberanos
 Entonces, un rating interno valora
Datos Cuantitativos: Es el estudio de los estados
Se parece mucho a lo financieros de la empresa
que se desarrolla para
los ratings externos
-Solidez del balance
-Resultados: tendencias y proyecciones
-Grado de cobertura de los gastos financieros con el resultado
generado
-Resultados atpicos e impacto en la cuenta de resultados
-Flexibilidad financiera o capacidad para obtener suficiente
liquidez para atender los compromisos de pagos
-Rentabilidad y generacin de fondos
-Volumen y naturaleza del capital y las reservas
-Relacin financiera con las entidades del grupo. Hay
acuerdos entre empresas?
-Relacin con la matriz: Hay apoyo a la filial?
 Entonces, un rating interno valora
Datos Cualitativos
Se parece mucho a lo
que se desarrolla para
los ratings externos
-Riesgo soberano: capacidad de pago del gobierno, aspectos
sociales, polticos y culturales
-Riesgo sectorial: importancia de la industria, vulnerabilidad
de la industria ante ciclos, tendencias de la oferta y
demanda sectorial, regulaciones, barreras a la entrada,
vulnerabilidad ante cambios tecnolgicos, vulnerabilidad
ante movimientos de los tipos de cambio
-Posicin competitiva de la empresa: Cuota de mercado,
diversificacin por lneas de negocio, diversificacin de
flujos de ingresos, estructura de costos, red de
distribucin y marketing, relacin con clientes y
proveedores, planeamiento estratgico
-Estructura accionaria: calidad e involucramiento de los
accionistas, polticas de distribucin de beneficios
-Apoyo pblico: Propiedad directa e indirecta, donaciones,
subsidios, incentivos fiscales.
 Entonces, un rating interno valora
Datos Cualitativos
Se parece mucho a lo
que se desarrolla para
los ratings externos
-Calidad de la direccin: Direccin estratgica y polticas
respecto a rendimientos, adquisiciones y ventas de parte
del negocio, objetivos de ingresos por segmentos o reas
geogrficas, historial de reacciones respecto a sucesos
imprevistos, manejos del dilema agente-principal,
equilibrio entre la planificacin a largo plazo con los
objetivos de corto plazo, planes de sucesin, existencia
de sistemas de control (auditora interna, control
La calidad de la interno)
direccin es quiz la
ms relevante de las
variables cualitativas
Scoring
 Herramientas por lneas de negocio
A nivel de personas
suele utilizarse Reactivo (TDC, Consumo, Hipotecarios)
procesos de scoring

Particular Proactivos (Lneas)

Comportamentales (TDC)
MyPE

Score de Pequeos Negocios

A nivel de empresas Grandes
suele utilizarse Empresas
procesos de rating Rating Internos

Entidades
Financieras Rating Externos

Entes
Soberanos
 Productos

Perfil
Operacin Vinculacin
Socioeconmico

Canal de entrada
Destino Prstamo Edad
Importe Prstamo
Hipotecario Valor Tasacin
Estado Civil
Plazo Situacin vivienda
Base de datos

Cuota
Profesin
Caractersticas del
bien a hipotecar Actividad Saldo medio

Antigedad laboral Antigedad

Ingresos Fijos / cliente

Canal de entrada
Destino Prstamo Variables Domiciliacin
Importe Prstamo
Consumo
Ratio Financiacin
Gastos Alquiler / Nmina

Cuota Hipoteca Domiciliacin

Gastos Otros Recibo

Prstamos
Tarjeta de
Limite Solicitado
crdito Tipo de Tarjeta
 Datos tpicos de un score
Tiempo en la vivienda actual
Vivienda
Telfono
Ingreso anual del solicitante
Tarjeta de crdito
Tipo de cuenta bancaria
Edad
Tipo de ocupacin
Destino del prstamo
Estado civil
Tiempo como cliente
Tiempo con el empleador
0-1, 1-2, 3-4, 5+ aos
Propia, alquilada, otro
S, no
(0-14M),(14M-50M), (50M+)
S, no
Corriente y/o ahorros, ninguna
18-25, 26-40, 41-55, 55+ aos
Codificado
Codificado
Casado, divorciado, soltero, viudo
Aos
Aos
 Caractersticas de los datos
X:
Continua
Discreta
Distribucin normal?

Y:
Datos binarios (0,1), donde 0 es el incumplimiento
 Modelos de scoring
Hay diversos mtodos
estadisticos
Anlisis discriminante

Regresiones lineales

Regresin logstica

Modelos probit

Modelos no paramtricos
Z-score, Logit
 Score de crdito estadstico
Z-Score
Modelo Altman Z-score:

Z = 1.2 X1+1.4 X2+3.3 X3 +0.6 X4 +1.0 X5

X1 = capital de trabajo/total activo

X2 = utilidades retenidas/total activo
X3 = EBIT/total activo
X4 = Valor de mercado de la empresa/valor libro de total pasivo
X5 = ventas/total activo
 Score de crdito estadstico
Z-Score Informacin Bsica
Estado de resultados Ventas Netas 100
Utilidad operativa (EBIT) 5
Balance General Activo corriente 75
Total Activo 125
Pasivo corrente 60
Total Pasivo 100
Utilidades retenidas 15
Valor de mercado Val. Mdo. Equity 140

Clculos Ratios Factor Resultado

Cap. Trabajo / Total Activo 0.12 1.2 0.14

Util. retenidas / Total Activo 0.12 1.4 0.17
EBIT / Total Activo 0.04 3.3 0.13
Val. Mdo Equity / Total Pasivo 1.4 0.6 0.84
Ventas netas / Total Activo 0.8 0.999 0.80

Medida de la liquidez de corto plazo de la empresa

Implcitamente considera la edad de la empresa. Ganancia "histrica"
Ganancia "corriente". Es una medida de la productividad de la firma
Medida de cunto puede declinar en valor una empresa. Apalancamiento medido en base al mercado
Capacidad de generar ventas. Situacin competitiva de la empresa

2.08
Z-Score sobre 3.0 Compaa en buenas condiciones
Z-Score entre 2.7 y 2.99 Compaa requiere mejoras en su gestin
Z-Score entre 1.8 y 2.7 Posible bancarrota en los prximos dos aos
Z-Score debajo de 1.8 Alta probabilidad de bancarrota
 Regresin logstica

Estudios demuestran que la regresin

logstica puede dar mejores resultados
que los modelos lineales (mejor que el
anlisis discriminante), cuando los datos
no son normales (particularmente datos
binarios), o cuando las matrices de
covarianza no son idnticas para ambos
grupos.

La regresin probit es
parecida a la
regresin logstica
Por ello, la regresin logstica es el mtodo
preferido entre los mtodos estadsticos
 Regresin logstica
Modela directamente la probabilidad del
incumplimiento como funcin de los
valores de la variable x (un vector)
Define
1: if obligor l defaults
Yl
0: if obligor l does not

P X l Pr obligor l defaults| X l
Asume

P Xl h a ' Xl
1
h x
1 exp x
 Regresin logstica
Asumiendo que las n
L P ( X l )Yl 1 P ( X l )
1Yl
observaciones son
independientes, la
probabilidad l 1
(likelihood) de la m n
P ( X l ) 1 P( X l )
muestra observada
est dada por lo
siguiente: l 1 l m 1

1
P( X l )

1 exp a0 ai X li
i
m

exp

a 0 ai X li

El estimador de ML L n l 1 i

(del coeficientes as)
para la regresin 1 exp a 0 ai X li
logstica puede ser l 1 i
encontrado aplicando
una optimizacin no
lineal con la funcin
m
n
sealada.
La versin or log L a0 ai X li log 1 exp a0 ai X li
simplificada est dada l 1 i l 1 i
por:
 Regresin logstica
El logaritmo de las
posibilidades (logit)
P( X l )
son lineales a la
funcin: ln a0 ai X li
1 P( X l ) i

Por ello, las posibilidades per se son una funcin

multiplicativa.

No es posible resolver la ecuacin usando

mnimos cuadrados ordinarios. Debemos usar
regresiones no lineales
 Regresin logstica
Funcin y distribucin
logstica

1
1 exp (a0 ai xi )
 Regresin logstica
Score Prob(Default)
Funcin y distribucin -8 0.03% =1/(1+EXP(-A2))
logstica -7 0.09% 100%
-6 0.25%
-5 0.67%
80%
-4 1.80%
-3 4.74%

Prob(Default)
-2 11.92% 60%
-1 26.89%
0 50.00% 40%
1 73.11%
2 88.08% 20%
3 95.26%
4 98.20%
0%
5 99.33% -8 -6 -4 -2 0 2 4 6 8
6 99.75%
7 99.91% Score

8 99.97%
 Regresin logstica
Funcin y distribucin Capital de Utilidades Valor de mercado de las
logstica trabajo/Total retenidas/Total de EBIT/Total de acciones/Total de Ventas/Total
ID Year Default de activos activos activos pasivos de activos
1 1999 0 0.501 0.307 0.043 0.956 0.335
1 2000 0 0.55 0.32 0.05 1.06 0.33
1 2001 0 0.45 0.23 0.03 0.80 0.25
1 2002 0 0.31 0.19 0.03 0.39 0.25
1 2003 0 0.45 0.22 0.03 0.79 0.28
1 2004 0 0.46 0.22 0.03 1.29 0.32
2 1999 0 0.01 -0.03 0.01 0.11 0.25
2 2000 0 -0.11 -0.12 0.03 0.15 0.32
2 2001 0 0.06 -0.11 0.04 0.41 0.29

2 2002 0 0.05 -0.09 0.05 0.25 0.34

2 2003 0 0.12 -0.11 0.04 0.46 0.31
3 1999 0 -0.04 0.27 0.05 0.59 0.21
3 2000 0 -0.04 0.25 0.03 0.33 0.21
3 2001 0 0.00 0.15 0.00 0.16 0.16
3 2002 0 -0.05 0.02 0.01 0.07 0.16
3 2003 0 -0.03 -0.01 0.02 0.10 0.18
 Regresin logstica
Valo r de
Modelo 1
Funcin y distribucin Capital de Utilidades mercado de las
logstica trabajo /To tal de retenidas/To t EB IT/To tal de accio nes/To tal Ventas/To tal
CONST activo s al de activo s activo s de pasivo s de activo s
b -2.543 0.414 -1.454 -7.999 -1.594 0.620
SE(b) 0.266 0.572 0.229 2.702 0.323 0.349
t -9.56 0.72 -6.34 -2.96 -4.93 1.77
p-value 0.00% 46.92% 0.00% 0.31% 0.00% 7.59%
Pseudo R / # iter 0.222 12 #N/A #N/A #N/A #N/A
LR-test / p-value 160.1 0.000 #N/A #N/A #N/A #N/A
lnL / lnL0 -280.5 -360.6 #N/A #N/A #N/A #N/A

Valo r de mercado
Modelo 2
Utilidades de las
retenidas/To tal de EB IT/To tal de accio nes/To tal de
CONST activo s activo s pasivo s
b -2.318 -1.420 -7.179 -1.616
SE(b) 0.236 0.229 2.725 0.325
t -9.84 -6.21 -2.63 -4.97
p-value 0.000 0.000 0.008 0.000
Pseudo R / # iter 0.217 12 #N/A #N/A
LR-test / p-value 156.8 0.000 #N/A #N/A
lnL / lnL0 -282.2 -360.6 #N/A #N/A
 Regresin logstica
Funcin y distribucin
logstica Y a0 a1 X1 a2 X 2 a3 X 3 a4 X 4 a5 X 5

CT UR EBIT VMA V
Y a0 a1 a2 a3 a4 a5
TA TA TA TP TA

CT UR EBIT VMA V
Y 2.54 0.414 1.454 7.99 1.59 0.62
TA TA TA TP TA
 Regresin logstica
Funcin y distribucin
logstica Y b0 b2 X 2 b3 X 3 b4 X 4

UR EBIT VMA
Y b0 b2 b3 b4
TA TA TP

UR EBIT VMA
Y 2.318 1.42 7.179 1.616
TA TA TP
 Regresin logstica
Funcin y distribucin
logstica Y a0 a1 X1 a2 X 2 a3 X 3 a4 X 4 a5 X 5

CT UR EBIT VMA V
Y 2.54 0.414 1.454 7.99 1.59 0.62
TA TA TA TP TA

Default
probability
-4.445496277 1.16%
-4.688776495 0.91%
-4.02764648 1.75%
-3.395498748 3.24%
-4.024629672 1.76%
-4.789889663 0.82%
-2.57149116 7.10%
-2.708404572 6.25%
-3.154762635 4.09%

-2.950992601 4.97%
-3.160965191 4.07%
-4.129097901 1.58%
-3.570942463 2.74%
-2.899155307 5.22%
-2.672718844 6.46%
-2.781997207 5.83%
-2.658810601 6.54%
-3.819196807 2.15%
Modelos estructurales
 Modelos estructurales
Idea bsica
Se buscan las condiciones en que los
prestatarios hacen default

Cul es la probabilidad de llegar a esas

condiciones?

Buscaremos modelos que nos permitan

estimar esa probabilidad
 Modelos estructurales
En qu Valor de los activos: medido como el valor presente de los flujos
condiciones los
prestatarios hacen de caja libres futuros
default?

Riesgo de los activos: el valor de los activos es incierto

Debemos definir los
determinantes de ese
default. Ya que se
analizan los casos de Valor de los pasivos: medido como valor en libros, porque ese es
las empresas, nos el valor que la empresa tiene que pagar
concentraremos en el
balance general

Existe una diferencia en la medicin del valor de los

activos y el valor de los pasivos que no debe perderse de
vista.
 Modelos estructurales
En qu
condiciones los
prestatarios hacen
Redefiniendo, los modelos estructurales
default? tienen como premisa que el default
Debemos definir los
ocurre si el valor de los activos cae
determinantes de ese
default. Ya que se por debajo de un valor crtico
analizan los casos de
las empresas, nos asociado con los pasivos de la empresa
concentraremos en el
balance general
 Modelos estructurales
En qu
condiciones los
prestatarios hacen
default?

Debemos definir los

determinantes de ese
default. Ya que se
analizan los casos de
las empresas, nos
concentraremos en el
balance general

Winstar
Communications es
empresa de NY que
pidi proteccin bajo
el Chapter 11 en April
2001

Existe una diferencia en la medicin del valor de los

activos y el valor de los pasivos que no debe perderse de
vista.
 Modelos estructurales
En qu
condiciones los
El que el valor de los activos sea menor que
prestatarios hacen
default?
el de los pasivos es una referencia.

Las acciones La naturaleza de LP de algunos pasivos le

convertibles deben ser
tratadas como
completamente
permite vivir un poco ms a las empresas
convertidas si el valor
de la acciones es alto
El punto de incumplimiento est entre
Pasivos Totales y Pasivos Corrientes
Valor neto relevante = valor de mercado de
los activos punto de incumplimiento
Se incumple si el valor neto relevante es 0
 Modelos estructurales
Qu modelo(s) me
permitir(n estimar
la probabilidad??

El valor de los activos

sigue una distribucin
log-normal

El logaritmo del valor

de los activos sigue
una distribucin
normal
Merton
 Modelos estructurales: Merton
Este modelo tiene Asumimos solo un tipo de deuda (cupn cero, que vence
los siguientes
supuestos
en una fecha especfica) y un tipo de equity. Los
poseedores de ambos no negocian.
El default solo puede ocurrir en una fecha especfica: en
el vencimiento de la deuda (el bono)

El valor de la firma es observable y sigue una

distribucin lognormal (movimiento geomtrico
browniano)
La tasa de inters libre de riesgo es constante a travs
del tiempo

No hay necesidad de hacer ajustes por liquidez

 Modelos estructurales: Merton
Este modelo tiene Valor de la firma = Valor de la deuda + Valor del Equity.
los siguientes
supuestos

El valor de la firma puede determinarse por un modelo

de valoracin de opciones Black-Scholes-Merton
 Modelos estructurales: Merton
Valor de la firma
sigue un El valor de la firma est definido por:
movimiento
geomtrico
browniano
dVA VAdt AVAdz
Donde:

- Va: Valor de los activos de la firma

- dVa: Cambio en el valor de los activos
- u: Tasa de variacin del valor de los activos
- a: Volatilidad
- dz: Proceso de Wiener
 Modelos estructurales: Merton
Si es normal, entonces podramos decir que:
Finalmente
podemos calcular la
probabilidad de
esta manera
VA A2
ln t
Ft 2
pt N
A t

Donde N es la distribucin normal acumulativa:

d
1
e
x2 / 2
N (d ) dx
2
 Modelos estructurales: Merton
Reacomodando, tenemos:
Finalmente
podemos calcular la
probabilidad de
esta manera ln F ln V t 0.5 A2 t
PD N
A t
-N: Distribucin normal acumulativa
-Pt: PD en el tiempo t
-Vat: Valor de los activos en el tiempo t. Valor de la firma
-F: Valor en libros de los pasivos en el tiempo t. Valor del bono cupn cero
-t: Fecha de vencimiento del bono
-: Volatilidad del valor de la firma
-: Valor esperado del activo. Retorno esperado de la firma.

ln F ln V t 0.5 A2 t
Y tambin la LGD! LGD F ( PD ) Ve N ut

A t
 Modelos estructurales: Merton
Veamos un ejemplo
El cliente Miratel SAC tiene un valor de PEN 60MM. Tambin
tiene bonos emitidos por PEN 50MM que vencen en tres aos.
La tasa de inters es de 6% y la volatilidad de la firma es
25%. Cul es la probabilidad de default de Miratel SAC si su
retorno esperado es 15%? Cul es el LGD?
Solucin:
ln F ln V t 0.5 A2 t
PD N
A t
ln(50) ln(60) 0.15 3 0.5(0.25) 2 (3)
PD N
0 .25 3

PD N 1.244

PD 10.69%
 Modelos estructurales: Merton
Modelo de Merton Hay un problema con el modelo: el valor de
los activos no es un dato observable.
Lo mismo sucede con la volatilidad

Pero aqu viene una solucin: como ya

dijimos, el valor de la empresa y el valor
de los activos son variables relacionadas

As, tendr el valor de los activos y su

volatilidad. Con ellos calcular la
probabilidad de default, la cual es
paramtrica (viene de una frmula)
 Modelos estructurales: Merton
En resumen, el
modelo de
Se utiliza el modelo de Black-Scholes-Merton
Merton de valoracin de opciones para estimar el
precio del valor de la accin (firma)

Con lo anterior, asumo un valor del activo y

una volatilidad de los activos
(vinculndolo a la volatilidad del precio de
las acciones). Los precios de los activos
siguen una distribucin lognormal. Con
ellos tendr la probabilidad de default.
KMV
 Modelos estructurales: KMV
Modelo KMV Quiz es la principal aplicacin de modelos
estructurales

Este modelo define dos cosas: la distancia al

default (DD) y la frecuencia esperada de
default

Se basa en Merton pero relaja dos

supuestos: (1) la deuda vence toda en el
mismo plazo (2) el valor de la firma sigue
una distribucin lognormal
 Modelos estructurales: KMV
Modelo KMV Este modelo asume que hay dos tipos de deuda:
una vence antes del horizonte, y otra despus
del horizonte

Una cosa importante

es que el punto de
default se redefine. Si
el ratio Pasivos LP /
Pasivos CP es menor Pto _ Def PAS CP 50%PAS LP
que 1.5 se usa esta
frmula

y si el ratio Pasivos
0.3 PAS CP
LP / Pasivos CP es
mayor que 1.5 se usa Pto _ Def PAS CP 0.7 PAS LP
esta frmula
PAS LP
 Modelos estructurales: KMV
Modelo KMV Quiz es la principal aplicacin de modelos
estructurales

Definimos la
distancia al default
(DD) como el nmero
de desviaciones
estndares que el
valor esperado de los
activos se encuentra
del default
 Modelos estructurales: KMV
Modelo KMV Quiz es la principal aplicacin de modelos
estructurales
Valor de los activos corrientes

Distribucin del valor de los

activos en el tiempo H

Volatilidad del valor futuro de los

Distancia al activos en el tiempo H

Definimos la
distancia al default
(DD) como el nmero

default Punto de incumplimiento

de desviaciones
estndares que el
valor esperado de los
activos se encuentra
del default (DD)
Tasa de crecimiento esperada
del valor de los activos en el
horizonte

Horizonte (H)
 Modelos estructurales: KMV
Modelo KMV Quiz es la principal aplicacin de modelos
estructurales

Definimos la
distancia al default
(DD) como el nmero
de desviaciones
estndares que el
valor esperado de los
Valor de los activos de la
activos se encuentra empresa
del default
Tambin incorpora, a
travs del valor y la
La DD El riesgo del negocio
volatilidad de los
activos, los efectos de
incorpora:
la industria, geografia El apalancamiento
y tamao de la
empresa
 Modelos estructurales: KMV
Ejemplo El cliente Minera de Oro tiene un valor de mercado de los
activos de PEN 800M, y se ha encontrado que el punto de
default (incumplimiento) es PEN 400M. Si la volatilidad de los
activos es 10%, cul es la distancia al default (DD)?

Solucin:

800 400
DD
800 0.1

DD 5
 Modelos estructurales: KMV
Ejemplo El cliente Transfex SAC tiene una DD (distancia al default)
igual a 7. Cul es la EDF (frecuencia esperada de default,
probabilidad de default)?

DD: Distancia al Revisando el set de datos, encontramos que la

default.
EDF: Frecuencia frecuencia es 0.10%.
esperada de default
Cmo llega al 0.10%? KMV usa tasas de default
Se relaciona la DD
con la EDF con una histricas que relacionan DD y la EDF
distribucin emprica
(probabilidad de default)
EDF es una marca
registrada, como el 2,000 firmas el ao pasado tuvieron una DD=7, y 2
EVA
de stas hicieron default luego de un ao.
EDF=2/2000=0.10%
Con esta EDF, podemos hacer una asignacin de
rating. Por ejemplo, AA
 Modelos estructurales: KMV
Modelo KMV

DD: Distancia al
default.
EDF: Frecuencia
esperada de default

Se relaciona la DD
con la EDF con una
distribucin emprica

EDF es una marca

registrada, como el
EVA
 Diferencias entre KMV y Merton
Modelo KMV vs.
Modelo de Mentor
Para Merton, el punto de incumplimiento es
el total de pasivos (la deuda). Para KMV
es un punto intermedio. Algunos definen:
PI= Pas CP + 50% Pas LP

PD con Merton:
VA A2
ln t
pt N
X t 2
A t

PD con KMV: tasas de default histricas que

se relacionan con las DD
Muchas gracias