6 votos

Estructura temporal de las probabilidades de impago sin datos de mercado

Con la próxima nueva normativa, la NIIF9, las entidades financieras deberán modelar las pérdidas crediticias esperadas a lo largo de la vida. En consecuencia, es necesario modelar la estructura de plazos de las probabilidades de impago para diferentes productos/contrapartes. ¿Cómo se puede aplicar con éxito ese modelo?

En la literatura actual se encuentra una variedad de enfoques para modelar la estructura temporal de las probabilidades de impago. En la mayoría de los casos, estos enfoques utilizan datos de mercado para extraer las probabilidades de impago implícitas en un determinado horizonte, por ejemplo, utilizando bonos o swaps de impago. Sin embargo, estos métodos sólo son aplicables cuando se dispone de dichos datos. La estructura temporal de las probabilidades de impago de las empresas que no cotizan en bolsa (por ejemplo) será mucho más complicada de determinar. Además, muchos modelos no incorporan rigurosamente las correlaciones de impago, lo que es necesario para la aplicación de una cartera. Es de suponer que sólo se podrán utilizar los datos históricos de las migraciones de crédito.

De acuerdo con Bluhm y Overbeck (2007) se encuentran las migraciones de crédito del modelo utilizando cadenas de Markov, y a partir de ahí se encuentra la estructura de plazos de cada grado de calificación.

¿Alguien ha encontrado otra bibliografía interesante que permita modelar las estructuras temporales de las probabilidades de impago utilizando únicamente datos históricos de migración de créditos?

4voto

Daniel Puntos 118

En primer lugar, es bueno enderezar nuestra meta.

Dice usted, correctamente, que la NIIF9 exige el análisis de las pérdidas esperadas.

Hay dos componentes de las pérdidas esperadas.

1) Probabilidad esperada de un evento de incumplimiento 2) Tasa de recuperación esperada

Por tanto, no sólo necesitamos la probabilidad, sino también el índice de recuperación.

Por suerte, ambos se aproximan por el diferencial de crédito, que como dices se puede obtener fácilmente de los CDS o de los Bonos.

En cuanto a los datos del mercado, hay que tener en cuenta que los CDS están disponibles para muchos más nombres de los que se suelen encontrar en los mercados de valores cotizados. Esto se debe a que el mercado de renta fija es mucho mayor.

En caso de que no pueda encontrar los datos, la práctica del sector es sustituirlos por un diferencial de un CDX o una empresa relacionados. Algunos fondos también utilizan varios esquemas de proxy, para dar cuerpo a diferentes escenarios.

Las correlaciones no son necesarias. Esto se ve cuando se fija el precio de un CDX, por ejemplo. Sí que se necesitan correlaciones cuando se fijan los precios de los tramos de los CDX, porque la interacción entre los nombres se vuelve importante, pero no para los CDX simples (que son básicamente una cartera de nombres).

Si quieres algo específico, buscaré con gusto algo de literatura, aunque sospecho que puedes buscar información adicional en Google con bastante facilidad.

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X