Estat´ıstica de Risco de Cr´
edito e C´
alculos
Alternativos Atrav´
es da Transformada R´
apida
de Fourier no R.
M. A. S. Sanfins a1 & T. M. Clark a2
a Universidade Federal Fluminense, IM, RJ, Brasil
Resumo
Neste trabalho utiliza-se conceitos de fun¸c˜oes geradoras de probabilidade, convolu¸c˜oes e Transformada R´apida de Fourier (em inglˆes Fast Fourier Transform - FFT) para realizar c´alculos de forma alternativa e simplificada para a modelagem do risco de cr´edito. Al´em disso, implementa-se tais c´alculos no R com exemplos de fenˆomenos economicos. Os scripts utilizados ser˜ao p´ublicos, com um objetivo de se criar umalibrarye ser´a enviada aoR-Project.
Palavras Chaves: CreditRisk+, c´alculo do risco de cr´edito, implementa¸c˜ao no R.
1
Introdu¸
c˜
ao
Durante os ´ultimos 15 anos muitos artigos relacionados com o c´alculo do risco de credito
foram publicados. Para o c´alculo do risco existem diferentes metodologias, como por exemplo o CreditMetrics (JP Morgan,1997), PortifolioManager(KMV, 1997), Mckinsey’s CreditPort-folioView (Wilson, 1997) e o CreditRisk+ (Credit Suisse Financial Products, 1997).
1Orientador: marcosanfins@gmail.com
2Aluno: clark.thiago@gmail.com
O CreditRisk+ ´e o maior representante dos modelos atuariais com metodologia baseada em t´ecnicas aplicadas na industria de seguros. O m´etodo CreditRisk+ tem como objetivo
estimar a distribui¸c˜ao de perdas em carteiras de cr´editos. Trata-se de um m´etodo estat´ıstico baseado no risco de default n˜ao assumindo qualquer premissa sobre suas causas ou em qual
instante do tempo que poder´a ocorrer. O CreditRisk+ considera as taxas de default como vari´aveis aleat´orias continuas, assumindo a varia¸c˜ao das taxas na an´alise a fim de incorporar a incerteza das vari´aveis. Frequentemente fatores externos, como o estado da economia, torna
relacionada a incidˆencia de default. Mesmo assim, n˜ao existe liga¸c˜ao casual entre eles. Os efeitos desses fatores s˜ao incorporados no modelo atrav´es da varia¸c˜ao das taxas de default e
an´alise de setores.
O processo de avalia¸c˜ao do risco de cr´edito consiste na frequencia dosdefaulte na severi-dade das perdas. Para estimar a distribui¸c˜ao de perda da carteira, o CreditRisk+ assume que a distribui¸c˜ao de eventos default ´e aproximada `a distribui¸c˜ao de Poisson. O modelo b´asico
assume que os eventos de default s˜ao independentes, ou seja, as taxas de default s˜ao fixas. Por´em sabe-se que essa aplica¸c˜ao na realidade ´e muito dif´ıcil, pois estudos anteriores provam
que as taxas de defaultvariam ao longo dos anos.
O m´etodo prop˜oe ent˜ao uma forma mais sofisticada, onde a incerteza das taxas de de-fault s˜ao levadas em considera¸c˜ao. As taxas de default, assim, assumem uma distribui¸c˜ao
Gama, que ter´a a mesma m´edia da distribui¸c˜ao sem varia¸c˜ao, por´em suas caudas ser˜ao mais ”grossas”. A probabilidade de eventos extremos aumenta, devido `a correla¸c˜ao impl´ıcita na volatilidade, quando incorporado a volatilidade a taxa de default. Como o modelo n˜ao
as-sume nenhuma premissa sobre os eventos dedefault, a rela¸c˜ao ´e explicada pela existˆencia de fatores extremos.
Na analise de setores ´e poss´ıvel agrupar os devedores de acordo com a influencia de
fatores extremos, de tal modo que permite medir os benef´ıcios da diversifica¸c˜ao e eventuais concentra¸c˜oes em fatores.
2
Metodologia e An´
alise
Al´em das formas de c´alculo proposta pelo documento t´ecnico do CreditRisk+, conforme
Defini¸c˜ao 2.1. Seja X uma vari´avel aleat´oria discreta. Note que E[tx] =
∞
∑
j=0
tj·P[X =j].
Consequentemente, E[tx]´e a fun¸c˜ao geradora de probabilidade de X.
Outro conceito estat´ıstico utilizado ´e a convolu¸c˜ao das fun¸c˜oes geradoras de probabilidade
adaptado ao nosso caso.
Defini¸c˜ao 2.2. Sejam N e K vari´aveis aleat´orias independentes. Ent˜ao,
Pn+k(t) =E[tn+k] =E[tn·tk] =E[tn]·E[tk] =Pn(t)·Pk(t).
Portanto, atrav´es das defini¸c˜oes 2.1 e 2.2 podemos calcular a perda de uma carta de
cr´edito.
Defini¸c˜ao 2.3. Seja i o valor que desejamos calcular de perda em uma carta de cr´edito.
Ent˜ao o resultado de
( d dt
)i
·Pn(t)·Pk(t)
i! ,
implica na probabilidade da carta de cr´edito sofrer uma perda i durante um dado per´ıodo de
tempo.
Outros m´etodos de c´alculo do risco podem ser obtidos atrav´es da FFT. Introduzir´a, a seguir, o algoritimo que ser´a utilizado no c´alculo do risco de cr´edito.
Algoritimo 2.1. Se f = [f0, f1, . . . , fm−1] e g = [g0, g1, . . . , gk−1] representam dois vetores
de probabilidade ent˜ao, o algoritmo de convolu¸c˜ao da FFT consiste em:
• Completar os vetores f e g com 0 para que cada um tenha tamanho n≥m+k.
• Aplicar a FFT para cada vetor f˜=F F T(f) e ˜g=F F T(g) .
• Calcular o produto deh˜= ˜f·g, elemento por elemento.˜
•Para recuperar o vetor de probabilidade como uma convolu¸c˜ao de f e g devemos aplicar
Quando analisa-se perdas em carta de cr´editos de, por exemplo seguradoras, a metodolo-gia chamada de frequˆencia e severidade (frequency/severity) ´e mais um m´etodo alternativo,
onde defini-se frequencia como o numero dedefaultsem uma carta de cr´edito dado um per´ıodo de tempo e severidade como a quantidade, em unidade monet´aria, para cada default
individ-ual, ou seja, a perda expressada em unidades monet´arias no evento. (Loss Given Default -LGD).
Neste m´etodo a frequˆencia m´edia de perda e a serveridade m´edia de perda s˜ao utilizadas
para calcular a m´edia esperada da perda acumulada, ´e necess´ario saber n˜ao s´o a m´edia mas, tamb´em, a distribui¸c˜ao acumulada de perda para quantificar a variabilidade de perda. Al´em
de estimar a frequˆencia e severidade m´edia, distribui¸c˜oes probabil´ısticas s˜ao usadas para descrever, qualquer poss´ıvel, varia¸c˜ao no n´umero de contingˆencias e n˜ao certeza sobre as perdas. A distribui¸c˜ao acumulada de perda combina os efeitos da frequˆencia/severidade das
perdas.
As perdas acumuladas s˜ao representadas como a soma Z, de um n´umero aleat´orio N,
de um empr´estimo(ou bandas (x1, x2, x3, ..., xn)) n˜ao pago. Portanto, considere-se a fun¸c˜ao caracter´ıstica
ΦZ(t) =E[eit(Z)] =EN[E[e
it(x1,x2,x3,...,xn)
N ]] =EN[ΦX(t)N] =PN(ΦX(t)),
onde PN ´e a fun¸c˜ao geratriz de probabilidade de N. Esta rela¸c˜ao sugere que em termos da
fun¸c˜ao caracter´ısticas pode-se calcular a distribui¸c˜ao acumulada de perda com o seguinte algoritimo.
Algoritimo 2.2. Os passos s˜ao:
• Transformar as distribui¸c˜ao de probabilidade de severidade em uma distribui¸c˜ao
disc-reta. Chegaremos nisso dividindo a carta de cr´edito em bandas(x1, x2, x3, ..., xn)de exposi¸c˜ao tal que cada banda ´e composta por devedores que sua exposi¸c˜ao corresponde ao tipo da banda.
Sef = [f0, f1, . . . , fm−1]representa o vetor de severidade, ent˜ao o termofi deve ser calculado
considerando que eles representem o quociente do valor esperado de defaults de cada banda,
e o valor esperado de defaults na carta de cr´edito.
• Completar o vetor de probabilidade de severidade com zero para que tenha tamanho n.
• Aplicar a FFT para o vetor de probabilidade de severidade f˜x=F F T(fx).
• Aplicar a fun¸c˜ao geratriz de probabilidade da frequencia para a FFT do vetor de
• Aplicar a IFFT para recuperar a distribui¸c˜ao de perda acumulada: f˜z =IF F T( ˜fx).
Em situa¸c˜oes que os riscos individuais s˜ao sujeitos a mesma influˆencia dedefault utiliza-se uma distribui¸c˜ao composta utiliza-secundaria. A perda agregada da carta de cr´edito pode utiliza-ser
calculada em dois passos:
• O controle de defaultdo parˆametro externo ´e retirado de uma fun¸c˜ao de distribui¸c˜ao,
neste caso a distribui¸c˜ao Gama;
•A gravidade de cada parˆametro externo ´e obtida na realiza¸c˜ao da fun¸c˜ao de distribui¸c˜ao
condicional, condicionada na realiza¸c˜ao do parˆametro externo escolhido no primeiro passo, que assumi-se ter a distribui¸c˜ao de Poisson.
O modelo ´e chamado de processo de Possion Misto (Mixed Poisson), onde o parˆametro
µ tem distribui¸c˜ao Gama com parˆametrosα e β.O qual pode ser aproximado `a distribui¸c˜ao
Binomial Negativa com parˆametrosµ e σ. Neste caso a distribui¸c˜ao eventos default ser´a
PN =P(N =n) =
Γ(α+n) Γ(α)n! ·
( 1 1 +β
)α ·
( β 1 +β
)n ,
ondeα = µσ22 eβ = σ 2
µ. E a fun¸c˜ao geradora de probabilidade ´e dada por
PN(t) = [1−β(t−1)]
−α
Para a an´alise de v´arios setores considera-se que cada setor da carta de cr´edito ´e
inde-pendente, de tal forma que seja possivel dividir a carta de cr´edito em sub cartas de cr´editos atendendo a cada setor. Assim, cada setor ter;a um peso aik correspondente ao seu pr´oprio
risco.
Ap´os ser calculada a distribui¸c˜ao de cada sub carta de cr´edito ser´a ent˜ao poss´ıvel calcular
a distribui¸c˜ao de perda da carta inteira, pelo algoritimo 2.1.
O risco de mercado ´e originado pela volatilidade nos pre¸cos dos ativos financeiros. Ele ´e
geralmente mensurado atrav´es da metodologiaValue-at-Risk(VaR), que fornece uma medida de perda durante um determinado per´ıodo e intervalo de confian¸ca. A metodologia
intro-duzida a cima ´e muito ´util n˜ao s´o para o c´aculo, de forma alternativa, das distribui¸c˜oes de perda de qualquer carta de cr´edito, mas tamb´em para o c´alculo doVaR.
Referˆ
encias
[1] SILVEIRA, M. A. M.,Avalia¸c˜ao do Risco de Cr´edito Agregado: Aplica¸c˜oes do
CRED-ITRISK+ Em Institui¸c˜oes N ˜AO-Financeiras, Escola de P´os Gradua¸c˜ao em Economia da Funda¸c˜ao Getulio Vargas, Tese de Mestrado, (2007).
[2] MELCHIORI, M. R., CreditRisk+ by Fast Fourier Transform, Universidade Nacional
del Litoral, (2004).
[3] WILDE, T., CreditRisk+ A Credit Risk management Framework, Credit Suisse First
Boston, CreditRisk+ Technical document, (1997)
[4] BLUHM, C., OVERBECK, L., WAGNER, C.,An Introduction to Credit Risk Modeling, Chapman & Hall/CRC, (2002).
[5] WANG, S. S., Aggregation of Correlated Risk Portfolios: Models & Algorithms, CAS Committee on Theory of Risk. Working Paper, (1999)
[6] GORDY, M. B., Saddlepoint Approximation of CreditRisk+,Published in Journal of
Banking and Finance, 26(7):1337-1355, (2002)