Leasing y riesgo

Resumen

Este documento está dedicado a los problemas de modelado de riesgo de crédito de las carteras de arrendamiento minorista. Utilizando un método de remuestreo, calculo la función de densidad de probabilidad de las pérdidas y las medidas de VaR en una

cartera de 46.732 arrendamientos emitidos entre 1990 y 2000 por una importante institución financiera europea. Mis resultados muestran que las garantías físicas juegan un papel importante en la reducción del riesgo de crédito asociado con las carteras de arrendamiento. Sin embargo, debido al reconocimiento insuficiente de tales garantías bajo el nuevo marco de capital regulatorio (Basilea II), se observan diferencias significativas entre los requisitos de capital estimados y los calculados de acuerdo con los diversos enfoques de Basilea II.

Metodología

Este documento se centra en los dos componentes principales de riesgo necesarios para la estimación de distribución de pérdidas: probabilidad de incumplimiento (PD) y pérdida por incumplimiento (LGD). Se analizan los tipos de activos: vehículos, equipos de oficina / computadoras, equipos médicos y otros tipos de equipos. Pérdidas de sub cartera para cada tipo de activos se estiman con una simulación no paramétrica, es decir, una técnica de muestreo o de arranque similar a la utilizada por Carey (1998) para estimar las pérdidas crediticias en carteras de deuda privada(BOOSTRAP).

Medición de la pérdida dada por incumplimiento

LGD: 1- ratio de recuperación

Ratio de recuperación se calcula como las cantidades descontadas recuperadas en comparación con la cantidad pendiente en la fecha de incumplimiento. La tasa de descuento aplicada a cada flujo de  efectivo es la de rendimiento ex ante al vencimiento del contrato de leasing en incumplimiento. La tasa de pérdida para un determinado portafolio es la suma (en euros) de todas las LGD por exposición al incumplimiento (EAD) dividido por el total pendiente de pertenencia a esa subcartera.

Tasa de pérdida=∑EAD/ deuda pendiente cartera

EAD = todas las LGD por exposición al incumplimiento de la cartera

LGD =  1-[pagado/por pagar]

Base de datos

Nuestra base de datos consiste en una única muestra de 46.732 contratos individuales de leasing completados entre 1990 y 2000 por la mayor compañía de leasing europea que es un 20% más compartida de la tienda nacional.

Las variables disponibles caen en 2 categorías: ex ante and ex post. Ex ante son las variables originadas en la fecha del contrato, el costo y tipo de activo, la madurez del leasing, la periodicidad de pagos previstos, los montos de los pagos por adelantado, el monto de las comisiones de los corredores, el valor residual estimado, la tasa de financiación estimada, la tasa interna de retorno. ex ante (opción de compra incluida), la tasa interna de retorno ex ante (opción de compra excluido), las fechas de vencimiento y los montos a pagar.

Resultados

En cuanto a los datos en su conjunto, la volatilidad de las tasas de recuperación parece ser, en promedio, significativamente mayor que la observada para otros tipos de modos de financiación. Sin embargo, se puede esperar que el efecto potencial de esto en la medición de la distribución de pérdidas se mitigue en cierta medida porque i) los mercados secundarios son en la mayoría de los casos más líquidos, y ii) la recuperación puede exceder el 100% (logrando el 200% o 300%), dado que el producto de la reventa del activo subyacente puede ser mayor que el valor en libros del activo en cuestión. Al observar el segmento automotriz, de equipos médicos y de otros equipos, descubrimos que las tasas de recuperación promedio oscilan entre 68% y 80%.

En el segmento automotriz, las tasas de pérdida en el percentil  99.9 están entre 0,31% y 2,13%. Para una madurez dada, tienden a disminuir con la edad del contrato. Además, en subcarteras donde la antigüedad del contrato es relativamente cerca de la madurez, la media y la mediana de las distribuciones de tasa de pérdida son negativas.

Comparación de modelos

En comparación con otros modelos de riesgo de crédito, CreditRisk + TM presenta la ventaja de no hacer suposiciones sobre la causa de incumplimientos en las subcarteras analizadas. Bajo CreditRisk + TM, el número de incumplimientos para una sub-cartera homogénea de prestatarios sigue una distribución binomial. Se utilizan tasas de incumplimiento estocásticas, ya que se supone que están afectadas por un factor sistemático distribuido por Gammad. CreditRisk + TM modela los efectos de factores sistemáticos utilizando volatilidades de tasas predeterminadas en lugar de utilizar correlaciones predeterminadas como entradas. Esto puede verse como un inconveniente. Sin embargo, al imponer supuestos más restrictivos sobre la distribución del factor sistemático, es posible evaluar la impacto de posibles perturbaciones económicas en el riesgo de crédito. Las distribuciones de pérdidas se evalúan mediante simulaciones de Monte-Carlo en lugar de soluciones de forma cerrada. Esta nos permite usar variables estocásticas para LGD  que se consideran una constante en la presentación original de CreditRisk + TM. Las PD y las LGD se tratan como dos variables independientes. El modelo estima la distribución de pérdidas combinando la distribución de las tasas de incumplimiento y la exposición (neta de recuperaciones) para cada subcartera.

...