Resumen de Modelos de valoración del Riesgo
Daniel Caridad López del Río
Con la crisis económica de los últimos años se ha puesto de manifiesto la elevada correlación actual entre la economía real y el sistema financiero. La economía financiera está basada en el sistema financiero, en papeles comerciales, en bonos, títulos valores, acciones, inversiones¿, por otro lado la economía real se basa en las industrias, fábricas, comercio, agricultura, explotación de materias primas¿ Las consecuencias de la crisis financiera fueron la ausencia de liquidez, la menor capacidad de financiación y la pérdida de clientes, lo que generó una enorme caída en la confianza de inversionistas y consumidores que consecuentemente supusieron una crisis en la economía real.
Uno de los principales motivos de la crisis financiera fue la incorrecta valoración de las hipotecas subprime. Las principales quiebras bancarias están asociadas al riesgo de crédito, es decir, a la situación que derivaba de que las empresas o los particulares no fueran capaces de atender a sus obligaciones de devolución.
Todo ello ha impulsado el análisis y la gestión del riesgo, así como su cuantificación, lo que ha supuesto cambios muy significativos en el panorama financiero, regulatorio y otorgando una mayor importancia a la gestión del riesgo crediticio.
La correcta calificación de riesgo de crédito es un factor crítico en el sistema financiero. Hoy en día, los avances metodológicos, técnicos y los sistemas de información, permiten mejorar el análisis que los profesionales hacen sobre la capacidad crediticia de los emisores.
En este entorno, las agencias de calificación o rating han adquirido progresivamente una importancia trascendental para los inversores, entidades financieras y reguladores. Sin embargo su papel se ha visto cuestionado a raíz de la crisis financiera y elevadas calificaciones de compañías que inmediatamente entraron en suspensión de pagos.
A lo largo de esta tesis doctoral se analizará la actual regulación bancaria, haciendo especialmente énfasis en las distintas normativas contables y en acuerdos como los del Banco Internacional de Pagos (Basilea) donde a lo largo de las últimas décadas se han actualizado las normativas y acuerdos en aras de mejorar la solvencia de las entidades financieras y suavizar los ciclos económicos.
Todos estos cambios obligan a las entidades financieras a ser dinámicas, flexibles e invertir grandes cantidades de recursos materiales y humanos para adaptarse en tiempo y forma a las nuevas normativas, que impactan directamente en su negocio.
En particular los acuerdos de Basilea II produjeron un cambio significativo en la concepción del riesgo de crédito. Uno de los principios que subyacían en este acuerdo era el de converger el capital regulatorio y el capital económico. Los métodos para la medición del riesgo de crédito estaban más desarrollados y se daba la posibilidad de calcular el riesgo de crédito mediante un enfoque estándar o mediante modelos basados en ratings internos.
Los métodos basados en modelos internos supusieron que los bancos podrían utilizar sus propias estimaciones internas para calcular la calidad crediticia de sus prestatarios, todo ello sujeto a una metodología y estándares estrictos.
La crisis financiera obligó a que el Banco de Pagos Internacionales propusiera nuevos cambios regulatorios, conocidos como Basilea III. Estas medidas estaban destinadas a que las entidades financieras mejorasen su capital mediante un aumento de la exigencia y de la calidad, lo que supuso un esfuerzo adicional para las entidades financieras.
Del mismo modo se abordará el funcionamiento general y la metodología de las agencias de calificación externa, con especial mención a las dos principales: Standard & Poors y Moody¿s.
Durante la última década las agencias han ganado peso en los mercados financieros, principalmente como consecuencia de la aceptación de sus calificaciones a efectos regulatorios y de la importancia de las calificaciones en el mercado de capitales.
Las calificaciones emitidas por las agencias de rating son una opinión sobre la capacidad y disposición de un emisor (público o privado) para hacer frente a sus obligaciones financieras.
Casos recientes como Enron, Parlamat, Lehman Brothers o las hipotecas subprime han reabierto el debate de revisar la regulación que afectaba a estas agencias. En Estados Unidos se optó por reformar el sistema NRSRO (Nationally Recognized Statistical Rating Organization) a través de la Credit Rating Agency Reform Act del 2006, que pasó de ser un sistema de registro a un sistema de reconocimiento. Con esta reforma la SEC (U.S. Securities and Exchange Commission) se encargaba de supervisar la calidad de los ratings de las agencias y si se demostraba que la calidad de los ratings de alguna de ellas estaba por debajo de las otras, dicha agencia podía perder la condición de NRSRO.
En Europa se adoptó el Código de Conducta propuesto por IOSCO (International Organization of Securities Commissions) y se creó un sistema parecido al antiguo NRSRO, por el cual los supervisores bancarios de cada país elegían a las agencias válidas bajo el estatus de ECAI (External Credit Assesment Institutions) para que sus ratings pudieran ser usados como inputs para calcular el capital regulatorio de las entidades de crédito.
Cada agencia de rating externa tiene su propia metodología, si bien comparten reglas y procedimientos similares, basados en el análisis cualitativo de la compañía respecto a la industria a la que pertenezca, y un análisis cuantitativo sobre unas determinadas variables basado en métodos estadísticos.
En este punto de la tesis abordaremos las principales críticas que han recibido las agencias y que han generado dudas sobre la fiabilidad de los ratings. Las principales críticas se derivan del oligopolio de las tres principales agencias (Standard & Poors, Moodys y Fitch) con más del 90% del mercado; los posibles conflictos de intereses con los calificados y con los propietarios de las agencias; la falta de transparencia de las metodologías aplicadas; y la posibilidad de cometer errores humanos a la hora de calcular un rating.
El objetivo final de esa tesis doctoral será replicar la calificación crediticia de las dos principales agencias de rating (Standard & Poors y Moody¿s) a través de una muestra aleatoria de corporaciones que tengan al menos una calificación de estas agencias.
Anteriormente se definirá el significado de riesgo de crédito, donde se analizan las variables clave en la medición del riesgo de crédito, como la probabilidad de fallido o impago (PD), la exposición al riesgo (EAD) y la severidad (LGD).
Con el objeto de decidir qué metodología aplicar y qué modelo escogeremos para realizar la réplica, se enumerarán y definirán los principales modelos que actualmente se utilizan para medir riesgos individuales, modelos para riesgos correlacionados y medidas de rentabilidad-riesgo.
Asimismo resulta necesario entender bien las variables objeto de modelización, por lo que se expondrá un análisis económico financiero básico similar al que se realiza en los procesos de elaboración de un rating en las entidades financieras.
En el estudio de esta tesis utilizaremos la técnica basada en redes neuronales.
Una red neuronal consiste en un conjunto de elementos o unidades de proceso de información, interconectadas, formando un sistema para ajuste de modelos no lineales. A partir de unas variables de entrada (exógenas o causales) se trata de explicar las variaciones de las variables de salida (endógenas o respuesta), similar a como se especificaría un modelo no lineal multiecuacional o uniecuacional.
La dependencia de las variables de salida respecto de las de entrada se formula mediante unas variables no observables, denominadas neuronas, con una estructura en una o varias capas.
Se ha seleccionado una muestra de empresas, mediante una selección aleatoria en la base de datos Bloomberg, para estudiar la relación entre varias variables económico financieras que se pueden obtener en el mercado, es decir, públicas, con el rating atribuido por dos de las principales agencias de valoración: S&P y Moody¿s.
La terminal de Bloomberg utiliza la información pública de las compañías, como informes anuales o auditorías, como fuente de información y posteriormente la procesa de forma homogénea (dada las diferencias existentes entre las distintas normativas contables).
El conjunto lo forman 1324 compañías, aunque no están disponibles todas las variables explicativas para todas; realmente son 787 las empresas que se incluyen con todos los datos completos. No obstante, al elaborar modelos predictivos, no todas las variables son significativas en los mismos, por lo que el número de firmas incluidas en los procesos de modelización, es algo mayor, dependiendo de cada modelo.
Se dispone de dos muestras de empresas seleccionadas al azar en diversos sectores económicos de las bases de datos de Bloomberg. Con respecto al intervalo de tiempo considerado, en la primera muestra se tienen sólo datos del ejercicio 2014, y por lo tanto son los ratings de este ejercicio los que se trata de modelizar. Con la muestra segunda, al tener datos de un período de cinco años (2010-2014), es posible abordar la predicción dinámica, o al menos, predecir la del último ejercicio teniendo en cuenta la situación en los años anteriores.
En los distintos modelos se usan las variables obtenidas de cada compañía en las bases de datos Bloomberg y los ratios calculados a partir de éstas, empleando una proporción del orden del 70%-80% de los datos disponibles para estimar los modelos, y dejando el 30%-20% restante para validar los resultados de predicción.
Además de las medidas de ajuste habituales y de la proporción de aciertos en la predicción del rating, se calcula la proporción de aciertos considerando clases móviles con la categoría inmediatamente anterior y la posterior, pues se considera que las estimaciones de las dos agencias empleadas tienen una variabilidad que alcanza casi el 45% entre las evaluaciones de una y otra, difiriendo éstas en uno o dos escalones en la puntuación.
El resultado del modelo de red neuronal nos muestra una capacidad predictiva sobre el rating de S&P (con 20 niveles) superior al 30,73% de los casos, superando en 7 puntos porcentuales otros estudios previos. Si se considera que se trata de predecir el rating con una posible desviación de un nivel o de dos niveles a ambos lados, estos porcentajes aumentan al 59,73% y al 80,15% aproximadamente, es decir, se obtiene una capacidad predictiva realmente elevada. Al predecir los ratings atribuidos por Moody's, una red con la misma topología tiene una capacidad predictiva mayor en casi un 4%, siendo las proporciones anteriores de 34,43%, 65,16% y 83,69%.
Las predicciones obtenidas para el rating de Moody's son, por tanto, más precisas que las que se obtienen para el rating de S&P. Quizás podría concluirse que las calificaciones de S&P están sobrevaloradas respecto a la realidad y que Moody's propone calificaciones más realistas y acordes a las variables económico-financieras de las empresas. Como son, en la mayoría de los casos, las propias empresas las que contratan un rating externo elaborado por una agencia de calificación, podría darse la circunstancia que lo hicieran más frecuentemente con S&P que con Moody's, debido a la tendencia de la primera de atribuir puntuaciones mayores. Esta tendencia es confirmada con toda claridad por el test de Wilcoxon.
En base a todo lo anterior, es evidente que la correcta clasificación del riesgo de crédito es un factor crítico en el sistema financiero.
