Temerrüt olasılığı - Probability of default

Banka yönetmeliği ve standartları
Arka plan
Sütun 1: Düzenleyici sermaye
2. Sütun: Denetleyici inceleme
Sütun 3: Piyasa açıklamaları
İşletme ve Ekonomi Portalı

Temerrüt olasılığı ( PD ), belirli bir zaman diliminde temerrüt olasılığını tanımlayan bir finansal terimdir . Borçlunun borç yükümlülüklerini yerine getirememe olasılığının bir tahminini sağlar.

PD, çeşitli kredi analizlerinde ve risk yönetimi çerçevelerinde kullanılır. Basel II kapsamında , bir bankacılık kurumu için ekonomik sermaye veya yasal sermaye hesaplamasında kullanılan temel bir parametredir .

PD, PD'nin ürünü olarak tanımlanan beklenen zarar , temerrüt halindeki kayıp (LGD) ve temerrütteki maruziyet (EAD) ile yakından bağlantılıdır .

genel bakış

PD, borçlunun borcunu tam veya zamanında ödeyememe veya ödemek istememe riskidir. Temerrüt riski, borçlunun sözleşme şartlarına uygun olarak borcu geri ödeme kapasitesinin analiz edilmesiyle elde edilir. PD genellikle hizmet borcuna yetersiz nakit akışı, azalan gelirler veya işletme marjları, yüksek kaldıraç, azalan veya marjinal likidite ve bir iş planını başarıyla uygulayamama gibi finansal özelliklerle ilişkilidir. Bu ölçülebilir faktörlere ek olarak, borçlunun geri ödeme istekliliği de değerlendirilmelidir.

—  [Para Birimi Kontrolörünün Ofisi]

Temerrüt olasılığı, temerrüt olayının meydana gelme olasılığının bir tahminidir. Genellikle bir yıl olmak üzere belirli bir değerlendirme ufku için geçerlidir.

Tüketiciler için FICO veya şirketler veya hükümetler için S&P, Fitch veya Moodys'in tahvil notları gibi kredi puanları , tipik olarak belirli bir temerrüt olasılığı anlamına gelir.

RMBS veya kredi havuzu gibi benzer kredi riski özelliklerini paylaşan borçlular grubu için, grubun tipik (ortalama) borçlusunu temsil eden bir varlık grubu için bir TO türetilebilir. Buna karşılık, bir tahvil veya ticari kredi için bir PD, tipik olarak tek bir kuruluş için belirlenir.

Basel II uyarınca , bir borç yükümlülüğünde temerrüt olayının meydana geldiği söylenir.

  • borçlunun rehinli teminattan vazgeçmeden bankaya olan borcunu geri ödeyebilmesi olası değildir.
  • borçlu, önemli bir kredi yükümlülüğünün vadesini 90 günden fazla geçmişse

Stresli ve stressiz PD

Bir borçlunun TO'su, sadece o borçlunun risk özelliklerine değil, aynı zamanda ekonomik ortama ve borçluyu etkileme derecesine de bağlıdır . Böylece, PD'yi tahmin etmek için mevcut olan bilgiler iki geniş kategoriye ayrılabilir -

  • Ev fiyat endeksleri, işsizlik, GSYİH büyüme oranları vb. gibi makroekonomik bilgiler - bu bilgiler birden fazla borçlu için aynı kalır .
  • Gelir artışı (toptan satış), son altı ayda kaç kez temerrüde düştüğü (perakende) vb. gibi borçluya özel bilgiler - bu bilgi tek bir borçluya özeldir ve doğası gereği statik veya dinamik olabilir. Statik özelliklere örnek olarak, toptan krediler için endüstri ve perakende krediler için "kredi/değer oranı" oluşturulabilir.

Vurgusuz PD, borçlunun mevcut makroekonomik bilgilerin yanı sıra borçluya özgü bilgileri de dikkate alarak belirli bir zaman diliminde borçlunun temerrüde düşeceği tahminidir . Bu, makroekonomik koşullar kötüleşirse, bir borçlunun PD'sinin artma eğiliminde olacağı ve ekonomik koşullar düzeldiğinde azalma eğiliminde olacağı anlamına gelir .

Stresli PD, borçlunun mevcut borçluya özgü bilgileri göz önünde bulundurarak, ancak ekonominin mevcut durumundan bağımsız olarak "stresli" makroekonomik faktörleri göz önünde bulundurarak belirli bir zaman diliminde temerrüde düşeceği tahminidir . Bir ait PD vurguladı obligor risk özelliklerine bağlı olarak zaman içinde değişikliklere borçlu , ancak olumsuz ekonomik koşullar zaten tahmin hesaba gibi ağır ekonomik döngüde değişikliklerden etkilenmez.

Gerilmiş ve gerilmemiş PD'nin daha ayrıntılı bir kavramsal açıklaması için, bakınız.

Döngü boyunca (TTC) ve Zaman İçinde Nokta (PIT)

Gerilimli ve gerilimsiz PD'ler kavramıyla yakından ilgili olarak, döngü boyunca (TTC) veya zaman içinde nokta (PIT) terimleri hem PD bağlamında hem de derecelendirme sistemi bağlamında kullanılabilir. PD bağlamında, yukarıda tanımlanan stresli PD genellikle bir borçlunun TTC PD'sini belirtirken, vurgulanmamış PD, PIT PD'yi belirtir. Derecelendirme sistemleri bağlamında, bir PIT derecelendirme sistemi, her bir borçluyu, bir gruptaki tüm borçlular benzer gerilmemiş PD'leri paylaşırken, bir TTC derecelendirme sistemi tarafından atanan bir risk grubundaki tüm borçlular benzer stresli PD'leri paylaşacak şekilde bir gruba atar.

Kredi temerrüt takası ima edilen (CDS ima edilen) temerrüt olasılıkları, kredi temerrüt takaslarının piyasa fiyatlarına dayanmaktadır. Hisse senedi fiyatları gibi, fiyatları da bir bütün olarak piyasada mevcut olan tüm bilgileri içerir. Bu nedenle, temerrüt olasılığı fiyattan çıkarılabilir.

CDS, risk primleri bir şekilde hesaba katılmadıkça, gerçek dünyadaki temerrüt olasılığını olduğundan fazla tahmin edebilen, riskten bağımsız temerrüt olasılıkları sağlar. Seçeneklerden biri, CDS zımni PD'lerini EDF (Beklenen Temerrüt Sıklığı) kredi önlemleriyle birlikte kullanmaktır.

Zaman içinde ve döngü boyunca PD'ler türetme

PIT ve TTC PD'lerin türetilmesi ve tahmin edilmesi için alternatif yaklaşımlar vardır. Bu tür bir çerçeve, PIT ve TTC PD'lerini kredi koşullarında sistematik öngörülebilir dalgalanmalar aracılığıyla, yani bir “kredi döngüsü” aracılığıyla ayırt etmeyi içerir. Farklı amaçlar için PIT veya TTC PD'lerinin seçici kullanımını içeren bu çerçeve, BASEL II AIRB statüsüne sahip büyük Birleşik Krallık bankalarında başarıyla uygulanmıştır.

İlk adım olarak bu çerçeve, bir PD modeli oluşturmak için kaldıraç ve oynaklığın (veya bunların vekillerinin) kullanıldığı Merton yaklaşımını kullanır .

İkinci adım olarak bu çerçeve, Asimptotik Risk Faktörü Modeli'ne (ASRF) benzer sistematik faktör(ler)in varlığını varsayar.

Üçüncü adım olarak, bu çerçeve kredi döngülerinin öngörülebilirliğinden yararlanır. Bu demektir ki, bir sektördeki temerrüt oranı tarihi yüksekliğe yakınsa o zaman düşeceği varsayılır ve bir sektördeki temerrüt oranı tarihi düşük seviyeye yakınsa o zaman yükseleceği varsayılır. Sistematik faktörün tamamen rastgele olduğunu varsayan diğer yaklaşımların aksine, bu çerçeve, temerrüt oranlarının daha doğru tahmin edilmesiyle sonuçlanan sistematik faktörün tahmin edilebilir bileşenini nicelleştirir.

Bu çerçeveye göre, PIT terimi, zaman içinde gerçekleşen, temerrüt oranları (DR'ler) ile birlikte hareket eden, genel kredi koşulları kötüleştikçe artan ve koşullar iyileştikçe azalan TO'lar için geçerlidir. TTC terimi, bu tür dalgalanmalar göstermeyen, genel kredi koşulları artıp azalsa bile genel olarak sabit kalan PD'ler için geçerlidir. Farklı varlıkların TTC PD'leri değişecek, ancak tüm varlıklar arasındaki genel ortalama değişmeyecektir. PIT PD'lerin daha yüksek doğruluğu, onları fiyatlandırma veya portföy yönetimi gibi mevcut, risk uygulamalarında tercih edilen seçenek haline getirir. TTC PD'lerinin genel kararlılığı, Basel II/II RWA'nın belirlenmesi gibi uygulamalarda onları çekici kılar.

Yukarıdaki çerçeve, kredi döngülerini, bunların sistematik ve rastgele bileşenlerini ve sonuçta ortaya çıkan PIT ve TTC PD'lerini ölçmek için bir yöntem sağlar. Bu, toptan kredi için, çeşitli sektörlerin veya bölgelerin her biri için MKMV EDF'leri, Kamakura Temerrüt Olasılıkları (KDP'ler) veya diğer bazı kapsamlı PIT PD'leri veya DR'leri özetleyerek gerçekleştirilir. Bundan sonra, bu faktörler uygun birimlere dönüştürülür ve ilgili, uzun vadeli ortalama değerlerinden sapmalar olarak ifade edilir. Birim dönüştürme tipik olarak ters-normal dağılım fonksiyonunun uygulanmasını içerir, böylece medyan veya ortalama PD'lerin ölçümlerini medyan veya ortalama “varsayılan mesafe” (DD) ölçümlerine dönüştürür. Bu noktada, seçilen sektörlerin her birinde mevcut ve uzun vadeli ortalama DD arasındaki mesafeyi ölçen bir dizi endeks vardır. Veri kullanılabilirliği ve portföy gereksinimlerine bağlı olarak, bu tür endeksler, birden fazla durgunluğu kapsayan 20 yılı aşkın süredir çeşitli endüstriler ve bölgeler için oluşturulabilir.

Bu endeksleri geliştirdikten sonra, kapsanan sektörlerin her biri içindeki karşı taraflar için hem PIT hem de TTC PD'leri hesaplanabilir. PIT PD'lerini elde etmek için, ilgili temerrüt modellerine ilgili endeksler tanıtılır, modeller temerrütlere yeniden kalibre edilir ve endekslerde mevcut ve öngörülen değişikliklerle modeller girdi olarak uygulanır. Bir PD modeli başka türlü PIT değilse, endekslerin tanıtılması onu PIT yapacaktır. Spesifik model formülasyonu, her biri için önemli olan özelliklere, seçkin karşı taraflar sınıfına ve veri kısıtlamalarına bağlıdır. Bazı yaygın yaklaşımlar şunları içerir:

  • Faktör Oranı Modeli: Finansal/finansal olmayan faktörlerin ve kredi döngüsü endekslerinin temerrüde göre kalibrasyonu. Bu yaklaşım, örneğin KOBİ portföyleri veya harici temerrüt örneklerine göre ayarlanmış büyük şirket portföyleri gibi çok sayıda temerrütle iyi çalışır.
  • Puan kartı modeli: Gözlenen dahili veya harici temerrütlere göre kalibre edilen puan ve kredi döngüsü endekslerinin kalibrasyonu. Bu yaklaşım, bir oran modeli geliştirmek için yeterli verinin olmadığı durumlarda daha az sayıda temerrütle çalışır. Ör. Fon portföyü
  • Doğrudan Ajans modeli: ECAI notlarının (temerrüt mesafesi olarak numaralandırılmıştır) ve kredi endekslerinin ECAI temerrütlerine kalibrasyonu ve bunu Ajans'a ve dahili olarak derecelendirilmiş kuruluşlara uygulanması. Bu yaklaşım, büyük bir ortak oranlı veri kümesinin olduğu ancak yeterli dahili temerrütün olmadığı durumlarda işe yarar, örneğin Sigorta portföyü
  • Ajans Çoğaltma modeli: Mali/finansal olmayan faktörleri/puan kartı puanını, Agency Direct modelinden tahmin edilen PD'lere göre kalibre edin. Bu yaklaşım, büyük, ortak dereceli bir veri kümesinin olduğu ancak küçük bir dahili temerrüt örneğinin olduğu durumlarda iyi çalışır - örneğin Sigorta portföyü
  • Harici satıcı modeli: Kredi döngüsü endeksleri ile MKMV EDF modeli gibi modellerin kullanımı.

Bu noktada, bir TTC PD belirlemek için üç adım izlenir:

  • PIT PD'yi PIT DD'ye dönüştürme
  • PIT DD'den kredi döngüsü endeksinin çıkarılması, böylece TTC DD'nin elde edilmesi; ve
  • TTC DD'yi TTC PD'ye dönüştürme.

PD modellerine ek olarak, bu çerçeve ayrıca LGD, EAD ve Stres Testi modellerinin PIT ve TTC varyantlarını geliştirmek için kullanılabilir.

Çoğu PD modeli, hibrit bir yapıya sahip PD'ler üretir: bunlar ne mükemmel bir Zaman İçinde Nokta (PIT) ne de döngü boyunca (TTC) değildir. Gözlenen Temerrüt Sıklığı ODF'nin uzun vadeli ortalaması genellikle bir TTC PD olarak kabul edilir. Uzun bir dönem üzerinden düşünüldüğünde sistematik etkilerin ortalamalarının sıfıra yakın olduğu iddia edilmektedir. Bununla birlikte, böyle bir ortalamayı hesaplamak için uygun referans döneminin tanımlanması genellikle zordur, örneğin, geçmiş verilerdeki birden fazla iş çevrimi, taraflı bir tahmin olarak kabul edilen ortalama PD'yi fazla veya az tahmin edebilir. Ayrıca, bir borçlu havuzu için sabit bir TTC PD varsayımı pratikte gerçekçi değildir. Aslında, bir portföyün kendine özgü riski zamanla değişebilir. Klasik bir örnek, borçluların giriş ve çıkışları nedeniyle portföy dağılımındaki değişiklikler ve aynı zamanda kredi koşullarının veya politikalarının değiştirilmesi gibi banka tarafından alınan kararlardır.

Tahmin

Temerrüt olasılığını tahmin etmek için birçok alternatif vardır . Temerrüt olasılıkları, lojistik regresyon gibi modern teknikler kullanılarak fiili temerrütlerin tarihsel bir veri tabanından tahmin edilebilir . Temerrüt olasılıkları, kredi temerrüt takasları , tahviller ve adi hisse senedi opsiyonlarının gözlemlenebilir fiyatlarından da tahmin edilebilir . Birçok banka tarafından benimsenen en basit yaklaşım, geçmiş temerrüt deneyimlerinden PD'leri tahmin etmek için Standard and Poors , Fitch veya Moody's Investors Service gibi harici derecelendirme kuruluşlarını kullanmaktır . Küçük işletme temerrüt olasılığı tahmini için, lojistik regresyon , küçük bir işletme için temerrütlerin tarihsel bir veri tabanına dayalı olarak temerrüt sürücülerini tahmin etmek için yine en yaygın tekniktir. Bu modeller hem dahili olarak geliştirilir hem de üçüncü şahıslar tarafından sağlanır. Benzer bir yaklaşım, borç verenin asıl odak noktası olan temerrüt olasılığı için bir örtmece olarak " kredi puanı " terimini kullanarak perakende temerrüdüne uygulanır .

Temerrüt olasılığını modellemek için kullanılan popüler istatistiksel yöntemlerden bazıları aşağıda listelenmiştir.

Ayrıca bakınız

Referanslar

  1. ^ Bankopedia:PD Tanımı
  2. ^ FT Lexicon: Varsayılan olasılık
  3. ^ Giriş:Perakende piyasalarının kredi riski modellemesindeki sorunlar
  4. ^ Basel II Kapsamlı Versiyon, Sf 100
  5. ^ a b BIS:İç Derecelendirme Sistemlerinin Validasyonuna İlişkin Çalışmalar
  6. ^ Slayt 5 ve 6: PIT ve TTC Kredi Ölçüleri Arasındaki Fark
  7. ^ http://www.moodysanalytics.com/~/media/Insight/Quantitative-Research/Default-and-Recovery/10-11-03-CDS-Implied-EDF-Credit-Measures-and-Fair-Value-Spreads .ashx >
  8. ^ http://mpra.ub.uni-muenchen.de/6902/1/aguais_et_al_basel_handbook2_jan07.pdf
  9. ^ Aguais, SD, et al, 2004, “Zaman İçinde Noktaya Karşı Döngü Boyunca Derecelendirmeler”, M. Ong (ed), The Basel Handbook: A Guide for Financial Practitioners (Londra: Risk Books)
  10. ^ Merton, Robert C., "Kurumsal Borçların Fiyatlandırılması Üzerine: Faiz Oranlarının Risk Yapısı", Journal of Finance, Cilt. 29, No. 2, (Mayıs 1974), s. 449-470 doi : 10.2307/2978814
  11. ^ Gordy, MB (2003) Derecelendirmeye dayalı banka sermaye kuralları için bir risk faktörü modeli temeli. Finansal Aracılık Dergisi 12, 199 - 232.
  12. ^ http://www.bis.org/bcbs/irbriskweight.pdf
  13. ^ Uluslararası Finans Risk Ağırlıklı Varlıklar Görev Gücü Enstitüsü (IRTF) "Zaman İçinde Nokta ve Döngü Boyunca Modelleme." Teknik rapor, Uluslararası Finans Enstitüsü, 2016.
  14. ^ SD Aguais, LR Forest Jr., M. King, MC Lennon ve B. Lordkipanidze. "Basel II uyumlu bir PIT/TTC derecelendirme çerçevesi tasarlamak ve uygulamak." MK Ong, editör, The Basel Handbook: A Guide for Financial Practitioners, sayfa 267{297. Risk Kitapları, Londra, 2. baskı, 2008. ISBN  9781904339557 .
  15. ^ Oeyen, B.; Salazar Celis, Ö. (2019). "Temerrüt Olasılığı ve Gözlenen Temerrüt Sıklığı ve Ortak Bir Faktör ile ilişkisi Üzerine". Kredi Riski Dergisi . 15 (3): 41-66. doi : 10.21314/JCR.2019.253 . S2CID  204421422 .
  16. ^ Mali Davranış Otoritesi (FCA). "FCA El Kitabı." Financial Conduct Authority, Londra, 23. baskı, 2018.
  17. ^ Basel II Risk Parametreleri

Okuma

  • de Servigny, Arnaud ve Olivier Renault (2004). Standard & Poor's Kredi Riskini Ölçme ve Yönetme Kılavuzu . McGraw-Hill. ISBN'si 978-0-07-141755-6.
  • Duffie, Darrell ve Kenneth J. Singleton (2003). Kredi Riski: Fiyatlandırma, Ölçüm ve Yönetim . Princeton Üniversitesi Yayınları. ISBN'si 978-0-691-09046-7.

Dış bağlantılar