You are on page 1of 21

Junio-2002

BANCO
DE
MEXICO
EL IMPACTO DE LA CORRELACIN
ENTRE IMPAGOS
EN LA CONCENTRACIN DE RIESGO
EN PORTAFOLIOS DE PRSTAMOS
BANCARIOS:

Construccin de un ndice de concentracin de
riesgo y adecuacin del modelo CyRCE para
medir el riesgo de crdito.



1


EL IMPACTO DE LA CORRELACIN ENTRE IMPAGOS
EN LA CONCENTRACIN DE RIESGO
EN PORTAFOLIOS DE PRSTAMOS BANCARIOS:

Construccin de un ndice de concentracin de riesgo y
adecuacin del modelo CyRCE para medir el riesgo de crdito.

Javier Mrquez Diez-Canedo
1

Gerencia de Anlisis de Riesgos y Proyectos Especiales
Banco de Mxico
Junio del 2002





Resumen.

En la primera versin del modelo CyRCE se mencion que la correlacin
de incumplimiento entre deudores aumenta la concentracin de riesgo. En
este documento se analiza la forma en que la correlacin afecta la
concentracin, replanteando el modelo general de CyRCE, de manera que
la medida de la varianza de prdidas es el cociente de Rayleigh. El
anlisis se basa en el concepto de una correlacin equivalente y se
aprecia que la varianza resultante es una combinacin convexa entre la
mxima concentracin posible y la del portafolio de crditos, medida con el
ndice de Herfindahl y Hirschman, donde el ponderador es dicha
correlacin equivalente. Esto conduce de manera natural a la construccin
de un ndice de concentracin de riesgo en la cartera de crditos, y
cualquier segmento de esta que se quiera analizar.

Adems de permitir el anlisis del impacto de la correlacin, este nuevo
modelo es ms simple y fcil de implantar que el anterior y conduce a
lmites individuales ms precisos, segn se puede apreciar a travs del
ejemplo que se manej en la primera versin.

1
El autor desea agradecer la colaboracin de Maribell Rojas Garduo, Rosa Emilia Ojeda y Alberto
Romero.


2

EL IMPACTO DE LA CORRELACIN ENTRE IMPAGOS
EN LA CONCENTRACIN DE RIESGO
EN PORTAFOLIOS DE PRSTAMOS BANCARIOS:

Construccin de un ndice de concentracin de riesgo y
adecuacin del modelo CyRCE para medir el riesgo de crdito.


Javier Mrquez Diez-Canedo
Gerencia de Anlisis de Riesgos y Proyectos Especiales
Banco de Mxico
Junio del 2002





I. INTRODUCCIN:

Aunque matemticamente el modelo CyRCE original es correcto, su implantacin en la
prctica es complicada, ya que el cambio de variable utilizado exige la factorizacin de la
matriz de varianza-covarianza de incumplimientos M mediante su raz cuadrada S; es
decir: M = S
T
S. El problema estriba en que esta representacin de S no es nica, y que
requiere un esfuerzo numrico que no es despreciable. Adems, aunque se hace evidente
que el redimensionamiento del vector original de crditos que resulta del cambio de
variable G =SF implica que la concentracin por nmero de crditos no necesariamente
es lo mismo que la concentracin de riesgo, es difcil medir y visualizar la forma como la
correlacin afecta la concentracin por nmeros y se genera la concentracin de riesgo
dentro de la cartera.

En este estudio, se vuelve a derivar el modelo CyRCE utilizando el cociente de Rayleigh,
llegando a relaciones ms simples y fciles de manejar en la prctica. Bajo la misma
estructura analtica del desarrollo original, se derivan expresiones para VaR, suficiencia
de capital, y lmites individuales . Asimismo, el modelo se extiende para permitir el anlisis
de la cartera segmentada, obteniendo lmites individuales diferenciados y requisitos de
capital por segmento adems de expresiones que indican la contribucin de cada
segmento al riesgo total de la cartera.

La parsimonia del modelo, proporciona un medio conveniente para analizar el impacto de
la correlacin entre incumplimientos al riesgo de crdito en general y a la concentracin
en lo particular. El anlisis permite construir un ndice de concentracin de riesgo que es
muy til para el anlisis de riesgo de un portafolio de crditos, o cualquiera de sus
segmentos. Los resultados se ilustran aplicando el nuevo modelo a los datos del mismo
ejemplo numrico de la versin original.


II. UN MODELO GENERAL DE RIESGO CRDITO.

Considrese una cartera crediticia donde todos los crditos tienen diferentes
probabilidades de impago, y que adems estn correlacionados entre s. Supngase que


3
la distribucin de probabilidad de impago se puede caracterizar mediante la media y la
varianza. Se conocen el vector de probabilidades esperadas de impago y la
correspondiente matriz de varianza-covarianza M. La relacin de monto en riesgo
queda:
K z VAR
T
+ F M F F
T

....(1.1)

Al multiplicar y dividir F
T
MF por F
T
F, y dividir todo por el valor de la cartera F 1
T
V , se
obtiene la relacin de suficiencia de capital segn:

( ) ( ) F H z p F H
F F
MF F
z p
T
T


+ + .....(1.2)

Donde

) , (
2
M F R
F
T
F
MF
T
F
= Cociente de Rayleigh .....(1.3)

es una medida de la desviacin estndar de las prdidas y

V
p
T
F
.......(1.4)

es la probabilidad de incumplimiento promedio ponderada por el tamao relativo de los
crditos. De aqu se obtiene la cota sobre la concentracin y el lmite individual sobre los
crditos aplicando el teorema 5.1 de la versin original
2
, segn:

( )
2

,
_

z
p
F H .......(1.5)


De hecho, las desigualdades de (1.2) y (1.5) tienen exactamente la misma forma que se
obtuvo en la versin original, excepto que ahora, la varianza de las prdidas est medida
por el Cociente de Rayleigh. Ntese que el cociente de Rayleigh es una relacin entre la
norma del vector de crditos redimensionado a travs de la matriz de varianza-covarianza
y la norma del vector original de crditos. Es fcil verificar que lo anterior se reduce al
caso simple unidimensional cuando las probabilidades de incumplimiento son iguales e
independientes
3
para todos los deudores.

Como se indic en la versin original, el redimensionamiento del vector de crditos a
travs de la matriz de varianza-covarianza implica que la concentracin en nmeros no
es lo nico que debe tomarse en cuenta. Es decir, un grupo de muchos crditos
pequeos pero de varianzas de incumplimiento grandes y altamente correlacionados

2
Vase J. Mrquez. Suficiencia de Capital y Riesgo Crdito. BANXICO Docto. De Investigacin N0. 2002-4
3
Simplemente hgase = p1 y M = p(1-p)I.


4
entre s puede representar ms riesgo, que un pequeo grupo de crditos grandes, cuya
varianza y probabilidades de impago sean pequeas y que adems no estn muy
correlacionadas, ni entre s, ni con otros crditos. La varianza total de las prdidas
( ) F H , se descompone en el efecto de la varianza de las probabilidades de
incumplimiento, medida por el cociente de Rayleigh y el efecto de la concentracin
medida por H(F).

III. La correlacin equivalente, su impacto en la concentracin de riesgo y un
ndice de Concentracin de Riesgo.

Para investigar la manera en que se aumenta el riesgo de crdito al aumentar la correlacin,
considrese el caso particular en el que las probabilidades de incumplimiento son las
mismas para todos los crditos al igual que sus coeficientes de correlacin; es decir:
Cuando la matriz de varianza - covarianza se puede escribir segn:

,
_

,
_

1
1
1
2
2 2 2
2
2 2
2 2 2



L
O O M
M O
L
L
O O M
M O
L
M ......(3.1)

Para el caso en que la distribucin asociada al incumplimiento de los crditos individuales
es Bernoulli(p), se tiene que:

,
_


1
1
1
) 1 (


L
O O M
M O
L
p p M ......(3.2)


Aplicando (1.1) a este caso simple, la expresin para VaR es:

{ } ) ( ) 1 ( ) 1 ( F H p p z p V VaR

+ + ......(3.3)

En la relacin anterior, la varianza de prdidas se descompone en dos elementos. El
primero es el que se refiere a la varianza Bernoulli p(1-p), mientras que el efecto de
concentracin est representado por:

) ( ) 1 ( ' F H H + .... (3.4)

Ntese que esta expresin representa una combinacin convexa entre H(.) = 1 de un
portafolio totalmente concentrado, y el ndice de concentracin de la cartera original de


5
crditos H(F). As, se puede decir que la cartera se comporta como una en donde hay
independencia entre deudores pero con una concentracin H, que aumenta de acuerdo con
el coeficiente de correlacin . Por esta razn, H podra considerarse como un ndice de
concentracin corregido por correlacin. Evidentemente, si hay independencia de
incumplimiento entre deudores y la correlacin es nula ( =0); H = H(F). En el caso
contrario, si los incumplimientos entre deudores estn perfecta y positivamente
correlacionados ( =1); entonces: H = 1. Por esta razn podemos pensar que H es de
hecho, un ndice de concentracin de riesgo.

Basado en lo anterior, para cualquier nivel de riesgo de una cartera de crditos - medido por
el VaR de acuerdo con (1.1) - se pueden encontrar una probabilidad de incumplimiento p
y un coeficiente de correlacin , tales que

( ) [ ] ) ( ) , ( ) ( ) 1 ( ) 1 ( ' 1 F H F M R F H p p H p p + ......(3.5)

Despejando el coeficiente de correlacin se obtiene:

[ ]
[ ] ) ( 1 ) 1 (
) ( ) 1 ( ) , (
1
) (
1
1
) 1 (
) , (
F H p p
F H p p F M R
F H
p p
F M R

,
_

,
_


......(3.6)

La expresin anterior nos dice que el coeficiente de correlacin equivalente para todos los
crditos del portafolio, es una razn entre diferencias de varianzas. En el numerador, es la
diferencia entre la varianza de prdidas de la cartera de crditos, y la varianza de prdidas
de la cartera de crditos F, si todos los crditos tuvieran la misma probabilidad de
incumplimiento p y fuesen independientes. En el denominador, es la diferencia entre la
varianza de prdidas de una cartera totalmente concentrada, con la varianza de prdidas de
la cartera de crditos F, si todos los crditos tuvieran la misma probabilidad de
incumplimiento p y fuesen independientes. Para propsitos prcticos, si se toma por
probabilidad de incumplimiento la promedio ponderada de la cartera (1.4), se puede
encontrar el coeficiente de correlacin implcito mediante (3.6) y as estimar el ndice de
concentracin de riesgo segn (3.4).

EJEMPLO 3.1

Para ilustrar los resultados anteriores, considrese el grupo de crditos del ejemplo
anterior; Cuadro 6.1.

Cuadro 6.1



6



Cuadro 7.1.



Por su tamao, la matriz de covarianzas M, se segment en tres bloques
4
.

1
1
1
]
1

3 2 3 1 3
3 2 2 1 2
3 1 2 1 1
M C C
C M C
C C M
M
, ,
, ,
, ,

Suponiendo normalidad, el valor en riesgo o monto en riesgo del portafolio con un nivel de
confianza de 5%, es:

$55,684 6) 1.96(21,17 14,179 MF
T
05 .
T
05 .
F z F VaR + +

Calculando ahora:

0.1089
130,164
14,179

V
p
F p
T
y 0.6329 0.4006
F F
MF F
T
T


Recordando que H(F) = 0.0661, la condicin de suficiencia de capital queda:

0.4278 ) F ( H z p + >



Supngase K = $60,000, de manera que 4610 . 0
164 , 130
000 , 60
. Entonces, al calcular el
lmite individual como proporcin del valor del portafolio, de la ecuacin (1.5), se obtiene:


4
Dichos bloques se presentan en las tablas B.2 a B.7 en el apndice B.
A B C D E F G
Probabilidad Media (p) 1.65 3.00 5.00 7.50 10.00 15.00 30.00
de Impago (%) Desv. Est. [p(1-p)] 12.74 17.06 21.79 26.34 30.00 35.71 45.83
Calificacin
N de
Crditos A B C D E F G TOTAL
1 $4,728 $5,528 $3,138 $5,320 $1,800 $1,933 $358 $22,805
2 $7,728 $5,848 $3,204 $5,765 $5,042 $2,317 $1,090 $30,994
3 $4,831 $20,239 $15,411 $2,411 $2,652 $45,544
4 $4,912 $2,598 $4,929 $12,439
5 $5,435 $6,467 $11,902
6 $6,480 $6,480
TOTAL $12,456 $11,376 $21,520 $31,324 $22,253 $9,259 $21,976 $130,164
CALIFICACIN


7
0805 . 0
9) 1.96(0.632
0.1089 - 0.4610
z
p
2 2

,
_

,
_



Esto es:
482 , 10 $ 164 , 130 $ 0805 . 0 f
i


Slo existen dos crditos que exceden este lmite (Cuadro 7.2). Ntese que la cota es
exactamente la misma que se obtuvo con la otra versin del modelo.

Ahora, vamos a ver el impacto de la correlacin en la concentracin a travs de la
correlacin equivalente (3.6):

[ ]
[ ]
2212 . 0
0661 . 0 1 0971 . 0
0661 . 0 0971 . 0 4006 . 0






Con esto, el ndice de concentracin de riesgo es:

H = 0.2212 + (1-0.2212)0.0661 = 0.2727

Debe notarse que de entrada, el portafolio de este ejemplo es muy malo, dado que una
gran proporcin de los crditos tienen probabilidades de impago altas. Si adems de esto
se le agrega el efecto de la correlacin sobre la concentracin, vemos que la prdida no-
esperada es de 1627 . 0 ) F ( H , comparada con 0801 . 0 ) ( ) 1 ( F H p p de los
crditos que suponen independencia en los impagos; es decir: La correlacin duplica la
desviacin estndar de la distribucin de prdidas de los crditos no correlacionados.
Como se aprecia en el anlisis, el efecto de correlacin hace que la concentracin de
riesgo H = 27.27%, sea cuatro veces ms que la concentracin por nmeros H(F) =
6.61%, de tal manera que el requerimiento de capitalizacin de 43% del portafolio con
crditos correlacionados, es substancialmente mayor al 27% requerido bajo el supuesto
de independencia.


Cuadro 7.2



8


EJEMPLO 3.2

Se mencion anteriormente que la concentracin en nmeros no es lo nico que debe
tomarse en cuenta. Para ilustrar esta aseveracin, considrese un portafolio de un solo
crdito cuya calificacin es A:
Cuadro 7.3




Probabilidad de
Incumplimiento
1 A 0.0165 4,728 3.6%
2 C 0.05 3,204 2.5%
3 C 0.05 4,912 3.8%
4 D 0.075 5,320 4.1%
5 D 0.075 20,239 15.5%
6 F 0.15 1,933 1.5%
7 F 0.15 2,598 2.0%
8 G 0.3 1,090 0.8%
9 B 0.03 5,528 4.2%
10 C 0.05 3,138 2.4%
11 C 0.05 4,831 3.7%
12 E 0.1 5,042 3.9%
13 E 0.1 15,411 11.8%
14 F 0.15 2,411 1.9%
15 G 0.3 358 0.3%
16 G 0.3 6,467 5.0%
17 A 0.0165 7,728 5.9%
18 B 0.03 5,848 4.5%
19 C 0.05 5,435 4.2%
20 D 0.075 5,765 4.4%
21 E 0.1 1,800 1.4%
22 F 0.15 2,317 1.8%
23 G 0.3 2,652 2.0%
24 G 0.3 4,929 3.8%
25 G 0.3 6,480 5.0%
130,164
F Proporcin Calificacin
N de CALIFICACIN PROBABILIDAD DESVIACIN
Crditos A DE IMPAGO (%) ESTNDAR (%)
1 $130,164 1.65 12.74


9
Dado que es un portafolio de un solo crdito el ndice de HH es igual a uno. Suponiendo
normalidad y escogiendo un nivel de confianza de 5%, z

= 1.96 se obtiene:

VaR
.05
( ) ) p 1 ( p z p V +

= 130,164(0.0165+0.2497) = $34,647

Supngase que el capital econmico es $60,000, entonces la razn de capitalizacin es:
2662 . 0
164 , 130
647 , 34
4610 . 0

Ahora considrese el portafolio de crditos del ejemplo 3.1., el VaR de este portafolio es:

VaR
.05
{ } ) F ( H ) 1 ( ) p 1 ( p z p V + +



= 130,164[0.1089+1.96(0.3116)(0.5222)] = $55,684

donde 0.2212 y H = 0.2727

Supngase el mismo capital econmico, entonces la razn de capitalizacin es:
4278 . 0
164 , 130
684 , 55
4610 . 0

Si la correlacin fuera nula, 0, entonces ) F ( H ' H . Tmese el caso en el que H(F)=1,
es decir, el caso en el que se tuviera un solo crdito. El VaR de este portafolio sera:

VaR
.05
{ } ) p 1 ( p z p V +

= 130,164(0.7196) = $93,662

Es decir, el VaR bajo este esquema es casi tres veces mayor al VaR calculado para el
portafolio descrito en el Cuadro 7.3 en donde slo se tiene un crdito. La diferencia estriba
en la probabilidad de default, ya que mientras que en un portafolio se tiene un solo crdito
con probabilidad de 0.0165, en el otro portafolio se tiene una probabilidad ponderada de
0.1089 que es casi 7 veces la probabilidad del crdito con calificacin A.

Por otro lado si la correlacin fuera unitaria, 1, entonces 1 ' H , sin importar el ndice
de concentracin en nmeros y otra vez se llega a que todo el peso lo tiene la
probabilidad de default del portafolio.





7.3 EL TRATAMIENTO DE DIFERENTES DIMENSIONES DE CONCENTRACIN

Generalmente, los bancos clasifican sus portafolios de crditos en segmentos de
acuerdo a algn criterio prctico de clasificacin, como regin geogrfica, industria, o
productos. Otro criterio es el de separar crditos al consumo por nivel de ingreso de los
deudores, o crditos corporativos o empresariales a negocios de diferentes tamaos, y la


10
clasificacin responde de alguna manera a la forma en que los bancos hacen sus
negocios. Para el propsito de riesgo crdito en general y de concentracin en particular,
se deseara adoptar un criterio diferente. Como se mencion con anterioridad, uno de los
problemas ms difciles es determinar ex-ante, dimensiones potencialmente peligrosas de
concentracin, y eso puede no tener nada que ver con la estructura organizacional del
banco. Afortunadamente, el modelo desarrollado permite una segmentacin totalmente
arbitraria del portafolio, de manera que puede analizarse desde varios ngulos, y permite
determinar los segmentos donde la concentracin es potencialmente riesgosa. Esto
permite la distincin de lmites para cada segmento, y la evaluacin de las implicaciones
en trminos de la suficiencia de capital. En lo que sigue, se emplearn las palabras clase,
segmento y dimensin de concentracin como sinnimos.

7.3.1. EL ANLISIS DE SEGMENTOS INDIVIDUALES.

Supngase que se hace una particin arbitraria de F en h clases, ( )
h
T
F F F ,...,
1
, donde
F
i
es un vector que contiene los saldos de los crditos que pertenecen al i-simo
segmento. Ahora se particionan el vector de probabilidades esperadas de incumplimiento
y la matriz de varianza-covarianza, de esta manera:


a) ( )
i
; Particin del vector de probabilidades de impago,
donde
i
es el vector de probabilidades de impago
del segmento i; i = 1,2,3,....,h


b) La matriz de varianza-covarianza se particiona como:

1
1
1
1
]
1

h h h
nh
h
M C C
C M C
C C M
L
M O M M
L
L
2 1
2 2 21
1 12 1
M

Cada submatrz M
i
corresponde a la matriz de varianza-covarianza idiosincrtica del grupo
i y tiene dimensin (N
i
N
i
); donde N
i
es el nmero de crditos en el segmento. Todas
estas matrices son positivas definidas al igual que M y las matrices C
ij
contienen las
covarianzas de las probabilidades de impago entre los crditos del grupo i y las del
grupo j.

A partir de aqu, sea

i
F j
j i
f V , el valor de la cartera asociada a la clase i, y V V
h
i
i

1
.
Ahora, sea K
i
=
i
K, donde
i
es la proporcin del capital asignado al segmento i;
[ ]


h
i
i i
i
1
1 ; 1 , 0 . Procediendo de manera usual, la desigualdad el valor en riesgo
para cada clase es:

K K S z VaR
i i i
T
i
i
+

F F F p
T
i
. (7.9)


11
En lo anterior, es importante notar que la matriz S
i
tiene la forma siguiente:

S
i
=
1
1
1
1
1
1
]
1

0 0
0 0
1
1
L L
M L M L M
L L
M L M L M
L L
Ni
iN i i
i
C
C M C
C
. (7.10)

Cada matriz S
i
solamente toma en cuenta las correlaciones entre las probabilidades de
impago de los crditos del grupo i con los de los dems grupos, pero elimina las
correlaciones entre los dems grupos que no inciden directamente sobre el grupo en
cuestin. Otra forma de escribir la desigualdad del Valor en Riesgo es la siguiente:

{ }
i
i j / j
j
T
i i
T
i i
i
K 2 z VaR + +


F C F F M F F p
ij i
T
i
. (7.11)

Dividiendo ambos lados por el valor de la cartera V
i
, despus de un poco de lgebra se
llega a:
( )
( ) { }

,
_

i j j
j ij
T
i
i i
i
i i
i
F C F
z
p
F H
2
2
2
2
F 1
T

. (7.12)

donde ( )
i i
i
M F
F F
F M F
, R
i
i
T
i
i
T
i
i
.

Resulta interesante notar que la cota de la concentracin ahora incluye una correccin
que tiene que ver con la correlacin de impago con los crditos de otros segmentos (el
segundo trmino en el lado derecho de la desigualdad). Esto concuerda con la intuicin,
dado que una correlacin alta de impago con los crditos de otros segmentos, indica que
se puede tolerar menos concentracin en el grupo i.

Con un argumento anlogo al de la seccin 7.2, se obtienen entonces lmites individuales

i
para los crditos de cada segmento:


( ) { }

,
_



i j j
j ij
T
i 2
i
2
i
2
i
i i
i
F C F
2
z
p
F 1
T
..(7.13)


Al igual que con la expresin (7.6), el cociente de Rayleigh conduce a:

{ }

'

,
_



i j j
j ij
T
i
2
i
2
i i
max
i
F C F
V
2
z
p 1
.(7.14)



12
Ntese que la diferencia con la relacin (7.5), es que en (7.13) se hace un ajuste por la
correlacin que hay entre las probabilidades de impago de los crditos del segmento i
con las de los crditos de los dems segmentos, representado por el trmino,

( )
{ }

i j j
j ij
T
i
2
i i
F C F
V
2

{ }

i j j
j ij
T
i
2
i
F C F
V
2


Evidentemente, cuando este trmino es positivo, como suele ser el caso, el efecto es el
de reducir las cotas sobre los segmentos individuales. En resumen, se evidencia como se
obtienen lmites individuales diferenciados por segmento, que dependen de tres factores;
a saber:

1. La razn de suficiencia de capital idiosincrsica del segmento:

2
i
i i
z
p

,
_



2. La correccin por correlacin con otros segmentos:

( )
{ }

i j j
j ij
T
i
2
i i
F C F
V
2

{ }

i j j
j ij
T
i
i
F C F
V
2
2


3. El cociente de Rayleigh, explcito en 1 y 2, o en su caso el valor
caracterstico mayor de M.


7.3.2. SUFICIENCIA DE CAPITAL PARA UNA CARTERA SEGMENTADA.

Al integrar el anlisis de los segmentos individuales a todo el portafolio, es importante
tomar en cuenta dos cosas. Primero, que los pesos relativos de cada segmento en el
portafolio no alteren los resultados obtenidos para el portafolio no segmentado. Segundo,
que se mantenga una propiedad de aditividad, que permita sumar los requerimientos de
capital de los segmentos individuales, para obtener el requerimiento para el portafolio en
su conjunto. Esto puede lograrse de la siguiente manera:

Sea


h
1 i
i
T
T
F S F
MF F
.. (7.15)
y defnase:

K K z
i i i
T
i i
+

F S F F p
T
i
para i = 1,2,,h ..(7.16)

Donde
i
0 y 1

i
i
. Es fcil verificar que F M F F
T

z VaR
T
i
i
+

.

Ahora, dividiendo (7.16) por V
i
, un anlisis similar al de la seccin anterior conduce a:


13

( ) ( )
( ) { }

+ +


i j / j
j
T
i 2 i i i
i
i
i
2
F H , R z p
V
F C F
F 1
M F
ij
i
T
i i
.(7.17)

Resolviendo para H(F
i
) se obtiene,

( )
( ) { }

,
_

i j j
j ij
T
i 2
i i
2
i
i i
i
F C F
V
2
z
p
F H ..(7.18)

y por el Teorema 6.1,


( ) { }

,
_



i j j
j ij
T
i 2
i i
2
i
i i
i
F C F
V
2
z
p
..(7.19)

En lo anterior, (7.17) establece la suficiencia de capital para los segmentos individuales,
(7.18) establece un lmite de concentracin para el segmento, y (7.19) provee la relacin
para los lmites individuales. Usando el cociente de Rayleigh y los resultados del Teorema
6.1, pueden obtenerse las expresiones para todo lo anterior pero en trminos de los
valores caractersticos.

Ntese que (7.17) y las expresiones siguientes se obtienen de
i
/V
i
, de manera que el
peso de los segmentos en el portafolio no se toma en cuenta. Por lo tanto, una simple
suma de trminos puede ser engaosa en cuanto a suficiencia de capital para el portafolio
segmentado. Por lo tanto, sea,
V
V
i
i
. Entonces, por construccin, si (7.17) se satisface
para todos los segmentos,

h
i
i i
1
asegura suficiencia de capital para el portafolio.

Una vez ms, el anlisis nos lleva a unas relaciones simples de las cuales se puede
establecer suficiencia de capital. Las expresiones obtenidas pueden usarse como
instrumentos normativos para determinar lmites individuales, cambios en la composicin
del portafolio y/o los ajustes al capital requeridos para mantener suficiencia si cambia el
comportamiento de impago de los crditos en alguno o todos los segmentos.


EJEMPLO 7.2.

Para ilustrar estos resultados, se usar el portafolio mostrado en el Cuadro 6.1 de los
ejemplos anteriores. Este portafolio se segment en tres grupos. El vector de crditos, las
probabilidades de impago y la matriz de varianza-covarianza se particion de acuerdo a:

( )
3 2 1
T
F F F F , ( )
3 2 1
T
y
1
1
1
]
1

3 2 3 1 3
3 2 2 1 2
3 1 2 1 1
M C C
C M C
C C M
M
, ,
, ,
, ,
donde:


14

M
1
, es la matriz de varianza-covarianza idiosincrtica del primer
grupo, que en este ejemplo consiste en ocho crditos: A1, C2,
C4, D1, D3, F1, F4 y G2.
5


M
2
, es la matriz de varianza-covarianza idiosincrtica del segundo
grupo. En este ejemplo est formado por los ocho crditos
siguientes: B1, C1, C3, E2, E3, F3, G1 y G5.

M
3
, es la matriz de varianza-covarianza idiosincrtica del tercer
grupo, que en este ejemplo se conforma de los nueve crditos
restantes: A2, B2, C5, D2, E1, F2, G3, G4 y G6.

C
12
T
= C
21
,

es la matriz de covarianzas entre los crditos de los
grupos uno y dos. Anlogamente, C
13
T
= C
31
es la matriz de
covarianzas entre los crditos del primer y segundo grupos y
C
23
T
=C
32
es la matriz de covarianzas entre los crditos del
segundo y tercer grupos.

Ntese que para cada segmento, la forma de la matriz S
i
es:

S
1
=
1
1
1
]
1

0 0 C
0 0 C
C C M
31
21
13 12 1
, S
2
=
1
1
1
]
1

0 C 0
C M C
0 C 0
32
23 2 21
12
y S
3
=
1
1
1
]
1

3 32 31
23
13
M C C
C 0 0
C 0 0
.

Para aplicar los resultados, el primer paso es calcular el valor de cada segmento, su
correspondiente ndice de Herfindahl Hirschman, y su correspondiente asignacin de
capital. Estos nmeros se resumen en el siguiente Cuadro:

Cuadro 7.3.








De (7.15), el parmetro que permite la suma de los VaR ajustados es:

4622 . 0
F S F
MF F
3
1 i
i
T
T



Al calcular
i
con (7.16), usando un nivel de confianza de 5% y suponiendo normalidad se
obtienen las siguientes relaciones para suficiencia de capital:

5
A1 es el primer crdito calificado con A, C2 es el segundo crdito calificado con C y as
sucesivamente.
Segmento i
V
i
H(F
i
)
i
K
i
1 44,024 $ 0.2613 0.3382 20,293 $
2 43,186 $ 0.2008 0.3318 19,907 $
3 42,954 $ 0.1293 0.33 19,800 $


15

1
= $16,255 293 , 20 $ K
1
< ,

2
= $19,368 907 , 19 $ K
2
< ,

3
= $20,060 800 , 19 $ K
3
> .

Ntese que el capital asignado al ltimo segmento no cubre su riesgo, de hecho es el
segmento ms riesgoso de los tres. Esto significa que este ltimo grupo tampoco
satisface las dems condiciones.

En el siguiente cuadro se resume la distribucin de los crditos por segmento:

Cuadro 7.4







Es interesante notar que como
V
V
i
i
, necesariamente se tiene
4610 . 0
164 , 130
000 , 60
V
K
V
K
V
K
i
i
i
i
i


para todos los segmentos. El siguiente cuadro
muestra las probabilidades esperadas de impago, el coeficiente de Rayleigh y la
correccin que se hace por correlacin:
Cuadro 7.5





Con estos valores, pueden verificarse las relaciones (7.18) y (7.19) para todos los
segmentos del portafolio. Como era de esperarse, el tercer grupo incumple:

Calificacin F1
A1 4,728 $
C2 3,204 $
C4 4,912 $
D1 5,320 $
D3 20,239 $
F1 1,933 $
F4 2,598 $
G2 1,090 $
Total= 44,024 $
Calificacin F1
A1 4,728 $
C2 3,204 $
C4 4,912 $
D1 5,320 $
D3 20,239 $
F1 1,933 $
F4 2,598 $
G2 1,090 $
Total= 44,024 $
Calificacin F2
B1 5,528 $
C1 3,138 $
C3 4,831 $
E2 5,042 $
E3 15,411 $
F3 2,411 $
G1 358 $
G5 6,467 $
Total= 43,186 $
Segmento i
p
i
Ri(Fi,Mi) Correccin por correlacin
1 0.0774 0.0998 0.7790
2 0.1162 0.1741 0.5720
3 0.1339 0.3340 0.2753
Calificacin F3
A2 7,728 $
B2 5,848 $
C5 5,435 $
D2 5,765 $
E1 1,800 $
F2 2,317 $
G3 2,652 $
G4 4,929 $
G6 6,480 $
Total= 42,954 $


16
( )
( )
{ }
1148 . 0 F C F
V
2
z
p
1293 . 0 F H
i j j
j ij
T
i
2
i i
2
i
i i
3

,
_


>




Ahora, de (7.19) se obtienen los lmites individuales que implican suficiencia de capital:

0179 . 1 7790 . 0 7969 . 1
1
; f
1
812 , 44 $ 024 , 44 $ 0179 . 1


2598 . 0 5720 . 0 8319 . 0
2
; f
2
222 , 11 $ 186 , 43 $ 2598 . 0


1148 . 0 2753 . 0 3901 . 0
3
; f
3
930 , 4 $ 954 , 42 $ 1148 . 0

Evidentemente, dado que la cota para los crditos del primer grupo es
1
= 1.018 > 1
todos los crditos del grupo estn dentro del lmite. En el segundo grupo, el crdito de
$15,411 excede el lmite. Finalmente, como era de esperarse el tercer grupo es el ms
problemtico ya que slo los cuatro crditos ms pequeos respetan el lmite.


Es interesante analizar los efectos de la correlacin en este ejemplo. Lo anterior establece
que el primer grupo puede tener crditos de cualquier tamao, pero por otro lado, el
segmento ms riesgoso debe incluir slo crditos muy pequeos, lo cual aunque es
lgico, claramente no se cumple.

Ahora, con respecto a suficiencia de capital, se examina (7.17) y al comparar con

i
i
i
V
, se obtiene:
4278 . 0
164 , 130
684 , 55
V
VaR
V
4610 . 0
3
1 i i
i

,


Ntese que el resultado es el mismo que el del ejemplo 7.1, con lo cual se verifica que el
portafolio cuenta con suficiencia de capital, a pesar de que el tercer segmento en lo
individual, viola todos los requisitos. Es interesante notar el poder analtico de la
herramienta aqu desarrollada, dado que si se restringe el ejercicio al uso del modelo
general como en el ejemplo 7.1, sin analizar los segmentos individuales, el tercer
segmento que es claramente un grupo riesgoso de crditos, hubiera pasado
desapercibido. Finalmente, es adems evidente, que los resultados dependen del criterio
de segmentacin usado, dado que se pueden clasificar los crditos de manera que todos
los segmentos cumplan con las relaciones que sean relevantes, en cuyo caso los grupos
riesgosos no se detectaran. Sin embargo, el ejemplo indica claramente como obtener una
idea de la concentracin ex ante, en el peor de los casos por prueba y error. Un poco ms
de investigacin seguramente conducir a una bsqueda ms sistemtica.


7.4 LA INCLUSIN DE TASAS DE RECUPERACIN.



17
Es sencillo ampliar todas las relaciones obtenidas hasta ahora, para tomar en cuenta de
forma explcita las tasas de recuperacin de los crditos. Hacerlo, conduce a lmites
menos estrictos en trminos de la concentracin tolerable en los distintos segmentos.
Bsicamente, existen dos maneras de incluir tasas de recuperacin en el anlisis. La
primera es definir F directamente como el vector de prdidas dado incumplimiento (PDI)
en lugar del saldo pendiente, donde se supone que nada se recupera si los deudores no
pagan. Esto estara ms de acuerdo con la prctica actual
6
. Entonces, si se tiene una
estimacin del vector PDI, puede usarse directamente en las relaciones antes obtenidas
sin cambio alguno, pero deben interpretarse correctamente.


Explcitamente, el incluir tasas de recuperacin implica hacer una transformacin inicial
del vector original de crditos. Sea la matriz diagonal, cuyos elementos distintos de
cero son las tasas de prdida dado incumplimiento. El vector de prdidas dado
incumplimiento para el portafolio es entonces: P = F y sea V = 1
T
P. Para incluir
correlacin, se calcula la transformacin G =SP. As, el vector original se transforma de
hecho dos veces i.e. G =SF. Con un poco de lgebra se llega a las relaciones de
suficiencia de capital, concentracin y lmites individuales, los cuales muestran como los
cambios en la matriz de prdida dado incumplimiento , afectan los parmetros.

Aunque la transformacin sugerida conduce a un modelo completamente general, es
difcil visualizar el impacto de cambiar las tasas de recuperacin en el riesgo crdito, la
concentracin y la suficiencia de capital. Adems, debe tomarse en cuenta que las tasas
de recuperacin son por s mismas variables aleatorias, de manera que esta matriz puede
cambiar de acuerdo a las condiciones econmicas y de mercado. Por ello, se deseara
poder explorar fcilmente la sensibilidad de las relaciones de suficiencia de capital,
concentracin y lmites individuales a cambios en las tasas de recuperacin. Entonces,
considrese la alternativa de suponer por ejemplo
7
, que el portafolio est segmentado de
manera que las tasas de recuperacin sean las mismas para todos los crditos del grupo.
Bajo la estructura de la seccin anterior, sea r
i
la tasa de recuperacin de los crditos
que caigan en impago en el segmento i, de manera que la prdida dado incumplimiento
es simplemente
i i
F P ) 1 (
i
r . Procediendo de la manera usual:

( ) ( )
( )
( ) ( )
{ }
( )
2
2
2
1
1
1 1
1
1

,
_


z
F r
V
F C F r r H r
i
T
i
i
i
i i j j
j ij
T
i j i
i
i i i
G 1
G
T
7.4.1

Esta expresin muestra claramente que cualquier cambio en las tasas de recuperacin
tiene un impacto doble. Por un lado, un aumento (disminucin) en la tasa de recuperacin
de cualquier segmento en particular, reduce (incrementa) la importancia de la contribucin
de la concentracin de estos segmentos (parte izquierda de la desigualdad).
Adicionalmente, su contribucin a la prdida esperada tambin disminuye (aumenta) el
numerador del lado derecho, incrementando (disminuyendo) la cota establecida para la
concentracin. Adems, no es difcil probar que el denominador del lado derecho de la

6
Vase el documento de Credit Risk Modeling del Comit de Basilea de Supervisin Bancaria.
Abril 1999.
7
Esto es lo que hace CreditRisk
+
.


18
desigualdad, se comporta de la manera esperada; disminuyendo al aumentar la tasa de
recuperacin y viceversa.

Finalmente, es necesario sealar que no se requiere hacer la segmentacin por prdidas
iguales dado incumplimiento. Aunque esto fue conveniente para evidenciar el impacto de
las tasas de recuperacin sobre concentracin, lmites y requisitos de capital, se puede
adecuar el modelo haciendo la transformacin del vector de saldos, y conservar la
flexibilidad del modelo para segmentar la cartera de cualquier manera que se estime
conveniente y realizar el anlisis correspondiente para detectar segmentos riesgosos.



19
REFERENCIAS.

Adelman, M. A. 1969. Comment on the H Concentration Measure as a Numbers-
Equivalent. Review of Economics and Statistics, Febrero, pp. 99-101.

Altman Edward I., y Anthony Saunders 1998. Credit risk measurement: Developement
over the last 20 years. Journal of Banking & Finance 21 (1998) 1721-1742.

Crouhy, Michel, Dan Galai y Robert Mark: A comparative analysis of current credit risk
models. Journal of Banking and Finance 24 (2000) pp. 59-117.

Basle Committee on Banking Supervision, 1999. Credit Risk Modeling: Current Practices
and Applications.

Bennet, P. 1984. Applying Portfolio Theory to Global Bank Lending. Journal of Banking
and Finance.

Caouette, John B., Edward I. Altman y Paul Narayanan 1998. Managing Credit Risk: The
next great challenge. Ed. John Wiley & Sons, Inc.

Coopers and Lybrand. 1993. Growth and Diversification: Are the Benefits Always There?
In Mortgage Banking, editado por J. Lederman. Chicago: Probus Publishing Company.

Cowell, Frank A., Measuring Inequality 2
nd
edition. LSE Handbooks in Economics, Prentice
Hall/Harvester Wheatsheaf, 1995.

Credit Risk + : Credit Suisse Financial Products, New York, N.Y. 1996.

CreditMetrics
TM
: Technical document, Abril 2, 1997.

De Groot, Morris H., Probabilidad y Estadstica, Addison-Wesley Iberoamericana,
Wilmington Delaware. 1988.

Encaoua, David y Jacquemin, Alexis. 1980. Degree of monopoly, indices of concentration
and threat of entry. International Economic Review 21.

Finger, Christopher C.: Sticks and Stones, The RiskMetrics Group. 1998

Gordy, Michael B. A comparative Anatomy of Credit Risk Models. Journal of Banking and
Finance, vol 24, 2000, pp. 119-149.

Kealhofer, S. Portfolio Management of Default Risk. KMV Corporation, 1998.(Revised.)

Kealhofer, S. Modeling Default Risk. KMV Corporation, 1999 (Revised.)

Kelly Jr. W.A. 1981. A Generalized Interpretation of the Herfindahl Index. Southern
Economic Journal, 48(1) pp. 50-57.

Lambert, Peter J. 1993. The Distribution and Redistribution of Income, Ed. Manchester
University Press.



20
Mrquez Diez-Canedo, Javier 1987. Fundamentos de Teora de Optimizacin, Editorial
Limusa S.A. de C.V.

Markowitz, H. 1959. Portfolio Selection: Efficient Diversification of Investments. New York:
John Wiley & Sons.

Mason, S. P. 1995. The allocation of Risk. In The Global Financial System. Boston:
Harvard Business School Press.

Merton, R. C. On the pricing of corporate debt: The risk structure of interest rates.Journal
of Finance 29, pp. 449-470, 1974.

Moodys Investors Service. 1991. Rating Cash Flow Transactions Backed by Corporate
Debt. Moodys Special Report. Abril.

Nash, Stephen G. y Ariela Sofer 1996. Linear and Nonlinear Programming, The McGraw-
Hill Companies, Inc.

Neckell, Pamela, W. Perraudin and S. Varotto: Stability of Rating Transitions. Journal of
Banking and Finance, vol. 24, pp. 203-227, 2000.

Shy, Oz. 1995. Industrial Organization: Theory and Applications. The MIT press.

Sleuwaegen, Leo E., Raymond R. De Bondt, and Wim V. Dehandschuter. The Herfindahl
index and concentration ratios revisited. The Antitrust Bulletin/Fall 1989.

Theil, Henri 1967. Information Theory, Ed. North Holland Publishing Co.

Tirole, Jean. 1995. The Theory of Industrial Organization. M. I. T. Press.

Weinstock, David S. Some little-known properties of the Herfindahl-Hirschman Index:
Problems of Translation and Specification. The Antitrust Bulletin/ Winter 1984.

Wilson, Thomas C. Portfolio Credit Risk (I). Risk magazine, 10(9) Septiembre 1997.

Wilson, Thomas C. Portfolio Credit Risk (II). Risk magazine, 10(10) Octubre 1997.