Ir al contenido principal

Calculando probabilidades de default

Al analizar la valoración de los Credit Default Swaps (CDS), encontramos que un elemento fundamental para el cálculo es la estimación de la probabilidad de default de la contrapartida de la cual buscamos cubrirnos ante un eventual evento de crédito.

Una forma de estimar esta probabilidad es utilizar el modelo de forma reducida propuesto por Jarrow y Turnbull (1995) que, en resumen, dice que el precio de cualquier flujo financiero (bonos, swaps de tasas de interés, CDS, etc.) puede expresarse como el valor esperado de sus flujos de caja futuros. Este valor esperado puede hallarse multiplicando cada posible flujo de caja futuro por la probabilidad neutral al riesgo de su ocurrencia, donde esta probabilidad viene determinada por el diferencial en las obligaciones con riesgo de incumplimiento. ¿Qué es tan importante es estor? Que se infiere que es posible obtener la probabilidad de default a partir de la curva cupón cero de tipos de interés. Despreciando efectos fiscales y de liquidez, el spread en el rendimiento entre el bono con riesgo y el bono sin riesgo representa dicha probabilidad de default.

Imaginemos dos bonos cupón cero, uno libre de riesgo y el otro con riesgo, con fecha de vencimiento 1 año y el mismo valor facial, y tasas de rendimiento fijas.



El factor de descuento se calcula en forma compuesta discreta como 1/(1+tasa de rendimiento) y el precio es el valor facial por el factor de descuento. La diferencia de precios (1.8854), que es una prima por riesgo, nos dice que existe una probabilidad no nula de que el emisor del bono con riesgo no pague el nominal de 100 cuando llegue la fecha de vencimiento del bono con riesgo.

Para el cálculo de la probabilidad de default se debe conocer de antemano la proporción del principal que en el caso de default se espera cobrar, lo que se llama tasa de recupero, concepto similar al de severidad. Así, definiremos las siguientes variables:

R : Tasa de recupero
π : Probabilidad de default
1-π : Probabilidad de no default

Sólo caben dos posibilidades en este modelo: que haga default o no. La cantidad a recibir es la siguiente:

-Caso de default: 100 x R (con probabilidad π)
-Caso de no default: 100 ( con probabilidad 1-π)

El pago esperado será (1):


El valor actual del pago esperado en un mundo sin riesgo es (2):



Donde r es la tasa cupón cero sin riesgo (el 2% del cuadro inicial). Para que no exista arbitraje en el mercado, la expresión anterior debe ser igual al precio del bono con riesgo:


El precio del bono sin riesgo (100/(1+r) utilizando cálculo compuesto discreto) puede extraerse fácilmente de la parte derecha de la ecuación, tras factorizar el valor facial:


Agrupando la ecuación tenemos:



Finalmente, reacomodando, definiríamos la probabilidad de default (3) como:



Si tomamos el ejemplo numérico del primer cuadro y asumimos un R de 40%, tendríamos el siguiente cálculo de probabilidad de default:


π=0.03205

Podemos avanzar un paso más, expresando los precios de los bonos con riesgo y sin riesgo en forma compuesta continua. Esto es:



Reemplazamos lo anterior en (3):


Simplificando la expresión anterior, y asumiendo un plazo de 1 año, tenemos lo siguiente (4):


La expresión (4) nos revela algo importante: para conocer la probabilidad de default, basta conocer el spread del bono con riesgo sobre el bono sin riesgo (spread sobre la curva soberana) y el ratio de recupero. Esta es una manera muy sencilla de hacer este cálculo, con el que podemos realizar estimaciones de otros indicadores de riesgo sin mayores complicaciones.




Bibliografía
Juan Camilo Arbeláez Zapata y Cecilia Maya Ochoa. “Valoración de Credit Default Swap (CDS): una aproximación con el método Montecarlo”. Medellín: Investigación a cargo de la Universidad EAFIT de Medellín (Colombia). 2007.

Carmen Badía, Merche Galisteo y Teresa Preixenes. “Valoración del crédito default swap: una aplicación del modelo de Hull-White al mercado español”. Barcelona: Documento de trabajo de la Facultad de Ciencias Económicas y Empresariales de la Universidad de Barcelona

Arturo Labanda Puerta. “Derivados de riesgo de crédito. Tipos y utilidades”. Madrid: Documento de trabajo de la Universidad Complutense de Madrid. 2005.

Charles Smithson y Gene D Guill. “Valoración de activos crediticios”. Risk España, marzo 2004. Pág. 30-33.

Comentarios

  1. Me parece que en la última fórmula falta: -spread por plazo

    ResponderEliminar
  2. Es para el caso de un año. Lo menciono en el párrafo que antecede la fórmula.

    ResponderEliminar
  3. Disculpen el e es el numero de Euler lo que pasa es que he tenido problemas para calcularlo en excel

    ResponderEliminar
  4. e=2.7182... En excel normalmente se usa la expresión =exp() para elevar el número e a al número que querramos. En este caso el número e se usa para traer a valor presente usando tasas de descuento continuas.

    ResponderEliminar
  5. A mayor tasa de recupero, el riesgo de default es mayor, por que?

    ResponderEliminar
  6. Que interesante seria que el autor del articulo (o algún otro usuario) responda tu pregunta. Y yo iría un poco mas allá de esa "relación" y cuestionaría el modelo en si: ¿que tiene que ver lo que uno puede llegar a recuperar (tasa de recupero) con el hecho que el emisor incumpla -o no- su compromiso?, son dos cosas distintas.

    ResponderEliminar

Publicar un comentario

Entradas populares de este blog

Crisis y boom del crédito

La expansión del crédito suele ser una buena noticia, ya que levanta el consumo (por ende, también el PBI) y muchas veces está acompañada de un aumento de la inversión (lo que también incrementa el PBI). Muchos ven la expansión del crédito por el lado de la demanda, lo que es un indicador de desarrollo económico. Es lo que ha pasado en el Perú en los últimos años: las importantes tasas de crecimiento del producto incrementaron la riqueza disponible y, por ende, también los requerimientos de créditos por parte de los agentes económicos. Los activos bancarios están en los niveles más altos de la historia. Pero no es la única manera de que exista un boom del crédito. También está el lado de la oferta, la cual se expande debido a la bajada de tasas de interés. Esta caída de las tasas puede darse por cuestiones puras del mercado de fondos prestables, pero es mucho más frecuente que los gobiernos, a través de los bancos centrales, realicen sendas expansiones monetarias con el fin de impu

No puede ser normal

Minsky sabía lo que decía cuando postuló eso de que la estabilidad lleva a la inestabilidad en su teoría de la fragilidad financiera. Para él, en períodos de tranquilidad mejoran las expectativas, aumenta la demanda, sube la rentabilidad y los precios de los activos. Baja la aversión al riego, aumenta la especulación, el apalancamiento y la innovación financiera. La liberalización trae euforia, aunque de manera subyacente la fragilidad financiera aumenta sin que muchos se den cuenta. El boom del crédito también es una marca de este tiempo. Todos son felices, todos se relajan respecto a los riesgos, todos creen que la bonanza será para siempre (1). Pero luego, subirán las tasas y llegará el «momento Minsky» (2): los inversores sobre-endeudados se ven obligados a vender incluso sus inversiones más sólidas para poder pagar sus préstamos, lo que provoca grandes pérdidas en todos los mercados y una ingente demanda de liquidez que obliga a los bancos centrales a intervenir en los mercados