Transcript
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 !