Academia, Revista Latinoamericana de Administración, 47, 2011, 112-125

Copyright 2011 de Cladea, [Link]

Teoría actuarial en la cuantificación de las pérdidas

por exposición a riesgo de crédito: una aplicación
al mercado colombiano*

Actuarial Theory of the Losses Measurement by Exposure

to Credit Risk: An Application to the Colombian Market
Edinson Caicedo Cerezo M. Mercè Claramunt Bielsa
Universidad del Valle, Cali, Colombia Universitat de Barcelona, Barcelona, España
edcaiced@[Link] mmclaramunt@[Link]

Montserrat Casanovas Ramón

Universitat de Barcelona, Barcelona, España
mcasanovas@[Link]

R esumen A b s t r ac t

En este artículo se presentan los resultados del estu- This paper presents the results of a study on VaR and
dio sobre la medición del valor en riesgo (VaR) y el TVaR measurement for credit risk exposure of a credit
Tail Var (TVaR) por exposición a riesgo de crédito portfolio comprised of the financial debt (default to
de una cartera conformada por los montos de deuda exposure) figures reported by 25 firms that belonged
financiera (nivel de exposición a incumplimiento) to the Colombia Stock Exchange General Index
reportados por 25 firmas que pertenecieron al Índice (IGBC) and that traded on the Colombian Stock
General de la Bolsa de Valores de Colombia (IGBC) y Market in 2007. The VaR and TVaR were estimated
que cotizaron en el mercado accionario colombiano through Aggregate Loss Distribution Approach
en el 2007. El VaR y el TVaR se estiman mediante el (LDA), individual and collective risk models, Basel II
enfoque de distribución de la pérdida total (LDA) a approach and simulation using the Normal Distribu-
través de los modelos individual y colectivo de riesgo, tion, Normal Power, Gamma, Beta, Bernoulli, Pois-
el enfoque de Basilea II y por simulación utilizando son Composite and Negative Binomial Composite.
las distribuciones Normal, Normal Power, Gamma, The research results indicate that VaR and TVaR esti-
Beta, Bernoulli, Poisson Compuesta y Binomial mations depend on the model and distribution that is
Negativa Compuesta. Los resultados de la investiga- used for measurement. The VaR estimation through
ción indican que la estimación del VaR y del TVaR Basel II approach was higher than estimates of VaR
depende del modelo y de la distribución que se emplea and TVaR obtained with the other models used in the
para su medición. La estimación del VaR obtenida a research.
través del enfoque de Basilea II fue más elevada que
las estimaciones del VaR y del TVaR obtenidas con
los otros modelos aplicados en el estudio.

Palabras clave: probabilidades de incumplimiento, Key words: Default probabilities, individual and collec-
modelos de riesgo individual y colectivo, Basilea II, tive risk models, Basel II, value at risk.
valor en riesgo.

* Este trabajo forma parte del proyecto de investigación: “Metodología para la medición del riesgo de crédito en empresas
no financieras”, que se desarrolla dentro del proyecto ECO2010-22065-C03-03: Modelos actuariales de medición y trans-
ferencia del riesgo: riesgo de crédito y riesgo de suscripción, el cual es financiado por el gobierno de España, Ministerio de
Ciencia e Innovación, la Universitat de Barcelona, España y la Universidad del Valle, Colombia. Nuestros agradecimientos
a las entidades financiadoras del proyecto, a Maite Mármol y Anna Castañer por las observaciones y comentarios realizados
a versiones previas de este documento. Todos los errores, comentarios y observaciones son de la absoluta y total responsa-
bilidad de los autores y no comprometen en ningún sentido a las instituciones en las cuales laboran.

112 Academia, revista latinoamericana de administr ación, 47, 2011

 Ca i c e d o, C l a r a m u n t y Ca s a n ova s

1. Introducción son considerados como estándares en la cuanti-

ficación de las pérdidas por exposición a riesgo
El riesgo de crédito se define como la pérdida de crédito son el enfoque de Basilea II (Basilea,
potencial que se registra con motivo del incum- 2004) y el modelo CreditRisk+ de Credit Suisse
plimiento de una contraparte en una transac- Fiancial Products (Crouhy et al., 2000).
ción financiera (o en alguno de los términos y Dada la importancia que tiene el crédito den-
condiciones de la transacción) (De Lara, 2003). tro de las actividades comerciales que realizan
También se concibe como un deterioro en empresas del sector financiero y no financiero
la calidad crediticia de la contraparte o en la con sus clientes, es de vital relevancia encontrar
garantía o colateral pactado originalmente. respuesta a la pregunta: ¿cuál es el monto de las
La medición del riesgo de crédito incluye la pérdidas por exposición al riesgo de crédito en
cuantificación de: 1) los montos de exposición que podría incurrir una compañía al realizar
al incumplimiento, 2) las probabilidades de su actividad comercial?
incumplimiento y las tasas de recuperación si Partiendo de las estimaciones realizadas por
se llega a presentar el incumplimiento y 3) las Caicedo, Claramunt y Casanovas (2011) de los
pérdidas por exposición a riesgo de crédito. montos por exposición a incumplimiento, las
Los montos de exposición a incumplimiento probabilidades neutral de incumplimientos
para una empresa financiera inicialmente se y las tasas de recuperación dado el incumpli-
pueden observar por medio de su cartera de miento, para un grupo de 25 empresas que coti-
créditos, y para una empresa no financiera
zaron en la Bolsa de Valores de Colombia en el
mediante sus cuentas por cobrar a clientes.
año 2007, este documento tiene como objetivo
Para las estimaciones de las probabilidades
cuantificar el valor en riesgo (VaR) y el Tail
de incumplimiento y las tasas de recuperación
VaR (TVaR) por exposición a riesgo de crédito
dado el incumplimiento, en la literatura finan-
de dichas empresas mediante la aplicación de
ciera se proponen los modelos estructurales y
conceptos de la teoría actuarial.
modelos de forma reducida (Jackson, Nickell
Específicamente en este documento se esti-
y Perraudin, 1999; Márquez, 2006). Los mode-
man el VaR y el TVaR mediante el enfoque de
los estructurales incluyen el modelo de Mer-
distribución de la pérdida total (LDA) a través
ton (1974) y Geske (1977), y entre los modelos
de forma reducida están los que se basan en de los modelos individual y colectivo de riesgo,
modelos logit, probit y lineales de probabilidad el enfoque de Basilea II, y por simulación uti-
(Greene, 2000; Gujarati, 2003); en simulación lizando las distribuciones Normal, Normal
(Dunkel y Weber, 2007; Ramaswamy, 2005); en Power, Gamma, Beta, Bernoulli, Poisson Com-
redes neuronales artificiales (Atiya, 2001) y en puesta y Binomial Negativa Compuesta.
metodología borrosa (Wei, 2008; Zhu y Chiu, Las motivaciones que orientan la realización
2007). de esta investigación son tres principalmente:
Para la cuantificación de las pérdidas por primera, entre los trabajos que aplican la teoría
exposición a riesgo de crédito en la literatura actuarial para la medición del riesgo de crédito
financiera también se proponen modelos estruc- se puede mencionar el modelo CreditRisk+ de
turales y modelos de forma reducida. Entre los Credit Suisse Financial Products (Carreras,
modelos estructurales de amplia difusión en la 2006; Chen y Panjer, 2009; Wehrspohn, 2002).
literatura financiera se encuentran el modelo A pesar de la gran relevancia que ha tenido la
CreditMetrics de JP Morgan (1997) y el modelo aplicación de la teoría actuarial en empresas del
CreditPortafolioManager de KMV Moody´s sector de los seguros, su extensión para la medi-
(Crouhy, Galai y Mark, 2000). Entre los mode- ción del riesgo de crédito en empresas del sec-
los de forma reducida de amplia divulgación se tor financiero y no financiero es relativamente
encuentra el modelo CreditPortafolioView de escasa. Este documento pretende contribuir a
McKinsey (Wehrspohn, 2002). generar información en ese sentido.
Dos modelos importantes, que no se clasifi- Segunda, la aplicación de la teoría actua-
can en las dos categorías anteriores y también rial requiere que tratemos el conjunto de las

consejo latinoamericano de escuelas de administr ación, cladea 113

 T eoría actuarial en la cuantificació n de las pé rdidas por e x posició n a riesgo

cuentas por cobrar a clientes de una compañía exposición al incumplimiento, el cual denomi-
del sector real o la cartera de créditos dados a naremos como EADi.
los clientes de una entidad de crédito, como Consideremos que la probabilidad de que un
una cartera de seguros en la cual se conoce el cliente i incumpla con el pago del crédito es qi
número de elementos que la componen, los y que si el incumplimiento ocurre la empresa
montos de las exposiciones por cada elemento, podría recuperar parcial o totalmente el monto
las probabilidades de incumplimiento de cada del crédito; luego la tasa de recuperación dado el
elemento y las tasas de recuperación si se llega a incumplimiento del crédito otorgado al cliente
presentar el incumplimiento. Uno de los objeti- i, se simbolizará como i.
vos de la gestión del riesgo y por tanto del riesgo Dos enfoques pueden aplicarse para la esti-
de crédito es que las empresas puedan conocer mación de la pérdida total de la cartera de n
los niveles de exposición al riesgo y que puedan créditos. El primer enfoque aplica conceptos
tomar medidas para minimizar las pérdidas de la teoría actuarial, específicamente los plan-
por exposición a dicho riesgo. La complemen- teamientos que se hacen del modelo individual,
tariedad que se podría obtener de aplicar la teo- de la aproximación del colectivo al modelo
ría financiera tradicional y la teoría actuarial, individual de riesgo y la simulación donde se
pensamos que es de gran relevancia para alcan- considera que los elementos que conforman la
zar dicho objetivo de la gestión de riesgos. cartera de créditos son independientes (Dick-
Tercera, la crisis financiera que se reveló en son, 2005; Kaas, Goovaerts, Dhaene y Denuit,
el 2007 y que se profundizó en los años 2008 2008; Klugman, Panjer y Willmot, 1998). El
y 2009, ratifica una vez más y ha dejado de segundo enfoque, el de Basilea II (Basilea,
manifiesto que la gestión del riesgo de crédito, 2004), plantea estimar los requerimientos de
específicamente su medición, es un tema de capital y los activos ponderados por nivel de
vital importancia para reguladores, directores riesgo crédito asumiendo un nivel de depen-
de empresas e inversionistas, por los efectos dencia entre los elementos que conforman la
sistemáticos que dicho riesgo puede ocasionar cartera de créditos.
(Soros, Simons, Paulson, Griffin y Falcone, En ambos enfoques el concepto de valor en
2008). riesgo, VaR, (Kaas et al., 2008; McNeil, Frey y
A fin de cumplir con el objetivo de esta inves- Embrechts, 2005) es empleado como una esti-
tigación, el documento se ha organizado en seis mación de la pérdida máxima que podría tener
secciones. La primera sección corresponde a la una empresa para un nivel de confianza espe-
presente introducción; en la segunda sección se cificado.
presentan conceptos de la teoría actuarial y del
enfoque de Basilea II. En la tercera sección se 2.1. Enfoque de la teoría actuarial
presentan los datos empleados en el estudio y Sin pérdida de la generalidad de los plantea-
en la cuarta los resultados de la investigación. mientos que hacen distintos autores (véanse
Finalmente, en la quinta se da a conocer las Dickson, 2005; Kaas et al., 2008; Klugman et
conclusiones. al., 1998) en la presentación de los conceptos
sobre los modelos individual y colectivo de
2. Teoría actuarial y el enfoque de Basilea riesgo y sobre los procesos de simulación para
II en la estimación de la pérdida total por la aplicación de dichos modelos, en este docu-
exposición a riesgo de crédito mento consideramos que un determinado cré-
dito a un cliente i, está caracterizado por su
Supongamos que existe una empresa que otorga nivel de exposición al incumplimiento EADi, la
créditos a cada cliente i y que la empresa tiene probabilidad de incumplimiento del cliente qi y
un total de n clientes. El cliente podría cumplir la tasa de recuperación dado el incumplimiento
o incumplir con el pago del monto dado en cré- del crédito i. Por tanto, la pérdida por exposi-
dito, por tanto, el monto del crédito otorgado ción a incumplimiento del cliente se representa
al cliente i = 1, 2, 3, …, n, representa el nivel de a través de la variable aleatoria (v.a.) Xi,

114 Academia, revista latinoamericana de administr ación, 47, 2011

 Ca i c e d o, C l a r a m u n t y Ca s a n ova s

 Bi = EADi  (1 − i ) con probabilidad qi Teniendo en cuenta (1), podemos explicitar

Xi  (1)
 0 con probabilidad (1 − qi ) = pi dos posibilidades para Bi:

• El ratio de pérdida por incumplimiento es cierto

La pérdida dado el incumplimiento del
y común para todos los elementos en la cartera
cliente i, Bi, puede ser una constante o una
i = . En este caso Bi = EADi · (1 – ) son varia-
variable aleatoria según i sea un valor cierto o
una variable aleatoria respectivamente. bles ciertas, siendo V[Bi] = 0 y a j (Bi ) = Bij .
• El ratio de recuperación i es una v.a. que
2.1.1. El modelo individual de riesgo sigue una distribución Beta, i ~ B(a, b). En
En el modelo individual se supone que una este caso, Bi = EADi · (1 – i) sigue también
entidad posee una cartera conformada por n una distribución Beta pero de rango (0,
créditos y que para todos se conocen los niveles EADi); es decir, Bi ~ B(a* = b, b* = a, 0, EADi)
por exposición a incumplimiento, las probabi-  E[i ]  (1 − E[ i ]) 
lidades de incumplimiento y las tasas de recu- siendo a = E[i] ·  − 1 y
 V[i ] 
peración dado el incumplimiento. El interés en 1 − E[ i ]
este modelo es conocer las características de las b=  a. Las distintas medidas de Bi
E[i ]
pérdidas agregadas por incumplimiento que
puede afrontar la entidad bajo el supuesto de son entonces:
que en un horizonte de tiempo de un período,
a*
por ejemplo un año, un elemento en la cartera E[ Bi ] =  EADi ,
de crédito solo incumple una vez y el número a*+ b*
a *b *
de elementos en la cartera de créditos se man- V[Bi ] =  EADi2
tiene constante durante el período. (a * + b*)2 (a * + b * + 1)
2(b * − a*) a*+ b*+ 1
y As[ Bi ] =  .
Pérdida total en una cartera (a * + b * + 2) a *b *
Sea S la v.a. que representa la pérdida total por
exposición a riesgo de crédito de una cartera Estimación del VaR s y el TVaRs
conformada por n créditos con pérdidas Xi, i = Para obtener el VaRs y el TVaRs se consideran
1, 2, 3, …, n; S viene dada por: los supuestos de distribución Normal, distribu-
ción Normal Power y por simulación.
S = ∑ i =1 Xi
n
(2) Distribución Normal. Si S ~ N(E[S], V[S]),
entonces (Klugman et al., 1988; McNeil et al.,
Para la estimación de la esperanza, la varianza 2005):
y asimetría de S se hacen dos supuestos: 1) que
las Xi son independientes e idénticamente dis- VaRs ( a) = z a  V[S] + E[S],
tribuidas (iid); es decir, que la correlación entre
( z a )
Xi y Xj es cero, para ∀i ≠ j , y que Xi = X, qi=q, TVaRs ( a) =  V[S] + E[S],
con i = 1, 2, 3, …, n; 2) las Xi son independien- 1− a
tes, pero no están idénticamente distribuidas,
donde z a y (•) son el cuantil y la densidad de
es decir, que pueden ser distintas entre un ele-
la distribución normal Estándar, para el nivel
mento y otro.
de confianza a respectivamente.
Analizando este último caso por ser el más
Distribución Normal Power. Utilizando una
general, tenemos que:
aproximación a Normal Power (Asmussen y
Albrecher, 2010; Beard, Pentantikäinen y Peso-
E[S] = ∑ i =1 E[ Xi ], V[S] = ∑ i =1V[ Xi ] y
n n
nen, 1984; Daykin, Pentantikäinen y Pesonen,
1994) con el fin de corregir por asimetría se tiene:
∑
n
3 ( Xi )
As[S] = i =1
   
(∑ )
n
3
VaRs ( a) =  z a + 1 (z a2 − 1)   V[S]  + E[S],
V [ Xi ]
2
 6  
i =1

consejo latinoamericano de escuelas de administr ación, cladea 115

 T eoría actuarial en la cuantificació n de las pé rdidas por e x posició n a riesgo

 (z )     La pérdida total de una cartera formada por

TVaRs ( a) =  a   1 + z a ⋅ 1   V[S]  + E[S],
 1 − a  6   n créditos con niveles de pérdidas Xi, i = 1, 2, 3,
…, n, S, es S = ∑ i =1 Xi .
n

donde 1 es el coeficiente de asimetría de S. De cumplirse las hipótesis anteriores respecto

Simulación. La estimación de la función Ni y Bij, se dice que Xi tiene una distribución
de distribución de S se realiza mediante los compuesta y que, si las Xi son independientes
siguientes pasos: entre sí, la distribución S, también es com-
puesta. En la literatura actuarial dos tipos de
1) Se generan números aleatorios para Xi = Bi • Ii, i distribución importantes se consideran para
= 1, 2, …, n asumiendo que Ii ~ Bernoulli(qi ). Ni: la distribución de Poisson y la distribución
2) Se suman los valores de Xi, i = 1, 2, 3, …, n Binomial Negativa.
obteniendo una observación para S que En la sección A.2 del apéndice se resumen
denotaremos como Sj. las características de la pérdida total cuando
3) Se repiten k veces los pasos 1) y 2), con lo se utilizan la distribución de Poisson y la dis-
cual obtenemos k valores simulados para S, tribución Binomial Negativa para el número
Sj, j = 1, 2, …, k. de incumplimientos. También se presenta el
4) Con los valores Sj, j = 1, 2, …, k, se construye método de recurrencia de Panjer utilizado para
la distribución empírica S como una estima- estimar la función de distribución de la pérdida
ción de la función de distribución de S. total.
Considerando la distribución de S estimada
El VaRs y el TVaRs se calculan con las siguien- mediante el método recursivo de Panjer, el VaRs
tes expresiones: y el TVaRs se calculan mediante las expresiones
(3) y (4).
VaRs ( a) = inf {s P[S ≤ s] ≥ a}, (3)
2.2. Enfoque de Basilea II
1 En el enfoque de Basilea II (Basilea, 2004), la
TVaRs ( a) = VaRs ( a) +  pérdida total esperada por exposición a riesgo
1− a (4)
E [(S − VaRs ( a))+ ]. de crédito está relacionada con la determina-
ción del requerimiento de capital (K) y con la
determinación de los activos ponderados por
2.1.2. El modelo colectivo de riesgo nivel de riesgo (RWA) que debería disponer una
En la aproximación del modelo colectivo al entidad financiera para afrontar dicho riesgo.
modelo individual se considera que Xi puede Específicamente, K y RWA son:
escribirse de la forma:
   −1 (PD)  R 0,5
Ni K =  LGD    + 
Xi = ∑ Bij  (1 − R) 1− R 
0,5

j =1
 1 + (T − 2, 5)b 
 −1 (0, 999) −PD  LGD ]  ,
donde Ni es una variable aleatoria con su fun-  1 − 1, 5b 
ción de distribución conocida que representa el RWA = 12, 5  K  EAD,
número de incumplimientos; es decir, Ni, toma
valores 0, 1, 2, 3,... y Bij = EADi · (1 –  i) es la pér- donde: LGD es la pérdida dado el incum-
dida dado el incumplimiento j – ésimo del cliente plimiento, PD es la probabilidad de incum-
i, la cual puede ser una constante o una variable plimiento, PD = qi. EAD es la exposición al
aleatoria en caso que i sea un valor cierto o una incumplimiento (valor de la deuda), T es el ven-
variable aleatoria respectivamente. cimiento de la deuda en años y toma el valor
Las hipótesis usuales son: 1) Ni y Bij son inde- de 1, R es el coeficiente de correlación del ele-
pendientes, 2) Bij son independientes y están mento de la cartera con los otros elementos y
idénticamente distribuidas. viene dado por:

116 Academia, revista latinoamericana de administr ación, 47, 2011

 Ca i c e d o, C l a r a m u n t y Ca s a n ova s

 1 − Exp [ −50PD ]   1 − Exp [ −50PD ] 

 0,12   + 0, 24 1 −  − [0, 004] si Ve ≤ 5
  1 − Exp [ −50]   1 − Exp [ −50] 

 1 − Exp [ −50PD ]   1 − Exp [ −50PD ]   Ve − 5 
R = 0,12   + 0, 24 1 −  − [0, 004  1 −  ] si 5 < Ve < 50
  1 − Exp [ −50]   1 − Exp [ −50]   45 

 0,12 1 − Exp [ −50PD ]  + 0, 24 1 − 1 − Exp [ −50PD ] 
   
sii Ve ≥ 50

  1 − Exp [ −50]   1 − Exp [ −50] 

donde Ve es el nivel de las ventas del grupo Merton (1974) que plantea que un préstamo
del cual la empresa forma parte y b es el ajuste a una compañía se puede describir a través
por vencimiento de la deuda, b = [0,11852 – del perfil de una call (opción de compra) tipo
0,05478 ln (PD)]2 . europea, donde el emisor es el prestamista y el
En el enfoque de Basilea II, se supone que los comprador son los accionistas de la compañía;
elementos de la cartera de créditos no son inde- el valor de la call representa el valor de capital
pendientes y el grado de dependencia está deter- propio y tiene como subyacente el valor de los
minado por el coeficiente de correlación R. activos de la firma y precio de ejercicio el monto
de la deuda financiera de la compañía.
3. Los datos A partir de los datos del cuadro 2, se calcu-
lan las estadísticas básicas de cada una de las
El estudio incluye 25 empresas que cotizaron tres variables mencionadas de acuerdo con los
en el mercado colombiano durante el 2007. En sectores a que pertenecían las empresas (véase
el cuadro 1 se presenta la distribución de las cuadro 3). Los sectores se han ordenado de
empresas por sectores económicos. manera descendente según la probabilidad
neutral de incumplimiento.
Cuadro 1. Distribución del número Las probabilidades neutrales de incumpli-
de empresas por sectores. miento más altas se presentan en su orden en
las empresas del sector de servicios de consumo
2007 seguidas de las del sector de servicios finan-
Sector económico Número de % cieros e inmobiliario y luego las del sector de
empresas empresas
materiales básicos industria y construcción.
Bienes de consumo 1 4 Sin embargo, Caicedo et al. (2011) mencionan
Materiales básicos/industria/ que mediante la aplicación del test de Kruskal-
construcción 11 44
Wallis1 y al 1% de significación estadística, no
Petróleo y energía 3 12 se puede rechazar la hipótesis de que no hubo
Servicios financieros e diferencias estadísticas significativas en el 2007
inmobiliarios 5 20
entre las probabilidades neutrales de incumpli-
Servicios de consumo 5 20 miento de las empresas agrupadas por sectores
Total 25 100 según la clasificación del mercado de valores
Fuente: Caicedo et al., 2011. colombiano.
Con la información de los cuadros 2 y 3 se
Las estimaciones de las exposiciones a calcula la pérdida total por exposición a riesgo
incumplimiento, las probabilidades de incum- de crédito aplicando los modelos que se men-
plimiento y las tasas de recuperación dado el cionan en la sección 2 de este documento. Los
incumplimiento de cada empresa fueron cal- resultados se presentan en la sección 4.
culadas en Caicedo et al. (2011) y se presentan
en el cuadro 2. Las probabilidades de incum-
plimiento y las tasas de recuperación fueron 1 Chi-Cuadrado calculado equivalente a 3,80, 4 grados de
obtenidas a través del modelo estructural de libertad y valor p de 0,4343.

consejo latinoamericano de escuelas de administr ación, cladea 117

 T eoría actuarial en la cuantificació n de las pé rdidas por e x posició n a riesgo

Cuadro 2. Estadísticas básicas de las probabilidades de incumplimiento y

tasas de recuperación (por empresas colombianas, año 2007).

Valor en libros deuda Probabilidad neutral de Tasa de recuperación

Empresa (en miles de €) incumplimiento (vd) (neutral)
Promedio Promedio Promedio
Acerías 53.408 0,0004033367% 91,19%
Cartón Colombia 122.849 0,0000000001% 97,35%
Cementos Argos 523.660 0,0000000000% 97,77%
Chocolates 25.338 0,0000000000% 99,19%
Colinver 22.734 0,0000000000% 98,10%
Coltejer 153.947 2,0730602712% 97,50%
Corferias 2.921 0,0000000000% 98,61%
Ecopetrol 3.152.076 0,0023741175% 89,15%
Enka 27.024 0,3488936738% 88,38%
Etb 82.485.258 0,3076913973% 99,88%
Éxito 415.986 0,0000006827% 95,43%
Fabricato 91.537 0,0471056253% 94,34%
Gas Natural 37.682 0,0000000000% 96,68%
Generar 12.163 6,1410109791% 84,44%
Imusa 10.810 0,0000000000% 99,14%
Inversiones Argos 25.408 0,0000000000% 98,37%
Isagén 189.327.153 0,0051231837% 99,93%
Marly 5.157 0,0000000000% 98,70%
Mineros 8.884 0,0000000000% 95,36%
Odinsa 975 0,0000000000% 97,91%
Promigás 149.101 0,0000000000% 96,14%
Sociedad Bolívar 82.550 0,0000000000% 97,51%
Tablemac 6.517 0,0000006462% 92,78%
Valindustria 2.184 1,3625416373% 69,55%
Valorem 48.863 0,0000003367% 93,95%
Fuente: Caicedo et al., 2011.

Cuadro 3. Estadísticas básicas de las probabilidades de incumplimiento

y tasas de recuperación por sector año 2007.

Valor en libros deuda Probabilidad neutral Tasa de recuperación

Sector económico (en miles de €) de incumplimiento (neutral)

Promedio Desviación Promedio Desviación Promedio Desviación

Servicios de consumo 41.405 61.771 1,228% 2,746% 94,91% 5,97%
Servicios financieros e inmobiliarios 36.334 30.680 0,273% 0,609% 91,66% 12,51%
Materiales básicos/industria/construcción 93.184 151.770 0,224% 0,622% 95,46% 3,43%
Petróleo y energía 91.654.829 93.425.642 0,105% 0,175% 96,32% 6,21%
Bienes de consumo 415.986 - 0,000% -- 95,43% --
Total 11.071.767 40.617.349 0,412% 1,289% 94,69% 6,53%

Fuente: Caicedo et al., 2011.

118 Academia, revista latinoamericana de administr ación, 47, 2011

 Ca i c e d o, C l a r a m u n t y Ca s a n ova s

4. Resultados y discusión de créditos no está relacionado con el incum-

plimiento de los otros elementos que la confor-
4.1. Estimación de la pérdida total por man (independencia), a diferencia del modelo
exposición a riesgo de crédito de Basilea II, donde se asume dependencia
En esta sección se supone que se tiene una car- entre los incumplimientos de los elementos que
tera de créditos conformada con los montos conforman la cartera de créditos. Respecto a la
de las deudas financieras de cada una de las 25 de la v.a. pérdida total se calcula en cada caso
empresas incluidas en el estudio en el año 2007 su esperanza (E[S]), su varianza (V[S])y des-
y que las probabilidades neutrales de incum- viación estándar (Des[S]), la asimetría (As[S])
plimiento y las tasas de recuperación dado el y también el valor en riesgo (VaRs(a)) y el Tail
incumplimiento son como se presentaron en el VaR (TVaRs(a)) (véase cuadro 4).
cuadro 2. Por ejemplo, en esta situación podría Los resultados del modelo colectivo solo se
estar una empresa del sector financiero u otro presentan suponiendo la distribución Poisson
tipo de empresa que de alguna manera puede compuesta ya que los obtenidos con la distri-
estimar la información específica para cada bución Binomial Negativa Compuesta fueron
cliente con relación a las tres variables mencio- muy similares.
nadas. En el cuadro 4 se observa que el VaR y el
Es importante estimar la pérdida total por TVaR de la pérdida total por exposición a riesgo
exposición a riesgo de crédito como un indica- de crédito dependen tanto del enfoque que se
dor de las provisiones o de los requerimientos utilice como de la asunción de dependencia o
de capital necesarios para hacer frente a los no dependencia entre los elementos de la car-
eventuales incumplimientos en caso de que lle- tera de créditos.
garan a suceder. Específicamente, la estimación del VaR
En el estimativo de los montos de la pérdida obtenida a través del enfoque de Basilea II fue
total por exposición a riesgo de crédito se apli- más elevada que las estimaciones del VaR y del
can los modelos mencionados en la sección dos, TVaR obtenidas en los otros métodos. Cuando
es decir, se aplican los modelos individual (con se asume independencia en el incumplimiento
la aproximación normal y por simulación) y entre los elementos que conforman la cartera de
colectivo de riesgo considerando el caso en que créditos, las estimaciones para el VaR y el TVaR
li = qi y el enfoque de Basilea II. En los modelos son más elevadas en el modelo colectivo que en
individual y colectivo de riesgo se asume que el el modelo individual (tanto con la aproxima-
incumplimiento de un elemento en la cartera ción Normal como por simulación).

Cuadro 4. Indicadores de la pérdida total (en millones de euros) por exposición a

riesgo de crédito mercado colombiano. Exposición al incumplimiento, probabilidad
de incumplimiento y tasa de recuperación específicas para cada compañíaa.

Modelo Distribución E[S] V[S] Des[S] As[S] VaRs[99,9%] TVaRs[99,9%]

Modelo individual de riesgo Normal 0,540 34,60 5,88 19,987 19 20

Empírica obtenida
Modelo colectivo de riesgo mediante el algoritmo de 0,539 34,62 5,88 … 100 108
Panjer Poisson compuesta
Enfoque de Basilea II (Basilea, 2004) Normal … … … … 119
Empírica obtenida
Simulación del modelo individual 0,838 60,93 7,81 … 102 104
mediante Bernoulli
a
Nivel de confianza del 99,9% (año 2007).
Fuente: elaboración propia mediante R y Excel.

consejo latinoamericano de escuelas de administr ación, cladea 119

 T eoría actuarial en la cuantificació n de las pé rdidas por e x posició n a riesgo

4.2. Extensión de los resultados de la se estima que las probabilidades de incum-

investigación a empresas no financieras que plimiento y las tasas de recuperación son en
no cotizan en bolsa promedio del 0,4115% y del 94,69% respecti-
En este apartado se propone la extensión de los vamente, entonces ¿cuál sería el monto de las
resultados obtenidos hasta ahora en la cuan- pérdidas por exposición a riesgo de crédito que
tificación del riesgo de crédito en empresas se estimarían para la cartera de créditos?
no financieras. Generalmente, las empresas Como respuesta a la anterior pregunta, en
cuentan con información de los créditos que el cuadro 5 se presentan los resultados de las
han otorgado a sus clientes pero no disponen estimaciones de la pérdida total de una cartera
de información sobre las probabilidades de de créditos suponiendo que las probabilidades
incumplimiento de los mismos ni de las tasas de incumplimiento y las tasas de recuperación
de recuperación dado que han incumplido. son del 0,4115% y del 94,69% respectivamente,
Si asumimos que el mercado da informa- iguales para todos los elementos que confor-
ción de los promedios de las probabilidades de man la cartera.
incumplimiento y de las tasas de recuperación Como se puede observar del cuadro 5, con el
dado el incumplimiento sobre los créditos que modelo individual se estima que la pérdida total
obtienen las empresas, entonces una empresa esperada de la cartera de créditos sería de 60,48
podría utilizar esa información del mercado y millones de euros (M€) con desviación de 702M€.
cuantificar, a través de algunos de los métodos Si se considera que dicha pérdida total se distri-
mencionados en la sección 2, las pérdidas por buye Normal, se podría afirmar con un 99,9% de
exposición a riesgo de crédito. confianza que las pérdidas totales no superarán
Por ejemplo, de los resultados del estudio los 2,230M€ (véase cuadro 5) y que, en caso de
se estimó que en 2007, en promedio, la pro- superarlas, la pérdida media sería de 2,424M€.
babilidad neutral de incumplimiento y la tasa En el modelo colectivo de riesgo, se podría
de recuperación dado el incumplimiento fue- afirmar con un 99,9% de confianza que las pér-
ron el 0,4115% y del 94,69%, respectivamente. didas totales del portafolio no superarían los
Ahora, supongamos una cartera de créditos 10,054M€ y que, si se supera dicho importe, la
con montos equivalentes a los niveles de deuda pérdida media ascendería a 10,212M€ (Poisson
de las 25 compañías que se presentan en el cua- Compuesta) o a 10,302M€ (Binomial Negativa
dro 2. Supongamos además, que en el mercado Compuesta).

Cuadro 5. Indicadores de la pérdida total (en millones de euros) por exposición a riesgo de crédito
en el mercado colombiano. Exposición al incumplimiento específico para cada compañíaa.

Modelo Distribución E[S] V[S] Des[S] As[S] VaRs[99,9%] TVaRs[99,9%]

Modelo individual de riesgo Normal 60,48 492.923 702 12,92 2,230 2,424
Empírica obtenida
mediante el algoritmo de 60,35 494.770,20 703,40 … 10,054 10,212
Panjer Poisson compuesta
Modelo colectivo de riesgo
Empírica obtenida
mediante el algoritmo de 60,34 496.745,50 704,80 … 10,054 10,302
Panjer binomial negativa

Enfoque de Basilea II
Normal … … … … 15,285
(Basilea, 2004)

Simulación del modelo Empírica obtenida

62,82 496.805,20 704,84 … 10,053 10,053
individual mediante Bernoulli
a
Probabilidad neutral de incumplimiento promedio empresa 0,4115% y tasa de recuperación promedio empresa 94,69%. Nivel
de confianza del 99,9%, año 2007.
Fuente: elaboración propia mediante R y Excel.

120 Academia, revista latinoamericana de administr ación, 47, 2011

 Ca i c e d o, C l a r a m u n t y Ca s a n ova s

Con el enfoque de Basilea II se puede afir- las 25 compañías, estaría justificado ya que no
mar con un 99,9% de confianza que las pérdi- se encontraron diferencias significativas a nivel
das totales no superarán los 15,285M€ (véase de los sectores.
cuadro 5). Ahora, una empresa que le dé el tratamiento
Según el enfoque de simulación se podría a sus cuentas por cobrar como se ha supuesto
afirmar con un 99,9% de confianza que las en esta sección, quisiera haber calculado sus
pérdidas totales en el portafolio de créditos no indicadores de pérdida por exposición a riesgo
superarían los 10,053M€ (véase cuadro 5). de crédito como si hubiera tenido la informa-
El procedimiento que se ha seguido en esta ción de las probabilidades de incumplimiento
sección podría ser usado por cualquier empresa y de las tasas de recuperación específicamente
que desee darle el tratamiento a las cuentas por para cada cliente. Si este fuera el caso, entonces
cobrar a sus clientes como si fuera una cartera los múltiplos que se muestran en el cuadro 6 le
de créditos, como aquí se ha supuesto. Segura- podrían facilitar dicho cálculo.
mente, la empresa tendrá la información de los Por ejemplo, una empresa que estime sus pér-
montos de los créditos, es decir, de los montos didas por exposición a riesgo de crédito como se
de las cuentas por cobrar a cada cliente, pero ha estimado en esta sección a través del modelo
podría no tener la información de las proba- individual de riesgo, y quisiera estimar las pér-
bilidades de incumplimiento ni de las tasas de didas como si hubiera tenido la información
recuperación dado el incumplimiento de sus de las probabilidades de incumplimiento y de
clientes. las tasas de recuperación, específicamente para
La empresa debe tener en cuenta que, tanto cada cliente, entonces al resultado obtenido,
las probabilidades de incumplimiento como las por ejemplo, para la pérdida total esperada de
tasas de recuperación que utilice, sean lo más la cartera, lo multiplicaría por 0,00892; el valor
ajustadas al sector donde operan sus clientes. estimado para la desviación, lo multiplicaría
Suponemos que el mercado dará la informa- por 0,00838; el valor estimado para el VaR, lo
ción agregada y por sectores. En el caso de la multiplicaría por 0,00839 y el valor estimado
cartera hipotética construida en esta sección, para el TVaR, lo multiplicaría por 0,00839.
el uso del promedio de las probabilidades de Análogamente, lo podría hacer con los otros
incumplimiento y las tasas de recuperación de métodos con los múltiplos correspondientes.

Cuadro 6. Indicadores de la pérdida total por exposición a riesgo de crédito mercado colombiano.
Múltiplos para estimación de la pérdida total por exposición a riesgo de créditoa.

Múltiplos
Modelo Distribución
E[S] V[S] Des[S] As[S] VaRs[99,9%] TVaRs[99,9%]
Modelo individual de riesgo Normal 0,00892 0,00007 0,00838 1,54701 0,00839 0,00839
Empírica obtenida mediante
el algoritmo de Panjer 0,00894 0,00007 0,00837 … 0,00991 0,01054
Poisson Compuesta
Modelo colectivo de riesgo
Empírica obtenida mediante
el algoritmo de Panjer 0,00894 0,00007 0,00835 … 0,00991 0,01047
Binomial Negativa

Enfoque de Basilea II
Normal … … … … 0,00780
(Basilea, 2004)

Simulación del modelo Empírica obtenida mediante

0,01334 0,00012 0,01107 … 0,01010 0,01030
individual Bernoulli
a
Nivel del confianza del 99,9% (año 2007).
Fuente: elaboración propia mediante R y Excel.

consejo latinoamericano de escuelas de administr ación, cladea 121

 T eoría actuarial en la cuantificació n de las pé rdidas por e x posició n a riesgo

5. Conclusiones mientras que en el modelo colectivo se supone

que un elemento de la cartera de créditos puede
Partiendo de las estimaciones realizadas por incumplir varias veces.
Caicedo et al. (2011) de los montos por expo- Los argumentos anteriores serían una expli-
sición a incumplimiento, las probabilidades cación del porqué se puede esperar que el VaR
neutral de incumplimiento y las tasas de recu- estimado con el modelo de Basilea, siempre sea
peración dado el incumplimiento, para un mayor que el VaR y que el TVaR estimado con
grupo de 25 empresas que cotizaron en la Bolsa el modelo individual de riesgo o con el modelo
de Valores de Colombia en 2007, este trabajo colectivo. Sin embargo, se debe notar también
tiene como objetivo cuantificar la pérdida total que el VaR y el TVaR estimados con el modelo
por exposición a riesgo de crédito de una car- colectivo de riesgo está muy cercano a la esti-
tera conformada por dichas empresas. Con este mación del VaR obtenida con el modelo de
propósito, se emplea el enfoque de distribución Basilea.
de la pérdida total (LDA) a través de los mode- No se podría argumentar que el VaR o
los individual (con las aproximaciones Normal, TVaR estimados con los modelos individual y
Normal Power y por simulación) y colectivo de colectivo de riesgo y que el VaR estimado con
riesgo y el enfoque de Basilea II. el modelo de Basilea, sub o sobrestiman a los
Los resultados de la investigación permiten VaR y TVaR de la cartera de créditos. Para
concluir que las estimaciones del VaR y el TVaR argumentar lo anterior se debería tener infor-
de la pérdida total por exposición a riesgo de mación sobre las cuantías de las pérdidas que
crédito, depende tanto del enfoque que se uti- han afrontado las entidades financieras por
lice como de la asunción de dependencia o no el incumplimiento de las obligaciones de las
dependencia entre los elementos de la cartera empresas que conforman la cartera de créditos
de créditos. que se menciona en este estudio. Sin negar la
Específicamente, la estimación del VaR relevancia de una argumentación en este sentido
obtenida a través del enfoque de Basilea II fue y lo importante que puede ser abordar el tema
más elevada que las estimaciones del VaR y del en futuras investigaciones, este propósito no está
TVaR obtenidas en los otros métodos. Cuando dentro de los alcances del presente artículo.
se asume independencia en el incumplimiento
entre los elementos, las estimaciones para el
VaR y el TVaR son más elevadas con el modelo Edinson Caicedo Cerezo
colectivo que con el modelo individual. Doctorando en Empresa, Universitat de Barce-
En el método de Basilea, a diferencia del lona, Barcelona, España; Máster en Investigación
modelo individual y del modelo colectivo de en Empresa, Finanzas y Seguros, Universitat de
riesgo, se supone que los elementos en la car- Barcelona, Barcelona, España, 2009; Magíster
tera de créditos están correlacionados y dicha en Ciencias de la Organización (1999) y Estadís-
correlación es tenida en cuenta en el momento tico (1992), Universidad del Valle, Cali, Colom-
de calcular el requerimiento de capital por bia; profesor asociado y miembro del Grupo de
exposición a riesgo de crédito. El factor de 12,5 Investigación en Solvencia y Riesgo Financiero,
(1/0,08) que aparece en la ecuación de Basilea Departamento de Contabilidad y Finanzas,
para determinar los activos ponderados por Facultad de Administración de la misma insti-
nivel de riesgo, supone que la entidad expuesta tución. Sus áreas de interés en la investigación
a riesgo de crédito debe disponer de un capi- son: solvencia en seguros y finanzas y gestión de
tal del 8% de sus activos expuestos a riesgos. riesgos financieros en entidades financieras, no
Este 12,5 es un sobrecargo que no está explí- financieras, aseguradoras y microfinancieras.
cito tanto en el modelo individual como en el
modelo colectivo de riesgo. M. Mercè Claramunt Bielsa
En el modelo individual de riesgo se supone Doctora en Economía y Empresa (1992) y
que en el horizonte de un año un elemento en licenciada en Ciencias Económicas y actuario
la cartera de créditos incumple solo una vez, en Seguros (1987), de la Universitat de Barce-

122 Academia, revista latinoamericana de administr ación, 47, 2011

 Ca i c e d o, C l a r a m u n t y Ca s a n ova s

lona, Barcelona, España. Profesora titular de colombiano. Revista Cuadernos de Administración,

la universidad y miembro del Grup de Recerca 24(42), en prensa.
en Teoria de Jocs, Investigació Operativa i Carreras, P. M. (2006). Credit risk modeling using insu-
Optimització (2009SGR960), Departament de rance methods. Tesis doctoral. Barcelona: Universi-
Matemàtica Econòmica, Financera i Actuarial, dad de Barcelona, España.
Facultat d’Economia i Empresa, Universitat de Chen, C-J., & Panjer, H. (2009). A bridge from ruin
Barcelona, Barcelona, España. Sus áreas de inte- theory to credit risk. Review of Quantitative Finance
rés en la investigación son la solvencia en segu- and Accounting, 32(4), 373-403.
ros y finanzas, la teoría de la ruina y los procesos Crouhy, M., Galai, D., & Mark, R. (2000). A compara-
estocásticos. tive analysis of current credit risk models. Journal
of Banking and Finance, 24, 59-117.
Montserrat Casanovas Ramón Daykin, C. D., Pentantikäinen, T., & Pesonen, E.
Doctora en Ciencias Económicas y Empresaria- (1994). Practical risk theory for actuaries. Londres:
les, Universidad Autónoma de Barcelona, Barce- Chapman and Hall.
lona, España, 1977; European Financial Advisor, De Lara, H. A. (2003). Medición y control de riesgos
European Financial Planning Association, Bar- financieros. México: Limusa Noriega Editores.
celona, España, 2003; analista financiero, Insti- Dickson, D. (2005). Insurance risk and ruin. Cam-
tuto Español de Analistas Financieros, Madrid, bridge: Cambridge University Press.
España, 1980; auditora financiera, Colegio de Dunkel, J., & Weber, S. (2007). Efficient Monte Carlo
Economistas de Cataluña, Barcelona, España, methods for convex risk measures in portfolio
1977. Profesora catedrática de Universidad y credit risk models. Proceedings of the 2007 Winter
miembro del Grup de Recerca en Economia i Simulation Conference, 1-5, 937-945.
Gestó de la Incertesa, Departament d’Economia Geske, R. (1977). The valuation of corporate liabilities
i Organització d’Empreses, Facultat d’Economia as compound options. Journal of Financial and
i Empresa, a Universitat de Barcelona, España. Quantitative Analysis, 12(4), 541-552.
Sus áreas de interés en la investigación son la Greene, W. H. (2000). Econometric analysis (2nd ed.).
valoración de empresas, los mercados finan- Nueva York: Prentice Hall Internacional Editions.
cieros, las finanzas corporativas, la teoría de la Gujarati, D. (2003). Econometría. México: McGraw
decisión y la gestión de riesgos financieros. Hill.
Jackson, P., Nickell, P., & Perraudin, W. (1999). Credit
risk modeling. Bank of England: Financial Stability
Referencias Review.
JP Morgan and Company (1997). CreditMetrics (docu-
Atiya, A. F. (2001). Bankruptcy prediction for cre- mento técnico). Nueva York: JP Morgan.
dit risk using neural networks: A survey and new Kaas, R., Goovaerts, M., Dhaene J., & Denuit, M.
results. IEEE Transactions on Neural Networks, (2008). Modern actuarial risk theory using R. (2nd
12(4), 929-935. ed.). Berling Heildelberg: Springer.
Asmussen, S., & Albrecher, S. (2010). Ruin probabilities Klugman, S. A., Panjer, H. H., & Willmot, G. E. (1998).
(2nd ed.). Singapore: World Scientific. Loss models: From data to decisions. Nueva York:
Basilea (2004). Convergencia internacional de medidas John Wiley & Sons.
y normas de capital. Marco revisado Junio. Basilea: Márquez, J. (2006). Una nueva visión del riesgo de cré-
Banco de Pagos Internacionales Press & Communi- dito. México: Limusa/Noriega Editores.
cations, CH-4002. McNeil, A. J., Frey, R., & Embrechts, P. (2005). Quan-
Beard, R. E., Pentantikäinen, T., & Pesonen, E. (1984). titative risk management. Princeton, NJ: University
Risk theory: the stochastic basis of insurance (3rd Press.
ed.). Nueva York: Chapman and Hall. Merton, R. (1974). On the pricing of the corporate
Caicedo, C. E., Claramunt, B. M-M., & Casanovas, R. debt: The risk structure of interest rates. Journal of
M. (2011). Medición del riesgo de crédito mediante Finance, 29(2), 449-470.
modelos estructurales: Una aplicación al mercado Ramaswamy, S. (2005). Simulated credit loss distribu-
tion. Journal of Portfolio Management, 31, 91-99.

consejo latinoamericano de escuelas de administr ación, cladea 123

 T eoría actuarial en la cuantificació n de las pé rdidas por e x posició n a riesgo

Soros, G., Simons, J., Paulson, J., Griffin, K., & Falcone, 3 ( Xi ) = qi  a3 (Bi ) − 3  qi2  a2 ( Bi )  a1 ( Bi )
P. (2008, 16 noviembre). Statement before the U.S +2  qi3 a13 ( Bi ),
House of Representatives Committee on Oversight
3 ( Xi )
and Goverment Reform. U.S. Congres. Disponible As  Xi  = 3
,
en: [Link] (V[ Xi ]) 2
Wehrspohn, U. (2002, 12 Octubre). Estimation of
default probabilities ­ Part 3: Stochastic default siendo aj(Bi) ai(Bi) el momento ordinario de
probabilities: CreditRisk +. Disponible en: DOI: orden J de Bi.
10.2139/ssrn.370241.
Wei, R. (2008). Development of credit risk model based A.2. Distribuciones de Poisson, Binomial
on fuzzy theory and its application for credit risk Negativa y el método de Panjer en la
management of commercial banks in China. 4th aproximación del modelo colectivo al
International Conference on Wireless Communi- modelo individual
cations, Networking and Mobile Computing, 1-31,
10339-10342. Para el desarrollo de este apartado se ha seguido
Zhu, Y., & Chiu, W. H. (2007). Credit risk assessment Dickson (2005) y Kaas et al. (2008), por tanto,
using the RBF neural network. Information. Man- en dichos manuales pueden encontrarse más
agement and Algorithms, II, 125-128. detalles sobre las expresiones aquí incluidas.

Recepción del artículo: 01/03/2011 A.2.1. Distribución Poisson

Envío evaluación a autores: 05/04/2011 En el caso que Ni ~ Poisson(l i) entonces Xi se
Recepción correcciones: 15/04/2011 distribuye Poisson Compuesta de la forma
Aceptación artículo: 13/06/2011 Xi ~ PoiComp(li, Bi). Luego la pérdida total S,
formada por n créditos con nivel de pérdidas Xi
(i = 1, 2, 3, …, n), también se distribuye Poisson
Apéndice Compuesta de la forma: S ~ PoiComp(l, B), con
li FBi
l = ∑ i =1 li y FX = ∑ i =1
i =n i =n
.
A.1. Características de Xi en el modelo l
individual
La v.a. Xi puede escribirse como: Xi = Bi · Ii, Las condiciones usuales o típicas para li son:
donde Ii es una variable aleatoria de Bernoulli
dada por: Caso 1: li = qi y Caso 2: li = – ln(1–qi).

1 con probabilidad qi A.2.2. Binomial Negativa

Ii =  La distribución binomial negativa puede sur-
0 con probabilidad 1 − qi = pi gir como una distribución de Poisson en la que
consideramos que el parámetro l es una varia-
con esperanza E[Ii] = qi y varianza V[Ii] = qi · pi, ble aleatoria con distribución gamma, es decir,
de forma que Bi, v.a. positiva que representa el como una distribución de Poisson mixta siendo
monto de la pérdida dado el incumplimiento es la variable aleatoria de mixtura una gamma.
Bi = Xi | (Ii = 1). Específicamente, si Ni | l i ~ Poisson(l i) y
La esperanza, la varianza y el coeficiente l i ~Gamma(a, b) entonces Xi se distribuye
de asimetría de Xi en función de la esperanza, binomial negativa compuesta. Luego la pérdida
varianza y momentos de la variable Bi, vienen total S, conformada por n créditos con nivel
dados por (Dickson, 2005): de exposición Xi (i = 1, 2, 3, …, n), también
se distribuye binomial negativa compuesta,
E[Xi] = qi · E[Bi], S ~ BNComp(a*, b*, X*). De acuerdo con Wehrs-
pohn (2002) las estimaciones de los parámetros
V[Xi] = qi · V[Bi] + pi · qi · E2[Bi], a* y b* son:

124 Academia, revista latinoamericana de administr ación, 47, 2011

 Ca i c e d o, C l a r a m u n t y Ca s a n ova s

(∑ )
2

(∑ ) li pk +1 d
I =n 2 i =n
li* i =1 2 =c+ k = 0,1, 2, 3,…
a* =
i =1
y b* = pk k +1
(∑ 2)
∑
2 I =n
i =n li i =1
li*
i =1 Las únicas distribuciones del número que
cumplen la propiedad recursiva anterior son:
Bi qi
donde li = qi y li* = y vud es el Poisson, Binomial Negativa y Binomial (Kaas
 Bi  et al., 2008).
 vud   vud
En su versión discreta, el método de Panjer
valor de la unidad para transformar en valores requiere que las cuantías individuales tomen
enteros las Bi. valores enteros positivos. Siendo los niveles de
exposición a incumplimiento y la tasa de recu-
A.2.3. Estimación de la función de distribución de peración variables positivas, la probabilidad
S mediante el método de recurrencia de Panjer de que la pérdida total sea cero coincide con
La función de distribución de la pérdida total la probabilidad de que no se presente ningún
con el modelo colectivo, puede calcularse a tra- incumplimiento. Luego p0 = P[S = 0] = P[N = 0].
vés del método de recurrencia de Panjer en su La fórmula de recurrencia de Panjer es:
versión discreta.
El método de Panjer se utiliza en distri- s
 d y
buciones de número de sucesos que cumplen P [S = s ] = ∑  c +  P [ x = y ] P [ S = s − y ],
y =1  s 
con la siguiente ecuación de recurrencia en el s = 1, 2, 3,…
cálculo de sus probabilidades:

pk = P[N = k], Si S ~ PoiComp(l, X), entonces c = 0 y d

= l; cuando S ~ BNComp(a*, b*, X) entonces
b*
c= y d = c  (a * −1)
1 + b*

consejo latinoamericano de escuelas de administr ación, cladea 125