En este documento se planteó la dependencia conjunta del riesgo crediticio y el riesgo de mercado para un grupo conformado por diez instituciones de crédito. La premisa principal sigue a Breuer et al., (2010); los autores parten del hecho bajo el cual los diferentes riesgos que puede enfrentar alguna entidad bancaria no son completamente exógenos y por tanto, la interacción de los mismos y su medición conjunta deberían ser un exigencia necesaria tanto para la banca privada, como para cualquier entidad o grupo financiero, incluso para empresas del sector real.
Para el ejercicio empírico se hizo uso de la metodología de las funciones cópula, las cuales por sus características propias permiten construir la dependencia conjunta estableciendo relaciones no necesariamente lineales. La bondad de éste método permite una mejor adecuación a las particularidades de las series financieras, puesto que, la función cópula puede ser adaptada a diferentes tipos de distribuciones, en contraste con otras metodologías que exigen comportamientos gaussianos, colas livianas y simetrías en las distribuciones de las series.
La estimación se realizó modelando la dependencia conjunta a través de una Cópula t, para las series de riesgo de crédito y riesgo de mercado similar a lo hecho en Rosenberg & Schuermann (2004). La autores enuncian que si bien combinar todos los riesgos a los que se expone una entidad financiera sería lo más adecuado, existen mecanismos de dependencia que teóricamente no establecen una relación clara entre todos los riesgos y lo recomendable es trabajar con series cuya relación de dependencia sea más clara a priori, recomendando el uso del riesgo de crédito y el riesgo de mercado únicamente.
En cuanto a resultados empíricos, se evidenció que la Cópula t teórica utilizada se adaptó de manera adecuada a la copula empírica construida, lo cual implica que la elección de este tipo de función para describir la dependencia fue una decisión acertada. Dichos resultados permitieron la construcción de un escenario simulado para tratar de medir en términos prácticos la influencia o no de dicha dependencia. Se planteó entonces el cálculo de un riesgo financiero conjunto para la muestra de los diez bancos con sus respectivos riesgos, adicionalmente se calcula el riesgo conjunto omitiendo la participación de cada uno de los riesgos individuales, y excluyendo los riesgos conjuntos asociados a cada entidad, construyendo así series de riesgo medidas en términos marginales. Para facilitar una interpretación de las anteriores series se supuso una capitalización de $100.000.000 COP, y se realizó una representación en cuartiles de los resultados.
35
Los resultados generales muestran que aquellas instituciones financieras cuyos riesgos de crédito y de mercado han sido omitidos en el cálculo del riesgo conjunto y presentan valores en riesgo marginales positivos, están aportando de alguna manera a la reducción del riesgo conjunto. En otras palabras, la omisión de las mismas para calcular un riesgo total ocasiona que la exposición total se incremente. De otro lado, las instituciones financieras que tras su omisión el valor en riesgo marginal toma valores negativos estarían realizando un aporte que beneficia la reducción de la exposición al riesgo total, su omisión en este caso reduce el riesgo total.
Lo anterior permite concluir que el riesgo total de las diez entidades bancarias mantiene comportamientos similares a las de un portafolio de inversión. Por tanto, al tener en cuenta dentro del riesgo algunas variables y omitiendo algunas otras se estaría mejorando o empeorando la situación, similar a lo que ocurría cuando se diversifica un portafolio. En este sentido, algunas entidades bancarias parecen brindar cierto grado de estabilidad el comportamiento del riesgo conjunto, mientras que otras parecen desestabilizarlo, comportamiento que obedece a las características que posee cada uno de los bancos de manera individual.
Pese a que los resultados corroboran que ciertamente las series de crédito y de mercado de cada uno de los bancos mantienen diferentes tipos de influencia sobre un riesgo conjunto, no se puede concluir de manera absoluta que la dependencia total mejora y que el cálculo del riesgo total es el más adecuado. En el acápite anterior se mostró que no se contaba con la capitalización real de cada uno de los bancos, por lo cual el cálculo conjunto hizo el supuesto de una participación equitativa para cada uno de los bancos, lo cual no permite observar si al final el riesgo total es diferente a simplemente una suma de los riesgos individuales.
En adición a lo anterior, los resultados podrían ser más robustos si se contara con un espectro muestral más amplio que permitiera captar características de volatilidad mayor, que puedan tener algún tipo de efecto sobre el riesgo total. Además, se resalta que en este trabajo se realiza una mera aproximación de comportamiento de únicamente diez bancos, lo cual no es concluyente respecto a cómo se comportaría el riesgo total de las instituciones de crédito oficiales en Colombia. Finalmente, el trabajo permite exhortar, en primer lugar, a una mayor incursión en cuanto al planteamiento teórico de fondo a la gestión integral del riesgo financiero. Asimismo, se plantea la necesidad de desarrollar metodologías que impliquen un cálculo de riesgo conjunto desde un inicio teniendo en cuenta cualquiera de los factores de riesgo existentes, no solo los que se relacionen al riesgo de crédito o de mercado. En este sentido los puntos anteriores son necesarios de cara al
36
mejoramiento en la gestión de riesgos financieros, por parte de las entidades bancarias a nivel nacional.
Referencias Bibliográficas
Bank of International Settlements, 2009. Finding on the Interaction of Market and Credit Risk. Working Paper No. 16, May 2009.
Bank of International Settlements, 2010. Developments in Modelling Risk Aggregation. Joint Forum, October 2010.
Bank of International Settlements, 2013. Principles for Effective Risk Data Aggregation and Risk Reporting. ________, January 2013.
Barnhill, T., & Maxwell, W. (2002). Modeling Correlated Market and Credit Risk in fixed Income Portfolios. Journal of Banking and Finance. 26, 347–374.
Becerra, O., Melo, L. F., 2008. Medidas de Riesgo Financiero usando Cópulas: Teoría y Aplicaciones. BanRep. Borradores de Economía. No. 489.
Brechmann, E. C.. &, Schepsmeier, U. (2013). Modeling Dependence with C- and D-Vine Copulas: The R Package CDVine. Vol. 52. No. 3.
Breuer, T., Jandačka, M., Rheinberger, K., Summer, M., 2007. Regulatory Capital for Market and Credit Risk Interaction: Is Current Regulation Always Conservative? Conference on the Interaction of Market and Credit Risk. Berlín.
Breuer, T., Jandačka, M., Rheinberger, K., Summer, M., 2010. Does adding up of economic capital for market- and credit risk amount to conservative risk assessment? J. Bank. Financ. 34, 703–712. Breuer, T., Jandačka, M., Mencia, J., Summer, M., 2011. A Systematic Approach to Multi-period Stress Testing of Portfolio Credit Risk. J. Bank. Financ. forthcoming.
Breuer, T., Jandačka, M., Puhr, R., 2011. The Interaction Dynamics between Market and Credit Risk. Int. Rev. Applies Financ. Issues Econ. 3.
Bocker, K., Hillebrand, M., 2009. Interaction of market and credit risk: an analysis of inter-risk correlation and risk aggregation. J. Risk 11, 3–29.
Bouye, E., Durrleman, V., Nikeghbali, A., Riboulet, y G., Roncalli, T. (2000), "Copulas for Finance: A Reading Guide and Some Applications".
37
Cabrera, W., Corredor, A. & Quicazan, C. (2012). Requerimientos Macroprudenciales de capital y riesgo sistémico: Una aplicación para Colombia Banco de la República de Colombia. Temas de Estabilidad Financiera No. 72.
Campbell, J. Y., Lo, A. W. & MacKinlay, A. C. (1997). The Econometrics of Financial Markets, New Jersey, Princeton University Press.
Čihák, M. (2007). Introduction to Applied Stress Testing, IMF Working Paper Series, 07-59. Dowd, K., 2005. Measuring Market Risk, Second Edi. ed. Wiley Finance.
Embrechts, P, McNeil, A, & Straumann, D. (2002) Correlation and Dependence in Risk Management: Properties and Pitfalls. Risk Management: Value at Risk and Beyond, ed. M.A.H. Dempster, Cambridge, UK: Cambridge University Press, 176- 223.
Embrechts P, F. Lindskog, & McNeil, A. (2003). Modeling Dependence with Copulas and Applications to Risk Management. Handbook of Heavy Tailed Distributions in Finance, ed. S. Rachev, Rotterdam, NL: Elsevier, Chapter 8, 329-384.
Fiori, R. & Iannotti, S. (2010). On the Interaction between Market and Credit Risk: A Factor- Augmented Vector Autoregressive (FAVAR) Approach. Bank of Italy Temi di Discussione (Working Paper) No. 779.
Gauthier, C., Lehar, A. & Souissi, M. (2011), ‘Macroprudential capital requirements and systemic risk’.
Genest, C., Rémillard, B. & Beaudoin, D. (2009). Goodness-of-fit tests for Cópulas: A review and a power study. Insurance: Mathematics and Economics, 44(2), pp. 199-214.
Giacomini, E., 2005. “Risk Management with Copulae”, Center for Applied Statistics and Econometrics. Berlin, Humboldt – Universität zu Berlin, 8-46.
Hyndman, R. & Khandakar, Y. (2008). Automatic Time Series Forecasting: The forecast Package for R. Journal of Statistical Software. Vol 3. No. 3.
Iscoe, I., Kreinin, A., Rosen, D., 1999. An integrated market and credit risk portfolio model. Algo Res. Q. 2.
Jarramillo M. C. & Lozano, J. A. (2013). Construcción de Distribuciones Multivariadas con Marginales Dependientes Usando Cópulas en R. Revista Ciencia en Desarrollo, Vol. 5 No. 21-29 Jarrow, R.A., Turnbull, S.M., 2000. The Intersection of Market and Credit Risk. J. Bank. Financ. 24, 271–299.
38
McNeil, A. J., Frey, R., Embrechts, P., 2005. Quantitative Risk Management: Concepts, Techniques, and Tools. Princeton University Press, New Jersey.
Nelsen, R., 2006. An Introduction to Copulas. Springer, Nueva York.
Melo, L. F. & Becerra, O. (2005). Medidas de riesgo, características y técnicas de medición: una aplicación del VaR y el ES a la tasa interbancaria de Colombia. Documente de trabajo 343. Banco de la República de Colombia.
Medova, E., & Smith, R. (2005). A Framework to Measure Integrated Risk. Quantitative of Finance. 5 (1), 105–121.
Moreno, J. F. & Melo, L. F. (2011). Pronóstico de incumplimientos de pago mediante máquinas de vectores de soporte: una aproximación inicial a la gestión del riesgo de crédito. Borradores de Economía. Banco de la República de Colombia
Pandey, D, 2012. Integration of Credit and Market Risk. GARP Delhi Chapter meeting. New Delhi. Jul. 2012.
Puhr, R., Rheinberger, K., Summer, M., 2009. Risk Capital for Interacting Market and Credit Risk : VEC and GVAR Models using R.
Rank, J. (2002) Improving VaR Calculation by Using Copulas an non-Gaussian Margins. University of Oxford, Mathematical Finance. November, 1-54.
Risks, F., Rosenberg, J. V, 2006. A General Approach to Integrated Risk Management. Fed. Reserv. Bank New York Staff Reports.
Rosenberg, J., & Schuermann, T. (2004). A General Approach to Integrated Risk Management with Skewed, Fat Tailed Risk. Federal Reserve Bank of New York. Staff Report No. 185. 3-56. Sklar, A. (1959). Fonctions de Repartition à n Dimensions et Leurs Marges, Publications de l’Institut de Statistique de l’Université de Paris, 8, pp. 229-231.
Uribe, J. M., 2011. Contagio Financiero : Una Metodología para su Evaluación Mediante Coeficientes de Dependencia Asintótica. Lect. Econ. 29–57.
Uribe, J. M., Fernández, J., 2014. Riesgo Sistémico en el Mercado de Acciones Colombiano : Alternativas de Diversificación bajo Eventos Extremos. Cuad. Econ. 33, 613–634.
Uribe, J. M., Ulloa, I. M., 2011. Revisando La Hipótesis de los Mercados Eficientes: Nuevos Datos, Nueva Crisis, Nuevas Estimaciones. Cuad. Econ. 30, 127–154.
39
Uribe, J. M., Ulloa, I. M., 2012. La Medición del Riesgo en Eventos Extremos. Una revisión Metodológica en Contexto. Lect. Econ.
Uribe, J. M., Morales, M., Piñeros, J., 2008. Análisis de Estrés sobre el Sistema Bancario Colombiano: Un escenario Conjunto de Riesgos. BanRep. Reporte de Estab. Financ. Septiembre 2008.
Torres, G. I., Olarte, A. M., 2009. Valor en riesgo desde un enfoque de cópulas. AD-Minister. No. 15. Universidad EAFIT.
Trivedi, P. y D. Zimmer, (2005), ‘Copula Modeling: An Introduction for Practitioners’, Foundations and Trends in Econometrics, 1, 1, 1-110.
40
Anexos
Anexo 1. Evolución del Riesgo de Crédito y Riesgo de Mercado Banco de Bogotá .012 .014 .016 .018 .020 .022 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Crédito Banco Popular Banco de Occidente Banco AV Villas .02 .03 .04 .05 .06 .07 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Mercado .008 .012 .016 .020 .024 .028 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Crédito .04 .06 .08 .10 .12 .14 .16 .18 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Mercado .016 .020 .024 .028 .032 .036 .040 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Crédito .01 .02 .03 .04 .05 .06 .07 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Mercado .014 .016 .018 .020 .022 .024 .026 .028 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Crédito .04 .05 .06 .07 .08 .09 .10 .11 .12 .13 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Mercado
41 Bancolombia Banco Davivienda Banco Caja Social
Banco Citibank .010 .015 .020 .025 .030 .035 .040 .045 .050 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Mercado .014 .016 .018 .020 .022 .024 .026 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Crédito .00 .02 .04 .06 .08 .10 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Mercado .025 .030 .035 .040 .045 .050 .055 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Crédito .012 .016 .020 .024 .028 .032 .036 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Crédito .01 .02 .03 .04 .05 .06 .07 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Mercado .015 .020 .025 .030 .035 .040 .045 .050 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Crédito .01 .02 .03 .04 .05 .06 .07 .08 .09 .10 2007 2008 2009 2010 2011 2012 2013 2014 Riesgo de Mercado
42
Banco BBVA
Banco Santander
Fuente: SuperIntendencia Financiera de Colombia. Elaboración propia.
Anexo 2. Estadísticas Descriptivas Retornos Riesgo de Crédito y Riesgo de Mercado