Riesgo de crédito. Gestión de Riesgos

Universidad de Los Andes[pic 1]

Maestría en Finanzas

Gestión de Riesgos

Taller : Riesgo de Crédito[pic 2]

1. Calcular la matriz de transición por altura de mora.

Total Cartera:

[pic 3]

Cartera VIS:

[pic 4]

Cartera No VIS:

[pic 5]

1. Definir con la información histórica, el punto de default o de incumplimiento (definido por una altura de mora, donde el porcentaje de caer sea superior al porcentaje de mantener y mejorar).

[pic 6]

Se define el quinto mes como el mes en el que se entra en default dado que es el mes en el que el porcentaje de créditos que desmejoran (59%) es mayor al porcentaje créditos que mejoran (41%). El quinto mes se va a utilizar tanto para la cartera VIS como para la cartera no VIS en los análisis posteriores.

1. Calcular la tabla de la PD (por altura de mora), con el mismo punto de default del punto 2, para las siguientes tipos de cartera: VIS; No VIS

[pic 7]

Dado el mes en el que se interpreta como default en el punto anterior (quinto mes), a partir del mes 5 se observa que ya el porcentaje de probabilidad de default es 100%.

1. Asigne la probabilidad de default y la severidad para cada crédito:

Para este punto se puede referir a la hoja “Punto 4.1, 4.4” del archivo de Excel adjunto dado que hay 5018 créditos a los cuales se les debe asignar la probabilidad y la severidad.

1. Calcular la pérdida esperada (PE) para cada crédito y para la cartera de vivienda en su conjunto, analizada a 31 de diciembre de 2017.

Para este punto se puede referir a la hoja “Punto 4.2, 4.3,4.5” del archivo de Excel adjunto dado que hay 5018 créditos a los cuales se les debe asignar la pérdida esperada. Sin embargo se muestran las tablas resumen por días de mora para la cartera VIS, No VIS y la suma de ambas para el total de la cartera.

 [pic 8]

[pic 9]

1. Calcular y analizar algunas estadísticas básicas a la probabilidad de default, a la severidad y a las pérdidas esperadas expresadas en porcentaje (%PE) y en valores (PE).

[pic 10]

Antes de observar las estadísticas básicas se quisiera observar el nivel de riesgo que se tiene en la cartera y determinar si se está conforme con ese nivel. Observamos que para los créditos VIS, hay un 74.34% de la cartera que está vigente con 4 meses de mora o menos y para la cartera no VIS hay un 76.15% que está con 4 meses de mora o menos. Llama la atención que en ambos casos sólo haya cerca de un 35% de la cartera que no tenga mora existente, lo que quiere decir que de los créditos vigentes, más del 50% de esos créditos tiene  una mayor exposición (créditos con mora de 1 a 4 meses). Esto nos indica que debe haber una inmediata gestión de riesgo para evitar que los clientes que están más cerca de llegar al umbral de default, lleguen a los 5 meses. Para esto se debe tener certeza de qué es lo que se debe gestionar.

Para analizar los datos se escogió calcular el promedio y la desviación estándar de las probabilidades de default, la severidad y las pérdidas esperadas para las tres opciones que tenemos de cartera (Total, Vis, No VIS).

[pic 11]

En primer lugar observamos los datos tomando la base de créditos total que incluye los créditos que ya tienen la probabilidad de default en 100%. En primera instancia se observa que la cartera VIS tiene más probabilidad de default en promedio por lo que si sólo tuviéramos este indicador, podríamos concluir que dicha cartera es más riesgosa que la No VIS. Así mismo observamos que la severidad de las pérdidas o el LGD de la cartera VIS es 10% mayor a la de la cartera no VIS lo que da consistencia al punto anterior. Por otro lado observamos que la pérdida esperada por la cartera NO Vis es mayor que la PE de la cartera VIS en un 89.25%. Esto nos permite ver que, dado el volumen y la cantidad de créditos No VIS, así el promedio de la PD y la severidad de la cartera VIS sean mayores a las de la cartera no VIS, la exposición es mayor en cuanto a volumen de pérdidas en los créditos no VIS. Esta información es útil para la toma de decisiones dado que se puede optar por gestionar el riesgo de la cartera que produzca mayor pérdida esperada que los que mayores estadísticas tengan en contra.

...