XII Escola de Modelos de Regressão, Fortaleza-CE, 13-16 Março 2011
Associação Brasileira de Estatística - XII EMR - Março 2011
Análise de Risco da Contraparte
Autor: Solange Lugo
Entidad:Departamento de Ciencias Básica, Unidades Tecnológicas de Santander, Colômbia
RESUMO: As instituições financeiras são destinadas principalmente para obter o maior retorno econômico, minimizando os riscos de perdas inerentes ao mercado. Perceber os riscos antecipadamente permite aos administradores construir vários cenários para prever e minimizar os efeitos adversos. Por exemplo, os dinheiros recebidos em poupança devem ser colocados em investimentos seguros que sejam devolvidos em qualquer momento de necessidade, por isto, os Comitês de Risco devem procurar construir ferramentas de decisão sobre o destino e a forma do investimento econômico, especialmente aquelas feitas em depósitos em outros bancos. Geralmente, utiliza-se exclusivamente a qualificação de risco de longo prazo que cada banco possui para atribuir a classificação de risco ao investimento.
Neste trabalho, apresentamos um modelo estatístico para avaliar e classificar os bancos aproveitando a informação pública das instituições financeiras supervisionadas pela Superintendência Financeira da Colômbia. Por um lado, usamos as variáveis CAMEL que determinam o desempenho financeiro dos bancos e, por outro lado, a classificação de risco de longo prazo proporcionada pela Fitch Ratings Colômbia SA, aumentando com esse modelo as possibilidades de análise de risco de contraparte dos outros bancos.
PALAVRAS-CHAVE: Risco, Análise de Componentes Principais, Indicadores CAMEL
1. INTRODUCÃO
As instituições financeiras têm como principal objetivo obter um maior retorno econômico, minimizando os riscos de perdas inerentes ao mercado. Entender os riscos financeiros ajuda aos gerentes a construir vários cenários para prever e minimizar os efeitos adversos. O Comitê de Risco Financeiro é um órgão de acompanhamento do Conselho Diretivo, dentro de suas funções está a identificação, medição e monitoramento dos riscos financeiros. Seu objetivo é fornecer ferramentas capazes de apoiar o Conselho Diretivo na tomada de decisão de destino do seu investimento, identificando situações possíveis de anormalidade econômica e financeira, permitindo ações preventivas e corretivas em tempo hábil para que a entidade financeira tome as medidas corretivas necessárias.
Normalmente as instituições financeiras têm recursos econômicos que podem ser investidos em depósitos a prazo fixo nos outros bancos, todos os bancos oferecem taxas de juros diferentes. Em geral, os bancos com Ratings elevados oferecem juros mais baixos do que aqueles com notas mais baixas. Por isso, é essencial construir outro sistema de avaliação diferente da simples classificação de cada Banco obtido pela agência de classificação Fitch Ratings Colômbia SA.
O novo escore é construído com base em indicadores CAMEL (C: Capital adequacy; A: Asset quality; M: Management ability; E: Earnings e L: Liquidity) e a avaliação de investimentos de longo prazo produzida pela Fitch Ratings Colômbia. A idéia deste modelo é determinar as melhores combinações lineares representando cada um dos cinco grupos de indicadores CAMEL. Em cada grupo, utilizou-se análise de componentes principais para reter o máximo de informação possível, a soma das pontuações de todas as variáveis CAMEL é 80. Além disso, usamos a escala de pontuação para a classificação que cada banco tem na avaliação de investimento ao longo prazo, para completar um indicador com 100 pontos para cada banco.
2. METODOLOGIA
O banco de dados para este trabalho é construído sobre uma metodologia padrão de avaliação financeira, que permite a medição do desempenho financeiro de uma instituição por meio de indicadores conhecidos na linguagem financeira como indicadores CAMEL. É uma norma aprovada pelas autoridades reguladoras dos bancos dos EUA a fim de avaliar a força financeira e de gestão das entidades de negócios-chave dos Estados Unidos e são aceitos pelas autoridades de supervisão da Colômbia. O banco de dados contém as informações de 15 bancos.
Para cada um dos cinco grandes grupos de indicadores, foi utilizada uma Análise de Componentes Principais (ACP). O ACP é uma técnica estatística de síntese de informação ou de redução do número de variáveis significantes. Os novos componentes principais ou fatores são uma combinação linear das variáveis originais e também serão independentes. A principal dificuldade do ACP é a interpretação dos novos fatores, uma vez que não é dada a priori [Veja Johnson, R. e Wicher, D. (1998), Díaz, L. (2009), Peña, D. (2004), Pérez, C. (2004), Rencher, A. (1998), entre outros].
Com cada um dos Componentes Principais (CP) selecionados nos cinco grupos de indicadores, construímos um novo índice, onde o peso de cada CP é dado pela porcentagem da variância total retido por cada um, conservando em total os valores pré-definidos para cada grupo, isto é, 15, 25, 20, 10 e 10 para C, A, M, E e L respectivamente, totalizando 80 pontos máximos para cada banco.
Como informação adicional é incluída no modelo a variável de avaliação de investimentos de longo prazo dado pela Fitch Ratings de Colômbia. De acordo com a classificação de cada banco, foi utilizada a escala de valores a seguir: AAA recebe 20 pontos, AA+ recebe 16 pontos, AA recebe 12 pontos, AA- recebe 8 e 4 pontos com valores menores. Finalmente, sumamos as pontuações CAMEL dos indicadores com o valor equivalente à classificação de risco e obtemos um índice entre zero e 100 para cada banco.
É importante notar que esta metodologia é um exercício interno, por isso é chamada de análise de risco de contraparte e, este desenvolvimento não compromete qualquer juízo de valor estabelecido pela agência de classificação Fitch Ratings Colômbia.
3. RESULTADOS E DISCUSSÃO
As duas componentes principais para o grupo de indicadores de Capital são:
CP1 = 0,93 C4 + 0,92 C5 + 0,94 C6 + 0,92 C7 + 0,92 C8 + 0,1 C9 + 0,82 C10
CP2 = -0,09 C4 - 0,31 C5 + 0,05 C6 -0,14 C7 + 0,24 C8 + 0,99 C9 + 0,16 C10
A primeira componente principal explica 71,32% da variabilidade total e pode ser caracterizada pelos indicadores que medem diretamente os ativos da entidade, enquanto que a segunda explica 16,97% da variabilidade total e é caracterizada pelo exercício da carteira.
As duas componentes principais para o grupo de indicadores de Ativos são:
AP1 = 0,5 A1 - 0,05 A4 - 0,78 A5 - 0,71 A9 - 0,93 A12
AP2 = 0,78 A1 + 0,61 A4 + 0,54 A5 - 0,37 A9 + 0,21 A12
A primeira componente principal (44,81%) está caracterizada pelos indicadores que não geram renda, tais como ativos não produtivos, enquanto que a segunda componente (29,06%) está caracterizada pelos indicadores que geram renda como a carteira, que é o principal ativo numa instituição financeira.
As duas componentes principais para o grupo de indicadores de Management ability são:
MP1 = -0,80 M2 + 0,59 M4 + 0,47 M6 - 0,59 M7 - 0,87 M9
MP2 = -0,05 M2 + 0,49 M4 + 0,79 M6 + 0,76 M7 + 0,28 M9
A primeira componente principal (46,41%) pode caracterizar-se pelos indicadores que avaliam os custos necessários para que a entidade funcione e a proporção dessas receitas sob os custos totais, enquanto a segunda componente (30,19%) caracteriza aos custos que a instituição financeira deve ter para pegar e colocar o dinheiro dos seus clientes.
As duas componentes principais para o grupo de indicadores de Earnings são:
EP1 = -0,99 E1 + 0,32 E4 - 0,94 E5
EP2 = 0,01 E1 + 0,95 E4 + 0,31 E5
A primeira componente principal (46,41%) pode caracterizar-se pelos indicadores que avaliam os custos necessários para que a entidade funcione e a proporção dessas receitas sob os custos totais, enquanto a segunda componente (30,19%) caracteriza aos custos que a instituição financeira deve ter para pegar e colocar o dinheiro dos seus clientes.
As duas componentes principais para o grupo de indicadores de Earnings são:
LP1 = -0,04 L1 + 0,60 L2 - 0,96 L3 + 0,71 L4
LP2 = -0,79 L1 - 0,61 L2 + 0,01 L3 + 0,58 L4
A primeira componente principal (44,50%) pode-se caracterizar pela liquidez representada em investimentos de carteira colocados nos seus clientes, enquanto que a segunda componente (33,36%) caracteriza à liquidez no dinheiro depositado em caixa própria e em outros Bancos que se podem converter à vista em pouco tempo.
Após a conclusão da análise de componentes principais com cada um dos cinco grupos de variáveis estudadas para os 15 bancos, cada componente principal foi ponderada pela variância explicada pelo componente sob a variabilidade total retido pelos componentes selecionados, mantendo os pesos previamente definidos. Assim, cada banco foi avaliado de acordo com as suas coordenadas em cada eixo. A Tabela 1 apresenta a classificação final deste método de Análise de Componentes Principais.
Tabela 1. Classificação Final dos bancos sujeitos ao estudo.
Note-se que o Banco de Bogotá obtém uma pontuação máxima de 72,35 pontos sob 100, enquanto BCSC obteve o mínimo de 40,37. Note também que o Banco de Bogotá não é o melhor em cada um dos cinco grupos de indicadores CAMEL, nem o BCSC é o pior em todos os grupos. O que se procura num banco é ter uma estrutura harmonizada para os cinco grupos de indicadores CAMEL.
Note que a maioria dos bancos tem um Rating AAA e com esta avaliação não é possível diferenciá-los substancialmente, então isso convalida ainda mais esta nova forma de usar informações adicionais à classificação dada pela agência de classificação, Fitch Ratings Colômbia AS.
Como uma classificação adicional subjetiva, pode-se estabelecer que de acordo com esta pontuação, as entidades com valores maiores que 60 são considerados entidades de alto desempenho para investir, aqueles que têm entre 50 e 60, com desempenho médio para investir e menos de 50 pontos, não é recomendado investir nestes Bancos, em dezembro de 2009.
4. CONCLUS ÕES
O modelo apresentado aqui permite reduzir o nível de subjetividade na classificação das instituições financeiras de crédito, ele foi construído sob condições de informação pública estabelecida na página web da Superintendência Financeira da Colômbia, e nesse sentido, a avaliação da qualidade da informação não está disponível para o público. Com relação aos bancos localizados no final da tabela, não podemos inferir diretamente que eles têm problemas financeiros, ou estão em risco de falência ou com possível saída do mercado, certamente, cada vez que se construí um ranking, alguma instituição ficará de primeira e outra estará no último lugar, algumas acima e outras abaixo da média, por isso é mais importante acompanhar a evolução desses indicadores para cada banco sobre os valores máximos, mínimos e médios em cada grupo CAMEL e, assim poder captar mudanças positivas ou negativas na evolução das instituições bancárias.
Portanto, os resultados obtidos neste trabalho são principalmente descritivos, dado que permitiram estabelecer que, em dezembro de 2009 alguns bancos tinham algumas diferenças significativas na estrutura financeira, diferenças que não podem ser percebidas pela avaliação conferida pelo Fitch Ratings Colômbia, ampliando em conseqüência as possibilidades de análise antes de fazer o depósito de dinheiro nos outros bancos.
A idéia é repetir este exercício a cada mês, a fim de observar as tendências dos bancos para melhorar, piorar ou permanecer estável neste sistema de avaliação de risco de contraparte.
AGRADECIMENTOS
Os autores expressam seu agradecimento à Financiera Comultrasan e Universidad Industrial de Santander. Um muito obrigado ao Engenheiro Haiber Alberto Barón Pinto pela assessoria financeira.
REFERÊNCIAS BIBLIOGRÁFICAS
DÍAZ, L. (2009). Estadística multivariada: inferencia y métodos. Universidad Nacional de Colombia.
JOHNSON, R. e Wicher, D. (1998). Applied Multivariate Statistical Analysis. Prentice Hall
HAIR J.F., Anderson, R.E., Tatham R.L. e Black W.C. (1998). Multivariate Data Analysis, Prentice Hall.
MORRISON, D. (1990). Multivariate Statistical Methods. McGraw Hill Book Company.
PEÑA, D. (2004). Análisis multivariante de datos. Mc Graw Hill Book Company.
PÉREZ, C. (2004). Técnicas de análisis multivariante de datos. Pearson-Prentice Hall.
RENCHER, A. (1998). Multivariate Statistical Inference and Applications. John Wiley e Sons.
SHARMA, S. (1996). Applied Multivariate Techniques. John Wiley and Sons.
.bmp)
