Viniendo de un fondo de riesgo de mercado, me pregunto cómo validar / backtest un crédito modelo de riesgo en la práctica. En este caso, no estoy preguntando específicamente por la validación de la PD/migración, sino por los parámetros de agregación por defecto (, digamos correlaciones sectoriales), es decir, aquellos componentes del modelo que operan sobre el estructura de dependencia del riesgo de crédito .
En las aplicaciones de Riesgo de Mercado, normalmente buscaría series temporales de mis factores de riesgo (digamos, tasas obtenidas de Bloomberg/ICAP); las combinaría con mi(s) modelo(s) de valoración, añadiría potencialmente otra capa de supuestos distributivos (o no) y estimaría las cantidades deseadas, digamos un VaR. Al mismo tiempo, la disponibilidad de datos de mercado (parece) me permite realizar un backtest diario de mi modelo y ofrecer una visión de la calidad de mis supuestos sobre la distribución conjunta de los factores de riesgo.
Desde el punto de vista del riesgo crediticio, ¿cómo proceden los profesionales con este tema, especialmente si su cartera no es de gran tamaño (homogénea), sino que consta sólo de un pequeño número de deudores, digamos entre 1.000 y 10.000 nombres? En este caso, supongo que simplemente no hay un número suficiente de impagos en mi cartera para que pueda hacer una evaluación adecuada. backtesting ... ¿Comprarías entonces simplemente datos de impago (como yo haría con los datos de mercado de Reuters, Bloomberg / ICAP...) de algún otro lugar (un proveedor de datos de impago / de calidad crediticia?) e intentarías dar sentido a esos datos en relación con tu cartera? ¿O bien abordas la validación de tu modelo agregado desde un punto de vista más teórico, por ejemplo, utilizando modelos de la competencia, parámetros estresados, etc.?
Espero que mi pregunta no sea demasiado general - efectivamente me pregunto cómo hacer el modelo de riesgo de crédito backtesting - y si eso es realmente una cosa. Gracias por cualquier indicación.
