administración, finanzas y economía
Transcripción
administración, finanzas y economía
REVISTA DE Volumen 2 Número 1 Enero-Junio 2008 ADMINISTRACIÓN, FINANZAS Y ECONOMÍA (Journal of Management, Finance and Economics) Artículos Edgar Rodolfo Castillo-Huerta Generalizaciones de la metodología VAR para el análisis de riesgos de fondeo liquidez, y margen financiero Francisco Ortiz-Arango y Francisco Venegas-Martínez El modelo de Vasicek y la integral de trayectoria de Feynman Adán Díaz-Hernández y José C. Ramírez-Sánchez Modelo de cálculo de capital económico por riesgo de crédito para portafolios de créditos a personas físicas Jesús Bravo Pliego Análisis empírico de la relación entre las tasas de interés forward subyacentes al mercado Mexicano de swaps de TIIE Antonio Ruiz-Porras y William Henry Steinwascher Sacio Gobierno corporativo, diversificación estratégica y desempeño empresarial en México Carlos M. Urzúa, Alejandra Macías y Héctor H. Sandoval TIPs for the Analysis of Poverty in Mexico, 1992-2005 TECNOLÓGICO DE MONTERREY CAMPUS CIUDAD DE MÉXICO Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics) Director Dr. José Antonio Núnez Mora Tecnológico de Monterrey Editor de Producción Dr. Fernando Cruz Aranda Tecnológico de Monterrey Directores Adjuntos Carlos M. Urzúa Enrique Cásares José C. Ramı́rez-Sánchez Tecnológico de Monterrey Universidad Autónoma Metropolitana Tecnológico de Monterrey Comité Editorial Alberto Hernández Antonio Ruiz-Porras Edgar Ortiz Elvio Accinelli José L. de la Cruz Anabella Davila Francisco Venegas-Martı́nez ISNN: Tecnológico de Monterrey Universidad de Guadalajara Universidad Nacional Autónoma de México Facultad de Economı́a de la UASLP Tecnológico de Monterrey Tecnológico de Monterrey Escuela Superior de Economı́a, IPN en trámite Revista de Administración, Finanzas y Economı́a Escuela de Graduados en Administración y Dirección de Empresas, EGADE División de Negocios Tecnológico de Monterrey, Campus Ciudad de México Calle del Puente 222, Col. Ejidos de Huipulco, Tlalpan. C. P. 14380, México D. F. Aulas III, cuarto piso. Tel. +52 (55) 54832020 ext. 2240 y 1392 Correo electrónico: [email protected] Página: http://www.csf.itesm.mx/egade/publicaciones Artı́culos Página Edgar Rodolfo Castillo-Huerta Generalizaciones de la metodologı́a VAR para el análisis de riesgos de fondeo liquidez, y margen financiero....................................................1 Francisco Ortiz-Arango y Francisco Venegas-Martı́nez El modelo de Vasicek y la integral de trayectoria de Feynman.................9 Adán Dı́az-Hernández y José C. Ramı́rez-Sánchez Modelo de cálculo de capital económico por riesgo de crédito para portafolios de créditos a personas fı́sicas.................................................20 Jesús Bravo Pliego Análisis empı́rico de la relación entre las tasas de interés forward subyacentes al mercado Mexicano de swaps de TIIE...............................44 Antonio Ruiz-Porras y William Henry Steinwascher Sacio Gobierno corporativo, diversificación estratégica y desempeño empresarial en México.............................................................................58 Carlos M. Urzúa, Alejandra Macı́as y Héctor H. Sandoval TIPs for the Analysis of Poverty in Mexico, 1992-2005.......................74 Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics), vol. 2, núm. 1 (2008), pp. 1-8. Generalizaciones de la metodologı́a VAR para el análisis de riesgos de fondeo liquidez, y margen financiero Edgar Rodolfo Castillo-Huerta∗ Recibido 18 de mayo 2007, Aceptado 14 de junio 2007 Resumen En este artı́culo estudiamos extensiones de VaR para administrar el riesgo estructural, aplicable a las instituciones financieras y en particular a los bancos, basados en la identificación, medición y control del riesgo. Se propone el uso de medidas de riesgo aplicables en ambas partes del balance (Activo y Pasivo) y en el flujo de efectivo de la institución. Se propone el uso de medidas de control de riesgo de fondeo, ingreso y liquidez, además de la muy conocida medida de riesgo de mercado (VaR). Abstract In this paper we study an extension of value at risk to structural risk management alternative, applied to financial institutions, banks particularly, this investigation was based on identify, quantify and risk control. We propose to use risk measures over both sides of balance sheet (Asset and Liability) and over cash flow of the institution. We propose risk control measure like funding, earnings and liquidity, besides the well known measure of market risk (VaR). Clasificación JEL:C61 Palabras clave: Riesgo, Var, MaR, LaR, WaR, Liquidez, Fondeo, Banco, limites 1. Introducción En este artı́culo estudiamos un extensión al la metodologı́a de valor en riesgo para administrar el riesgo estructural, aplicable a las instituciones financieras y en particular a los bancos, basados en la identificación, medición y control del riesgo, antes de empezar, quisiera comentar sobre las fuentes de riesgo en el manejo de los activos y pasivos, la fuentes de incertidumbre en el balance se encuentra en los flujos de efectivo, el costo de fondeo y la tasa de rendimiento, por esta razón para las instituciones financieras es necesario adecuar un modelo que les permita de forma fácil, tomar decisiones de inversión y fondeo, siempre buscando una interacción entre riesgo, rendimiento y liquidez, temas que serán abordados más ampliamente a lo largo de este documento. La Administración de Activos y Pasivos bajo incertidumbre involucra distintas fuentes de riesgo. Las fuentes de riesgo o incertidumbre se basan en movimientos de los factores económicos, mercado y condiciones demográficas. ∗ Galeana 118-101C, Santa Ursula Xitla, Tlalpan 14420 México, D.F. Tel. 5229-2203, 5513-3526, Fax. 5229-2396 2 Generalizaciones de la metodologı́a VAR El modelado de los riesgos de los Activos y Pasivos ha sido abordado ampliamente por autores como R. Harrington (1987), D. Uyemura (1993), W.T. Ziemba, y Mulvey (1986), Cosiglio, Cocco y Stavros A. Zenios (2005), H. Jonson (1994), Deelstra y Janssen (2000), Carino y Ziemba (1996), todos ellos basan su trabajo en estimaciones econométricas o modelos multivariados con programación estocástica, sin embargo, en ningún caso se muestra un nivel de confianza sobre un horizonte dado como en el caso del bien conocido riesgo de mercado “VaR”1, una aproximación a lo que estamos proponiendo es el trabajo de Javier Márquez Diez Canedo (1999 y 2002), quien para un portafolio de crédito propone el uso de la metodologı́a ”VaR” para determinar el nivel de solvencia de un banco. Académicamente el trabajo busca completar estas investigaciones, en cuanto a la forma de ver el riesgo estructural abordado desde varios puntos de vista, con el fin de obtener una administración de riesgo integral. Estos puntos de vista son los siguientes: identificación de riesgos desde cada parte de la hoja de balance, Activos y Pasivos; desde los flujos de efectivo como la liquidez; o, desde el cambio en los ingresos al cambio en tasas de interés. Se propone el uso de medidas de control de riesgo de fondeo, ingreso y liquidez, además de la muy conocida medida de riesgo de mercado. El artı́culo se organiza de la siguiente manera. La sección dos plantea las herramientas que serán utilizadas para la administración de riesgos estructurales de forma separada, empezando por la más conocida, el VaR como medida de riesgo de mercado. La sección tres introduce el uso de esas medidas de forma conjunta con el fin de obtener un análisis de riesgo integral. Finalmente, la sección cuatro sintetiza los resultados y comenta el uso de las herramientas como medidas de gestión y control. 2. Medidas de control de riesgo Al hablar de “riesgos” se piensa en la posibilidad de que ocurran eventos no deseados. Pero una parte de los riesgos en los mercados financieros ocurren por sucesos a los cuales no se les asocia ninguna probabilidad. Asignar una probabilidad a todos los eventos que puedan alterar las utilidades de las empresas, es lo que se denomina “Análisis de Riesgos”. Financieramente, se puede definir el “Riesgo” como la probabilidad de que los precios de los activos que se tengan en un portafolio se muevan adversamente ante cambios en las variables macroeconómicas que los determinan. Las variables financieras que se requieren para el análisis, son todas aquellas variables que al cambiar de valor podrı́an cambiar de forma adversa el valor del portafolio; por ejemplo, en el caso de un bono con tasa revisable cada 28 dı́as, la única variable que suponemos afectarı́a, serı́a la tasa de 28 dı́as y la tasa actual (fórmula de valuación), por supuesto hay otros factores que podrı́an afectar a la valuación de este instrumento, sin embargo sólo tomaremos en cuenta aquellas variables que directamente afecten según la forma de valuar cada instrumento. En la parte activa el riesgo de mercado, ya muy estudiado a través del valor en riesgo, “VaR” se refiere a determinar la pérdida máxima que podrı́a tener una cartera de inversión en un horizonte de tiempo con un nivel de confianza dado, 1 VaR por sus siglas en ingles “Value at Risk”, “Valor en Riesgo”, terminologı́a introducida por JP Morgan (1995) y divulgada en su documento técnico RiskmetrixRM Revista de Administración, Finanzas y Economı́a 3 esta herramienta supone que las variables financieras siguen una distribución Gausiana (Normal). Figura 1 Probability Density Estimate Profit/Loss Value(millions) Distribución Gausiana (Normal) El V aR se refiere encontrar el punto donde la probabilidad acumulada alcanza la cantidad 1-Nivel de confianza, V aR −∞ f(s)ds = 1 − c, donde c = nivel de confianza, f(s) = Función de densidad de los precios V aRc = μ+zc σ, con μ = rendimiento promedio del portafolio, z = Distribución acumulada normal hasta en nivel de confianza (c). Al igual que en la parte activa (Portafolio−V aR) en la sección pasiva se busca determinar el monto de fondeo que se cancelará. Herramienta que definiremos como pasivos en riesgo o “WaR” por sus siglas en ingles “Withdrawalls at Risk” es necesario conocer las probabilidades de cancelación de pasivos a un plazo determinado. Supongamos los siguientes pasivos: chequeras (f1 ), depósitos a plazo (f2 ), pagare (f3 ) y papel de mercado de dinero (f4 ), junto con sus diferentes plazos de vencimiento. El valor total de los pasivos esta dado por la siguiente expresión V = N fi , i=1 donde N = 4. Supongamos que la decisión del cliente de mantener o no (cancelar) el ahorro o inversión, para el banco serı́a mantener el fondeo o cancelarlo, 4 Generalizaciones de la metodologı́a VAR sigue una distribución Bernoulli (p), donde “(p)” representa la probabilidad de cancelación de los pasivos. El valor medio de los retiros al ser una distribución Bernoulli (p) serı́a: μ = pV . Mientras tanto el riesgo del portafolio estarı́a dado por la varianza como: σ 2 = p(1 − p) N fi2 . i=1 Esto es por supuesto asumiendo independencia entre los depositantes. Para el caso de pasivos se tiene la posibilidad de que: i) Disminuya a causa de cancelaciones de depósitos / inversiones / compras ii) Aumente derivado de nuevos depósitos / inversiones / emisión Riesgo = Cancelación de Pasivo = Retiro esperado + Retiro no esperado (Cancelaciones de pasivos), por tanto el monto en riesgo de ser retirado serı́a el siguiente: N W aR = μ + zα σ = pV + zα p(1 − p) fi2 i=1 W aR = Cancelación de Pasivo (Withdrawals at Risk), p = Probabilidad de Cancelación de pasivos, Z = Probabilidad acumulada de una distribución normal hasta el nivel de confianza dado, f = El i−ésimo pasivo. La siguiente medida se refiere a la liquidez, misma que denominaremos Liquidez en Riesgo o “LaR” (Liquidity at Risk). El análisis de LaR parte de la clasificación del pasivo en rubros que engloben clientes o productos con perfiles similares. La liquidez que debe mantenerse disponible en una institución a través de fuentes de fondeo externas o de activos lı́quidos en el balance, en función al grado de aversión al riesgo que se tenga. Para calcular el monto mı́nimo de activos lı́quidos es necesario analizar los patrones de renovación y permanencia de cada categorı́a de pasivo. Con el fin de evitar riesgos excesivos de liquidez, se debe considerar un monto de activos lı́quidos superior, o al menos igual al LaR. La liquidez debe ser suficiente para solventar las obligaciones de la institución, sin que se tenga que acceder recurrentemente al fondeo más costoso o de última instancia. Una medida comúnmente utilizada para el control de la liquidez es justamente “Ψ”, el coeficiente de liquidez, que es función del capital “K” y de los pasivos “V ” K Ψ= (1) V Es necesario determinar la concentración de un sólo cliente o grupo de clientes para esto tendrı́amos que compararlo contra el pasivo total es decir, determinar la proporción de la fuente de fondeo que representa de todo el pasivo como sigue: (2) fk ≤ ΘV donde: fk = ΘV ; 0; k = 0, 1, 2, . . . , n k = n + 1, n + 2, . . . , N. Revista de Administración, Finanzas y Economı́a 5 La proporción Θ del total del pasivo, que representa el fondeo fk , están relacionados por el nivel de capitalización del banco, y podrı́a representar un limite de fondeo. Con esto introduzco el lı́mite de liquidez como una proporción de los pasivos relacionado con una probabilidad de cancelación de pasivos: Lα Rα = nα ΘV (3) El argumento n, se refiere al número de clientes que desean cancelar sus pasivos (Ahorros) y requieren retirar su dinero, suponiendo una distribución Binomial, es decir: n P r(m, n) = pm (1 − p)n−m (4) m donde p representa la probabilidad de retiro de fondos, con esta distribución podemos determinar la media “np” y la varianza “np(1 − p)” y determinar con un nivel de confianza, α, el nivel de capitalización requerido para cubrir la solicitud de efectivo que se retira: |np + zα np(1 − p)|ΘV ≤ K (5) donde zα = Probabilidad acumulada en una distribución Gausiana “Normal” hasta el nivel α N LaR = μ + zα σ = pV + zα p(1 − p) fi2 i=1 Ψ ≥ p̄ + zα σ H(G). En donde el ı́ndice de Herfindal - Hirschman H(G) queda dado por: H(G) ≤ Ψ − p̄ zα σ 2 , p̄ = πT F V y σ= 1T G V Donde, H(G): Es la concentración de los pasivos redimensionados; P : Es la probabilidad de cancelación esperada promedio de los de pasivos; σ: Es una medida de la desviación estándar de la probabilidad de cancelación; F : Vector de montos de pasivos; G: Vector transformado de F ; π: Es el vector de probabilidades de cancelación de pasivos y zα : Nivel de confianza de acuerdo al grado de aversión al riesgo. Finalmente, la medida de riesgo para los ingresos futuros se refiere a descontar cada una de las brechas (diferencia entre activos y pasivos en cada momento del tiempo) en el flujo de efectivo utilizando estructuras de tasas de interés calculadas con algún modelo de estructuras de tasas de interés como Vasicek, Cox Ingersol y Ross o cualquier otro, que nos provea de un insumo sin considerar arbitraje, es decir, tasas neutrales al riesgo. El riesgo total será la suma del valor absoluto de los flujos obtenido, a lo cual llamaremos Ingresos en riesgo o “EaR” (Earnings at Risk). 6 Generalizaciones de la metodologı́a VAR Para determinar la densidad de la distribución será necesario hacer una simulación (con la siguiente fórmula) y determinando la máxima pérdida con un nivel de confianza dado después de hacer un análisis de frecuencias. EaR = N max (Ai − Li )x i=1 (Ai − Li )x 1 1 − DxV /360 i (1 + ri ) (1 + ri + 0.01)DxVi/360 1 1 − DxV /360 i (1 + ri − 0.01%) (1 + ri )DxVi /360 , Donde, ri = Tasa cupón cero en base anual del periodo i (Calculada con base en la estructura de plazos calculada con base en algún modelo de estructura de tasas de interés por ejemplo: Vasicek o Cox Ingersol & Ross), DxVi = Dı́as por vencer del periodo i. A continuación mostraré un análisis comparativo de las diferentes metodologı́as, a fin de aclarar cualquier duda. Tabla 1 Análisis comparativo de las diferentes metodologı́as V aR −∞ f(s)ds = 1 − c Supuestos Dist. Normal V aR f(x) = 2 √ 1 e(x−μ) /2 2πσ2 Media = μ Varianza = σ 2 V aRc = μ + zc σ Forma de cálculo Paramétrico Simulación Histórica Simulación Montecarlo W aR −∞ W aR f(s)ds = 1 − c Dist. Bernoulli p; si cancelan pasivo f(x) = 1 − p; si continúa. Media = p Varianza = p(1 − p) V aRc = μ + zc σ Paramétrico Simulación Histórica Simulación Montecarlo V aR ≡Riesgo mercado, se refiere a la pérdida máxima en un horizonte de tiempo y con un nivel de confianza dado. W aR ≡Riesgo cancelación de pasivos, busca determinar el monto máximo a ser retirado. Las diferentes formas de ver a la institución nos ayudaran a conocer como se está comportando de forma integral, con la ayuda de los indicadores de riesgo mostrados podemos conocer de forma individual el riesgo de cada parte del balance, activos (V aR) o pasivos (W aR), de hecho también los cambios en los ingresos por intereses o margen financiero (EaR) y la liquidez (LaR), sin embargo, la interacción de estos indicadores podrı́a ayudar a la gestión y al control de la institución, este tema será tratado en la siguiente sección. Revista de Administración, Finanzas y Economı́a 7 (Continuación) Tabla 1 Análisis comparativo de las diferentes metodologı́as LaR f(s)ds = 1−c −∞ Supuestos Dist. Binomial f(x) = Cnm pi (1 − p)n−i Media = np Varianza = np(1 − p) V aRc = μ + zc σ Forma de cálculo Paramétrico Simulación Histórica Simulación Montecarlo LaR EaR −∞ EaR f(s)ds = 1 − c Dist. Dada por el modelo de estructura de tasas empleado (Normal, Familia de valores extremos, etc.) V aRc = μ + zc σ Simulación Simulación Montecarlo LaR ≡Riesgo de liquidez, determina el nivel de liquidez necesaria para solventar obligaciones. EaR ≡Riesgo en flujos de efectivo, busca determinar la máxima pérdida al cambiar la tasa de interés. 3. Aplicación de las medidas de riesgo de forma conjunta Para controlar a la institución pueden ser utilizados lı́mites por cada una de nuestras herramientas mencionadas, y dado que toman en cuenta todo el balance y la interacción entre los activos y los pasivos entonces claramente representan medidas integrales de riesgo. El nivel de riesgo que la institución está dispuesta a asumir puede depender del impacto de la evolución observada de las tasas de interés sobre el desempeño futuro de los resultados. Aquellos instrumentos para los cuales no se realiza una valuación a mercado diaria (cálculo de V aR o riesgo de mercado), pueden contener utilidades o pérdidas pendientes de realizar, producto del movimiento en las tasas. Estas utilidades o pérdidas se reflejarán en los resultados de toda institución en el transcurso del tiempo. Para conjuntar la medidas de riesgo mencionadas (EaR, V aR, W aR y LaR) los lı́mites de liquidez se pueden traducir en restricciones al tamaño de los vencimientos de corto plazo, o bien, imponer costos por cambiar el tamaño de los vencimientos de corto plazo, que a su vez restringe a los gaps que se utilizan para el cálculo de la frontera eficiente para el riesgo total. El modelo propuesto para la gestión del riesgo estructural tiene que ver con la programación estocástica donde lo que se busca es maximizar el margen financiero, sujeto a restricciones presupuestales, regulatorias y de estrategia propia de la institución donde se quiera implementar esta metodologı́a. 4. Conclusiones y comentarios En este artı́culo se dio a conocer una alternativa para administrar en las instituciones financieras y en particular bancos, el riesgo estructural, basándonos en la identificación, medición y control del riesgo. 8 Generalizaciones de la metodologı́a VAR El “A-L” estocástico se recomienda para realizar proyecciones y determinar presupuestos (Plan de negocios) El uso de tasas estocásticas permite conocer mejor el valor económico real de la entidad El nivel de solvencia esta determinado por el ı́ndice de concentración de pasivos y la probabilidad de retiro o cancelación de recursos Se propuso el uso de medidas de riesgo aplicables en ambas partes del balance (Activo y Pasivo) y en el flujo de efectivo de la institución. Se incentivo el uso de medidas de control de riesgo de fondeo, ingreso y liquidez, en forma conjunta. Este trabajo puede ser aplicado directamente en la banca mexicana y es posible hacer una propuesta de legislación sobre el cálculo de capital para mantener la solvencia de las instituciones. Bibliografı́a Sheldom M. Ross, (1992). “Applied Probability Models with Optimization Applications” Dover Publications, Inc., New York. William T. Ziemba, John M. Mulvey, (2001). “Worldwide Asset and Liability Modeling”, Cambridge University Press. Roy Kouwenberg and Stavros A. Zenios, (2001). “Stochastic Programming Models for Asset Liability Management, Hermes Center on Computational Finance & Economics, School of Economics and Management, University of Cyprus, Working paper. M. I. Kusy, W. T. Ziemba, (May - Jun, 1986). “A Bank Asset and Liability Management Model”, Operations Research, Vol. 34, No 3. pp. 356-376. Griselda Deelstra, Jacques Janssen, (2000). “Interaction Between Asset Liability Management and Risk Theory: An Unsegmented and a Multidimensional Study”, Working paper. Andrea Consiglio, Flavio Cocco, Stavros A. Zenios, (2005) “Scanario Optimization Asset Liability Modelling for Individual Investors”, Hermes Center on Computational Finance & Economics, School of Economics and Management, University of Cyprus, Working paper. Nikolas Topaloglou, Hercules Vladimirou, Stavros A. Zenios, (2004). “Dynamic Stochastic Programming Models for internacional portfolio management”, HERMES European Center of Excellence on Computational Finance and Economics School of Economics and Management University of Cyprus, Working paper. Javier Márquez Diez-Canedo, (2002). “Suficiencia de Capital y Riesgo de Crédito en Carteras de Préstamos Bancarios”, Documentos de investigación de Banco de México. Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics), vol. 2, núm. 1 (2008), pp. 9-19. El modelo de Vasicek y la integral de trayectoria de Feynman Francisco Ortiz-Arango∗ Francisco Venegas-Martı́nez∗∗ Recibido 8 de junio 2007, Aceptado 10 de julio 2007 Resumen En este artı́culo se plantea la conveniencia de utilizar las herramientas matemáticas de la mecánica cuántica para resolver algunos problemas financieros. En particular, se discute el modelo de tasa corta de Vasicek en tiempo continuo en el marco de la integral de trayectoria de Feynman. Para ello, se determina el Lagrangiano del sistema a partir del Hamiltoniano asociado de la ecuación hacia atrás de Fokker-Planck. Posteriormente, se calcula la acción a fin de obtener el precio de un bono cupón cero y su tasa forward. En conclusión, se pretende mostrar que la mecánica cuántica es una alternativa eficaz en la solución de algunos problemas complejos que surgen en la valuación de derivados. Abstract The aim of this paper is to show the convenience of using mathematical tools from quantum mechanics to solve some financial problems. In particular, the Vasicek short-rate model in continuous time is discussed in the framework of the Feynman path integral. To do this, the Lagrangian of the system is obtained from the Hamiltonian associate to the backward Fokker-Planck equation. Subsequently, the action is calculated to obtain the price of a zero-coupon bond and its forward rate. In conclusion, the paper attempts to show that quantum mechanics is an effective alternative in solving some complex problems that arise in pricing derivatives. Clasificación JEL: G13 Palabras clave: Productos derivados. 1. Introducción En los últimos años un gran número de fı́sicos se han interesado en resolver problemas financieros. Para ello, han empleado herramientas matemáticas de la mecánica estadı́stica y la mecánica cuántica desarrolladas a lo largo de muchos años para resolver problemas complejos de la fı́sica. Esta situación le ha dado un gran impulso a la teorı́a financiera dando origen a la “Econo-Fı́sica” y a las “Finanzas Cuánticas” En particular una de las ramas de la fı́sica que ha cobrado más interés es la mecánica cuántica. Desde principios del siglo pasado, prácticamente, muchas ∗ ∗∗ Profesor-Investigador de la Escuela de Ingenierı́a de la Universidad Panamericana. Profesor-Investigador de la Escuela Superior de Economı́a del Instituto Politécnico Nacional. Correo electrónico: [email protected] 10 El modelo de Vasicek de las mentes brillantes de la fı́sica se enfocaron en la solución de problemas de mecánica cuántica. En este marco, es posible distinguir tres diferentes enfoques para estudiar la mecánica cuántica: a) El enfoque de Schrödinger, mediante una ecuación diferencial parcial que lleva su nombre y que analiza una función de onda asociada al comportamiento del átomo de hidrógeno. b) El enfoque de Dirac, mediante matrices, operadores y reglas de conmutación. c) El enfoque de la integral de trayectoria de Feynman, metodologı́a que considera las contribuciones de todas las posibles trayectorias que puede seguir un sistema cuando pasa de un estado a otro. El objetivo primordial de este trabajo es mostrar de manera detallada el uso de la integral de trayectoria de Feynman como una herramienta eficaz en la solución de algunos problemas complejos de las finanzas. Para ilustrar esto se determina el precio de un bono cupón cero que sigue el modelo de tasa corta de Vasicek. El trabajo está constituido por las siguientes secciones: En la sección 2 se plantea la ecuación de Fokker-Planck hacia atrás, pues ésta constituye la base para construir la integral de trayectoria de Feynman. En este marco, se parte del Hamiltoniano asociado el sistema y, posteriormente, se obtiene el Lagrangiano, el cual a su vez se usa para calcular la acción del sistema. En la sección 3 se plantea el problema central de esta investigación, el cual consiste en abordar el modelo de Vasicek mediante el uso de la integral de trayectoria de Feynman a fin de valuar un bono cupón cero. En la medida de lo posible el trabajo proporciona los detalles técnicos de las demostraciones para darle fluidez a su lectura. Por último, en la sección 4 se plantean las conclusiones del trabajo. 2. Ecuación hacia atrás de Fokker-Planck La ecuación hacia atrás de Fokker-Planck, también conocida como ecuación de Kolmogorov1, se utiliza para valuar opciones, esto es debido a que la función de pago se propaga hacia atrás en el tiempo. En otras palabras, dado que el precio de compra o venta de una opción al vencimiento se fija al inicio del contrato, es necesario “traer” al presente las posibles ganancias del contrato. Este proceso puede aprovechase también para el estudio de las tasas de interés, en este caso, es necesario propagar el valor de la tasa de interés en el tiempo final T , la cual se denotará por R, hacia un valor r en un tiempo previo, cuando el tiempo corre hacia atrás. En este caso la probabilidad condicional hacia atrás denotada por PB (R, t; r) representa la probabilidad de que la tasa “spot” tome el valor r en el tiempo t, dado que en el tiempo futuro T > t, tomará el valor R. Con lo cual, para un valor r = r(t + ) y r = r(t), se cumple: (1) PB (R, t; r ) = δ {r − r − [a(r ) − σ(r )R(t)] r}P (R, t + ; r)dr. 1 Tomado de Venegas (2006), pag. 253. Revista de Administración, Finanzas y Economı́a 11 En esta expresión los coeficientes a(r ) y σ(r ) contienen la información de la tasa “spot” en el pasado. El Hamiltoniano de Fokker-Planck hacia atrás está dado por la expresión: donde: ∂ PB (R, t; r) = HB PB (R, t; r), ∂t (2) 1 ∂2 ∂ HB = − σ 2 (r) 2 − a(r) . 2 ∂r ∂r (3) Observe que para calcular el valor de PB (R, t; r) como elementos de una matriz es necesario utilizar la notación de Dirac, en la cual el vector “ket” representa el |estado inicial y el vector “bra” (vector dual) representa el estado final|. Sin embargo, para este caso, dado que se considera el tiempo hacia atrás, el estado inicial será |R y el estado final r|, con lo cual se llega a las siguientes condiciones para calcular PB (R, t; r): PB (R, t; r) = r|e−(T −t)HB |R, (4) r(T ) = R. Ahora a partir del Hamiltoniano definido en la ecuación (3) se obtiene el Lagrangiano requerido para calcular la acción y con ésta el precio del bono mediante una integral de trayectoria de Feynman de la forma: P (t0 , T ) = 1 ZB eSB Dr, (5) donde ZB es la función de partición definida mediante una integral de trayectoria que considera tanto a la tasa spot r(t) como el efecto del ruido blanco R(t),2 ası́la expresión para calcularla es: ZB = eSB Dr. (6) En este caso, SB se refiere a la acción hacia atrás de Fokker-Planck: T SB = LB dt. (7) t0 Para calcular el Lagrangiano hacia atrás de Fokker-Planck a partir del Hamiltoniano correspondiente, expresado en la ecuación (3), se emplea la siguiente 2 Ver Baaquie (2004), pag. 120 12 El modelo de Vasicek ecuación tı́pica en mecánica cuántica que relaciona a ambos operadores, a saber: PB (r̃, t; r) = r|e−(T −t)HB |r̃ = N eLB [r,r̃] ∞ dp = r|e−HB |pp|r̃ 2π −∞ 1 = 2π = 1 2π ∞ − e −∞ ∞ e− σ2 2 σ2 2 p2 +iap (8) eip(r−r̃) dp p2 ip(r−r̃−a) e dp. −∞ Para calcular la última integral en la expresión (8) se utiliza la integración Gaussiana dada por la expresión: Z[j] = N ∞ −∞ con N = se toman: 2 −λ 2 x +jx e dx = N e 1 2λ j ∞ λ 2 1 e− 2 x dx = e 2λ j , (9) −∞ λ/2π. En consecuencia, si en la última integral de la expresión (8) λ = σ 2 ; j = i(r − r̃ − a), se llega a PB (r̃, t; r) = r|e−(T −t)HB |r̃ = N eLB [r,r̃] 1 2 Z[j] 1 = = e 2λ j N 2πN 2 2 2 1 1 1 − 2 ( r−r̃ = e 2σ2 i (r−r̃−a) = e 2σ −a) 2πN 2πN 2 1 −[ 12 ( r−r̃ = e 2σ −a) ] 2πN 2 1 r − r̃ 1 exp − −a = √ 2σ 2 2πλ 2 r − r̃ 1 1 = √ exp − . −a 2σ 2 2πσ 2 (10) Por lo tanto, es posible concluir que el Lagrangiano hacia atrás de Fokker-Planck está dado por: 2 r − r̃ 1 LB = − 2 (11) −a . 2σ Revista de Administración, Finanzas y Economı́a 13 Si en la ecuación (11) se toma el lı́mite → 0, se obtiene (r − r̃)/ → dr/dt, con lo cual se llega a la forma definitiva del Lagrangiano hacia atrás de FokkerPlanck: 2 dr 1 LB = − 2 (12) − a(r) . 2σ dt De esta manera, al sustituir (12) en (7), se obtiene la forma explı́cita para el cálculo de la acción: 1 SB = − 2 T t0 1 2 σ (t) 2 dr − a(r) dt, dt (13) 3. Desarrollo del modelo de Vasicek utilizando la integral de trayectoria de Feynman En esta sección se muestra que el modelo de Vasicek de tasa corta en tiempo continuo puede resolverse de manera cerrada (exacta) mediante el uso de la integral de trayectoria de Feynman establecida en la ecuación (5). Como es sabido, el modelo de Vasicek es considerado el parteaguas en lo que se refiere a modelos de tasa corta en tiempo continuo. Sea P (t0 , T ) el precio de un bono cupón cero, el cual puede calcularse mediante la expresión: T P (t0 , T ) = E exp − r(t)dt (14) r(t0 ) = r0 . t0 En el caso del modelo de Vasicek, la tasa corta sigue el comportamiento descrito por la siguiente ecuación diferencial estocástica: dr = a(b − r) + σdWt , dt (15) con las condiciones r(t0 ) = r0 , t0 ≤ t ≤ T , y donde Wt es un movimiento Browniano definido sobre un espacio fijo de probabilidad con su filtración aumentada W (Ω, F , (Ft )t∈[0,T ] , IP). Dado que el valor presente de un bono cupón cero se obtiene al descontar su valor futuro, la tasa spot debe establecerse en el tiempo T, de este modo la propagación de su comportamiento se hace “hacia atrás”, hasta llegar al valor r0 en el tiempo t0 . De este modo la acción hacia atrás de Fokker-Planck, dada en la ecuación (13), puede expresarse para este caso especı́fico como: 1 SV = − 2 T t0 2 1 dr − a(b − r) dt, σ 2 dt (16) 14 El modelo de Vasicek donde a y b son constantes. A través de la ecuación (16) es posible calcular el valor esperado del precio del bono en la ecuación (14), para lo cual se requiere establecer la forma de la función r(t) a ser integrada, las condiciones de frontera y una distribución de probabilidad: la distribución de probabilidad propuesta es de la forma eSV /Z , con Z definida como en la ecuación (6) y que funciona como condición de normalización, además se cumple que: ∞ T Dr ≡ dr(t), (17) −∞ t=t0 junto con las condiciones de frontera dr(T ) = 0. dt r(t0 ) = r0 ; (18) Con base en lo anterior se puede obtener el precio del bono cupón cero mediante el cálculo del promedio del factor de descuento sobre la distribución de probabilidad mencionada antes, ası́: T − r(t)dt 1 P (t0 , T ) = Dr. (19) eSV e t0 Z Si ahora se define T S ≡ SV − r(t)dt, (20) t0 entonces se tendrá 1 P (t0 , T ) = Z eS Dr. (21) Al sustituir (16) en (21), se obtiene: T S = SV − t0 1 r(t)dt = − 2 2σ T t0 2 T dr − a(b − r) dt − r(t)dt. dt (22) t0 Como la medida de la integral de trayectoria permanece invariante bajo traslaciones es posible hacer la siguiente consideración: r(t) → r(t) + b, con lo cual se obtiene: a(b − r) → ar. Al incorporar estos cambios en la ecuación (22), se obtiene: 2 T T 1 dr S=− 2 (23) + ar dt − (r(t) + b)dt. 2σ dt t0 t0 Una forma de calcular las integrales de la expresión (23) es a través del siguiente cambio de variable: dr v(t) = + ar. (24) dt Revista de Administración, Finanzas y Economı́a 15 Al resolver la ecuación diferencial resultante para r(t) se llega a la expresión: −a(t−t0 ) r(t) = e −at T r0 + e eat v(t )dt . (25) t0 Nuevamente, hay que integrar (25) para posteriormente sustituirlo en (23), de tal forma que T T r(t)dt = t0 ⎛ T ⎝e−a(t−t0 ) r0 + e−at t0 ⎞ eat v(t )dt ⎠dt t0 T = r0 e−a(t−t0 ) dt + t0 T ⎛ t ⎞ e−at ⎝ eat v(t )dt ⎠ dt t0 (26) t0 = r0 I1 + I2 . A continuación se calcula I1 : T I1 = −a(t−t0) e t0 1 dt = − eat0 a T e−at dt = t0 1 − e−a(T −t0 ) ≡ B(t, T ). a (27) Para I2 , se puede demostrar3 que: T I2 = B(t, T )v(t)dt, (28) t0 con lo cual se obtiene T T r(t)dt = r0 B(t, T ) + t0 B(t, T )v(t)dt. (29) t0 Ahora hay que verificar que r(t) como está expresada en (25) cumpla las condiciones inicial y de frontera: i) En efecto, en t = t0 se cumple que r(t0 ) = r0 . ii) Para la condición final en t = T , dado que (dr/dt) = 0, ésto equivale a decir que r(T ) es libre de tomar cualquiera de sus valores posibles y, por consiguiente, de la ecuación (24), v(T ) también es libre de tomar valores. En este caso, las condiciones de frontera se satisfacen para la variable v(t) cuando t0 ≤ t ≤ T . 3 Ver Baaquie 2004, pag. 122 16 El modelo de Vasicek Antes de proceder a calcular el precio del bono cupón cero P (t0 , T ), la ecuación (23) se reexpresará en términos del cambio de variable dado en (24), ası́: T T 1 2 S=− 2 v (t)dt − (r(t) + b)dt, (30) 2σ t0 t0 si se sustituye (29) en (30) se obtiene: T 1 S =− 2 2σ T 2 v (t)dt − r0 B(t, T ) − t0 B(t, T )v(t)dt − b(T − t0 ), t0 y reagrupando términos se llega a: 1 S =− 2 2σ T 2 v (t) + 2σ 2 B(t, T )v(t) dt − r0 B(t0 , T ) − b(T − t0 ). (31) t0 Ahora bien, debido al cambio que se hizo en (23): a(b − r) → ar, entonces se tiene que hacer el cambio r → r − b, con lo cual la expresión (31) queda finalmente como: S=− 1 2σ 2 T 2 v (t) + 2σ 2 B(t, T )v(t) dt − (r0 − b)B(t0 , T ) − b(T − t0 ). (32) t0 Ahora se calcula el precio del bono cupón cero para lo cual se sustituye (32) en (21): 1 P (t0 , T ) = Z = − 1 2σ 2 e T [v 2 (t)+2σ2 B(t,T )v(t)]dt−(r0 −b)B(t0,T )−b(T −t0) t0 Dr 1 −(r0 −b)B(t0 ,T )−b(T −t0) e Z − e 1 2σ 2 T (33) [v 2(t)+2σ2 B(t,T )v(t)]dt t0 Dr. Si se define K = e−(r0 −b)B(t0 ,T )−b(T −t0) , entonces (33) queda como K P (t0 , T ) = Z = K Z K = Z − 2σ12 e − 2σ12 e σ2 2 e T t0 T {[v 2 (t)+2σ2 B(t,T )v(t)+σ4 B2 (t,T )]−σ4 B2 (t,T )}dt t0 Dr T 2 [v(t)+σ2 B(t,T )] −σ4 B2 (t,T ) dt t0 Dr B 2 (t,T ) − e 1 2σ 2 T t0 [v(t)+σ2 B(t,T )]2 dt Dr. (33 − a) Revista de Administración, Finanzas y Economı́a 17 Si ahora se hace la consideración v(t) → v(t) + σ 2 B(t, T ), ya que la métrica es invariante ante la traslación, entonces la expresión (33−a) se puede escribir como: T 2 T 2 σ2 B (t,T )dt − 12 v (t)dt 2 2σ K t0 P (t0 , T ) = e t0 e Dr Z T 2 T 2 σ2 σ2 B (t,T )dt B (t,T )dt 2 2 (34) K K eSV Dr = e t0 Z = e t0 Z Z T 2 2 σ −(r0 −b)B(t0,T )−b(T −t0 ) =e A continuación, se calcula la integral T t0 B (t,T )dt 2 e t0 . B 2 (t, T )dt, usando la definición de B 2 (t, T ) establecida en la expresión (27): 2 T T 1 − e−a(T −t0 ) 2 B (t, T )dt = dt a t0 t0 1 = 2 a 1 = 2 a T 1 − 2e−a(T −t) + e−2a(T −t) dt t0 T − t0 − (35) 3 1 −2a(T −t0) 2 . + e−a(T −t0 ) − e 2a a 2a Si se definen: θ = T −t0 y B(θ) = (1 − e−aθ )/a, es posible reescribir la expresión (35) como: T 3 1 1 −2aθ 2 −aθ 2 B (t, T )dt = 2 θ − − e + e a 2a a 2a t0 2 1 1 1 1 1 = 2 θ− − + e−aθ + e−aθ − e−2aθ (36) a 2a 2a a a 2a 1 1 1 2 1 − e−aθ − 1 − e−aθ = 2 θ− a a 2a a 1 = 2 θ − B(θ) − B 2 (θ) . a 2 Con el resultado anterior sustituido en la expresión (34) es posible calcular el precio del bono cupón cero, primero se calcula: P (t0 , T ) = e−(r0 −b)B(θ)−bθ e σ2 σ2 1 2 a2 σ2 (θ−B(θ)− a2 B2 (θ)) σ2 2 = er0 B(θ) e( 2a2 −b)θ−( 2a2 −b)B(θ)− 4a B (θ) 2 σ σ2 2 r0 B(θ) =e exp − b (θ − B(θ)) − B (θ) . 2a2 4a (37) 18 El modelo de Vasicek Con la expresión anterior es posible expresar el valor del bono cupón cero mediante la expresión: P (t0 , T ) = A(θ)e−B(θ)r0 , (38) donde: A(θ) = exp σ2 σ2 2 − b (θ − B(θ)) − (θ) . B 2a2 4a (39) Como puede apreciarse las expresiones (37), (38) y (39) coinciden perfectamente con las obtenidas por Vasicek en su artı́culo original, ası́como con los libros de texto clásicos.4 Por último, para el cálculo de la tasa forward se sigue que: ∂ ln P (t0 , T ) ∂T 2 ∂ σ σ2 2 =− − b (θ − B(θ)) − (θ) −B(θ)r0 + B ∂T 2a2 4a 2 2 σ σ = e−a(T −t0 ) r0 + 2 − b − −b 2a 2a2 σ2 − 2 e−a(T −t0 ) − e−2a(T −t0 ) 2a 2 σ2 σ σ 2 −aθ −aθ r0 + 2 − b − − b + − e−2aθ =e e 2 2 2a 2a 2a 2 σ = e−aθ (r0 − b) + b − 2 1 − 2e−aθ + e−2aθ 2a 2 σ2 −aθ = r0 + (b − r0 ) − e (b − r0 ) − 2 1 − e−aθ 2a 2 2 σ = r0 + 1 − e−aθ (b − r0 ) − 2 1 − e−aθ . 2a f(t0 , T ) = − (40) Este último resultado coincide con el obtenido por Vasicek, con lo cual se demuestra que el empleo de la integral de trayectoria y los conceptos fı́sicos asociados como el Hamiltoniano, el Lagrangiano y la acción pueden ser empleados para resolver problemas financieros. 4. Conclusiones Como puede verse a lo largo de este trabajo, el empleo de la integral de trayectoria de Feynman constituye una herramienta poderosa para resolución de problemas complejos en el campo de las finanzas. En este ejercicio se utilizó un método alternativo para valuar un bono cupón cero cuya tasa corta se comporta de acuerdo con modelo de Vasicek en tiempo contı́nuo. Se prevee que este sea el primero de una serie de trabajos relacionados con uso de la integral de trayectoria de Feynman para otros modelos de tasa corta disponibles en la literatura financiera. Una gran ventaja que tiene el uso de 4 Véase Venegas (2006). Revista de Administración, Finanzas y Economı́a 19 la integral de trayectoria de Feynman es que una vez planteado el problema la integral puede calcularse tanto por métodos analı́ticos como por métodos numéricos. Bibliografı́a Baaquie, B. (2004). Quantum Finance. Path Integrals and Hamiltonians for Options and Interest Rates, Editorial Cambridge University Press. 2004 Baaquie, B. (2002). “Quantum Field Theory of Forward Rates with Stochastic Volatility”. Physical Review E, 65 (2002) 056122 Dash, J. W. (1988). Path Integrals and Options-I. Quantitative Analysis/ Financial Strategies Group, Merrill Lynch Capital Markets, World Financial Center, NY, NY 10281. 1988. Feynman, R. P. and A. R. Hibbs (1965). Quantum Mechanics and Path Integrals. McGraw-Hill (1965) Kleinert, H. (2006). Path Integrals, in Quantum Mechanics, Statistics, Polymer Physics and Financial Markets. 4th. Edition. 2006. Landau, L. y E. Lifshitz (1982). Curso Abreviado de Fı́sica Teórica, Libro 2, Editorial Mir Moscú 1982. Ortiz, F. (2007). Tesis doctoral “Finanzas cuánticas”, Doctorado en Ciencias Financieras, Tecnológico de Monterrey, Campus Ciudad de México. Otto, M. (1998). “Using path integrals to price interest rate derivatives”, http://xxx.lanl.gov /cond-mat/9812318. Vasicek, O. (1977).“An equilibrium characterization of the term structure”. Journal of Financial Economics, 5:177. Venegas-Martı́nez, F. (2006). Riesgos Financieros y Económicos, 1a. Ed. Thomson Internacional (2006). Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics), vol. 2, núm. 1 (2008), pp. 20-43. Modelo de cálculo de capital económico por riesgo de crédito para portafolios de créditos a personas fı́sicas Adán Dı́az-Hernández1 José C. Ramı́rez-Sánchez2 Recibido 26 de noviembre 2007, Aceptado 4 de enero 2008 Resumen Este artı́culo discute una nueva metodologı́a para estimar el capital económico por riesgo de crédito para un portafolio de créditos al menudeo -o de personas fı́sicas-, utilizando los conceptos generales de cópula y medidas de dependencia, ası́ como algunos de los resultados centrales de Teorı́a de Valores Extremos (TVE). La superioridad del modelo propuesto sobre las técnicas tradicionales de estimación se demuestra al aplicar cópulas Elı́pticas Generalizadas y cópulas Agrupadas del tipo t de Student para modelar la estructura de dependencia de los parámetros de riesgo P D, EAD y LGD. Además, se utiliza el método POT para analizar el comportamiento de las pérdidas extremas del portafolio. Abstract This paper discusses a new methodology to estimate the economic capital by credit risk for a retail portfolio based on the general concepts of copula and dependence measures as well as some core results of the Extreme Value Theory (EVT). The superiority of the proposed approach over the traditional estimation techniques is demonstrated in the application of Elliptical Generalized copulas and Grouped copulas of the t Student type to model the dependence structure of the risk parameters P D, EAD and LGD. Furthermore, the POT method is used to analyze the extreme losses behavior. Clasificación JEL: C14, C15, C16 y G32 Palabras clave: Capital Económico, Riesgo de Crédito, Cópulas, Valores Extremos 1. Introduction El capital económico (CE) es el capital en riesgo que los accionistas invierten para limitar, con cierto nivel estadı́stico de confianza, la probabilidad de incumplimiento de una posición en un horizonte de tiempo dado. A diferencia del capital contable o del regulatorio, el CE provee una estimación del riesgo basada en medidas objetivas, transparentes (o expresadas en unidades monetarias especı́ficas) y comprensivas (al incluir a diferentes clases de riesgos) que permiten utilizar más eficientemente el capital. 1 Alumno del doctorado en Ciencias Financieras, ITESM-CCM. 2 Director Académico de la División de Negocios, ITESM-CCM, josecarlos.ramirez@itesm .mx Modelo de cálculo de capital económico 21 En la literatura existe una amplia gama de trabajos que permiten modelar el riesgo de crédito de portafolios de préstamos comerciales -empresas o personas morales- de acuerdo con los lineamientos propuestos por CreditMetrics (CM), KMV PortfolioManager (KMV), CreditRisk+, o CreditPortfolioView (para una revisión de estos modelos ver Crouhy 2000 y Crosbie 2002). Pero esta no parece ser la misma situación para el caso de los préstamos a personas fı́sicas. La escasez de trabajos en este rubro ha obligado a los practicantes ha adaptar o modificar los modelos de préstamos comerciales para medir el riesgo de crédito en portafolios de préstamos personales, según sean las necesidades o las disponibilidades de información de las instituciones financieras (ver De Andrade 2004 y Perli 2004). De hecho, gran parte de las reglas que en materia de riesgo de crédito establece Basilea II en su enfoque más avanzado de calificaciones internas (IRB), tienen sus bases sobre ciertos resultados asintóticos para portafolios grandes bajo versiones bastante simplificadas de modelos del tipo KMV/CM. El objetivo principal de este documento es proponer e implementar una metodologı́a para el cálculo del CE de un portafolio de créditos al menudeo -o de personas fı́sicas-, utilizando como herramientas los conceptos generales de cópula y medidas de dependencia, ası́ como algunos de los resultados centrales de Teorı́a de Valores Extremos (TVE). La metodologı́a propuesta considera, al igual que los modelos tradicionales y el enfoque regulatorio, que las pérdidas del portafolio atribuidas al riesgo de crédito son determinadas por los parámetros de riesgo de probabilidad de incumplimiento (P D), exposición al incumplimiento (EAD) y pérdida dado el incumplimiento (LGD). Sin embargo, a diferencia de la práctica habitual, el presente trabajo de investigación supone que la relación de dependencia entre los parámetros de riesgo es establecida mediante cópulas multivariadas. En concreto la metodologı́a busca: 1) evaluar el impacto que tienen las reglas de capitalización propuestas en el enfoque más avanzado de IRB sobre los requerimientos de capital del portafolio; 2) medir la efectividad de un grupo alternativo de cópulas (las Elı́pticas simétricas, las Elı́pticas Generalizadas, ası́ como las de Mezcla de Normales Agrupadas) frente a otro grupo que ha recibido mayor uso y atención en la literatura como modelos de estructuras de dependencia (la cópula Gaussiana y la de Independencia); y 3) hacer comparaciones con otras metodologı́as de cálculo de CE consagradas en la práctica. Para analizar adecuadamente el comportamiento de las pérdidas extremas del portafolio, es decir, el área de la cola de la distribución de pérdidas simuladas, se emplea uno de los métodos de la TVE, denominado Peaks Over Threshold (POT), en la estimación del Valor en Riesgo (V aRq ), el Déficit Esperado (ESq ) y, posteriormente, el CE del portafolio. El resto del documento está organizado como sigue. En sección 2 se aborda el concepto de cópula, medidas de dependencia, ası́ como las familias de cópulas especı́ficas que se aplicarán para modelar la estructura de dependencia de los parámetros de riesgo. La estimación de los mismos, ası́ como la composición del portafolio de créditos se presentan en la sección 3. En la sección 4 se presentan los resultados obtenidos de los ajustes de las cópulas utilizadas: Gaussiana, t de Student simétrica, t de Student Generalizada y t de Student Agrupada, las dos últimas, como posibles alternativas a las dos primeras, se implementa un análisis de bondad de ajuste para determinar estadı́sticamente al mejor de los modelos. En la sección 5, se realiza un ejercicio para comparar la robustez de los resultados de la metodologı́a aquı́ propuesta contra algunos modelos 22 Revista de Administración, Finanzas y Economı́a alternativos, tales como el de incumplimiento de un sólo factor tipo KMV/CM, un modelo basado en matrices de transición y el enfoque más avanzado de IRB propuesto por Basilea II. Finalmente, en la sección 6 se exponen las conclusiones relativas a los resultados obtenidos. Los algoritmos utilizados en la estimación de los modelos de cópulas son descritos en un Apéndice al final del documento. 2. Cópulas Elı́pticas Generalizadas y cópulas Agrupadas La función de distribución (f.d.) conjunta de un vector aleatorio de factores de riesgo contiene tanto la descripción del comportamiento marginal de los componentes individuales como una descripción de su estructura de dependencia. El concepto de cópula3 permite describir dicha estructura de dependencia sin especificar la forma de las f.d. marginales. El Teorema Sklar (1959) que indica que cualquier distribución multivariada se puede descomponer en una cópula y sus marginales; si las distribuciones marginales son continuas la cópula es única. De acuerdo con este resultado, dada una f.d. F con marginales F1 , . . . , Fd continuas, existe una única cópula C tal que F (x1 , . . . , xd ) = C(F1 (x1 ), . . . , Fd(xd )), (1) ¯ ≡ [−∞, ∞]. La expresión (1) muestra explı́citamente para todo x1 , . . . , xd ∈ cómo se pueden construir distribuciones conjuntas F combinando distribuciones marginales con cópulas C. Dado un vector aleatorio X = (X1 , . . . , Xd ) que tiene f.d. FX con distribuciones marginales continuas F1 , . . . , Fd , se dice que la cópula C asociada a X (o a FX ) es la f.d. del vector aleatorio (F1 (x1 ), . . . , Fd (xd ))4 . Uno de los ejemplos de cópulas más simples es la cópula de cópula de Independencia, que está dada por Π(u1 , . . . , ud) = d ui . (2) i=1 Entre las cópulas más ampliamente utilizadas en riesgos, y en particular en riesgo de crédito, se encuentra la cópula Gaussiana, la cual se define como la cópula asociada a algún vector aleatorio gaussiano Y ≺ Nd (μ, Σ) y está dada por (3) CPGa(u1 , . . . , ud) = ΦP (Φ−1 (u1 ), . . . , Φ−1 (ud )) −1 −1 donde P = Δ ΣΔ es la matriz de correlaciones, con Δ = diag( V ar(Y1 ), . . . , V ar(Yd )). Otra cópula bastante popular en finanzas es la t de Student (simétrica), que se define como la cópula asociada al vector aleatorio X ≺ td (α, 0, P ) con distribución t de Student multivariada. De acuerdo con esta definición, la cópula t de Student tiene la forma t −1 Cα,P (u1 , . . . , ud) = tα,P (t−1 α (u1 ), . . . , tα (ud )) (4) 3 Se define a una cópula d-dimensional como una f.d. sobre [0,1]d con distribuciones marginales uniformes estándar. 4 Más precisamente, se puede verificar fácilmente que en este caso la cópula asociada a X está dada por C(u1,...,ud )=F (F1−1 (u1 ),...,Fd−1 (ud )). Modelo de cálculo de capital económico 23 Las dos cópulas anteriores pertenecen a una familia de cópulas más generales llamadas cópulas Elı́pticas Generalizadas (incluidas las simétricas), cuya fácil manipulación (y estimación) para dimensiones grandes la hacen una alternativa más atractiva frente a otras familias multivariadas. Se dice que un vector aleatorio Y tiene distribución Elı́ptica Generalizada si se le puede representar como Y d = μ + RAU k , (5) donde U k es un vector aleatorio uniformemente distribuido sobre la esfera unitaria S k−1 = {x ∈ k |x x = 1}, R es una v.a., μ ∈ d , y A ∈ Md×k (). Esencialmente, la estructura de dependencia entre R y U k determinan la f.d. de Y. En el caso particular en que R ≥ 0es una v.a. independiente de U k , se tiene que Y tiene distribución Elı́ptica (Simétrica)5 . Frahm et al. 2003 propone modelar la asimetrı́a mediante una distribución condicional en escala para R, es decir, considera FR|U (d) =u (r) = P {γ(u)R∗ ≤ r}, donde la función de escala γ está dada por γ(u) = γ0 + d i=1 ηi θi d Au Au αi δ + βi δ , , νi+ , νi− ||Au|| ||Au|| (6) i=1 con γ0 > 0, α1 , . . . , αd , β1 , . . . , βd ≥ 0, η1, . . . , ηd, θ1 , . . . , θd ≥ 0. Además, R∗ es una v.a. positiva independiente de U d , δ(u, ν) = 12 − 12 signo(u, ν ) F B 1 d−1 (u, ν 2) definida para u, ν ∈ S d−1 denotando por F B(α,β) a la f.d. 2, 2 Beta(α, β). Por otro lado, los vectores de referencia ν1+ , . . . , νd+ son los vectores propios de Σ y ν1−, . . . , νd− sus conjugados negativos, los cuáles existen ya que se supone que Σ = AA es positiva definida. 2 Cuando se define FR|U (d) =u (r) = F(d,γ(u)) rd , donde F(m,n) es la f.d. F de Fisher con grados de libertad (m, n), a la distribución resultante para Y se conoce como t de Student Generalizada y su densidad está dada por Γ((w(x) + 2)/2) f(x) = Γ(w(x)/2)(πw(x))d/2 |Σ|1/2 (x − μ) Σ−1 (x − μ) 1+ w(x) −(w(x)+d)/2 , (7) y x = μ, donde w(x) = γ(x − μ). A la cópula asociada al vector aleatorio Y se llama cópula Elı́ptica Generalizada. Existe un grupo de cópulas llamadas cópulas de Mezcla de Normal Agrupadas. Uno de los ejemplos más comunes es la cópula t de Student Agrupada, definida por Demarta et al. 2004, en donde se construye una cópula para un vector aleatorio X de manera que ciertos subvectores de X tengan cópulas t de Student pero con diferentes niveles de dependencia en la cola entre sı́. Sean las v.a. Z ∼ Nd (0, P ) y U ∼ U (0, 1) independientes entre sı́. Considérese una partición del conjunto {1, . . . , d} en m subconjuntos de tamaos {s1 , . . . , sm } y para 5 Las propiedades y resultados más importantes de las distribuciones Elı́pticas Generalizadas se pueden revisar en Frahm et al. 2003, mientras que para el caso simétrico se recomienda Cambanis et al. 1981. 24 Revista de Administración, Finanzas y Economı́a k = 1, . . . , m sea νk el parámetro de grados de libertad asociado al grupo k. Denotando por Gα a la f.d. univariada Gamma Inversa GI( α2 , α2 ), sea Wk = G−1 αk (esto implica que W1 , . . . , Wm son comonóticos o perfectamente dependientes6 ). Entonces la cópula t de Student Agrupada está dada por la f.d. del vector aleatorio (tα1 (X1 ), . . . , tα1 (Xs1 ), tα2 (Xs1 +1 ), . . . , tα2 (Xs1 +s2 ), . . . , tαm (Xd )) , (8) donde X= W1 Z1 , . . . , W1 Zs1 , W2 Zs1 +1 , . . . , W2 Zs1 +s2 , . . . , Wm Zd es un vector aleatorio con distribución t de Student Agrupada. Asociadas intrı́nsecamente al concepto de cópula, se encuentran las medidas de dependencia. La más conocida y popular es correlación lineal de Pearson que, aunque juega un papel central en la teorı́a financiera, funciona bien solamente en el contexto Normal multivariado o más generalmente, para distribuciones Elı́pticas simétricas (ver Embrechts 2002). En contraste con la correlación lineal, las llamadas correlaciones de rango resultan ser funciones de la cópula (suponiendo marginales continuas), y por tanto, pueden ser utilizadas en su parametrización sin importar la familia de cópulas de que se trate. Entre las más utilizadas están la correlación de tau de Kendall y la rho de Spearman. Para dos v.a. X1 y X2 se definen la tau de Kendall y la rho de Spearman, respectivamente, como ρτ (X1 , X2 ) = E signo((X1 − X̃1 )(X2 − X̃2 )) (9) y ρS (X1 , X2 ) = ρ(F1 (X1 ), F2 (X2 )), donde (X̃1 , X̃2 ) es una copia independiente de (X1 , X2 ) cuyas marginales correspondientes son F1 y F2 . Aquı́ ρ(X1 , X2 ) denota la correlación lineal de Pearson de X1 y X2 . Otras medidas de dependencia para parejas de v.a. que también dependen solamente de la cópula de las v.a. X1 y X2 con marginales continuas, son los coeficientes de dependencia de la cola. Estos coeficientes proporcionan medidas de dependencia extrema, es decir, permiten cuantificar la magnitud de la dependencia en las colas de una distribución divariada. Se define el coeficiente de dependencia de X1 y X2 de la cola superior como (10) λu ≡ λu (X1 , X2 ) = lim P X2 > F2−1 (q)|X1 > F1−1 (q) , q→1− siempre y cuando el lı́mite λu ∈ [0, 1] exista. Análogamente, el coeficiente de dependencia de la cola inferior está dado por λ1 ≡ λ1 (X1 , X2 ) = lim P X2 ≤ F2−1 (q)|X1 ≤ F1−1 (q) . q→1+ 6 Es decir, su cópula asociada es la f.d. del vector aleatorio (U,...,U ), que se denota como cópula de comonoticidad y está dada por M (u1 ,...,ud )=min{u1 ,...,ud }. Modelo de cálculo de capital económico 25 Existe una relación entre la tau de Kendall y la correlación lineal para vectores elı́pticamente distribuidos con marginales continuas (para una prueba se recomienda ver Lindskog et al. 2003), la cuál establece que ρ(X1 , X2 ) = sen π 2 ρτ (X1 , X2 ) . (11) Para el caso de v.a. continuas cuya cópula asociada es una t de Student t Cα,P (u1 , u2 ), con P = ρI2 , los coeficientes de dependencia están dados por 1−ρ . Sin embargo, existe una expresión general para λ = 2tα+1 − (α + 1) 1+ρ los coeficientes de dependencia de la cola de vectores con f.d. Elı́ptica simétrica (en este caso λl = λu ) cuando la v.a. R de la representación (4) es de variación regular con ı́ndice α. Dicha expresión, obtenida por Hult and Lindskog 2001, coincide, para x = π4 − 12 arcsinρ, con el valor de la función π 2 λ(α, x) = xπ 2 0 cosα tdt cosα tdt (12) Entre los numerosos procedimientos estadı́sticos de estimación para las distribuciones Elı́pticas, son pocos los que están diseados para trabajar sobre las cópulas Elı́pticas independientemente de sus marginales. Kostadinov 2005 propone un método de estimación no paramétrico, el cuál se describe resumidamente en el Algoritmo 1 del Apéndice y que básicamente se enfoca en estimar robustamente las medidas de dependencia ρτ y λ, ası́ como el ı́ndice de la cola α. éste mismo algoritmo se utiliza para estimar los parámetros de la cópula t de Student Agrupada. Para el caso de las cópulas Elı́pticas Generalizadas se estiman μ y Σ utilizando estimadores propuestos por Frahm 2003. 3. Descripción del Portafolio y estimación de los parámetros de riesgo 3.1 Descripción del Portafolio El portafolio de créditos a utilizar para la implementación de la metodologı́a propuesta incluye a las tres subclases de activos al menudeo que las instituciones bancarias en México identifican: las exposiciones aseguradas por la vivienda del acreditado (como el portafolio hipotecario), las que tienen caracterı́sticas revolventes (como el portafolio de tarjetas de crédito) y todas las demás exposiciones (como el portafolio de créditos al consumo). Los datos utilizados para la composición del portafolio son reales pero, como es común esperar en estas situaciones, se ha decidido mantener en secreto el origen de la fuente de información por razones de confidencialidad. Esta limitación no afecta, sin embargo, el alcance de los resultados ya que el método propuesto puede implementarse en casi cualquier institución financiera sin ninguna pérdida de generalidad. Debido a que los productos que componen el portafolio están formados por un número grande de exposiciones, la modelación de los incumplimientos individualmente por cuenta es poco efectiva, por lo que es conveniente segmentar cada producto en grupos de créditos homogéneos en su perfil de riesgo. El 26 Revista de Administración, Finanzas y Economı́a portafolio ha sido segmentado mediante una técnica clasificatoria basada en árboles de decisión llamada Detección de Interacción Automática Ji-Cuadrada (CHAID) que permite identificar divisiones óptimas cuando las variables son continuas, nominales e incluso categóricas (ver Biggs 1991). El procedimiento incluye una serie de reglas que son establecidas por las trayectorias de variables independientes a lo largo del árbol con el fin de obtener una partición de la población en grupos significativamente diferentes en relación con alguna variable clave. Tras utilizar como variable clave al parámetro P D y como variables independientes el producto, número de pagos vencidos, tiempo en libros, uso de lı́nea de crédito y morosidad observada; el método CHAID arrojó una segmentación de 62 grupos (cubetas) repartidas en 10 productos. Cada producto tiene asociada una cubeta predeterminada de créditos incumplidos, mientras que el resto de éstas incluye alguna de las variables independientes. Tabla 1 Composición del portafolio de créditos Producto A B C D E F G H I J Total Subgrupos 4 6 9 8 5 7 12 4 3 4 62 Volumen 2,077 455,902 25,465 265,835 90,373 92,361 2,206,829 9,451 20,642 7,897 3,176,832 Exposición $ 52,369,300 $ 1,913,675,323 $ 1,343,202,349 $16,304,975,098 $1,015,491,658 $ 387,029,421 $ 33,518,889,702 $ 5,845,773,697 $ 10,976,303,005 $ 796,397,845 $ 72,154,107,399 La tabla 1 resume los resultados de la segmentación, mostrando para cada producto el número de subgrupos, el volumen en número de cuentas y la exposición en saldo (en el producto revolvente G ésta se expresa como el lı́mite de lı́nea de crédito). 3.2 Estimación de los parámetros de riesgo Una vez segmentado el portafolio, es necesario estimar los parámetros de riesgo. Para tal efecto conviene introducir, primero, la notación a utilizar. Sean i = 1, . . . , M los grupos o cubetas en los que se divide el portafolio (en nuestro caso M = 62); t = 1, . . . , n las fechas de observación; j = 1, . . . , Nit los créditos y (j) (j) eit su exposición; Yit la indicadora del incumplimiento para cada crédito j dentro de una ventana anual a partir de la fecha de observación y, finalmente, (j) eadit el saldo de dicho crédito al momento de su incumplimiento. a) Probabilidad de incumplimiento. Para calcular la probabilidad de incumplimiento P Di del grupo i se utiliza como estimador a la tasa de incumplimiento Modelo de cálculo de capital económico 27 observada, T Iit correspondiente a la ventana anual t (vista a partir de la fecha de observación t) en el grupo i; esto es: nit TI it = , Nit (13) Nit (j) donde nit = es el número de incumplimientos observados en la i=1 Yit correspondiente ventana de observación y T I i1 , . . . , T I in las realizaciones del parámetro de riesgo P Di para cada cubeta i = 1, . . . , M . b) Exposición al momento del incumplimiento. Asociada al parámetro EADi de cada grupo i se emplea la variable CCFi o factor de conversión del crédito, definida como la proporción pérdida de la exposición inicial de los créditos al momento del incumplimiento. Para cada ventana de observación t = 1, . . . , n se calcula CCFi mediante el estimador insesgado Nit (j) (j) j=1 eadit Yit CCF it = N (j) (j) it j=1 eit Yit (14) c) Pérdida dado el incumplimiento. En el cálculo de LGD es primordial conocer, primero, el comportamiento de las recuperaciones de los créditos que incumplen exactamente en cada fecha de observación. Por eso es importante definir para cada producto p (formado a su vez por un conjunto de cubetas) el porcentaje que se recupera del saldo eadpt de todos los créditos incumplidos en t durante los primeros k meses posteriores (ventana de recuperación); esto es de interés para definir la correspondiente tasa de recuperación τpt . En caso que se consideren los costos fijos cp en el proceso de recuperación de cada producto p, el estimador de τpt está dado por k 1 − cp = (15) τ pt (1 + r)t τ=1 (τ) donde Rpt es la recuperación del mes τ posterior correspondiente a los créditos (j) del producto p = 1, . . . , K que incumplieron en t; cik es el factor de costos y r es la tasa de interés adecuada para descontar los flujos. Con el cálculo de τpt se puede obtener, para cada fecha de observación t = 1, . . . , n, el estimador pt = 1 − τpt LGD (16) como una realización de LGDp o de la pérdida dado el incumplimiento para el producto p en una ventana de recuperación de k meses. Se decidió considerar k = 24 meses para el caso de los portafolios de Consumo y Tarjeta de Crédito, y k = 36 meses para el de portafolio Hipotecario. Los tamaos de las ventanas de recuperación se eligieron de manera que las estimaciones τpt se estabilizaran a partir de k o más observaciones. Los resultados de la consolidación de los parámetros de riesgo por producto son mostrados en las Figura 1. En concreto, las figuras muestran las estimaciones históricas de P D (a la izquierda) y CCF (al centro) de todas las cubetas 28 Revista de Administración, Finanzas y Economı́a que componen al portafolio y adicionalmente se muestra el histograma de las estimaciones históricas de LGD que se tienen por producto (a la derecha). En todos los casos se observan niveles diferenciados del parámetro P D para cada cubeta en que se segmenta el producto, ası́ como un comportamiento de LGD diferente para cada producto. Se presentan solamente las gráficas correspondientes a los productos A y B. Figura 1 Estimaciones históricas de P D (izquierda), CCF (al centro) y LGD (derecha) por producto. De la agregación de las estimaciones históricas de los parámetros de riesgo considerando la posición actual del portafolio, se obtienen las pérdidas históricas (como porcentaje de saldo), con las que se estiman empı́ricamente la pérdida esperada (P E) y el Valor en Riesgo (V aRq ) para ciertos niveles de confianza, por ejemplo, q = .99, .995, .999, .999. Los resultados de la simulación histórica de las pérdidas se muestran en la Tabla 2 y Figura 2. Modelo de cálculo de capital económico 29 Tabla 2 Estimaciones empı́ricas de P E y V aRq de las pérdidas históricas por producto y portafolio total. Producto A B C D E F G H I J TO TA L PE 8.87% 5.31% 0.34% 1.34% 7.35% 8.95% 9.56% 5.9 9% 1.71% 2.88% 3.79% 99% 10.35% 6.72% 0.89% 2.50% 11.15% 12.05% 12.92% 7.76% 2.23% 4.88% 5.21% VaRqEmp 99 .5% 99.9% 10.37% 10.37% 6.73% 6.73% 0.90% 0.90% 2.51% 2.51% 11.15% 11.15% 12.10% 12.10% 12.93% 12.93% 7.76% 7.76% 2.23% 2.23% 4 .8 8% 4.88% 5.22% 5.22% 99.95% 10.37% 6.73% 0.90% 2.51% 11.15% 12.10% 12.93% 7.76% 2.23% 4.88% 5.22% Figura 2 Histogramas de las pérdidas históricas por producto y portafolio total. De acuerdo con la Tabla 2, para niveles de confianza q cercanos a 1, el estimador empı́rico de V aRq (columna VaRqEmp) resulta poco apropiado debido al reducido número de 60 observaciones. En contraste, las estimaciones empı́ricas de la pérdida esperada (P E) pueden considerarse como estimaciones aceptables (columna P E). Los histogramas de la Figura 2 muestran comportamientos en los que no se pueden observar realizaciones de pérdidas suficientemente extremas. Para tener un buen ajuste al comportamiento distribucional marginal 30 Revista de Administración, Finanzas y Economı́a se ajustan densidades kernel de suavización de Epanechinikov7 . 4. Implementación del modelo de cálculo de CE usando cópulas Para modelar la estructura de dependencia, es decir, la cópula asociada del vector aleatorio (P Di , EADi )M que (T Ii1,CCFi1 )M i=1 , se supone i=1 , . . . , (T Iin , M CCFin)i=1 las estimaciones conjuntas asociadas a dichos los parámetros de riesgo son observaciones independientes e idénticamente distribuidas (i.i.d.). Se considerará despreciable la posible correlación serial ocasionada por el uso de ventanas de observación que se traslapan, no obstante el cambio mes a mes que sufre la composición del portafolio por los créditos originados y los liquidados. Por otro lado, se supone que LGD es una v.a independiente de los parámetros de riesgo P D y EAD. Para la estimación de la cópula asociada al vector aleatorio (LGDp )K p=1 también se supone que las estimaciones conjuntas K (LGD p1 )p=1 , . . . , (LGDpm )K p=1 son observaciones i.i.d. de éste. En la agrupación de las M cubetas en sus correspondientes productos, se considera que las correspondientes v.a. P D y CCF son dependientes entre sı́ y entre cubetas, y que la estructura de dependencia está dada por alguna cópula. Más precisamente, se supone que el vector aleatorio 2k−dimensional P DEADp = (CCFi1, T Ii1 , . . . , CCFik , T Iik ) (17) P DEAD tiene marginales absolutamente continuas y una cópula C p asociada, donde {i1 , . . . , ik } ⊂ {1, . . . , M } es un conjunto de cubetas que forman alguno de los p = 1, . . . , K productos ajenos entre sı́. Para todo el portafolio, se supone también que el vector aleatorio K−dimensional LGD = (LGD1 , . . . , LGDK ) (18) posee marginales absolutamente continuas y alguna cópula asociada C LGD . Estructuras de dependencia multidimensionales comúnmente utilizadas, como la cópula de Independencia (2) y la cópula Gaussiana (3), son ajustadas a los datos de los parámetros de riesgo P D y CCF como ejercicios iniciales. Por el momento, el parámetro LGD se considera constante e igual a su media histórica. Para el ajuste Gaussiano, la matriz de correlaciones se estima mediante el estimador usual n Σ̂ = yk yk (19) k=1 donde yk = Φ−1 (F̂1 (xik )), . . . , Φ−1 (F̂d (xdk )) y F̂i es la f.d. empı́rica del vector de observaciones (xi1 , . . . , xin ) de la v.a. Xi , para cada i = 1, . . . , d. 7 Para una muestra de observaciones x1 ,...,xn el estimador de densidad kernel está dado ˆ por la función f(x)= Σn K (x−xj ) j=1 h n Kh (t−u)dt donde Kh (x)=( h1 )K ( hx ), K(u)=( 34 )(1−u2 ) 1{|u|<1} es la llamada función kernel de Epanechinikov y el parámetro h se llama ancho de banda. Modelo de cálculo de capital económico 31 Para efectos de comparación, en todos los ajustes marginales el ancho de banda será el dado por la regla de Silverman8 . Los resultados obtenidos en cada ejercicio se muestran en las Tablas 5 y 6 abajo, mismas en las que por producto y portafolio total se estiman la P E y el V aRq ; éste último mediante los métodos P OT , Empı́rico y el ajuste de una distribución Beta. Tabla 3 Estimaciones de P E y V aRq ajustando la cópula de Independencia a P D y CCF de todo el portafolio. Producto A B C D E F G H I J TO TA L PE 8.91% 5.37% 0.38% 1.36% 7.36% 8.88% 9.73% 6.00% 1.73% 2.87% 3.83% 99% 10.61% 6.58% 1.05% 1.83% 11.48% 10.76% 11.72% 7.65% 2.30% 4.39% 4.27% VaRqEmp 99 .5% 99.9% 10.79% 11.20% 6.67% 6.96% 1.15% 1.31% 1.88% 2.00% 11.87% 12.65% 10.99% 11.37% 11.93% 12.42% 7.74% 7.89% 2.35% 2.46% 4.52% 4.84% 4.33% 4.43% 99.95% 11.32% 7.01% 1.35% 2.04% 12.80% 11.61% 12.65% 7.96% 2.51% 4.93% 4.47% Tabla 4 Estimaciones P E y V aRq ajustando una cópula Gaussiana a P D y CCF de todo el portafolio. VaRqEmp Producto PE 99% 99.5% 99.9% 99.95% A 8.92% 10.33% 10.52% 10.85% 10.93% B 5.36% 6.82% 6.96% 7.17% 7.21% C 0.37% 0.94% 1.02% 1.14% 1.21% D 1.37% 2.41% 2.51% 2.68% 2.72% E 7.41% 12.25% 12.6 6% 13.55% 1 4.01% F 8.94% 12.07% 12.4 1% 13.11% 13.19% G 9.74% 13.52% 13.83% 14.55% 14.73% H 6.00% 7.43% 7.51% 7.72% 7.74% I 1.72% 2.19% 2.24% 2.34% 2.36% J 2.88% 4.60% 4.69% 4 .86% 4.93% TO TA L 3.84% 5.04% 5.17% 5.39% 5.42% 8 Para la elección del parámetro de ancho de banda de la densidad kernel se puede utilizar la regla de Silverman, que permite determinar un ancho de banda h óptimo (para ajustar den√ 1/5 sidades normales) el cuál está dado por (40 π/n) σ̂, donde n es el número de observaciones y σ̂ la volatilidad estimada de los datos. 32 Revista de Administración, Finanzas y Economı́a Las estimaciones de P E (columna P E), comparadas con sus estimadores históricos, parecen ser poco sensibles a la manera en que se modela la estructura de dependencia de los parámetros de riesgo. Sin embargo, las estimaciones empı́ricas de V aRq (columnas VaRqEmp), en ambos ajustes, son relativamente inferiores respecto del comportamiento histórico de las pérdidas. Una estructura de dependencia que le asigna probabilidad positiva a los eventos de observas conjuntas extremas es la cópula t de Student. El siguiente ejercicio consiste en ajustar esta cópula bajo las mismas consideraciones de LGD y densidades kernel. La matriz de correlaciones se estima también con −1 la ecuación (19) tomando yk = t−1 , donde tα α (F̂1 (xik )), . . . , tα (F̂d (xdk )) denota la f.d. t de Student univariada cuyo parámetro de grados de libertad α es estimado aplicando el Algoritmo 1 del Apéndice. Tabla 5 Estimaciones de P E y V aRq ajustando una cópula t de Student Simétrica P D y CCF de todo el portafolio. Producto A B C B C B C B C B TOTA L PE 8.90% 5.36% 0.37% 1.36% 7.37% 8.90% 9.70% 6.00% 1.72% 2.87% 3.82% 99% 10.94% 7.19% 0.98% 2.56% 12.77% 12.62% 14.18% 7.80% 2.27% 4.79% 5.33% VaRqEmp 99.5% 99.9% 11.12% 11.49% 7.32% 7.61% 1.08% 1 .21% 2.69% 2.84% 13.35% 14.07% 13.05% 13.66% 14.49% 15.30% 7.91% 8.13% 2.34% 2.46% 4.91% 5.08% 5.46% 5.68% 99.95% 11.73% 7.67% 1.25% 2.87% 14.42% 13.93% 15.47% 8.17% 2.48% 5.14% 5.78% La Tabla 5 revela que el ajuste de la cópula t de Student Simétrica al portafolio total es más adecuado que los ajustes de las cópulas de Independencia y Gaussiana ya que las estimaciones de V aRq obtenidas son consistentes con las estimaciones históricas. 4.1 Ajuste de cópulas Elı́pticas Simétricas y Generalizadas al portafolio de créditos En esta sección se modela la estructura de dependencia al interior de cada producto utilizando alguna cópula Elı́ptica Simétrica y Generalizada. ésta última cópula se emplea para introducir y, por tanto, evaluar el efecto de asimetrı́a en la estructura de dependencia de los parámetros de riesgo. Aplicando el Algoritmo 2 se ajusta para cada producto p una cópula C pPDEAD para modelar la estructura de dependencia del vector aleatorio pPDEAD dado por la ecuación (17), al tiempo que al vector aleatorio LGD Modelo de cálculo de capital económico 33 se le ajusta de manera independiente una cópula C CLGD . La distribución marginal de los parámetros de riesgo contenidos en los vectores anteriores se modela, como se ha venido haciendo en los ejercicios anteriores, ajustando densidades kernel de suavización a las observaciones históricas de P D, EAD y LGD. Para cada cubeta i la pérdida (como porcentaje de su saldo) se define como la v.a. Li = T Ii ∗ CCFi ∗ LGDi (20) Entonces con las observaciones simuladas pPDEAD1 , . . . pPDEADN , p = 1, N de los parámetros de riesgo y aplicando (20) se con 1 , . . . LGD . . . , K y LGD struyen, para cada cubeta i ∈ {i1 , . . . , ik } del producto p en cuestión, las pérdidas simuladas Li1 , . . . , LiN . Para hacer la agregación de pérdidas para cada producto (como porcentaje de su saldo) es necesario conocer la composición de un portafolio de créditos actual, es decir, el saldo actual ei de cada cubeta i. Entonces, simplemente se pondera por el saldo de cada producto p para obtener las pérdidas simuladas por producto, es decir, ei Lpj = Lij , j = 1, . . . , N (21) j∈{i1 ,...,ik } ej i∈{i1 ,...,ik } son las pérdidas simuladas del producto p formado por las cubetas i ∈ {i1 , . . . , ik }. La tabla 8 muestra los estimadores del ı́ndice de la cola α9 que resultan de ajustar las cópulas Elı́pticas a cada producto y al portafolio total. Como se puede apreciar, los comportamientos a observaciones extremas conjuntas para los parámetros P D y CCF son bastante diferentes entre productos. Tabla 6 Grados de libertad para (P D, CCF ) por producto y portafolio total. (PD, CCF) Producto Grados de libertad αp (Depend. Cola) A 20.5 B C 38.8 11.8 D 14.2 E 67.9 F 9.7 G H 10.8 2.0 I 22.1 J 3.2 TOTAL 276.8 9 La v.a. espectral R de la representación (5) se supone de variación regular en infinito con ı́ndice α > 0. Dicho ı́ndice mide la ocurrencia de observaciones conjuntas extremas, a menor valor de α mayor dependencia entre las observaciones extremas conjuntas. En el caso de la cópula t de Student coincide con los grados de libertad. 34 Revista de Administración, Finanzas y Economı́a Los resultados de las simulaciones de las cópulas ajustadas t Simétrica y Genealizada están contenidos en las tablas 7 y 8, respectivamente. Dichas tablas incluyen las estimaciones del V aRq por los tres métodos de estimación de altos cuantiles propuestos: P OT 10 (Columna VaRqPOT), Empı́rico (columna VaRqEmp) y Ajuste de una distribución Beta (VaRqBeta). Tabla 7 Estimaciones de P E y V aRq por producto ajustando una cópula t de Student Simétrica a los parámetros de riesgo P D y CCF . Tabla 8 Estimaciones de P E y V aRq por producto ajustando una cópula t de Student Generalizada a los parámetros de riesgo P D y CCF . Según los resultados obtenidos, aparentemente no hay ventaja significativa de modelar la asimetrı́a en la estructura de dependencia con el uso de las cópulas elı́pticas generalizadas, sin embargo, se debe utilizar un criterio estadı́stico que permita evaluar la adecuación de los diferentes ajustes de las cópulas a los datos observados. 4.2 Ajuste de la cópula t Agrupada al portafolio de créditos La cópula t de Student Agrupada permite modelar la estructura de dependencia entre grupos de v.a. que a su vez tienen estructura de dependencia dada por alguna cópula t de Student pero cuyo comportamiento de dependencia a eventos extremos es diferenciado entre grupos. ésta cópula se ajusta a los parámetros de riesgo P D y CCF del portafolio total, utilizando los estimadores obtenidos en el paso (i) del Algoritmo 2 para los parámetros de grados de libertad αp de 10 Para revisar los resultados más importantes de este método derivado de la Teorı́a de Valores Extremos se recomienda ver Embrechts 1997. Modelo de cálculo de capital económico 35 cada producto p y la matriz de correlaciones P que resulta para el portafolio total. A partir de la expresión (8) y utilizando los estimadores de los parámetros anteriores se simulan observaciones de (pP DEAD)K p=1 , que al ser agregados por producto y portafolio Total se muestran en la Figura 3. Según la Tabla 9, las estimaciones por producto de P E y V aRq mediante éste enfoque son consistentes con los ajustes de las cópulas t de Student Simétrica y Generalizada. La estimación de V aRq del portafolio total permite cuantificar el efecto de diversificación cuando se le compara con la suma de los V aRq ’s de todos los productos ponderados por el saldo total (renglón inferior Total pond rho = 1 de la tabla), ası́ como con la raı́z cuadrada de suma de sus cuadrados (Total pond rho = 0). Tabla 9 Estimaciones de P E y V aRq por producto y portafolio total ajustando una cópula t de Student Agrupada a los parámetros de riesgo P D y CCF . Figura 3 Histogramas de las pérdidas simuladas por producto y portafolio total ajustando una cópula t de Student Agrupada a los parámetros P D y CCF . Para establecer estadı́sticamente la bondad de ajuste de cada modelo de cópulas ajustado, se emplea un estadı́stico basado en formas bilineales propuesto por Panchenko 2005. En la Tabla 9 se presentan los valores promedio de las distan- 36 Revista de Administración, Finanzas y Economı́a cias Q basadas en formas bilineales que se obtienen al implementar, por cada producto y al portafolio total. Tabla 10 Distancias Q (estadı́stica de prueba) para cada tipo de cópulas ajustado. Los valores de la estadı́stica de prueba Q muestran que la cópula t de Student Agrupada es, de entre las cópulas utilizadas, la que presenta un mejor ajuste a los datos (a la cópula empı́rica de los parámetros de riesgo). No obstante que el reducido número de observaciones históricas de los parámetros de riesgo no permite establecer la significancia de la prueba, la Tabla 10 indica que el ajuste de la cópula t de Student Agrupada es ligeramente superior a los ajustes de las cópulas t de Student Simétrica y Generalizada, en tanto que los supuestos de independencia y gaussiano no son objetivos con lo observado en los datos. Con fundamento en el criterio anterior, se decide modelar la estructura de dependencia de los parámetros de riesgo del portafolio P D y CCF con la cópula t de Student Agrupada. Por otro lado, la estructura de dependencia del parámetro LGD entre productos del portafolio se modela con una cópula t de Student simétrica. Con el fin de estresar las distribuciones marginales del modelo, todas las densidades kernel se ajustan con el doble del ancho de banda empleado en los ejercicios anteriores. Los resultados obtenidos se presentan en las Tablas 11 y 12, donde esta última contiene además el cálculo de la medida de riesgo Déficit Esperado (ESq ), también estimada por los tres métodos implementados para V aRq . Tabla 11 Estimaciones de P E y V aRq ajustando una cópula t de Student Agrupada a los parámetros P D y CCF , y una cópula t de Student a la LGD. Modelo de cálculo de capital económico 37 Tabla 12 Estimaciones de ESq ajustando una cópula t de Student Agrupada a los parámetros P D y CCF , y una cópula t de Student a la LGD. Los estimaciones obtenidas por el método P OT son bastante consistentes con los estimadores empı́ricos, al tiempo que permiten obtener estimaciones más confiables para niveles de q bastante cercanos a 1, esto debido a su base sobre resultados asintóticos de la TVE (ver Embrechts et al. 1997 y Dı́az 2003). En la Figura 4 se muestra el desempeo de los estimadores de V aRq y ESq por los tres métodos P OT , Empı́rico y el ajuste de una Beta. Se presentan los resultados para el caso del portafolio total Figura 4 Estimaciones de V aRq y ESq (métodos P OT , Empı́rico y Beta) Portafolio Total. La primera de las subgráficas (de izquierda a derecha y de arriba a abajo) contiene el histograma de las pérdidas simuladas y la parte de la cola a la que se ajusta una DP G, mientras que en la segunda aparece su ajuste con la distribución empı́rica. En la tercera se presentan el ajuste entre la Distribución de Excesos Fu y la empı́rica de la cola de la distribución de pérdidas. Final- 38 Revista de Administración, Finanzas y Economı́a mente, en la cuarta se subgráfica se presenta el comportamiento de los diferentes estimadores de las medidas de riesgo V aRq y ESq , para q ∈ (.99, 1). Además de la cópula t de Student Agrupada, existen otras cópulas relacionadas a la cópula t de Student como es el caso de la cópula t de Valores Extremos y la cópula t de Cola Inferior, sin embargo, su manipulación y estimación para dimensiones grandes es bastante complicada (ver Demarta et al. 2004). 5. Estimaciones de CE bajo modelos tradicionales y el enfoque IRB Con el fin de comparar el modelo propuesto con otros enfoques, se implementan un modelo de incumplimiento de un sólo factor, un modelo basado en matrices de transición y el cálculo del requerimiento de capital regulatorio según las reglas de Basilea II (ver BCBS 2004) en su enfoque avanzado de calificaciones internas (IRB). El modelo de un factor tipo KM/CM ha sido ampliamente utilizado para la estimación de capital económico en portafolios de créditos revolventes y de consumo (ver RMA 2003). Sus parámetros importantes, la correlación de activos (AV C) y la correlación entre incumplimientos (LC) se calibran con información histórica de las tasas de incumplimiento. Concretamente, el CEi (como porcentaje del saldo) de la cubeta i se estima como √ −1 Φ (P Di ) + 1 − AV Ci Φ−1 (q) √ Ki = LGDi · CCFi · Φ , (22) 1 − AV Ci donde q es el nivel de confianza y P Di se estima como el valor promedio de las correspondientes tasas de incumplimiento observadas. Con las mismas bases teóricas que el modelo de un factor del tipo KM V /CM , el enfoque avanzado de calificaciones internas (IRB) de Basilea II, utiliza resultados asintóticos sobre los cuantiles de la función de pérdidas del portafolio cuando el número de exposiciones es suficientemente grande (ver Frey et al. 2003). Más precisamente, este enfoque regulatorio propone estimar el requerimiento de capital RCi , para cada cubeta i de créditos homogéneos en perfil de riesgo, como −1 √ Φ (P Di ) + ρΦ−1 (.999) √ RCi = LGDi · CCFi · Φ 1−ρ donde el nivel de confianza se fija en q = .999 y la correlación de activos ρ está preestablecida según el tipo de portafolio al que pertenezca la cubeta para (0.04 1−e−35P Di 1−e−35P Di + .16 tarjeta de crédito, 0.15 para hipotecario y .03 1−e−35 1−e−35 para el portafolio de consumo). En ambos enfoques los parámetros CCF y LGD se consideran constates, por lo que para fines de la aplicación serán iguales a su valor promedio histórico. En el siguiente cuadro resumen (Tabla 13) se muestran los resultados de CE y capital regulatorio obtenidos bajo el modelo de un factor y las reglas de IRB de Basilea II. Se agregan también las estimaciones de V aRq por el método P OT que se obtuvieron en el ajuste de la cópula t de Student Agrupada, ası́ como las que resultan de ajustar densidades kernel que dan más peso a Modelo de cálculo de capital económico 39 observaciones recientes de los parámetros de riesgo mediante el uso de un factor de decaimiento, por ejemplo, λ = .97. Pensando en niveles de confianza q realistas, se consideran 99.5% y 99.9% (si por ejemplo, la institución aspira la calificación mxAAA, que en escala internacional corresponde a BBB, que indica una probabilidad de incumplimiento del 0.5%, el nivel de confianza a considerar es q = 99.5%). Tabla 13 Estimaciones de CE por el modelo de un factor KM V /CM , el capital regulatorio bajo el enfoque IRB de Basilea II y el CE del modelo Cópula t Student grupada. En la mayorı́a de los casos el modelo de un factor indica un CE menor que el requerimiento de capital regulatorio bajo Basilea II, lo cual se debe en esencia a que, no obstante que la construcción en ambos enfoques es casi la misma, la correlación de activos que el primero utiliza es calculada con información histórica, mientras que en el enfoque IRB las correlaciones de activos están predeterminadas y el nivel de confianza que usa es del .999. Por su parte, el modelo propuesto basado en la cópula t de Student Agrupada refleja niveles de CE superiores al capital regulatorio y al estimado con el modelo de un factor tipo KM V /CM . Una ventaja del modelo propuesto es que permite modelar la dependencia existente entre los factores de riesgo y entre todos los grupos de créditos y productos que forman al portafolio; en consecuencia este modelo proporciona un efecto de diversificación del portafolio que no es posible apreciar en el modelo de un factor tipo KM V /CM ni en las reglas del enfoque más avanzado de IRB propuestas en Basilea II. Finalmente, en la Tabla 13 se presentan los resultados obtenidos de implementar un modelo basado en matrices de transición de pagos vencidos. El supuesto de que el proceso de migración de pagos vencidos (incluido el estado absorbente de incumplimiento) sigue una cadena de Markov, en la práctica no se satisface (ver Lando et al. 2002), siendo éste una de las grandes deficiencias de este enfoque. Sin embargo, igual que en los dos últimos modelos presentados en esta sección, ni la estructura de dependencia de los parámetros de riesgo ni la dependencia entre incumplimientos son considerados bajo esta metodologı́a que, no obstante, es ampliamente utilizada en la práctica. 40 Revista de Administración, Finanzas y Economı́a Tabla 14 Comparación del modelo propuesto con un enfoque de matrices de transición. Producto A B C D E F G H, I, J Matrices Transición PE VaRqEmp 99.5% 9.40% 32.74% 4.11% 17.34% 0.36% 5.58% 0.91% 7.90% 6.21% 30.00% 6.57% 21.96% 8.23% 68.77% 3.04% 12.94% Cópula t agrupada PE VaRqEmp 99.95% 9.01% 14.79% 5.48% 10.20% 0.43% 2.29% 1.41% 3.52% 7.61% 19.00% 9.02% 16.66% 9.83% 16.09% 3.20% 4.36% Como la información disponible para su implementación contiene agregado al portafolio hipotecario, el número de productos en que se divide al portafolio total se reduce. Las estimaciones de PE difieren considerablemente en algunos productos, esto se debe muy probablemente a que el supuesto de transiciones no ocurre de manera Markoviana. Además, el CE estimado por el modelo de matrices de transición es muy superior al que se estima con la metodologı́a de cópulas propuesta, lo cual se debe principalmente al hecho de que no es muy realista suponer que cada suma de exposición total por pagos vencidos es una v.a. Bernoulli con probabilidad de éxito la probabilidad de incumplimiento estimada. 6. Conclusiones La metodologı́a de cálculo del CE por riesgo de crédito propuesta en este trabajo de investigación muestra las ventajas de modelar la estructura de dependencia de los parámetros de riesgo mediante el uso de cópulas Elı́pticas Generalizadas y de Mezclas de Normales Agrupadas, para el caso concreto de familias del tipo t de Student. Este tipo de cópulas arrojó mejores resultados en la modelación del comportamiento de las pérdidas extremas del portafolio con respecto a las estructuras de dependencia comúnmente utilizadas en finanzas, como son la cópula Gaussiana y la cópula de Independencia. El ejercicio de bondad de ajuste reveló que el mejor ajuste lo proporciona la cópula t de Student Agrupada, al tiempo que no se encontraron diferencias significativas entre los ajustes de la cópula t de Student Simétrica y la cópula t de Student Generalizada en cada producto, no obstante que ésta última sı́ modela la asimetrı́a en la estructura de dependencia. Una de las principales razones por las que se utiliza la cópula t de Student Agrupada obedece a que permite modelar la dependencia entre productos con diferentes ı́ndices de dependencia extrema, lo que hace posible la agregación de las pérdidas del portafolio total, resaltando el beneficio del efecto de diversificación. Al comparar la metodologı́a propuesta con otros modelos, se observó que el modelo de incumplimiento de un sólo factor tiende a subestimar el CE, mientras Modelo de cálculo de capital económico 41 que el enfoque de matrices de transición de pagos vencidos tiende a sobreestimarlo. Para la mayorı́a de los productos, el modelo de un sólo factor arroja un CE menor que el requerimiento de capital regulatorio bajo Basilea II, lo cual se debe al hecho de que la correlación de activos que el primero utiliza es calculada con información histórica, mientras que en el enfoque IRB las correlaciones de activos están predeterminadas, ası́ como su nivel de confianza (99.9%). Las estimaciones de CE en el modelo propuesto parecen ser, en general, superiores al requerimiento regulatorio que establecen las reglas de capitalización del enfoque más avanzado de IRB propuestas en Basilea II. Estos resultados obtenidos ponen en duda la aplicabilidad de tales reglas en el mercado mexicano, por lo que el capital regulatorio bajo Basilea II puede ser insuficiente para cubrir el capital en riesgo que enfrentan las instituciones financieras que otorgan créditos al menudeo. Una ventaja de la metodologı́a expuesta, es su gran flexibilidad para modelar no sólo la dependencia existente entre los factores de riesgo sino, también, entre todos los grupos de créditos y productos que forman al portafolio; lo que hace posible que se muestren las bondades de la diversificación del portafolio que no es posible apreciar en el modelo de un factor tipo KM V /CM ni en las reglas del enfoque más avanzado de IRB propuestas en Basilea II. Apéndice Denótense las realizaciones de n copias independientes del vector aleatorio X (el conjunto de los datos) por ⎛ x11 ⎜ ⎜x {(x1 , . . . , xdt ) }nt=1 ≡ ⎜ .21 ⎝ .. xd1 x12 .. . ... ⎞ . . . x1n .. ⎟ . ⎟ = [ x.1 .. ⎟ .. . . ⎠ . . . xdn x.2 . . . x.n ] Algoritmo 1 (i) Determinar las correlaciones tau de Kendall de cada pareja (Xi , Xj ) medi −1 n (n) ante el estimador ρ̂τ (Xi , Xj ) = k>l sign[(xik − xil )(xjk − xjl )]; 2 (ii) Usar la ecuación (11) para calcular ρ̂ij y estimar ası́ la matriz de correlación ρij ; d (iii) Estimar los coeficientes de dependencia de la cola inferior Λ̂ = λnij i,j=1 como n √ 1 2 (n,r) n (Xi , Xj ) = 1{Qk <r} sen2φk , λij ≡ λ̂l n r k=l donde para k = 1, . . . , n las cantidades (Qk , φk ) satisfacen las ecuaciones F̂i (xik ) = Qk senφk , F̂j (xjk ) = Qk cosφk , donde cada F̂i es la f. d. empı́rica de la componente Xi ; 42 Revista de Administración, Finanzas y Economı́a (iv) Estimar el ı́ndice de la cola α de la v.a. espectral R como π α̂n = arg min λ(α, (1 − ρ̂ij ))ij − Λ̂(n) , 4 × donde L(α, ρ̂τ )(n) es la matriz λ(α, π4 (1 − ρ̂ij ))ij , la función λ(α, x) está definida d 2 2 como en (12) y ||A||× = i,j=l Aij define la norma en L definida sobre Md×d (). Algoritmo 2 (i) Estimar los parámetros ρij y α de una distribución Elı́ptica Generalizada sobre el vector X usando el Algoritmo 1; (ii) Ajustar a cada componente de X alguna f.d. marginal Fj∗ continua. Si por ejemplo, el número de observaciones n no es muy grande, se puede utilizar un kernel de suavización; (iii) Simular observaciones y1 , . . . , yN de un vector Y cuya representación está dada por la ecuación (5), utilizando las estimaciones de los parámetros anteriores y estructura de dependencia de dicha representación (bajo la especificación de la f.d. de la v.a. espectral R); (iv) Construir observaciones u 1 , . . . , u N de la cópula empı́rica con las observaciones simuladas y1 , . . . , yN , a saber, u i = (Ui1 , . . . , Uid ) F̂1 (yi1 ), . . . , F̂1 (yid ) , donde F̂j es un estimador de la f.d. de Yj , por ejemplo, se puede usar una 1 n variante de la f.d. empı́rica F̂j (x) = n+1 i=l 1{yij <x} . (v) Con las observaciones simuladas u 1 , . . . , u N , las cuales incorporan la estrucuj ), j = 1, . . . , N . tura de dependencia de la cópula C, construir x j = Fj∗−1 ( xN son observaciones simuladas del vector original X. Los vectores x 1 , . . . , Bibliografı́a Basel Committee on Banking Supervision (BCBS) (2004). International Convergence of Capital Measurement and Capital Standards. A Revised Framework. Biggs, D., B. De Ville y E. Suen (1991). A method of choosing multiway partitions for classification and decision trees. Journal of Applied Statistics, 62, pp. 18-49. Crosbie, P. y J. Bohn (2002), Modelling Default Risk. KMV working paper. Crouhy, M., D. Galai y R. Mark (2000). A comparative analysis of current credit risk models. Journal of Banking and Finance, 24, 59-117. De Andrade, F. y L. Thomas (2004). Structural Models In Consumer Credit. Risk and Insurance 0407001, EconWPA. Dı́az, A. (2003). Teorı́a de Valores Extremos para sucesiones de variables aleatorias dependientes, Tesis de licenciatura, UNAM. Modelo de cálculo de capital económico 43 Embrechts, P., C. Klppelberg y T. Mikosch (1997). Modelling Extremal Events for Insurance and Finance. Springer Verlag, Berlin. Embrechts, P., A. McNeil y D. Straumann (2002). Correlation and dependency in risk management: properties and pitfalls. Risk Management for Central Bank Foreign Reserves, 243-261, Frankfurt: European Central Bank. Frahm, G. y M. Junker (2003). Generalized elliptical distributions: models and estimation. Research Center Caesar Financial Engineering. Frey, R. y A. McNeil (2003). Dependent defaults in models of portfolio credit risk. Journal of Risk, 6(1), 59-92. Hult, H. y F. Lindskog (2001). Multivariate extremes, aggregation and dependence in elliptical distributions. Research paper, RiskLab. Joos, P., K. Vanhoof, H. Ooghe y N. Sierens (1998). Credit classification: A comparison of logit models and decision trees. 10th European Conference on Machine Learning, April 24, Chemnitz (Germany), p. 59-72. Lando, T. y T. Skodeberg (2002). Analyzing rating transitions and rating drift with continuous observations. Journal of Banking and Finance, 26, 423-444. Lindskog, F., A. McNeil y U. Schmock (2003). Credit Risk - Measurement, Evaluation and Management. Physica-Verlag, Heidelberg. Panchenko, V. (2005). Goodness of fit test for copulas. Physica A, 355, 176182. Perli, R. y W. Nayda (2004). Economic and Regulatory Capital Allocation for Revolving Retail Exposures. Journal of Banking & Finance, 28(4), 789-809. RMA (2003). Retail Credit Economic Capital Estimation-Best Practices. The Risk Management Association (RMA). Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics), vol. 2, núm. 1 (2008), pp. 44-57. Análisis empı́rico de la relación entre las tasas de interés forward subyacentes al mercado Mexicano de swaps de TIIE Jesús Bravo Pliego∗ Recibido 21 de junio 2007, Aceptado 8 de enero 2008 Resumen En este trabajo se analiza empı́ricamente la relación entre las tasas de interés forward implı́citas en la curva mexicana de los swaps de TIIE-28 dı́as. Los resultados muestran que existen correlaciones fuertes entre tasas de plazos adyacentes, pero que tal correlación se va debilitando conforme se amplı́a la “distancia” (en la estructura de plazos) entre ellas. Esto es coherente con la teorı́a del nicho preferido de Modigliane y Stuch (1966) y sugiere que los modelos de ajuste, calibración o análisis de la curva interbancaria de tasas en México deberı́an incorporar alguna relación entre las tasas forward. Abstract In this paper, the degree of the relationship amongst the underlying forward interest rates to the Mexican TIIE-28-day swap interest rate curve is analyzed. It is found empirically that there are strong correlations between term-adjacent forward interest rates, but such correlations become weak when the “distance” (in the term structure) between them increases. This is in line with the preferred habitat theory of Modigliane and Stuch (1966), and it suggests that the models for adjusting, calibrating or analyzing the Mexican interbank interest rate curve should incorporate some relationship amongst the forward interest rates. Clasificación JEL: E43, G12 Palabras clave: Tasa de interés spot y forward, bootstrapping, correlación, swaps de TIIE-28 dı́as . 1. Introducción Un cuestionamiento aparentemente obvio, pero cuya respuesta tiene serias consecuencias en el contexto de la aplicación práctica de los modelos de tasas de ∗ Dirección de Riesgos de Mercado, Grupo Financiero HSBC. Este artı́culo es parte del trabajo inicial realizado por el autor para el desarrollo de su tesis doctoral en el programa de Doctorado en Ciencias Financieras del Tecnológico de Monterrey, Campus Ciudad de México. Dirección para correspondencia: Paseo de la Reforma 347, Oficina 14, Col. Cuauhtémoc, C.P. 06500, México, D.F. Tel.: 57212663. Fax: 57212666. Correo electrónico: [email protected] . Análisis empı́rico 45 interés, es si las tasas de interés forward sobre la estructura de plazos están correlacionadas entre sı́. Si esto es ası́, en qué grado? El supuesto de correlación perfecta en los modelos de tasa corta, como los de Vasicek (1977) y CIR (1985), es esencial para poder derivar las formas funcionales de la estructura de plazos tal como lo indica Brigo y Mercurio (2001). Sin embargo, si la correlación existe, pero está lejos de poder considerarse perfecta a lo largo de toda la estructura de plazos de las tasas de interés, entonces es claro que el análisis, modelación, calibración y utilización de dicha estructura de plazos requerirá de consideraciones adicionales a las que plantean los modelos de tasa corta. Santomero (2001, pp. 86-91) presenta un análisis empı́rico muy interesante de la relación de las tasas de interés de los bonos del gobierno de los Estados Unidos, analizando sus cambios mensuales entre el periodo de 1947 a 1999. Sus principales conclusiones son que hay correlación (aunque no perfecta) entre las tasas spot, pero que tal relación no es fácil de describir. Afortunadamente, se han realizado desarrollos para considerar estas correlaciones no perfectas al modelar la dinámica de las tasas de interés, dentro de los que destaca el desarrollo del ’LIBOR Market Model’ o modelo de BGM (Brace, et al., 1997). Sin embargo, en los modelos empı́ricos o de bootstrapping la incorporación de una relación entre los niveles de tasas de interés forward al momento de derivar de los datos de mercado la curva de tasas de interés, no se trata con fundamento económico sólido, y en la mayorı́a de los casos la relación resultante es mera consecuencia de la forma en que se asume la interpolación entre las tasas cupón cero implı́citas o entre las cotizaciones de mercado. Una pregunta relevante que atañe a los mercados financieros en México es si los resultados de Santomero (Op. cit.) se pueden asumir en ellos. La única forma de saberlo es replicar tal análisis de manera particular en dichos mercados. En este artı́culo, en la sección 2, se presenta este análisis tomando las cotizaciones de los swaps de TIIE-28 dı́as, pero se critica la solidez de tales resultados (ver sección 2.3). En la sección 3, se deriva la estructura de plazos de los swaps de TIIE por medio de un modelo de bootstrapping y se estudia ahora, para obtener resultados más sólidos conceptualmente, el patrón de la relación entre los distintos niveles de tasas forward implı́citas diferenciados por plazo1 . Relación de las tasas de interés spot (cotizaciones de los swaps de TIIE-28 dı́as) a distintos plazos de cotización 2.1 La relación entre las tasas de corto plazo y las de largo plazo Para inspeccionar la relación entre las tasas de interés de los swaps de TIIE, la información utilizada son las cotizaciones de dichos swaps para todos sus plazos negociados. Esta información es de frecuencia diaria y proviene de los datos reportados por PiP (Proveedor Integral de Precios, S.A.) quien es uno de los dos “price vendors” autorizados por la CNBV como fuentes oficiales de precios2 . 1 Todos los detalles técnicos acerca del bootstrapping se presentan en el Anexo 1 con la finalidad de presentar en el cuerpo principal de este trabajo solo los resultados del análisis de la manera más clara posible. 2 Consultar página web de PiP en www.precios.com.mx. 46 Revista de Administración, Finanzas y Economı́a Es importante mencionar que la muestra utilizada va del 24 de enero de 2005 al 13 de marzo de 2007 debido a que se considera que en los últimos dos años es cuando éste mercado ha madurado y se ha profundizado en su operación3 . Una inspección simple a la volatilidad histórica de los cambios de las tasas swap (tasas spot) de TIIE a distintos plazos4 , mostrada en la figura 1, nos dice que las volatilidades promedio no son iguales (se observa un patrón creciente en el plazo), esto significa que la consideración de movimientos paralelos sobre la curva, comúnmente asumidos en administración de riesgos, no es razonable. Pero si bien las volatilidades de los cambios en las tasas spot no son las mismas a lo largo de la estructura de plazos, las tasas aún podrı́an estar correlacionadas. Las figuras 2 y 3 muestran la relación entre los cambios de la tasa swap del swap de TIIE-28 dı́as a 1 año y los cambios de la tasa swap del swap de TIIE-28 dı́as a 10 años5 . En la figura 2 se observa que un cambio de 100 puntos base en la tasa swap a 1 año “impacta en promedio” en un cambio de 126 puntos base en la tasa swap a 10 años con una relación relativamente fuerte (R cuadrada = 0.6403). La figura 2 muestra por el contrario que un cambio de 100 puntos base en la tasa swap de 10 años “impacta en promedio” en un cambio de 51 puntos base en la tasa swap de 1 año6 . 3 Utilizar historia más antigua podrı́a sesgar el análisis realizado debido a la relativa iliquidez o poca profundidad del mercado de los swaps de TIIE en el pasado. 4 En todos los casos los cambios utilizados son cambios cada cuatro semanas para reflejar el hecho de que al tener la TIIE plazo de 4 semanas, la unidad mı́nima de plazo sobre los swaps de TIIE es 4 semanas. Es importante mencionar que la estructura de plazos suele presentarse con información a todos los plazos (cada dı́a y teóricamente en un continuo) porque se ha asumido algún modelo de interpolación o ajuste para derivarla a cada plazo (modelo de bootstrapping y/o modelo de ajuste global). 5 1 y 10 años se refieren realmente a que el swap esta compuesto de 13 y 130 periodos de 28 dı́as, respectivamente (estos swaps son conocidos como los swaps “13X1” y “130X1” por este hecho), lo cual equivale a 364 y 3640 dı́as naturales. 6 Favor de notar que 1/1.2559=0.7962=0.5098 ; es decir, no se cumple la “reciprocidad” entre las pendientes entre las rectas ajustadas debido a que la correlación no es perfecta. Nótese sin embargo que el producto de las pendientes es igual al producto de los coeficientes de correlación como lo indica la teorı́a de regresión:(1.2559)(0.5098)=(0.8002)(0.8002)=0.6403. Análisis empı́rico 47 Figure 1 Volatilidad histórica de los cambios en las tasas swap de TIIE-28 dı́as. FUENTE: Elaboración propia del autor con base en los datos de PiP de cotizaciones de Swaps de TIIE para el periodo del 24 de enero de 2005 al 13 de marzo de 2007. Figure 2 Cambios en la tasa swap de 10 años explicados por los cambios en la tasa swap de 1 año. FUENTE: Elaboración propia del autor con base en los datos de PiP de cotizaciones de Swaps de TIIE para el periodo del 24 de enero de 2005 al 13 de marzo de 2007. 48 Revista de Administración, Finanzas y Economı́a Figure 3 Cambios en la tasa swap de 1 año explicados por los cambios en la tasa swap de 10 años. FUENTE: Elaboración propia del autor con base en los datos de PiP de cotizaciones de Swaps de TIIE para el periodo del 24 de enero de 2005 al 13 de marzo de 2007. Con la intención de mostrar que tanto “impacta” un cambio en la tasa swap de 1 año (que se considerará como de corto plazo) a las tasas swap de otros plazos, la figura 4 muestra el factor que relaciona los cambios en las tasas swap (estimado por regresión lineal) si la tasa swap de 1 año fueran el único factor que explicara los cambios en las demás. Por otro lado, la figura 5 muestra lo mismo que la figura 4 pero ahora tomando como factor explicativo a los cambios de la tasa swap de 10 años (que se considerará como de largo plazo)7 . Como la respuesta de las tasas swap mostradas en las figuras 4 y 5 es una “respuesta estadı́stica promedio” estimada por regresión, se ha dibujado (lı́neas punteadas) la variación posible en la estimación con un intervalo de ±2 errores estándar. Los resultados empı́ricos presentados son sólo indicativos y muestran claramente que existe correlación entre los cambios de las tasas de interés spot de los swaps de TIIE-28 dı́as que se operan en el mercado mexicano de derivados OTC de tasa de interés, pero definitivamente tal correlación no es perfecta; más aún, tal correlación se debilita conforme se aumenta la “distancia” entre las tasas swap comparadas. Esto indica que la utilización de modelos de tasa corta unifactoriales no son buenos para estimar y representar la estructura completa de las tasas de interés de los swaps de TIIE-28 dı́as. 7 Es importante mencionar que existen tasas swap de TIIE-28 dı́as para plazos menores a 1 año y plazos mayores a 10 años; no obstante se consideran las tasas swap de 1 a 5 años, 7 años y 10 años para simplicidad del análisis y tener plazos en múltiplos de años. Análisis empı́rico 49 Figure 4 Cambios en las tasas swap explicados por los cambios en la tasa swap de 1 año. FUENTE: Elaboración propia del autor con base en los datos de PiP de cotizaciones de Swaps de TIIE para el periodo del 24 de enero de 2005 al 13 de marzo de 2007. Figure 5 Cambios en las tasas swap explicados por los cambios en la tasa swap de 10 años. FUENTE: Elaboración propia del autor con base en los datos de PiP de cotizaciones de Swaps de TIIE para el periodo del 24 de enero de 2005 al 13 de marzo de 2007. 50 Revista de Administración, Finanzas y Economı́a 2.2 La relación entre tasas de interés de plazos adyacentes Sugestivamente, al observar la relación entre los cambios de las tasas swap en las figuras 4 y 5, parece que la correlación entre dichos cambios aumenta entre más cerca estén de la variable explicada. No obstante esto solo puede verse cuando la variable explicativa son los cambios de las tasas swaps de 1 y 10 años. Con la finalidad de analizar la estructura completa de correlaciones de manera explı́cita, en el cuadro 1 se muestran la matriz de coeficientes de correlación entre los cambios de las tasas swap a distintos plazos de cotización. En dicha tabla se ha utilizado la “etiqueta” que se asigna en el mercado para referenciar a los swaps de TIIE en cada plazo de cotización (ver nota al pie número 5). Se puede ver claramente que entre más cerca o adyacentes estén las tasas swaps en relación a su plazo de cotización, la correlación de sus cambios es más alta; observándose un patrón de reducción gradual entre más se alejan. Cuadro 1 Correlación entre los cambios de las tasas de interés spot o tasas swap de los swaps de TIIE-28 dı́as. FUENTE: Elaboración propia del autor con base en los datos de PiP de cotizaciones de Swaps de TIIE para el periodo del 24 de enero de 2005 al 13 de marzo de 2007. Las correlaciones anteriores muestran que las cotizaciones de los swaps de TIIE se comportan de acuerdo a lo establecido por la Teorı́a del Nicho Preferido de Modigliani y Sutch (Op. cit.) donde mercados adyacentes son sustitutos (imperfectos) entre sı́. 2.3 La relación entre tasas de interés spot de plazos adyacentes es real o un hecho matemático? Algo muy importante a mencionar respecto a la relación encontrada en la sección anterior entre las tasas de interés spot es el hecho de que se ha supuesto que las tasas de interés spot en si mismas son las piezas de información que explican los cambios en la forma de la curva de las tasas de interés. No obstante, si se piensa en las tasas de interés forward implı́citas, derivada de las tasas swaps, las tasas swap pueden también expresarse en función de tales tasas forward; además, estas últimas se van “anidando” hasta el plazo final de manera que cada tasa swap de plazo más largo contiene a todas las tasas de interés forward que definen las tasas swap de plazos menores (ver ecuación (9) del Anexo 1). Matemáticamente, la tasa swap de un plazo Tk − t, vista en función de la serie de tasas de interés forward F (t, Ti−1 , Ti ), i = 1, 2, . . . , k, contiene las tasas Análisis empı́rico 51 de interés forward de las tasas swap de cualquier plazo menor Ti − t(0 < i < k). Este hecho matemático, hace que las correlaciones presentadas en el cuadro 1 puedan ser una simple consecuencia de correlación de la misma “información”, siendo no relevante lo analizado en la sección anterior. La única forma de saber si la relación entre tasas de interés spot de plazos adyacentes es real o un simple hecho matemático es tomar ahora los cambios de las tasas de interés forward implı́citas como las piezas de información que explican los cambios en la forma de la curva de las tasas de interés. Conceptualmente hacer esto no representa ningún problema si se tienen las tasas de interés forward, pero en la realidad hay que derivarlas a partir de las tasas swap por medio de bootstrapping8 , de manera que cada tasa de interés forward en cada plazo de cotización sea consistente con obtenerse simplemente con la información que adiciona cada tasa swap y condiciones de no arbitraje, evitando asumir alguna forma funcional a priori entre las tasas de interés forward implı́citas entre plazos de cotización que no tenga que ver con las condiciones de equilibrio9. El Anexo 1 presenta el modelo que se ha utilizado para obtener las tasas de interés forward implı́citas. 3. Relación de las tasas de interés forward implı́citas a distintos plazos de cotización Analizar las tasas de interés forward es algo que se ha aceptado comúnmente después de que Heat, Jarrow y Morton (1992) desarrollaron su marco conceptual (modelo HJM) de modelos dinámicos de tasas de interés no arbitrables. Las figuras 6 y 7 muestran la relación entre las tasas de interés forward implı́citas en la estructura de plazos de los swaps de TIIE-28 dı́as, tomando primero la tasa de interés forward de 1 a 2 años como variable explicativa (figura 7) y después la tasa de interés forward de 7 a 10 años como variable explicativa (figura 8)10 . Se observa que un cambio de 100 puntos base en la tasa de interés forward implı́cita de 1 a 2 años “impacta en promedio” en un cambio de 100 a 125 puntos base en las demás tasas forward; por otro lado, un cambio de 100 puntos base en la tasa de interés forward implı́cita de 7 a 10 años “impacta en promedio” en un cambio de 58 a 100 puntos base en las demás tasas forward. El cuadro 2 presenta la correlación de los cambios de las tasas de interés forward implı́citas en la estructura de plazos de las tasas cupón cero, obtenidas por métodos numéricos (bootstrapping) para cada dı́a en el periodo del 24 de enero de 2005 al 13 de marzo de 200711. 8 Es importante aclarar que los modelos de bootstrapping son modelos de ajuste puntual y por lo tanto son utilizados para derivar la estructura de plazos a partir de cotizaciones de mercado y no son modelos dinámicos estocásticos de pronóstico. No obstante, contar con la estructura de plazos es básico para calibrar modelos dinámicos estocásticos. 9 Las relaciones de equilibrio y no arbitraje deben cumplirse siempre. 10 Notar que se ha cuidado de utilizar la misma escala que en las figuras 4, 5, 7 y 8 para poder comparar sin efectos de distorsión de escala. 11 Se derivó para cada dı́a la estructura de plazos cupón cero por bootstrapping considerando métodos numéricos de solución de punto fijo para las ecuaciones del Anexo 1, para de allı́ obtener las tasas de interés forward subyacentes. 52 Revista de Administración, Finanzas y Economı́a Figura 6 Cambios en las tasas de interés forward implı́citas explicados por los cambios en la tasa de interés forward implı́cita de 1 a 2 años. FUENTE: Elaboración propia del autor con base en los datos de PiP de cotizaciones de Swaps de TIIE para el periodo del 24 de enero de 2005 al 13 de marzo de 2007. Figura 7 Cambios en las tasas de interés forward implı́citas explicados por los cambios en la tasa de interés forward implı́cita de 7 a 10 años. FUENTE: Elaboración propia del autor con base en los datos de PiP de cotizaciones de Swaps de TIIE para el periodo del 24 de enero de 2005 al 13 de marzo de 2007. Análisis empı́rico 53 El cuadro 2 muestra que las tasas de interés forward implı́citas también están correlacionadas, sugiriendo que la modelación de su comportamiento y ajuste por medio de bootstrapping debe considerar alguna relación entre ellas12 . Cuadro 2 Correlación entre los cambios de las tasas de interés forward implı́citas de los swaps de TIIE-28 dı́as. FUENTE: Elaboración propia del autor con base en los datos de PiP de cotizaciones de Swaps de TIIE para el periodo del 24 de enero de 2005 al 13 de marzo de 2007. 4. Conclusiones Se ha mostrado empı́ricamente que no existe correlación perfecta a lo largo de la curva interbancaria en México; por lo tanto, la utilización de los modelos de tasa corta para derivar la estructura de tasas de interés del mercado de swaps de TIIE-28 dı́as es algo que debe considerarse antes de su implementación. Asimismo, se ha visto que la volatilidad histórica a lo largo de la curva es variable en cada plazo de cotización, por lo que no resulta factible asumir cambios paralelos en la curva de tasas cuando se realiza administración de riesgos. Bajo la consideración de que las tasas de interés forward son las piezas de información independientes que explican la estructura de plazos (supuesto fundamental del desarrollo teórico del modelo HJM (Ibid.), sobre el que se pueden contextualizar los modelos teóricos de tasa corta), se encontró evidencia estadı́stica (utilizando la historia del 24 de enero de 2005 al 13 de marzo de 2007) de que para el mercado de los swaps de TIIE-28 dı́as, tales tasas de interés forward obedecen a tener una relación entre sı́, siendo más fuerte esta relación entre más cerca están. Los resultados obtenidos sugieren incorporar relación entre las tasas de interés forward en los modelos de ajuste de tasas de interés empı́ricos (modelos de bootstrapping). El patrón de correlación encontrado entre los cambios de las tasas de interés spot y forwards, puede interpretarse dentro del contexto de la “Teorı́a del Nicho Preferido” de Modigliani y Sutch (1966) que supone que los mercados de cotización a plazo tienen su propio equilibrio por oferta y demanda, reflejando las preferencias de los agentes en cada cotización a plazo (o “nicho”). En tal teorı́a se espera, además, una sustitución (no perfecta) entre los distintos plazos de cotización. 12 En estricto sentido, deberá realizarse nuevamente un bootstrapping para obtener nuevos niveles de las tasas de interés forward implı́citas bajo cierta relación entre ellas asumida a priori. 54 Revista de Administración, Finanzas y Economı́a Anexo 1. Tasas de Interés Forward Implı́citas y Modelo Ajuste de la Estructura de Plazos de las Tasas de Interés a partir de las Tasas Swap de TIIE-28 Dı́as. Aquı́ se considera el modelo de ajuste empı́rico de la estructura de plazos de las tasas de interés a través tomar constantes (o con tendencia nula) las tasas de interés forward instantáneas implı́citas entre plazos de cotización definidos por las tasas swap de mercado. Se asume, sin perdida de generalidad, que existen N plazos de cotización dados por las cotizaciones de los swaps de TIIE-28 dı́as. Si fj (s − t) es la tasa de interés forward instantánea, con información conocida al tiempo t, para el plazo s − t, s ∈ [Tj−1 , Tj ] (j = 1, 2, . . . , N ), su “tendencia” puede asumirse nula dando la ecuación13 : ∂fj (s − t) = 0. ∂s (1) De esta manera, la ecuación (1) implica directamente, a través de la obtención de la integral indefinida, que: fj (s − t) = 0ds = 0 + f¯j , s ∈ [Tj−1 , Tj ], j = 1, 2, . . ., N. (2) La variable f¯j de la ecuación (2) tiene el propósito de expresar la constante de integración que resulta de la obtención de la integral indefinida. Se eligió f¯j para representar el hecho de que la consideración de que la tendencia de las tasas de interés forward instantáneas es nula, implica que dichas tasas son constantes en cada mercado de cotización a plazo definido por el intervalo s ∈ [Tj−1 , Tj ]. En este modelo, la tasa de interés forward discreta F (t, Tj−1, Tj ) para el intervalo [Tj−1 , Tj ] se obtiene como: F (t, Tj−1, Tj ) = 1 Tj − Tj−1 Tj Tj−1 fj (s − t)ds = 1 Tj − Tj−1 Tj Tj−1 f¯j ds = f¯j , (3) donde j = 1, 2, . . . , N . Por otro lado, bajo no arbitraje, a partir de precios conocidos de los bonos cupón cero Bj−1 (t, T ) y Bj (t, T )(dados por información de mercado o estimados a partir de información de mercado) se tiene que: 1 Bj , s ∈ [Tj−1 , Tj ] j = 1, 2, . . . , N ln F (t, Tj−1, Tj ) = − Tj − Tj−1 Bj−1 (4) De esta manera, combinando las ecuaciones (3) y (4), los precios de los bonos cupón cero son: − B(t, T ) = B(t, Tj−1 )e T Tj−1 f¯i ds , T ∈ [Tj−1 , Tj ] con j = 1, 2, . . . , N (T0 = t). (5) 13 Todos los plazos se asumen en años (financieros), de manera que 28 dı́as equivale a 28/360 años para un “Basis” (regla de contabilización de dı́as) de 360. El Basis de 360 es el que aplica para los swaps de TIIE-28 dı́as. Análisis empı́rico 55 O bien: ¯ B(t, T ) = B(t, Tj−1 )e−fj (T −Tj−1 ) , T ∈ [Tj−1 , Tj ], j = 1, 2, . . . , N (T0 = t). (5bis) Finalmente, en este modelo simple, se puede obtener una expresión explı́cita para B(t, T ) considerando que: B(t, T ) = Bj−1 e 1 Tj −Tj−1 ln Bj Bj−1 (T −Tj−1 ) ln = Bj−1 e = Bj−1 Bj Bj−1 Bj Bj−1 Tj −T T −Tj−1 j = Bj−1 j−1 TT −T −T j j−1 j−1 TT −T −T j j−1 T −Tj−1 T −Tj−1 Bj j Lo cual se puede expresar como: α 1−αj j B(t, T ) = Bj−1 Bj , T ∈ [Tj−1 , Tj ] j = 1, 2, . . . , N (T0 = t). (6) T −T j Con αj = Tj −T . j−1 La ecuación (6) define por si sola completamente el modelo de bootstrapping con tasas de interés forward instantáneas con tendencia nula, comúnmente conocido como “modelo de tasas de interés forward constantes”14 . Queda obvia la simplicidad de este modelo (definido en una sola ecuación) y quizás eso explique su uso tan común en la práctica. Por otro lado, la condición de valuación justa de un swap de tasa de interés (lo cual también se cumple en el caso particular de los swaps de TIIE-28 dı́as) nos dice que si QTn es la tasa swap (cotización) del swap al plazo Tn − t, se debe cumplir que: n B(t, Ti )QTn · (Ti − Ti−1 ) + B(t, Tn ) = 1. (7) i=1 Despejando de la ecuación (7) la tasa swap o de cotización, se obtiene: 1 − B(t, Tn ) . i=1 B(t, Ti ) · (Ti − Ti−1 ) QT n = n 14 (8) Otros nombres que se le dan a este modelo cuando se utiliza para interpolar precios de bonos cupón cero o factores de descuento (y consecuentemente las tasas de interés cupón cero de cualquier convención considerada) son: “método de interpolación money market”, “método de interpolación log-lineal”, “método de interpolación alambrada (interna)” y “método de interpolación exponencial (en los factores de descuento)”. 56 Revista de Administración, Finanzas y Economı́a O equivalentemente en términos de las tasas de interés forward: QT n n 1 − exp − i=1 f¯i (Ti − Ti−1 ) . = n i ¯j (Tj − Tj−1 ) · (Ti − Ti−1 ) exp − f i=1 j=1 (9) Un punto importante a notar es que la ecuación (9) muestra que las tasas swap están correlacionadas entre si debido a que dependen de las tasas de interés forward subyacentes de manera que estas últimas se van “anidando” hasta el plazo final; por lo tanto, matemáticamente QTn−1 y QTn están correlacionadas15 . Despejando de la ecuación (7) el precio del bono cupón cero al plazo de cotización del swap de TIIE-28 dı́as Tn , se obtiene: B(t, Tn ) = n−1 1 − QTn i=1 B(t, Ti ) · (Ti − T1−1 ) 1 + QTn · (Tn − Tn−1 ) (10) La ecuación (10) permite obtener el precio del bono cupón cero al plazo de cotización Tn del swap de TIIE-28 dı́as si se conoce la tasa swap o tasa de cotización QTn y los precios de los bonos cupón cero de todos los flujos del swap de TIIE con plazo menor a Tn . Los precios de los bonos cupón cero en plazos donde no existe cotización o tasa swap se obtienen implı́citamente a través de la ecuación (6). Esta ecuación es una ecuación muy importante a la hora de aplicar el modelo pues será la condición para obtener los precios de los bonos cupón cero a partir de las cotizaciones de los swaps de TIIE-28 dı́as: realización del bootstrapping16 . Bibliografı́a Brace, A., D. Gatarek and D. Musiela. (1997). The Market Model of Interest Rate Dynamics. Mathematical Finance, 7(April, 1997), pp. 127-156. Brigo, Damian and Fabio Mercurio. (2001). Interest Rate Models, Theory and Practice. Springer (Springer Finance). Burden, Richard y Douglas Faires J. (2002). Análisis Numérico. Séptima Edición, Internacional Thompson Editores, S. A. de C. V. (División de Thomson Learning, Inc.), México. Cox, John C., Jon E. Ingersoll, and Stephen A. Ross. (1985). A Theory of the Term Structure of Interest Rates. Econometrica, 53, pp. 385-407. Heath, D., R. Jarrow and A. Morton. (1992). Bond Pricing and the Term Structure of Interest Rates: A New Methodology. Econometrica, 60, pp. 77-105. 15 Este hecho matemático resulta si se asume que las tasas de interés forward son las piezas de información básicas que determinan el comportamiento de las tasas swap. 16 Será necesario utilizar un método numérico para encontrar los precios de los bonos cupón cero combinando las ecuaciones (6) y (10). En este artı́culo se utiliza un método propio a partir de una solución de punto fijo. Un enfoque práctico de aplicación de soluciones de punto fijo puede consultarse en Burden y Faires (2002). Análisis empı́rico 57 Modigliani, Franco y Richard Sutch. (1966). Innovations in Interest Rate Policy. American Economic Review, 56 (May 1966), pp. 178-197. Santomero, Anthony M. & David F. Babbel. (2001). Financial Markets, Instruments & Institutions. Second Edition (International Edition), Mc Graw-Hill, Capı́tulos 3-6. Vasicek, Oldrich. (1977). An Equilibrium Characterization of the Term Structure. Journal of Financial Economics, 5, pp. 177-188. PiP: Provedor Integral de Precios. Acceso a datos varios en su página web en: www.precios.com.mx. Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics), vol. 2, núm. 1 (2008), pp. 58-73. Gobierno corporativo, diversificación estratégica y desempeño empresarial en México∗ Antonio Ruiz-Porras∗∗ William Henry Steinwascher Sacio∗∗∗ Recibido 27 de julio 2007, Aceptado 14 de enero 2008 Resumen Estudiamos las relaciones entre gobierno corporativo, diversificación estratégica y desempeño financiero en México. El estudio usa datos de 99 empresas no financieras listadas en la BMV (Bolsa Mexicana de Valores) durante 2004. Los principales hallazgos son: Las empresas cuya propiedad se concentra en un accionista mayoritario se enfocan hacia el mercado domestico. Las empresas familiares tratan de diversificar sus actividades productivas y fuentes de ingreso. No existen tendencias, en cuanto a estrategias y desempeño, asociadas a la separación entre propiedad y control. Finalmente, cuando en los consejos de administración existen comités independientes se favorece la diversificación de espectro limitado en las empresas. Abstract We study the relationships among corporate governance, strategic diversification and financial performance in Mexico. The study uses data from 99 non-financial firms listed in the BMV (Mexican Stock Market) during 2004. The main findings are: Firms which property is concentrated in a principal shareholder focus on the domestic market. Family firms try to diversify their productive activities and sources of income. There are no trends, regarding strategies and performance, related to the separation between ownership and control. Finally, when independent committees exist in the boards of directors, mean-narrow-spectrum diversification is encouraged in the firms. Clasificación JEL: G34, L20, M21 Palabras clave: Gobierno corporativo, diversificación estratégica, desempeño empresarial, propiedad familiar, consejos de administración. 1. Introducción Tradicionalmente, el gobierno corporativo se define como el conjunto de relaciones mediante las cuales los grupos con intereses en la empresa (accionistas ∗ Los autores agradecen los valiosos comentarios de Nancy Garcı́a Vázquez (FLACSO, Sede México) y de Rocı́o Durán Vázquez (Tecnológico de Monterrey, Campus Ciudad de México). ∗∗ Departamento de Contabilidad y Finanzas. Tecnológico de Monterrey, Campus Ciudad de México. ∗∗∗ Programa Doctoral en Ciencias Administrativas. Tecnológico de Monterrey, Campus Ciudad de México. Gobierno corporativo 59 y administradores), establecen y controlan la dirección estratégica y los resultados de la misma [Eiteman, Stonehill y Moffet (2007)]. Bajo esta definición, los mecanismos de gobierno corporativo se entienden como los métodos mediante los cuales se establece orden en las empresas para asegurarse que se tomen decisiones y los intereses grupales estén representados. Ası́, las estrategias y el desempeño de las empresas están influenciados por los mecanismos de gobierno corporativo. En la administración de empresas, el estudio de las prácticas de gobierno corporativo tiene gran importancia para la gestión empresarial.1 Paradójicamente, en México existe poco conocimiento acerca de las mismas. En este artı́culo analizamos las relaciones entre el gobierno corporativo, la diversificación estratégica y el desempeño financiero de las empresas mexicanas. Especı́ficamente, investigamos cómo las estrategias de diversificación de las empresas y su desempeño, se vinculan a ciertas caracterı́sticas mesurables de los mecanismos de gobierno corporativo. Dicho análisis se basa en datos de 99 empresas no financieras listadas en la Bolsa Mexicana de Valores (BMV) durante 2004. La relevancia de este análisis está dada por razones académicas y de ı́ndole práctica. Académicamente está motivado por la escasa literatura con respecto a la relaciones entre los mecanismos de gobierno corporativo (estructura de propiedad y consejo de administración), con las estrategias de diversificación y el desempeño de las empresas en economı́as emergentes, como la mexicana.2 Esta situación dificulta que las decisiones para maximizar beneficios, minimizar impuestos y asignar recursos sean tomadas y ejercidas adecuadamente. Más aun, posibilita la existencia de conflictos de interés y de problemas financieros. Otros argumentos que justifican el análisis están asociados a la idea de que buenas prácticas de gobierno corporativo conducen a un buen desempeño financiero y, eventualmente, al macroeconómico [Claessens (2003)]. En economı́as emergentes es conocido que las precondiciones asociadas a la existencia de buenas prácticas de gobierno corporativo suelen no existir [Allen (2005)].3 Esta situación induce a la creación de mecanismos alternativos a fin de subsanar la falta de estas precondiciones (vinculados a los mecanismos de gobierno corporativo y a las estrategias empresariales). Sin embargo, sobre dichos mecanismos, sus interacciones y sus efectos sobre el desempeño financiero conocemos poco. En esta investigación exploramos las asociaciones entre los mecanismos de gobierno corporativo con las prácticas de diversificación estratégica y el desempeño financiero de las empresas mexicanas. Esto con el objeto de sugerir respuestas a las siguientes preguntas: ¿Cómo afecta la concentración de la propiedad a las estrategias de las empresas? ¿Cómo afecta dicha concentración a su desempeño financiero? ¿Cuáles son los efectos de la separación de la propiedad y el control en las empresas? y ¿Cómo afecta la estructura de 1 2 Véase a Schleifer y Vishny (1997) para una revisión de la literatura. Anderson, Bates, Bizjak y Lemmon (2000) revisan algunos estudios en torno a la vinculación entre gobierno corporativo y las estrategias de diversificación de las firmas en paı́ses desarrollados. Nandelstadh y Rosenberg (2003) revisan la literatura de la vinculación entre gobierno corporativo y desempeño financiero y analizan el caso de las empresas finlandesas. 3 Estas precondiciones incluyen la existencia de mercados perfectos y completos; ası́ como de marcos legales e institucionales sólidos. 60 Revista de Administración, Finanzas y Economı́a los consejos de administración a las mismas? Metodológicamente, el análisis se basa en técnicas de estadı́stica descriptiva y de contraste de hipótesis. El análisis descriptivo sugiere que existen caracterı́sticas comunes en las empresas mexicanas analizadas: 1) La propiedad y el control suelen concentrarse en el accionista mayoritario, quien participa directamente en el manejo corporativo. 2) Las estructuras de los consejos de administración suelen cumplir con la regulación, al incluir comités de auditoria, pero no se caracterizan por incluir comités independientes para realizar funciones de evaluación, compensación, planeación y finanzas. 3) Las empresas suelen concentrar sus ingresos en su lı́nea principal de producto y en el mercado interno; y 4) Sus actividades suelen desarrollarse dentro de una misma rama productiva. Las principales relaciones empı́ricas halladas entre el gobierno corporativo, la diversificación y el desempeño financiero en las empresas mexicanas son las siguientes: 1) Las empresas cuya propiedad se concentra en un accionista mayoritario tienden a orientarse hacia el mercado interno. 2) La empresa familiar tiende a diversificar, en términos relativos, sus actividades productivas y sus fuentes de ingresos. 3) No existen tendencias, en lo que se refiere a las estrategias y desempeño, asociadas a la separación entre la propiedad y el control de las empresas; y 4) En las empresas donde existen comités independientes, se tiende a favorecer la diversificación de espectro limitado. El trabajo está dividido en seis secciones. La sección 2 muestra algunos estudios sobre los mecanismos de gobierno corporativo, las estrategias de diversificación y el desempeño empresarial en México. La sección 3 muestra los indicadores de análisis y la metodologı́a de investigación. La sección 4 describe las formas de propiedad y los consejos de administración de las empresas de la muestra; ası́ como sus caracterı́sticas en cuanto a la concentración de propiedad e ingresos, sus estrategias de diversificación y de desempeño financiero. La sección 5 se centra en el análisis de contraste de medias estadı́sticas. Finalmente, la última sección incluye conclusiones y comentarios. 2. Los mecanismos de gobierno corporativo, las estrategias de diversificación y el desempeño de las empresas mexicanas En esta sección revisamos algunos trabajos que han estudiado la estructura de la propiedad, los consejos de administración, la diversificación estratégica y el desempeño en el contexto mexicano. Consideramos relevante incluir esta revisión porque los estudios sobre las prácticas mexicanas de gobierno corporativo son escasos. Esto ocurre, entre otras razones, porque las dimensiones que abarca el gobierno corporativo son múltiples. Éstas incluyen el manejo de conflictos y la armonización de intereses, las formas en las que se componen y controlan los consejos de administración y el análisis de variables históricas, institucionales y culturales. En México, la mayorı́a de los estudios se centran en el régimen de propiedad y el control de las empresas. De acuerdo a estos estudios, el tipo de propietario más común lo constituye la familia, quien retiene una alta concentración de la propiedad y el control de las empresas mexicanas [Castañeda (1999) y Husted y Serrano (2002)]. Además, el tipo de estructura de control que las caracteriza es piramidal [La Porta, López-de-Silanes y Shleifer (1999)].4 Estos hallazgos nos 4 Las estructuras de tipo piramidal permiten a los propietarios tener un mayor control de Gobierno corporativo 61 permiten ver la importancia de la estructura corporativa familiar. En México, las familias juegan un rol esencial en la definición de las prácticas de gobierno corporativo. La importancia de la familia se corrobora en estudios sobre el control y la administración de las empresas mexicanas. Husted y Serrano (2002) muestran que los fundadores de empresas y los presidentes de los directorios, normalmente tienen y retienen las posiciones ejecutivas de mayor nivel de las empresas mexicanas; los sucesores generalmente tienden a ocupar las posiciones de Dirección General. Lo anterior es consistente con las prácticas de reservar las posiciones gerenciales de mayor nivel a los miembros de la familia y de formar internamente el talento gerencial. Prácticas, ambas, que han sido reportadas por Hoshino (2004). Analı́ticamente, la predominancia de la estructura corporativa familiar ha sido explicada en términos de la teorı́a del conflicto, asumiendo un marco ineficiente para proteger los derechos de propiedad [Castillo-Ponce (2007)]. En este contexto, la elección de mantener la empresa en manos de la familia es una decisión racional. La razón es porque dicha elección representa, para el dueño de la empresa, la estrategia que le reporta el mayor valor accionario de la misma. Este resultado es consistente con los hallazgos de Schleifer y Vishny (1997), quienes encuentran una relación inversa entre la protección de los derechos de los accionistas y la concentración de la propiedad corporativa. Los estudios sobre las estrategias de diversificación de las actividades de las empresas mexicanas son escasos. Entre estos, Castañeda (1999) reporta que en México dichas estrategias se caracterizan por ser poco diversificadas y muy integradas. La explicación de este fenómeno ha sido dada en términos de los beneficios que conlleva la especialización. En este contexto, las estrategias de diversificación buscan apoyar el crecimiento y la rentabilidad de las lı́neas del negocio principal de las empresas. Ası́ la escasa diversificación e integración existentes reflejarı́an una cierta aversión al riesgo en la administración de las empresas. Los estudios sobre gobierno corporativo y desempeño empresarial también se encuentran en una etapa incipiente de desarrollo. Un estudio particularmente relevante es el de Castrillo-Lara y San Martin-Reyna (2007). Los resultados de este estudio sugieren que hay una menor discrecionalidad directiva (y por tanto una mayor generación de valor) cuando existe una supervisión efectiva por parte de los mecanismos de gobierno de las empresas. Concretamente, en el estudio se encuentra que dicha supervisión es mayor cuando las empresas son familiares y cuando existen consejeros independientes en los consejos de administración. Los anteriores estudios sugieren que el análisis las relaciones entre la diversificación estratégica y el desempeño financiero, no puede deslindarse de los mecanismos de gobierno que existen en las empresas. El estudio de los mecanismos de gobierno ha sido un tema relativamente descuidado en los estudios enfocados a México. Esto es debido, entre otras razones, a la particular importancia de la familia en el entorno mexicano. Ciertamente la familia es un medio importante para reducir conflictos y evitar problemas de agencia; pero esta no puede ser, necesariamente, el medio óptimo. Su lógica, racionalidad y formas de operación no sólo atienden a criterios empresariales. las empresas de manera indirecta. 62 Revista de Administración, Finanzas y Economı́a El estudio conjunto de las relaciones entre gobierno corporativo, diversificación estratégica y desempeño financiero es necesario para ofrecer una visión integradora a los trabajos reseñados. Esta consideración es la que justifica esta investigación y la que nos permite enmarcarla en el contexto de la literatura. Particularmente, nosotros enfatizamos las asociaciones e interacciones que caracterizan a las relaciones analizadas abstrayéndonos del rol de la familia en las mismas. Además, nos enfocamos en las actividades de diversificación y la rentabilidad de las empresas. Esto a fin de profundizar en temas poco abordados en otros estudios empı́ricos.5 3. Indicadores de análisis y metodologı́a de investigación En esta sección describimos los indicadores y la metodologı́a usados en esta investigación. Esta descripción nos permite establecer los objetivos, alcances y lı́mites del trabajo. Particularmente, aquı́ hacemos explicito cómo abordamos los problemas de definición y medida de los indicadores de gobierno corporativo, diversificación estratégica y desempeño financiero; y presentamos las técnicas estadı́sticas usadas para estudiar sus relaciones empı́ricas. La importancia de ambos, indicadores y metodologı́a, estriba en que estos nos permiten estudiar analı́ticamente los determinantes y consecuencias de las decisiones corporativas en México. Los indicadores capturan las caracterı́sticas de los mecanismos de gobierno corporativo, el espectro de las actividades de diversificación y la rentabilidad de las empresas. Los datos usados, para construir los indicadores, se obtuvieron de los reportes anuales y actas ordinarias anuales de cada una de las empresas que se incluyen en la muestra. Dicha muestra incluye datos de 99 empresas no financieras que cotizaron sus acciones en la Bolsa Mexicana de Valores en el año 2004. Dada la diversidad y naturaleza de las empresas incluidas en la muestra, puede decirse que la misma es representativa del sector empresarial mexicano. Solamente el sector financiero no está incluido en la misma.6 Los efectos de los mecanismos de gobierno corporativo son capturados mediante indicadores de la estructura de la propiedad y de los consejos de administración. Los indicadores usados para cuantificar la estructura de la propiedad son el porcentaje de la propiedad del accionista mayoritario sobre la propiedad total y el porcentaje de acciones con derecho a voto que tiene el accionista mayoritario. Estos indicadores de concentración de la propiedad son complementados con otros referidos al control accionario de la empresa. Entre estos se incluyen indicadores cualitativos referidos a la existencia de acciones sin derecho a voto7 y a la autorización de la propiedad familiar. La evaluación de los consejos de administración es más complicada. Aquı́ analizamos la independencia y estructura de los consejos de administración mediante indicadores cualitativos. Estos incluyen indicadores relativos a la figura 5 Véase a Huerta y Navas (2007), para una revisión de la literatura entre la diversificación y el desempeño empresarial. 6 En el sector financiero existen ciertas peculiaridades contables que impiden la construcción de indicadores adecuados de gobierno corporativo [Véase Castrillo-Lara y SanMartin Reyna (2007)]. Esta consideración es la que nos hace omitir de la muestra a las empresas pertenecientes a este sector. 7 Adviértase que estas acciones permiten dispersar la propiedad sin dispersar el control. Gobierno corporativo 63 de un Presidente relacionado; a la autorización de duplicidad de funciones entre el Presidente y el Director General; y a la existencia de Comités de Evaluación y Compensación, y de Planeación y Finanzas. En México es obligatorio que existan Comités de Auditoria, los otros son optativos. Es con base en esta consideración que el papel de los Comités de Auditoria es minimizado para efectos de evaluación. La diversificación estratégica de las empresas la estudiamos mediante indicadores porcentuales y numéricos. Los porcentuales incluyen indicadores de la concentración de ingresos que tienen los principales productos de la empresa y del porcentaje de ventas que realizan fuera de México. Los indicadores numéricos incluyen medidas del grado y dirección de la diversificación de las actividades de las empresas. Especı́ficamente son indicadores numéricos de diversificación de espectro amplio y limitado [véase Varadarajan (1986)].8 Dichos indicadores son construidos con base en el Sistema de Clasificación Industrial de América del Norte, (SCIAN). El desempeño financiero de una empresa depende en buena medida de sus polı́ticas y sus decisiones. Aquı́ usamos razones de rentabilidad como indicadores de dicho desempeño. Especı́ficamente, usamos la ROA, la ROE y el margen neto. La ROA es la razón del ingreso neto a los activos totales; esto es, un indicador del rendimiento de los activos totales después de intereses e impuestos. La ROE es la razón de ingreso a neto al capital contable; esto es, un indicador del rendimiento sobre la inversión de los accionistas. Finalmente el margen neto es la razón del ingreso neto a las ventas netas, esto es, un indicador de la facilidad de convertir ventas en utilidad. Estadı́sticamente, la investigación se divide en una parte descriptiva y una parte de contraste de hipótesis. La primera identifica las caracterı́sticas de la distribución de frecuencia individual de cada indicador analizado en este estudio. La segunda compara los indicadores de diversificación estratégica y desempeño financiero cuando la muestra se subdivide en grupos de indicadores. El procedimiento estadı́stico Prueba T para muestras independientes es el que usamos para comparar las medias de los grupos. Esta técnica divide la muestra en dos grupos, de acuerdo a algún criterio de diferenciación, y contrasta la hipótesis de igualdad de sus medias.9 Los criterios de diferenciación de la muestra en grupos están dados en términos de los indicadores de gobierno corporativo de las empresas. Estos criterios nos permiten analizar los efectos de cada uno de mecanismos de gobierno 8 La diversificación de espectro amplio (diversificación no relacionada), se refiere al número de ramas donde la empresa realiza actividades. La diversificación de espectro limitado (diversificación relacionada), se refiere al número promedio de actividades que la empresa realiza en cada rama. Metodológicamente estos indicadores numéricos de diversificación de actividades se construyen con base en Varadarajan (1986). 9 Ciertamente debe reconocerse que la técnica de análisis propuesta tiene limitaciones. Estas están asociadas al procedimiento de Prueba T. Idealmente los sujetos a contrastar (las empresas), debieran asignarse aleatoriamente en grupos distintos [véase Pérez-López (2001)]. En nuestro caso, dichos grupos están asignados con base en caracterı́sticas comunes. Esto puede hacer que la significancia estadı́stica de las diferencias entre medias de indicadores sea sobre o subestimada. Este fenómeno se explica en términos de efectos asociados a otros factores. 64 Revista de Administración, Finanzas y Economı́a corporativo mediante los contrastes de hipótesis. Si hay efectos asociadas a dichos mecanismos, entonces habrá diferencias estadı́sticamente significativas entre las medias de los grupos. La significancia estadı́stica de dichas diferencias se estima con base en niveles de significancia de 1, 5 y 10 por ciento. El supuesto detrás de dichos contrastes es que las varianzas de los grupos de indicadores son iguales. 10 Los mecanismos de gobierno nos ayudan a definir la organización del análisis de contraste de hipótesis. Esta organización se enfoca en cuatro áreas. La primera se orienta hacia los efectos que tiene la estructura de la propiedad sobre la diversificación y desempeño de las empresas. La segunda observa los efectos que tienen los mecanismos de control accionario. La tercera registra los efectos de la separación de la propiedad y el control en la empresa. La cuarta área se enfoca en los efectos que tienen la independencia y la estructura de los consejos de administración. Analı́ticamente, la importancia de esta organización radica en que nos permite obtener una visión conjunta de las relaciones entre el gobierno corporativo, la diversificación estratégica y el desempeño financiero. 4. Análisis descriptivo En esta sección describimos el comportamiento de los indicadores usados en este estudio. Especı́ficamente, aquı́ mostramos las caracterı́sticas de la distribución de frecuencia individual asociada a cada indicador. Esta descripción se hace en términos de la naturaleza porcentual, numérica o cualitativa de los indicadores. En lo que se refiere a los indicadores porcentuales y numéricos, el análisis estadı́stico incluye las medidas de tendencia central y de dispersión de los indicadores. En lo que se refiere a los indicadores cualitativos, dicha descripción incluye la frecuencia de ocurrencia de los valores categóricos de los indicadores estudiados. Los indicadores porcentuales y numéricos incluyen medidas de concentración de propiedad, de concentración de ingresos, de diversificación de actividades y de desempeño financiero. Los estadı́sticos descriptivos de dichos indicadores se encuentran en la siguiente tabla: 10 En esta investigación usamos la prueba de Levene para validar este supuesto. Estadı́sticamente, cuando la evidencia rechaza la hipótesis nula de igualdad de varianzas, se reportan los resultados asumiendo varianzas desiguales. Este supuesto, como se verá más adelante, se rechaza en pocas ocasiones. Gobierno corporativo 65 Tabla 1 Estadı́stica descriptiva para los datos discretos La Tabla 1 muestra que las empresas mexicanas en el periodo estudiado se caracterizaron por tener una alta concentración de la propiedad, por estar poco diversificadas y por tener un pobre desempeño financiero. Particularmente, los indicadores de propiedad y control de las empresas sugieren que los conflictos de intereses son escasos. Los indicadores también nos sugieren que estás tienden a concentrar sus actividades en un producto principal y que su producción no suele estar orientada hacia los mercados internacionales. Además, los valores de las desviaciones estándar nos sugieren que hay diferencias notorias en la rentabilidad de las empresas. Los indicadores cualitativos incluyen los indicadores de control accionario, de la independencia y la estructura de los consejos de administración de las empresas. Los estadı́sticos descriptivos de dichos indicadores se encuentran en la siguiente tabla: 66 Revista de Administración, Finanzas y Economı́a Tabla 2 Estadı́stica descriptiva para los datos dicotómicos La Tabla 2 sugiere que hay tendencias claras en torno a la estructura de la propiedad y el control de las empresas mexicanas. En dos terceras partes de las mismas, la propiedad familiar es permitida y en algunas de estas, existen acciones sin derecho a voto. Además, en la gran mayorı́a de los consejos de administración de estas empresas existe un Presidente relacionado y duplicidad de funciones entre el Presidente y el Director General. Otra tendencia es que hay relativamente pocos comités independientes en los consejos de administración. Sólo el Comité de Auditorı́a, obligatorio por ley, constituye la excepción a la regla. El análisis descriptivo de los indicadores sugiere algunas hipótesis en torno a los mecanismos de gobierno corporativo. Especı́ficamente, los indicadores de estructura de la propiedad y de control sugieren que hay una correlación muy importante entre la propiedad del accionista mayoritario y la de las familias. Los indicadores relativos a los consejos de administración sugieren que los mismos poseen escasa independencia para tomar decisiones que afecten el desempeño de las empresas. Además, los indicadores sugieren que hay poca participación de los propietarios minoritarios en la composición y estructura del gobierno corporativo. Los indicadores de diversificación estratégica muestran que, en promedio, hay escasa diversificación en las actividades de las empresas mexicanas. Especı́ficamente los indicadores de diversificación de espectro amplio muestran que al menos la mitad de las empresas concentran sus esfuerzos en una sola rama productiva (mediana unitaria). Los indicadores de espectro limitado (mediana 2.5) muestran que las empresas desarrollan lı́neas de negocio alrededor de esta misma rama. Estos hechos son consistentes con las estimaciones de concentración de ingresos de las empresas. De acuerdo a estos, en promedio, el 77% de estos ingresos devienen de un producto principal. Los indicadores de desempeño financiero muestran que las empresas mexicanas registran escasa rentabilidad y alta desigualdad financiera (medidas en términos de medias y desviaciones estándar). Esta situación no es sorprendente en virtud de que las empresas tienen caracterı́sticas muy diferentes. Esta consideración nos hace evaluar el desempeño promedio de las mismas en términos Gobierno corporativo 67 de los valores de las medianas. Ası́la ROA, la ROE y el margen neto registran, respectivamente, valores de 5.4, 11.3 y 4.7 por ciento. Estos valores sugieren que el desempeño financiero de las empresas es relativamente mejor que el sugerido por los indicadores promediados. Finalizamos señalando algunas caracterı́sticas comunes en las empresas mexicanas: 1) La propiedad y el control suelen concentrarse en el accionista mayoritario, quien participa directamente en el manejo corporativo. 2) Las estructuras de los consejos de administración suelen cumplir con la regulación, al incluir comités de Auditoria, pero no se caracterizan por incluir comités independientes para realizar funciones de evaluación, compensación, planeación y finanzas. 3) Las empresas suelen concentrar sus ingresos en su lı́nea principal de producto y en el mercado interno; y 4) Las actividades de las empresas suelen desarrollarse dentro de una misma rama productiva. 5. Análisis de contraste de hipótesis En esta sección realizamos los contrastes de hipótesis para analizar las relaciones entre gobierno corporativo, diversificación estratégica y desempeño financiero. Tal como se indicó anteriormente, el análisis se enfoca en cuatro áreas: 1) Los efectos que tiene la estructura de la propiedad sobre la diversificación y desempeño de las empresas. 2) Los efectos que tienen los mecanismos de control accionario sobre las empresas. 3) Los efectos de la separación de la propiedad y el control en la empresa. 4) Los efectos que tienen la independencia y la estructura de los consejos de administración. El análisis de los efectos de la estructura de la propiedad se centra en los indicadores de propiedad y control del accionista mayoritario. Estos indicadores nos sirven para dividir los grupos de empresas de la muestra y hacer los contrastes de hipótesis. En la Tabla 3 se incluyen los resultados de dichos contrastes. 68 Revista de Administración, Finanzas y Economı́a Tabla 3 La concentración de la propiedad y el control en el gobierno corporativo,las estrategias y el desempeño de las empresas La Tabla 3 muestra que la estructura de la propiedad tiene efectos en las estrategias y rentabilidad empresariales. Especı́ficamente, los datos sugieren que las empresas cuya propiedad se concentra en un accionista mayoritario están orientadas hacia el mercado interno. Otros resultados indican que la relevancia del accionista principal, medida en términos de propiedad y control, tiende a reducir la diversificación y a aumentar la rentabilidad de las empresas. Estos resultados son consistentes para todos los indicadores, más no estadı́sticamente significativos. Ası́la evidencia sugiere que la concentración de la propiedad y el control reducen la diversificación y mejoran el desempeño financiero. El análisis de los efectos de los mecanismos de control accionario se centra en los contrastes de hipótesis relacionados a la existencia de acciones sin derecho a voto y a la autorización de la propiedad familiar. En la Tabla 4 se incluyen los resultados estadı́sticos asociados a dichos contrastes. Gobierno corporativo 69 Tabla 4 Las acciones con derechos limitados y la empresa familiar en el gobierno corporativo, las estrategias y el desempeño de las empresas La Tabla 4 sugiere que los mecanismos de control accionario tienen impacto en las estrategias empresariales. Ası́ encontramos evidencia, significativa, de que en las empresas, donde se permite la propiedad familiar, se tiende a incursionar en un mayor número de actividades productivas y sus ingresos tienden concentrarse menos en un solo producto. Otros resultados, no significativos, sugieren que el mercado interno y la diversificación limitada tienen mayor importancia cuando las empresas son familiares y cuando existen acciones sin derecho a voto. Paradójicamente, la evidencia no muestra que haya relaciones entre los mecanismos de control y el desempeño de las empresas. El análisis de los efectos de la separación de la propiedad y el control en la empresa se centra en los contrastes de hipótesis relacionados a la figura de un Presidente relacionado y a la duplicidad de funciones entre el Presidente y Director General. En la Tabla 5 se incluyen los resultados asociados a dichos contrastes. 70 Revista de Administración, Finanzas y Economı́a Tabla 5 Participación del propietario en las estrategias y el desempeño de las empresas La Tabla 5 muestra que no hay tendencias, en lo que se refiere a las estrategias y desempeño, asociadas a la separación entre la propiedad y el control de las empresas. Los indicadores no muestran diferencias estadı́sticamente significativas ni consistentes. Aparentemente, las estrategias y el desempeño de las empresas no dependen de que el accionista mayoritario tenga participación ejecutiva ni de que haya duplicidad de funciones entre el Presidente y el Director General. Estos hallazgos son contra-intuitivos. Sin embargo pudieran explicarse en términos de la existencia de relaciones más complejas asociadas a la propiedad y el control corporativos. El análisis de los efectos de la independencia de los consejos de administración se centra en los contrastes de hipótesis relacionados a la existencia de los comités no exigidos por ley en la estructura de los mismos. Estos comités son los de Evaluación y Compensación y los de Planeación y Finanzas. En la Tabla 6 se incluyen los resultados asociados a dichos contrastes. Gobierno corporativo 71 Tabla 6 Estructura del Consejo de Administración en las estrategias y el desempeño de las empresas La Tabla 6 sugiere que la independencia de los consejos de administración tiene impacto sobre las estrategias empresariales. Encontramos evidencia significativa de que en las empresas, donde existen comités legalmente no exigibles y presuntamente independientes, tienden a incrementar las actividades en una misma rama productiva (diversificación de espectro limitado). Más aún, los resultados muestran que hay un mejor desempeño cuando existen estos comités. Sin embargo, estos resultados no son significativos, pese a ser consistentes. Otros resultados, no significativos, sugieren que la diversificación estratégica aumenta cuando hay comités de evaluación y compensación. Finalizamos sintetizando las principales relaciones empı́ricas halladas entre el gobierno corporativo, la diversificación y el desempeño financiero en las empresas mexicanas: 1) Las empresas cuya propiedad se concentra en un accionista mayoritario tienden a orientarse hacia el mercado interno. 2) La empresa familiar tiende a diversificar, en términos relativos, sus actividades productivas y sus fuentes de ingreso. 3) No existen tendencias, en lo que se refiere a las estrategias y desempeño, asociadas a la separación entre la propiedad y el control de las empresas; y 4) En las empresas donde existen comités independientes, se tiende a favorecer la diversificación de espectro limitado. 6. Conclusiones y comentarios En esta investigación hemos estudiado las relaciones entre gobierno corporativo, diversificación estratégica y desempeño financiero en las empresas mexicanas. En el estudio utilizamos datos de 99 empresas no financieras listadas en la Bolsa Mexicana de Valores (BMV) durante 2004. Estos datos nos sirvieron para construir indicadores porcentuales, numéricos y cualitativos para capturar 72 Revista de Administración, Finanzas y Economı́a los mecanismos de gobierno corporativo, el espectro de las actividades de diversificación y la rentabilidad de las empresas. En el análisis identificamos las caracterı́sticas de la distribución de frecuencia individual de los indicadores y en usamos pruebas T para contrastar medias. Los hallazgos concretos de nuestro estudio sugieren que hay caracterı́sticas comunes en las empresas mexicanas: 1) La propiedad y el control suelen concentrarse en el accionista mayoritario, quien participa directamente en el manejo corporativo. 2) Las estructuras de los consejos de administración suelen cumplir con la regulación, al incluir comités de Auditoria, pero no se caracterizan por incluir comités independientes para realizar funciones de evaluación, compensación, planeación y finanzas. 3) Las empresas suelen concentrar sus ingresos en su lı́nea principal de producto y en el mercado interno; y 4) Sus actividades suelen desarrollarse dentro de una misma rama productiva. Las principales relaciones empı́ricas halladas entre el gobierno corporativo, la diversificación y el desempeño financiero en México fueron las siguientes: 1) Las empresas cuya propiedad se concentra en un accionista mayoritario tienden a orientarse hacia el mercado interno. 2) La empresa familiar tiende a diversificar, en términos relativos, sus actividades productivas y sus fuentes de ingreso. 3) No existen tendencias, en lo que se refiere a las estrategias y desempeño, asociadas a la separación entre la propiedad y el control de las empresas; y 4) En las empresas donde existen comités independientes, se tiende a favorecer la diversificación de espectro limitado. Académicamente los resultados de esta investigación complementan los de otros estudios realizados para economı́as emergentes. Particularmente, a aquellos estudios que han enfatizado la importancia de la estructura de propiedad en estas economı́as [Filatotchev, Lien y Piesse (2005) y Chiou y Lin (2005)]. Asimismo, complementan algunos estudios teóricos sobre las prácticas de gobierno corporativo y sobre los efectos del gobierno corporativo sobre el desarrollo económico [Allen (2005) y Claessens (2003)] También completan a otros estudios que han analizado las relaciones entre la diversificación estratégica y el desempeño financiero [véase Huerta y Navas (2007)]. Finalmente, no sobra mencionar que creemos que esta investigación puede extenderse en varias direcciones. Una de ellas estarı́a asociada a la inclusión de variables sectoriales y demográficas. Otra, a la inclusión de datos en panel. En ambos casos, existen argumentos teóricos y empı́ricos que justificarı́an analizar dichas extensiones de manera independiente. Su importancia esta dada en términos de su posible contribución al entendimiento de las dinámicas intertemporal y sectorial en la administración de empresas; particularmente en lo que corresponde a las interacciones entre el gobierno corporativo, la diversificación estratégica y el desempeño financiero. Bibliografı́a Allen, F. (2005). “Corporate Governance in Emerging Economies”, Oxford Review on Economic Policy, 21(2), 164-177 Anderson, R. C., Bates T. W., Bizjak J. M. y Lemmon M.L. (2000). “Corporate Governance and Firm Diversification”, Financial Management, 29(1), 5-22. Castañeda, G. (1999). “Governance of Large Corporations in México and Productivity Implications” International Conference “Gobierno Corpora- Gobierno corporativo 73 tivo: Desafı́os para América Latina”. Pontificia Universidad Católica de Chile, Santiago de Chile. Castillo Ponce, R. A. (2007). “Entre familia y amigos: La elección de la estructura de la propiedad corporativa”, Estudios Económicos, 22(1), 318. Castrillo Lara, L. A. y San Martı́n Reyna J. M. (2007). “La propiedad familiar como un mecanismo disciplinador de dirección de las empresas mexicanas: Una evidencia empı́rica”, Contadurı́a y Administración, 222, 59-82. Chiou, J. y Lin, Y. (2005). “The Structure of Corporate Ownership: A Comparison of China and Taiwan’s Security Markets”, Journal of American Academy of Business, 6(2), 123-127. Claessens, S. (2003). Corporate Governance and Development, Washington: BERD. Eiteman, D. K., Stonehill A.I., y Moffet M.H. (2007). Multinational Business Finance, Onceava edición, Boston: Pearson Addison Wesley. Filatotchev, I., Lien, Y. y Piesse, J. (2005). “ Corporate Governance and Performance in Publicly Listed, Family-Controlled Firms: Evidence from Taiwan”, Asia Pacific Journal of Management, 22 (3), 257-283. Hoshino, T. (2004). “Family Business in Mexico: Responses to Human Resource Limitations and Management Succession”, The Institute of Developing Economies, Discussion Paper 12. Huerta, P. y Navas, J. E. (2007). “Análisis de la relación entre la diversificación y los resultados empresariales: Una revisión teórica”, Análisis Económico, 22(49), 133-148. Husted, B.W. y Serrano, C. (2002). “Corporate Governance in Mexico”, Journal of Business Ethics, 37 (3), 337-348. La Porta, R., Lopez-de-Silanes, F. y Shleifer, A. (1999). “Corporate Ownership Around the World”, Journal of Finance, 54(2), 471-517. Nandelstadh, A von y Rosenberg, M. (2003). “Corporate Governance Mechanisms and Firm Performance: Evidence from Finland”, Swedish School of Economics and Business Administration, Working Paper 497 Pérez-López, C. (2001). Técnicas Estadı́sticas con SPSS., Madrid: PrenticeHall. Schleifer, A y Vishny, R.W. (1997). “A Survey of Corporate Governance”, Journal of Finance, 52 (2), 737-783. Varadarajan, P. (1986). “Product Diversity and Firm Performance: An Empirical Investigation”, Journal of Marketing, 50 (3), 43-57. Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics), vol. 2, núm. 1 (2008), pp. 74-91. TIPs for the Analysis of Poverty in Mexico, 1992-2005 ∗ Carlos M. Urzúa† Alejandra Macı́as†† Héctor H. Sandoval††† Recibido 16 de enero 2008, Aceptado 23 de enero 2008 Abstract This paper proposes some changes to the official methodology that is currently in use to measure the state of poverty in Mexico. Among other suggestions, it is recommended the use of bootstrapping to estimate confidence intervals for the poverty statistics, as well as the use of dominance analysis when making intertemporal comparisons. In particular, since poverty lines change over time, the paper proposes the use of TIP curves for that end. Using the eight surveys that were made during the period 1992-2005, the paper presents a large number of absolute poverty statistics and TIP curves, as well as comparisons among them. Resumen Este trabajo propone varios cambios a la metodologı́a oficial que se utiliza actualmente para medir el estado de pobreza en México. Entre otras sugerencias, se recomienda el uso de métodos de remuestreo para estimar los intervalos de confianza de los estadı́sticos de pobreza, ası́ como el empleo del análisis de dominancia cuando se hacen comparaciones intertemporales. De manera particular, dado que las lı́neas de pobreza cambian a lo largo del tiempo, se propone para ese fin el uso de las curvas TIP. Usando las ocho encuestas que fueron levantadas durante el periodo 1992-2005, se presentan un gran número de ı́ndices de pobreza absoluta y de curvas TIP, ası́ como comparaciones entre sı́. JEL Classification: I32, D63 Keywords: Poverty, confidence intervals, standard error, measures, TIP curves, dominance, Mexico bootstrap, resampling, FGT ∗ We are grateful to James Foster for his criticism to an earlier draft, and to Silvio Rendón for sharing with us an unpublished technical report by Javier Ruiz-Castillo (2005a) on poverty in Mexico. Among several suggestions made by Ruiz-Castillo in that report, he advocates, as we do here, the use of TIP curves. The views expressed in this paper are those of the authors and should not be attributed to PNUD or CONEVAL. † Tecnológico de Monterrey, Campus Ciudad de México. e-mail: [email protected] Tel.: +52(55)5483 1878. †† Programa de las Naciones Unidas para el Desarrollo en México. ††† Consejo Nacional de Evaluación de la Polı́tica de Desarrollo Social. TIPs for the Analysis of Poverty 75 1. Introduction Given its endemic and enduring character, the issue of poverty in Mexico has always been a matter of concern. In particular, the sharp increase in the poverty rate that was experienced during the second half of the nineties, due to the 19941995 economic crisis, lead the newly arrived authorities to allocate, starting in 2001, more resources to quantify the magnitude of the problem. Since at that time there was not a widely accepted methodology to measure poverty in Mexico, the government decided to constitute an ad-hoc committee of experts on the subject. The Comité Técnico para la Medición de la Pobreza (CTMP) was then asked to provide a single methodology that could be employed by the government to produce official poverty statistics. In 2006 that ad-hoc committee was replaced by the legally constituted Consejo Nacional de Evaluación de la Polı́tica de Desarrollo Social (CONEVAL), which, starting that year, has the mandate of defining, identifying and measuring poverty in Mexico. As will be briefly reviewed later, CTMP and CONEVAL have made substantial advances to that end. Although the official methodology for measuring poverty may be subject to criticisms, some of which will be noted below, the fact that all economic and political actors are willing to take it as a reference certainly helps to articulate better policies to attack poverty. The main purpose of this paper is to suggest some changes in that official methodology in order to have more robust conclusions on the state of poverty in Mexico. To start with, it is suggested that all poverty measures should be always accompanied with an estimate of their precision. Somewhat surprisingly, it is not until very recently that studies on Mexican poverty have started to incorporate information about the standard errors of their poverty estimates. Bad examples are numerous, including a recent book by the World Bank (2004) in which increases or decreases of poverty estimates are viewed invariably as meaningful, without ever reporting the corresponding standard errors. On the other hand, the very first estimates of poverty incidence in Mexico released by the Consejo Nacional de Evaluación de la Polı́tica de Desarrollo Social were already accompanied by their corresponding estimated standard errors (see CONEVAL, 2006). However, in contrast to the statistical procedure employed by the authorities to estimate the precision of poverty rates, based on a simple Taylor expansion (see CONEVAL, 2007, and CTMP 2005), we suggest in this paper the use of bootstrapping to calculate confidence intervals for the poverty statistics. We also stress here that such a resampling procedure should take into account the statistical design of the income and expenditure surveys on which poverty estimates are generated. A second suggestion to make more robust the official statistics relates to the aggregate poverty measures to be employed. For reasons of simplicity, both CTMP and CONEVAL decided to report in official documents only headcount ratios. But it is known since Sen (1976) that such an index, although very easy to understand by the public, is fraught with conceptual difficulties. This point is implicitly acknowledged by CTMP (2002) in an appendix to its first methodological document, where the committee recommended a further examination of the data using some of the aggregate poverty measures introduced by Foster, Greer and Thorbecke (1984). In this paper we advocate just the same, and present those poverty statistics for the eight latest income 76 Revista de Administración, Finanzas y Economı́a and expenditure surveys.1 Finally, this paper also proposes the use of dominance analysis when making intertemporal comparisons about the state of poverty in Mexico. In particular we advocate the use of TIP curves, as presented by Jenkins and Lambert (1997). Although there are other possible ways to do that analysis, we believe that TIP curves are easier to understand by the general public. The paper presents the curves corresponding to each of the surveys, and also comments on possible poverty dominances over different years. In particular, our analysis casts some doubts about the commonly-held belief that in 2005 the state of poverty in Mexico was less worrisome than the one that prevailed before the 1994 economic crisis. The content of the paper is as follows: The next section presents information on the surveys that are employed in this paper to calculate the poverty measures, as well as on two important data adjustments that had to be made prior to the computation of the statistics. It also presents the methodology for poverty measurement suggested by CTMP and CONEVAL. Section three presents a detailed description of the bootstrap method, which is then applied to compute robust confidence intervals for several poverty indexes. The results are quite comprehensive, since they cover all the eight income and expenditure surveys mentioned earlier. Furthermore, those results are complemented with separated tables on the extent of poverty in urban and rural areas, which are given (and discussed) in the Appendix. Section four goes one step further and makes a dominance analysis by means of TIP curves. Finally, section five draws the conclusions. 2. Surveys and methodology The information used to measure poverty in Mexico comes from the ENIGH (Encuesta Nacional de Ingresos y Gastos de los Hogares), a household income and expenditure survey made by INEGI (Instituto Nacional de Estadı́stica, Geografı́a e Informática) every two years. This paper uses the eight different surveys corresponding to the years 1992, 1994, 1996, 1998, 2000, 2002, 2004 and 2005 (this last year is an exception to the current rule that surveys are taken only in even years). Although the methodology used to make those surveys has changed over the years, the eight most recent ones can be safely compared with each other (except for a minor difference to be mentioned later). Furthermore, those particular years are quite interesting, since during that single span the Mexican economy went through sharp economic downturns and upturns: After coming from a period of stability and relatively low growth rates from 1992 to 1994, the economy suffered at the end of 1994 a financial crisis that sent it to a very deep recession that lasted two years. A strong recovery ensued in the years 1998-2000, partially fueled by the strong performance showed by the US economy in that period. From the year 2001 to 2003, though, the Mexican economy stagnated, and had an even more disappointing record than the US economy. Finally, in the last two years covered by the surveys, 2004-2005, the economy enjoyed a mild but sustained recovery. 1 At the moment of the writing of this paper, the 2006 survey was not yet publicly available. TIPs for the Analysis of Poverty 77 Before starting our study, it is important to note that the data reported in the surveys mentioned above were adjusted in two ways: First, we deleted all duplicated income entries that were found in each of the surveys. The first three ENIGHs were free of error in that respect, while the rest had duplicated responses in varying degrees.2 . It is interesting to note that the same cleaning procedure was followed by the authorities in their document on poverty circulated at the end of 2006 (CONEVAL, 2006). Our second adjustment had to do with the cases of households that reported negative net incomes. For reasons that will be given later on, in those instances the net incomes were changed to zero. There are two other comments, more technical, that we would like to make regarding the surveys. First, all the ENIGHs were designed to be representative not only at national level, but also at urban (localities with 2,500 inhabitants or more) and rural (i.e., non-urban) levels. Although the most recent surveys are also representative at other levels, for purposes of comparison our results are only reported on those first three. To give an idea of the relative importance of urban and rural areas, Table 1 provides the percentage of Mexicans living in each of them during the eight years covered in this study. The second comment to be made is about the sampling design of the ENIGHs. This is an important issue if one wants to make poverty comparisons over the years, since the estimation of standard errors for poverty measures should take into account such a sampling design (see, e.g., Howes and Lanjow, 1998). For that end, in this paper we make use of the information on the corresponding strata and primary sampling units reported by INEGI for each ENIGH.3 Regarding the official methodology to measure poverty, as first established by CTMP (2002 and 2005) and later adopted by CONEVAL, we can state its two main elements as follows: First, as is the case in most of the other developing countries, the official poverty statistics are based on absolute poverty lines, while the household welfare is identified with its income. Since we donft want to take issue on those two choices here, we refer the reader to the thoughtful papers by Ruiz-Castillo (2005a,b) in which both of those directives are challenged for the case of Mexico. In particular, Ruiz-Castillo advocates the simultaneous estimation of absolute and relative poverty, while he sides in favor of consumption-based measures. The other main point is that the official methodology also establishes that the headcount ratio should be used to report poverty incidence, and this according to three different poverty definitions: “food poverty”, when income is too low to cover basic food necessities; “capabilities poverty”, when income is insufficient to buy basic food, education and health necessities; and “assets poverty”, when income is too low to cover basic food, education, health, dressing, housing and public transportation necessities. The reader may consult 2 The number of duplicated entries for the years 1998, 2000, 2002, 2004 and 2005 were, respectively, 1, 4, 9, 92 and 1. Except for the year 2004, whose duplicated entries accounted for .12% of the total, the errors found in the rest of the years can be regarded as insignificant. 3 We also follow this institution in disregarding, in the case of the calculation of standard errors, the instances in which there are also secondary, and even tertiary, sampling units. 78 Revista de Administración, Finanzas y Economı́a CTMP (2002) for the way in which the corresponding three poverty lines are derived. Here it suffices to note that by “income” is meant per capita income, since individuals, rather than households, are typically considered in the official statistics. Table 1 Percentage of Mexicans Living in Urban and Rural Areas Urban Rural 1992 59.0 41.0 1994 57.8 42.2 1996 59.3 40.7 1998 59.1 40.9 2000 61.1 38.9 2002 61.8 38.2 2004 62.5 37.5 2005 62.9 37.1 Source: Own estimates based on the corresponding ENIGHs. Furthermore, the actual variable that is employed is net income, which is the result of subtracting from total current income all transfers to other households. This is important to keep in mind, since, as shown by Sandoval and Urzúa (2007), in all the ENIGHs that are examined in this paper there are some households that actually report negative net incomes, a fact that may have in turn some consequences. In such a case, that paper shows that if the poverty measures go beyond a mere headcount they could behave in rather anomalous ways. Thus, it is important to decide from the onset what to do with the negative net incomes. As pointed out earlier, in our exercise we decided to set them equal to zero. Although Sandoval and Urzúa (2007) suggest other ways to deal with that problem, by setting them equal to zero we continue to get the same official poverty incidence statistics while avoiding anomalous behaviors. Regarding the poverty indices to be computed in this paper, we will use particular members of the following FGT class introduced by Foster, Greer and Thorbecke (1984): α q 1 z − yi Pα (z) = , α ≥ 0, (1) n z i=1 where q is the number of poor people in a population of size n, and where the i−th member has an income yi which is less or equal than the poverty line z. The headcount ratio used by CTMP and CONEVAL is obtained when α = 0, which gives poverty incidence (the proportion of the population whose welfare falls below the poverty line). On the other hand, the relative povertygap measure is found when α = 1: q 1 z − yi P1 (z) = , n z i=1 This index measures poverty intensity, the shortfall in the welfare of the poor relative to the poverty line. Finally, the squared poverty-gap index is obtained when α = 2: 2 q 1 z − yi P2 (z) = , n i=1 z TIPs for the Analysis of Poverty 79 which, by giving more weight to the poorest individuals, provides a measure of the severity of poverty. It may be noted that if one were to accept Sen’s (1976) monotonicity and transfer axioms, of the three indexes considered here it is only the squared poverty-gap which would be considered to be a bona fide poverty measure. 3. Testing for changes in poverty As noted in the introduction, one of the purposes of this paper is to calculate confidence intervals for the FGT poverty statistics in the case of Mexico. An approach that might be used for that end is to apply the delta method (which boils down to a simple Taylor expansion). This is in fact the procedure suggested by CTMP (2005) and CONEVAL (2007), and which is illustrated in the study of poverty incidence in Mexico during the years 1992-2005 made by CONEVAL (2006). Assuming that a poverty line is fixed, it is easy to find the asymptotic sampling variances when the estimators are means of simple functions of random variables. In fact, Kakwani (1993) has presented explicitly the approximate sampling variance for the class of FGT poverty indices given in (1); namely, var(Pα ) ≈ P2α − Pα2 . n Note that, as we stressed earlier, that type of approximation cannot be applied directly, since it presumes that the survey was taken using a simple design. However, after making use of the fact that the FGT measures are additively decomposable, Jolliffe and Semykina (2000) show how to include the possibility of a complex design that includes stratification and clustering.4 A methodological note that is broadly similar is also made by CTMP (2005). It is worth noting, however, that the Taylor approximation given above is derived assuming an asymptotic normal distribution for the estimators, which is obviously incorrect in the case of poverty measures. This is so because those indexes oscillate between 0 and 1 (0% and 100%). As a consequence, if one uses a normal approximation for the confidence intervals, these could end up containing values less than zero or greater than one (see, e.g., Sandoval and Urzua, 2007, for an example with real data). Furthermore, a normal approximation would lead to symmetric confidence intervals, which seems unwarranted on a priori grounds. But then, how can one construct more robust confidence intervals for poverty statistics? The answer is well known: By using resampling methods, the most versatile of which is Efron’s bootstrap. Even though since the mid-eighties there have been numerous applications of bootstrapping in Economics, it is interesting to note that it took some time for this simulation procedure to be recognized as a valuable tool among researchers interested on poverty and income distribution. To our knowledge, it was Deaton (1997) who first used it in the context of poverty, while Mills and Zandvakili (1997) were the pioneers in the case of inequality measurement. 4 Those authors have actually written a STATA program, whose command name is sepov, that accomplishes automatically that task. 80 Revista de Administración, Finanzas y Economı́a The idea of bootstrapping is simple. Given a dataset, such as the one coming from an income and expenditure survey, one creates a large number of independent bootstrap samples (in our case “bootstrap surveys”) by sampling with replacement from the dataset. One then computes the statistic of interest for each of those samples, and estimates the standard error of the original statistic by the empirical standard deviation of those replications. To be more precise, and following the presentation in Efron and Tibshiriani (1993), if n is the sample size, then the bootstrap algorithm for the (nonparametric) estimation of the standard error of the FGT statistic Pα can be described as follows: First, select B independent bootstrap samples, each with size n and drawn with replacement. In our case B was selected to be equal to 500.5 The second step involves the computation of the poverty measure for each bootstrap sample: P̂α (b), b = 1, 2, . . . , B. The last step involves the estimation of the standard error of the original poverty statistic using the standard deviation of the B replications given by: B b=1 Pα (b) − P̄ 2 1/2 /(B − 1) , where P̄α = B Pα (b)/B. b=1 In the case of the estimation of confidence intervals for the poverty measures, which is important in the case of this paper, there are several procedures available. We choose here to work with Efron’s bias-corrected and accelerated (BCa ) method, which is more time demanding than most of the others, but it is also one of the best. Since the formulae required to present the method is a little bit cumbersome we refer the reader to Efron and Tibshiriani (1993, chap. 14) for the details. Finally, there is an important reminder to be made before presenting the empirical results: The bootstrapping computation of the confidence intervals has to take into account the complex design of the ENIGHs.6 Table 2 presents the values of the FGT poverty indices and their confidence intervals thus obtained. The estimates are given for eight different years, as well as for the three official definitions of poverty. As noted there, the figures correspond to the population at large (individuals, not households), and also to the national level. To complement this last case, tables A1 and A2 in the Appendix present the FGT indices for the case of urban and rural Mexico. Before making intertemporal comparisons, it is worth commenting about how our results compare to the ones calculated by the government. Since the current methodology dictates that only the head-count ratio (poverty incidence) be reported, the official documents typically present just the point 5 Efron and Tibshiriani (1993) suggest that in the case of standard error estimation an upper bound that works well is 250 replications. However, since the interest in this paper is on robust confidence intervals, that lead us to choose 500 replications for all cases. 6 This is not a difficult task to accomplish in most statistical packages. For instance, in STATA one has to declare first the survey design using the command svyset, and then use the command bootstrap leaving the “size” option unspecified (in such a way that the bootstrap samples are in agreement with the total number of clusters in each stratum). The BCa confidence intervals are also available in that package. TIPs for the Analysis of Poverty 81 estimates of P0 for the three definitions and poverty, classified by levels (national, urban and rural). Those estimates are also typically accompanied by graphs similar to our Figure 1 below, although the authorities donft plot, or report, the corresponding confidence intervals. How do our point estimates of poverty incidence compare to the latest estimates reported by CONEVAL (2006)? They are exactly the same in the years 2000, 2002, 2004 and 2005.7 Table 2 FGT Poverty Indices for Mexico, 1992-2005 (Population at large, national level) Year P (0) [95%Conf.Int.] P (1) [95%Conf.Int.] P (2) [95%Conf.Int.] Food Poverty 1992 1994 22.4% 21.3% 19.4% 25.7% 19.0% 23.6% 7.5% 7.2% 6.1% 8.8% 6.2% 8.1% 3.5% 3.3% 2.9% 4.2% 2.9% 3.8% 1996 36.9% 36.1% 38.4% 1998 34.3% 33.0% 35.6% 13.8% 13.3% 14.4% 7.0% 6.6% 7.5% 13.5% 12.9% 14.2% 7.2% 2000 24.1% 22.7% 25.7% 6.7% 7.6% 8.4% 7.9% 9.1% 4.1% 2002 2004 20.0% 17.4% 3.9% 4.8% 19.0% 21.4% 16.4% 18.4% 6.2% 5.8% 5.8% 6.6% 5.6% 6.5% 2.8% 3.0% 2.7% 3.8% 2.5% 3.4% 2005 18.2% 17.2% 19.0% 6.1% 5.9% 6.7% 3.0% 2.3% 3.7% 9.3% 12.2% 5.2% 4.3% 6.1% Capabilities Poverty 1992 30.7% 27.4% 34.1% 10.7% 1994 1996 30.1% 46.1% 27.0% 32.6% 45.1% 47.4% 10.2% 9.2% 11.7% 18.5% 17.9% 19.4% 4.9% 4.3% 5.6% 9.8% 9.5% 10.3% 1998 42.6% 41.4% 43.9% 17.7% 17.0% 18.4% 9.7% 9.2% 10.3% 2000 31.8% 30.3% 33.2% 11.6% 11.1% 12.4% 5.9% 5.7% 6.7% 2002 26.9% 25.7% 28.1% 9.1% 8.6% 9.6% 4.3% 4.1% 5.1% 2004 24.7% 23.7% 25.8% 8.4% 8.1% 9.1% 4.2% 3.7% 4.8% 2005 24.7% 23.7% 25.7% Assets Poverty 8.7% 8.3% 9.2% 4.4% 3.5% 5.2% 1992 54.0% 50.8% 57.3% 22.5% 20.3% 24.6% 12.3% 10.9% 13.7% 1994 52.7% 49.5% 55.4% 21.8% 20.1% 23.5% 11.8% 10.9% 13.1% 1996 68.7% 67.7% 70.0% 33.2% 32.7% 34.1% 20.0% 19.5% 20.7% 1998 2000 64.5% 53.6% 63.3% 65.9% 51.9% 55.2% 31.4% 23.3% 30.5% 32.4% 22.4% 24.2% 19.1% 13.1% 18.6% 19.9% 12.5% 13.9% 2002 50.0% 48.7% 51.2% 20.0% 19.4% 20.8% 10.6% 10.3% 11.2% 2004 47.2% 45.4% 48.4% 18.6% 18.1% 19.4% 10.0% 9.2% 10.8% 2005 47.0% 45.9% 48.1% 19.0% 18.4% 19.6% 10.2% 8.8% 11.6% Source: Own estimates based on the corresponding ENIGHs. 7 The results obtained by CONEVAL and us are in turn, for the years 2000, 2002 and 2004, slightly different from the ones reported earlier in other official and academic documents. The reason is that the expansion factors for those ENIGHs were revised by INEGI in 2006. 82 Revista de Administración, Finanzas y Economı́a They are also the same for the year 1994. In the case of the years 1992 and 1996, there are very small differences probably due to rounding errors.8 In the year 1998, however, CONEVAL’s estimates for the three types of poverty are about 0.5% below ours, since that institution reports 33.9%, 42.3% and 64%, respectively. Given that there was only one duplicated entry in the ENIGH of that year (remember the discussion in Section 2), it is difficult to give a reason for those discrepancies, except for typographical errors or programming mistakes. Figure 1 Poverty Incidence in Mexico for the Population at Large, 1992-2005 Source: Own estimates based on the corresponding ENIGHs. As opposed to CONEVAL (2006), Table 2 also reports the 95% confidence intervals for poverty incidence, as well as estimates for poverty intensity (P1 ) and poverty severity (P2 ), and their respective 95% confidence intervals. Thus, we can draw more robust conclusions on the intertemporal changes in the state of poverty in Mexico. To give an important example: There was a fierce discussion when the government announced that poverty incidence had dropped significantly from 2000 to 2002, since during that period the economy suffered a recession. Regardless of the factors that could explain that finding (on those see Cortés, 2005), Table 2 provides strong evidence in its favor. For all the three definitions of poverty, that table shows that from 2000 to 2002 there was a significant drop in the incidence, the intensity and the severity of poverty in 8 The differences arise in the case of the estimates for capabilities poverty and assets poverty, for which CONEVAL (2006) reports 30.6% and 53.9% in 1992 (0.1% below ours), and 46.2% and 68.8% in 1996 (0.1% above ours). TIPs for the Analysis of Poverty 83 Mexico.9 We know that not because of the large decreases in P0 , P1 and P2 per se (from 24.1% to 20%, 8.4% to 6.2% and 4.1% to 2.8%, in the case of food poverty), but because those drops are statistically significant. How can we assure that? Because the 95% confidence intervals do not overlap in any of the nine cases (since there are three indices and three poverty definitions). It is interesting to note that, as discussed in the Appendix, those results at the national level are mostly explained by the even more substantial (and statistically significant) drops of the poverty indices in the case of the rural sector. Returning to the big picture, among the most noticeable conclusions that can be drawn from the table, we can single out three: First, after the economic crisis that erupted at the end of 1994, the state of poverty in Mexico deteriorated very sharply. This can be seen by comparing the figures in Table 2 for 1994 (the corresponding ENIGH was made several months before the beginning of the crisis) with the ones for 1996-1998. Second, as noted earlier, poverty conditions improved significantly from 2000 to 2004. And third, even though the government decided to make, for electoral reasons, an untypical ENIGH in the year 2005, poverty conditions in that year did not turn out to have improved over the ones prevailing in 2004. We leave at the end the most polemical question to be answered: whether or not the state of food poverty in Mexico that prevailed in 1994, right before the crisis, was definitely worse than the current conditions, as represented by the 2004 indices (which are better, in terms of simple point estimates, than the 2005 indices). According to Table 2, poverty incidence and poverty intensity did decrease from 1994 to 2004, but that was not the case for poverty severity.10 Thus, the answer to that question is negative. This finding will be corroborated at the end of the next section using TIP curves, a subject to which we turn next. 4. TIP curves Since all the comparisons made in the last section depend on particular indices, a natural question to ask is if by using other poverty measures we would end up with the same rankings as the ones obtained before. There is an important literature that tries to establish criteria for unambiguous poverty rankings, the general framework to which that question belongs. Although there are several possible ways to face that problem (e.g., through the use of generalized Lorenz curves), we believe that the methodology introduced by Jenkins and Lambert (1997) is, aside from being visually appealing, the easiest to understand by the general public. Furthermore, their particular procedure is well suited to study the dominance across distributions when the poverty lines change over time, which is our main interest here. What Jenkins and Lambert propose is the use of a “Three ‘I’s of Poverty” (TIP) curve to represent three dimensions of 9 That claim may be also substantiated using the dominance analysis presented in the next section. 10 This is so because the two confidence intervals corresponding to P2 overlap. Even though the overlapping region is quite small, it can be shown, following a similar procedure than the one that is mentioned in the Appendix, that we cannot reject at the 5% level the null hypothesis of the same poverty severity in both years. 84 Revista de Administración, Finanzas y Economı́a poverty: incidence, intensity and inequality.11Once the TIP curves are drawn for all the periods of interest, one proceeds to order those graphs that do not intersect. That ordering corresponds in turn to an unambiguous poverty ranking according to a large class of poverty measures. Before defining the TIP curve, it is necessary to present some notation. As before, let z denote a given poverty line, and yi be the income of the i−th member of a population of size n. After arranging the (positive) incomes in ascending order, y1 ≤ y2 ≤ . . . ≤ yn define the relative poverty gaps as Γ(y; z) = max{(z − yi )/z, 0} (the analysis might be also made in terms of absolute gaps, but we focus here on normalized gaps since those are the ones used in the FGT poverty indices calculated earlier). The TIP curve is now constructed by cumulating those relative poverty gaps and graphing them. Figure 2 The TIP Curve and It’s Three I’s Source: Own estimates based on the corresponding ENIGHs. Figure 2 presents an example (with a shape similar to the Mexican case). As is illustrated there, poverty incidence is given by the length of the line that 11 Those curves may be named “TIP” in Spanish as well, since they represent the following tres I’s: incidencia, intensidad e inequidad. Note that “inequality” is usually translated in Spanish as “desigualdad”, a word that does not start with an “i”. But in Mexico, and some other Latin American countries, “inequidad” is an equivalent term. In any case, the Spanishspeaking readers that dislike neologisms may use instead the word “iniquidad”. TIPs for the Analysis of Poverty 85 goes from the origin to the intersection of the dotted line and the horizontal axis. This is so because the poverty headcount ratio is found precisely where the TIP curve totally flattens out. Poverty intensity, on the other hand, can be represented by the height of the curve, since the average normalized poverty gap is given by the slope of the ray that goes from the origin to the point at which the curve becomes horizontal. Finally, the curvature of the graph summarizes poverty inequality. In the limit, if all individuals were identically poor, the curve would be just a straight line, while if there were no poor people, the curve would be parallel to the horizontal axis. Now suppose that there are two TIP curves derived from normalized poverty gap distributions Γ(y; zy ) and Γ(x; zx), each coming from, say, a different ENIGH. It is said that Γ(x; zx) dominates Γ(y; zy ) if its TIP curve lies wholly above the other curve. As shown by Jenkins and Lambert (1998), if there is such a TIP dominance, then for a broad class of poverty indices it has to be the case that each poverty measurement would be worse for Γ(x; zx ) than for Γ(y; zy ); that is, there would be an unambiguous poverty ordering. But, the reader may now ask, how large is that class of indices? Broad enough, since not only includes the FGT aggregate measures, but also many others, such as Pyatt’s, Shorrocks’s and Watts’s (see Table 1 in Jenkins and Lambert, 1997). Returning to the examination of the state of poverty in Mexico, Figure 3 graphs the TIP curves corresponding to the eight ENIGHs under study. To avoid the use of too many graphs, we restrict our attention to food poverty among the population at large, although similar results would be obtained by using other poverty definitions, or by distinguishing among urban and rural Mexico. Focusing now on Figure 3, note that the graphs corresponding to 2002 and 2005 are basically undistinguishable at their maximum height, since poverty intensity was very similar in those two years (6.2% and 6.1%, according to Table 2). Note also that even though the 1996 and 1998 TIP curves do not dominate each other, they certainly do over the rest. Thus, the poverty conditions in 19961998 were considerably worse than the ones prevailing before the economic crisis, as represented by the 1992-1994 TIP curves, and also worse than the poverty conditions that took place after the end of that crisis, as given by the 2000-2005 TIP curves. The reader may draw other conclusions from Figure 3 (and may also compare them with the conclusions drawn before). Here we just want to try to verify the answer given to the important question that was put at the end of Section 3; namely, was the state of food poverty in 1994 worse than the one that prevails today, using the 2004 ENIGH as representative of the current conditions? For that end, Figure 4 presents the 1994 and 2004 TIP curves alone. It is evident from there that the 1994 TIP curve does not dominate the 2004 one, since in the lowest percentiles the dominance is actually reversed. This finding corroborates our claim in the last section that the state of (food) poverty in 1994 was not definitely worse than in 2004. 86 Revista de Administración, Finanzas y Economı́a Figure 3 TIPs Curves for Mexico, 1992-2005 (Food poverty, population at large) Source: Own estimates based on the corresponding ENIGHs. But we can go one step further in the comparison. It can be checked that it is in between the fourth and the fifth percentile of the lowest segment where the 2004 TIP curve starts to dominate the 1994 TIP curve. At first sight that evidence would seem to suggest that the living conditions of the poorest among the poor, about a half million people, might have worsened since the 1994 economic crisis. However, is that claim statistically sound? We have to make a further analysis, since the comparison of the two TIP curves given above is just a geometric exercise. One way to proceed at this point is to use, for instance, the statistical procedure developed by Davidson and Duclos (2000) to make inferences about the stochastic dominance of one curve over the other.12 But we propose here a different statistical procedure, more akin to the other methods used in this paper: The idea is simple: For each of the two years, 1994 and 2004, gradually lower the corresponding poverty line by, say, 10% each time. Having done that, for each reduced level calculate the incidence, the intensity and the severity of poverty, as well as the corresponding 95% confidence intervals. Finally, for each variation of the poverty line check if the difference in the poverty measures for each of the two years is significant or not. 12 Actually, for the exercise that occupies us it is better to use the newer (and more powerful) method in Davidson and Duclos (2006) to test for restricted dominance. TIPs for the Analysis of Poverty 87 Figure 4 TIPs Curves for 1994 and 2004 (Food poverty, population at large) In our case, it was until the reduction to 40% of the poverty lines when the 2004 point estimates became worse than in 1994. For instance, P0 became 2.87% in 2004 and 2.64% in 1994 (a similar phenomenon occurred for the other indices). However, since the corresponding confidence intervals were, respectively, (2.53%,3.25%) and (2.27%,3.05%), such a difference is not significant at the 5% level. Actually, one has to reduce the poverty lines up to their minima, at 10% of their original value, to really have a significant (and very minor) difference between the two estimates of poverty incidence. Thus, this last exercise suggests that it is incorrect to state that the poorest among the poor were actually better off in 1994 as compared to 2004. They were as poor in one year as in the other. 5. Conclusions On the normative side, this paper has proposed several changes to the official methodology that is currently being employed to measure the state of poverty in Mexico. Among other suggestions, it is recommended the use of resampling methods to estimate confidence intervals for the poverty statistics, as well as the use of TIP curve for dominance analysis. We hope to have provided in this paper compelling reasons for the need to revise the existing methodology along those lines. On the empirical side, the paper has presented several findings on the evolution of poverty in Mexico. Some of them are in line with the findings reported by the government, while others are not. In particular, we challenge 88 Revista de Administración, Finanzas y Economı́a in this paper the widespread view that the state of poverty in Mexico in 1994 was worse than the one prevailing a decade later. Appendix Tables A1 and A2 in this appendix present the FGT poverty indices for both the urban and the rural populations in Mexico, as a complement to the information contained in Table 2 above. It is important to keep track of the evolution of poverty rates at both the urban and the rural levels, since in some periods the corresponding rates may be moving at a different pace. A good example of it is the decrease in poverty from 2000 to 2002, an empirical fact that was discussed in the main text. As can be observed from Table A2, those results at the national level are mostly explained by the even more substantial (and statistically significant) drops of the poverty indices in the case of the rural sector. Furthermore, in the case of the poverty statistics for urban Mexico, shown in Table A1, the drops are not statistically significant. How can we make such a claim in this last case? We can presume it, by noting that, for all indices and poverty definitions, the confidence intervals corresponding to the two years do overlap. But that is just a conjecture, since in the case of confidence intervals whose intersection is relatively small there is a possibility of rejecting at the end the null hypothesis of equality between the indices. Thus, as opposed to the case of non-overlapping confidence intervals (when the difference is always statistical significant), one has to pursue a further analysis. In the case of bootstrapping, as is explained thoroughly in Efron and Tibshiriani (1993, chap. 16), this is accomplished by drawing bootstrap samples for both ENIGHs, and then computing a confidence interval for the difference between the poverty estimates in those two years. If zero is not contained in the interval, then the change would be deemed to be statistically significant. However, after doing such an exercise for each of the cases in Table A1, we can confirm the former claim of non-significant poverty changes, at the 5% level, in urban Mexico from 2000 to 2002. TIPs for the Analysis of Poverty Table A1 FGT Poverty Indices for Urban Mexico, 1992-2005 (Population at large) Year P (0) [95%Conf.Int.] P (1) [95%Conf.Int.] P (2) [95%Conf.Int.] Food Poverty 1992 13.3% 10.9% 16.6% 3.6% 2.9% 4.4% 1.4% 1994 9.9% 8.2% 11.4% 2.6% 2.1% 3.1% 1.0% 1.1% 1.8% 0.8% 1.2% 1996 26.7% 25.2% 28.2% 8.4% 7.9% 9.1% 3.7% 3.4% 4.0% 1998 2000 21.8% 12.5% 20.2% 23.1% 10.7% 14.7% 6.6% 6.0% 7.1% 3.3% 2.6% 4.1% 2.9% 1.4% 2.6% 3.2% 1.1% 1.9% 2002 11.3% 9.0% 14.1% 2.8% 2.1% 3.5% 1.1% 0.8% 1.4% 2004 11.0% 8.3% 13.1% 3.0% 2.1% 3.7% 1.4% 1.0% 1.7% 2005 9.9% 8.0% 11.7% 2.6% 2.0% 3.2% 1.1% 0.8% 1.3% Capabilities Poverty 1992 20.4% 17.7% 24.5% 6.0% 4.9% 7.4% 2.6% 2.0% 3.2% 1994 17.5% 15.0% 20.4% 4.7% 3.8% 5.5% 1.9% 1.6% 2.3% 1996 36.2% 34.7% 37.9% 12.7% 12.1% 13.5% 6.1% 5.6% 6.5% 1998 30.9% 29.2% 32.4% 10.2% 9.5% 10.8% 4.8% 4.4% 5.2% 2000 20.2% 18.0% 22.5% 5.7% 4.8% 6.7% 2.4% 2.0% 3.1% 2002 2004 17.2% 17.8% 14.3% 20.5% 14.7% 20.8% 4.9% 5.1% 3.9% 6.1% 3.8% 6.1% 2.0% 2.3% 1.5% 2.4% 1.7% 2.8% 2005 15.8% 13.9% 18.0% 4.5% 3.8% 5.3% 1.9% 1.5% 2.2% 8.2% 7.0% 9.4% Assets Poverty 1992 44.5% 40.3% 48.6% 16.5% 14.6% 18.9% 1994 1996 40.6% 60.9% 37.1% 44.9% 59.2% 62.2% 14.1% 27.0% 12.4% 15.8% 26.0% 27.8% 6.8% 6.0% 7.7% 15.2% 14.5% 15.8% 1998 56.3% 54.6% 57.8% 23.6% 22.7% 24.7% 12.7% 2000 43.7% 40.6% 46.4% 16.0% 14.6% 17.4% 7.9% 7.0% 9.0% 2002 41.2% 37.7% 45.7% 14.4% 12.3% 16.3% 6.9% 5.7% 8.2% 2004 2005 41.1% 38.3% 37.5% 44.1% 35.4% 41.5% 14.5% 13.4% 12.4% 16.4% 12.0% 15.0% 7.1% 6.4% 5.8% 8.3% 5.5% 7.4% Source: Own estimates based on the corresponding ENIGHs. 12.2% 13.5% 89 90 Revista de Administración, Finanzas y Economı́a Table A2 FGT Poverty Indices for Rural Mexico, 1992-2005 (Population at large) Year P (0) [95%Conf.Int.] P (1) [95%Conf.Int.] P (2) [95%Conf.Int.] Food Poverty 1992 35.6% 30.7% 41.4% 13.1% 10.8% 15.4% 6.4% 1994 37.0% 32.7% 40.8% 13.4% 11.7% 15.4% 6.6% 1996 52.1% 50.0% 54.0% 21.8% 20.7% 23.1% 11.8% 11.1% 12.7% 1998 52.3% 50.3% 54.6% 23.5% 22.3% 24.7% 13.3% 12.4% 14.1% 2000 42.3% 37.3% 47.7% 16.4% 13.8% 19.5% 8.4% 6.7% 11.5% 2002 2004 34.0% 28.0% 28.3% 38.0% 22.0% 37.8% 11.8% 10.1% 13.5% 10.5% 6.9% 15.2% 5.6% 5.6% 4.7% 6.5% 3.7% 8.6% 2005 32.3% 26.2% 41.7% 12.2% 9.5% 16.7% 6.4% 4.8% 8.6% 5.0% 7.7% 5.6% 7.6% Capabilities Poverty 1992 45.6% 40.3% 50.3% 17.5% 15.1% 20.3% 9.0% 7.4% 10.6% 1994 1996 47.4% 61.0% 43.1% 51.0% 58.9% 62.8% 17.9% 27.2% 15.7% 19.9% 26.0% 28.2% 9.1% 15.5% 7.9% 10.5% 14.6% 16.4% 1998 59.7% 57.5% 61.5% 28.5% 27.1% 29.9% 16.9% 15.9% 18.0% 2000 50.0% 44.8% 55.2% 21.0% 17.9% 24.5% 11.4% 9.1% 13.9% 2002 42.6% 38.1% 47.2% 15.9% 14.0% 18.1% 8.0% 6.9% 9.0% 2004 2005 36.2% 39.8% 29.4% 44.6% 33.9% 49.6% 13.9% 9.9% 20.2% 15.9% 12.7% 21.0% 7.5% 8.5% 5.1% 11.0% 6.6% 11.7% Assets Poverty 1992 67.7% 63.5% 71.4% 31.1% 28.0% 34.6% 18.2% 15.9% 21.0% 1994 69.5% 66.0% 72.9% 32.3% 29.5% 34.9% 18.8% 17.1% 20.7% 1996 80.6% 79.2% 82.0% 42.7% 41.5% 43.8% 1998 2000 76.3% 69.2% 74.4% 78.1% 65.1% 73.6% 42.6% 34.7% 41.2% 43.9% 31.1% 38.8% 28.2% 21.3% 27.0% 29.4% 18.3% 24.4% 2002 64.3% 58.9% 68.5% 29.2% 26.4% 32.7% 16.7% 14.7% 18.7% 2004 57.3% 52.1% 64.7% 25.5% 21.0% 32.5% 14.8% 11.0% 20.2% 2005 61.8% 55.8% 71.0% 28.3% 24.1% 35.0% 16.7% 13.9% 21.7% 27.2% 26.2% 28.3% Source: Own estimates based on the corresponding ENIGHs. References Comité Técnico para la Medición de la Pobreza (2002). Medición de la pobreza: Variantes metodológicas y estimación preliminar, México, Secretarı́a de Desarrollo Social. Reprinted in M. Székely, ed. (2005). Comité Técnico para la Medición de la Pobreza (2005). Recomendaciones metodológicas para la evaluación intertemporal de niveles de pobreza en México (2000-2002), in M. Székely, ed. (2005). Consejo Nacional de Evaluación de la Polı́tica de Desarrollo Social (2006). El CONEVAL reporta cifras sobre la evolución de la pobreza en México, Comunicado 001/2006, México. TIPs for the Analysis of Poverty 91 Consejo Nacional de Evaluación de la Polı́tica de Desarrollo Social (2007). Aplicación de la metodologı́a de la pobreza por ingresos y pruebas de hipótesis, Nota técnica 001/2007, México. Cortés, F. (2005), ¿Disminuyó la pobreza? México 2000-2002, in M. Székely, ed. (2005). Davidson, R., and J. Y. Duclos (2000). Statistical Inference for Stochastic Dominance and for the Measurement of Poverty and Inequality, Econometrica, 68, 1435-1464. Davidson, R., and J. Y. Duclos (2006). Testing for Restricted Stochastic Dominance, Working Paper 2006-20, Department of Economics, McGill University. Deaton, A. (1997). The Analysis of Household Surveys: A Microeconometric Approach to Development Policy, Baltimore, Johns Hopkins. Efron, B., and R. J. Tibshirani (1993). An Introduction to the Bootstrap, London, Chapman & Hall. Foster, J., J. Greer, and E. Thorbecke (1984). A Class of Decomposable Poverty Measures, Econometrica, 52, 761-765. Howes, S., and J. O. Lanjow (1998). Does Sample Design Matter for Poverty Rate Comparisons?, Review of Income and Wealth, 44, 99-109. Jenkins, S. P., and P. J. Lambert (1997). Three ‘I’s of Poverty Curves, with an Analysis of UK Poverty Trends, Oxford Economic Papers, 49, 317-327. Jenkins, S. P., and P. J. Lambert (1998). Three ‘I’s of Poverty Curves and Poverty Dominance: Tips for Poverty Analysis, Research on Economic Inequality, 8, 39-56. Jolliffe, D., and A. Semykina (2000). Robust Standard Errors for the FosterGreer-Thorbecke Class of Poverty Indices, Stata Technical Bulletin Reprints, 8, 274-278. Kakwani, N. (1993). Statistical Inference in the Measurement of Poverty, Review of Economics and Statistics, 75, 632-639. Mills, J. A., and S. Zandvakili (1997). Statistical Inference via Bootstrapping for Measures of Inequality, Journal of Applied Econometrics, 12, 133-150. Ruiz-Castillo, J. (2005a). An Evaluation of El Ingreso Rural y la Producción Agropecuaria en México, technical report, Servicio de Información Alimentaria y Pesquera, México, SAGARPA. Ruiz-Castillo, J. (2005b). Relative and Absolute Poverty: The Case of Mexico, 1992-2004, Working Paper 06-11, Departamento de Economı́a, Universidad Carlos III de Madrid. Sandoval, H. H., and C. M. Urzúa (2007). Negative Net Incomes and the Measurement of Poverty: A Note, Working Paper EGAP-2007-07, EGAP, Tecnológico de Monterrey, Campus Ciudad de México. Sen, A. (1976). Poverty: An Ordinal Approach to Measurement, Econometrica, 52, 219-231. Székely, M., ed. (2005). Números que mueven al mundo: La medición de la pobreza en México, México, ANUIES, CIDE, SEDESOL, Miguel Ángel Porrúa. World Bank (2004). Poverty in Mexico: An Assessment of Conditions, Trends, and Government Strategy, Washington, World Bank. INSTRUCCIONES PARA LOS AUTORES 1) La Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics) recibe trabajos de investigación en cualquiera de las áreas o especialidades de administración, economı́a, contabilidad y finanzas; en la dirección electrónica: <[email protected]> 2) Los trabajos que se sometan a arbitraje y dictaminación deberán ser inéditos y no podrán ser enviado simultáneamente para su publicación en otro medio. 3) Los trabajos pueden ser escritos en español o inglés. 4) El documento puede ser escrito en cualquier editor de texto (Word, PcTex, MigTex, LaTex) con letra tipo Times New Roman, tamaño 12 a doble espacio. El justificado no se deberá realizar en los primeros párrafos de cada sección o después de una tabla o fórmula. 5) Los tı́tulos y subtı́tulos de secciones se escribirán de tamaño 14 y en negritas, comenzando siempre con una capitular. Se numerarán empleando la numeración arábiga. La numeración para los subtı́tulos será una numeración anidada: 2.1., 2.2., 2.3., etc. 6) La primera página del documento deberá contener: a) tı́tulo del trabajo; b) nombre del autor o autores, sin incluir el grado académico; c) institución de filiación; d) resumen de no más de 100 palabras en inglés y en español; e) palabras claves en Inglés y Español; f) clasificación JEL, disponible en el sitio electrónico: http://www.aeaweb.org/journal/jel class system.html #G y g) al pie de página deberán incluirse domicilio, teléfono y correo electrónico del autor o de los autores para recibir correspondencia. 7) Sólo podrá existir un pie de página adicional en la primera hoja. En dicho pie podrán los autores expresar sus agradecimientos o incluir alguna información adicional que consideren relevante. 8) Las ecuaciones deben estar numeradas consecutivamente, al igual que los cuadros, las figuras y las gráficas. 9) Los cuadros, gráficas y figuras deben poseer un tı́tulo o encabezado que las distinga. Cada cuadro, gráfica o figura deberá incluir alguna referencia, el origen de la fuente de información y siempre deberá presentarse en blanco y negro. 10) La relación bibliográfica deberá presentarse al final del documento, en orden alfabético de autores y éstas deben ser como: Casar, J. I., G. Rodrı́guez y J. Ros (1985). Ahorro y balanza de pagos: un análisis de las restricciones al crecimiento económico de México. Economı́a Mexicana, núm. 7, pp. 21-33. Cox, J. C., J. E. Ingersoll, and S. A. Ross (1985). An Intertemporal General Equilibrium Model of Asset Prices. Econometrica, 53(2), pp. 363-384. Fuller, W. A. (1996). Introduction to Statistical Time Series. 2nd ed., John Wiley, New York. Granger, C. W. (1980). Long Memory Relationships and the Aggregation of Dynamics Models. Journal of Econometrics, 14(1), pp. 227-238. The Trouble with Rational Expectations and the Problem of Inflation Stabilization, en R. Fredman y E. S. Phelps (comps.). INSTRUCTIONS TO AUTHORS 1) Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics) is a peer reviewed scientific journal and receives manuscripts with subject matter in Management, Economics, Accounting and Finance. Articles should be sent to: <[email protected]> 2) Manuscripts will be considered for possible publication provided they are unpublished and not submitted elsewhere. 3) The articles could be written in English or Spanish. 4) The manuscripts could be written in Microsoft Word, PcTex, MigTex, or LaTex format, the font must be Times New Roman, size 12 and pages must be double spaced. Do not use indentation in the first paragraph of each section or after a table or equation. 5) Titles and subtitles of sections should be written in size 14 and bold faces. It should use the arabic numerals. Numerals for the subtitles should be consecutive: 2.1., 2.2., 2.3.,. . . 6) The Cover page should include: a) titles of the paper; b) full name of the author(s), no specification of academic grade; c) institutional affiliation(s); d) a summary of you paper in English and Spanish of at most 100 words; e) keywords in English and Spanish; f) JEL classification, which can be found in: http://www.aeaweb.org/journal/jel class system.html #G and g) footnote should has: address, telephone and electronic mail of the author(s). 7) Only one footnote at the first page is allowed. In the footnote, the author(s) could include some relevant information. 8) The equations should be in consecutive arabic numerals, and the same applies for the tables, figures and graphics. 9) Tables, figures and graphics should have a title. Each table, figure, graphic should include any reference or source. 10) Bibliographical references will be at the end of text with the autor(s) in alphabetical order, according to the following examples: Casar, J. I., G. Rodrı́guez y J. Ros (1985). Ahorro y balanza de pagos: un análisis de las restricciones al crecimiento económico de México. Economı́a Mexicana, núm. 7, pp. 21-33. Cox, J. C., J. E. Ingersoll, and S. A. Ross (1985). An Intertemporal General Equilibrium Model of Asset Prices. Econometrica, 53(2), pp. 363-384. Fuller, W. A. (1996). Introduction to Statistical Time Series. 2nd ed., John Wiley, New York. Granger, C. W. (1980). Long Memory Relationships and the Aggregation of Dynamics Models. Journal of Econometrics, 14(1), pp. 227-238. The Trouble with Rational Expectations and the Problem of Inflation Stabilization, en R. Fredman y E. S. Phelps (comps.). TECNOLÓGICO DE MONTERREY CAMPUS CIUDAD DE MÉXICO Revista de Administración, Finanzas y Economı́a (Journal of Management, Finance and Economics) es un revista de investigación cientı́fica con arbitraje, sus artı́culos son responsabilidad de los autores, son ajenos a ella las instituciones que representan, la revista o el Tecnológico de Monterrey. Indice en el que aparece la revista: IDEAS-RePEc. Revista de Administración, Finanzas y Economı́a Escuela de Graduados en Administración y Dirección de Empresas, EGADE Tecnológico de Monterrey, Campus Ciudad de México Calle del Puente 222, Col. Ejidos de Huipulco, Tlalpan. C. P. 14380, México D. F. Aulas III, cuarto piso. Tel. +52 (55) 54832020 ext. 2240 y 1392 Correo electrónico: [email protected] Página: http://www.csf.itesm.mx/egade/publicaciones