IMPACTO DE LA CORRELACIÓN Y SUPUESTOS PREDETERMINADOS

¿Qué es la correlación y por qué es importante en el riesgo crediticio?

La correlación, en términos financieros, mide el grado en que dos o más variables o entidades financieras se mueven juntas. Aplicada al riesgo crediticio, la correlación suele referirse a la probabilidad de que se produzcan impagos entre diferentes entidades o instrumentos simultáneamente o en el mismo plazo.

Las instituciones financieras, los gestores de cartera y los organismos reguladores se basan en gran medida en supuestos de correlación al modelar el riesgo crediticio. Por ejemplo, si dos contrapartes están altamente correlacionadas, la probabilidad de que ambas incumplan conjuntamente es significativamente mayor que si sus impagos fueran independientes.

Esto tiene profundas implicaciones para la diversificación de la cartera. En teoría, la diversificación reduce el riesgo de la cartera, pero si los activos de riesgo están fuertemente correlacionados, especialmente en condiciones de mercado estresadas, la diversificación se vuelve menos efectiva. Por lo tanto, una evaluación errónea de la correlación puede generar una falsa sensación de seguridad, subestimando el riesgo real de una cartera.

Los modelos de riesgo, como el modelo de cópula gaussiana utilizado para la fijación de precios de las obligaciones de deuda garantizadas (CDO), dependen en gran medida de los datos de correlación. Estos modelos combinan múltiples instrumentos de crédito en tramos y utilizan supuestos de correlación para determinar la distribución de pérdidas. La crisis financiera de 2008 puso de manifiesto cómo la subestimación de la correlación, especialmente en situaciones de estrés, condujo a una grave subvaloración del riesgo en estos productos estructurados.

Además, marcos regulatorios como Basilea III exigen que los bancos consideren la correlación de impagos al calcular las reservas de capital para el riesgo crediticio. Una correlación de incumplimiento inferior a la real subestima el riesgo de cola y puede generar reservas de capital insuficientes durante shocks financieros.

Tipos de correlación en el riesgo crediticio

• Correlación de activos: Refleja la dependencia de la rentabilidad de los activos de diferentes deudores o instrumentos de crédito.
• Correlación de incumplimiento: Mide la probabilidad de que las entidades incurran en impago conjuntamente, condicionada a un escenario económico.
• Correlación sistemática: Impulsada por factores macroeconómicos que afectan a todos los prestatarios en mayor o menor medida.
• Correlación idiosincrásica: Dependencias de riesgo específicas de cada entidad que no afectan a todo el mercado.

Evaluar correctamente estos tipos de correlación es fundamental tanto para modelar como para determinar la exposición al riesgo. Estimaciones inexactas pueden resultar del uso de datos históricos a corto plazo, la ignorancia de las dependencias de cola o el supuesto de una correlación constante a lo largo del tiempo. En conclusión, la correlación en los modelos crediticios no es solo un mero insumo matemático; influye fundamentalmente en la estimación del riesgo, la fijación de precios y la suficiencia de capital. La excesiva dependencia de supuestos simplistas de correlación o el reconocimiento inadecuado de los picos de correlación inducidos por el estrés pueden exacerbar las pérdidas en crisis sistémicas.

¿Cómo afectan los supuestos de incumplimiento a la modelización del riesgo?Los supuestos de incumplimiento son fundamentales para la modelización del riesgo crediticio, la construcción de carteras y la regulación financiera. Estos supuestos especifican la probabilidad de que los prestatarios o contrapartes incumplan y en qué circunstancias. No solo impulsan los cálculos de pérdidas esperadas, sino que también influyen en la asignación de capital y en la fijación de precios de los instrumentos en el mercado.

Los supuestos clave suelen incluir:

• Probabilidad de incumplimiento (PD): la probabilidad de que un prestatario incumpla con sus obligaciones contractuales de deuda en un plazo determinado, normalmente un año.
• Pérdida en caso de incumplimiento (PDI): el porcentaje de exposición que se puede perder en caso de incumplimiento, tras contabilizar las recuperaciones y las garantías.
• Exposición en caso de incumplimiento (EAD): el importe máximo en riesgo en caso de incumplimiento.
• Momento del incumplimiento: el momento en que es más probable que se produzcan incumplimientos, lo que puede tener implicaciones para el descuento de la exposición y la estimación del flujo de caja.

Estos parámetros constituyen la base del ajuste de valoración del crédito (CVA), los cálculos de los activos ponderados por riesgo (APR) para el capital regulatorio en el marco de Basilea y el capital económico. Evaluación dentro de las instituciones financieras.

Una suposición errónea o excesivamente optimista sobre cualquiera de estas variables puede llevar a una subestimación significativa del riesgo agregado. Por ejemplo, durante períodos de rápida expansión crediticia, las tasas de impago históricas pueden parecer engañosamente bajas, lo que fomenta una mayor agresividad crediticia y una menor dotación de provisiones.

Sin embargo, los impagos tienden a ser cíclicos y muy sensibles a las condiciones macroeconómicas. Por lo tanto, las PD puntuales pueden subestimar el riesgo a largo plazo. En consecuencia, muchas instituciones adoptan supuestos a lo largo del ciclo o bajo estrés para obtener una visión más integral de la solvencia.

Importancia de las estimaciones prospectivas

Los marcos de riesgo modernos incorporan cada vez más indicadores prospectivos en la modelización de impagos. Las expectativas regulatorias (p. ej., las normas NIIF 9 y CECL) exigen que las pérdidas crediticias esperadas se basen en las condiciones económicas futuras, no solo en el rendimiento pasado.

Además, el análisis de escenarios y las pruebas de estrés se utilizan para evaluar cómo los cambios en el desempleo, el crecimiento del PIB, las tasas de interés y la inestabilidad geopolítica podrían modificar las probabilidades de impago y la gravedad de las pérdidas en condiciones adversas.

Desafíos en la calibración y validación

La estimación de parámetros de impago fiables requiere datos robustos. Las instituciones más pequeñas o las que se incorporan a nuevas regiones o clases de activos suelen sufrir escasez de datos. Además, la refinanciación de préstamos y las liquidaciones anticipadas complican la identificación de impagos.

La validación de modelos es igualmente crucial. Los modelos deben someterse a pruebas retrospectivas periódicas y compararse con los impagos observados. Las discrepancias entre los resultados previstos y los reales deberían impulsar la recalibración, especialmente durante los períodos posteriores a una crisis, donde la dinámica de los impagos cambia notablemente.

En conclusión, los supuestos de impago sustentan la integridad de los modelos de riesgo crediticio. Las funciones prácticas y regulatorias dependen de estimaciones sólidas y basadas en datos de PD, LGD y EAD. Un modelado inexacto socava la suficiencia de capital, la fijación de precios, el aprovisionamiento y, en última instancia, la resiliencia del sistema financiero.

¿Cómo influyen los supuestos de incumplimiento y correlación en el riesgo sistémico?

Los supuestos sobre el comportamiento de los incumplimientos y su correlación no se limitan a instituciones individuales, sino que influyen profundamente en la salud de sistemas financieros completos. Cuando los modelos o las convenciones de mercado ampliamente utilizados adoptan estimaciones uniformes y optimistas, el riesgo de fallo sistémico aumenta durante recesiones severas.

Los modelos de riesgo de cartera suelen asumir una probabilidad de incumplimiento moderada y una baja correlación en condiciones de mercado estándar. Sin embargo, los eventos de incumplimiento tienden a estar más correlacionados durante las crisis. Este fenómeno, conocido como "ruptura de la correlación" o "contagio", implica que las correlaciones no son constantes, sino que aumentan drásticamente durante los escenarios de estrés, lo que viola los supuestos fundamentales del modelo.

Los supuestos incorrectos pueden resultar en una subestimación de:

• Riesgo de cola: La probabilidad de eventos extremos, de baja probabilidad y alto impacto.
• Contagio interinstitucional: La probabilidad de que la quiebra de una institución provoque una cascada de impagos en otras.
• Prociclicidad: La tendencia de los sistemas financieros a amplificar los ciclos económicos mediante los requisitos de capital y las normas crediticias.

Estos efectos fueron evidentes durante la crisis de 2007-2008. Las instituciones que empleaban productos de crédito estructurado calcularon erróneamente las interacciones de impago, basándose en escenarios de correlación excesivamente benignos. Cuando los impagos se intensificaron en el sector hipotecario subprime, estas correlaciones se dispararon, lo que resultó en pérdidas masivas e inesperadas y rebajas de calificación crediticia.

Marcos de modelización del riesgo sistémico

Desde entonces, los reguladores y gestores de riesgos han dedicado mayor atención a las pruebas de estrés y a los modelos de riesgo sistémico como CoVaR (Valor en Riesgo Condicional), SRISK y los modelos de teoría de redes que mapean las exposiciones entre los actores financieros. Estos enfoques evalúan cómo se propagan las perturbaciones a través de impagos correlacionados y supuestos erróneos.

Además, los bancos centrales supervisan la interconexión entre prestamistas, gestores de activos, aseguradoras y contrapartes para evaluar las vulnerabilidades sistémicas. En dichas evaluaciones, la sensibilidad a la correlación es vital. Las entidades con carteras de préstamos, exposición geográfica o dependencias macroeconómicas similares pueden comportarse de forma similar en periodos de recesión, invalidando así los beneficios de la diversificación.

Precios de activos y respuestas del mercado

La fijación de precios de mercado de instrumentos sensibles al riesgo tiene en cuenta las correlaciones asumidas y las probabilidades de impago. Los diferenciales de crédito, los rendimientos de los bonos y los precios de los CDS reflejan las expectativas de los inversores sobre futuros eventos crediticios. Cuando las suposiciones de consenso son optimistas, los valores pueden parecer descontados; cuando no se ajustan a la realidad, se produce una revalorización abrupta.

Por lo tanto, las primas de riesgo deben reflejar correctamente los componentes idiosincrásicos y sistémicos. Esto se sustenta en la estructura modelada de correlación-impago. Por ejemplo, la segmentación en índices de crédito sintéticos como iTraxx o CDX depende de la dispersión percibida de los impagos. La desviación de los supuestos conduce a instrumentos con precios incorrectos y a posibles congelamientos de liquidez en los mercados secundarios.

Implicaciones en política y gobernanza

Las reformas posteriores a la crisis, como Basilea III, y el aumento de la supervisión macroprudencial subrayan la necesidad de comprender las implicaciones sistémicas de los supuestos de los modelos. Las revisiones supervisoras evalúan ahora si las instituciones consideran la correlación dinámica, los escenarios de riesgo y la teoría del valor extremo al cuantificar la exposición al riesgo crediticio.

Los marcos de gobernanza del riesgo actuales exigen una evaluación del riesgo de los modelos, no solo de los supuestos de los parámetros, sino también de la propia arquitectura del modelo. La fiabilidad de los datos de impago y correlación depende del diseño subyacente y la calidad de los datos. Las instituciones que no validen o estresen estos supuestos pueden verse sobreexpuestas a eventos crediticios en cascada.

En resumen, los supuestos sobre el comportamiento de los impagos y la correlación van mucho más allá de la política de modelización: influyen en la estabilidad financiera de todo el sistema. Ser consciente de su interdependencia y de los posibles cambios repentinos es crucial para crear carteras resilientes, una fijación de precios justa y una regulación sólida.