La probabilidad de incumplimiento ( PD ) es un término financiero que describe la probabilidad de un incumplimiento en un horizonte temporal particular. Proporciona una estimación de la probabilidad de que un prestatario no pueda cumplir con sus obligaciones de deuda. [1] [2]
La PD se utiliza en una variedad de análisis crediticios y marcos de gestión de riesgos. Según Basilea II , es un parámetro clave utilizado en el cálculo del capital económico o capital regulatorio de una institución bancaria.
La PD está estrechamente ligada a la pérdida esperada , que se define como el producto de la PD, la pérdida en caso de incumplimiento (LGD) y la exposición en caso de incumplimiento (EAD).
PD es el riesgo de que el prestatario no pueda o no quiera pagar su deuda en su totalidad o a tiempo. El riesgo de incumplimiento se deriva del análisis de la capacidad del deudor para pagar la deuda de acuerdo con los términos contractuales. La PD generalmente se asocia con características financieras como un flujo de caja inadecuado para pagar la deuda, ingresos o márgenes operativos decrecientes, alto apalancamiento, liquidez decreciente o marginal y la incapacidad de implementar con éxito un plan de negocios. Además de estos factores cuantificables, también se debe evaluar la disposición del prestatario a pagar.
— [Oficina del Contralor de la Moneda]
La probabilidad de incumplimiento es una estimación de la probabilidad de que ocurra el evento de incumplimiento. Se aplica a un horizonte de evaluación particular, generalmente un año.
Las calificaciones crediticias , como FICO para consumidores o calificaciones de bonos de S&P, Fitch o Moodys para corporaciones o gobiernos, normalmente implican una cierta probabilidad de incumplimiento.
Para un grupo de deudores que comparten características de riesgo crediticio similares, como un RMBS o un conjunto de préstamos, se puede derivar una PD para un grupo de activos que sea representativo del deudor típico (promedio) del grupo. [3] En comparación, las PD para un bono o préstamo comercial generalmente se determinan para una sola entidad.
Según Basilea II , se dice que ha ocurrido un evento de incumplimiento de una obligación de deuda si [4]
La PD de un deudor no sólo depende de las características de riesgo de ese deudor en particular , sino también del entorno económico y del grado en que afecta al deudor . Por lo tanto, la información disponible para estimar la PD se puede dividir en dos categorías amplias:
Una PD no estresada es una estimación de que el deudor incumplirá durante un horizonte temporal particular considerando la información macroeconómica actual así como la información específica del deudor . Esto implica que si las condiciones macroeconómicas se deterioran, la PD de un deudor tenderá a aumentar, mientras que tenderá a disminuir si las condiciones económicas mejoran.
Una PD estresada es una estimación de que el deudor incumplirá durante un horizonte temporal particular considerando la información actual específica del deudor , pero considerando factores macroeconómicos "estresados" independientemente del estado actual de la economía. La PD estresada de un deudor cambia con el tiempo dependiendo de las características de riesgo del deudor , pero no se ve muy afectada por los cambios en el ciclo económico, ya que las condiciones económicas adversas ya se tienen en cuenta en la estimación.
Para obtener una explicación conceptual más detallada de la EP estresada y no estresada, consulte. [5] : 12, 13
Estrechamente relacionados con el concepto de PD estresadas y no estresadas, los términos a lo largo del ciclo (TTC) o punto en el tiempo (PIT) pueden usarse tanto en el contexto de PD como en el de un sistema de calificación. En el contexto de la PD, la PD estresada definida anteriormente generalmente denota la PD TTC de un deudor, mientras que la PD no estresada denota la PD PIT. [6] En el contexto de los sistemas de calificación, un sistema de calificación PIT asigna a cada deudor a una categoría de modo que todos los deudores en una categoría comparten PD no estresadas similares, mientras que todos los deudores en una categoría de riesgo asignada por un sistema de calificación TTC comparten PD estresadas similares. [5] : 14
Las probabilidades de incumplimiento implícitas en los swaps de incumplimiento crediticio (CDS) se basan en los precios de mercado de los swaps de incumplimiento crediticio. Al igual que los precios de las acciones, sus precios contienen toda la información disponible para el mercado en su conjunto. Como tal, la probabilidad de incumplimiento puede inferirse del precio.
Los CDS proporcionan probabilidades de incumplimiento neutrales al riesgo, que pueden sobreestimar la probabilidad de incumplimiento en el mundo real a menos que se tengan en cuenta de alguna manera las primas de riesgo. Una opción es utilizar las PD implícitas de CDS junto con medidas crediticias EDF (Frecuencia de incumplimiento esperada). [7]
Existen enfoques alternativos para derivar y estimar las PD de PIT y TTC. Uno de esos marcos implica distinguir las PD del PIT y del TTC mediante fluctuaciones sistemáticas y predecibles en las condiciones crediticias, es decir, mediante un “ciclo crediticio”. [8] [9] Este marco, que implica el uso selectivo de PIT o TTC PD para diferentes propósitos, se ha implementado con éxito en grandes bancos del Reino Unido con estatus AIRB de BASILEA II.
Como primer paso, este marco utiliza el enfoque de Merton en el que se utilizan el apalancamiento y la volatilidad (o sus sustitutos) para crear un modelo de PD. [10]
Como segundo paso, este marco supone la existencia de factores sistemáticos similares al modelo de factores de riesgo asintóticos (ASRF). [11] [12]
Como tercer paso, este marco hace uso de la previsibilidad de los ciclos crediticios. Esto significa que si la tasa de incumplimiento en un sector está cerca de su máximo histórico, entonces se asumiría que caerá y si la tasa de incumplimiento en un sector está cerca de su mínimo histórico, entonces se asumiría que aumentará. A diferencia de otros enfoques que suponen que el factor sistemático es completamente aleatorio, este marco cuantifica el componente predecible del factor sistemático, lo que da como resultado una predicción más precisa de las tasas de incumplimiento.
Según este marco, el término PIT se aplica a las PD que se mueven a lo largo del tiempo junto con las tasas de incumplimiento (DR) realizadas, aumentando a medida que las condiciones crediticias generales se deterioran y disminuyendo a medida que mejoran las condiciones. El término TTC se aplica a las PD que no muestran tales fluctuaciones y permanecen fijas en general incluso cuando las condiciones crediticias generales aumentan y disminuyen. Los PD de TTC de diferentes entidades cambiarán, pero el promedio general de todas las entidades no. La mayor precisión de los PIT PD los convierte en la opción preferida en aplicaciones de riesgo actuales como la fijación de precios o la gestión de carteras. La estabilidad general de los PD de TTC los hace atractivos en aplicaciones tales como la determinación de RWA de Basilea II/II.
El marco anterior proporciona un método para cuantificar los ciclos crediticios, sus componentes sistemáticos y aleatorios y las PD resultantes de PIT y TTC. Esto se logra para el crédito mayorista resumiendo, para cada una de varias industrias o regiones, EDF de MKMV, probabilidades de incumplimiento de Kamakura (KDP) o algún otro conjunto completo de PD o DR de PIT. Después de eso, se transforman estos factores en unidades convenientes y se expresan como desviaciones de sus respectivos valores promedio de largo plazo. La transformación de unidades generalmente implica la aplicación de la función de distribución normal inversa, convirtiendo así medidas de PD mediana o promedio en medidas de “distancia predeterminada” (DD) mediana o promedio. En este punto, tenemos un conjunto de índices que miden la distancia entre el DD actual y el promedio de largo plazo en cada uno de un conjunto seleccionado de sectores. Dependiendo de la disponibilidad de datos y los requisitos de la cartera, estos índices se pueden crear para diversas industrias y regiones con más de 20 años cubriendo múltiples recesiones.
Después de desarrollar estos índices, se pueden calcular las PD tanto de PIT como de TTC para las contrapartes dentro de cada uno de los sectores cubiertos. Para obtener las PD del PIT, se introducen los índices relevantes en los modelos de incumplimiento relevantes, se recalibran los modelos a los incumplimientos y se aplican los modelos con cambios actuales y proyectados en los índices como entradas. Si un modelo PD no fuera PIT, la introducción de los índices lo convertiría en PIT. La formulación específica del modelo depende de las características importantes para cada clase distinguida de contrapartes y de las limitaciones de datos. Algunos enfoques comunes incluyen:
En este punto, para determinar una PD TTC, se siguen tres pasos:
Además de los modelos PD, este marco también se puede utilizar para desarrollar variantes PIT y TTC de los modelos LGD, EAD y Stress Testing.
La mayoría de los modelos de PD generan PD que son de naturaleza híbrida: [13] no son perfectamente puntuales (PIT) ni a lo largo del ciclo (TTC). El promedio de largo plazo de la frecuencia de incumplimiento observada ODF se considera a menudo como una PD de TTC. Se argumenta que cuando se consideran durante un período prolongado, los efectos sistemáticos promedian cerca de cero. [14] Sin embargo, definir el período de referencia apropiado para calcular dicho promedio suele ser un desafío; por ejemplo, múltiples ciclos económicos en los datos históricos pueden sobreestimar o subestimar la PD promedio, lo que se considera una estimación sesgada. Además, el supuesto de una PD TTC constante para un conjunto de deudores no es realista en la práctica. De hecho, el riesgo idiosincrásico de una cartera puede variar con el tiempo. [15] Un ejemplo clásico [16] son los cambios en la distribución de la cartera debido a las entradas y salidas de los deudores, pero también a decisiones tomadas por el banco, como modificaciones de las condiciones o políticas de préstamo.
Existen muchas alternativas para estimar la probabilidad de incumplimiento. Las probabilidades de incumplimiento pueden estimarse a partir de una base de datos histórica de incumplimientos reales utilizando técnicas modernas como la regresión logística . Las probabilidades de incumplimiento también pueden estimarse a partir de los precios observables de los swaps de incumplimiento crediticio , los bonos y las opciones sobre acciones ordinarias. El enfoque más simple, adoptado por muchos bancos, es utilizar agencias de calificación externas como Standard and Poors , Fitch o Moody's Investors Service para estimar las PD a partir de la experiencia histórica de incumplimiento. Para la estimación de la probabilidad de incumplimiento de las pequeñas empresas, la regresión logística es nuevamente la técnica más común para estimar los factores del incumplimiento para una pequeña empresa basándose en una base de datos histórica de incumplimientos. Estos modelos son tanto desarrollados internamente como suministrados por terceros. Se adopta un enfoque similar para el incumplimiento minorista, utilizando el término " puntuación crediticia " como eufemismo para la probabilidad de incumplimiento, que es el verdadero objetivo del prestamista.
A continuación se enumeran algunos de los métodos estadísticos populares que se han utilizado para modelar la probabilidad de incumplimiento. [17] : 1–12