Estimacin de matrices de transicin de la calidad de cartera comercial de las entidades financieras colombianas

Jos Eduardo Gmez G. Adriana Paola Morales A. Fernando Pineda G. Nancy Eugenia Zamudio G.*

I.

Introduccin

Las instituciones financieras expresan la percepcin de riesgo que tienen de cada uno de sus clientes mediante la calificacin de los crditos. La informacin provista por dicha calificacin les permite evaluar el estado actual de la calidad de sus balances, as como hacer los clculos de las provisiones que deben hacer sobre sus carteras. Igualmente constituye una herramienta para la evaluacin y otorgamiento de crditos, y para la asignacin de las tasas de los mismos. Sin embargo, dentro de un sistema de administracin de riesgo crediticio es muy importante el pronstico que se pueda hacer sobre el incumplimiento de los clientes y sus posibles cambios de estado1. En este sentido, las matrices de transicin constituyen un instrumento fundamental para las instituciones financieras, porque miden la probabilidad de migracin entre los diferentes estados de cada uno de sus clientes. Debido a esto, resulta importante medir con precisin stas probabilidades. Dentro de la literatura y los modelos de riesgo crediticio convencionales se suele estimar matrices de transicin en tiempo discreto; no obstante, resulta interesante explorar herramientas ms precisas como las ofrecidas por los modelos de duracin. Por esta razn, en este artculo presentamos un modelo de duracin y estimamos matrices de transicin en tiempo continuo.

Los autores pertenecen al Departamento de Estabilidad Financiera de la Subgerencia Monetaria y de Reservas, del Banco de la Repblica. Las opiniones expresadas en este documento no comprometen al Banco de la Repblica ni a su Junta Directiva y son responsabilidad exclusiva de los autores. Para este artculo los estados estn constituidos por las cinco calificaciones de cartera existentes: A, B, C, D y E.

91

Este artculo est dividido en cinco secciones, incluida esta introduccin. En la seccin II se hace una descripcin de los datos utilizados en las estimaciones. La seccin III presenta la metodologa de estimacin de las matrices de transicin en tiempo discreto y en tiempo continuo, as como los resultados de stas. En el siguiente apartado se presenta el modelo de duracin; y finalmente la seccin V concluye.

II.

Descripcin de los datos

Los ejercicios de las matrices de transicin, presentados en la seccin III de este artculo, se llevaron a cabo a partir de la informacin de los deudores de la cartera comercial que proviene del formato 341 de la Superintendencia Financiera. Esta base de datos contiene informacin desagregada de los montos de los crditos y sus calificaciones, lo que permite hacer un anlisis detallado del riesgo de crdito, sin ignorar una caracterstica muy importante en este tipo de anlisis, como es la heterogeneidad de los deudores y de los contratos de crdito. Debido a la riqueza de la informacin, los individuos en este anlisis son los crditos (y no el monto del crdito ni las firmas), cada uno de los cuales est calificado por la respectiva institucin crediticia. Hay cinco tipos de calificacin (A, B, C, D y E) donde A es la mejor y E es la peor, y a partir de la migracin entre estos estados, ya sea de manera ascendente o descendente, se calculan las matrices de transicin. Esta base de datos contiene el total de los crditos comerciales que han sido reportados trimestralmente a la Superintendencia Financiera durante el perodo 19982006. Algunos registros fueron obviados con el fin de alcanzar consistencia entre la informacin y los objetivos del ejercicio. En primer lugar, no se tomaron en cuenta los crditos de leasing ya que son operaciones que difieren en sus caractersticas de los crditos ordinarios; en segundo lugar, los crditos con el 5% ms bajo de los montos, al considerar que podan ser errores de registro; adems, se descartaron las operaciones en moneda extranjera, y por ltimo se obviaron aquellos crditos que no estaban de manera consecutiva en al menos dos trimestres. En el caso del modelo de duracin, expuesto en la seccin IV, la informacin utilizada proviene de las superintendencias Financiera y de Sociedades. La informacin de esta ltima se utiliz para construir la matriz de variables explicativas del modelo, por lo cual son incluidos todos los deudores de la cartera comercial que reportaron balances y estados de resultados ante la Superintendencia de Sociedades. De la misma manera que en las matrices de transicin, los individuos son los crditos, aunque con algunas caractersticas adicionales. Las migraciones entre crditos son consideradas solamente hacia las calificaciones vecinas, lo que genera ocho pares distintos: de A a B; de B a C; de C a D; de D a E; de E a D; de D a C; de C a B, y de B a A. Adems, un crdito que ha cambiado de calificacin ms

92

de una vez durante el perodo, aparece diferenciado en el modelo como si fueran crditos diferentes; por ejemplo: si cambi de A a B en determinado momento, pero luego volvi a cambiar de B a C en otro perodo, esto se registra dos veces en el modelo.

III. Estimacin de matrices de transicin2

Las matrices de transicin son utilizadas para estimar las probabilidades de migracin entre estados. En esta seccin se presentan los resultados de las estimaciones en los tiempos discreto y continuo de la calidad de los crditos comerciales de las entidades financieras colombianas. Durante todo el apartado se mantiene el supuesto de que el proceso estocstico que genera la dinmica de migraciones observada puede ser representado de forma adecuada por una cadena de Markov3. En el sistema compuesto por las calificaciones de los crditos comerciales no hay un estado absorbente; por tanto, no hace falta aclarar la periodicidad para la cual se asume que el sistema es markoviano4 y las probabilidades de transicin de un estado a otro son (potencialmente) estrictamente positivas.

A.

Estimaciones en tiempo discreto

Supongamos que tenemos una muestra compuesta por N crditos a los cuales se hace seguimiento durante T perodos. En cada momento del tiempo los crditos reportan una calificacin, cuyo nmero de calificaciones es finito. La evolucin de las calificaciones stos en el tiempo se puede caracterizar mediante las migraciones entre estados, las cuales se asumen independientes unas de otras. Sean ni(t) el nmero de crditos en la categora i al comienzo del perodo t, y nij(t) el nmero de crditos que migran de la categora i a la categora j entre los tiempos5 t y t + 1. El objetivo consiste en estimar la matriz de transicin, cuyos elementos (pij(t)) representan la probabilidad de que un crdito migre del estado i al estado j, para i, j S, donde S representa el conjunto finito de todos los estados posibles, para un perodo de tiempo determinado. La funcin de verosimilitud est dada por: (1)

L( p, n) = ( pij (t )) ij
(i , j )

n (t )

y la funcin logartmica de verosimilitud correspondiente est dada por: (2)

A( p, n) = nij (t ) log( pij (t ))

(i , j )

2 3 4

Las metodologas presentadas en esta seccin son con base en Gmez Gonzlez y Kiefer (2007b). La validez de este supuesto es evaluada en la seccin IV, utilizando un modelo de duracin. Cuando existe un estado absorbente, el supuesto markoviano implica que en el largo plazo todos los individuos migran hacia el estado absorbente. Por ejemplo, si el estado absorbente es default, el supuesto markoviano implica que en estado estacionario todos los individuos entran en default. En este artculo la unidad de tiempo es un trimestre.

93

La funcin presentada en la ecuacin (2) es globalmente cncava y los estimadores de mxima verosimilitud de los elementos de la matriz de transicin se obtienen maximizando esta funcin con respecto a cada una de las probabilidades. Estos estimadores estn representados por:

(3)

pij (t ) =

nij (t ) ni (t )

, i, j S

es decir, por la proporcin de crditos expuestos en la categora i que migraron a la categora j entre los perodos t y t+1. En algunas aplicaciones se hace el supuesto de que la matriz de transicin es homognea (o invariante) en el tiempo para un nmero determinado de perodos. Por ejemplo, se asume que pij(t) = pij, i, j S, para t = 1,..., T, donde t < . Este supuesto resulta conveniente para realizar pronsticos, puesto que con poca informacin (el estado de los crditos en el tiempo 1 y la matriz de transicin) se puede predecir el estado de los crditos en algn momento futuro del tiempo t , con la nica restriccin de que t < T . No obstante, el supuesto de homogeneidad de la matriz de transicin en el tiempo suele ser inadecuado para perodos largos en la mayora de aplicaciones empricas (vase, por ejemplo, Gmez Gonzlez y Kiefer [2007b], y Lando y Skodeberg [2002]). A continuacin presentamos la matriz de transicin promedio, con informacin trimestral, usando la base de datos descrita en la seccin II:
A B Pprom = C D E A 0,937 0,286 0,122 0,061 0,027 B 0,047 0,508 0,079 0,022 0,006 C 0,011 0,175 0,360 0,022 0,004 D 0,003 0,025 0,414 0,611 0,012 E 0,002 0,006 0,024 0,284 0,952

La masa se concentra en los elementos diagonales de la matriz, especialmente para las categoras A y E. Esto implica que la migracin es mayor para los mejores y los peores crditos, lo cual suena razonable: crditos de muy alta calificacin migran poco hacia malas calificaciones, y crditos de muy mala calificacin tienen poca probabilidad de mejorar en el tiempo. Para las dems categoras tambin hay concentracin de la masa en los elementos diagonales, pero sta es menor frente a la de las categoras A y E. Por otra parte, las migraciones hacia una categora dada se concentran en las categoras vecinas; lo cual resulta bastante razonable, puesto que se puede prever que las migraciones sean relativamente lentas: no es de esperar que el perfil de riesgo de un crdito determinado sea corregido con mucha rapidez. Un ejercicio interesante resulta de comparar la matriz presentada con la matriz de transicin promedio para el ao 2006, que se presenta a continuacin:

94

 A B P2006 = C D E

A 0,960 0,357 0,103 0,036 0,023

B 0,033 0,408 0,068 0,013 0,004

C 0,005 0,215 0,278 0,014 0,004

D 0,001 0,012 0,517 0,646 0,010

E 0,001 0,008 0,034 0,292 0,959

l 2006 Aunque ambas matrices parecen muy similares a primera vista, la matriz P presenta una probabilidad mayor de que los crditos tipo A de mantengan en la l 2006 presenta misma. Para el resto de categoras el efecto es el inverso: la matriz P mayores probabilidades de pasar a categoras inferiores. Esto indicara que, recientemente si bien los crditos de mejor calidad parecen presentar mayores probabilidades de mantenerse, los crditos de calidades inferiores tienen ahora mayores probabilidades de migrar hacia categoras de peor calificacin.
Sin embargo, an bajo no homogeneidad, la estimacin de matrices de transicin en tiempo discreto presenta una serie de inconvenientes que se pueden resumir en dos puntos importantes. Primero, este mtodo de estimacin no garantiza que las probabilidades de migracin estimadas sean estrictamente positivas. Si para un perodo de tiempo no se presenta ninguna transicin de la categora i a la j, el estimador de mxima verosimilitud para la probabilidad de migracin es cero. Este problema se hace evidente cuando se consideran migraciones poco probables, como aquellas desde calificaciones altas hacia bajas. No obstante, es difcil imaginar una migracin imposible entre categoras, incluso si ninguna transicin entre ellas se observa durante un perodo de tiempo determinado. Por ejemplo, dentro de los esquemas de calificacin de riesgo de Standard and Poors las transiciones directas entre categoras de inversin y las de bonos chatarra son infrecuentes, y para varios perodos los estimadores de mxima verosimilitud en tiempo discreto para dichas transiciones pueden ser cero. Esto no implica, claro est, que la deuda de una empresa con una buena calificacin no pueda caer a una categora mala en un perodo de tiempo determinado. En resumen, el primer problema de este mtodo es que tiende a subestimar las probabilidades de migracin entre categoras extremas. El segundo problema radica en que las estimaciones en tiempo discreto estn sujetas a la definicin arbitraria de los perodos de migracin. Por una parte, la eleccin de la periodicidad con la cual se presentan las migraciones puede no corresponder con la periodicidad verdadera del proceso generador de los datos; por otra parte, las matrices de transicin en tiempo discreto no se pueden transformar en matrices de transicin en tiempo continuo (Norris, 2005), razn por la cual los ejercicios de pronstico que se realicen con estas matrices deben hacerse para perodos de tiempo que sean mltiplos enteros del perodo para el cual se estimaron las matrices. Ambos problemas se pueden resolver estimando matrices de transicin en tiempo continuo. En la siguiente subseccin presentamos la metodologa y los resultados de la estimacin, usando la misma base de datos.

95

B.

Estimaciones en tiempo continuo

El punto de partida para estimar cadenas de Markov en tiempo continuo consiste en asumir homogeneidad en el tiempo para un perodo corto. En las estimaciones que se presentan en esta parte se asume homogeneidad para un perodo de un ao; posteriormente se presentan los resultados de las estimaciones sin hacer ese supuesto. Supongamos que se observa la calificacin para N crditos entre el tiempo 0 y el tiempo T; adems, que el espacio de estados es finito, siendo la categora 1 la mejor calificacin y z la peor. Sea P(t) la matriz de transicin para un perodo de tiempo determinado. La matriz de transicin puede expresarse en trminos de las intensidades de transicin, que representan las probabilidades instantneas de migracin entre los diferentes estados. En este sentido, (4) P(t ) = exp(t ), t 0

donde representa la matriz generadora, cuyos elementos son las intensidades de transicin. La ventaja de poder expresar la matriz de transicin en trminos de la matriz generadora radica en que, teniendo las probabilidades instantaneas como insumo, es posible obtener la matriz de transicin correspondiente para el perodo de tiempo que se desee, escalando la matriz generadora por el tiempo. De esta forma se soluciona el problema de la arbitrariedad en la definicin del perodo de las estimaciones en tiempo discreto. Dado que para cualquier t la matriz de migraciones es una funcin montona de la matriz generadora, es posible obtener estimadores de mxima verosimilitud para las probabilidades de migracin encontrando, primero, estimadores de mxima verosimilitud para las intensidades de migracin, y luego, escalando por el perodo de tiempo apropiado. Los estimadores de mxima verosimilitud de los elementos de la matriz generadora estn dados por (vase Kuchler y Sorensen, 1997):
N ij (T ) l ij = T , para i j ( ) Yi s ds
0

(5)

donde Nij(T) representa el total de migraciones del estado i al estado j ocurridas entre el tiempo 0 y el tiempo T, y Yi(s) representa el nmero de crditos con calificacin i en el tiempo s. Los elementos diagonales de la matriz generadora

ii = - l ij . El denominador tiene en cuenta cada crdito que estn dados por l

ji

ha obtenido la calificacin i en algn momento entre el tiempo 0 y el tiempo T. Una ventaja de este mtodo es que considera tambin transiciones indirectas entre estados, y esto soluciona el problema de la subestimacin de las probabilidades de eventos infrecuentes. En particular, la estimacin de una transicin es estrictamente

96

positiva si durante el perodo considerado hay una secuencia de migraciones entre categoras intermedias, incluso si no hubo ninguna migracin directa y ningn crdito experiment esa secuencia de migraciones intermedias. Por ejemplo, si estamos interesados en estimar la probabilidad de un evento raro, tal vez la probabilidad de migracin de la categora 1 a la categora s en un ao, pero no hubo ningn crdito que experimentara directamente dicha transicin, an podemos estimar una probabilidad positiva si hubo siquiera un crdito que migr de 1 a 2, otro que lo hizo de 2 a 3, ... y otro de s - 1 a s, durante dicho perodo. A continuacin presentamos la matriz de transicin promedio anual, estimada en tiempo continuo bajo el supuesto de homogeneidad, usando la base de datos descrita en la seccin II:
A l cont _ prom = B P C D E A 0,849 0,519 0,287 0,176 0,104 B 0,075 0,192 0,067 0,035 0,017 C 0,029 0,091 1 0,108 0,024 0,010 D 0,026 0,107 0,243 0,238 8 0,028 E 0,021 0,091 0,294 0,526 0,840

l cont _ prom con la matriz P l prom , se observa que la primera Al comparar la matriz P concentra menos masa en los elementos diagonales. Esto resulta del hecho de que l cont _ prom considera las migraciones intermedias. En otras palabras, cuando no se P considera la probabilidad de llegar a una categora determinada mediante una secuencia de migraciones indirectas, se subestima la probabilidad de realizar dicha migracin. Por ejemplo, si se considera el elemento pAA, se nota que la probabilil prom que dad de permanecer en la categora A es considerablemente superior en P l en P cont _ prom . Cuando se considera solamente el ao 2006 la matriz de transicin anual estimada en tiempo continuo asumiendo homogeneidad est dada por:
A l cont _ 2006 = B P C D E A 0,904 0,570 0,234 0,126 0,094 B 0,049 0,130 0,039 0,017 0,010 C 0,018 0,076 6 0,076 0,014 0,007 D 0,017 0,119 0,287 0,268 8 0,025 E 0,012 0,105 0,365 0,574 0,863

l cont _ prom con la matriz P l cont _ 2006 se observa que son difeAl comparar la matriz P rentes. Esto da indicios de que el supuesto de homogeneidad no es apropiado para perodos largos de tiempo. Alternativamente, las matrices de transicin en tiempo continuo se pueden estimar sin hacer supuestos de homogeneidad. El mtodo para hacer esto es no paramtrico, y se resume en el estimador de Aalen-Johansen. La matriz de transicin, P(t), se puede estimar de forma consistente de la siguiente manera: (6)  (T ))  (T ) = ( I + A P i i
i=1 m

97

donde I representa la matriz de identidad, y Ti es un tiempo de salto que ocurre  (T ) es una matriz en la cual el elemento no durante el periodo de observacin. A i diagonal ij est dado por la relacin del nmero de transiciones observadas entre los estados i y j en la fecha Ti y el nmero total de crditos calificados i justo antes de darse la transicin. Los elementos diagonales corresponden al negativo de la sumatoria de los elementos no diagonales de la fila correspondiente. A continuacin presentamos la matriz de transicin para el ao 2006, estimada en tiempo continuo sin el supuesto de homogeneidad, usando la base de datos descrita en la seccin II:
A l cont _ 2006 _ nh = B P C D E A 0,901 0,601 0,241 0,114 0,091 B 0,052 0,072 0,034 0,019 0,013 C 0,020 0, ,052 0,029 0,015 0,009 D 0,018 0,163 0,284 0, ,205 0,030 E 0,009 0,112 0,412 0,647 0,857

l cont _ 2006 _ nh presenta diferencias con respecto a la matriz P l cont _ 2006 . Sin La matriz P l 2006 . Esto embargo, las diferencias son ms notorias si se compara con la matriz P indica que una vez se adopta una metodologa de tiempo continuo para estimar las matrices de transicin, el supuesto de homogeneidad no parece ser nocivo para perodos de tiempo cortos. Realizar las estimaciones en tiempo discreto es ms problemtico, puesto que lleva a la subestimacin de las probabilidades de migracin fuera de cada uno de los estados, especialmente de los estados extremos.

IV.

Modelo de duracin6

Las estimaciones de las matrices de transicin presentadas en la seccin anterior se realizaron asumiendo que el proceso estocstico que genera la dinmica de migraciones puede ser representado de forma adecuada mediante cadenas de Markov. Dado que las probabilidades de migracin se estiman con la finalidad de ser incorporadas dentro de un sistema de administracin de riesgo crediticio, es importante verificar la precisin de las mismas. Una forma de hacerlo es evaluando la validez del supuesto markoviano, usando un modelo de duracin, que incorpora variables explicativas usando tcnicas de anlisis de supervivencia. En este artculo se utiliza una variante del modelo semiparamtrico de Cox (1972)7. Sea 7)
n ijn (t ) = Yi n (t ) ij ( ij , t , X n (t ))

6 7

Las metodologas presentadas en esta seccin son con base en Gmez Gonzlez y Kiefer (2007a). Se eligi el modelo semiparamtrico de Cox (1972), puesto que pruebas estadsticas iniciales sobre la distribucin incondicional de la duracin en el tiempo mostraron que el comportamiento de la funcin de probabilidad instantnea condicional de cambiar de estado, para todas las categoras consideradas, es no monotnico y no se asemeja al comportamiento esperado bajo funciones de densidad comnmente utilizadas.

98

donde ij (t ) representa la intensidad de migracin de la categora i a la j en el momento; t, Yi n (t ) es una funcin indicador que se activa cuando el crdito se n encuentra en el estado i en el tiempo t, y ij ( ij , t , X n (t )) es una funcin del tiempo y del vector de variables independientes del crdito n en el tiempo t , X n (t ) . Aqu se utilizan variables explicativas que varan en el tiempo. Se asume que la n funcin ij ( ij , t , X n (t )) admite una forma multiplicativa: (8)
n ij ( ij , t , X n (t )) = ij0 (t ) exp ( ij X n (t )) ,

0 donde ij (t ) representa la intensidad base, comn para todos los crditos. Si el n supuesto markoviano es vlido, ij ( ij , t , X n (t )) = ij0 (t ) , es decir, todos los parmetros deben ser estadsticamente iguales a cero. Por tanto, las pruebas al supuesto markoviano son de significancia estadstica del vector de parmetros . Se eligi la forma exponencial como funcin de transformacin por su conveniencia: pues asegura la no negatividad de las intensidades sin imponer ningn tipo de restriccin sobre el valor de los parmetros.

Bajo esta especificacin de las intensidades, los parmetros estimados tienen la interpretacin de semi elasticidades. El modelo es estimado por el mtodo de mxima verosimilitud parcial desarrollado por Cox (1972).

A.

Descripcin de las variables explicativas utilizadas en el modelo de duracin

Se escogieron indicadores que pueden determinar la probabilidad de deterioro de la calidad de la cartera de las firmas, los cuales son de dos tipos: aquellos que describen caractersticas financieras propias de cada entidad, y los que representan las circunstancias del entorno econmico. A continuacin se describen brevemente. 1. Liquidez: (activo corriente + inversiones LP + deudores LP)/(pasivo corriente + obligaciones financieras y laborales LP + cuentas por pagar LP + bonos y pasivos estimados LP). Este indicador mide la liquidez de largo plazo. Estructura de la deuda: pasivo corriente/(pasivo corriente + pasivos LP). Entre mayor sea este indicador, los pasivos de la entidad se concentran en el corto plazo, reflejando una financiacin de menor estabilidad. Endeudamiento: pasivos/patrimonio. Dentro de las cuentas que conforman el patrimonio, se ponderaron por el 50% las que correspondan al supervit y utilidades del ejercicio en curso, para reconocer su carcter de capital secundario. La interpretacin de este indicador es controvertida: entre dos entidades con las mismas utilidades ser ms rentable la de mayor endeudamiento; sin embargo, la de menor endeudamiento es ms slida (por su mayor patrimonio), lo que le permite afrontar con mejores posibilidades coyunturas adversas, lo cual en el largo plazo la hace ms rentable.

2.

3.

99

4. 5.

Rentabilidad: utilidad antes de impuestos/activo. Eficiencia: gastos operacionales/ventas. Es un indicador tradicional que seala la eficiencia de una entidad, la cual es un componente cada vez ms importante dentro de su estructura de costos. Tamao: activos/1.000.000. Esta variable controla por el tamao de la entidad. Se espera que las entidades de mayor tamao tengan menores probabilidades de deteriorar su cartera frente a las de menor tamao. Tipo de garanta: es una variable dummy que toma el valor uno cuando es garanta idnea y cero de lo contrario. Historia crediticia: representa el nmero de trimestres en los cuales la firma tiene al menos un crdito con el sistema financiero. Nmero de relaciones bancarias: es el nmero de entidades crediticias con el que la entidad tiene prstamos. Crecimiento real del PIB: las entidades presentan mejor cumplimiento de sus obligaciones dentro de ciclos expansivos de la actividad econmica. Tasa de cambio: es el promedio trimestral de la tasa representativa del mercado. Transables no transables: se refiere a si la firma pertenece a un sector transable (definidos como agricultura, pesca, minera y manufacturas) o no transable (el resto de sectores). Se realizaron pruebas de carcter no paramtrico que mostraron que la funcin de supervivencia es estadsticamente diferente para los dos tipos de sectores; por tanto, se hicieron regresiones por separado para transables y para no transables.

7.

8.

9.

10.

11.

12.

13.

B.

Resultados de la estimacin del modelo

Los resultados de las estimaciones para transables y no transables y para cada uno de los pares de transiciones vecinas se presentan en los cuadros 1 y 2; en donde, adems, se presentan los coeficientes estimados y los errores estndar8. La prueba chi-cuadrado para determinar la significancia global de los estimadores muestra que todos los parmetros son conjunta y estadsticamente diferentes de cero, lo que significa que en todos los casos las variables de caractersticas financieras de las empresas y las variables de entorno macroeconmico explican la

Para los detalles de las variables individualmente significativas de cada una de las transiciones y los grupos de empresas, refirase a los cuadros mencionados. Tambin, claro est, se pueden hacer pruebas de significancia conjunta de grupos de variables utilizando los coeficientes y errores estndar reportados.

100

intensidad de migracin entre categoras. Este resultado nos permite inferir que el supuesto markoviano no se cumple. Debido al objetivo de estimar de la manera ms precisa posible las matrices de transicin, la no validez del supuesto markoviano tiene una implicacin muy importante, en la medida en que la intensidad de migracin no depende nicamente de elementos comunes a todos los crditos sino tambin de la informacin inherente a cada empresa y a la situacin econmica en cada momento del tiempo. Por
Cuadro 1 Resultados de la estimacin para empresas transables

Transiciones hacia peores categoras Variable Coef. Liquidez Endeudamiento Tamao Eficiencia Composicin deuda Nmero de relaciones Edad Garanta Crecimiento del PIB Tasa de cambio Rentabilidad Significancia global
a/

AB Err. est. 0,000 0,005 0,000 0,003 0,000 0,006 0,002 0,031 0,006 0,000 0,011 Coef. -0,006 -0,004 -0,008 -0,003 -0,000 0,106 -0,025 0,046 -0,032 0,000 -0,601

BC Err. est. 0,001 0,078 0,001 0,000 0,001 0,012 0,004 0,064 0,012 0,000 0,065 Coef.

CD Err. est. 0,001 0,007 0,002 0,008 0,001 0,016 0,005 0,078 0,015 0,000 0,089 Coef. -0,000 -0,009 -0,005 -0,002 0,004 0,049 -0,025 -0,039 -0,003 0,000 -0,029

DE Err. est. 0,001 0,012 0,001 0,018 0,002 0,018 0,005 0,086 0,015 0,000 0,049

-0,004 0,006 -0,001 0,005 -0,005 0,041 -0,006 -0,295 -0,026 -0,001 -0,127

-0,003 0,004 -0,014 0,001 0,002 0,055 -0,018 0,073 -0,009 0,000 -0,267

1038,44 (0,000)

495,72 (0,000)

189,82 (0,000)

69,88 (0,000)

Transiciones hacia mejores categoras Variable Coef. Liquidez Endeudamiento Tamao Eficiencia Composicin deuda Nmero de relaciones Edad Garanta Crecimiento del PIB Tasa de cambio Rentabilidad Significancia global 0,000 0,005 -0,005 0,003 0,010 -0,021 -0,011 0,119 0,046 0,000 1,373 AB Err. est. 0,000 0,004 0,000 0,003 0,001 0,007 0,002 0,037 0,008 0,000 0,121 Coef. 0,002 -0,002 0,001 -0,110 0,006 -0,023 0,006 -0,109 0,049 -0,001 0,386 BC Err. est. 0,001 0,012 0,001 0,123 0,002 0,022 0,007 0,108 0,020 0,000 0,266 Coef. 0,002 0,000 0,001 -0,000 0,004 -0,083 0,034 -0,307 0,008 -0,001 0,079 CD Err. est. 0,001 0,000 0,001 0,001 0,004 0,044 0,012 0,183 0,034 0,000 0,110 Coef. 0,001 0,009 0,000 -0,239 -0,004 -0,035 0,050 -0,309 -0,075 -0,000 -0,364 DE Err. est. 0,000 0,025 0,001 0,222 0,003 0,039 0,011 0,166 0,033 0,000 0,183

679,63 (0,000)

61,28 (0,000)

30,14 (0,002)

44,07 (0,000)

a/ Esta fila corresponde al estadstico chi-cuadrado y al p-value correspondiente. Fuente: clculos de los autores.

101

esta razn, el siguiente paso debe ser incluir dicha informacin en la estimacin de las matrices de transicin como una forma de construir un sistema de alerta temprana ms precisa tanto para las instituciones financieras como para los entes reguladores.

V.

Conclusiones

Las matrices de transicin son una herramienta fundamental en el anlisis de riesgo de crdito, ya que permiten hacer pronsticos del cambio de calidad que pueden
Cuadro 2 Resultados de la estimacin para empresas no transables

Transiciones hacia peores categoras Variable Coef. Liquidez Endeudamiento Tamao Eficiencia Composicin deuda Nmero de relaciones Edad Garanta Crecimiento del PIB Tasa de cambio Rentabilidad Significancia global 0,003 0,002 -0,000 0,000 -0,008 0,040 -0,005 -0,262 -0,041 -0,000 -0,100 AB Err. est. 0,002 0,002 0,000 0,000 0,000 0,005 0,001 0,026 0,005 0,000 0,006 Coef. -0,001 -0,000 -0,004 0,000 -0,000 0,089 -0,024 0,025 -0,032 0,000 -0,422 BC Err. est. 0,000 0,001 0,001 0,001 0,001 0,012 0,003 0,059 0,010 0,000 0,032 Coef. -0,000 -0,000 -0,004 -0,001 0,002 0,040 -0,021 0,099 0,003 -0,000 -0,138 CD Err. est. 0,000 0,000 0,001 0,001 0,001 0,014 0,003 0,066 0,011 0,000 0,040 Coef. -0,000 0,006 -0,004 0,000 0,004 0,031 -0,026 0,058 0,001 -0,000 -0,004 DE Err. est. 0,000 0,002 0,002 0,001 0,001 0,019 0,004 0,080 0,014 0,000 0,006

1158,65 (0,000)

275,03 (0,000)

104,60 (0,000)

83,15 (0,000)

Transiciones hacia mejores categoras Variable Coef. Liquidez Endeudamiento Tamao Eficiencia Composicin deuda Nmero de relaciones Edad Garanta Crecimiento del PIB Tasa de cambio Rentabilidad Significancia global 0,000 -0,000 0,000 -0,003 0,005 -0,021 -0,009 0,096 0,063 0,000 0,533 AB Err. est. 0,001 0,002 0,000 0,003 0,000 0,007 0,001 0,031 0,006 0,000 0,046 Coef. 0,006 -0,001 0,001 -0,002 0,000 -0,032 0,003 -0,201 -0,023 0,000 0,936 BC Err. est. 0,002 0,011 0,000 0,006 0,002 0,024 0,006 0,110 0,021 0,000 0,286 Coef. 0,000 -0,004 0,000 -0,017 -0,000 -0,112 0,029 -0,102 0,073 -0,000 0,255 CD Err. est. 0,000 0,022 0,002 0,029 0,002 0,045 0,009 0,173 0,032 0,000 0,302 Coef. 0,000 0,008 0,000 -0,000 0,001 0,194 -0,023 -0,181 -0,045 0,000 0,121 DE Err. est. 0,000 0,002 0,001 0,003 0,003 0,052 0,013 0,227 0,043 0,000 0,198

585,57 (0,000)

31 (0,001)

22,71 (0,019)

19,94 (0,046)

Fuente: clculos de los autores.

102

sufrir los portafolios de crditos en un perodo de tiempo determinado y, de esta manera, son un elemento muy importante para hacer mediciones de las prdidas que pueden experimentar las entidades tras el incumplimiento. En este documento se hicieron diferentes estimaciones de matrices de transicin para los deudores de la cartera comercial colombiana, y dependiendo de la metodologa empleada, los resultados son diferentes. En este artculo se muestra que el supuesto markoviano, bajo el cual se estimaron las matrices de transicin, no se cumple. De esta forma, para estimar de manera ms precisa las matrices de transicin es necesario usar modelos de duracin, los cuales permiten incorporar variables explicativas como determinantes de las probabilidades de migracin. Si se insiste en estimar las matrices bajo el supuesto markoviano, dicha estimacin debe hacerse en tiempo continuo debido a que esta metodologa supera los problemas inherentes a la estimacin en tiempo discreto que se mencionaron a lo largo de este documento. En adelante, debido a los resultados obtenidos, la idea es estimar las probabilidades de migracin para todas las categoras, utilizando como punto de partida el modelo de duracin presentado en este documento.

Referencias
Arango, J. P.; Orozco, I. P.; Zamudio, N. E. (2005), Riesgo de crdito: un anlisis desde las firmas, Reporte de Estabilidad Financiera, Banco de la Repblica, diciembre. Bangia, A.; Diebold, F. X.; Kronimus, A.; Schagen, C.; Schuermann, T. (2002). Rating Migration and the Business Cycle, with Application to Credit Portfolio Stress Testing, Journal of Banking and Finance, nm. 26, pp. 445-474. Cox, D. R. (1972), Regression Models and LifeTables, Journal of the Royal Statistical Society, B. 34, pp. 187-220. Ferri, G.; Liu, L. (2003), How Do Global Credit-Rating Agencies Rate Firms from Developing Countries?, Asian Economic Papers, nm. 2, pp. 30-56. Gmez Gonzlez, J. E. (2007), Three Econometric Essays in the Economics of Banking, Ph. D. Dissertation, Cornell University. Gmez Gonzlez, J. E.; Kiefer, N. M. (2007a), Bank Failure: Evidence from the Colombian Financial Crisis, Office of the Comptroller of the Currency, Documento de trabajo, nm. 2007-02. Gmez Gonzlez, J. E.; Kiefer, N. M. (2007b), Evidence of non-Markovian Behavior in the Process of Bank Rating Migrations, Borradores de Economa, num. 448, Banco de la Repblica. Gmez Gonzlez, J. E.; Orozco, I. P., Zamudio, N. E. (2006), Anlisis de la probabilidad condicional de incumplimiento de los mayores deudores privados del sistema financiero colombiano, Reporte de Estabilidad Financiera, Banco de la Repblica, septiembre. Kavvathas, D. (2000), Estimating Credit Rating Transition Probabilities for Corporate Bonds, AFA 2001 New Orleans Meetings. Kchler, U.; Sorensen, M. (1998), A Note on Limit Theorems for Multivariate Martingales, nm. 45.

103

Lando, D. (2004), Credit Risk Modeling, Princeton, Princeton Series in Finance. Lando, D.; T. Skodeberg (2002), Analyzing Rating Transitions and Rating Drift with Continuous Ibservations, Journal of Banking and Finance, nm. 26, pp. 423-444. McNeil, A. J.; Frey R.; Embrechts, P. (2005), Quantitative Risk Management , Princeton, Princeton Series in Finance.

Norris, J. R. (2005); Markov Chains, Cambridge, Cambridge Series on Statistical and Probabilistic Mathematics. Shreve, S. E. (2005), Stochastic Calculus for Finance I, Nueva York, Springer. Zamudio, N. E. (2007): Determinantes de la probabilidad de incumplimiento de las empresas colombianas, tesis de grado de maestra , Facultad de Economa, Universidad de los Andes.

104