| |||||
NUEVA GESTIóN DEL RIESGO DE CRéDITO En la última década la gestión del riesgo de crédito ha experimentado una auténtica revolución, que se inició en el ámbito bancario, basada en la utilización de metodologías actuariales y estadísticas (pérdida esperada / pérdida inesperada). Las posibilidades que ofrecen las nuevas tecnologías en lo relativo a tratamiento masivo de información y generación de escenarios, los avances experimentados en la gestión del riesgo de mercado (fundamentalmente el VaR - Value at Risk) y la necesidad de modelizar productos financieros complejos (derivados, opciones, etcétera) han incentivado la sofisticación de las herramientas que están utilizando los bancos para la gestión del riesgo de crédito, desde la aparición de CreditMetrics, desarrollado por J.P. Morgan a mediados de los noventa. Esta nueva gestión del riesgo de crédito ha obtenido un significativo impulso adicional con el acuerdo Basilea II ("Nuevo acuerdo de capitales de las entidades crediticias"), publicado en junio de 2004. El largo proceso de elaboración de esta normativa, mediante un novedoso sistema de colaboración entre las autoridades supervisoras y las entidades financieras privadas, ha contribuido enormemente a la difusión de una nueva cultura de gestión del riesgo. El riesgo de crédito o de incumplimiento ha recibido un tratamiento muy detallado en el llamado Pilar I ("Requerimientos mínimos de capital"), en línea con el carácter central que ocupa entre las diferentes contingencias bancarias. En el campo de los seguros su posición es secundaria, exceptuando la modalidad que afecta el incumplimiento de las entidades reaseguradoras y que por su especificidad suele denominarse "riesgo de reaseguro". Por este motivo, en la preparación de la futura normativa sobre solvencia de entidades aseguradoras europeas, Solvencia II, el interés dedicado al tema es menor. No obstante, existe un ramo en el que el riesgo de crédito es el concepto central, y su gestión se podría considerar casi como riesgo de suscripción. Obviamente, me refiero al seguro de crédito en el que el daño asegurado es la pérdida final experimentada por el asegurado a consecuencia de la insolvencia de sus deudores. Paralelamente a Basilea II, es previsible que las disposiciones de Solvencia II sobre este punto prevean al menos dos métodos de estimación del riesgo de crédito: uno estándar aplicable a todas las entidades y otro sólo para las entidades que tengan sus propios modelos validados y que se incentivaría permitiendo un menor consumo de capital. PROYECTO MODELOS ESTADíSTICOS PREDICTIVOS En MAPFRE comprendimos la importancia de profundizar en la aplicación de estas nuevas técnicas y elaborar nuestros modelos internos de calificación crediticia de los deudores, basándonos en nuestra propia información sobre incumplimientos. Es decir, hemos decidido desarrollar lo que en la terminología de Basilea II se conoce como modelos IRB (Internal Rating-Based). Así pretendemos no sólo garantizar la solvencia de la compañía, adelantándonos al previsible cambio de normativa, sino utilizar los modelos como pura herramienta de gestión para mejorarles la rentabilidad y el servicio a los asegurados. Las entidades que cuenten con los sistemas adecuados podrán discriminar los segmentos más rentables y reducir la siniestralidad al rechazar deudores que no cubren adecuadamente la prima de riesgo. Por este motivo, desde mediados de 2005, hemos comenzado el proyecto que denominamos Modelos Estadísticos Predictivos, con el que buscamos estimar la pérdida esperada que corresponde a cada deudor. El desarrollo de modelos internos se inicia con la creación de un repositorio de datos (DataMart) específico para riesgos que contenga toda la información que se considere relevante para estos propósitos, relativa a clasificaciones, primas y siniestros, entre otros. Una decisión importante es el horizonte temporal de los datos. En mi opinión, diez años cubren razonablemente las exigencias de las técnicas estadísticas, garantizando que las variaciones provocadas por los ciclos económicos quedan suficientemente recogidas. Un número excesivo de años de historia, además del mayor consumo de recursos informáticos, puede plantear problemas de homogeneidad de datos, ya que se incrementa la posibilidad de cambios de criterio o de definición de conceptos. ESTIMACIóN DE PéRDIDA ESPERADA El concepto de pérdida esperada tiene tres componentes básicos:
Es la probabilidad de que el deudor del asegurado incumpla sus obligaciones crediticias. Es una tasa de morosidad anticipada y recoge el efecto calidad (solvencia). éste es el factor que más discrimina la pérdida esperada ya que, en una cartera de deudores, su rango de variación es muy amplio. Es decir, entre un deudor con buena calificación y uno con mala, la diferencia puede ser muy grande; por ejemplo, dicha probabilidad es mil veces menor en un deudor con una PD de 0,01% que en uno con una PD del 10%.
Es el importe pendiente de pago en el momento del incumplimiento. Recoge el efecto cantidad (volumen) y representa el uso de la clasificación concedida por la aseguradora en el momento del incumplimiento. Para su determinación, debería aplicarse también el porcentaje de cobertura previsto en la póliza.
La severidad es la pérdida en que finalmente se incurre en caso de incumplimiento. Representa la probabilidad de no recuperar la deuda una vez que ésta se produce. Sería lo opuesto a la tasa de recuperación. CUANTIFICACIóN DE LA PROBABILIDAD DE INCUMPLIMIENTO La parte más compleja de la estimación de la pérdida esperada es la cuantificación de la probabilidad de incumplimiento de los deudores. La experiencia de las entidades bancarias aconseja la utilización de modelos de regresión logística, obtenidos mediante análisis multivariantes. Los modelos de redes neuronales tienen una capacidad predictiva muy elevada en las muestras de construcción, pero sus resultados disminuyen fuertemente al aplicarse a carteras reales; además, resultan difíciles de gestionar porque los usuarios les atribuyen características de "caja negra". Los principales requisitos que debe cumplir un sistema de calificación interno son ser:
El sistema de calificación crediticia debe ser comprensible no sólo en términos estadísticos, sino en términos de negocio. El objetivo es que los modelos se apliquen, por lo que, al seleccionar las variables explicativas, es importante que participen analistas de riesgos con experiencia para elegir aquéllas que resulten más fáciles de entender, aunque se sacrifique parte de la capacidad predictiva.
Debe permitir distinguir los buenos y malos pagadores. En la fase de construcción de los modelos, esta potencia suele medirse mediante indicadores usuales en este tipo de análisis, como la curva ROC, índice de poder, Gini, Kolmogorov-Smirnov, etcétera.
No es suficiente que el sistema ordene los deudores en niveles de calificación de mayor a menor capacidad de pago; es necesario que cuantifique la probabilidad de incumplimiento que se asigna a cada nivel. De este modo, en el control de los modelos se podrá determinar si el error producido en la realidad está dentro del intervalo previsto.
Su capacidad predictiva debe estar verificada. En la elaboración de los modelos, suele dividirse aleatoriamente en dos partes la muestra inicial de deudores buenos / malos. La primera parte se utiliza para la construcción de los algoritmos y la segunda para la comprobación de los resultados obtenidos. La validación empírica exige un seguimiento de los modelos para verificar si mantienen una capacidad predictiva razonable.
CONSIDERACIONES FINALES Por último, me gustaría incluir brevemente dos consideraciones finales que estimo muy importantes:
La construcción de los modelos de calificación crediticia es una labor compleja, pero aún más es conseguir su efectiva implantación en la práctica de la entidad. No vale de nada un modelo muy bueno técnicamente si luego no se utiliza de modo efectivo.
En este artículo me he referido a la estimación de pérdida esperada. ésta puede aplicarse al deudor y a carteras y subcarteras. |