Estimativas de loss given default em portfólios de crédito simulados

Ano: 2013 | Volume: 3 | Número: 2

Autores: H. Kimura, G. M. Rezende

Palavras-chave: risco de crédito, perda dada inadimplência, acordo da Basileia, matriz bi-estocástica, cópulas gaussianas

Resumo Português:

O acordo de Basileia II permite que os bancos utilizem modelos internos que sirvam de base para o cálculo dos requisitos mínimos de capital em virtude do nível de exposição ao risco de crédito. Dentre os principais componentes estimados, estão a probabilidade de inadimplência (PD – probability of default), a perda dada a inadimplência (LGD – loss given default) e a exposição à inadimplência (EAD – exposure at default). Este estudo tem como objetivo investigar mecanismos de estimação de LGD utilizando modelos de regressão e transformações logit e Beta. Considerando que o mercado brasileiro ainda se encontra em um estágio incipiente na análise de LGD e a disponibilidade de dados de taxas de recuperação é restrita, serão simulados portfólios de crédito por meio de técnicas de Monte Carlo. A dependência entre LGD e as variáveis explicativas da fração de perdas em caso de inadimplência é modelada por meio de cópulas gaussianas e de matrizes doubly stochastic. Os resultados sugerem que a análise de regressão multivariada, usando diversas funções de transformação, possibilita identificar adequadamente as variáveis que explicam a LGD. Mais particularmente, os resultados indicam que o modelo de Hamerle, Knapp e Wildenauer (2009) para estimação de LGD apresenta desempenho superior ao do desempenho do modelo discutido por Gupton e Stein (2005).

Resumo Inglês:

Basel II allows banks to use internal models as a basis for the calculation of minimum capital requirements based on the level of exposure to credit risk. Among the main components of the models, there are estimates of probability of default (PD), loss given default (LGD) and exposure at default (EAD). This study aims to investigate mechanisms of LGD estimation based on regression models and logit and Beta transformations. Considering that the Brazilian market is still in an incipient stage in the analysis of LGD and that the availability of recovery rate data is restricted, we will simulate credit portfolios using Monte Carlo techniques. The dependence between the explanatory variables and LGD, the fraction of losses in case of default, is modeled by Gaussian copulas and doubly stochastic matrices. The results suggest that multivariate regression analysis, using different transformation functions, can properly identify the variables that explain the LGD. More particularly, the results indicate that the model developed by Hamerle, Wildenauer and Knapp (2009) for estimation of LGD has better erformance than the performance of the model discussed by Gupton and Stein (2005).