Diapositiva 1 - Universidad EAFIT

DIAS DE LA CIENCIA APLICADA
MODELACION DEL RIESGO CREDITICIO PARA ESTIMAR LA
PERDIDA ESPERADA EN UNA INSTITUCION FINANCIERA
Tesis de Maestría en Finanzas:
RAUL ENRIQUE ARISTIZABAL
Asesor : Hermilson Velasquez C
ARMANDO LENIN TAMARA
ESTRUCTURA DEL PROBLEMA
ACUERDO DE
BASILEA
INSTITUCIONES
FINANCIERAS
SUPERFINANCIERA
AGENTES :
Personas
naturales jurídicas
CARACTERISTICAS
PROVICIONES
CONTENIDO
1. Objetivo del trabajo.
2. Metodología propuesta por Basilea.
3. Antecedentes.
4. Alternativas de modelización.
5. Propuesta.
6. Resultados.
7. Conclusiones.
METODOLOGIA
METODOLOGIA PROPUESTA POR BASILEA
PERDIDA ESPERADA
Probabilidad de
incumplimiento
Exposición al
momento de
incumplimiento
PE = PI x EAI x PDI
Perdida dado el
incumplimiento
M
O
D
A
L
I
D
A
D
E
S
D
E
C
R
E
D
I
T
O
MODALIDAD DE CREDITOS
Comercial
Los otorgados a personas naturales o
jurídicas
para
el
desarrollo
de
actividades económicas organizadas.
Consumo
Los otorgados a personas naturales
para financiar la adquisición de bienes
de consumo o el pago de servicios para
fines no comerciales o empresariales.
Vivienda
Los otorgados a personas naturales
para financiar la adquisición de
vivienda nueva o usada, o a la
construcción de vivienda individual.
Microcrédito
Los otorgados a personas naturales o
jurídicas con activos no mayores a 500
SMMLV y cuyo endeudamiento no
puede exceder de 120 SM.
Fuente: Superintendencia Financiera
ANTECEDENTES: ESTUDIOS A NIVEL MUNDIAL
ALGUNOS ESTUDIOS A NIVEL MUNDIAL
VARIABLES
OBJETIVO
CONCLUSIÓN
INVESTIGADOR
AÑO
MODELO
Altman
1968
Análisis Discriminante
Estado de quiebra
Lennox
1999
Logit - Probit - Análisis
discriminante
Comparar la capacidad de
predicción de los modelos.
Razones financieras
Los modelos Logit y Probit tienen
mejor nivel de predicción.
Macroeconomicas
Probabilidad de
incumplimiento
esperado (PIE)
Las variables macro determinan
los
valores
del
estado
estacionario de la PIE.
El ROA y la razón ventas-activos
Balance General
identifican
el
estado
de
Estado de Resultado
bancarrota en las empresas.
Alves
2004 Análisis de Cointegración
Análizar efectos de las
variables macro sobre la
probabilidad de
incumplimiento.
Wong
2005
Análisis de Sensibilidad
Identificar las fuentes de
vulnerabilidad estructural
(riesgo sistemático).
Macroeconomicas
Las variables macro influyen
sobre el riesgo sistematico.
Modelo VAR
Análizar efectos de las
variables macro sobre el
indicador de mora.
Macroeconomicas
Indicador de mora
Relación negativa entre los
cambios
de
la
actividad
económica y el indicador de
mora.
PIB
Tasas de interés
Los ciclos del riesgo crediticio
coinciden con el ciclo economico
de EU.
Hoggarth
Koopman y
Lucas
Ruano - Pardo y
Salas - Fumás
2005
Relación entre el
Modelos de componentes incumplimiento y el PIB real y
2005
no observados
el margen de tasas de
interés.
2006
Modelo de selección de
Heckman
Probabilidad de
incumplimiento y sus
determinantes
La
probabilidad
de
incumplimiento se reduce a
Razones financieras medida que aumenta el nivel de
cobertura, rentabilidad y la
liquidez.
ANTECEDENTES: ESTUDIOS A NIVEL NACIONAL
INVESTIGADOR
AÑO
Zapata
2003
Amaya
2005
Zamudio
2007
Gutierrez y
Vasquez
2008
Gomez
2009
Gomez, Acevedo,
García y Zamudio
2009
Gomez y Orozco
2009
ALGUNOS ESTUDIOS EN COLOMBIA
VARIABLES
OBJETIVO
PIB
Obligaciones
Matrices de Transición
registradas por los
Probabilidades de transición
bancos.
para la cartera comercial.
Estimar una relación de largo
plazo entre la actividad
economica, las tasas de
PIB
Stress testing
interés, precios de vivienda y
Indicadores de mora
losindicadores de mora de
cartera hipotecaria y de
consumo.
MODELO
Logit multinomial
Probabilidad de
incumplimiento.
Razones financieras
CONCLUSIÓN
Las probabilidades de transición y
de default son generalmente
distintas en cada estado del ciclo.
La actividad tiene un efecto
significativo sobre los niveles de
largo plazo de los indicadores de
mora de las dos carteras.
Mayor incumplimiento con niveles
de liquidez y rentabilidad bajos.
Relación
negativa
entre
el
indicador de mora de cada cartera
PIB
Complementar el trabajo de
y la actividad económica. Y el
Stress testing
Indicadores de mora
Amaya
desempleo es importante en el
Tasa de desempleo
nivel de largo plazo del indicador
de mora.
Liquidez ,
La
liquidez,
el
tamaño,
Probabilidad de incumplimiento Composición de la composición de la deuda y la
Modelo de duración
de los créditos de cartera
deuda
eficiencia explican la migración de
comercial.
Tamaño
los créditos hacia calificaciones
Eficiencia
más bajas.
Edad, PIB, Tasa de Las matrices de transición pueden
Probar la validez de los
interés real,
ser una herramienta importante
Matrices de Transición
supuestos Markovianos
composición de la para el sistema de administración
deuda.
de riesgo crediticio.
Estimar con matrices de
Liquidez, tamaño, costo
La probabilidad de incumplimiento
transición en tiempo
de oportunidad,
Matrices de Transición
esta asociada a la condición
homogeneo la cualidad del
composición de la
económica del país.
crédito.
deuda, PIB.
MODELOS INTERNOS EMPLEADOS PARA LA MEDICION
DE LA PERDIDA ESPERADA
INVESTIGADORES
MODELOS
Altman - Lennox
Análisis Discriminante
Lennox - Samudio
Logit - Probit
Alves
Análisis de
Cointegración
Hopgarth
Modelos VAR
Zapata – Gómez –
Matrices de Transición
Acevedo – García –
Zamudio - Orozco
Gómez
Modelo de Duración
Fuente: Favio Villalba Ricaurte (Gerente del Sistema de Administración de
Riesgo Crediticio –SARC- SFC)
VARIABLE OBJETO DE ESTUDIO
Perdida Esperada = PI x EAI x PDI
PI : Probabilidad de incumplimiento del agente i
VARIABLE ENDOGENA: INCUMPLIMIENTO
VARIABLES EXOGENAS
Activo
Ingresos
Endeudamient
o
Actividad
económica
Pasivos
Utilidad
operativa
Solvencia
Edad
Patrimonio
Utilidad Neta
Margen Neto
Calificación
Tamaño
MODELOS
Ciencia
Aplicada
(Ing
Matemática)
Investigación
de operaciones
Estadística
Econometría
Inteligencia
Artificial
Arboles de
decisión
Cadenas de
Markov
Análisis
discriminante
Logit-Probit
Redes
neuronales
BASE DE DATOS
Se utilizo información relacionada con clientes clasificados en
cartera comercial de una institución financiera localizada en el
municipio de Medellín-Antioquia. La base de datos se compone de
1500 registros.
Es necesario anotar que la base de datos se conformo con la
información financiera de solo personas naturales con una
actividad económica definida, haciendo claridad que el crédito
solicitado no era para consumo, además, se tuvo en cuenta la
calificación establecida por la institución financiera.
DIAGRAMA DE ARBOL PARA EL MODELO DE VALORACION
DE RIESGO
DIAGRAMA DE ARBOL PARA EL MODELO DE
VALORACION DE RIESGO
Incumplimiento
Endeudamiento
Medio
Alto
Activos
Bajos
Altos
Edad
Ingresos
Bajos
Altos
ECONOMETRÍA
LOGIT y PROBIT
Análisis y comparación de alternativas para cuantificar el riesgo operacional
REPORTE MODELO LOGIT Y PROBIT
ESTADISTICA: ANALISIS DISCRIMINANTE
Análisis y comparación de alternativas para cuantificar el riesgo operacional
Reporte análisis discriminante
Lambda de Wilks
F exacta
Paso
Introducidas
Estadístico
gl1
gl2
gl3
Estadístico
gl1
gl2
Sig.
1
Endeudamiento
.988
1
1
796.000
9.301
1
796.000
.002
2
Margen Neto
.983
2
1
796.000
6.896
2
795.000
.001
3
Margen operativo
.964
3
1
796.000
9.908
3
794.000
.000
Casos utilizados en el análisis
Valoración del Riesgo
Previas
No ponderados
Ponderados
0
.492
393
393.000
1
.508
405
405.000
Total
1.000
798
798.000
Análisis y comparación de alternativas para cuantificar el riesgo operacional
CADENAS DE MARKOV
Pij: Probabilidad de que un deudor con calificación i, se clasifique en j en un
período de tiempo
Nij: Número de créditos clasificados en i al inicio del período y que terminan
clasificados en j al final del período.
Ni: Número de créditos clasificados en i en un período
Pij= Nij / Ni
Análisis y comparación de alternativas para cuantificar el riesgo operacional
CADENAS DE MARKOV : Resultados
Análisis y comparación de alternativas para cuantificar el riesgo operacional
MIGRACION DE CALIFICACION
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
A
B
B
B
B
B
B
B
B
B
B
B
A
C
C
D
B
B
B
C
C
2,6%
D
B
B
C
C
8,2%
D
B
C
C
C
C
15,8%
D
B
C
C
23,7%
D
35,9%
COMPARATIVO DE LA PERDIDA ESPERADA
EN LOS DIFERENTES MODELOS
VALOR DE LA PERDIDA ESPERADA DEL
PORTAFOLIO
COMPARATIVO LOGIT - PROBIT - SFC - INSTITUCION
1.200
millones de pesos
1.000
800
INSTITUCION
600
SFC
LOGIT
PROBIT
400
200
0
PROBIT
LOGIT
SFC
INSTITUCION
VALOR DE LA PERDIDA ESPERADA DEL
PORTAFOLIO
COMPARATIVO DISCRIMINANTE - SFC - INSTITUCION
1.200
1.000
millones de pesos
800
INSTITUCION
SFC
600
DISCRIMINANTE
400
200
0
DISCRIMINANTE
SFC
INSTITUCION
VALOR DE LA PERDIDA ESPERADA DEL
PORTAFOLIO
COMPARATIVO MATRICES - SFC - INSTITUCION
1.200
1.000
Millones de pesos
800
INSTITUCION
SFC
600
MATRICES
400
200
0
MATRICES
SFC
INSTITUCION
PRESENTACIÓN
1. Objetivo del trabajo.
2. Metodología propuesta por Basilea.
3. Antecedentes.
4. Alternativas de modelización.
5. Propuesta.
6. Resultados.
7. Conclusiones.
CONCLUSIONES
 La utilización de arboles de decisión estableció que las variables que más
influyen
sobre
el
incumplimiento
de
los
agentes
económicos
son:
endeudamiento, activos, ingresos y edad.
 Los modelos utilizados nos permitieron mostrar que con su utilización se
genera una asignación de recursos menor que los que hizo la institución
financiera y los que prevé el ente regulador.
 De manera general, se noto que los deudores que se encontraban en
categoría CC poseen muy poca probabilidad de volver a categorías como AA
y A.
 De acuerdo con el estudio realizado encontramos que cualquiera de los
modelos desarrollados en el trabajo generaría para la institución un nivel de
provisiones menor sin que ello conlleve a un posible detrimento patrimonial
por parte de la institución financiera.
RED NEURONAL
Una capa de entrada
Una capa oculta
Función sigmoide
Una capa salida
Función lineal
Análisis y comparación de alternativas para cuantificar el riesgo operacional
RESULTADOS FORMALES
ISSN 1794 – 8347 | Vol. 18 | No. 24 | Jul-Dic 2010 | pp. 259-270
Revista Ciencias Estratégicas | Medellín – Colombia
ESTIMACIÓN DE LAS PROVISIONES ESPERADAS EN UNA INSTITUCIÓN
FINANCIERA UTILIZANDO MODELOS LOGIT Y PROBIT
VIII Coloquio Internacional de Estadística “Métodos Estadísticos Aplicados a Finanzas y
Gestión de Riesgo” Universidad Nacional de Colombia, Sede Medellín Instituto Tecnológico
Metropolitano Medellín, junio 28 a julio 1 de 2011
ESTIMACIÓN DE LAS PROVISIONES ESPERADAS EN UNA INSTITUCIÓN FINANCIERA
UTILIZANDO MODELOS MICROECONOMETRICOS
the XI International Finance Conference, I am pleased to inform that your work "Modelacion
de riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada en una
institucion financiera” has been accepted for presentation during the works of the Conference.
Análisis y comparación de alternativas para cuantificar el riesgo operacional
¡ GRACIAS !