Estudios
Impagos y cambio de ciclo
Modelos de valoración del riesgo en seguro de crédito ante el cambio de ciclo en la economía española
La crisis que afecta al sistema
financiero mundial está
acelerando un cambio de ciclo en
la economía española, visible
desde el primer trimestre de
2007. En este artículo se aborda
la importancia de los modelos
estadísticos predictivos en seguro
de crédito en coyunturas
económicas como la actual..
FRANCISCO ARENAS ROS
MAPFRE CAUCIÓN Y CRÉDITO
En la actualidad, el sistema financiero mundial
está atravesando una profunda crisis, iniciada
como una restricción de liquidez, pero que se
va convirtiendo en una restricción de crédito como
consecuencia de la disminución de la confianza
entre las propias instituciones financieras.
Varias circunstancias resultan llamativas en esta crisis:
- La implicación de prácticamente todos los tipos de riesgo: liquidez, crédito, mercado, operacional, reputacional,…
- La dificultad de cuantificar los efectos dada la fragmentación del riesgo.
- La cuantía de las pérdidas ya reconocidas por las propias entidades en un goteo incesante.
- Y, en definitiva, el fracaso de gran parte de la arquitectura desarrollada en los últimos años para mejorar precisamente la gestión del riesgo: los sofisticados modelos de valoración del riesgo estructurado, las grandes agencias de calificación, la autoridad supervisora de algunos países, las normas de gobierno corporativo de algunas grandes instituciones financieras,…
Resulta prematuro extraer conclusiones de esta crisis, entre otras razones, porque no ha terminado aún y porque los agentes implicados están todavía preocupados en cómo acelerar su conclusión y mitigar sus efectos. No obstante, me parece necesario empezar con esta reflexión inicial, dado que uno de los desencadenantes de todos estos problemas ha sido precisamente la utilización de modelos de valoración de determinados productos estructurados que supuestamente permitían convertir un riesgo subyacente malo en títulos con calificación AAA.
En este artículo voy a referirme a los modelos de calificación crediticia que se utilizan para valorar las operaraciones financieras ordinarias realizadas por instituciones financieras y por aseguradoras de crédito. Estos modelos, menos sofisticados si se quiere, no parece que vayan a resultar tan cuestionados como consecuencia de los problemas antes señalados.
Voy a centrarme en el seguro de crédito, pero considero que algunas de las conclusiones de este artículo pueden ser de interés para los profesionales que en los próximos meses van a afrontar un incremento significativo de la morosidad provocada por el cambio de ciclo en la economía española. En el seguro de crédito, el daño cubierto es la pérdida final experimentada por el asegurado a consecuencia de la insolvencia de sus deudores, por operaciones comerciales realizadas con pago aplazado.
LAS NUEVAS TECNOLOGÍAS, LOS AVANCES EN LA GESTIÓN DEL RIESGO DE MERCADO Y LA MODELIZACIÓN DE PRODUCTOS FINANCIEROS COMPLEJOS HAN MODERNIZADO LAS HERRAMIENTAS QUE UTILIZAN LOS BANCOS PARA LA GESTIÓN DEL RIESGO DE CRÉDITO
NUEVA GESTIÓN DEL RIESGO DE CRÉDITO (BASILEA II/SOLVENCIA II)
La gestión del riesgo de crédito ha experimentado una auténtica revolución en la última década, iniciada en el ámbito bancario, pero 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 o Value at Risk) y la necesidad de modelizar productos financieros complejos (derivados, opciones,…) 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 JPMorgan a mediados de los años noventa.
Esta nueva gestión del riesgo de crédito ha obtenido un impulso adicional muy significativo 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 los riesgos bancarios.
En el mundo de los seguros su posición es más secundaria, dejando aparte una de sus modalidades, que afecta al incumplimiento de las entidades reaseguradoras y que por su especificidad suele denominarse como «riesgo de reaseguro ». Por este motivo, en la preparación de la futura normativa sobre la solvencia de entidades aseguradoras europeas, denominada Solvencia II, el interés dedicado a este asunto 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.
De modo paralelo a Basilea II, es previsible que las disposiciones de Solvencia II sobre este punto prevean dos métodos de estimación del riesgo de crédito: uno estándar aplicable a todas las entidades y otro sólo para entidades con sus propios modelos validados, que se incentivaría permitiendo menor consumo de capital.
LA LARGA ELABORACIÓN DEL ACUERDO BASILEA II, CON UNA NOVEDOSA COLABORACIÓN ENTRE AUTORIDADES SUPERVISORAS Y ENTIDADES FINANCIERAS PRIVADAS, HA CONTRIBUIDO ENORMEMENTE A LA DIFUSIÓN DE UNA NUEVA CULTURA DE GESTIÓN DEL RIESGO
MODELOS ESTADÍSTICOS PREDICTIVOS EN SEGURO DE CRÉDITO
El desarrollo en el seguro de crédito de modelos internos de calificación crediticia puede tener como finalidad garantizar la solvencia de la entidad, permitiendo además la aplicación de una futura normativa más favorable.
Pero, además, pueden implantarse como pura herramienta de gestión para mejorar la rentabilidad y el servicio a los asegurados. Las entidades que cuenten con los sistemas adecuados para estimar la pérdida esperada que corresponde a cada deudor van a poder discriminar los segmentos más rentables y reducir la siniestralidad al rechazar aquellos deudores en que no se cubre la prima de riesgo.
LOS MODELOS ESTADÍSTICOS PREDICTIVOS EN SEGURO DE CRÉDITO PUEDEN IMPLANTARSE COMO PURA HERRAMIENTA DE GESTIÓN PARA MEJORAR LA RENTABILIDAD Y EL SERVICIO A LOS ASEGURADOS
El concepto de pérdida esperada tiene tres componentes básicos:
- Probabilidad de incumplimiento
(PD: Probability of Default)
Es la probabilidad de que el deudor del asegurado incumpla sus obligaciones crediticias. Es una tasa de morosidad anticipada. Recoge el efecto calidad (solvencia). Éste es el factor más discriminante de 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, sería de mil veces entre un deudor con una PD del 0,01% y otro del 10,00%. - Exposición en el incumplimiento
(EAD: Exposure at Default)
Es el importe pendiente de pago en el momento del incumplimiento. Recoge el efecto cantidad (volumen). Representa la utilización 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. - Severidad (LGD: Loss Given Default)
La severidad es la pérdida en que finalmente se incurre en caso de incumplimiento. Representa la probabilidad que existe de que no se consiga recuperar la deuda una vez producido el incumplimiento. Sería el inverso de la tasa de recuperación. Existe un cuarto componente de la pérdida esperada, que es el plazo de las operaciones (M: Maturity). No obstante, en el seguro de crédito su importancia es menor, dado que al cubrirse operaciones comerciales el plazo suele ser corto.
En España, el seguro de crédito resulta especialmente favorable para la aplicación de modelos estadísticos predictivos basados en los incumplimientos históricos de cada entidad:
- El plazo de vencimiento de las operaciones comerciales es corto, normalmente con un máximo de 120–150 días; casi siempre inferior a un año. Esta circunstancia evita la utilización de las llamadas matrices de transición de calificaciones.
- La existencia de garantías (colaterales) es excepcional. Esto evita la utilización de probabilidades condicionadas.
- Existe una cultura razonable de transparencia financiera, de modo que pueden obtenerse bases de datos de información financiera con una profundidad y una calidad aceptables. En el seguro de crédito, el riesgo de crédito no se sitúa en el asegurado, sino en el deudor del asegurado, con lo que la relación es indirecta y se dificulta la obtención de la información sobre el mismo.
EN ESPAÑA, EL SEGURO DE CRÉDITO RESULTA ESPECIALMENTE FAVORABLE PARA LA APLICACIÓN DE MODELOS ESTADÍSTICOS PREDICTIVOS BASADOS EN LOS INCUMPLIMIENTOS HISTÓRICOS DE CADA ENTIDAD
Sí se plantea en la actualidad un problema en lo relativo al horizonte temporal de los datos. En principio, un periodo de diez años debería garantizar que las variaciones provocadas por los ciclos económicos quedan suficientemente capturadas por los modelos. En el caso español, esta afirmación debería matizarse dada la buena coyuntura económica de los últimos años. Si nos remontamos diez años hacia atrás sólo recogeríamos los efectos en morosidad de las desaceleraciones «suaves» de 1999 y de 2002.
La pregunta que surge es si pueden ser útiles modelos desarrollados sobre datos históricos ante el cambio de ciclo que está experimentando la coyuntura económica española.
CAMBIO DE CICLO/DESACELERACIÓN
En España, el cambio de ciclo se produjo
ya claramente en el primer trimestre de 2007.
Desde entonces asistimos a un proceso de desaceleración,
cuya intensidad y duración está aún por
determinar. Al previsto «aterrizaje suave» de la
«sobrevaloración inmobiliaria» que se estaba
produciendo, se unió tras el
verano una restricción de crédito
financiero que ha provocado
una corrección mucho
más brusca de la actividad inmobiliaria
y de edificación residencial,
con efectos sobre la
confianza y el consumo.
En estas cuestiones, especialmente en el momento en el que escribo este artículo, conviene ser muy cuidadoso con las palabras. Utilizar los términos «crisis», «recesión», «desaceleración» o «turbulencias» puede servir para posicionar ideológicamente a un analista. Con independencia de la expresión que utilicemos, es indudable que la situación económica está teniendo ya (y tendrá aún más) efectos sobre la morosidad similares a los de una crisis. Cuando explico estos temas, me acuerdo de una frase de Woody Allen que, categóricamente, decía algo así como que el dinero no daba la felicidad, pero que proporcionaba una sensación tan parecida, tan parecida, que era prácticamente indistinguible.
Las personas que trabajamos en temas relacionados con morosidad estamos sufriendo ya incrementos significativos en la misma, aunque la situación de partida era históricamente baja. Por diversas razones, es previsible que los efectos sobre los incumplimientos se aproximen más a los que experimentó la economía española en 1992-1993, aunque en términos porcentuales la morosidad no alcance los importes de entonces.
En estas circunstancias, nos planteamos de nuevo si resulta conveniente utilizar modelos que no han capturado circunstancias tan adversas como aquéllas del entorno en que han de aplicarse.
MODELOS ANTE EL CAMBIO DE CICLO
Mi opinión es favorable a su utilización, aunque, obviamente, ésta debe ser más prudente que en circunstancias ordinarias.
LA DESACELERACIÓN ECONÓMICA EN CURSO VA A PROVOCAR UNA MAYOR PROBABILIDAD DE INCUMPLIMIENTO DE LA PREVISTA POR LOS MODELOS Y UNA MAYOR SEVERIDAD; TAMBIÉN ES PREVISIBLE UNA MENOR EXPOSICIÓN POR EL DESCENSO DE ACTIVIDAD
La desaceleración en curso va a provocar una mayor probabilidad de incumplimiento de la prevista por los modelos y una mayor severidad (al disminuir la recuperación); en el sentido contrario, también es previsible una menor exposición como consecuencia de la disminución de actividad.
El aumento de la probabilidad de incumplimiento se produciría por dos vías:
- A nivel individual. Se incrementaría en empresas que pertenecen a sectores más afectados por las nuevas circunstancias; en resumen, serían aquellos con mayor descenso de actividad, con incrementos de precios de materias primas no repercutibles y los más sensibles a la restricción de crédito.
- A nivel cartera. La pérdida esperada conjunta aumentará como consecuencia de la correlación.Además de la derivada del ciclo económico general, existe una correlación motivada por la actividad constructora,muy significativa en el caso español y que, en los años buenos, ha estado detrás del llamado «milagro económico», pero que, en estos momentos, va a mostrar sus efectos negativos.
La cuestión de las correlaciones es quizá
uno de los puntos que no han sido excesivamente
bien resueltos en la nueva gestión del
riesgo de crédito y en la que queda todavía
mucho por avanzar en su modelización. Por
ejemplo, en Basilea II se asumen unas correlaciones
estándar para pequeñas y medianas empresas
que oscilan entre el 12 y el 24 por ciento.
En los meses que vienen, podremos comprobar si la realidad se muestra clemente o no con estas
estimaciones.
En todo caso, resulta más importante que nunca destacar varias ideas clave sobre la utilización de modelos de valoración:
- a) Los modelos no sustituyen al juicio
experto del analista
Los modelos no sustituyen sino que deben permitir potenciar la labor de los analistas, al permitirles tomar sus decisiones con una información más rica ante situaciones cambiantes del entorno económico. Esta convivencia de criterios dificulta la implantación y el seguimiento, ya que debe mantenerse el control de las decisiones directas del sistema y de aquellas en las que se han introducido elementos cualitativos por parte del analista, que deben quedar justificados y registrados. Los analistas son los responsables de las decisiones de riesgo y deben cuestionarse las valoraciones de los modelos con las que estén disconformes. - b) Deben conocerse las debilidades
de los modelos
Es importante que los analistas conozcan qué circunstancias no resultan recogidas de modo adecuado por los modelos; por ejemplo, los gastos financieros en un momento de incremento de tipos de interés.Además, resulta necesario un seguimiento exhaustivo que permita detectar nuevas debilidades como consecuencia de las nuevas circunstancias; por ejemplo, incremento de precios de materias primas que afecta significativamente a un sector. - c) Los modelos permiten priorizar tareas
En momentos difíciles resulta aún más importante un sistema que permita priorizar tareas. Cuando el número de empresas a analizar es muy elevado y se incrementa el número de señales de alerta, esta utilidad es simplemente crucial.
En definitiva, y a modo de conclusión, podría decirse que las carencias del coche debe suplirlas el conductor. En este caso, debemos tener en cuenta que estamos manejando vehículos de primera generación, que todavía no tienen ABS, ni tracción a las cuatro ruedas,… y que requieren conductores expertos que mantengan la cabeza fría cuando hay tormenta.