Académique Documents
Professionnel Documents
Culture Documents
ISSN: 1692-3324
revistaingenierias@udem.edu.co
Universidad de Medelln
Colombia
55
RESUMEN
Las propuestas contenidas en el documento del nuevo Acuerdo de Capital de Basilea representan
un slido esfuerzo por incorporar los desarrollos recientes de la teora financiera de cuantificacin
del riesgo en la determinacin del capital regulatorio mnimo que debe ser exigido a las entidades
financieras. Es propsito entonces no incrementar los requerimientos agregados de capital para la
banca que utilice el sistema estandarizado de medicin del riesgo de crdito, y de estimular la
migracin hacia la utilizacin del sistema basado en los rating internos.
En la prctica diaria se presentan situaciones en las que es necesario tomar decisiones. Es frecuente
que estas elecciones se hagan de manera automtica, y haciendo solo uso de un razonamiento
lgico. Sin embargo, en otras situaciones la toma de alguna decisin, con el objeto de determinar
una estrategia ptima, se requiere de un anlisis ms profundo y para lo cual la mera intuicin es
insuficiente.
Por ejemplo, para una entidad financiera es de gran utilidad disponer de un modelo, alejado de la
mera intuicin, que le ayude a decidir sobre otorgar o no un crdito. La entidad debe evaluar la
probabilidad de que el cliente devuelva el dinero, lo cual ser un hecho positivo para la entidad, o
bien que el cliente llegue a ser moroso, y esto ser un hecho negativo para la entidad.
Ante esta situacin, de eleccin binaria, es necesario hacer uso de modelos dicotmicos que
permitan evaluar la probabilidad asociada a cada alternativa de decisin. Es de gran ayuda utilizar
un modelo que, de acuerdo a lo ocurrido con otros prstamos, con diferentes estratos econmiUniversidad de Medelln
56
cos, diferentes salarios, diferentes niveles de escolaridad, entre otros, permita calcular la
probabilidad de que el cliente cancele el prstamo, y con base en los resultados tomar una decisin
despus de una reflexin ms profunda, de manera que se calcule la provisin necesaria para
cubrir eventualidades de morosidad.
En este artculo se presenta un planteamiento no lineal de los modelos de eleccin dicotmica
que, sin duda, es una buena eleccin para evaluar el riesgo de crdito de una cartera comercial,
que se incluye aqu como una aplicacin.
Palabras clave: Basilea, eleccin binaria, modelos dicotmicos, probabilidad
ABSTRACT
The proposal container in the document of the new Basels an agreement represents a solid effort
to incorporate the resents the development of the financial theory of risk quantification in the
determination of minimum regulatory capital that must be requested in the financial entities.
Then, the purpose is no increment the added requirements of capital for the banking house that
uses standardized system of the risk credit measurement and the stimulation upon the use of the
system based in the intern ratings.
In the daily practice, it presents situations in which, its necessary to take decisions. It is frequently
that these choices are made in automatic way and just making use of a logic reasoning. However in
the other situations taking some decisions with the purpose of determinations a very good strategy, it requires a deeper analysis in which the simple intuition is not enough.
For example, for a financial entity is very useful to have a model away of just intuition which have
for to take a decision whether they give or not a credit. The financial entity must evaluate the
probability the costumer gives back the money which will be a positive fact for the entity, now then
that the customer becomes debtor, and this will be a negative fact for the entity.
Before this situation, of binary choice, it is necessary to make used dichotomy models that allow
evaluating the associated probability to every alternative. Its a great help to use a model that, concerning about that happened with other loans. With different economic levels, different salaries, and
different academics levels, among others, it permits to calculate the probability that the costumer
pays for the loan and based on these results they can take a decision after a deeper meditation.
Key words: Basel, binary choice, dichotomies models, probability.
INTRODUCCIN
Las finanzas, como disciplina cientfica,
estudian la manera como se asignan recursos
escasos a lo largo del tiempo en condiciones
de incertidumbre. Existen tres pilares analticos
de las finanzas: la optimizacin en el tiempo,
la valuacin de activos y la evaluacin y administracin del riesgo. Este ltimo de gran
Revista Ingenieras
nmenos, cuyo comportamiento es impredecible, tiene un impacto directo en el desempeo de dichas instituciones. En el caso de
las compaas de seguros, stas tienen que
realizar erogaciones por concepto de
accidentes u otros eventos asegurados. En el
caso de las instituciones bancarias, ellas tienen
que hacer provisiones de capital para hacer
frente a prdidas originadas tanto por la
calidad crediticia de sus deudores como por
los cambios en los factores de mercado que
afectan sus portafolios.
El anlisis de las variaciones de los factores
cuyo comportamiento es impredecible puede
ser realizado por medio de diversas herramientas estadsticas, lo cual, en el caso particular
de las compaas de seguros, ha dado lugar a
la teora del riesgo. El desarrollo de la teora
de riesgos ha permitido a las compaas de
seguros conocer mejor la exposicin de sus
portafolios y establecer las prdidas a las
cuales se exponen. Slo en tiempos recientes
se ha explotado esta herramienta en el mbito
financiero, debido a la similitud existente con
el principal riesgo que las instituciones
financieras enfrentan: el riesgo crediticio.
La administracin del riesgo, como puede
verse, ha evolucionado notablemente en los
ltimos aos y si se hace un anlisis resumido
de esta evolucin, no se podran dejar de
repasar los diversos estudios realizados por el
comit de Basilea.
El comit de Basilea (ciudad del norte de
Suiza), se cre en 1974 por los gobernantes
del G-10 con el propsito de coordinar la
supervisin de los bancos internacionales. El
comit es un foro de debate sobre la
supervisin bancaria cuyo fin es ser garantes
de una supervisin eficaz de las actividades
bancarias en todo el mundo.
Recientemente se ha convocado al anlisis de
propuestas metodolgicas para el Nuevo
Acuerdo de Basilea sobre Capitales en la
57
58
Revista Ingenieras
MODELO LOGIT
La regresin Logit [6] se utiliza cuando
queremos predecir un resultado binario, por
ejemplo, quiebra vs. no quiebra y sabemos que
existen varios factores que pueden incidir sobre
tal resultado. Esta regresin binaria es un tipo
de anlisis de regresin donde la variable
dependiente es una variable dummy: cdigo 0
(Buen Cliente) o 1 (Mal Cliente).
La regresin logstica se basa en la
denominada funcin logstica, donde se
relaciona la variable dependiente con las vari-
1
ui
1 exp( z )
Donde,
59
P Y 1| X
1 P Y 1| X
z : Scoring Logstico.
En el cual z 0 1 X 1 2 X 2 ... k X k , o de
forma matricial sera Z = X
N 0, 2
1
k
1 exp ! # 0 ' i xi $ "
&
i 1
%
"
"
"
"
"
"
"
"
"
"
"
P (Y 0 | X ) 1 P (Y 1| X ) 1
1
k
1 exp ! # 0 ' i xi $ "
i 1
&
%
k
exp ! # 0 ' i xi $ "
&
i 1
%
k
1 exp ! # 0 ' i xi $ "
i 1
&
%
k
k
ln exp # 0 ' i xi $ 0 ' i xi
%
&
i 1
i 1
60
: x 0, 0, 0,...
L ,0
entonces,
RORx(, x
k
exp # 0 ' i xi( $
k
i 1
%
&
exp # ' i xi( xi $
k
OR x
i 1
%
&
exp # 0 ' i xi $
i 1
%
&
OR x(
ANLISIS DE COMPONENTES
PRINCIPALES
El Anlisis de Componentes Principales es un
mtodo estadstico, muy til en la evaluacin
del riesgo crediticio y fue propuesto por
Pearson (1901), y de forma independiente tamRevista Ingenieras
61
'' r
2
ij
KMO
Donde la hiptesis nula afirma que las variables no estn correlacionadas en la poblacin, es decir, que la matriz de correlacin de
la poblacin es una matriz diagonal.
Tiene sentido el modelo si podemos rechazar
la hiptesis nula, lo cual sera indicativo de
que existen correlaciones entre las variables.
En caso de no poder rechazar la hiptesis nula,
se pondr en duda lo adecuado del modelo.
El determinante de la matriz de correlaciones
muestral es un estimador del determinante de
la matriz de correlaciones poblacional. A partir
del valor del determinante muestral, se puede
calcular un estadstico que se distribuye segn
la chi-cuadrada con 2 grados de libertad igual a
(k2-k), donde k es el nmero de variables de
la matriz de correlaciones. El valor del
i 1 j 1
'' r '' s
2
ij
i 1 j 1
2
ij
i 1 j 1
Donde:
rij : es el coeficiente de correlacin entre las
variables i-sima y j-sima; se excluyen de las
sumatorias los coeficientes de correlacin de
una variable consigo, por lo tanto, el campo
de aplicacin de las sumatorias no es aplicable
en los casos i = j.
Interpretacin
Un ndice KMO bajo indica que la
intercorrelacin entre las variables no es
grande y, por tanto, la aplicacin del modelo
no ser prctica, ya que necesitaramos casi
tantos factores como variables para incluir un
porcentaje de la informacin aceptable.
Universidad de Medelln
62
'r
2
ij
Su frmula es
MSA
j 1
'r 's
2
ij
j 1
2
ij
se excluye el caso i = j.
j 1
Interpretacin
Un MSA con valores mayores de 0.7 indica alta
intercorrelacin, por tanto, es indicativo de
que este anlisis es apropiado.
Los valores entre 0.35 y 0.6 indican que el grado
de intercorrelacin es medio, pero aplicable.
Un MSA menor que 0.5 indica que no se
aconseja este tipo de anlisis.
Correlacin mltiple
Este coeficiente indica el grado de asociacin
entre una variable y todas las otras que intervienen en el anlisis. Si hay muchas variables
con un coeficiente de correlacin mltiple muy
alto, el anlisis puede utilizarse. Las variables
con un coeficiente de correlacin mltiple bajo
podran eliminarse.
Revista Ingenieras
La comunalidad
Es un valor que se obtiene para cada una de
las variables originales, sumando los
cuadrados de las correlaciones o cargas de los
factores retenidos con la variable para la que
se calcula y que expresa la proporcin de
varianza de la variable extrada o explicada con
m factores, donde m es el nmero de factores
retenidos. Si m es igual al nmero total de variables la comunalidad ser igual a 1.
APLICACIN
Para presentar las metodologas de medicin
de riesgo de crdito, basados en modelos Logit
y Probit y aplicarlas a la base de datos, que
permitan mejorar el control, la toma de decisiones de la administracin financiera y la
gestin de los riesgos, es necesario realizar un
anlisis de comportamiento para cada una de
las variables y la correlacin entre ellas. Esto se
hace con el fin de determinar algunas relaciones
para grupos determinados de la poblacin de
acuerdo con sus caractersticas particulares.
Por tanto, se cruzan variables de cliente, del
crdito y de comportamiento contra la definicin de fallidos y no fallidos. Definicin que
es resultado del default para establecer un procedimiento de clasificacin que permita determinar las ponderaciones necesarias y establecer la probabilidad de fallido. Dicho procedimiento estar basado en las tcnicas del
Anlisis Estadstico Multivariado.
Un aspecto muy importante sobre el cual
enfatiza el sistema SARC1 es el seguimiento y
control de procesos que tengan relacin directa
con el riesgo crediticio. Por lo tanto se hace
necesario el monitoreo de procesos tales
como: Otorgamientos, Comportamiento y
Provisiones. Cada uno de estos procesos
sintetiza las diferentes etapas de la vida de una
obligacin, razn por la cual las variables
PEt Pt - SEt - (1 TR )
Donde:
: Es la probabilidad de incumplimiento o
probabilidad de Default, este es obtenido por
medio de un modelo logstico:
Pt
eX
1 eX
Estableciendo
La probabilidad de incumplimiento
cual es la
El plazo
provisin optima
de cada credito.
Calificacin
1
2
3
4
5
6
7
8
AAA
AA
A
BBB
BB
C
D
E
b) Provisin General
Pt
El Saldo
63
donde X 0 ' i X i
i 1
64
EL DESEMPLEO
Tasa de desempleo vs. provisiones: Segn la
historia se ha observado que a mayor tasa de
empleo menor es la morosidad, por lo tanto,
estn correlacionadas negativamente.
Revista Ingenieras
CONSUMO
Consumo vs. provisiones
EL IPC (ndice de precios al consumidor)
IPC vs. cartera vencida: Se ha observado que a
menor inflacin mayor nivel de morosidad, es
decir, tiene una correlacin negativa.
LA DTF (tasa de deposito a termino fijo)
DTF ajustado por inflacin vs. cartera vencida:
Se observa que a menor DTF menor nivel de
morosidad.
Es necesario realizar un modelo de
seguimiento en el cual se consideran variables
dinmicas, permitiendo la actualizacin del
modelo, debido a que la probabilidad de fallo
cambia a travs del tiempo, cambiando, a su
vez, la provisin general, de la siguiente manera:
Buen comportamiento: la provisin baja.
Mal comportamiento: la provisin sube.
En este artculo se presenta el procedimiento
de clculo de la provisin individual y no el
estudio para hallar la provisin general.
65
Universidad de Medelln
66
CC1
CC2
CC3
CC4
CC5
CC6
CC7
CC8
CC9
CC10
CC11
CC12
CC13
CC14
CC15
CC16
CC17
CC18
CC19
CC20
CC21
DX37_A
DX37_B
DX37_C
DX37_E
Constant
B
0,781
0,400
-0,348
-1,462
-4,247
1,435
-0,848
0,058
-0,239
0,620
0,338
-0,470
-0,889
0,666
2,426
0,612
2,110
-0,656
-0,315
0,068
0,129
-182,679
-147,075
-143,210
-104,843
141,696
S.E.
0,329
0,437
0,475
2,455
6,536
1,398
2,024
0,425
0,369
1,200
0,553
0,364
0,578
0,392
0,844
0,541
1,089
0,249
0,482
0,504
0,238
1101,743
1057,346
1057,331
21087,777
1057,324
Wald
5,622
0,837
0,536
0,355
0,422
1,054
0,176
0,019
0,418
0,267
0,373
1,666
2,362
2,879
8,268
1,280
3,753
6,940
0,428
0,018
0,295
0,027
0,019
0,018
0,000
0,018
df
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
Sig.
0,018
0,360
0,464
0,551
0,516
0,304
0,675
0,891
0,518
0,605
0,541
0,197
0,124
0,090
0,004
0,258
0,053
0,008
0,513
0,892
0,587
0,868
0,889
0,892
0,996
0,893
Se debe eliminar del modelo la variable menos significativa, que en este caso es Dx37_E y se
vuelve a correr el modelo, se procede as hasta que queden las variables ms significativas. El
modelo final es:
Variables in the Equation
B
S.E.
CC1
0,9131
0,1954
CC3
-0,7507
0,2201
CC4
-4,8795
1,2269
CC7
-0,3867
0,1528
CC12
-0,4097
0,1647
CC15
0,7978
0,1717
CC18
-0,3942
0,1320
CC19
-0,5767
0,1672
DX37_B
-5,0232
0,4285
DX37_A
-38,9191 326,7941
Constant
0,1099
0,2370
Revista Ingenieras
Wald
21,8312
11,6299
15,8169
6,4027
6,1865
21,5886
8,9200
11,8900
137,3922
0,0142
0,2151
df
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
Sig.
0,0000
0,0006
0,0001
0,0114
0,0129
0,0000
0,0028
0,0006
0,0000
0,9052
0,6428
67
OBSERVACIN
La variable Dx37 A no fue sacada del modelo ya que a pesar de ser una variable no significativa, al
sacarla del modelo sta afecta el scoring de otorgamiento.
Y la clasificacin del modelo es:
Classification Table(a)
Observed
Step 1
Predicted
Default
Percentage
No Fallido Fallido
Correct
Default No Fallido
4005
70
98,3
Fallido
7
243
97,2
Overall Percentage
98,2
Step
1
Chi-square
,396
df
8
Sig.
1,000
El valor de Hosmer Lemeshow fue de 0.396 demostrando una buena calibracin del modelo,
adems se observa que el valor p>0.05, lo que
lleva a aceptar la hiptesis nula.
68
5. Prueba ROC
Esta prueba permite ver el criterio de
especificidad y sensibilidad, para obtener el
proceso de discriminacin.
Para interpretar la curva ROC se analiza el rea
bajo la curva (AUC) que para una buena
discriminacin debe ser superior a 0.80.
4. test Mann-Whitney
P ( M / B ) /1 Especificidad
Mann-Whitney Test
Ranks
N
Predicted
probability No Fallido 4075
Fallido
250
Total
4325
1,0
Mean
Rank
2039,03
4183,75
Sum of
Ranks
8309037,00
1045938,00
Test Statisticsa
Mann-Whitney U
Wilcoxon W
Z
Asymp. Sig. (2-tailed)
a. Grouping Variable: Deafult
Revista Ingenieras
,8
Sensitivity
Deaful
Predicted probability
4187,000
8309037,0
-41,633
,000
,5
,3
0,0
0,0
,3
1- Specificity
,5
,8
1,0
69
TABLA DE PROVISIONES
P
X Ln ! t "
1 Pt
Ao
1994
Informacion 1995
- Empresa 1996
1997
1998
1999
2000
2001
2002
PEt Pt - SEt - (1 TR )
Donde:
Pt:Es la probabilidad de incumplimiento o
probabilidad de Default; ste es obtenido por
medio del modelo logstico,
Pt
e XB
1 e XB
donde X ' i X i
i 1
CONCLUSIONES
Las propuestas contenidas en el documento
de nuevo acuerdo de capital representan un
slido esfuerzo por incorporar los desarrollos
recientes de la teora financiera de cuantificacin del riesgo en la determinacin del capital regulatorio mnimo que debe ser exigido a
las entidades financieras.
El propsito en el nuevo acuerdo de Basilea
es el de no incrementar los requerimientos
agregados de capital para la banca que utilice
el sistema estandarizado de medicin del
riesgo de crdito, y de estimular la migracin
hacia la utilizacin del sistema basado en los
rating internos. Frente a lo anterior, varios
analistas han sealado que los requerimientos
de capital van a aumentar sustancialmente
para la generalidad de los bancos, an en
Universidad de Medelln
70
71
Universidad de Medelln
72
BIBLIOGRAFIA
1.
ARAGONS, Jos Ramn BLANCO, Carlos. Valor en Riesgo. Aplicacin a l Gestin empresarial.
Ediciones Pirmide. Madrid. 2000.
2.
3.
4.
DOWD, Kevind. Beyond Value at Risk: The new Science of Risk Management. 2002.
5.
D, HENDRICKS. Evaluation of VAR models using historical data, Economy Policy Review,
Federal Reserve Bank of New York, Abril, Vol.2, nmero1.
6.
7.
8.
HAIR, Joseph F., ANDERSON, Rolph E., TATHAM, Ronald L. y BLACK, William C. Anlisis
multivariante. Prentice Hall. Madrid. 5 Edicin. 1999.
9.
HILLIER, F. and LIEBERMAN, G. F. (1986). Introduction to Operations Research. 4th ed. San Francisco, Holden-Day.
10.
11.
JORION, Philippe. Valor en Riesgo. El nuevo paradigma para el control de riesgos con derivados. Editorial Limusa. 2002.
12.
13.
LATORRE LLORENS, Luis. Teora del Riesgo y sus Aplicaciones a la Empresa Aseguradora.
Editorial Mapfre. 1992.
14.
LEFVRE, Claude; UTEV, Sergey. Comparison of individual risk models. Insurance: Mathematics
& Economics 28 (2001) 21-30.
15.
16.
MITTELHAMMER, Ron C., JUDGE, George G. y MILLER, Douglas J. Econometric Foundations. Cambridge University Press. New York. 2000.
17.
MONTGOMERY, Douglas C., PECK, Elizabeth A. y VINNING, G. Geoffrey. Introduccin al anlisis de regresin Lineal. 3 Edicin. CECSA. 2002.
18.
PENZA, Pietro anf BANSAL, Vipul K. Measuring Market Risk with Value at Risk. October 2000.
Revista Ingenieras
73
19.
PINDYCK, Robert S. y RUBINFELD, Daniel L. Econometra, modelos y pronsticos. McGrawHill. 4 Edicin. 1998.
20.
Universidad de Medelln
74
APNDICE
Estimacin mximo verosmil de los
parmetros del modelo logit
' y j ln
j 1
1
L x ,y
1
L , x
,...
N
,y
N
L , a la funcin de
, , ,...
0
L x , y ,...
L , x , y
1
N
j
1 y
L , * P Y 1| x 1 P Y 1| x
, , ,...
k
j
y
i 1
P Y 1| x
j
1 P Y 1| x j
ln
N
, , ,...L ,
0
1
1
N
N
ln L x , y ,...
L , x , y , 0 , 1 ,...
L , k
N
' y ln P Y 1| x
j 1
Revista Ingenieras
j
' 1 y ln 1 P Y 1| x
N
j 1
i i
Y que
k
exp ! # 0 ' i xi j $ "
1
%
&
i 1
k
k
j
j
1
exp
1 exp ! # 0 ' i xi $ "
# 0 ' i xi $
i 1
%
&
&
i 1
%
1 P Y 1| x
j
Obtenemos
ln L x , y ,...
L , x , y
1
N
, , ,L... ,
0
k
k
N
' y j # 0 ' i xi j $ ' ln #1 exp # 0 ' i xi j $ $
j 1
i 1
i 1
%
& j 1 %
%
&&
N
k
exp # 0 ' i xi j $
i 1
%
& 0
k
1 exp # 0 ' i xi j $
i 1
%
&
3 ln L N j j N j
' y x1 ' x1
31
j 1
j 1
k
exp # 0 ' i xi j $
i 1
%
& 0
k
1 exp # 0 ' i xi j $
i 1
%
&
1
1
N
N
ln L x , y ,...
L , x , y , 0 , 1 ,...
L , k
i 1
j 1
x
'
1 P Y 1| x
P Y 1| x
L x , y ,...
L , x , y
' ln 1 P Y 1| x j
j
j
j
j
' y
!ln P Y 1| x ln 1 P Y 1| x " ' ln 1 P Y 1| x
j 1
j 1
3 ln L N j j N j
' y xn ' xn
3 k
j 1
j 1
k
exp # 0 ' i xi j $
i 1
%
& 0
k
j
1 exp # 0 ' i xi $
i 1
%
&
75
Donde:
1 , 2 ,.L.. , k
..., N
x , j 1, 2, L
j
. Es
...
L
p 2 1 p 2
...
...
L
...
L
...L
...
1 p
, j 1, 2,.L.., N . W
M N , n
...
p 1
#
#
W #
#
#
##
%
j
...
...
L p
N
j
p
M N ,1, con p
exp x j viejo
j
1 exp x viejo
y:Vector de componentes
y , j 1, 2,.L.. , N
j
. Por
tanto c
M N ,1
Los criterios de convergencia del mtodo
iterativo utilizado para estimar los parmetros
pueden ser varios, pero en todos ellos la idea
subyacente es que bien
Es decir,
decir X
M N , n
p 1 p
$
$
$
$
$
$$
&
1 p
N
Recibido: 05/04/2005
Aceptado: 12/05/2005
Universidad de Medelln