La probabilidad de impago ( PD ) es un término financiero que describe la probabilidad de impago en un horizonte temporal determinado. 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 diversos análisis crediticios y marcos de gestión de riesgos. En el marco del Convenio de Basilea II , es un parámetro clave utilizado en el cálculo del capital económico o el capital regulatorio de una institución bancaria.
La PD está estrechamente vinculada a la pérdida esperada , que se define como el producto de la PD, la pérdida en caso de incumplimiento (LGD) y la exposición en el momento del incumplimiento (EAD).
La 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 impago se obtiene analizando la capacidad del deudor para pagar la deuda de acuerdo con los términos contractuales. La PD generalmente se asocia con características financieras como flujo de efectivo inadecuado para pagar la deuda, ingresos o márgenes operativos en descenso, alto apalancamiento, liquidez en descenso o marginal y la incapacidad de implementar con éxito un plan de negocios. Además de estos factores cuantificables, también debe evaluarse la disposición del prestatario a pagar.
— [Oficina del Contralor de la Moneda]
La probabilidad de incumplimiento es una estimación de la probabilidad de que se produzca el evento de incumplimiento. Se aplica a un horizonte de evaluación particular, generalmente un año.
Las calificaciones crediticias , como FICO para consumidores o las calificaciones de bonos de S&P, Fitch o Moody's para corporaciones o gobiernos, generalmente 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, una PD para un bono o un préstamo comercial, normalmente se determina para una sola entidad.
De acuerdo con Basilea II , se dice que se ha producido 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 éste afecta al deudor . Por lo tanto, la información disponible para estimar la PD se puede dividir en dos grandes categorías:
Una PD sin estrés es una estimación de que el deudor no pagará en un horizonte temporal determinado teniendo en cuenta la información macroeconómica actual y 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 no pagará en un horizonte temporal determinado considerando la información específica actual 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 están incluidas en la estimación.
Para una explicación conceptual más detallada de la PD estresada y no estresada, consulte. [5] : 12, 13
Estrechamente relacionados con el concepto de PD estresada y no estresada, los términos a través del ciclo (TTC) o punto en el tiempo (PIT) se pueden utilizar tanto en el contexto de PD como en el sistema de calificación. En el contexto de 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 un grupo de tal manera que todos los deudores en un grupo comparten PD no estresadas similares, mientras que todos los deudores en un grupo de riesgo asignado por un sistema de calificación TTC comparten PD estresadas similares. [5] : 14
Las probabilidades de impago 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. Por lo tanto, la probabilidad de impago se puede inferir a partir del precio.
Los CDS proporcionan probabilidades de impago neutrales al riesgo, que pueden sobreestimar la probabilidad de impago en el mundo real a menos que se tengan en cuenta de algún modo las primas de riesgo. Una opción es utilizar las probabilidades implícitas de impago de los CDS junto con las medidas crediticias de frecuencia de impago esperada (EDF, por sus siglas en inglés). [7]
Existen enfoques alternativos para derivar y estimar las PD del PIT y del TTC. Uno de estos marcos implica distinguir las PD del PIT y del TTC mediante fluctuaciones sistemáticas predecibles en las condiciones crediticias, es decir, mediante un “ciclo crediticio”. [8] [9] Este marco, que implica el uso selectivo de las PD del PIT o del TTC para diferentes propósitos, se ha implementado con éxito en grandes bancos del Reino Unido con estatus AIRB de BASEL II.
Como primer paso, este marco utiliza el enfoque Merton en el que el apalancamiento y la volatilidad (o sus indicadores) se utilizan 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 Asintótico (ASRF). [11] [12]
Como tercer paso, este marco hace uso de la predictibilidad de los ciclos crediticios. Esto significa que si la tasa de impagos en un sector está cerca de un máximo histórico, se supondrá que disminuirá y si la tasa de impagos en un sector está cerca de un mínimo histórico, se supondrá 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 impagos.
Según este marco, el término PIT se aplica a las PD que se mueven con el tiempo en tándem con las tasas de incumplimiento realizadas (DR), aumentando a medida que las condiciones crediticias generales se deterioran y disminuyendo a medida que las condiciones mejoran. El término TTC se aplica a las PD que no muestran tales fluctuaciones, permaneciendo fijas en general incluso cuando las condiciones crediticias generales aumentan y disminuyen. Las PD de TTC de diferentes entidades cambiarán, pero el promedio general de todas las entidades no lo hará. La mayor precisión de las PD de PIT las convierte en la opción preferida en aplicaciones de riesgo actuales como la fijación de precios o la gestión de cartera. La estabilidad general de las PD de TTC las hace atractivas en aplicaciones como la determinación de los 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, las EDF de MKMV, las Probabilidades de Incumplimiento de Kamakura (KDP) o algún otro conjunto integral de PD o DR de PIT. Después de eso, uno transforma estos factores en unidades convenientes y los expresa como desviaciones de sus respectivos valores promedio de largo plazo. La transformación de la unidad generalmente implica la aplicación de la función de distribución normal inversa, convirtiendo así las medidas de PD medianas o promedio en medidas de “distancia de incumplimiento” (DD) mediana o promedio. En este punto, uno tiene un conjunto de índices que miden la distancia entre la DD actual y la media de largo plazo en cada uno de un conjunto seleccionado de sectores. Dependiendo de la disponibilidad de datos y los requisitos de la cartera, dichos índices se pueden crear para varias industrias y regiones con más de 20 años que cubran múltiples recesiones.
Después de desarrollar estos índices, se pueden calcular las PD de PIT y TTC para las contrapartes dentro de cada uno de los sectores cubiertos. Para obtener las PD de PIT, se introducen los índices pertinentes en los modelos predeterminados pertinentes, se recalibran los modelos a los valores predeterminados y se aplican los modelos con los cambios actuales y proyectados en los índices como entradas. Si un modelo de PD no fuera PIT, la introducción de los índices lo convertirá en PIT. La formulación específica del modelo depende de las características importantes para cada una, la clase distinguida de contrapartes y las limitaciones de los datos. Algunos enfoques comunes incluyen:
En este punto, para determinar un TTC PD, se siguen tres pasos:
Además de los modelos PD, este marco también se puede utilizar para desarrollar variantes PIT y TTC de modelos LGD, EAD y pruebas de estrés.
La mayoría de los modelos de PD producen PD que son de naturaleza híbrida: [13] no son ni perfectamente puntuales (PIT) ni a lo largo del ciclo (TTC). El promedio de largo plazo de la frecuencia de incumplimiento observada (ODF) a menudo se considera como una PD TTC. Se argumenta que cuando se considera durante un período largo, los efectos sistemáticos promedian cerca de cero. [14] Sin embargo, definir el período de referencia apropiado para calcular dicho promedio es a menudo un desafío, por ejemplo, múltiples ciclos comerciales 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 grupo 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 debido a las decisiones tomadas por el banco, como las modificaciones de las condiciones o políticas de préstamo.
Existen muchas alternativas para estimar la probabilidad de impago. Las probabilidades de impago pueden estimarse a partir de una base de datos histórica de impagos reales utilizando técnicas modernas como la regresión logística . Las probabilidades de impago también pueden estimarse a partir de los precios observables de swaps de incumplimiento crediticio , bonos y 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 impago. Para la estimación de la probabilidad de impago de pequeñas empresas, la regresión logística es nuevamente la técnica más común para estimar los impulsores del impago de una pequeña empresa basándose en una base de datos histórica de impagos. Estos modelos son desarrollados internamente y suministrados por terceros. Se adopta un enfoque similar para el impago minorista, utilizando el término " puntaje crediticio " como eufemismo para la probabilidad de impago, que es el verdadero foco 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