Probabilitatea de implicit - Probability of default

Reglementări și standarde bancare
fundal
Pilonul 1: Capital de reglementare
Pilonul 2: Revizuirea supravegherii
Pilonul 3: Dezvăluirea pieței
Portal de afaceri și economie

Probabilitatea de neplată ( PD ) este un termen financiar care descrie probabilitatea unei neplată pe un anumit orizont de timp. Oferă o estimare a probabilității ca un împrumutat să nu-și poată îndeplini obligațiile de creanță.

PD este utilizat într-o varietate de analize de credit și cadre de gestionare a riscurilor. Conform Basel II , acesta este un parametru cheie utilizat în calculul capitalului economic sau al capitalului de reglementare pentru o instituție bancară.

PD este strâns legat de pierderea așteptată , care este definită ca produsul PD, pierderea dată implicită (LGD) și expunerea la default (EAD).

Prezentare generală

PD reprezintă riscul ca împrumutatul să nu poată sau să nu dorească să-și ramburseze datoria în totalitate sau la timp. Riscul de neplată este derivat prin analiza capacității debitorului de a rambursa datoria în conformitate cu condițiile contractuale. PD este în general asociat cu caracteristici financiare, cum ar fi fluxul de numerar inadecvat pentru datoria de serviciu, scăderea veniturilor sau marjele operaționale, pârghie ridicată, lichiditate în scădere sau marginală și incapacitatea de a implementa cu succes un plan de afaceri. Pe lângă acești factori cuantificabili, trebuie evaluată și disponibilitatea împrumutatului de a rambursa.

-  [Biroul controlorului monedei]

Probabilitatea implicită este o estimare a probabilității ca evenimentul implicit să aibă loc. Se aplică unui anumit orizont de evaluare, de obicei un an.

Scorurile de credit , precum FICO pentru consumatori sau ratingurile obligațiunilor de la S&P, Fitch sau Moodys pentru corporații sau guverne, implică de obicei o anumită probabilitate de neplată.

Pentru grupul de debitori care au caracteristici similare ale riscului de credit, cum ar fi un RMBS sau un grup de împrumuturi, poate fi obținut un PD pentru un grup de active reprezentativ pentru debitorul tipic (mediu) al grupului. În comparație, un PD pentru o obligațiune sau un împrumut comercial, sunt de obicei determinate pentru o singură entitate.

În temeiul Basel II , se spune că a avut loc un eveniment implicit al unei obligații de creanță dacă

  • este puțin probabil ca debitorul să își poată rambursa datoria față de bancă fără a renunța la garanția gajată
  • debitorul a scadut cu mai mult de 90 de zile pentru o obligație de credit semnificativă

PD stresat și nestresat

PD a unui debitor depinde nu numai de caracteristicile de risc ale acestui anumit debitor , ci și mediul economic și gradul în care aceasta afectează debitorul . Astfel, informațiile disponibile pentru estimarea PD pot fi împărțite în două mari categorii -

  • Informații macroeconomice, cum ar fi indicii prețurilor locuințelor, șomajul, ratele de creștere a PIB etc. - aceste informații rămân aceleași pentru mai mulți debitori .
  • Informații specifice privind obligația, cum ar fi creșterea veniturilor (en-gros), de câte ori sunt delincvenți în ultimele șase luni (cu amănuntul) etc. - aceste informații sunt specifice unui singur debitor și pot fi fie de natură statică, fie dinamică. Exemple de caracteristici statice sunt industria pentru împrumuturile cu ridicata și originea „raportului împrumut / valoare” pentru împrumuturile cu amănuntul.

Un PD nestresat este o estimare că debitorul va fi implicit într-un anumit orizont de timp, având în vedere informațiile macroeconomice curente, precum și informațiile specifice debitorului . Aceasta implică faptul că, dacă condițiile macroeconomice se deteriorează, PD-ul unui debitor va tinde să crească, în timp ce va tinde să scadă dacă condițiile economice se îmbunătățesc.

Un PD stresat este o estimare conform căreia debitorul va fi implicit într-un anumit orizont de timp, având în vedere informațiile specifice actuale ale debitorului , dar luând în considerare factorii macroeconomici „stresați”, indiferent de starea actuală a economiei. PD-ul stresat al unui debitor se modifică în timp în funcție de caracteristicile de risc ale debitorului , dar nu este puternic afectat de modificările ciclului economic, deoarece condițiile economice nefavorabile sunt deja luate în considerare în estimare.

Pentru o explicație conceptuală mai detaliată a PD stresat și nestresat, consultați.

De-a lungul ciclului (TTC) și Point-in-Time (PIT)

Strâns legat de conceptul de PD stresate și nestresate, termenii de-a lungul ciclului (TTC) sau punct-în-timp (PIT) pot fi folosiți atât în ​​contextul PD, cât și în sistemul de rating. În contextul PD, PD stresat definit mai sus denotă de obicei PD TTC al unui debitor în timp ce PD nestresat denotă PD PIT. În contextul sistemelor de rating, un sistem de rating PIT atribuie fiecărui debitor o bucket astfel încât toți debitorii dintr-o bucket să împartă PD-uri nestresate similare, în timp ce toți debitorii dintr-o bucket de risc alocată de un sistem de rating TTC împart PD-uri similare.

Probabilitățile de nerambursare implicite de credit implicite (CDS-implicite) se bazează pe prețurile de piață ale swapurilor de nerambursare de credit. La fel ca prețurile de capitaluri proprii, prețurile acestora conțin toate informațiile disponibile pentru piață în ansamblu. Ca atare, probabilitatea de neplată poate fi dedusă de preț.

CDS furnizează probabilități de neîndeplinire a riscului neutre, care pot supraestima probabilitatea de neîndeplinire a riscurilor în lumea reală, cu excepția cazului în care primele de risc sunt luate în calcul. O opțiune este de a utiliza PD-uri implicite CDS împreună cu măsurile de credit EDF (Frecvența implicită așteptată).

Derivarea PD-urilor punctuale și de-a lungul ciclului

Există abordări alternative pentru derivarea și estimarea PD-urilor PIT și TTC. Un astfel de cadru implică distincția PD-urilor PIT și TTC prin intermediul fluctuațiilor sistemice previzibile în condițiile de credit, adică prin intermediul unui „ciclu de credit”. Acest cadru, care implică utilizarea selectivă a PD-urilor PIT sau TTC în diferite scopuri, a fost implementat cu succes în marile bănci britanice cu statutul BASEL II AIRB.

Ca prim pas, acest cadru folosește abordarea Merton în care pârghia și volatilitatea (sau proxy-urile lor) sunt utilizate pentru a crea un model PD.

Ca un al doilea pas, acest cadru presupune existența factorilor sistematici similari modelului factorului de risc asimptotic (ASRF).

Ca al treilea pas, acest cadru folosește predictibilitatea ciclurilor de credit. Aceasta înseamnă că, dacă rata implicită într-un sector este aproape istorică, atunci s-ar presupune că va scădea și dacă rata implicită într-un sector este aproape istorică, atunci s-ar presupune că va crește. Spre deosebire de alte abordări care presupun că factorul sistematic este complet aleatoriu, acest cadru cuantifică componenta previzibilă a factorului sistematic, ceea ce duce la o predicție mai precisă a ratelor de neplată.

Conform acestui cadru, termenul PIT se aplică PD-urilor care se deplasează în timp, în tandem cu ratele realizate, de neplată (DR), crescând pe măsură ce condițiile generale de credit se deteriorează și scad pe măsură ce condițiile se îmbunătățesc. Termenul TTC se aplică PD-urilor care nu prezintă astfel de fluctuații, rămânând fixe în general, chiar dacă condițiile generale de credit se diminuează și scad. PD-urile TTC ale diferitelor entități se vor schimba, dar media generală a tuturor entităților nu se va schimba. Precizia mai mare a PD-urilor PIT le face alegerea preferată în astfel de aplicații curente, cu riscuri precum prețurile sau gestionarea portofoliului. Stabilitatea generală a PD TTC le face atractive în aplicații precum determinarea RWA Basel II / II.

Cadrul de mai sus oferă o metodă de cuantificare a ciclurilor de credit, a componentelor lor sistematice și aleatorii și a PD-urilor PIT și TTC rezultate. Acest lucru se realizează pentru creditele cu ridicata prin rezumarea, pentru fiecare dintre mai multe industrii sau regiuni, a FED MKMV, a probabilităților implicite Kamakura (KDP) sau a unui alt set cuprinzător de PD-uri PIT sau DR-uri. După aceea, se transformă acești factori în unități convenabile și se exprimă ca devieri de la valorile lor medii respective pe termen lung. Transformarea unității implică în mod obișnuit aplicarea funcției de distribuție invers-normală, transformând astfel măsurile PD median sau mediu în măsurători ale „distanței implicite” mediane sau medii (DD). În acest moment, unul are un set de indici care măsoară distanța dintre curentul și media medie pe termen lung în fiecare dintre un set selectat de sectoare. În funcție de disponibilitatea datelor și cerințele de portofoliu, astfel de indici pot fi creați pentru diverse industrii și regiuni cu peste 20 de ani care acoperă recesiuni multiple.

După dezvoltarea acestor indici, se pot calcula atât PD-urile PIT, cât și TTC pentru contrapartidele din fiecare dintre sectoarele acoperite. Pentru a obține PD-uri PIT, se introduc indicii relevanți în modelele implicite relevante, se recalibrează modelele la valorile implicite și se aplică modelele cu modificări curente și proiectate în indici ca intrări. Dacă un model PD nu ar fi altfel PIT, introducerea indicilor îl va face PIT. Formularea modelului specific depinde de caracteristicile importante pentru fiecare clasă distinctă de contrapartide și constrângeri de date. Unele abordări comune includ:

  • Modelul raportului factorilor: Calibrarea factorilor financiari / nefinanciari și a indicilor ciclului de credit la valorile implicite. Această abordare funcționează bine cu un număr mare de valori implicite, de exemplu, portofolii IMM-uri sau portofolii corporative mari calibrate pe eșantioane implicite externe.
  • Modelul tabloului de bord: Calibrarea scorului și a indicilor ciclului de credit, calibrate la valorile implicite interne sau externe. Această abordare funcționează cu un număr mai mic de valori implicite în care nu există suficiente date pentru a dezvolta un model de raport. De exemplu, portofoliul de fonduri
  • Modelul direct al agenției: calibrarea gradelor ECAI (enumerate ca distanță implicită) și a indicilor de credit la valorile implicite ale ECAI și aplicarea acestuia agenției și entităților interne cotate. Această abordare funcționează bine în cazul în care există un set de date co-evaluat mare, dar nu există suficiente valori implicite interne, de exemplu portofoliu de asigurări
  • Modelul de replicare al agenției: Calibrați factorii financiari / nefinanciari / scorul scorecard-ului la PD-uri estimate din modelul direct al agenției. Această abordare funcționează bine acolo unde există un set de date mare, co-evaluat, dar un eșantion mic de valori implicite interne - de exemplu, portofoliu de asigurări
  • Modelul furnizorului extern: utilizarea modelelor precum modelul MKMV EDF cu indici ai ciclului de credit.

În acest moment, pentru a determina un PD TTC, urmează trei pași:

  • Conversia PIT PD în PIT DD
  • Scăderea indicelui ciclului de credit din PIT DD, obținând astfel TTC DD; și
  • Conversia DD TTC în PD TTC.

În plus față de modelele PD, acest cadru poate fi utilizat și pentru a dezvolta variante PIT și TTC ale modelelor LGD, EAD și Test Stress.

Majoritatea modelelor PD produc ieșiri PD care sunt de natură hibridă: nu sunt nici perfect punct-în-timp (PIT), nici prin ciclul (TTC). Media pe termen lung a frecvenței implicite observate ODF este adesea considerată ca un PD TTC. Se susține că, atunci când sunt luate în considerare pe o perioadă lungă de timp, efectele sistematice sunt în medie aproape de zero. Cu toate acestea, definirea perioadei de referință adecvate pentru calcularea unei astfel de medii este adesea dificilă, de exemplu, mai multe cicluri de afaceri din datele istorice pot depăși sau subestima media PD care este considerată o estimare părtinitoare. Mai mult, presupunerea unei PD TTC constante pentru un grup de debitori nu este realistă în practică. De fapt, riscul idiosincratic al unui portofoliu poate varia în timp. Un exemplu clasic îl constituie schimbările în distribuția portofoliului din cauza fluxurilor de intrare și ieșire ale debitorilor, dar și din cauza deciziilor luate de bancă, cum ar fi modificările condițiilor sau politicilor de creditare.

Estimare

Există multe alternative pentru estimarea probabilității de neplată. Probabilitățile implicite pot fi estimate dintr-o bază de date istorică a valorilor implicite reale folosind tehnici moderne precum regresia logistică . Probabilitățile de nerambursare pot fi, de asemenea, estimate din prețurile observabile ale swap-urilor de credit , obligațiunilor și opțiunilor pe acțiuni comune. Cea mai simplă abordare, luată de multe bănci, este de a utiliza agenții de rating externe precum Standard and Poors , Fitch sau Moody's Investors Service pentru estimarea PD-urilor din experiența istorică implicită. Pentru estimarea probabilității prestabilității întreprinderilor mici, regresia logistică este din nou cea mai obișnuită tehnică pentru estimarea factorilor determinanți ai prestabilității pentru o întreprindere mică pe baza unei baze de date istorice a valorilor implicite. Aceste modele sunt atât dezvoltate intern, cât și furnizate de terți. O abordare similară este luată cu privire la neplată cu amănuntul, folosind termenul „ scor de credit ” ca eufemism pentru probabilitatea de neplată, care este adevăratul obiectiv al creditorului.

Unele dintre metodele statistice populare care au fost utilizate pentru a modela probabilitatea de neplată sunt enumerate mai jos.

Vezi si

Referințe

  1. ^ Bankopedia: Definiție PD
  2. ^ FT Lexicon: Probabilitate de implicit
  3. ^ Introducere: Probleme în modelarea riscului de credit pe piețele cu amănuntul
  4. ^ Versiunea cuprinzătoare Basel II, pag. 100
  5. ^ a b BIS: Studii privind validarea sistemelor de rating intern
  6. ^ Diapozitive 5 și 6: Distincția între măsurile de credit PIT și TTC
  7. ^ http://www.moodysanalytics.com/~/media/Insight/Quantitative-Research/Default-and-Recovery/10-11-03-CDS-Implied-EDF-Credit-Measures-and-Fair-Value-Spreads .ashx >
  8. ^ http://mpra.ub.uni-muenchen.de/6902/1/aguais_et_al_basel_handbook2_jan07.pdf
  9. ^ Aguais, SD, și colab., 2004, „Point-in-Time versus Through-the-Cycle Ratings”, în M. Ong (ed.), The Basel Handbook: A Guide for Financial Practitioners (Londra: cărți de risc)
  10. ^ Merton, Robert C., „Despre prețul datoriei corporative: structura de risc a ratelor dobânzii”, Journal of Finance, vol. 29, nr. 2, (mai 1974), pp. 449-470 doi : 10.2307 / 2978814
  11. ^ Gordy, MB (2003) Un model de factor de risc pentru fundamentul regulilor de capital bancar bazate pe ratinguri. Jurnalul de intermediere financiară 12, 199 - 232.
  12. ^ http://www.bis.org/bcbs/irbriskweight.pdf
  13. ^ Institutul de finanțare internațională Ponderea activelor ponderate la risc (IRTF) „Modelarea punctuală în timp și pe parcursul ciclului”. Raport tehnic, Institutul de Finanțe Internaționale, 2016.
  14. ^ SD Aguais, LR Forest Jr., M. King, MC Lennon și B. Lordkipanidze. „Proiectarea și implementarea unui cadru de evaluare PIT / TTC conform Basel II.” În MK Ong, editor, The Basel Handbook: A Guide for Financial Practitioners, paginile 267 {297. Risk Books, Londra, ediția a II-a, 2008. ISBN  9781904339557 .
  15. ^ Oeyen, B .; Salazar Celis, O. (2019). „Despre probabilitatea implicită și relația sa cu frecvența implicită observată și un factor comun”. Journal of Credit Risk . 15 (3): 41-66. doi : 10.21314 / JCR.2019.253 . S2CID  204421422 .
  16. ^ Autoritatea de Conduită Financiară (FCA). „Manualul FCA”. Financial Conduct Authority, Londra, ediția a 23-a, 2018.
  17. ^ Parametrii de risc Basel II

Citind

  • de Servigny, Arnaud și Olivier Renault (2004). Ghidul Standard & Poor's pentru măsurarea și gestionarea riscului de credit . McGraw-Hill. ISBN 978-0-07-141755-6.
  • Duffie, Darrell și Kenneth J. Singleton (2003). Riscul de credit: stabilirea prețurilor, măsurarea și gestionarea . Princeton University Press. ISBN 978-0-691-09046-7.

linkuri externe