Estimación de un modelo de calificación crediticia

Transcripción

Estimación de un
modelo de
calificación
crediticia
Tutor: Alberto Matellán Pinilla
Esther Arcones Luengo
Carlos Carrocera Lozano
Carlos Peláez-Campomanes Sarró
Madrid, Septiembre 2015
ESTIMACIÓN DE UN
MODELO DE CALIFICACIÓN
CREDITICIA
Tutor: Alberto Matellán Pinilla
Esther Arcones Luengo
Carlos Carrocera Lozano
Carlos Peláez-Campomanes Sarró
A Alberto por su paciencia y apoyo
ESTIMACIÓN DE UN MODELO DE CALIFICACIÓN CREDITICIA | INTRODUCCIÓN
1
Índice
1.
INTRODUCCIÓN................................................................................................................ 3
2.
MARCO TEÓRICO ............................................................................................................. 4
2.1 RIESGO DE CRÉDITO ...................................................................................................... 4
2.1.1 Fases y ciclo del riesgo de crédito ....................................................................... 8
2.1.2 Componentes del riesgo de crédito: ................................................................. 10
2.1.3 Ratings: Internos y externos .............................................................................. 11
2.1.4 Medición y cuantificación del riesgo de crédito:............................................... 13
2.2 REGULACIÓN DEL RIESGO DE CRÉDITO ....................................................................... 16
2.2.1 Acuerdos para la regulación del riesgo de crédito: Basilea ............................... 18
2.2.2 Basilea III: novedades respecto Basilea II .......................................................... 31
2.3 LAS AGENCIAS DE CALIFICACIÓN CREDITICIA.............................................................. 36
2.3.1 Los orígenes de las agencias de rating .............................................................. 36
2.3.2 El papel de las agencias de calificación de rating .............................................. 37
2.3.3 Proceso de cálculo de rating de las agencias de calificación............................. 38
2.3.4 Críticas a las agencias de calificación ................................................................ 39
2.3.5 Metodología de Standard & Poor`s ................................................................... 42
3.
OBJETIVOS Y METODOLOGÍA PROPUESTA........................................................... 56
3.1 LA BASE DE DATOS Y EL ANÁLISIS PRELIMINAR DE LA INFORMACIÓN ....................... 57
3.1.1 Problemática inicial, la base de datos de panel obtenida de S&P .................... 57
3.1.2 Base de datos de sección cruzada, obtenida de Bloomberg ............................. 61
3.2 MODELOS Y RESULTADOS ........................................................................................... 71
3.2.1 El modelo lineal múltiple aplicado al rating ...................................................... 73
3.2.2 El modelo de elección discreta aplicado a calificaciones High Yield ................. 82
4.
CONCLUSIONES.............................................................................................................. 86
5.
BIBLIOGRAFÍA ................................................................................................................ 87
2
1. INTRODUCCIÓN
El sistema financiero desempeña un papel central en el funcionamiento y desarrollo de la
economía. Un sistema financiero estable, eficiente, competitivo e innovador contribuye a elevar
el crecimiento económico sostenido y el bienestar de la población. Para lograr dichos objetivos,
es indispensable contar con un marco institucional sólido y una regulación y supervisión
financieras que salvaguarden la integridad del mismo sistema y protejan los intereses del
público.
En los últimos tiempos, la globalización de la economía de mercado ha disminuido la
estabilidad y seguridad del negocio financiero, multiplicando los riesgos a los que se enfrentan
estas entidades, entre ellos el riesgo de crédito y se han puesto en entredicho muchos aspectos
de su funcionamiento: desde la complejidad que alcanzaron algunas innovaciones financieras
que resultaron ser muy nocivas, hasta el funcionamiento de las agencias de rating y
ciertas estructuras de regulación.
En este contexto, la calificación de riesgo crediticio se convierte en uno de los puntos
fundamentales en la implantación de los modelos propuestos en los acuerdos de Basilea, para la
medición del riesgo de crédito.
Este trabajo tiene un objetivo triple:
•
Contextualizar el marco teórico y regulatorio asociado al riesgo de crédito.
•
Estudiar los determinantes financieros del riesgo de crédito, para encontrar patrones
comunes independientemente de variables cualitativas y/o juicios personales del
analista.
•
Proponer una aproximación a un modelo de riesgo de crédito relativamente sencillo que
puede ser utilizado con muy pocos recursos.
3
2. MARCO TEÓRICO
2.1 RIESGO DE CRÉDITO
El “Riesgo” lo asociamos a la posibilidad de una contingencia o la proximidad de sufrir un
daño, evidentemente con una visión negativa.
Pero en la realidad el concepto riesgo, va acompañado del concepto oportunidad.
Desconocemos las consecuencias, el futuro, pero si podemos determinar en mayor o menor
medida la probabilidad que se produzcan dichas consecuencias. (España)
Antes de entrar en materia, sobre el tema que nos concierne; evidenciar que con la actual crisis
financiera a nivel global, todos los agentes de la economía se ven afectados; principalmente las
entidades bancarias por su modelo de negocio.
Con dicha situación se ha implantado o debería haberse implantado una gestión de los posibles
riesgos a los que puede verse afectada la compañía y que tienen como objetivos los siguientes:
•
Preservar la solidez financiera y patrimonial, cumpliendo con la normativa establecida y
garantizar el segundo de los objetivos: la solvencia financiera.
•
La solvencia, capacidad que tiene una compañía para hacer frente a sus obligaciones,
con los recursos de los que dispone. Estos recursos, pueden ser o no efectivo; de ahí la
confusión que existe entre solvencia y liquidez. En la actualidad si hablamos de
solvencia no podemos hacer referencia a otro tema que no sea la nueva Normativa de
Solvencia II.
La implantación de Solvencia II parece estar alcanzando velocidad de crucero en nuestro sector
asegurador. Esta normativa establece herramientas de control de riesgo en las entidades de
modo que se minimice su probabilidad de quiebra. Por tanto, supone que existe dicha
probabilidad, la cual es posible medir y modificar mediante herramientas contables y
financieras. Algo parecido a creer que, si tiro una moneda al aire, el resultado “cruz” tiene una
probabilidad del 50%. Pero las empresas no son monedas, y menos monedas perfectas. Por eso,
ese planteamiento sufre al menos tres problemas.
El primero es el propio sentido de probabilidad. ¿Qué significa una probabilidad de quiebra del,
digamos, 1%? ¿Acaso que una de cada cien entidades quebrará en un año determinado? ¿O en
algún momento de la historia y las demás perdurarán para siempre? En el caso de la moneda
ESTIMACIÓN DE UN MODELO DE CALIFICACIÓN CREDITICIA | MARCO TEÓRICO
4
está muy claro: de cada 100 lanzamientos, puedo esperar 50 “cruces”. Pero en el caso de las
empresas, esa probabilidad carece de un significado real y práctico, lo cual es consecuencia,
precisamente, de los otros dos problemas.
El segundo consiste en identificar a todas las entidades como repeticiones de un mismo suceso.
El cálculo de la probabilidad normalmente se limita a una extrapolación de la historia pasada. Es
decir, cuando tiro una moneda, estoy repitiendo un hecho. Aleatorio, pero al fin y al cabo, el
mismo acto. Sin embargo, las compañías aseguradoras no son todas repeticiones. Difieren en su
cultura, historia, geografía, mercado, e incluso cada una de ellas cambia con el tiempo. Por
tanto, no es posible aplicar en todos los casos los mismos parámetros al cálculo de la
probabilidad. Y mucho menos, extrapolarlos al futuro.
El tercer problema se basa en que, en realidad, esa probabilidad no existe. El sector asegurador
tiene claro, más que ningún otro, la diferencia entre riesgo e incertidumbre. Pero Solvencia II
confunde ambos. Un riesgo se convierte en probabilidad porque tenemos las herramientas y los
datos necesarios para ello; es decir, mediciones y una seguridad razonable de que conocemos
los hechos que provocan dicho riesgo. Por ejemplo, en el caso de la moneda, sabemos que es
siempre la misma, y podríamos repetir la tirada muchas veces, al objeto de recabar la
información necesaria para comprobar si está trucada. Pero las empresas y los mercados
financieros no cumplen esas premisas. Por el contrario, se enmarcan en la acción humana, la
cual depende de decisiones de individuos, sus expectativas, sesgos e interacciones entre sí. Todo
esto de ningún modo constituye sistemas con reglas definidas y perdurables. Eso hace que
resulte imposible medir todos los posibles resultados y, por tanto, se somete a una incertidumbre
que no podemos eliminar.
En este contexto, aplicar herramientas de control de riesgo es doblemente peligroso porque
proporciona una ilusión de control que no existe en realidad y, por tanto, puede conducir a una
gestión temeraria. El sector asegurador ha sido el más estable en cualquier economía durante
toda la historia moderna, al contrario que el bancario. Lo ha logrado gracias a una gestión
conservadora que, si bien mide a la perfección los riesgos medibles (actuariales), ha sabido ser
conservadora y prudente en medio de la incertidumbre.
Como clientes y/o empleados de esa industria, debemos pedir a sus gerentes que mantengan
esas buenas costumbres a pesar de Solvencia II. La calidad de los directivos es una garantía
mucho mayor que cualquier normativa. (Matellán, 2014)
5
La búsqueda de ambos objetivos no puede hacer olvidar el camino estratégico que tiene
cualquier compañía.
El riesgo de crédito ocupa un lugar relevante para las empresas e instituciones financieras, así
como para aquellas empresas que sean usuarias de productos financieros. Entre las razones que
justifican la creciente importancia del riesgo de crédito, están:
Incremento estructural del número de fallidos, debido a la competencia entre las entidades
financieras y a situaciones de exceso de liquidez (fundamento de la crisis de crédito que
venimos padeciendo desde 2007).
Incremento de prestatarios y disminución de la calidad crediticia media de los mismos.
La mayor competencia ocasiona márgenes más estrechos. La horquilla de precios en los 80
alcanzó los 100 puntos básicos, mientras que hoy es de 3 o 4 puntos básicos.
La mayor volatilidad en los valores de las garantías de las operaciones, asociadas al aumento
general de volatilidad en los mercados financieros en los últimos años. (Mascareñas PérezIñigo, 2004)
Un aspecto destacado para las instituciones financieras y sus reguladores, es la adecuación del
capital requerido para cubrir el riesgo de crédito (dentro y fuera del balance) siguiendo las
recomendaciones del Comité de Basilea; por lo que si hablamos de gestión de riesgo, tenemos
que hablar de la normativa actual en relación a esta materia: BASILEA III, que abordaremos
más adelante y que ha supuesto un marco donde fijarse a nivel mundial. (COSO, 2004)
El Riesgo de Crédito se define como la posibilidad de sufrir un quebranto económico como
consecuencia del incumplimiento de los compromisos contractuales en una transacción
financiera por parte de la contrapartida (cliente particular, empresa, entidad financiera,
organismo público o estado) por motivos de insolvencia.
También podemos definir el riesgo de crédito como la probabilidad de incurrir en pérdidas
derivadas del incumplimiento en tiempo y forma de las obligaciones crediticias de un cliente.
(Rodríguez).
De las anteriores definiciones se deriva lo siguiente:
Existencia de un derecho: original o derivado. Incumplimiento en tiempo: porque no se respetan
los plazos establecidos. Incumplimiento en forma: porque la forma de pago no es la convenida
(por ejemplo no se paga en dinero sino que se entrega un inmueble). Probabilidad de pérdida: no
es algo cierto, es una posibilidad que debemos contemplar.
6
Entre las variables determinantes en el riesgo de crédito podemos destacar las siguientes:
•
Coyuntura económica: es una variable exógena a tener en cuenta en la evaluación del
riesgo, aunque es independiente de la gestión de la entidad. No existe control sobre ella,
está básicamente determinada por el ciclo económico, el entorno internacional y las
políticas monetaria y crediticia de la economía nacional.
•
Volumen: variable estratégica, que atiende tanto al volumen cuantitativo como a su
composición. Debemos adoptar una doble perspectiva a la hora de abordar el análisis de
ésta variable: volumen absoluto (a mayor volumen, mayor riesgo) y volumen relativo
(importancia cuantitativa de cada una de las posibles contrapartidas.)
•
Calidad: variable de gestión interna de la entidad financiera que comprende las
políticas practicadas por la entidad en su actividad crediticia. Su análisis supone un
estudio pormenorizado de operaciones y acreditados. Entre algunos de los aspectos
determinantes de esta variable están: la concesión: variable relativa al nivel de
información requerida por la entidad para la admisión de riesgo, vinculación del cliente
con la entidad y la posible concentración de operaciones
El riesgo de crédito se origina cuando se toma la decisión de asumir el riesgo y acaba cuando
éste es eliminado; Cobrando, en su caso, en importe y plazo. Por lo tanto, el riesgo de crédito
debe ser “monitoreado” a lo largo de toda la vida del mismo. (AECA, 1997)
El riesgo de crédito de cualquier operación se ve influenciado por:
a) Influencia del ciclo económico
Los periodos de expansión económica coinciden con fases de impagos reducidos, mientras que
en periodos de recesión ocurre lo contrario. En ocasiones se producen estos efectos con ciertos
retardos. Por otro lado, hay casos particulares de empresas que se muestran menos sensibles al
entorno económico recesivo, debido a que venden productos necesarios en cualquier
circunstancia y momento, pero muy competitivos en precio.
b) Situación del país o países en los que actúa el prestatario
El entorno general del país o países en los que actúa un prestatario puede influir en su riesgo de
crédito y en otros tipos de riesgos. Este riesgo específico generado por el entorno se denomina
riesgo país. El riesgo país considera cuestiones de distinto tipo: políticas, económicas, sociales y
geográficas. Un ejemplo actual sería el relacionado con las altas primas de riesgo en la
7
financiación de la deuda soberana en algunos países, lo cual tiene unas repercusiones directas en
el aumento del coste del resto de prestatarios de esos países.
c) Aspectos particulares del prestatario
Asimismo, un prestatario (ya sea un particular, una empresa o una institución) tiene sus propias
peculiaridades que afectan a su riesgo de crédito específico. Todos los aspectos que influyen en
el riesgo de un prestatario se han de identificar y valorar en el proceso de evaluación previo a la
entrega de fondos.
d) Aspectos particulares de la operación crediticia
Hay una serie de aspectos que están vinculados al diseño del crédito y que condicionan el riesgo
de la operación. En primer lugar está el plazo de devolución de los fondos prestados. A mayor
plazo mayor riesgo, ya que en un plazo de tiempo amplio pueden ocurrir más acontecimientos
que afecten negativamente a la solvencia del prestatario que en un plazo más corto. Por otro
lado, están las garantías asociadas al crédito. Un crédito hipotecario mitiga el riesgo de un
préstamo en relación con una operación con las mismas características técnicas salvo la garantía
hipotecaria.
En tercer lugar, está el empleo de los recursos obtenidos en préstamos. Los créditos al consumo
presentan menos riesgo que los préstamos para inversión, y dentro de éstos, el mayor o menor
riesgo del proyecto financiado condiciona directamente el riesgo del préstamo. Finalmente, hay
que citar también la cuantía del préstamo. Cuanto mayor sea la cantidad prestada mayores serán
las pérdidas del prestamista en caso de insolvencia del prestatario. (Iglesias, 2015)
2.1.1
Fases y ciclo del riesgo de crédito
El proceso de gestión de riesgo de crédito consiste en identificar, analizar, controlar y decidir,
en su caso, los riesgos de la organización. En el ciclo de riesgo se diferencian tres fases:
preventa, venta y postventa.
El proceso se realimenta constantemente, incorporándose los resultados y conclusiones de la
fase de postventa al estudio del riesgo y planificación de la preventa.
8
Figura 1: Ciclo del riesgo
Fuente: elaboración propia
Decisión/Admisión:
De manera general, el estudio del riesgo consiste en analizar la capacidad de cada cliente para
hacer frente a sus compromisos. Esto implica analizar la calidad crediticia del mismo, sus
operaciones de riesgo, su solvencia y la rentabilidad a obtener en función del riesgo asumido.
El rating es el resultado de un análisis cuantitativo basado en ratios de balance o variables
macroeconómicas, que es complementado con el juicio experto aportado por el analista. Frente
al uso del rating en el mundo mayorista y resto de empresas e instituciones, en el segmento de
individuos predominan las técnicas de Scoring, que de forma general asignan automáticamente
una valoración de las operaciones que se presentan.
En esta fase se realiza la segmentación por tipología de cliente, de los cuales habrá que recopilar
la información necesaria para tomar la decisión de admitir o no.
Minorista: este segmento incluye todas las personas físicas, con excepción de aquellas con una
actividad empresarial. Este segmento a su vez se divide en sub-segmentos por nivel de rentas, lo
que permite una gestión del riesgo adecuada al tipo de cliente.
Pequeños negocios, pymes, empresas e instituciones, se incluye las personas jurídicas y las
personas físicas con actividad empresarial. También incluye las entidades del sector público en
general y las entidades del sector privado sin ánimo de lucro.
Empresas: está compuesto por clientes corporativos, instituciones financieras y soberanos, que
componen una lista cerrada revisada anualmente.
Esta lista se determina en función de un análisis completo de la empresa (negocio, países en los
que opera, tipos de producto que utiliza, volumen de ingresos que representa para el Banco,
antigüedad en la relación con el cliente, etc.) (Santander, 2014)
9
Seguimiento:
Como hemos dicho anteriormente, con la aceptación/aprobación del cliente no sirve para evadir
el riesgo; por lo que tenemos que monitorearlo a lo largo de toda la vida del mismo. La función
de seguimiento se fundamenta en un proceso de observación continua que permite detectar
anticipadamente las variaciones que se pudieran llegar a producir en la calidad crediticia de los
clientes con el fin de emprender acciones encaminadas a corregir las desviaciones que impacten
negativamente. Es por tanto un seguimiento dinámico que se fundamenta en preservar la calidad
crediticia, impulsar medidas acordes a la situación en la que se encuentra el “riesgo” y mejorar
la información para que la gestión del riesgo sea más eficaz.
Fase de Recuperación:
Es la última etapa del proceso de gestión del riesgo de crédito en donde se aplican
procedimientos tendentes al recobro de posiciones deudoras en caso de: el riesgo resulte
impagado en importe o plazo, o se den circunstancias subjetivas que pongan en peligro su
devolución. (Cano Rodríguez)
2.1.2
Componentes del riesgo de crédito:
Riesgo país. (Iglesias, 2015)
Derivado de un eventual deterioro político, económico o social en el país donde la compañía
desarrolla su actividad. Cuatro son los principales aspectos de los que se compone el riesgo
país:
•
Riesgo soberano: aquel en el que se incurre por la posibilidad de impago del Estado o
entidades garantizadas por el Estado en sí. Esto puede deberse a diversas situaciones
como por ejemplo: falta de ingresos públicos, insuficiencia de divisa, o por la situación
política del gobierno del país en concreto.
•
Riesgo de transferencia: aquel en el que se incurre por la posibilidad de impago de un
préstamo denominado en divisas, ya sea porque no existan materialmente o porque el
Estado prohíba su salida (guerras, situaciones políticas graves, expropiación…)
•
Riesgo de entorno macroeconómico: derivado de un deterioro de la situación
económica del país.
•
Riesgo Legal/Regulatorio: los riesgos legales son aquellos relativos a una modificación
en el entorno normativo que afecta negativamente a los intereses de una compañía. Una
10
posibilidad de expropiación de la empresa por parte de un gobierno local, o la
modificación y/o alteración de la normativa, al margen de provocar incertidumbre,
podrían alterar el normal funcionamiento del mercado. Un cambio en la fiscalidad de un
activo, en los regímenes de amortización, en los horarios comerciales, o en el marco del
sistema financiero son fuentes generadoras de riesgo regulatorio. Son por tanto, riesgos
derivados de la inseguridad jurídico-regulatoria del Estado. (Santander, 2014)
Riesgo de Contrapartida:
Es el riesgo de crédito asumido al realizar operaciones con derivados. Destacamos en este
apartado la técnica del Netting, muy importante cuando se quiere reducir el riesgo de
contrapartida, en el que el préstamo realizado son títulos (valores).
2.1.3
Ratings: Internos y externos
A la hora de analizar la situación de la contraparte lo que se lleva a cabo es lo que se conoce
como los ratings, que no es otra cosa más que recopilar información sobre los clientes. Existen
dos tipos fundamentales: los ratings internos (scoring), usan la información propia suministrada
y los ratings externos, que se valen de terceros para la misma función.
2.1.3.1 Scoring
El scoring es un modelo de decisión que ayuda en la concesión y gestión de los créditos. Es la
herramienta básica para decidir la concesión de un crédito, el importe a conceder y las
estrategias que pueden contribuir a fijar el precio del mismo, ya que se basa en un algoritmo que
ordena las operaciones en función de su calidad crediticia.
Dicho algoritmo permite asignar una puntuación a cada operación solicitada por un cliente,
sobre la base de una serie de características objetivas que estadísticamente se ha demostrado que
discriminan entre la calidad de riesgo de dicho tipo de operaciones. La ventaja del scoring reside
en su sencillez y homogeneidad: para cada cliente sólo se requiere disponer de una serie de
datos objetivos y el análisis de estos datos es automático, mediante un algoritmo.
2.1.3.2 Rating
El rating, a diferencia de los scorings (que califican operaciones), es una herramienta enfocada a
la calificación de clientes: empresas, corporaciones, PYMES, administraciones públicas, etc. Un
rating es un instrumento que permite determinar, en base a un análisis financiero detallado, la
capacidad de un cliente de hacer frente a sus obligaciones financieras. Habitualmente la
11
calificación final es una combinación de factores de diferente naturaleza. Por un lado, factores
cuantitativos y, por otro, factores cualitativos. Es un camino intermedio entre el análisis
individualizado y el análisis estadístico.
Existen, básicamente, 4 métodos para el cálculo del Scoring o Rating Interno: Probabilidad
Lineal, Logit, Probit y análisis discriminante. (Iglesias, 2015)
Cuando la información que provee el scoring no es suficiente o simplemente se quiere contrastar
dicha información, acudimos a Agencias expertas de calificación. Las más conocidas son:
Standard & Poor´s, Moody’s y Fitch Ratings. Las calificaciones que proporcionan estas
agencias sobre diversos emisores (empresa privada, Estado o entidad pública) son opiniones
sobre la capacidad para el cumplimiento de las obligaciones financieras.
2.1.3.3 Metodología y clasificaciones de las agencias:
Cada una de las agencias de Calificación, tiene su propia metodología para medir la calidad
crediticia y usa unas escalas donde publica sus datos de calificación.
Las escalas de rating son diferentes según las agencias pero principalmente todas se dividen en
Investment Grade y Speculative Grade. Las calificaciones pueden ser solo con letras de la A la
D, uso de signos (+o -) o un número de forma posterior a la letra entre el 1 y el 3. Cuando la
calificación pasa de Investment a Speculative Grade se le llama “Fallen Angel” pero si es al
revés “Rising Star”.
Investment Grade → bajo riesgo de crédito
Speculative Grade → alto riesgo de crédito
Esta “calificación” sirve en las entidades de crédito u otras para establecer sus políticas de
riesgos de forma coherente, seguimiento de la calidad del riesgo vivo, establecer políticas de
delegación de facultades, política de precios según el spread, adecuar esfuerzos y asignación de
capacidades en función del perfil de riesgo y gestionar la cartera crediticia según un mapa de
riesgos además de acortar tiempos de respuesta sin deteriorar la exigencia en el análisis.
(Bruner).
12
2.1.4
Medición y cuantificación del riesgo de crédito:
El seguimiento de la calidad crediticia de los clientes, establece los procedimientos de control
necesarios para analizar la cartera actual de riesgo de crédito y su evolución, a través de las
distintas fases del riesgo de crédito.
Se analiza la evolución del riesgo respecto a presupuestos, límites y estándares de referencia,
evaluando los efectos ante situaciones futuras, tanto exógenas como aquellas provenientes de
decisiones estratégicas, con el fin de establecer medidas que sitúen el perfil y volumen de la
cartera de riesgos dentro de los parámetros fijados por la compañía.
Es, la unidad de riesgo de crédito, la responsable de analizar la solvencia de las contrapartidas y
establecer los límites de riesgo. El riesgo de crédito se debe medir de forma consistente en todos
los productos y unidades de negocio y se debe comparar regularmente con los límites de
contrapartida. (Santander, 2014)
Factores del Riesgo de crédito:
Los tres factores fundamentales a la hora de cuantificar al riesgo de crédito son:
Figura 2: Factores del riesgo de crédito
Probabilidad de Mora (PD)
Es la posibilidad de que la contraparte incumpla sus compromisos acordados de pago. Por lo
tanto es un concepto asociado a la incapacidad de recuperar la contrapartida en el futuro.
Para su cálculo existen dos métodos fundamentales: enfoque actuarial, que se calcula a partir de
las calificaciones de scoring y rating y el enfoque de mercado, se parte del valor de mercado de
los activos de una compañía y se compara con sus obligaciones.
13
Exposición Crediticia (EAD)
Se trata de la pérdida máxima que se puede llegar a tener con una contrapartida en el momento
del incumplimiento (valor total de los derechos adquiridos).
La exposición viene medida por el valor de los derechos adquiridos contra la contrapartida en el
momento del incumplimiento. Frecuentemente la exposición se asocia al capital pendiente, pero
esta aproximación solo es válida para ciertas operaciones y sólo de forma aproximada.
La exposición depende del tiempo en el que se produce el incumplimiento y del valor de los
factores de mercado en el momento del incumplimiento.
Es una variable aleatoria con media y volatilidad, que da lugar a unos perfiles de riesgo de
crédito: estimación hoy de cuánto pueden llegar a ser los valores futuros de los derechos con
una contrapartida para un determinado nivel de confianza.
Severidad de la Pérdida (LGD)
Es el porcentaje de pérdida que finalmente tiene lugar. Se trata de la proporción de derechos a
los que finalmente hay que renunciar por el incumplimiento de la contrapartida. Una parte
fundamental de la severidad se deriva de los costes del proceso recuperatorio y de los retrasos
en los cobros finales, ya que hay un coste de oportunidad en el mismo. La solemos encontrar
expresada en porcentaje de la deuda pendiente en el momento de mora. Los factores principales
que afectan a la severidad son:
•
Prelación de los pagos: la deuda senior se recupera antes que la deuda subordinada.
•
Sector Industrial: dependiendo de los activos y de la concentración del sector.
•
Ciclo económico: la recesión económica afecta negativamente a la LGD.
Para su cálculo se puede llegar a través de dos vías:
1. Basándose en la información histórica de las recuperaciones totales para instrumentos
similares.
2. Partiendo en la caída de las cotizaciones de instrumento similares que hayan incurrido
en mora. (Iglesias, 2015) (Morán, 2015)
14
2.1.4.1 Pérdida Esperada y pérdida inesperada:
La pérdida esperada (EL) es la media de la distribución del total de pérdidas. Es decir la
media que surge de unir las distribuciones de Probabilidad de Mora, Exposición Crediticia y
Severidad de la Pérdida. Para su cálculo se realiza el producto de la probabilidad de default, la
pérdida en el evento de default y la exposición.
Figura 3: Metodología para calcular cuantitativamente el riesgo de crédito
Fuente: (Iglesias, 2015)
La pérdida inesperada (UL) es la volatilidad de la distribución resultante de la unión de las
tres distribuciones antes mencionadas: PD, EAD y LGD. También se puede calcular en términos
del VaR (Valor en Riesgo), obteniéndose mediante la diferencia entre el propio VaR y la
pérdida esperada; lo que sí se puede afirmar es que su cálculo es mucho más complejo que el de
la pérdida esperada.
15
2.2 REGULACIÓN DEL RIESGO DE CRÉDITO
Una de las principales características del sector financiero es su alto grado de regulación. La
finalidad de la regulación bancaria es la búsqueda del buen funcionamiento del sistema y la
limitación de crisis bancarias. Las diferentes regulaciones se han preocupado por la solvencia de
las entidades financieras y han desarrollado un número importante de normas que tratan de
salvaguardar este objetivo.
Si bien parece evidente que la mejor manera de evitar situaciones de insolvencia es a través de
una buena gestión, en situaciones de crisis económica los bancos suelen sufrir importantes
pérdidas y padecer problemas de solvencia. Esta situación, de producirse, es menos preocupante
si las entidades disponen de recursos propios suficientes con los que cubrir dichas pérdidas. En
este sentido los recursos propios actúan a modo de colchón que cubre pérdidas inesperadas y
evita que éstas recaigan sobre los depositantes. La regulación sobre el capital bancario tiene sus
antecedentes en la Federal Reserve Act de 1913 que ya imponía requisitos mínimos de capital
para ser miembros de la Reserva Federal. A raíz de la crisis bancaria en EE.UU. en 1929 se
reconoce la importancia de que las instituciones bancarias tengan un respaldo financiero de sus
propietarios suficiente para soportar pérdidas inesperadas.
El acuerdo denominado Convergencia internacional de medición de capital y estándares de
capital, también llamado Acuerdo del Comité de Basilea de 1988, representó uno de los
mayores avances en cuanto a la definición de los requerimientos mínimos de capital que deben
cumplir los bancos internacionales para hacer frente a situaciones inesperadas de pérdidas por
diferentes riesgos, principalmente el riesgo de crédito. Su aplicación se ha extendido a más de
100 países, y ahora se encuentra en proceso de elaboración un tercer acuerdo, al que se
denomina comúnmente Basilea III. (Domínguez, 2003).
Breve introducción a la regulación en materia de capital: Basilea
El Comité de Supervisión Bancaria de Basilea publicó en 1988 el primer Acuerdo de Capital,
conocido también como Basilea I. Este Acuerdo establecía el capital mínimo que las entidades
debían tener en relación con sus activos ponderados por riesgo, incluía una definición de capital,
establecía el sistema de ponderación de las exposiciones y fijaba el capital mínimo en un 8%.
En 2004, el Comité publicó una revisión del Acuerdo de 1988. La reforma, conocida como
Basilea II, desarrollaba de manera mucho más extensa el cálculo de los activos ponderados por
16
riesgo y permitía que las entidades aplicasen calificaciones de riesgo basadas en sus modelos
internos, siempre que estuviesen previamente aprobados por el supervisor. Este cambio
pretendía fomentar la mejora en la gestión del riesgo de las entidades. El Comité no modificó
otros elementos del acuerdo de Basilea I, como el nivel de la ratio y la definición de capital, ya
que su objetivo era mantener en líneas generales el nivel agregado de los requerimientos de
capital del sistema.
Sin embargo, la reciente crisis ha puesto de manifiesto que los niveles de capital en el sistema
bancario eran insuficientes: la calidad del capital de las entidades se había ido deteriorando y en
muchos países el sistema bancario estaba excesivamente apalancado. Además, muchas
entidades experimentaron problemas de liquidez al no poder refinanciarse en los mercados a
corto plazo.
La interconexión existente entre determinadas entidades y el proceso de desapalancamiento que
llevó a cabo el sector contribuyeron, una vez comenzada la crisis, a aumentar sus efectos
negativos sobre la estabilidad financiera y la economía en general.
Para abordar estas lecciones aprendidas de la crisis y con el objeto de fortalecer la regulación,
supervisión y gestión de riesgos del sector bancario, el Comité de Basilea ha desarrollado un
conjunto de reformas que se conoce como Basilea III. Estas nuevas medidas se enmarcan dentro
de un proceso de reformas más amplio, que se derivan del plan de acción que el G 20 acordó en
la cumbre de Washington en noviembre de 2008 —con el fin de dar soluciones globales a la
crisis y de mejorar la cooperación internacional— y de los acuerdos posteriores de las cumbres
de Londres, Pittsburgh y Toronto. (Elorriaga, 2010)
Las propuestas de mejora se dieron a conocer en enero de 2009 para la consulta de la industria,
antes de emitir modificaciones en julio de 2009, las cuales pretenden, fundamentalmente que los
bancos cuenten con más y mejor capital.
Este último acuerdo es lo que se conoce actualmente como Basilea III, en el cual se exige más
capital directamente, mediante mayores requerimientos respecto a riesgos y exposiciones e
indirectamente, mediante un indicador de endeudamiento y reservas de capital para usar en
situación de crisis. Por otra parte se exige capital de mayor calidad mediante una definición más
restrictiva del capital ordinario y reservas.
Aunque en los próximos apartados se explicarán con más detalle, la siguiente figura muestra los
cambios más relevantes desde Basilea I hasta Basilea III. (PwC, 2011)
17
Figura 4: Cambios relevantes ocurridos en Basilea desde su origen (Basilea I) hasta la actualidad
Basilea III).
Fuente: PwC, Basilea III: Cambios, impacto y relevancia; Boletín de Consultoría Gerencial, Boletín Digital No
12-2011
2.2.1
Acuerdos para la regulación del riesgo de crédito: Basilea
2.2.1.1 Características de Basilea I
El principal impulso para el Acuerdo de Basilea de 1988 fue la preocupación de que el capital
de los principales bancos mundiales fuera peligrosamente bajo por la continua erosión a causa
de la competencia. El capital es necesario como colchón ante las pérdidas y proporciona un
estímulo para una gestión prudente. Los principales propósitos del Acuerdo de 1988 fueron los
de asegurar un adecuado nivel de capital en el sistema bancario internacional y crear un “campo
de juego más igualado” (more level playing field) en términos de competencia. Sus méritos
fueron reconocidos ampliamente, pasando a ser un estándar mundial, con más de 100 países
aplicándolo.
Se utiliza un enfoque de cartera para medir el riesgo, clasificando los activos en cuatro
categorías, en cada categoría la exposición es ponderada (0%, 20%, 50%, 100%) según el tipo
de deudor. Existe también una escala de consumos para las operaciones fuera de balance. La
18
normativa de Basilea I está basada en el modelo RAR (Risk Asset Ratio), según el cual las
entidades han de mantener un capital mínimo del 8% sobre los activos ponderados por riesgo.
(Domínguez, 2003)
Dónde:
•
RR.PP. = Recursos Propios
•
αi = coeficientes de ponderación de riesgo que pueden tomar valores de 0 a 100
•
Ai = valor del activo sometido al coeficiente
Figura 5: Esquema general Basilea I
Fuente: Elena Rodríguez de Codes Elorriaga, Las nuevas medidas de Basilea III en materia de capital, Banco
de España, ESTABILIDAD FINANCIERA, NÚM. 19, Noviembre 2010
19
2.2.1.2 El Nuevo Acuerdo: Basilea II
El Nuevo Acuerdo de Capital o Basilea II brinda un conjunto de principios y recomendaciones
del Comité de Basilea sobre Supervisión Bancaria y tiene como
objetivo propiciar la
convergencia regulatoria hacia estándares más avanzados sobre medición y gestión de los
principales riesgos en la industria bancaria. El Comité de Basilea forma parte del Banco
Internacional de Pagos (BIS por sus siglas en inglés) y fue creado por acuerdo de los
representantes de los Bancos Centrales de los 10 países más industrializados con el propósito de
formular una serie principios y estándares de supervisión bancaria, los que han sido acogidos no
solamente por los países miembros, sino por la mayoría de países en el mundo.
Los cambios en el sector bancario han hecho necesaria la revisión el Acuerdo de Capital del
Comité de Basilea y como consecuencia se propone el lanzamiento de un Nuevo Acuerdo con
un esquema más sensible al riesgo.
Su fundamento es que los requerimientos de capital sean más sensibles al riesgo, especialmente
al riesgo de crédito. Basilea II está centrada en una única medida de riesgo, un sistema de traje
único y una estructura simple. La propuesta del nuevo Acuerdo hace más énfasis en los modelos
internos de medición de riesgo de crédito de cada banco, la revisión del supervisor y la
disciplina del mercado; es más flexible, tiene varios enfoques e incentivos, pero es también más
complejo.
El esquema está dirigido principalmente a bancos internacionales, pero también pretende que se
amplíe a bancos de distintos niveles de complejidad. El Acuerdo de 1988 ofrecía, básicamente,
una sola opción para la medición del capital adecuado para los bancos internacionales. El
Comité cree que las ventajas de un sistema en el cual el capital está más cercano al riesgo
asumido superan claramente sus costes, con el resultado que el sistema bancario sea más seguro
y más eficaz.
Uno de los principios que subyacen en Basilea II es hacer converger al capital regulatorio y al
capital económico. El nivel de capital económico dependerá de varios factores, en primer lugar,
de las características específicas de su negocio (tipo de operaciones de activo, sector) y su
política de expansión; y en segundo lugar del nivel de tolerancia ante el riesgo de quiebra por
parte de los accionistas y directivos. El capital regulatorio es el establecido por el regulador con
el objeto de minimizar el riesgo de quiebra y los problemas de riesgo sistémico. (BCBS, 2009)
20
Basilea II fue introducido en la legislación comunitaria a través de una Directiva Comunitaria y
posteriormente a través de Circular del Banco de España, haciéndolo de obligatorio
cumplimiento para el sector bancario.
Figura 6: Esquema general Basilea II
Fuente: Elena Rodríguez de Codes Elorriaga, Las nuevas medidas de Basilea III en materia de capital, Banco
de España, ESTABILIDAD FINANCIERA, NÚM. 19, Noviembre 2010
Basilea II se estructura en los tres pilares: Requerimientos mínimos de capital, Supervisión y
Disciplina de Mercado, que se describen a continuación.
Pilar I, Requerimientos mínimos de capital
En este pilar se definen los recursos propios mínimos, manteniéndose el 8% del capital en
relación con los riesgos asumidos. La definición del capital no varía, y en el denominador se
añade el riesgo operativo (inicialmente un 20% de ese 8%) y se cambia el tratamiento del riesgo
21
de crédito. La revisión se centra en la medición del riesgo, es decir, el denominador del ratio de
capital.
Los métodos para la medición del riesgo de crédito están más desarrollados. Se propone por
primera vez una medida para el riesgo operativo, mientras que la medición del riesgo de
mercado no registra cambios. Para la medición del riesgo de crédito se proponen dos opciones.
La primera es el método estándar y la segunda el método basado en rating internos (IRB Internal
Rating-Based approach), este último con dos variables Básico (Foundation) y Avanzado
(Advanced).
Pilar II: Proceso de revisión del supervisor.
Los supervisores deben garantizar que los bancos tienen procesos adecuados para calcular la
adecuación de su capital a partir de una exhaustiva evaluación de sus riesgos.
Los gestores de la entidad deben desarrollar procesos de evaluación interna del capital y fijar
objetivos de capital en función del perfil de riesgo particular. Los supervisores evaluan la
idoneidad de estos procesos. Este pilar se basa en cuatro principios:
1. Los bancos deben tener procedimientos para evaluar su solvencia en relación con los
riesgos asumidos y tener una estrategia para mantener un nivel adecuado de capital.
2. El supervisor debe revisar la evaluación del banco y su estrategia de gestión de riesgos,
y actuar en el caso en que no los considere adecuados.
3. Los supervisores deben esperar que los bancos mantengan un capital por encima del
mínimo y deben tener capacidad de imponer niveles superiores al mínimo.
4. Los supervisores deben intervenir rápidamente para impedir que el capital descienda
por debajo de los niveles consistentes con el perfil de riesgos de cada entidad.
Pilar III: Disciplina de mercado.
Establece el deber de los bancos de revelar detalles sobre su nivel y estructura de capital, sobre
su perfil de riesgos y sobre sus sistemas de medición y control de dichos riesgos. Se intenta
aprovechar la disciplina de mercado a través de una mayor transparencia de los bancos.
Una publicidad efectiva es esencial para garantizar que los participantes en el mercado tengan
una mejor comprensión de los perfiles de riesgo de los bancos y de la adecuación de su capital.
Se hacen unos requerimientos más detallados para el reconocimiento por parte del supervisor de
las metodologías internas para el riesgo de crédito, las técnicas de reducción de riesgo de crédito
y la titulización de activos.
22
La disciplina que impone el mercado es siempre aconsejable, por eso el Acuerdo establece la
obligación de que los bancos informen sobre los riesgos asumidos y sobre los sistemas de
gestión de riesgos que el banco tiene implantados. En la medida en que las entidades opten por
sistemas de cálculo de requerimientos de capital más avanzados, mayor será la información que
deberán revelar. (Domínguez, 2003)
2.2.1.3 Medición del riesgo de crédito en el marco de Basilea II
Método estándar
Este método es, conceptualmente, igual que el de Basilea I, pero más sensible al riesgo. El
banco asigna una ponderación de riesgos a cada uno de sus activos y operaciones fuera de
balance y genera un total de activos ponderados por riesgo.
En Basilea I las ponderaciones individuales dependen del tipo, en sentido amplio, de prestatario
(riesgo soberano, bancos o empresas). En el nuevo Acuerdo Basilea II las ponderaciones de
riesgo se refinan teniendo en cuenta la calificación suministrada por la institución externa de
evaluación de crédito (como una agencia de calificación – rating) que cumpla estándares
estrictos. Las siguientes tablas definen ambas regulaciones:
Figura 7: Coeficientes de ponderación de riesgo según Basilea I
Fuente: Basilea I
23
Figura 8: Coeficientes de ponderación de riesgo según Basilea II
Fuente: Basilea II
Figura 9: Comparación de los requerimientos de capital para obligaciones corporativas (empresas)
según Basilea I y el método estándar de Basilea II
Fuente: Basilea I y II
Dentro de este enfoque estándar, también se permiten unas mayores posibilidades de mitigación
del riesgo de crédito que en Basilea I, tanto en forma de garantías reales como de valores
aceptados como garantías válidas (efectivo y deuda pública), aunque son sometidas a recortes en
sus valoraciones (haircuts).
La regulación trata de forma discriminada a las empresas de rating bajo con respecto a las no
clasificadas. Existen diversos estudios y opiniones al respecto. Por ejemplo, Altman y Saunders
(2001) encuentran insuficiente la sensibilidad al riesgo en las ponderaciones propuestas por el
modelo estándar, especialmente las calificadas como BB- o inferior, que basado en evidencia
empírica sobre datos de pérdidas inesperadas en bonos corporativos, requiere tres veces más
24
ponderación que la propuesta en Basilea II. Por el contrario, la ponderación de riesgo en las dos
primeras categorías puede ser muy alta.
La siguiente tabla muestra las pérdidas esperadas a un año en una cartera de bonos usando una
distribución normal con un intervalo de confianza de 99,97%. El requerimiento de capital del
1,6% del primer grupo (AAA a AA-) de ratings es muy alto dado que su porcentaje de pérdidas
histórico es cero.
Sin embargo, el 35,03% de pérdidas históricas para el último grupo (inferior a BB-) de ratings
en el período 1981 a 2000 es significativamente mayor que los requerimientos de capital del
12%.
Así, los incentivos para el arbitraje regulatorio no han sido completamente eliminados por las
ponderaciones propuestas en Basilea II.
Figura 10: Comparación de las categorías propuestas por Basilea II y los valores reales de pérdida
Fuente: Altman, E. I., y Saunders, A (2001): An Analysis and Critique of the BIS Proposal on Capital
También ha sido criticado que las empresas sin rating tengan una ponderación del 100%
mientras que las que sí están calificadas, aunque sea como inferiores a BB- tienen una
ponderación del 150%. La siguiente tabla muestra que, en un estudio hecho por el BIS sobre
138 bancos, más del 70% de la exposición corporativa no tiene rating. Los datos de impago de
las compañías sin calificación sugieren que deberían tener una ponderación superior al 100%.
Además, los prestatarios que anticipen que recibirán una calificación inferior a BB- tienen un
incentivo para intentar no estar calificadas para tener un acceso al crédito a menor coste.
25
Figura 11: Distribución de la exposición corporativa, 138 bancos de 25 países participantes del
estudio QIS2.
Fuente: Bank for International Settlements (2001): Results of the Second Quantitative Impact Study.
Noviembre 5, 2001
Métodos basados en modelos internos (IRB)
Con el enfoque IRB (por sus iniciales del inglés Internal Rating-Based approach), los bancos
pueden utilizar sus estimaciones internas de la calidad crediticia de sus prestatarios para calcular
el riesgo de crédito en sus carteras, sujeto todo ello a metodología y estándares de publicidad
estrictos. El banco estima la calidad crediticia de sus prestatarios y los resultados se traducen en
estimaciones del importe de las pérdidas futuras potenciales, importe que constituye la base de
los requerimientos mínimos de capital. Existe un método básico (Foundation) y uno avanzado
(Advanced), ambos proporcionan mayor sensibilidad al riesgo que el método estándar.
El enfoque de ratings internos (IRB) es la auténtica novedad de Basilea II. La clasificación de
las exposiciones a los riesgos depende de las propias estimaciones internas de los riesgos que
realiza el banco.
Si el banco posee un sistema de gestión de riesgos que permite calcular las probabilidades de
impago de sus prestatarios, y que haya estado en vigor durante los tres últimos años y ha sido
reconocida su validez por el supervisor, podrá usar estas probabilidades de impago para
clasificar los préstamos en categorías, y con ello obtener las ponderaciones que servirán para
calcular los requerimientos de capital.
Para calcular la carga regulatoria, es necesario estimar la severidad (la LGD), esto es, la pérdida
en caso de impago. Se establece un recargo por concentración llamado de granularidad, que
tiene en cuenta la concentración del riesgo. Los requerimientos de capital deben incluir un
incentivo para pasar del enfoque IRB básico al avanzado.
26
En el método IRB básico, a partir de los rating internos, se estiman la probabilidad de impago
(PD, probability of default) y la exposición en caso impago (EAD, exposure at default) a un año
para cada transacción. Para implementar el método IRB avanzado se requieren, adicionalmente,
estimaciones independientes de pérdidas dado el impago (LGD, loss given default) y
vencimientos (M, maturity). A continuación se muestran los elementos fundamentales que debe
tener un sistema IRB:
•
Una clasificación de la obligación según su exposición al riesgo de crédito (modelo de
ratings internos)
•
Componentes de riesgo. Para el modelo básico PD y EAD, y para el modelo avanzado PD,
EAD, LGD y M
•
Una función de ponderación de riesgo que utilice los componentes de riesgo para calcular
las ponderaciones de riesgo
•
Un conjunto de requerimientos mínimos de elegibilidad para aplicar el enfoque IRB (por
ejemplo, demostrar que los bancos mantienen el sistema de información necesario para
implementar con precisión ese enfoque)
•
Revisión del supervisor del cumplimiento de los requerimientos mínimos
El enfoque IRB básico
Se permite al banco utilizar su propia estimación de probabilidad de impago (PD) en un
horizonte de un año, así como la exposición al impago (EAD).
La probabilidad de impago promedio de cada grado interno es usada para calcular la
ponderación de cada rating interno. La PD puede estar basada en la experiencia histórica e
incluso en un modelo de credit scoring. La exposición al impago (EAD) para transacciones de
balance es igual al valor nominal de la exposición (por ejemplo, el valor en libros de un
préstamo).
Los factores de mitigación del riesgo (por ejemplo, colaterales, derivados de crédito, garantías,
compensaciones en balance) se incorporan siguiendo las normas del enfoque estándar, ajustando
la exposición al impago (EAD) por el monto del colateral, menos un recorte determinado por el
regulador según el Pilar II. La EAD para operaciones fuera de balance es calculada usando el
enfoque de Basilea I de transformar los ítems fuera de balance en ítem de balance equivalente.
El enfoque IRB básico establece una referencia del vencimiento (M) a tres años.
27
Las pérdidas esperadas sobre el impago pueden ser calculadas como:
Pérdidas esperadas = PD * LGD
El enfoque IRB avanzado
Basilea II animó a los bancos de mayor entidad a moverse del enfoque básico al enfoque
avanzado. Una fuente primaria para ese incentivo proviene del uso de la LGD producto de la
experiencia real del banco, en lugar de las presunciones fijas de 40%, 45%, 50% o 75%.
La evidencia sugiere que la LGD histórica para préstamos bancarios es significativamente
menor que el 50% y, por lo tanto, el cambio al enfoque avanzado se espera que reduzca los
requerimientos de capital de 2% a 3%. Otro elemento, es la incorporación de ajustes al
vencimiento, en el cálculo de la ponderación de riesgo de referencia, que reflejan el vencimiento
efectivo de la transacción, definido como el mayor entre un año o el vencimiento nominal, que
es el promedio ponderado de vida de todos los instrumentos con un calendario predeterminado
de amortización mínima.
El vencimiento es limitado a siete años para evitar sobrestimar el impacto del vencimiento en la
exposición al riesgo de crédito.
El enfoque IRB avanzado permite al banco usar sus propias estimaciones de migraciones de
crédito para ajustar PD, LGD, y EAD por colaterales, derivados de crédito, garantías y
compensaciones en balance.
El enfoque IRB avanzado involucra la estimación de parámetros que requieren muchos datos
históricos que no están disponibles para la mayoría de los bancos. Además, los requerimientos
de capital son altamente sensibles a la precisión de ciertos parámetros; en particular, son
importantes las estimaciones de LGD y la granularidad en PD. Debido a que las pérdidas en
créditos se ven afectadas por las condiciones económicas, los parámetros del modelo deben ser
ajustados para reflejar los niveles esperados de actividad económica. Aún los bancos más
sofisticados emplearon un gran esfuerzo en desarrollar mejores sistemas. En la actualidad, los
bancos disponen de herramientas con las que medir el riesgo de crédito, que pueden utilizarse
para desarrollar modelos internos y validar los que están utilizando. A continuación se indican
algunas de las alternativas con mayor difusión en la industria bancaria:
Cálculo de Valor en Riesgo (VaR) a través de Credit Metrics: Posiblemente la extensión del
concepto VaR a préstamos comerciales más conocida es CreditMetrics. Desarrollado en 1997
por J. P. Morgan y sus co-patrocinadores: Bank of America, KMV, Union Bank of Switzerland.
28
Es un esquema VaR para evaluar el riesgo de activos no negociados como préstamos y bonos.
CreditMetrics busca respuesta a la pregunta: “Si el próximo año es un mal año, ¿cuánto puedo
perder en mi cartera de préstamos?”.
Podemos notar que debido a que los préstamos no cotizan, no se observa ni P (valor de mercado
del préstamo) ni σ (volatilidad del valor de mercado del préstamo). Sin embargo, usando datos
disponibles sobre el rating de un prestatario, la probabilidad de que el rating pueda cambiar
durante el próximo año (la matriz de transición de rating), las tasas de recuperación de los
préstamos fallidos, y los diferenciales de crédito y las rentas en el mercado de bonos (o
préstamos), es posible calcular un P y σ hipotéticos para bonos o préstamos no negociados, y
así, un VaR para préstamos individuales y la cartera de préstamos.
Medición de la creación de valor: EVA y RAROC: Dado que cada actividad ha de disponer de
un determinado volumen de recursos propios en función del nivel de riesgo, y estos a su vez son
escasos y costosos, ha de buscarse una asignación eficiente de los mismos y una selección
adecuada de las actividades. El criterio que debe guiar dicha asignación es la contribución de las
diferentes carteras de crédito a la creación de valor de la entidad. Para evaluar si una
determinada actividad contribuye suficientemente a la creación de valor se han desarrollado
diferentes técnicas siendo las más conocidas el EVA (Economic Value Added) y el RAROC
(Risk-Adjusted Return on Capital).
El EVA mide la diferencia entre el beneficio que obtiene la entidad y el coste de los recursos
utilizados para su obtención. Existen diferentes expresiones en función de que el cálculo se
realice respecto al total de la estructura financiera o que se tenga exclusivamente el capital
aportado.
EVA = BN − ke × C
Siendo:
→ BN, el Beneficio Neto
→ ke, la rentabilidad solicitada por los socios
→ C, el volumen de Recursos Propios de la empresa a inicio de periodo
Otro indicador que se ha difundido con más intensidad en el ámbito bancario se denomina
RAROC, si bien podemos decir que guarda una estrecha relación con la segunda expresión del
EVA. El RAROC nos indica la rentabilidad financiera teniendo en cuenta el capital ajustado al
29
riesgo de la actividad que se está analizando. Por este motivo, un paso previo al cálculo de estos
indicadores ha de consistir en determinar el nivel de capital necesario para llevar a cabo una
determinada operación. Dicho indicador responde a la siguiente expresión:
El beneficio en este caso al estar referido exclusivamente a los recursos propios ha de calcularse
después de intereses e impuestos. A diferencia del EVA, este indicador, para analizar si una
actividad crea valor, es necesario compararlo con el coste de capital o rentabilidad mínima
exigida a los recursos utilizados. De este modo, si la rentabilidad exigida por los accionistas es
el 15%, una operación de crédito creará valor siempre y cuando genere un RAROC superior a
dicho 15%.
En este nuevo enfoque se pueden evaluar las diferentes carteras de crédito y comprobar que no
siempre las carteras que proporcionen un mayor rendimiento sean las que contribuyan en mayor
medida a la creación de valor, ya que generalmente precisarán un mayor volumen de recursos
propios.
Del mismo modo, operaciones que la entidad puede estar rechazando por considerarlas
arriesgadas podrían ser interesantes si el precio cobrado compensa suficientemente el riesgo
asumido. Como principales ventajas de los enfoques avanzados se puede destacar:
• Un conocimiento más preciso del riesgo asumido en cada cartera de crédito y la posibilidad
de asignar probabilidades de impago a los diferentes segmentos.
• La asignación del capital a los diferentes segmentos en función del riesgo estimado por la
propia entidad.
• La fijación de precios para los diferentes productos de crédito en función de la solvencia
del deudor.
• La evaluación de las diferentes carteras de créditos para conocer si éstas contribuyen
suficientemente a la creación de valor. (Domínguez, 2003)
2.2.1.4 Aplicación de Basilea II en España
La transposición de Basilea II se realizó a través de la Circular 3/2008 del Banco de España y
sus correspondientes actuaciones posteriores.
30
Esta Circular es el fruto de la incorporación, al derecho comunitario, de las novedades
introducidas en la regulación de la solvencia de las entidades de crédito por el marco revisado
del acuerdo de convergencia internacional sobre medición y normas relativas al capital o, como
es más conocido, Basilea II.
Se trata de un proceso laborioso y complejo. En parte, esto ha sido fruto del propio proceso de
incorporación de la normativa comunitaria al ordenamiento español, que, en el ámbito que nos
ocupa, se caracteriza habitualmente por cuatro etapas consecutivas (Ley; Real Decreto; Orden
Ministerial; Circular del Banco de España) que cuentan con sus correspondientes procesos de
tramitación y controles de legalidad. (Banco de España, 2008)
2.2.2
Basilea III: novedades respecto Basilea II
Los Acuerdos de Basilea III (Basilea III) se refieren a un conjunto de propuestas de reforma de
la regulación bancaria, publicadas a partir del 16 de diciembre de 2010.
Basilea III es parte de una serie de iniciativas, promovidas por el Foro de Estabilidad Financiera
(FSB, Financial Stability Board por sus siglas en inglés) y el G-20, para fortalecer el sistema
financiero tras la crisis de las hipotecas subprime. Se trata de la primera revisión de Basilea II
(CRD II) y se llevó a cabo a lo largo de 2009, entrando en ejecución a partir del 31 de diciembre
de 2010. (Committee, 2010)
Dentro del marco de la Unión Europea, los acuerdos de Basilea III se transponen jurídicamente
en las normas de la Directiva 2013/36/UE (CRD IV) y el Reglamento UE nº 575/2013 (CRR) de
requisitos de capital.
El Comité de Supervisión Bancaria de Basilea y su órgano de vigilancia, el Grupo de
Gobernadores y Jefes de Supervisión (GHOS), han acordado implantar un conjunto de medidas
de capital y de liquidez, con el objeto de fortalecer la solvencia del sistema bancario. Este
conjunto de medidas se conoce como Basilea III. La reforma de Basilea III incluye los
siguientes elementos:
•
Aumento de la calidad del capital
•
Mejora de la captura de los riesgos de determinadas exposiciones
•
Aumento del nivel de los requerimientos de capital
•
Constitución de colchones de capital
•
Introducción de una ratio de apalancamiento
31
•
Mejora de la gestión del riesgo, del proceso supervisor y de la disciplina de mercado
•
Introducción de un estándar de liquidez
•
Requerimientos adicionales contra el riesgo de contrapartida
•
Medidas anti prociclicidad
2.2.2.1 Motivación de Basilea III
Como anteriormente se indicó, el conjunto de reformas que propone Basilea III nace como
respuesta a la profunda crisis financiera y tiene como objetivo fundamental evitar que ésta se
repita.
Se trata, fundamentalmente, de que los bancos cuenten con más y mejor capital. Por un lado, se
exigirá más capital directamente, a través de mayores requerimientos respecto a riesgos y
exposiciones e, indirectamente, a través de una ratio de apalancamiento y de unos colchones de
capital para usar en situaciones de crisis. Por otra parte, se exigirá capital de mayor calidad a
través de una definición más restrictiva del capital ordinario y reservas (core capital).
(Committee, 2010)
Numerosas instituciones y expertos consideran que la crisis es el resultado de una cadena de
fallos en el sistema financiero. Ha habido errores en la gestión de riesgos, siendo frecuente la
infravaloración de los que estaban asumiendo las entidades. Se ha producido una falta de
transparencia en algunos segmentos de mercado, lo que generó la “banca en la sombra”. No se
han valorado adecuadamente los riesgos por parte de las agencias de calificación crediticia y se
han generado numerosos problemas como consecuencia de políticas de remuneración
inadecuadas.
Además, ha habido fallos en la supervisión y en la regulación financiera. Ese conjunto de
errores ha generado la necesidad de cambiar las reglas para que el sistema financiero sea más
transparente, probablemente de menor tamaño, mejor regulado y en el que el sector público
tenga un papel más importante. (IE, 2010)
A continuación. Se explica con mayor detalle las principales medidas impuestas por Basilea III:
• Aumento de la calidad del capital para asegurar su mayor capacidad para absorber
pérdidas. Recordemos que Basilea II había mantenido básicamente la definición de capital
del Acuerdo de 1988.
32
• Mejora de la captura de los riesgos. Se modifica el cálculo de los riesgos para determinadas
exposiciones que la crisis ha probado que estaban mal capturados. En particular, para las
actividades de la cartera de negociación, titulizaciones, exposiciones a vehículos fuera de
balance y al riesgo de contraparte que se deriva de las exposiciones en derivados. En todo
lo demás, se mantiene el tratamiento establecido en Basilea II.
• Constitución de colchones de capital en momentos buenos del ciclo que puedan ser
utilizados en períodos de estrés. Se busca contribuir a un sistema bancario más estable, que
ayude a amortiguar, en lugar de amplificar, las crisis económicas y financieras.
• Introducción de una ratio de apalancamiento como una medida complementaria al ratio de
solvencia basada en riesgo, con el objetivo de contener el apalancamiento excesivo en el
sistema bancario.
• Aumento del nivel de los requerimientos de capital, para fortalecer la solvencia de las
entidades y contribuir a una mayor estabilidad financiera. El nivel del ratio de solvencia
tampoco se había modificado en Basilea II.
• Mejora de las normas del proceso supervisor (pilar 2) y de la disciplina de mercado (pilar
3) y establecimiento de guías adicionales en áreas como gestión del riesgo de liquidez,
buenas prácticas para la valoración de instrumentos financieros, ejercicios de estrés,
gobierno corporativo y remuneración.
• Introducción de un estándar de liquidez que incluye un ratio de cobertura de liquidez a
corto plazo y un ratio de liquidez estructural a largo plazo. El objetivo es asegurar que las
entidades tengan colchones de liquidez suficientes para hacer frente a posibles tensiones en
los mercados y una estructura de balance que no descanse excesivamente en la financiación
a corto plazo. (Elorriaga, 2010)
Otro de los motivantes de Basilea III es la detección de un crecimiento excesivo del crédito.
Como se comprobó durante la reciente crisis financiera, las pérdidas sufridas por el sector
bancario durante una recesión precedida de un crecimiento excesivo del crédito pueden ser
extremadamente cuantiosas. Estas pérdidas pueden desestabilizar la banca y, con ello, generar o
exacerbar una desaceleración de la economía real, lo cual a su vez podría desestabilizar aún más
el sector bancario. Estos vínculos destacan la importancia de que el sector bancario acumule
capital defensivo cuando el crédito crece de forma excesiva. Además, estas defensas también
ayudarían a moderar la propia expansión crediticia.
33
El Comité de Basilea introduce un régimen que ajustará el intervalo para el colchón de capital,
establecido mediante el mecanismo de conservación de capital, al observarse señales de
crecimiento excesivo del crédito. La finalidad del colchón anticíclico es alcanzar el objetivo
macro prudencial más amplio de proteger al sector bancario frente a un crecimiento excesivo del
crédito en términos agregados.
Las medidas para mitigar la prociclicidad están diseñadas para complementarse mutuamente.
Las iniciativas en materia de dotación de provisiones se centran en reforzar el sistema bancario
frente a las pérdidas esperadas, mientras que las medidas de capital se orientan hacia las
pérdidas inesperadas. Entre las medidas de capital, se distinguen dos objetivos: reducir la
ciclicidad del capital obligatorio y acumular colchones adicionales por encima del mínimo. De
hecho, contar con niveles de capital por encima del mínimo exigido ha demostrado ser de gran
utilidad, incluso en ausencia de un requerimiento mínimo cíclico. (Basilea)
2.2.2.2 Principales novedades de Basilea III en al riesgo de crédito
Medidas para aumentar la calidad, consistencia y transparencia de los recursos propios de las
entidades bancarias
La calidad, consistencia y transparencia de la capitalización de la banca va a incrementarse para
poder absorber pérdidas con mayor facilidad. Para ello, la forma predominante del tier 1de las
entidades deberían ser las acciones ordinarias y las reservas. Los instrumentos financieros que
se sumen deberían ser subordinados, no podrían tener ni fecha de vencimiento ni incentivo
alguno para su amortización y el pago de dividendo o cupón debería ser completamente
discrecional. Esto supone que los híbridos con incentivos a la amortización anticipada, ahora
limitados al 15 % del tier 1, desaparecer de dicho capital.
En concreto, se ha acordado incrementar el porcentaje mínimo del llamado core capital (capital
ordinario y reservas) del 2 % al 4,5 %. A ese porcentaje se llegará tras la realización de más
severos que los realizados en Basilea II. Asimismo, el tier 1 pasará del 4 al 6 %. Los criterios
para la inclusión de esos instrumentos híbridos en el tier 1serán más estrictos, habiendo entrado
en vigor en 2013 (desaparecerán en un plazo máximo de 10 años). Los porcentajes señalados
deberían cumplirse desde el 1 de enero de 2015, aunque los incrementos se han hecho de forma
progresiva desde el 1 de enero de 2013.
34
Colchones de capital
Una novedad importante de Basilea III son los colchones para la conservación de capital, que
deberán alcanzar un 2,5 % en enero de 2019 y ser cubiertos con core capital. Estos colchones
podrán ser utilizados para absorber pérdidas en momentos económicos difíciles. Aunque su
utilización no supondrá un incumplimiento de la regulación, sí podría generar restricciones al
reparto de dividendos de la entidad o al pago de retribuciones variables de su personal directivo.
Basilea III también incluye colchones anti-cíclicos de hasta un 2,5 %, cubierto con capital
ordinario u otros instrumentos que absorban plenamente pérdidas y que intentarán prevenir los
periodos de excesivo crecimiento del crédito bancario, por lo que sólo resultarán aplicables en
dichos periodos. Las autoridades nacionales podrán desarrollar este nuevo instrumento
regulatorio.
Requerimientos adicionales contra el riesgo de contrapartida
Basilea III establece requerimientos adicionales para el riesgo de contrapartida. Las propuestas
tienen por objeto formalizar vínculos entre el riesgo de mercado y el de crédito, mejorar la
gestión de riesgos –valoración de colaterales, escenarios de estrés y ejercicios de back-testing
para mejorar la captura de eventos extremos y los riesgos de correlación errónea (wrong way
risks)- y favorecer el uso de contrapartes centralizadas. (IE, 2010)
35
2.3 LAS AGENCIAS DE CALIFICACIÓN CREDITICIA
Las calificaciones crediticias representan, según Verona Martel (2002) y López Pascual (1996),
un indicador expresivo de la mayor o menor capacidad o probabilidad del pago en el tiempo
estipulado tanto de los tipos de interés como de la devolución del principal que toda deuda
comporta, es decir, del riesgo crediticio que soporta el inversor.
(García Fernández &
Rodríguez López)
En el transcurso de los años, las calificaciones crediticias han logrado una amplia aceptación por
parte de los inversores como una herramienta conveniente que sirve para diferenciar la calidad
crediticia entre distintos emisores, es aquí donde se resalta la importancia de las agencias de
calificación de rating.
2.3.1
Los orígenes de las agencias de rating
En 1873, se produce la primera crisis del sistema capitalista que desencadenó en la quiebra de
uno de los grandes bancos estadunidenses, Jay Cook & Company.
En esa época, los grandes proyectos ferroviarios en Estados Unidos se habían convertido en la
mayor oportunidad global de inversión. Jay Cook & Company, con sede en Filadelfia, lanzó al
mercado una suscripción de bonos de 100 millones de dólares de Northern Pacific Railway,
promotor de la segunda gran línea transcontinental del país.
Las opiniones de la prensa respecto a las incertidumbres de algunas compañías, la política
monetaria restrictiva del presidente Grant y la Guerra Franco-Prusiana entre otras causas,
complicaron la emisión obligando a Jay Cook a comprar el 75% de las participaciones,
provocando su quiebra días después.Como publicó el diario The Nation (Chanceller, 2000) “los
inversores se iban de Wall Street como el perro que huye de una sartén de hojalata atada a su
rabo”. 10 días después la bolsa cerró por primera vez en su historia y más de 5.000 empresas
quebraron.
Henry Varnum Poors supo ver la oportunidad y publicó un libro en el que detalla el estado
financiero de las compañías que participan en el negocio del ferrocarril. Este fue el origen de la
empresa que Henry Varnum Poors fundó con su hijo William. «H.V. and H.W. Poor Co» donde
publicaban versiones actualizadas anualmente. Unos años más tarde, en 1906, Luther Lee Blake
fundó la Standard Statistics Bureau, con el fin de proporcionar la misma información sobre las
36
empresas no ferroviarias. Ambas compañías se fusionaron en 1941, para convertirse en
Standard & Poor Corporation.
El nacimiento de Moody's y Fitch fue parecido. John Moody fundó esta agencia en 1909
después de haber quebrado en el crack de la bolsa de 1907 por no hacer frente a sus deudas. A
partir de «Analyses of Railroad Investments», un libro sobre los valores de vías férreas, con
calificaciones de letras para evaluar su riesgo, Moody's Investors Service se incorporó al
negocio de la cobertura de bonos municipales de EE.UU.
2.3.2
El papel de las agencias de calificación de rating
A pesar de que la crisis de las hipotecas subprime han cuestionado la actuación y la calidad de
los rating que emiten las agencias, estos organismos siguen desempeñando un papel
fundamental en los mercados financieros. Comentamos a continuación brevemente los roles de
las agencias de calificación en los mercados financieros:
Papel de intermediación
Las agencias de rating cumplen el papel de intermediarias de información, mediante la opinión
que emiten sobre el riesgo de crédito, creando valor, al reducir los costes informativos de los
agentes que intervienen en el mercado.
Papel de certificación.
En los mercados financieros, se utilizan los ratings de agencias de calificación en la regulación
financiera principalmente en dos áreas: I) restricciones a la inversión por parte de ciertos
inversores institucionales. II) Calculo del capital mínimo regulatorio que deben tener las
instituciones financieras, en especial las entidades de crédito.
Papel de estandarización.
Las agencias crean valor al mercado, al poder comparar el riesgo de los diferentes inversores a
pesar de que operen en sectores, regiones, etc. diferentes.
Las calificaciones permiten a los inversores calibrar mejor el riesgo en que incurren en sus
relaciones con las entidades emisoras y sirve de criterio para medir la cuantía de los intereses
que la clientela puede mostrarse dispuesta a pagar. (Tapia, 2011)
37
2.3.3
Proceso de cálculo de rating de las agencias de calificación
El proceso para definir un rating por las agencias independientes, es un proceso de análisis que
basa el estudio en la información facilitada por la entidad. A continuación detallamos
brevemente la descripción del proceso de calificación utilizado:
1. Agencia de calificación recibe un pedido y se firma un engagement letter.
2. Se inicia una primera fase análisis. Para esto se asigna un equipo analítico especializado en el
rating de corporates locales y se designa un analista principal que tiene la responsabilidad
general de la dirección del proceso de calificación. El equipo estará encargado de revisar los
estados financieros, las proyecciones, los flujos de fondos y todos los documentos legales
relevantes.
3. Reunión con la administración: Después del análisis inicial, un equipo de la agencia de
calificación se reúne con un equipo de la entidad a calificar para discutir la situación financiera
y económica de la entidad, su política presupuestaria y otros factores que pudieran afectar a la
calidad crediticia. Esta parte es de gran ayuda para los analistas para la evaluar la parte
cualitativa.
4. Análisis: Con los datos aportados en la reunión con la administración, los analistas evalúan
finalmente la capacidad crediticia aportando su valoración cualitativa. Estos datos son
presentados en un comité de ratings.
5. Comité de rating: Los resultados son presentados a un equipo senior, donde se examinan
todos los factores relevantes de la calificación. En este comité, finalmente de decide la
calificación de la entidad.
6. Comunicación: Los analistas comunican a la entidad el rating otorgado así como los
fundamentos en que los que se basa el mismo. Si la calificación propuesta no cumple con las
expectativas de la entidad, el proceso de calificación le permite apelar la decisión, y mientras
tanto la entidad de calificación no hace pública la calificación.
7. Publicación: Una vez que la entidad acepta el rating, la agencia de calificación lo da a
conocer mundialmente a través de medios tanto electrónicos como impresos.
8. Supervisión: Las entidades de calificación realizan un seguimiento de las calificaciones, así
como de las últimas novedades financieras, legislativas o económicas.
38
En caso que los acontecimientos generen la posibilidad de cambios en el rating, podría incluirse
en la lista de revisión especial, o se le podría modificar su perspectiva positiva o negativamente
(Credit Outlook), dependiendo del momento y de la naturaleza de la revisión potencial.
Para nuestro trabajo, nos hemos centrado en la metodología utilizada Standar&Poor´s, la cual
describimos con detalle en los puntos siguientes.
Figura 12: Proceso de calificación seguido por Standar&Poor´s
Fuente: S&P. Guide to credit rating essentials
2.3.4
Críticas a las agencias de calificación
La estructura del sector se caracteriza por la existencia de tres grandes agencias dominantes que
operan a nivel global, Standard & Poor’s, Moody’s Investors Service and Fitch Ratings,
agencias que suman en torno al 95% de cuota de mercado, emiten el 97% de las calificaciones
y suman el 98% de los ingresos por calificaciones. Con alguna excepción de mediano tamaño, el
resto de agencias tienen implantación local emitiendo calificaciones para propósitos
especializados.
Durante el siglo XX las agencias de calificación han desempeñado un papel fundamental en los
mercados financieros. Esta buena reputación se ha resentido desde principios del siglo XXI, tras
39
las quiebras de empresas como Enron y Parmalat y posteriormente con la crisis de las hipotecas
subprime en EEUU. En estos casos, se acusó a las agencias de haber entrado en un conflicto de
intereses al no rebajar sus calificaciones conociendo la mala situación económica en la que se
encontraban las compañías.
Estos acontecimientos han puesto de manifiesto que las opiniones de las agencias de rating no
son infalibles. En el caso de Lehman Brothers, Tanto Moody's, como Standard & Poors o Fitch
habían otorgaron calificaciones de riesgo AAA a paquetes de hipotecas que los bancos
estadounidenses colocaron en los mercados financieros ofreciendo rentabilidades por encima de
la media. Estos paquetes incluían importantes porcentajes de hipotecas subprime, con alto
riesgo de impago.
Por todos estos motivos las agencias de rating se encuentran en el punto de mira de numerosas
críticas, desde diferentes ámbitos: sociedad civil, supervisores, reguladores e incluso desde
algunos de los principales actores en los mercados financieros. Entre sus críticas, destacan:
•
Conflicto de intereses con los calificados.
Existe un potencial conflicto de interés entre las Agencias y los emisores. Los emisores
suelen pagar para que se califiquen sus emisiones, pudiendo elegir entre las principales
Agencias.
La empresa espera obtener la máxima calificación posible, y los fondos que van a entregar
a la Agencia elegida resulta un buen pretexto para presionar a la Agencia para conseguir la
mayor calificación posible, pudiendo cambiar de Agencia si no están de acuerdo con dicha
nota. (Perez Fernández, 2012)
Otro foco de explicación del conflicto de intereses de las agencias se vincula a que el
negocio de las mismas no es exclusivamente realizar calificaciones, sino que prestan otros
servicios financieros a las empresas. (Alonso & Trillo, 2012)
•
Conflicto de intereses con los propietarios de las agencias.
o
S&P. Es propiedad de la editorial americana McGraw Hill dedicada, sobre todo, a la
formación. Sus principales accionistas son las financieras Capital Group (12%) y Slate
Street (4,34%), la empresa para inversores Vanguard Group así como financieras,
bancos de inversión y firmas de inversiones.
40
o
Moody’s comparte algunos accionistas con la anterior, como Capital World Investors
(12%) y suma a Berkshire Hathaway (12%), la compañía presidida por el inversor
estadounidense Warren Buffet.
o
El 60% del accionariado de Fitch lo conforma la francesa Fimalac y el otro 40% es de
The Hearst Corporation, la editora de diarios y revistas como Cosmpolitan, Elle o Marie
Claire.
•
Oligopolio de las tres grandes agencias, que impide la entrada en el mercado de nuevas
agencias.
La industria del rating se caracteriza por ser un oligopolio natural, cuyo principal negocio
es proveer al mercado con evaluaciones que reduzcan las asimetrías de información en los
mercados financieros. Estas dos características hacen que la industria de las agencias de
rating tenga una relación estrecha con dos fallos de mercado: la falta de competencia
perfecta y la información imperfecta. La confluencia de estos fallos de mercado hace que la
industria de rating sea susceptible de ser regulada. (Losada López, 2009)
•
Uso de la “Profecía autocumplida”.
El descenso de una calificación provoca la catástrofe de los evaluados, que se verán
afectados por un aumento de los intereses y les generará dificultades a la hora de contratar
con otras entidades financieras.
•
Falta de transparencia sobre los modelos de valoración y metodología utilizada.
Como consecuencia de todo lo expuesto se han producido declaraciones en el seno de la
Comisión Europea o de los responsables de los gobiernos alemán y francés sobre la
necesidad de regular la actuación de las agencias y la posibilidad de creación de una
agencia de calificación europea.
El hecho de que no se haya creado aún una agencia de calificación Europea es un asunto que
hay reconducirlo al terreno de la política porque se relaciona con el poder de los grupos de
presión financieros que siguen concediendo un papel protagonista a las agencias y a la renuencia
histórica de los estados a criticar su labor. Eso hace que su papel se sitúe en el centro mismo de
la regulación financiera internacional. De hecho, en el método estándar de Basilea II las
calificaciones de las agencias continúan siendo decisivas a día de hoy para la fijación de los
requerimientos de capital regulatorio. Ningún estado ha planteado problemas a esta cuestión,
41
como tampoco hay unión política en torno a la idea de que se cree un organismo propio de
calificación en la zona Euro.
2.3.5
Metodología de Standard & Poor`s
La metodología de S&P organiza el proceso de análisis de acuerdo con un marco común, y
divide la tarea en varios factores relevantes, como se puede apreciar en la figura 13.
Figura 13: Marco de criterios para la calificación de grandes empresas
Fuente: S&P. Corporate rating methodology.
El primer paso es analizar el perfil de riesgo de negocio de una empresa, seguida de una
evaluación de su perfil de riesgo financiero. Tras esto, se combinan las evaluaciones para
determinar el ancla de una compañía.
Una vez determinado el ancla de la compañía, se tienen en consideración 6 factores analíticos
que pueden modificar positiva o negativamente en ancla de la compañía.
Estos factores son efecto de diversificación/cartera, estructura de capital, liquidez, política
financiera, y administración y gobierno corporativo. La evaluación de cada factor puede subir o
bajar el ancla en uno o más niveles –o no tener efecto.
42
El último factor analítico de los criterios es el análisis comparativo de calificaciones, el cual
puede hacernos subir o bajar el SACP en un nivel con base en una opinión integral de las
características crediticias de la empresa.
Tras estos análisis, se determinara el SACP (stand-alone credit profile) que podría estar limitado
por la calificación soberana correspondiente y por la evaluación sobre el riesgo de transferencia
y convertibilidad que afecta a la compañía.
•
Calculo del riesgo de negocio (Business Risk)
Figura 12: Calculo del riesgo de negocio
En este apartado se valorara el CICRA (o riesgo sistémico) y la posición competitiva.
Para el cálculo del CICRA (o riesgo sistémico), se combina el análisis del riesgo de la industria
en la cual la compañía desempeña su actividad y el riesgo del país.
2.3.5.1 Riesgo de la industria
El análisis estará enfocado en la fortaleza esperada del desempeño específico de la industria, así
como de los factores competitivos que la afectan. Los factores a considerar son los siguientes:
•
Perspectivas de crecimiento.
•
Grado de estabilidad.
•
Patrón que presenta el ciclo de negocio.
•
Vulnerabilidad al cambio tecnológico
•
Dificultades de índole laboral o interferencia de la regulación. Por ejemplo, la industria
farmacéutica presenta largos y complejos procesos operativos, que requieren de la
43
necesidad de plantas operacionales de una naturaleza muy específica, y por tanto
enfrentan mayores riesgos.
A grosso modo ponemos un ejemplo de las industrias que según el riesgo de crédito global
asociado a un sector pueden ser consideradas como industrias favorables o no favorables:
Industrias favorables son aquellas que se distinguen por un crecimiento estable de la demanda,
la habilidad de mantener márgenes sin que afecten las perspectivas futuras, la flexibilidad en los
programa de inversión corrientes y una moderada a no-intensiva necesidad de capital. Algunos
ejemplos podrían ser los productores de productos de consumo masivo o medicinas.
Industrias no favorables son aquellas en las que el riesgo industria está por encima del
promedio, independientemente de lo conservador que pudiera ser el perfil financiero. Algún
ejemplo podría las empresas constructoras de vivienda o las que operan en el sector minero.
El análisis del riesgo de industria de alguna forma tiende a establecer la cota máxima a la que la
calificación de una empresa promedio en una determinada industria podría aspirar. En este
punto, también se fijan los parámetros para el análisis posterior del riesgo de negocio específico
para cada empresa, y es el momento en donde se establecen las prioridades relativas de los
factores y sub-factores de riesgo en la calificación final.
La ‘calificación referente de industria’ se establece mediante un proceso externo a los modelos
de calificación en sí mismos. Los comités del crédito deben establecer la ‘calificación referente
de industria’ idealmente de forma independientemente para cada clase del activo o sector
industrial (y las clases de activo secundarias o subsectores).
Esta ‘calificación referente de industria’ no actúa como "techo", es decir no se trata del límite
superior para las calificaciones dentro de una industria, sin embargo, es poco frecuente que las
empresas calificadas posean una ventaja competitiva que les situé por encima de la calificación
referente de industria.
En la mayoría de los sectores por lo menos el 75% de las calificaciones podrían ubicarse hasta 2
notches por debajo o por encima de la ‘calificación referente de la industria’ y por lo menos el
85% de los casos debería ubicarse dentro del rango de 3 notches por encima o por debajo de la
misma.
44
2.3.5.2 Riesgo país
El análisis de riesgo país analiza los principales factores de riesgo (mercado económico,
institucional, financiero y riesgos legales) que surgen de hacer negocios en un país específico y
que pueden afectar a la calidad crediticia de las compañías.
Para su evaluación, se debe de clasificar en una escala de '1' (muy bajo riesgo) a '6' (riesgo muy
alto) cada uno de los siguientes cuatro sub-factores:
•
Riesgo económico.
•
Institucional y el riesgo de la eficacia de gobierno (incluye "riesgo político").
•
Riesgo del sistema financiero.
•
La cultura del país en relación a los pagos.
Cada evaluación de estos sub-factores se basa en una serie de factores cuantitativos y
cualitativos.
Las entidades que operan en un solo país recibirán una evaluación del riesgo país, en cambio
para las entidades con exposición a más de un país, el análisis deberá mediar la proporción de
exposición en cada país en base al EBITDA, ingresos obtenidos o activos fijos.
La combinación de la evaluación del riesgo país y el riesgo de la industria se conoce como
Análisis de Riesgo de la Industria Corporativa por País (CICRA, por sus siglas en inglés para
Corporate Industry and Country Risk Assessment) de un emisor.
La figura siguiente muestra cómo se combinan las evaluaciones de riesgo país y riesgo de la
industria para determinar el CICRA.
Figura 13: Determinación del CICRA
45
2.3.5.3 Posición competitiva
La posición competitiva abarca factores específicos de la empresa que pueden agregarse a o
contrarrestar parcialmente el riesgo de la industria y el riesgo país. Considera los siguientes
aspectos:
1. Ventaja competitiva.
2. Tamaño, alcance y diversidad.
3. Eficiencia operativa.
4. Rentabilidad.
Los tres primeros componentes conforman la competitividad de la empresa en el mercado y las
sostenibilidad de los ingresos. Son estos factores los que primero se evalúan, y tras aplicar unos
factores de ponderación se llega a una evaluación preliminar de la posición competitiva.
Por último, la rentabilidad puede confirmar nuestra evaluación inicial o modificarla, positiva o
negativamente. Así, se combina la evaluación preliminar de la posición competitiva y la
evaluación de la rentabilidad para determinar la evaluación final de la posición competitiva.
Así, una empresa con una posición competitiva más sólida que el promedio de la industria
fortalecerá el perfil de riesgo del negocio. Por el contrario, una posición competitiva más débil
que el promedio de la industria debilitará el perfil de riesgo.
46
A continuación a modo resumen, evaluamos los componentes y subfactores de la posición
competitiva:
COMPONENTES
DESCRIPCIÓN
Ventaja competitiva
Posicionamiento estratégico
SUBFACTORES
•
Estrategia
•
Diferenciación/originalidad/posicionamiento
y atractivo para los clientes
de los productos y servicios
del producto/empaquetamiento
de una empresa, y la
fragilidad o sustentabilidad
•
Reputación de la marca y mercadotecnia
de su modelo de negocios.
•
Calidad del producto y/o servicio
•
Barreras de entrada y costo de cambio para
los clientes
•
Ventajas y capacidades tecnológicas y
vulnerabilidad ante/capacidad para, manejar
el desplazamiento tecnológico.
Tamaño, alcance y
diversidad
Concentración o
•
Características base del activo
•
Diversidad de productos o servicios
•
Diversidad geográfica
•
Volúmenes, tamaño de los mercados e
diversificación de las
actividades de la empresa
ingresos, y participación de mercado
Eficiencia operativa
•
Madurez de los productos o servicios
•
Estructura de costos
•
Procesos de manufactura
administrativo y de
•
Administración del capital de trabajo
estructura
•
Tecnología
•
Nivel de rentabilidad (retorno sobre capital
Calidad y flexibilidad de la
base de activos de una
empresa y su costo
Rentabilidad
histórico y proyectado, margen de EBITDA,
y/o indicadores relevantes para el sector)
•
Volatilidad de la rentabilidad.
47
2.3.5.4 Resultado de la evaluación del riesgo de negocio o business risk:
El CICRA se combina con la evaluación de la posición competitiva de una empresa a fin de
generar la evaluación del perfil de riesgo de negocio del emisor.
•
Calculo del perfil de riesgo financiero (Financial Risk)
Uno de los mejores indicadores del riesgo financiero es la tendencia de la generación de
flujo de efectivo, actual y futura, en relación con las obligaciones en efectivo, es decir, la
habilidad de una entidad de generar flujos de fondos consistentes con su servicio de deuda,
la financiación de sus operaciones, y niveles de Capex (o inversiones) a futuro.
Figura 14: Calculo del riesgo financiero
Para la evaluación se combinan entre si varios índices crediticios, en especial los que están
basados en el flujo de efectivo.
Existen dos tipos de índices:
A. Índices fundamentales (core)
FFO/Deuda
Deuda/ EBITDA
Tras la comparación de estos ratios con el Benchmark, se deriva la evaluación preliminar de
apalancamiento de flujo de efectivo para una empresa.
B. Índices complementarios
En el análisis también se consideran uno o más índices complementarios para ayudar a
desarrollar una mejor comprensión del perfil de riesgo financiero de una empresa. Los índices
complementarios pueden confirmar o ajustar la evaluación preliminar de apalancamiento del
48
flujo de efectivo, esto dependerá de la importancia de los índices complementarios y de
cualquier diferencia en la evaluación entre los índices fundamentales y complementarios.
Normalmente, los criterios consideran cinco índices complementarios estándar, aunque se
podrían introducir índices complementarios adicionales o enfocar la atención en uno o más de
los índices complementarios.
Ratios de amortización:
CFO (*flujo de efectivo de operaciones ) / Deuda
FOCF (*flujo de efectivo libre operativo)/ Deuda
DCF (*flujo de efectivo discrecional)/ Deuda
Índices de cobertura:
•
FFO más intereses/ intereses de efectivo
EBITDA / intereses
Modificadores
Una vez determinado el ancla del rating, punto de partida de la evaluación, se evalúan una serie
de modificadores que podrán aumentar o disminuir la puntuación del cliente.
Figura 15: Modificadores
49
Detallamos a continuación cada uno de los modificadores analizados:
1. Efecto de diversificación / cartera
Esta consideración afecta a las empresas que tienen líneas múltiples, con varias divisiones de
negocios centrales (core) que pueden gestionarse de manera independiente. Normalmente
estos conglomerados tendrán al menos tres líneas de negocio, cada una de las cuales contribuye
como fuente de ingresos. (Generalmente el menor de al menos tres segmentos contribuiría con
al menos 10% del EBITDA y el mayor con no más de 50% del EBITDA).
Los conglomerados industriales normalmente tienen una participación de control en sus activos
core y están muy involucrados en la estrategia y administración de sus empresas filiales; en
general, no hay cambios bruscos en la estructura de activos mediante compra o desinversión de
empresas, por lo que se encuentran con una exposición a largo plazo de todos los riesgos de sus
filiales. A la hora del análisis, es importante evaluar evaluamos el compromiso del equipo
directivo para mantener la cartera diversificada durante un horizonte de más largo plazo
El modelo busca cuantificar cómo el efecto de diversificación podría mejorar el ancla de una
empresa con múltiples líneas de negocio, en función de qué grado de importancia pensamos que
es la diversificación y el grado de correlación que encontramos en la sensibilidad de cada
negocio a los ciclos económicos. Esta evaluación tendrá un impacto positivo o neutral sobre las
calificaciones.
2. Estructura de Capital
La estructura de capital es un factor modificador, que ajusta el ancla inicial de una empresa tras
la modificación por el efecto de diversificación/cartera. Para su evaluación se analizan
cuatro subfactores:
•
Riesgo cambiario asociado con la deuda. (Tier 1)
•
Calendario de vencimientos de deuda (o perfil). (Tier 2)
•
Riesgo de tasa de interés asociado con la deuda. (Tier 2)
•
Inversiones.
El subfactor de Tier 1 es el de mayor riesgo ya que presentan una mayor probabilidad de afectar
a los indicadores crediticios y potencialmente provocar riesgo de liquidez.
El subfactor de tier 2 es menos significativo ya que tiene menos probabilidad de generar un
riesgo de liquidez.
50
A continuación detallamos brevemente el significado e importancia de los 4 subfactores.
a) Subfactor 1: Riesgo cambiario de la deuda.
El riesgo cambiario se presenta cuando una empresa pide prestado sin contar con
cobertura (hedging) en una moneda diferente a la de sus ingresos. Esta exposición sin
mitigación hace que la empresa sea muy vulnerable a las fluctuaciones de los tipos de
cambio.
b) Subfactor 2: Calendario de vencimientos de deuda.
Indica cuando han de ser pagadas las deudas de la empresa o refinanciadas si aplica.
Siempre será más positivo, una empresa con pagos distribuidos ya que contaran con más
tiempos para administrar el negocio.
c) Subfactor 3: Riesgo de tasa de interés de la deuda
Analiza la combinación de deuda a tasa fija y a tasa variable de la empresa. En general,
una mayor proporción de la deuda a tasa fija genera una mayor previsibilidad y
estabilidad de los gastos financieros y, por consiguiente, de los flujos de caja. La
excepción serían las empresas cuyos flujos de caja están correlacionados con los
movimientos de los tipos de interés –por ejemplo, una empresa regulada de servicios
públicos cuyos ingresos están indexados a la inflación–.
d)
Subfactor 4: Inversiones
Aquellas inversiones en empresas asociadas que no consolidan y cuyo valor no se refleja
actualmente en los flujos de efectivo generados por estas.
Si se trata de una inversión estratégica y aporta una ventaja competitiva a la empresa, o
benefician su tamaño, alcance y diversidad, estos aspectos se tendrán en cuenta en el
análisis de la posición competitiva y no se usarán para evaluar este subfactor. Para en
análisis de este, tenemos en cuenta inversiones no estratégicas que podrían brindar cierto
grado de protección y fuente de ingresos en caso de venta, es por esto que deben ser
separables y en caso de una posible desinversión no tendrá impacto significativo en la
empresa.
Se evalúa este factor como positivo o muy positivo si cumple las características
siguientes:
51
•
Se puede fijar un valor estimado a estas inversiones valorándolo a mercado o
mediante comparables.
•
Fuerte evidencia de que la inversión puede ser monetizada a medio plazo.
•
En caso de venta, suponiendo que los recursos se destinar a repagar deuda, los
flujos de caja y apalancamiento mejoraran.
Si no se cumplen estas características, evaluaremos este subfactor como neutral.
3. Política financiera
Teniendo en consideración un horizonte temporal a largo plazo, las políticas financieras de una
empresa pueden cambiar su perfil de riesgo financiero en función del apetito de la
administración o del accionista de control de la empresa.
Para la evaluación, primero se determina si la empresa es propiedad de un socio financiero.
•
Si no está controlada por un socio financiero, evaluamos la disciplina financiera y el
marco de la política financiera de la administración.
Este análisis de la disciplina financiera mide la tolerancia de la administración ante
incrementos en el riesgo financiero o su voluntad para mantener el mismo grado de
riesgo o disminuirlo y pueden influir de manera positiva o negativa sobre la evaluación
general.
El marco de la política financiera de la administración evalúa la transparencia y
sustentabilidad de las políticas financieras de la entidad e influye negativamente o de
manera neutral sobre la evaluación general.
•
Si está controlado por un socio financiero.
Se evalúa la influencia de los socios financieros siguiente las siguientes calificaciones: “FS-4”,
“FS-5”, “FS-6”, y “FS-6 (menos)”, dependiendo de qué tan agresivo suponemos que será el
socio financiero y se asigna un perfil de riesgo financiero acorde con cada uno.
4. Liquidez
El análisis se focaliza en el los flujos monetarios –fuentes y usos de efectivo— que son
indicadores clave de la liquidez de la empresa. El análisis evalúa entre otros: la posibilidad de
un incumplimiento de covenants tras descensos en su EBITDA, la naturaleza de las relaciones
bancarias de la compañía, capacidad para absorber eventos de baja probabilidad y alto impacto
y la posición en los mercados financieros.
52
5. Administración y Gobierno corporativo
Este factor abarca el rango de supervisión y dirección que llevan a cabo los dueños de una
empresa, los representantes del Consejo de Administración, ejecutivos y gerentes funcionales.
Su competencia estratégica, efectividad operativa y capacidad para manejar los riesgos
conforman la competitividad de una empresa en el mercado y su perfil crediticio. Si una
empresa tiene la capacidad de manejar importantes riesgos estratégicos y operativos, entonces
su administración juega un rol positivo en la determinación de su éxito operativo. Por el
contrario, una administración débil con una estrategia operativa deficiente o incapacidad para
ejecutar su plan de negocios de manera efectiva, probablemente debilitará sustancialmente el
perfil crediticio de una empresa.
Para su evaluación se puntúan cada uno de los siguientes subfactores:
Proceso de planificación estratégica.
SUBFACTORES USADOS PARA EVALUAR EL
POSICIONAMIENTO ESTRATÉGICO
Consistencia de la estrategia con las capacidades
organizativas y con las condiciones del mercado.
Capacidad para dar seguimiento, ajustar y controlar
la ejecución de la estrategia.
SUBFACTORES USADOS PARA EVALUAR LA
ADMINISTRACIÓN DE RIESGO / ADMINISTRACIÓN
FINANCIERA.
Exhaustividad de los estándares y tolerancias de la
administración del riesgo de toda la empresa.
Estándares de desempeño operativo
Efectividad operacional de la administración
SUBFACTORES USADOS PARA EVALUAR LA EFECTIVIDAD
ORGANIZATIVA.
Experiencia conocimiento de la administración
Profundidad y alcance de la administración
53
6. Análisis comparativo de calificaciones
Último paso para determinar el SACP de una compañía. Este análisis puede llevarnos a subir o
bajar el nivel de nuestra ancla, tras ajustarlo con base a los modificadores, en un nivel o notch.
Una compañía recibe las siguientes evaluaciones dependiendo de:
•
Evaluación positiva – si consideramos que su clasificación relativa en todos los
subfactores normalmente está en la parte superior del rango.
•
Evaluación negativa - si consideramos que su clasificación relativa en todos los
subfactores normalmente está en la parte inferior del rango y
•
Evaluación neutral si consideramos que su clasificación relativa en todos los
subfactores normalmente está en línea con el punto medio del rango.
Citamos algunos ejemplos que podrían llevarnos a una evaluación positiva o negativa utilizando
el análisis comparativo de calificaciones:
-
Tendencias
macroeconómicas
o
de
la
industria.
Cuando
las
tendencias
macroeconómicas indican un fortalecimiento o debilitamiento de la condición
financiera de la empresa que aún no está totalmente capturado en el resto de
evaluaciones.
-
Exposiciones de riesgo contingente.
-
Corto historial. Para las empresas de reciente formación la falta de un historial podría
llevar a una evaluación negativa en tanto dicha trayectoria no se establezca.
Rating final
La aplicación de todos los criterios enumerados anteriormente dará por resultado un SACP
inicial o ICR que podría estar limitado por la calificación soberana correspondiente y por la
evaluación sobre el riesgo de transferencia y convertibilidad que afecta a la entidad bajo
análisis. A fin de que la calificación final se sitúe en un nivel más alto que la calificación
soberana la entidad tendrá que cumplir con unas condiciones específicas.
54
Figura 16: Cálculo del rating final
Standar&Poors clasifica el riesgo crediticio según las siguientes calificaciones:
RATING
DESCRIPCIÓN
AAA
Capacidad extremadamente fuerte de cumplir con compromisos financieros. Es la calificación más alta.
AA
Capacidad muy fuerte de cumplir con compromisos financieros.
A
Capacidad fuerte de cumplir con compromisos financieros, pero algo susceptible a condiciones económicas adversas y
cambios en las circunstancias.
BBB
Capacidad adecuada de cumplir compromisos financieros, pero más susceptible a condiciones económicas adversas.
BBB-
Considerado el nivel más bajo dentro de la categoría de grado de inversión por los participantes en los mercados.
BB+
Considerada la calificación más alta dentro de la categoría de grado especulativo por los participantes en los mercados.
BB
B
CCC
Menos vulnerable en el corto plazo pero enfrenta importantes incertidumbres respecto a adversas condiciones para el
negocio, financieras y económicas.
Más vulnerable a adversas condiciones del negocio, financieras y económicas pero actualmente tiene la capacidad de
cumplir con sus compromisos financieros.
Actualmente vulnerable y dependiente de condiciones favorables para el negocio, financieras y económicas para
cumplir con sus compromisos financieros.
CC
Actualmente sumamente vulnerable.
C
Actualmente sus obligaciones y otras circunstancias definidas son sumamente vulnerables.
D
Incumplimiento de pagos sobre sus compromisos financieros.
55
3. OBJETIVOS Y METODOLOGÍA PROPUESTA
En la parte teórica ha quedado patente un problema actual para muchas entidades financieras,
especialmente medianas y pequeñas. La tendencia regulatoria incide cada vez más en el riesgo
de crédito y se fía menos de las agencias de calificación. Por eso, exige a las gestoras,
aseguradoras y bancos modelos propios para valorar dicho riesgo. Sin embargo, ese tipo de
modelización es muy complejo, así como intenso en recursos humanos y técnicos. Por eso, la
mayoría de entidades medianas y pequeñas no tienen la capacidad para desarrollar de forma
interna dichos modelos.
A tenor de lo anterior, este trabajo tiene un objetivo doble, académico y práctico:
-
Estudiar los determinantes financieros del riesgo de crédito, para encontrar
patrones comunes independientemente de variables cualitativas y/o juicios
personales del analista.
-
Utilizar lo anterior para proponer una aproximación a un modelo de riesgo de
crédito relativamente sencillo que puede ser utilizado con muy pocos recursos.
El trabajo está sujeto a dos condicionantes. El primero se basa en que existe un inconveniente
fundamental respecto a los modelos clásicos: no es posible disponer de una base de datos de
impagos. Las agencias de calificación y los bancos centrales fundamentan los trabajos en este
sentido en unas bases de datos propietarias que contienen información acerca de quiebras e
impagos. Las mismas constituyen la ventaja competitiva fundamental de las agencias de rating y
no las ceden en ningún caso. Por eso debemos trabajar con una información muy limitada en la
medida que no tenemos la variable objetivo clave. Así, nos vemos obligados a cambiar la
misma, de modo que intentaremos contrastar dos posibles variables objetivo: la calificación de
S&P y la probabilidad de ser High Yield (rating inferior a BBB-). Este método puede incluso
tener ventajas, puesto que como analizamos en la parte teórica, el proceso de obtención de
ratings de S&P es posiblemente el más complejo en la actualidad. Por tanto, si podemos
aproximarlo de manera sencilla, se avanzaría considerablemente en el problema descrito.
El segundo condicionante se basa en la metodología. La mayoría de los modelos de crédito
modernos se basan en la teoría original de Black-Scholes-Merton, que valora el riesgo de
impago aplicando la teoría de opciones a la estructura del balance de la compañía. Pero este
modelo exige que la empresa cotice en bolsa, al objeto de aproximar su valor en el mercado, un
ESTIMACIÓN DE UN MODELO DE CALIFICACIÓN CREDITICIA | OBJETIVOS Y METODOLOGÍA
PROPUESTA
56
input fundamental para dicho modelo. Por eso, este tipo de modelos no son aplicables a
empresas no cotizadas. Esto de nuevo se podría tornar en una ventaja: si logramos un modelo
coherente sólo con variables de balance, sin acudir a variables de mercado, el resultado se
podría aplicar a empresas no cotizadas.
Por tanto, la metodología consiste en los siguientes pasos:
-
Construir una base de datos lo más amplia posible, de empresas con sus estados
financieros. Para ello, acudimos a dos fuentes: Bloomberg y S&P.
-
Con dicha base de datos, construimos modelos econométricos para encontrar los
principales factores explicativos de las posibles variables objetivo (que como
veremos convertimos en 2).
-
Dentro de los resultados, y al contrario que en la econometría habitual, buscaremos
un modelo que combine el máximo poder explicativo, con la sencillez de cálculo, al
objeto de que pueda ser utilizado de manera casi directa.
Esta metodología es en realidad una reproducción de otros muchos trabajos académicos, pero la
novedad, en este caso, es la construcción de una base de datos distinta, pero sobre todo el testeo
de tres variables diferenciadas, cuando los trabajos citados se restringen únicamente a valorar si
la empresa entra en impago o no.
Para el resto del trabajo, en el primer punto se describen las bases de datos obtenidas y la
definición de las variables. En el segundo se analizan los modelos y los resultados.
3.1 LA BASE DE DATOS Y EL ANÁLISIS PRELIMINAR DE LA
INFORMACIÓN
3.1.1
Problemática inicial, la base de datos de panel obtenida de S&P
Nuestra idea inicial era trabajar con una base de datos que incluyera una dimensión temporal. Es
decir, tomar los datos de varias empresas a lo largo de varios años. Para ello, acudimos como
fuente a la propia S&P, con una ventaja: la entidad proporciona los estados financieros ya con
los ajustes que ellos mismos realizan, lo que facilita las cosas. A cambio, la construcción de la
base de datos es muy tediosa. Así obtuvimos datos de 94 empresas para periodos entre 2 y 12
años, dependiendo de los casos ver tabla 1. Para cada empresa tenemos 18 datos de balance y
cuenta de resultados y 16 ratios, tal como los calcula S&P.
PROPUESTA
57
Tabla 1. Empresas disponibles en la base de datos obtenida de S&P
Años
Años
Empresa
disponible
Empresa
disponible
s
s
Empresa
Años
disponibles
A2A
12
DEUTSCHE TELEKOM
12
PEUGEOT
7
AB ELECTROLUX
10
E ON
8
PHILIPS
7
AB VOLVO
7
EDP
9
RENAULT
8
ABB
9
ENAGAS
11
REPSOL
11
ABENGOA
5
ENEL SPA
12
ROCHE
6
ABERTIS
10
ENI
11
ROLLS-ROYCE
4
ACCOR
10
FERROVIAL S.A.
4
SAINT-GOBAIN
12
AIRBUS
11
FINMECCANICA SPA
11
SANDVIK
9
ALCATEL-LUCENT
9
FRESENIUS SE & CO.
KGAA
8
SANOFI
10
ALFA LAVAL AB
8
G4S PLC
7
SCHNEIDER E
8
ALSTOM
8
GAS NATURAL SDG
S.A.
10
SECURITAS AB
11
AMADEUS
5
GEBERIT
11
SIEMENS AG
11
ANHEUSER-BUSCH
INBEV
8
GLAXOSMITHKLINE
PLC
8
SOLVAY
11
ARCELORMITTAL
11
GLENCORE PLC
2
SWISSCOM AG
8
ASSA ABLOY AB
12
GRIFOLS S.A.
5
SYNGENTA AG
12
ATLANTIA
11
HEINEKEN
4
TDC A/S
10
ATLAS COPCO AB
7
HENKEL AG & CO.
KGAA
7
TECHNIP
9
AZKO NOBEL
7
HOLCIM LTD.
12
TELECOM
ITALIA
12
BASF
8
IBERDROLA S.A.
11
TELEFONICA
12
BAYER
8
IMPERIAL TOBACCO
11
TELIA SONERA
9
BHP BILLITON
8
ITV PLC
8
TERNA
11
BMW
8
BOUYGUES
11
BRITISH AM.
TOBACCO
12
BUZZI UNICEM
6
CARNIVAL
CARREFOUR
L'AIR LIQUIDE S.A.
LUXOTTICA GROUP
SPA
MARKS & SPENCER
PLC
12
4
THE COCACOLA CO
THYSSEN
KRUPP
10
12
9
TNT EXPRESS
5
MERCK KGAA
8
TOTAL SA
12
8
MOL HUNGARIAN
10
TVN S.A.
11
7
NESTLE
8
UNILEVER PLC
10
DAIMLER
8
NOKIA
8
VALEO SA
3
DANONE
11
NOVO NORDISK
11
VEOLIA
9
DEUTSCHE
LUFTHANSA
5
PEARSON PLC
8
VIVENDI SA
7
DEUTSCHE POST
8
PERNOD RICARD
10
VOLKSWAGEN
8
WOLTERS
8
KLUWER N.V.
PROPUESTA
58
Desde un punto de vista econométrico se trata de datos de panel, si bien la dimensión temporal
es variable. Esto supone una dificultad añadida para el análisis econométrico. Aunque aporta
más información, los estimadores de una regresión directa, usando todas las observaciones, son
inconsistentes, porque mezclan los efectos de cada variable explicativa con los efectos
temporales. Esto se puede afrontar de dos formas: con un modelo de efectos aleatorios o con un
modelo de efectos fijos.
Una regresión global de todas las observaciones se conoce como “regresión pooled” y aunque es
inconsistente, se suele utilizar como un análisis preliminar de los datos, a pesar de que luego no
se incluye en modelos finales debido a dicho problema. El caso es que, para llevar a cabo el
estudio riguroso, nos encontramos con un problema que a la postre se mostró insalvable. En la
dimensión cruzada tenemos un máximo de 94 observaciones, pero eso sólo abarca 2 años.
Cuando la dimensión temporal alcanza más de 8 años, el número de observaciones se reduce
tanto (menos de 30) que no es posible calcular un modelo coherente por la reducción del
número de grados de libertad (estamos hablando de hay unas 16 variables explicativas posibles,
además de las dummies temporales). Todos los estimadores funcionan de forma asintótica; por
tanto, los calculados en este entorno tienen muy poco sentido.
Ante ese problema, la única alternativa es aumentar de manera muy significativa el número de
empresas analizadas. Pero la obtención de datos se realiza de forma manual. De ese modo, no
disponíamos de horas suficientes para construir una base de datos lo bastante amplia. Así, la
única solución posible fue construir otra base de datos, en este caso sólo de sección cruzada, es
decir, en un momento estático del tiempo (en concreto, julio de 2015). A cambio, esto nos
permitió tener muchas más empresas. Sin embargo, antes de abordar las características de
dichos datos definitivos, vimos que el trabajo previo no había sido en balde. Al menos
constatamos un hecho conocido en el mercado. Y es que los ratings de los años 2004-2006 eran
considerablemente más benévolos que los posteriores en igualdad de condiciones.
Así, no quisimos quedarnos sin hacer, al menos, un análisis preliminar de los datos disponibles.
En la tabla 2 (modelo II) se observa que en 2004 y 2005, en media, las calificaciones son medio
escalón mejores que en 2014 para unos mismos estados financieros. En 2006 esa diferencia se
redujo a 0.3 escalones. A partir de 2007 la diferencia deja de ser significativa. En esa misma
tabla vemos que, mediante una regresión “pooled” (modelo I), tan sólo tres variables explican
más de un tercio de los datos. Si añadimos todas las demás, apenas llegamos al 40%. Por ello se
puede afirmar que estas tres concentran la mayoría del poder explicativo.
PROPUESTA
59
La variable a explicar en este caso es el rating numérico. Se ha asignado un número a cada
rating (sin tener en cuenta panorama ni revisión), que van desde el 1 (AAA) al 21 (C). Así,
cuanto menor sea la cifra, mejor la calificación. Esta base de datos en particular concentra la
mayoría de las observaciones en aquellos inferiores a 11 (es decir, mejor que BB+), y por tanto
de grado inversión.
Tabla 2. Modelos de regresión simple sobre la base de datos obtenida de S&P.
Constante
Margen operativo
Deuda / (Deuda + Equity)
ROE
Modelo I
4.068**
(40.142)
-0.023**
(-9.272)
0.029**
(13.905)
-0.019**
(-9.628)
d2013
d2012
d2011
d2010
d2009
d2008
d2007
d2006
d2005
d2004
n
R2 corregido
745
0.348
Modelo II
4.059**
(30.917)
-0.023**
(-9.288)
0.030**
(14.386)
-0.018**
(-8.954)
0.116
(0.865)
0.058
(0.433)
0.104
(0.780)
0.131
(0.949)
-0.126
(-0.902)
-0.143
(-1.017)
-0.132
(-0.867)
-0.301*
(-1.720)
-0.474**
(-2.641)
-0.504**
(-2.788)
745
0.365
El resultado está completamente en línea tanto con la teoría como con la bibliografía preliminar.
El margen operativo (ingresos menos coste de ventas antes de DyA, sobre ingresos) es una
medida de la eficiencia de la empresa. Cuanto mayor sea, mejor será su capacidad de pago y,
por tanto, su influencia es positiva para el rating (negativa para el modelo). La segunda medida
es el apalancamiento, entendido como deuda sobre la suma de deuda y equity. En este caso, el
concepto de deuda se refiere a la neta de caja e incluye ciertos retoques ejecutados por S&P. El
equity incluye híbridos. En la mayoría de los modelos tradicionales, así como en la propia
PROPUESTA
60
intuición, esta variable es la fundamental, como efectivamente demuestra el modelo: al
aumentar el apalancamiento, el rating empeora con fuerza.
Finalmente, el ROE, en realidad se trata de la rentabilidad del “common equity”, no del equity
a secas (es decir, no tenemos en cuenta híbridos). Hemos preferido llamarle ROE para evitar
confusiones con ROCE (Return on capital employed). En este caso, además S&P ajusta por la
provisión de fondos utilizados para la financiación de proyectos (ajuste AFUDC, según sus
siglas en inglés). En este caso, cuanto mayor sea la rentabilidad, más margen quedará para el
accionista después de pagar la deuda; o dicho de otra forma, más capacidad de soportar pérdidas
hay antes de entrar en impago. Por eso, su signo es negativo, es decir cuando crece mejora el
rating.
En conjunto, estas tres variables explican más de un tercio de las calificaciones crediticias, lo
que ya en sí mismo sería un buen punto de partida para un modelo utilizable en la práctica. Sin
embargo, el rigor académico nos obliga a buscar una forma más estricta de poder valorar los
resultados, algo que no podemos hacer con esta base de datos.
3.1.2
Base de datos de sección cruzada, obtenida de Bloomberg
Para obtener una base de datos de sección cruzada acudimos a Bloomberg. Aunque todavía
tiene un fuerte componente manual, el proceso es considerablemente más ágil que en el caso
anterior. Así, conseguimos los datos de 629 empresas, de diferentes países y sectores, a julio de
2015, y con información de estados financieros suficiente para construir 13 ratios de los citados
por S&P o muy similares (ver parte 1ª del trabajo). A ello añadimos otras dos que nos han
parecido de interés y una medida del riesgo país, al objeto de intentar incluir la parte no
financiera del análisis de S&P. También nos sirve para discriminar por país, ya que son
demasiados para utilizar variables dummy. Además, se obtienen la variable objetivo: el rating.
En la tabla 3 se resume la procedencia de las empresas por país y sector. Evidentemente se ha
excluido el sector financiero porque el trabajo se basa sólo en la economía real; los balances de
entidades financieras requieren un tratamiento diferente.
Los ratios obtenidos de esta forma, al proceder de Bloomberg, no tienen los ajustes de S&P.
Esto nos parece positivo, ya que, de cara al objetivo del modelo, si conseguimos aproximar los
ratings sin los ajustes, el resultado es mucho más útil para el usuario del modelo ya que le
aligera el trabajo. Además, ello tiene otra ventaja: permite una distribución internacional mucho
más amplia, en la medida que Bloomberg ofrece datos normalizados (y por tanto comparables)
PROPUESTA
61
para los distintos sistemas contables internacionales. Aun así, se observa que aproximadamente
la mitad de la muestra pertenece a EEUU, lo que resulta consistente con el universo de empresas
que cotizan en los mercados de renta fija, que constituyen a su vez el objetivo principal de las
agencias de rating. El resto, como es lógico, se concentra en economías desarrolladas y/o
grandes.
3.1.2.1 Definición de las variables
La variable CNRISK es una medida de riesgo país, en relación con lo comentado en el párrafo
anterior. S&P incide mucho en el rating soberano como limitador de la calificación de una
empresa, por lo que parece oportuno tener en cuenta esa información, así como hacer una
discriminación por país, debido a las características tan diferentes de unos a otros. Esto se
podría realizar mediante variables dummy para cada uno de los países, pero en este caso, la
pérdida de grados de libertad sería demasiado elevada. Nos ha parecido más oportuno, por tanto,
tomar el tipo a 10 años de referencia en cada uno ellos como unidad de medida. Esto tiene el
inconveniente de que se trata de una cifra muy volátil. Pero no nos preocupa debido a que el
objetivo final es la ordenación de los datos. Además, a cambio obtenemos una influencia
graduada, y no binaria, como sería en el caso de variables dummy.
PROPUESTA
62
Tabla 3. Resumen de las empresas disponibles en la base de datos
País
AUSTRALIA
AUSTRIA
BELGIUM
BERMUDA
BRAZIL
BRITAIN
CANADA
CHILE
CHINA
COLOMBIA
CYPRUS
DENMARK
FINLAND
FRANCE
GERMANY
GREECE
HONG KONG
INDIA
INDONESIA
IRELAND
ISRAEL
ITALY
JAPAN
JORDAN
LUXEMBOURG
MACAU
MALAYSIA
MEXICO
MONACO
NETHERLANDS
NEW ZEALAND
NORWAY
OMAN
PERU
PHILIPPINES
POLAND
RUSSIA
SINGAPORE
SOUTH AFRICA
SOUTH KOREA
SPAIN
SRI LANKA
SWEDEN
SWITZERLAND
TAIWAN
THAILAND
TURKEY
USA
Total
Sector
Basic
Consum Consum
Materia Commun
er, Non- Diversifi
er,
ls
ications Cyclical cyclical
ed
1
1
2
1
1
1
3
2
9
1
3
3
1
1
1
1
2
3
1
1
9
3
1
4
2
1
2
1
2
3
2
1
1
4
9
4
1
1
2
8
1
1
2
1
1
3
3
1
1
2
1
Energy
1
1
3
3
2
1
1
1
3
1
1
2
1
1
1
1
1
1
1
1
1
2
1
1
1
1
2
1
1
1
2
3
2
2
1
1
1
1
1
1
1
1
2
1
1
1
1
1
1
2
1
1
26
66
1
30
67
1
1
72
111
1
50
96
1
5
57
81
Indus Technol Utiliti
trial
.
es
3
1
1
1
1
3
7
3
1
2
6
1
3
2
1
2
Total
9
2
1
4
18
31
37
7
8
4
1
2
1
2
4
1
1
14
4
1
11
1
1
1
2
8
2
3
11
1
6
3
1
2
3
6
3
1
3
14
1
4
1
3
2
9
1
2
2
1
6
1
1
5
1
1
2
3
1
2
4
2
1
8
1
1
3
2
6
1
2
6
1
3
5
1
3
3
2
3
61
26
21
344
109
36
58
629
PROPUESTA
63
La primera variable objetivo es la calificación (RATING), que se ha numerado de forma similar
a la base de datos anterior, entre 1 (AAA) y 21 (C). Se ha construido otra variable objetivo
binaria, llamada dumRAT, que toma valores 1 cuando la calificación es High Yield y 0 cuando
es Investment Grade. Esto nos servirá para contrastar la posibilidad de que un emisor caiga en
una u otra categoría, constituyendo así la segunda variable objetivo. En la base de datos
obtenida no se dispone de calificaciones inferiores a B- (nivel 16), ya que se pudimos
comprobar que resultan muy distorsionadoras en la medida que sus ratios tienden a ser muy
extremos. Quizá, en un estudio más profundo, podría tener sentido hacer un modelo específico
para ellas, consideradas deuda en distress. De la muestra disponible, 316 empresas son grado
inversión (el 50.24%) y el resto high yield. El gráfico 1 se puede observar la distribución de
frecuencias de los rating en la muestra. Se observa cierta concentración en el 7 (A-), en torno a
un 17% del total, pero en general están todos representados.
Gráfico 17. Distribución de frecuencias de la variable rating
0.18
0.16
0.14
Frecuencia relativa
0.12
0.1
0.08
0.06
0.04
0.02
0
2
4
6
8
10
12
14
16
Rating
Los ratios disponibles para realizar el análisis se definen a continuación (se incluye el nombre
utilizado en los modelos, al objeto de clarificar la lectura de estos últimos. El nombre de la
variable está en inglés ya que ha sido descargada de Bloomberg). Se observa que en el caso de
variables flujo hemos buscado en lo posible su cálculo en base anual, para evitar distorsiones
estacionales.
PROPUESTA
64
Tdebt_TCapital. (Deuda total / Capital total x 100). Es la deuda total dividida entre la suma de
equity y deuda. Por tanto es casi la misma que la variable “Deuda / (Deuda + Equity)”
de la base de datos descrita anteriormente, con la única diferencia de los ajustes
realizados por S&P en la anterior. Por tanto, se trata de una medida de apalancamiento.
Tdebt_TEquity. (Deuda total / Equity x 100). De manera similar a la anterior, es una medida
de apalancamiento, pero en este caso, sólo sobre el equity, no se incluye al resto de
inversores en deuda.
Total debt_EV. (Deuda total / Enterprise value). El “Enterprise value” se define en el análisis
financiero moderno como la suma de la capitalización en mercado, más preferentes, más
deuda con coste, menos caja (y activos muy líquidos). Como su nombre indica, el
Enterprise Value trata de aproximar lo que costaría comprar una empresa. Es la única
variable de las disponibles que incorpora el valor en el mercado bursátil, y por tanto no
está disponible para aquellas empresas cuyas acciones no cotizan. Esta característica es
muy importante porque hace que sea la única capaz de aproximar los cálculos de los
modelos de tipos Black Scholes Merton, que utilizan el valor en el mercado bursátil
como una variable clave.
T12M EBITDA Margin. (Ebitda / Ingresos). Es la medida estándar del margen de beneficio.
La calculamos para los últimos 12 meses, al objeto de homogeneizarla en base anual y
se multiplica por 100 para hacerla más fácilmente interpretable.
T12M Op Margin. (Resultado operativo / Ingresos). El margen operativo es el equivalente al
anterior, pero al eliminar muchos elementos no recurrentes, se convierte en una medida
de eficiencia de la compañía. Igualmente, está calculado en base anual y multiplicado
por 100.
ROE. (EBIT/Equity x 100). Es la rentabilidad de recursos propios, ampliamente conocida. Es
equivalente, pero no igual al ROE que utilizábamos en la base de datos anterior. En
concreto, esa utilizaba el “common equity” en el denominador, mientras que en este
caso utilizamos recursos propios totales. La diferencia es pequeña en el caso de
corporates; sólo se vuelve muy significativa en entidades financieras que no entran en
este estudio.
T12M FCF Margin. (Flujo de caja libre / Ingresos) Evalúa que parte de los ingresos se acaba
convirtiendo en caja libre, calculada en base anual, como en otros casos anteriores.
PROPUESTA
65
FCF_Total Debt. (Flujo de caja libre / Deuda total). Mide qué porcentaje de la deuda está
cubierto por el flujo de caja libre actual. Dicho de otro modo, su inverso nos indica
cuántos años de flujo de caja hacen falta para pagar toda la deuda.
Current ratio. (Activos corrientes / Pasivos corrientes). Es el tradicional ratio de liquidez, que
mide cómo los activos corrientes cubren los pasivos corrientes. En el análisis tradicional
se utiliza más el ratio ácido, que, en el numerador resta las existencias. Sin embargo, en
la práctica, muy pocas empresas reportan existencias en los estados financieros
normalizados internacionales, por lo que parece preferible utilizar este.
Cash Ratio. (Caja y cuasicaja / Pasivos corrientes). De forma similar al anterior, este ratio
intenta medir la capacidad inmediata de pago de la empresa. La “cuasicaja” se refiere a
valores financieros rescatables de forma inmediata, como depósitos, letras del Tesoro,
etc.
Wcap_Sales. (Working capital / Ingresos). El Working Capital es otra forma de ver el ratio de
liquidez: consiste en la diferencia entre activos corrientes y pasivos corrientes. En este
caso, mide qué porcentaje de las ventas constituye esa cifra.
Asset Turnover. (Ventas / Aumento medio del activo en el periodo). Es quizá el ratio más
complejo de expresar: mide la eficiencia con la que se están utilizando los activos de la
empresa. Dicho de otra forma, cuantifica en cuántas ventas se convierten los nuevos
activos. Es por tanto, una medida de eficiencia.
Capex_Sales (Capex / Ingresos). Mide qué porcentaje de los ingresos van destinados a
inversión. Es, por tanto, una cuantificación de la capacidad de crecimiento futura de la
compañía, o al menos de su empeño por crecer en detrimento de la remuneración al
accionista.
I1 (Beneficios retenidos<0). Es una variable binaria, que vale 1 cuando los beneficios retenidos
son negativos, es decir, la empresa arrastra pérdidas de ejercicios anteriores. Es 0
cuando los mismos son positivos.
LNSize (Log neperiano del activo total). Es una medida del tamaño total de la compañía.
Pretende medir, por tanto, su carácter sistémico y en consecuencia, la capacidad de
recibir soporte en caso de problemas, tanto de gobiernos, como en lo relativo a su
capacidad negociadora con acreedores.
PROPUESTA
66
Sectores. Mediante variables dummy se ha incluido cada empresa en un sector de nueve
posibles. Estos son: materiales básicos (sin variable, dummy puesto que constituye la
referencia), comunicaciones (sec_comms), consumo cíclico (sec_conscic), consumo no
cíclico (sec_consnocic), conglomerados (sec_divers), energía (sec_energ), industrial
(sec_indus), tecnología (sec_tecnol) y utilities (sec_util). La clasificación se ha obtenido
directamente de Bloomberg y su distribución se puede ver en la tabla 3.
3.1.2.2 Análisis preliminar de los datos
Evidentemente, no todas las variables están disponibles para todas las empresas; de hecho, hay
varias observaciones ausentes. Sin embargo, el conjunto mínimo de datos (empresas sin ningún
dato ausente) abarca 530 compañías, más que suficiente para el análisis. En la tabla 4 se recogen
las características básicas de cada variable.
Tabla 4. Características clave de las variables
Rating
Tdebt_TCapital
Tdebt_TEquity
TotalDebt_EV
T12MEBITDAMargin
T12MOpMargin
ROE
T12MFCFMargin
FCF_TotalDebt
CurrentRatio
CashRatio
Wcap_Sales
AssetTurnover
Capex_Sales
I1*
LNSize
CNRISK
Media
Mediana
Mínimo
Máximo
Desv.
Típ.
Asimetría
Exc.
Curtosis
Ausentes
10.641
50.201
185.28
0.355
17.502
7.840
10.540
-4.373
0.532
1.835
0.571
0.172
0.814
19.287
0.289
9.308
2.837
10.000
47.129
86.858
0.312
15.336
9.693
9.708
4.327
0.098
1.456
0.341
0.121
0.677
5.211
0.000
8.863
2.156
2.000
0.000
0.000
0.000
-145.610
-196.010
-215.280
-2296.000
-1.754
0.197
0.000
-0.689
0.000
0.067
0.000
4.439
-0.091
16.000
360.430
14399.00
2.221
86.005
69.753
328.150
65.198
155.150
20.456
8.032
5.245
5.508
1056.000
1.000
18.773
14.266
2.995
32.910
778.87
0.242
23.051
25.910
32.408
100.68
6.673
1.550
0.830
0.348
0.623
58.782
0.454
2.226
2.681
-0.136
3.621
14.569
1.834
-2.047
-4.013
2.026
-20.231
21.448
4.662
4.347
5.658
2.340
11.067
0.929
1.528
3.044
-0.524
24.865
234.730
8.419
13.800
24.189
29.396
451.760
487.870
38.465
26.284
73.255
9.183
168.520
-1.137
3.042
8.995
0
5
28
14
16
12
48
35
38
3
3
15
14
13
0
3
13
*I1 es una variable binaria (0,1).
Todas las variables son continuas, a excepción de I1, que es binaria y Rating que es entera. Esta
última merece una discusión especial, puesto que es la variable objetivo fundamental. En
realidad se trata de una variable ordinal; es decir, marca un orden de preferencia, y no tanto un
medida cuantitativa. Sin embargo, muchos analistas, empezando por la propia S&P la
convierten a numérica continúa sin pérdida de información significativa. El argumento se basa
en que, aunque efectivamente es ordinal, en la práctica mide la capacidad de pago de una
PROPUESTA
67
compañía, por lo que podría considerarse un índice de dicha capacidad. De hecho, el mapeado
que realiza S&P desde su resultado cuantitativo hasta la calificación utiliza datos continuos. En
este trabajo adoptaremos la misma aproximación: tratarla como si fuera continua, lo que,
además de no constituir pérdida de información, facilita mucho el tratamiento econométrico.
El análisis de correlaciones arroja resultados muy interesantes. Por un lado, la primera fila, que
muestra las correlaciones con la variable objetivo, ya arroja pistas de cuáles pueden ser los datos
más explicativos. En valor absoluto, las más llamativas son el tamaño (LNSize), la deuda sobre
Enterprise Value y la acumulación de pérdidas anteriores (I1). El signo de las tres es el
esperado, cuando más positivo, mayor es el rating numérico, es decir, peor calificación. A más
deuda y más pérdidas acumuladas, peor rating, y cuanto mayor sea la compañía, mejor
calificación.
CNRISK
LNSize
I1
Capex_Sales
AssetTurnover
Wcap_Sales
CashRatio
CurrentRatio
FCF_TotalDebt
T12MFCFMargin
ROE
T12MOpMargin
T12MEBITDAMargin
TotalDebt_EV
Tdebt_TEquity
Tdebt_TCapital
Rating
Tabla 5. Correlaciones entre las variables de la muestra
1.00 0.31 0.06 0.45 -0.23 -0.29 -0.28 -0.13 -0.16 0.12 0.01 0.07 0.01 0.16 0.42 -0.47 0.11 Rating
1.00 0.34 0.43 0.02 0.00 0.12 -0.03 -0.10 -0.15 -0.14 -0.15 0.06 0.01 0.38 -0.18 0.00 Tdebt_TCapital
1.00 0.07 0.03 0.02 0.15 0.00 -0.02 -0.06 -0.05 -0.03 0.03 0.00 0.19 -0.04 -0.02 Tdebt_TEquity
1.00 -0.12 -0.19 -0.25 -0.04 -0.11 -0.10 -0.16 -0.09 -0.13 0.06 0.22 -0.01 0.13 TotalDebt_EV
1.00 0.91 0.35 0.23 0.01 -0.12 0.01 -0.15 -0.23 -0.16 -0.15 0.12 0.10 T12M EBITDAM argin
1.00 0.47 0.30 0.03 -0.04 0.01 -0.09 0.00 -0.36 -0.18 0.12 0.10 T12M OpM argin
1.00 0.16 0.02 -0.06 -0.01 -0.06 0.14 -0.21 -0.10 0.08 -0.03 ROE
1.00 0.02 -0.18 -0.33 -0.55 0.09 -0.89 -0.08 0.02 0.03 T12M FCFM argin
1.00 0.02 0.02 0.02 0.02 -0.04 -0.05 0.12 -0.05 FCF_TotalDebt
1.00 0.68 0.69 -0.02 0.07 0.01 -0.17 -0.03 CurrentRatio
1.00 0.66 -0.17 0.24 0.07 -0.05 0.03 CashRatio
1.00 -0.09 0.36 0.02 -0.04 0.03 Wcap_Sales
1.00 -0.25 0.06 -0.12 -0.07 AssetTurnover
1.00 0.05 -0.04 -0.01 Capex_Sales
1.00 -0.29 -0.13 I1
1.00 0.13 LNSize
1.00 CNRISK
El peso de la deuda sobre Enterprise Value es muy ilustrativo. Indica que, efectivamente, el
modelo de Black Scholes Merton contribuye significativamente a la formación de las
calificaciones. O lo que es lo mismo, que los desarrollos de mercado influyen directamente en la
capacidad crediticia de la compañía en tanto que afectan a su valor total. Pero el objetivo de este
PROPUESTA
68
trabajo es precisamente poder valorar empresas que no cotizan en el mercado bursátil. Para eso,
tendremos que intentar buscar un modelo explicativo que no incluya esta variable.
En el resto de variables podemos ver cómo se forman algunas agrupaciones de correlaciones
relativamente elevadas. Eso ocurre, por ejemplo, entre Current Ratio, Cash Ratio y Working
Capital vs Sales, cuya correlación supera el 60%. En realidad, las tres miden cosas muy
parecidas: los activos líquidos de la empresa. Sin embargo, y en contra de la intuición, la
influencia de las tres sobre el rating parece ser muy reducida.
El margen de EBITDA y el operativo tienen la correlación absoluta más elevada de la muestra,
un 91%, lo que resulta razonable por una simple cuestión contable. Eso significa que la
información que aportan al rating es muy parecida. El operativo parece tener una relación mayor
frente a este último, por lo que lo elegiríamos en primer lugar para formar parte de un modelo
completo, en detrimento del EBITDA Margin. Del mismo, también es elevada la correlación de
ambos con el ROE, también por razones de balance: a más margen, más fondos libres para el
accionista, si bien no llega al 50%. En este caso deberíamos estar alerta ante un posible
problema de colinealidad en el modelo si los tres resultan explicativos.
La correlación negativa más elevada es la del FCF Margin con el Capex sobre ventas (-89%).
Tiene toda la lógica empresarial, ya que, una vez generado el flujo de caja, la alternativa a
dejarlo libre (es decir, disponible para acciones futuras) es invertirlo, por tanto aumentar el
Capex. Dicho de otro modo, lo que aumenta el Capex disminuye el FCF y viceversa. Sin
embargo, se produce una situación curiosa: la correlación de ambos con el rating es exactamente
opuesta: +16% y -16%. Esto nos está indicando que cada uno de ellos aporta información
distinta a los ratings, pero como están correlacionados en un 89%, esa información podría llegar
a superponerse.
PROPUESTA
69
Gráfico 2. Relación entre FCF Margin y Capex/Sales
T12MFCFMargin con respecto a Capex_Sales (con ajuste cuadrático)
500
Y = 8.07 - 0.285X - 0.00177X^2
0
T12MFCFMargin
-500
-1000
-1500
-2000
-2500
0
200
400
600
800
1000
Capex_Sales
Esto último puede estar causado a su vez porque ambas variables arrojan algunas lecturas con
valores extremos muy pronunciados. En ocasiones, esos valores extremos pueden llevar a
correlaciones espúreas. En una regresión lineal, un punto muy alejado de la nube principal es
suficiente para distorsionar mucho los resultados. Sin embargo, como se puede apreciar
visualmente en el Gráfico 2, la relación entre ambas variables existe y parece mantenerse tanto
cerca del centroide como en los valores extremos, si bien parece no lineal cuanto más nos
alejamos. Este hecho también debe ser tenido en cuenta a la hora del incorporar estas variables a
los modelos.
En cualquier caso, en general se observa bastante ortogonalidad en el conjunto de variables, lo
que resulta muy positivo para la construcción de modelos. Eso indica inicialmente que la
elección de los datos parece adecuada, lo cual no sorprende ya que nos hemos basado en la
literatura sobre el tema y especialmente en los desarrollos de S&P. Aunque limitados por la
información que podemos obtener de Bloomberg. Así, disponemos de un set de datos que, a
priori, parece muy adecuado para el objetivo de modelos que tenemos.
PROPUESTA
70
3.2 MODELOS Y RESULTADOS
En esta sección se presentan los resultados de la modelización econométrica utilizando los datos
descritos en el apartado anterior. Se van a intentar explicar dos variables: rating y dumrat. La
seguda, una variable dummy que indica si la calificación es High Yield, se basa en que, a
efectos de decidir la calidad crediticia de un emisor de deuda, puede ser útil no sólo aproximar
el rating, sino también ordenarlos en función de una probabilidad de caer a HY.
Así, para el rating numérico se utilizará la regresión lineal múltiple de sección cruzada
ampliamente conocida en el análisis económico. Estrictamente, la econometría clásica nos
obligaría a darle un tratamiento diferente si fuera una variable ordinal, como se discutía en el
apartado anterior. En concreto, habría que aplicar un modelo logit multinomial ordenado. Sin
embargo, por lo especificado en el apartado anterior parece razonable tratar la calificación como
una medida continúa, al menos en un análisis de este nivel. Por otro lado, la variable binaria
dumRAT sí que exige un tratamiento diferenciado, en este caso un logit binario.
El logit binario quizá se trate de un modelo algo menos conocido. Es no lineal, puesto que la
función que relaciona los datos es la logística. El objetivo de esta función es modelizar el
logaritmo de los “odds” (razón de probabilidades) entre dos sucesos. Los tres párrafos
siguientes explican con más precisión el modelo logit. Están tomados literalmente (en cursiva)
de Medina, Eva (2003), “Modelos de elección discreta”, Universidad Autónoma de Madrid,
Apuntes del curso de doctorado de Modelización Económica Aplicada.
El uso de una función de distribución garantiza que el resultado de la estimación esté acotado
entre 0 y 1 (…) siendo las más habituales la función de distribución logística, que ha dado
lugar al modelo Logit, y la función de distribución de la normal tipificada, que ha dado lugar al
modelo Probit. Tanto los modelos Logit como los Probit relacionan, por tanto, la variable
endógena Yi con las variables explicativas Xki a través de una función de distribución. En el
caso del modelo Logit, la función utilizada es la logística, por lo que la especificación de este
tipo de modelos queda como sigue:
PROPUESTA
71
Al igual que en el Modelo Lineal de Probabilidad, el Modelo Logit se puede interpretar en
términos probabilísticos, es decir, sirve para medir la probabilidad de que ocurra el
acontecimiento objeto de estudio (Yi=1). En cuanto a la interpretación de los parámetros
estimados en un modelo Logit, el signo de los mismos indica la dirección en que se mueve la
probabilidad cuando aumenta la variable explicativa correspondiente, sin embargo, la cuantía
del parámetro no coincide con la magnitud de la variación en la probabilidad (como si ocurría
en el MLP). En el caso de los modelos Logit, al suponer una relación no lineal entre las
variables explicativas y la probabilidad de ocurrencia del acontecimiento, cuando aumenta en
una unidad la variable explicativa los incrementos en la probabilidad no son siempre iguales
ya que dependen del nivel original de la misma.
Una interpretación más sencilla del parámetro estimado es la que se obtiene a través de la
linealización del modelo . Para ello, partiendo de la ecuación general del Modelo Logit y
definido Mi como la probabilidad del estado o la alternativa 1, se tiene:
De donde:
Al cociente entre la probabilidad de que ocurra un hecho, o de que se elija la opción 1, frente a
la probabilidad de que no suceda el fenómeno, o de que se elija la opción 0, se la denomina
como la ratio odds. Su interpretación es la “ventaja” o preferencia de la opción 1 frente a la 0,
es decir, el número de veces que es más probable que ocurra el fenómeno frente a que no
ocurra.
PROPUESTA
72
Por tanto, el modelo logit parece el más adecuado para intentar aproximar la probabilidad de
ocurrencia de cada uno de los estados de una variable dicotómica. Por tanto resulta ideal para
testear la evolución de dumRAT. Cabe señalar sin embargo, que, en el modelo logit, la
interpretación de la R2 (en realidad llamada pseudo-R2 de McFadden) es ligeramente distinta a
la del modelo lineal. Sólo funciona como porcentaje del valor explicado cuando los resultados
se aproximan mucho a 1 o -1. Pero en cualquier caso, sí que sirve para el objetivo principal:
contribuir a determinar cuál es el modelo más interesante. Una segunda métrica para comprobar
la validez de un modelo logit es el % de casos predichos con éxito. Dado que la variable
objetivo es binaria, dicho porcentaje es la suma de ceros predichos que son ceros en realidad
más unos predichos que son unos en realidad, partido por el total de observaciones.
Por otro lado, la interpretación de los coeficientes no es directa, puesto que depende de los
niveles de las demás variables, como se recoge en las ecuaciones. Lo más importante es el signo
de los mismos, el cual indica si hacen aumentar o disminuir la probabilidad de ocurrencia.
3.2.1
El modelo lineal múltiple aplicado al rating
Se han chequeado múltiples modelos posibles, en función de diversas combinaciones de las
variables. Un resumen de los que nos han parecido más interesantes se recoge en la tabla 6. En
general, se observa que con este conjunto de datos se puede realizar un amplio rango de
combinaciones con un valor explicativo muy elevado. En todos los casos, el valor de R2 fluctúa
entre el 20 y el 55%. Esa cifra es considerablemente elevada para tratarse de datos de sección
cruzada. Además, también se antoja alta debido a que el proceso que intenta reproducir es muy
diferente de una simple combinación de variables, como se ha especificado en la parte teórica de
este trabajo. Del mismo modo, los signos de todas las variables coinciden con los esperados.
Según hemos comentado anteriormente, la variable deuda / EV tiene una correlación elevada
con la calificación, y por tanto, un poder explicativo alto. De hecho, ella sola es capaz de
explicar en torno a un 20% de las variaciones en los ratings. Sin embargo, debido al objetivo de
este trabajo vamos a intentar realizar un modelo razonable sin incluir dicha variable, como
también hemos advertido en el apartado anterior.
PROPUESTA
73
Tabla 6. Resumen de modelos MCO
const
TotalDebt_EV
T12MOpMargin
Tdebt_TCapital
ROE
Modelo I
8.435**
(0.2652)
2.856**
(0.5990)
-0.01931**
(0.005347)
0.02916**
(0.006903)
-0.01680**
(0.004142)
Tdebt_TEquity
T12MEBITDAMargin
T12MFCFMargin
FCF_TotalDebt
CurrentRatio
CashRatio
Wcap_Sales
AssetTurnover
Capex_Sales
I1
LNSize
CNRISK
Modelo II
12.83**
(0.6643)
Modelo III
12.81**
(0.7092)
Modelo IV
12.29**
(0.4946)
-0.05764**
(0.01659)
0.03355**
(0.005665)
-0.01653**
(0.003321)
-0.0002602
(0.0002068)
0.04852**
(0.01768)
-0.04347**
(0.008164)
-0.01672
(0.01332)
0.2000**
(0.09726)
-0.1862
(0.1866)
0.2476
(0.5094)
0.03172
(0.1852)
-0.03345**
(0.008314)
1.200**
(0.2378)
-0.5190**
(0.04738)
0.2409**
(0.03849)
-0.04673**
(0.01676)
0.03674**
(0.005502)
-0.01787**
(0.003206)
-0.0002493
(0.0001991)
0.04216**
(0.01780)
-0.04259**
(0.007911)
-0.01421
(0.01290)
0.1038
(0.09488)
-0.07782
(0.1848)
0.1567
(0.4933)
-0.1167
(0.1817)
-0.03348**
(0.008112)
1.210**
(0.2297)
-0.4975**
(0.04607)
0.2701**
(0.03729)
-0.06807
(0.4060)
0.9441**
(0.3510)
-0.8662**
(0.3572)
0.1106
(0.9434)
0.4560
(0.4085)
-0.3354
(0.3457)
-0.1760
(0.4722)
-1.509**
(0.4140)
537
0.5254
-1123
-0.04093**
(0.009889)
0.03397**
(0.004778)
-0.01725**
(0.003167)
sec_comms
sec_conscic
sec_consnocic
sec_divers
sec_energ
sec_indus
sec_tecnol
sec_util
n
R2 corregido
lnL
572
0.2422
-1345
537
0.4780
-1153
Modelo V
13.07**
(0.4993)
Modelo VI
12.73**
(0.4863)
Modelo VII
12.60**
(0.4861)
0.03430**
(0.004743)
-0.02290**
(0.002833)
0.03369**
(0.004738)
-0.02210**
(0.002783)
-0.01566**
(0.004541)
0.03505**
(0.004788)
-0.01848**
(0.003157)
-0.03088**
(0.006354)
-0.01466**
(0.002445)
1.425**
(0.2248)
-0.4739**
(0.04271)
0.2387**
(0.03427)
-0.01510**
(0.005492)
1.272**
(0.2225)
-0.5013**
(0.04369)
0.2600**
(0.03611)
1.350**
(0.2213)
-0.4924**
(0.04355)
0.2455**
(0.03429)
1.425**
(0.2259)
-0.4714**
(0.04297)
0.2360**
(0.03449)
1.329**
(0.2505)
-0.7820**
(0.2572)
1.012**
(0.2472)
-0.8627**
(0.2562)
1.175**
(0.2408)
-0.7837**
(0.2537)
1.137**
(0.2443)
-0.8877**
(0.2568)
-1.440**
(0.3154)
566
0.4949
-1214
-1.578**
(0.3249)
543
0.5180
-1148
-1.671**
(0.3158)
549
0.5129
-1163
-1.413**
(0.3172)
568
0.4876
-1222
0.02903**
(0.01014)
PROPUESTA
74
El primer modelo (modelo I en la tabla 6) que hemos intentado chequear pretende reproducir la
sencillez de sólo las tres variables explicativas que hemos aplicado para la base de datos de S&P
descrita en el apartado anterior. En ese caso recordamos que sólo tres factores que representan la
eficiencia el apalancamiento y la liquidez eran capaces de explicar más de un tercio de las
variaciones en las calificaciones, sin tener en cuenta la dimensión temporal. Los resultados son
plenamente consistentes con los contenidos en la tabla 2, hasta un punto que a nosotros mismos
nos ha sorprendido ya que se trata de muestras completamente distintas. Así, incluso los propios
coeficientes alcanzan valores relativamente similares. De hecho el coeficiente asociado al
apalancamiento es igual. En este caso el porcentaje explicado por estas variables es inferior, un
24%, pero este hecho es esperable debilidad del tamaño de la muestra es mucho mayor en su
sección cruzada, es decir, es mucho más heterogénea en lo referido a las características de las
empresas contenidas en ella. Por eso, si lo que buscamos es un modelo lo más sencillo posible,
algo con tan sólo estas tres variables, que además son muy sencillas de obtener de los estados
financieros resumidos, podría suficiente, siempre que el entorno no sea especialmente exigente.
Los modelos II y III contenido en la tabla 6 incluye, sencillamente todas las variables
disponibles. La única diferencia entre ellos es la inclusión o no de las dummies sectoriales.
Consideramos que este modelo debería ser un límite máximo en cuanto a valor explicativo
expresado por la R2 no corregido. Es decir, no será posible, con las variables disponibles,
superar dicho valor de R2. Dicho límite se encuentra en el 57% del modelo III. Aun así, dado
que muchas de las variables explicativas no son significativas según la t de student, el mismo
todavía debe ser depurado al objeto de optimizar la información con la mínima pérdida de
grados de libertad. Es de esperar una R2 algo inferior en modelo optimizado, dado que ese 57%
es resultado de un “overfitting” o exceso de ajuste, que por tanto particulariza demasiado en los
datos actuales.
Lo primero que se aprecia, aunque se trata de una obviedad, es que las variables más
explicativas son aquellas con mayor correlación con el rating. Esto nos permite utilizar los datos
de la tabla 5 para ir depurando el modelo.
Un resultado más interesante es que los sectores contienen información útil en algunos casos.
Esto también es razonable si pensamos que el proceso de rating de S&P define al sector como el
entorno básico que limita las calificaciones y por tanto lo considera un input fundamental. Sin
embargo, no todos los sectores tienen diferencias significativas. El más llamativo es el de
utilities. Su calificación es aproximadamente algo menos de un escalón y medio por debajo de
PROPUESTA
75
la referencia, lo que le hace ser el más alejado. Esto es perfectamente coherente con la realidad:
en la mayoría de los países, las utilities son empresas reguladas y por tanto con ingresos hasta
cierto punto garantizados. Además, se les considera estratégicos y por tanto sistémicos. Por
estas razones, un impago de utilities tiene una probabilidad muy inferior que en otros sectores a
igualdad de estados financieros. También los sectores de consumo aportan información: en
media, el de consumo cíclico tiene un rating 0.86 escalones peor que el resto, mientras que el de
consumo cíclico mejora la media casi un escalón completo. Este último resultado es
significativo sólo al 5%, al contrario que el de utilities y el de consumo cíclico que lo son al 1%.
En este sentido, al comparar los modelos II y III los criterios de información de Akaike y
Schwarz, resultan inferiores en el III, lo que demuestra que efectivamente, es importante incluir
los sectores. Esta información viene a complementar el aumento de R2 en el modelo III.
Además, las significatividad de las variables explicativas cambia muy poco al incluir las
dummies sectoriales, lo que nos indica que estás últimas tienen a ser ortogonales respecto a las
primeras, de manera que contienen información distinta y por tanto, todas ellas aportan. Así,
para un modelo definitivo, parece conveniente incluir sectores, pero sólo las variables binarias
correspondientes a aquellos significativos: utilities y consumo.
En el análisis de las variables explicativas, hay que tres cuya significatividad medida por el pvalor de la t de student destaca muy especialmente, el tamaño (LNSize), el riesgo país (CNRisk)
y la deuda/capital total (Tdebt_Tcapital) aunque hay otras también significativas al 1% y al 5%.
El tamaño de la compañía en sí mismo no es una variable que S&P tenga en cuenta. Pero lo
cierto es que las empresas más grandes gozan de ventajas; son sistémicas (es decir, su caída
dañaría tanto que son soportadas por los gobiernos), tienen muchos más recursos al operar de
forma global y su capacidad de negociación y de captación de recursos es mucho mayor. Por
todas estas razones es perfectamente razonable que esa variable sea fundamental. Así,
aproximadamente la calificación mejora medio escalón cada vez que el balance se duplica (es
decir aumenta un 100% aproximado por un aumento de 1 en el logaritmo). Hay que tener en
cuenta, sin embargo, que este parámetro depende mucho de la muestra utilizada.
La siguiente variable en importancia según el criterio del p-valor es el riesgo país (CNRisk). El
coeficiente demuestra que aproximadamente, el rating empeora un cuarto de escalón (0.27) por
cada aumento de un punto porcentual en el tipo de interés soberano a 10 años en el país de
riesgo de la compañía. Esto también es consistente con la metodología de S&P que utiliza el
riesgo país como marco y primer paso en el que analizar las calificaciones corporativas. Sin
PROPUESTA
76
embargo, es evidente que la valoración de riesgo país de S&P es más estable. Utilizar una
variable de mercado como la TIR de los bonos a 10 años sufre el inconveniente de que se
pueden mover mucho en el mercado. Pero no nos parece preocupante porque así recoge con más
agilidad los problemas. Por ejemplo, con la crisis soberana europea de 2010-2012, los tipos de
mercado reaccionaron mucho más rápido que las calificaciones de S&P, las cuales tardaron en
ajustarse varios meses, e incluso años.
La deuda sobra capital total también aporta mucha información. De hecho bastante más que la
deuda sobre equity, a pesar de que esta última es bastante más utilizada en los modelos más
básicos. Como comentábamos en la tabla, ambas tienen cierta correlación entre sí, pero sólo la
primera se corresponde con la calificación. El caso es que no sólo aporta mucha información,
sino que además es cuantitativamente muy elevada. Al interpretar el coeficiente, pensemos que
la variable está multiplicada por 100. Por tanto, por cada punto porcentual sobre el capital que
aumenta la deuda, la calificación empeora aproximadamente 0.035 escalones. Dicho de otra
forma, si la empresa emite deuda por la mitad de su capital total, el rating empeora en casi dos
escalones (1.75 concretamente). Por tanto, esta es la medida de apalancamiento más
representativa y puede constituir una guía para la gestión de deuda por parte de los gestores
financieros de la compañía.
Al igual que el apalancamiento, la rentabilidad también es clave para el rating. En concreto el
ROE, puesto que la teoría más elemental indica que si la empresa es rentable para el accionista
significa que la misma previamente ya se ha hecho cargo del pago de la deuda. Así, en la
muestra, por cada punto porcentual que aumenta la rentabilidad del equity, la calificación
mejora en torno a 0.017 escalones. Puede parecer una cifra reducida, pero debemos tener en
cuenta que el ROE puede variar muy considerablemente de un periodo a otro. De hecho, la base
de datos alternativa de S&P muestra que variaciones del ROE de 10-15 puntos porcentuales de
un periodo a otro son relativamente habituales. Eso implica que, sólo por esa vía, estaría
cambiando un cuarto de escalón en la calificación.
La información aportada es muy similar a la de la variable I1, que mide si la empresa tiene
pérdidas acumuladas de ejercicios anteriores. Es una variable dicotómica; por tanto, el simple
hecho de dichas pérdidas retenidas existan, empeora en 1.2 escalones aproximadamente. Podría
ser interesante comprobar si el tamaño de dichas pérdidas es relevante; sin embargo, la literatura
revisada apunta a que es más importante el mero hecho de que las mismas existan. La
explicación puede basarse en el hecho de que las pérdidas reducen la capitalización de la
PROPUESTA
77
compañía; dicho de otra forma, los fondos propios se dedican a cubrir pérdidas antes que a
devolver la deuda existente, lo que pone en riesgo el repago de la misma. Del mismo modo, si
los beneficios retenidos son positivos, el efecto es justo el contrario. En el balance existen
reservas a las que, en teoría, se podría recurrir de ser necesario.
Resulta muy llamativo el hecho de que, tanto el margen del flujo de caja (T12MFCFMargin)
como el Capex sobre ventas parecen aportar información a priori, después de lo comentado en el
párrafo anterior. El signo del margen es el esperado: a mayor margen, mejor calificación. El del
Capex/Ventas también es negativo, pero a priori no es posible decidir si eso debería ser así. Una
empresa con un Capex elevado efectivamente debería mejorar su sostenibilidad a largo plazo en
tanto que está invirtiendo para crecer. Pero al mismo tiempo, ese ratio podría aumentar por un
descenso pronunciado en las ventas, y no porque se invierta más, lo que sería negativo para su
calificación. Más aún cuando, al aumentar la cifra, el FCFMargin cae con fuerza en negativo, lo
que obliga a la compañía a endeudarse más. Por tanto, es necesario profundizar más en el
análisis de estas variables.
En el gráfico 2 se observa que ambas variables están muy influenciadas por valores extremos
que pueden condicionar mucho los resultados de una regresión. Por eso, vamos a analizar lo que
ocurre cuando eliminamos los dos valores más alejados; filtramos la muestra para dejar fuera las
observaciones con Capex_Sales mayores de 400%. En el gráfico 3 podemos ver cómo la
relación entre ambas se mantiene en términos bastante similares de los del gráfico 2, aunque se
parece algo más a una lineal pura. Al correr el modelo en estas condiciones se observa que la
influencia de ambas variables se mantiene, por lo que la misma no es producto de unos pocos
valores extremos. Incluso, sus coeficientes aumentan ligeramente respecto a la muestra
completa: el del FCFMargin pasa a ser -0.05 y el Capex / Ventas pasa a -0.035.
PROPUESTA
78
Gráfico 18. Relación entre FCF Margin y Capex/Sales
T12MFCFMargin con respecto a Capex_Sales (con ajuste cuadrático)
100
Y = 9.34 - 0.397X - 0.00149X^2
50
T12MFCFMargin
0
-50
-100
-150
-200
-250
0
50
100
150
200
250
Capex_Sales
La única alternativa para comprobar si su influencia es despreciable o no es sustituir su
presencia en la regresión por una combinación lineal de ellas, mediante la técnica de
componentes principales. Como resultado, el primer componente explica un 95% de la varianza
conjunta, lo que confirma la relación lineal entre ellos. En realidad, quizá sería más ajustado
aplicar componentes principales no lineales en este caso (una combinación cuadrática como
recoge el gráfico), pero la pérdida de generalidad es mínima, ya que estamos trabajando en la
muestra sin valores extremos. Cuando sustituimos las dos variables por su primer componente
principal en el modelo, como es lógico se observa una reducción del R2 corregido de entorno al
2%, que se corresponde con la parte de varianza conjunta que explica el segundo componente
principal no incluido. Pero entonces vemos cómo tanto el margen operativo como el margen de
EBITDA pierden su significatividad. Curiosamente, y según se deduce de la tabla de
correlaciones (tabla 2) a la colinealidad existente entre estas dos últimas variables y el
Capex/Ventas, y no a que las mismas se parezcan al FCFMargin.
Toda esta discusión en parte se podría esperar si vemos cómo en los Modelo II y III el p-valor
de los márgenes EBITDA y operativo es considerablemente superior al del resto de variables
significativas (aunque todavía siguen siendo significativos al 1%). Eso se traduce en que el
valor de sus coeficientes fluctúa más cuando cambian las variables introducidas en el modelo
como se observa en la tabla 6. Además, sus signos podrían llegar a ser inconsistentes, o al
PROPUESTA
79
menos requerir más análisis, puesto que uno es negativo y otro positivo, cuando a priori,
cualquier aumento de margen debería favorecer la calificación. Por tanto, de cara a obtener un
modelo realmente utilizable en la práctica, parece que existe la posibilidad de eliminar alguna
de estas variables perdiendo muy poca información. Tal como indican sus p-valores es más
razonable eliminar los márgenes EBITDA y operativo: si lo hacemos así, el R2 corregido se
reduce muy poco (hasta 0.518, modelo V), mientras que en, si en su lugar las mantenemos y
quitamos Capex / Ventas y FCFMargin, el R2 corregido se reduciría hasta 0.49 (modelo IV). Lo
criterios de información de Akaike y Schwarz confirman la elección.
Lo anterior se puede observar en los modelos IV y V respectivamente en la tabla 6, en los cuales
ya han sido eliminadas las variables que no resultan significativas en modo alguno. De entre las
variables que han resultado significativas, quizá lo más llamativo es el grupo compuesto por el
ratio corriente, ratio de caja y working capital, de las cuales, ninguna influye en los resultados
significativamente. Puede ser interesante porque, a la postre, las tres miden de alguna forma la
liquidez disponible para pagar la deuda de forma inmediata, lo que intuitivamente nos llevaría a
pensar que se trata de una métrica importante para la solvencia. Sin embargo, no es así: miden
liquidez, no solvencia, conceptos cuya diferenciación se encuentra precisamente en uno de los
temas clave de los mercados de renta fija en los últimos años. Así, las calificaciones que
estamos valorando (y las más utilizadas) son a largo plazo. De todos modos, las agencias
también emiten ratings a corto, pero son mucho menos importantes ya que la mayoría de los
operadores del mercado admiten que la gran mayoría de emisores puede refinanciar la liquidez a
corto mediante pagarés o líneas de crédito sin demasiados problemas.
A tenor de todo lo anterior, el modelo más efectivo parece hasta el momento el V. Sin embargo,
dado que el objetivo de este trabajo es encontrar un cálculo lo más sencillo posible nos
planteamos si sería posible simplificarlo algo más. Esta idea surge al contemplar el hecho de
que la eliminación de los márgenes EBITDA y operativo, hace que el p-valor de la variable
Capex / Ventas aumente con mucha fuerza, hasta hacerla significativa sólo al 5%. Por tanto, nos
planteamos si no sería posible eliminar alguna variable más con una pérdida mínima de
información. La primera idea es quitar el Capex / Ventas y vemos que efectivamente el R2
corregido se rebaja en una cantidad muy pequeña. Eso significa que, efectivamente, la mayoría
de la información la aporta el FCFMargin.
Pero eso supone un problema de cara al uso práctico del modelo. De las variables discutidas, el
FCFMargin es una de las que más observaciones ausentes tiene: 35, más de un 5,5% de la
PROPUESTA
80
muestra. Y esto es lo que quizá pueda darle la vuelta a toda la discusión reciente: los otros
márgenes y el Capex tienen menos de la mitad de valores ausentes. ¡Eso por sí sólo es capaz de
explicar los cambios en el R2 corregido, que, en gran parte no se deben a una mejora en la
información sino a los cambios en el tamaño de la muestra! En consecuencia, si conseguimos un
R2 corregido ligeramente inferior, pero con una muestra significativamente mayor, el modelo
podría considerarse “mejor” en el sentido de más general, y por tanto, más aplicable. De entre
las variables en discusión, aquella que menos valores ausentes tiene es el margen operativo. Un
modelo que, de las cuatro, sólo la incluya a ella (modelo VII), tiene un R2 corregido de 0.488
con 568 observaciones, frente al 0.513 del modelo VI con 549 observaciones. Dicho de otra
forma, el trade off consiste en que, en el modelo VII perdemos 2.5 puntos porcentuales de valor
explicativo, a cambio de aumentar la muestra en un 3.46%.
Gráfico 19. Relación entre el rating teórico y real según el modelo VII
observada = predicción
16
14
12
Rating
10
8
6
4
2
2
4
6
8
10
12
14
16
18
20
predicción de Rating
La decisión está clara: conviene elegir el margen operativo. Pero además, volvemos al principio
de la discusión. El modelo VII y definitivo contiene como variables explicativas, las relativas al
sector, al tamaño, al sector, una dummy de pérdidas y… después de todo eso incluye las mismas
variables que resultaban clave para explicar los resultados en la base de datos que habíamos
construido con dimensión temporal. Esa consistencia inesperada entre las bases de datos es lo
que inclina la balanza de manera definitiva a favor de este modelo VII, corregido por otros
PROPUESTA
81
parámetros (país, etc) que resultan a su vez completamente en línea con el proceso de
calificación de S&P.
3.2.2
El modelo de elección discreta aplicado a calificaciones High Yield
Como hemos comentado anteriormente, nos parecía razonable analizar los datos desde otra
perspectiva. La mayoría de la literatura trabaja con variables objetivo dicotómicas, ya que
suelen disponer de bases de datos que incluyen eventos de impago, algo completamente fuera de
nuestro alcance. Sin embargo, para intentar aproximarnos algo más a esa metodología, hemos
construido la variable binaria dumRAT que, como se ha explicado, vale 1 cuando la calificación
es High Yield (inferior a BBB-), o 0 en el caso contrario (Investment Grade). En lo sucesivo,
esta será la variable objetivo, y la metodología de modelización es la de elección discreta tipo
logit que se explica al comienzo de este apartado 3. A priori, es de esperar que las variables
explicativas sean muy parecidas, aunque en este caso, el objetivo es una probabilidad, lo que
modifica considerablemente la interpretación de los datos.
Lo primero que observamos es que, como en el caso anterior, la deuda / EV resulta la más
explicativa de todas. En esta ocasión es todavía más esperable porque es la variable clave para
calcular la probabilidad de impago. Pero por las mismas razones que en el modelo lineal, nos
vemos obligados a prescindir de ellas en pro del objetivo del trabajo: el uso práctico en
empresas no cotizadas. En la tabla 7 se recoge un resumen de los modelos más significativos de
entre los que hemos calculado.
El primero de ellos (Logit I), como en el caso anterior, pretende reproducir las variables
explicativas que existían en la base de datos de S&P, complementadas con la deuda / EV. Se
muestra así que efectivamente son importantes, aunque curiosamente el ROE pierde mucha
significatividad. Los signos de los coeficientes son los esperados y el número de casos predicho
con éxito asciende al 68.5%, una cifra considerablemente buena si tenemos en cuenta que la R2
(en lo sucesivo llamaremos R2 a la pseudo R2 de McFadden, por abreviar) es muy reducida. Sin
embargo, cuando quitamos la deuda / EV, e incluimos el resto de variables explicativas, el ROE
recupera su significatividad, lo que es consecuencia, como en el caso anterior, de la correlación
entre estas dos variables.
PROPUESTA
82
Tabla 7. Resumen de modelos Logit
const
TotalDebt_EV
Tdebt_TCapital
T12MOpMargin
ROE
Logit I
-1.261**
(-5.246)
2.039**
(3.218)
0.01622**
(2.487)
-0.02100**
(-3.256)
-0.007549*
(-1.783)
Tdebt_TEquity
T12MEBITDAMargin
T12MFCFMargin
FCF_TotalDebt
CurrentRatio
CashRatio
Wcap_Sales
AssetTurnover
Capex_Sales
I1
LNSize
CNRISK
sec_comms
sec_conscic
sec_consnocic
sec_divers
sec_energ
sec_indus
sec_tecnol
sec_util
n
R2 corregido
% casos correctos
572
0.1154
68.5
Logit II
2.336**
(2.054)
Logit III
3.026**
(4.098)
Logit IV
2.590**
(3.641)
Logit V
2.188**
(3.269)
0.04139**
(5.077)
-0.03310
(-1.409)
-0.01475**
(-2.745)
-0.0004384
(-1.338)
0.02464
(0.9984)
-0.05108**
(-3.983)
-0.04273
(-0.2640)
0.3566
(1.595)
-0.03081
(-0.1077)
-0.9015
(-1.178)
-0.2834
(-1.112)
-0.03797**
(-3.396)
1.079**
(3.548)
-0.5501**
(-6.386)
0.2730**
(5.105)
0.3462
(0.6381)
1.615**
(3.426)
-0.7379
(-1.517)
-0.2187
(-0.1892)
0.8761*
(1.729)
-0.1008
(-0.2251)
0.5877
(0.9442)
-1.794**
(-2.807)
537
0.3841
82.1
0.03534**
(5.121)
0.03480**
(5.097)
-0.02104**
(-3.886)
-0.02130**
(-3.868)
0.03430**
(5.281)
-0.01329*
(-1.925)
-0.01696**
(-3.286)
-0.03399**
(-3.285)
-0.01441**
(-2.720)
-0.01727**
(-2.249)
1.130**
(3.955)
-0.5542**
(-6.943)
0.2509**
(4.812)
1.119**
(3.961)
-0.5323**
(-6.848)
0.2255**
(4.741)
1.129**
(4.101)
-0.4640**
(-6.511)
0.1871**
(4.354)
1.342**
(4.126)
-1.049**
(-3.006)
1.489**
(4.693)
-0.8919**
(-2.657)
1.462**
(4.725)
-0.9889**
(-3.062)
-2.009**
(-3.814)
543
0.3580
80.5
-2.290**
(-4.330)
549
0.3515
80.0
-1.968**
(-4.176)
568
0.3269
78.9
PROPUESTA
83
Cuando incluimos los sectores vemos que, al igual que en el modelo lineal (Logit II), las
utilities se ven muy favorecidas; su coeficiente es, con diferencia, el mayor ventaja concede a la
hora de evitar el High Yield. Por otro lado, resulta llamativo cómo el sector energético resulta
significativo al 10%, algo que no ocurría en la regresión lineal. De modo similar, el consumo
cíclico se ve considerablemente perjudicado, pero no se contempla ninguna influencia en el
consumo no cíclico. Sin embargo, en cuanto comenzamos a depurar el modelo se observa que
estos efectos tienen algo de espúreo. La eliminación de variables no significativas devuelve a las
dummies sectoriales un comportamiento similar al del modelo lineal (Logit III).
En realidad, toda la discusión sobre la influencia de las variables realizada con el modelo lineal
es igualmente aplicable en este caso, ya que al final, el efecto que se pretende medir es muy
parecido. Sin embargo, los resultados son especialmente demostrativos de la conclusión
alcanzada en el caso anterior en la disyuntiva entre margen del FCF o margen operativo. En
teoría, el modelo “ideal” según los p-valores de los coeficientes y según la R2 sería el Logit IV,
que incluye como regresor al FCFMargin. Dicho modelo tiene un porcentaje de acierto del 80%,
es decir 439 casos de 549 observaciones. Por su parte, el Logit V incluye el margen operativo en
lugar del FCFMargin, a pesar de que su p-valor es inferior, al igual que el R2. Pero el porcentaje
de aciertos se reduce hasta 78.9. Aun así, esta última cifra implica que se predicen
correctamente 448 casos (de las 568 observaciones disponibles). Es evidente, por tanto, que el
número absoluto de observaciones acertadas es superior en el Logit V. En el gráfico 5 se
observan las predicciones y los aciertos del Logit V. Visualmente se aprecia cómo los “ceros”
tienden a agruparse abajo a la derecha y los “unos” arriba a la izquierda.
PROPUESTA
84
Gráfico 5. Relación entre casos predichos y reales en el modelo Logit V
1.2
observada = predicción
1
dumRAT
0.8
0.6
0.4
0.2
0
0
0.2
0.4
0.6
0.8
1
predicción de dumRAT
PROPUESTA
85
4. CONCLUSIONES
Hemos elaborado dos bases de datos para intentar aproximar las calificaciones crediticias de la
manera más sencilla posible a partir de ratios financieros, en lo que podría ser una adaptación
moderna de la antigua Z de Altman.
La primera conclusión clara es que hay tres ratios financieros que concentran la aportación de
información para las calificaciones: la deuda sobre capital total, el margen operativo y el ROE.
Este hecho es plenamente coherente con la literatura sobre riesgo de crédito en la medida en que
dichas variables constituyen aproximaciones de los tres elementos clave de dicho riesgo:
respectivamente el apalancamiento, la eficiencia y la rentabilidad.
En línea con el proceso de calificación de S&P, los ratios financieros no son suficientes.
También aporta información en todos los casos, el hecho de la compañía arrastre pérdidas de
ejercicios anteriores, lo que perjudica considerablemente su calidad crediticia. Además, en todos
los casos el tamaño es fundamental, en la medida que empresas más grandes tienen más
capacidad de negociación con acreedores y se pueden llegar a considerar sistémicas.
También el riesgo país es importante. No en vano, S&P lo utiliza como un límite a las
calificaciones, al igual que el sectorial. En este caso hemos encontrado que el sector más
favorecido es el de utilities. Es evidente que, al tratarse de un sector estratégico y con ingresos
regulados la posibilidad de quiebra es mucho menor que en otros casos. Aparte de este, sólo los
sectores de consumo tienen una diferencia significativa.
En conjunto, con toda la información anterior ha sido posible construir dos modelos, uno lineal
para el rating y otro Logit para la probabilidad de caer a High Yield que, de manera sencilla,
explican una parte muy importante de la variación en las calificaciones: en torno a la mitad el
primero y casi un tercio el segundo. Estos modelos podrían constituir el primer paso hacia la
construcción de un modelo interno en entidades pequeñas que carezcan de recursos para otros
más elaborados.
ESTIMACIÓN DE UN MODELO DE CALIFICACIÓN CREDITICIA | CONCLUSIONES
86
5.
BIBLIOGRAFÍA
AECA. (1997). Predicción de la Insolvencia Financiera.
Alonso, N., & Trillo, D. (2012). El papel de las agencias de calificación en la crisis de la deuda.
Relaciones Internacionales Num 21.
Altman, E. I., y Saunders (2001), An Analysis and Critique of the BIS Proposal on Capital
Adequacy and Ratings” Journal of Banking and Finance.
Altman, E. I., Caouette, J., y Narayanan (1998), Managing Credit Risk. John Wiley & Sons. Inc.
Banco de España. (10 de Junio de 2008). Circular 3/2008.
Bank for International Settlements (2001), New Basel Capital Accord.
Bank for International Settlements (2001), Results of the Second Quantitative Impact Study.
Basilea, C. d. (s.f.). Basilea III: Marco regulador global para reforzar los bancos y sistemas
bancarios.
BCBS. (2009). Enhancements to the Basel II framework.
Bruner, R. F. (s.f.). Deals from Hell.
Cano Rodríguez, M. (s.f.). Contabilidad Creativa.
Committee, B. (19 de Octubre de 2010). Report to the G20 on response to the financial crisis.
Comunicado de prensa: El Grupo de Gobernadores y Jefes de Supervisión alcanza un amplio
acuerdo en torno al paquete de reformas del Comité de Basilea sobre capital y liquidez, 26 de
julio de 2010.
Comunicado de prensa: Report to the G 20 on response to the financial crisis released by the
Basel Committee (2010).
COSO. (2004). Gestión de Riesgos Corporativos – Marco Integrado. Técnicas de Aplicación.
Domínguez, J. C. (2003). La medición del Riesgo de Crédito y el Nuevo Acuerdo de Capital del
Comité de Basilea.
Elorriaga, E. R. (2010). Las nuevas medidas de Basilea III en materia de capital, Estabilidad
Financiera, Banco de España.
España, B. d. (s.f.).
ESTIMACIÓN DE UN MODELO DE CALIFICACIÓN CREDITICIA | BIBLIOGRAFÍA
87
García Fernández, O., & Rodríguez López, M. (s.f.). Simulación de las calificaciones de Rating
S&P mediante redes neuronales artificiales y ratios financieros. Universidad la Coruña.
IE, P. e. (2010). Basilea III y los restos de la Banca.
Iglesias, M. Á. (2015). Gestión de Riesgos.
Losada López, R. (2009). Agencias de rating: hacia una nueva regulación. CNMV.
Mascareñas Pérez-Iñigo, J. (2004). El Riesgo en la Empresa. Tipología, Análisis y Valoración.
Madrid.
Matellán, A. (1 de Abril de 2014). Todo Sobre Solvencia II.
Morán, J. (2015). Gestión de Riesgos de la Empresa.
Perez Fernández, R. (2012). La pérdida de confianza de las agencias de calificación crediticia.
Coruña.
PwC. (2011). Basilea III: Cambios, Impacto y Relevancia.
Rodríguez, R. (s.f.). El Riesgo de Crédito.
Santander, B. (2014). Gestión del Riesgo.
Tapia, A. (2011). Agencias de calificación crediticia. Perspectivas del sistema financiero.
The Basel Committee´s response to the financial crisis: report to the G 20 (2010).
ESTIMACIÓN DE UN MODELO DE CALIFICACIÓN CREDITICIA | BIBLIOGRAFÍA
88

Estimación de un modelo de calificación crediticia

Transcripción

Documentos relacionados

12 solicitud de operaciones crediticias 24-06-14