Mensurando e comparando a inadimplência
do crédito pessoal via matrizes de transição
Ricardo Schechtman
Departamento de Estudos e Pesquisas
Banco Central do Brasil
ricardo.schechtman@bcb.gov.br
The contents of this presentation do not necessarily reflect the views of the Central Bank of Brazil.
III Seminário Anual sobre Riscos, Estabilidade Financeira
e Economia Bancária do Banco Central do Brasil
Introdução
z
Por que é importante mensurar/acompanhar a inadimplência ?
• Componente dos spreads bancários (c.f. BCB, 1999)
• Explicar a inadimplência (e.g. ciclo econômico c.f. Jiménez & Saurina (2006))
• Relacionado ao problema de estimação de PDs em modelos internos (Basiléia II)
• Monitoramento da estabilidade financeira do sistema.
z
No Brasil, nos últimos anos:
• Expansão econômica ⇒ Crescimento do crédito ⇒ Inadimplência ?
Quantidade de operações crédito pessoal de 4 grandes conglomerados 0,0 100,0 200,0 300,0 400,0 500,0 600,0 700,0 jan/ 0 3 ma r/ 0 3 ma i/ 0 3 jul/ 03 s e t/0 3 no v /0 3 jan/ 0 4 ma r/ 0 4 ma i/ 0 4 jul/ 04 s e t/0 4 no v /0 4 jan/ 0 5 ma r/ 0 5 ma i/ 0 5 jul/ 05 s e t/0 5 no v /0 5 jan/ 0 6 ma r/ 0 6 ma i/ 0 6 jul/ 06 s e t/0 6 no v /0 6 jan/ 0 7 ma r/ 0 7 ma i/ 0 7 jul/ 07 s e t/0 7 no v /0 7 Tempo N ú m er o d e o p er aç õ es ( m ih ar es )
z
Como mensurar a inadimplência ?
•
Fluxo X Estoque
•
E.g. percentual de tomadores que entram em default ao
longo de um período X …que estão em default num
instante do tempo.
•
Multivariado X Univariado
•
E.g.: vários critérios X único critério de inadimplência.
•
Matrizes de transição !
Literatura aplicada sobre matrizes de transição
z
Literatura aplicada: concentrada em matrizes de agências
de rating
•
Trabalhos pioneiros: Bangia et. al. (2002), Nickell et. al. (2000)
•
Estimação pontual e ICs: Lando & Skodeberg (2002), Christensen
et. al. (2004), Hanson & Schuermann (2004), Gagliardini &
Gouriéroux (2005)
•
Comparação entre matrizes: Gewecke et. al. (1986), Jafry &
Schuermann (2004)
•
Literatura escassa para matrizes cujas classificações diferem de
ratings de agências:
Introdução
z
Objetivo: mensurar inadimplência como fluxo
multivariado via matrizes de transição
⇒ retrato completo
z
Aspectos metodológicos:
•
Como os resultados diferem dos encontrados para
matrizes de agências de rating ?
•
Comparar os diferentes métodos de estimação para
matrizes de inadimplência.
z
Aspectos práticos:
•
Comparação entre diferentes faixas de inadimplência.
•
Evolução temporal da inadimplência do cred.pessoal.
Dados
z
Operações de crédito pessoal sem consignação vigentes entre Janeiro
de 2003 e Janeiro de 2008 extraídas do SCR
•
Quatro grandes conglomerados financeiros (IFs principais)
•
Clientes PF pequenos
(responsabilidade total no banco < R$ 50 mil)z
Critérios de inadimplência baseados em reclassificações das
classificações regulatórias dadas pela Resolução 2682.
• Diferenças em relação à Resolução 2682.
z
Classificação
≅ faixa de atraso
N o v a c la s s ific a ç ã o A A R B C D E F G H D ia s e m a tra s o - re n e g . 1 5 -3 0 3 1 -6 0 6 1 -9 0 9 1 -1 2 0 1 2 1 -1 5 0 1 5 1 -1 8 0 > 1 8 0 o u p re ju íz o
Dados
z
Tamanho da base:
• Tomadores: 1.803.333
• Base restrita ao Banco 1:
• Tomadores: 343.616
• Mudanças de classificação incluindo surgimento e desaparecimento de
tomadores: 1.129.385
• Mudanças de classificação excluindo surgimento e desaparecimento de
tomadores: 273.248
z
Hipótese básica: séries temporais de classificação/faixa de atraso
= realizações de uma cadeia de Markov
z
Estimação das matrizes:
Tempo
discreto
(semestral)
Tempo contínuo
(mensal)
Metodologia
Homogênea Multinomial Duração
Não-homogênea
Cohort Aalen-Johansen
• Cohort: Pij=Nij/Ni• Multinomial: Pij=ΣNij(s)/ΣNi(s), s=semestre
• Duração: P=exp(G), onde gij = 6×ΣNij(m)/ΣNi(m), (m=mês), gii = - Σgij,
• Aalen-Johansen: cohort a nível mensal seguido da composição de matrizes mensais.
z
Métodos contínuos X métodos discretos:
•
Vantagens:
• Geram probabilidades não desprezíveis para transições raras para tomadores fixos.
• Transições de tomadores que não permancem todos os meses são usadas.
•
Desvantagens:
• Não permitem ICs analíticos.
• Menos robustos à violação de Markov
z
Métricas de comparação entre matrizes
•
Jafry & Schuermann (2004) propõem:• Mede a mobilidade média
• P1 e P2 são comparadas via ΔMob(P1,P2) = |Mob(P1)-Mob(P2)| ou Mob(P1
)-Mob(P2)
• Problemas e soluções:
1. Mob não distingue migrações de melhora de migrações de piora.
• Mob_piora(P) ≡ Mob(TriangSup(P))/cte e Mob_melhora(P) ≡
Mob(TriangInf(P))/cte
2. Mob pode falhar em distinguir migrações extremas de migrações curtas.
• Mcusto(P) = Σ pesoi× CE(i-ésima linha), onde CE(i-ésima linha) = Σ Pij× Cj
e Cj= custo de oportunidade dos dias de atraso.
Metodologia
( )
(
(
) (
)
)
C C i T i∑
= − − ≡ 1 Mob I P I P Pλ
1.
Comparação entre estimadores
2.
Comparação entre classificações
3.
Comparação entre bancos
4.
Comparação no tempo
Resultados
z Matriz semestral multinomial para o Banco 1:
A AR B C D E F G H A 87,6 1,2 2,3 3,2 1,9 1,5 1,3 0,9 0,2 AR 22,4 46,6 0,5 1,4 3,7 3,0 3,2 2,4 16,8 B 34,6 1,3 18,7 11,4 5,7 4,7 4,5 16,0 3,2 C 23,2 3,0 2,8 12,2 6,0 4,5 4,1 6,0 38,3 D 5,6 3,1 1,0 2,6 4,0 2,9 3,4 3,5 74,0 E 1,7 1,5 0,6 1,1 0,6 1,7 1,5 1,3 90,1 F 1,0 1,3 0,2 0,5 0,5 0,4 0,7 0,5 94,9 G 0,4 0,7 0,2 0,2 0,2 0,3 0,0 0,4 97,6 H 0,3 1,1 0,1 0,1 0,1 0,0 0,0 0,0 98,4
z Algumas migrações importantes:
Resultados: comparação entre estimadores
z Razão Duração/Multinomial para o Banco 1: (similar para outros bancos)
z Variação nas probabilidades:
• A ⇒ H de 0,2% para 2,2%, A ⇒ >=E de 3.9% para 6,0%
A <=AR >=D >=E H A 0,96 0,97 1,40 1,53 10,31 AR 1,30 0,74 1,59 1,72 1,93 B 1,69 1,70 0,88 0,90 3,85 C 1,53 1,50 0,95 0,99 0,86 D 2,30 1,95 0,93 0,95 0,85 E 3,43 2,78 0,95 0,95 0,91 F 3,24 2,47 0,97 0,97 0,95 G 5,16 3,89 0,97 0,97 0,96 H 5,76 2,67 0,98 0,98 0,97
A
<=AR
>=D
>=E
H
A
1,00
1,00
1,01
1,03
0,65
AR
1,17
1,03
0,95
0,94
0,94
B
1,04
1,05
1,02
1,11
0,98
C
0,98
0,99
1,04
1,09
1,38
D
0,92
0,95
1,02
1,03
1,25
E
0,83
0,95
1,01
1,01
1,10
F
0,97
1,07
1,00
0,99
1,02
G
0,75
0,94
1,01
1,01
1,01
H
0,84
1,00
1,00
1,00
1,00
z Razão Aalen/Duração para o Banco 1 em 2007-01: (varia conforme banco e
semestre)
Resultados: comparação entre estimadores
z Comparação entre estimadores via métricas para o Banco 1 (similar para
Melhora
Resultados: comparação entre classificações
Resultados para banco 1, probabilidas estimadas pelo estimador multinomial, ICs analíticos baseados na aproximação normal da distribuição binomial, eixos y em log.
Resultados: comparação entre bancos
Banco 1 Banco 2 Banco 3 Banco 4
Banco 1 0 Mob Banco 2 0,01 0 melhora Banco 3 0,03 0,02 0 Banco 4 0,00 0,00 0,03 0 Banco 1 0 Mob Banco 2 0,00 0 piora Banco 3 0,04 0,04 0 Banco 4 0,03 0,02 0,07 0 Banco 1 0 Custo Banco 2 0,01 0 Banco 3 0,01 0,02 0 Banco 4 0,03 0,02 0,04 0
z Distâncias entre os bancos segundo várias métricas
Resultados: heterogeneidade temporal
Resultados: variação temporal dos bancos
z Distâncias entre matrizes semestrais e matrizes médias, via métricas:
Resultados: variação temporal dos bancos
Resultados: revisitando a comparação entre
bancos
Conclusão
z Principais resultados:
• Fortes heterogeneidade temporal e entre bancos da inadimplência do crédito pessoal em 2003-2007.
• Discriminação problemática entre faixas de atraso elevado.
• Ganho de eficiência do estimador por duração é mais importante do que hipótese (falsa) de homogeneidade dentro dos semestres.
• Propõe novas métricas de comparação de matrizes.
• Série de resultados, aliados a conhecimento específico das instituições, são subsídio para supervisão bancária.