Resumen de Confidence sets for asset correlations in portfolio credit risk

Carlos Castro

• español

  Las correlaciones entre los activos de un portafolio crediticio, son parametros de suma importancia para la estimacion del riesgo crediticio y capital economico de una institucion financiera. La literatura especializada en la estimacion de las correlaciones entre los activos, que utiliza informacion de migraciones entre las calificaciones de riesgo, se ha concentrado principalmente en la estimacion puntual de los parametros, desconociendo la incertidumbre alrededor del estimador puntual. En este articulo utilizamos metodos bayesianos para estimar el modelo factorial dinamico para riesgo de quiebra utilizando datos de calificaciones de riesgo sobre un portafolio crediticio (McNeil et al., 2005; McNeil and Wendin, 2007). Los metodos bayesianos nos permiten: incorporar formalmente la informacion experta en el proceso de estimacion de las correlaciones mediante la distribucion a priori y obtener intervalos de confianza alrededor de los parametros de interes. Los resultados indican: i) un modelo de dos factores se ajusta mejor a la informacion historica de quiebras, que el modelo de un factor (recomendado en Basilea II), ii) resalta la importancia de la introduccion de factores no-observables en la especificacion del modelo, en particular, las propiedades estadısticas de los factores no-observables puede tener un efecto importante sobre la magnitud de las correlaciones estimadas, iii) las distribuciones a posteriori de las correlaciones entre los activos indican que los intervalos sugeridos por el documento de Basilea subestiman el riesgo sistemico.

• English

  Asset correlations are of critical importance in quantifying portfolio credit risk and economic capital in financial institutions. Estimation of asset correlation with rating transition data has focused on the point estimation of the correlation without giving any consideration to the uncertainty around these point estimates. In this article we use Bayesian methods to estimate a dynamic factor model for default risk using rating data (McNeil et al., 2005; McNeil and Wendin, 2007).

  Bayesian methods allow us to formally incorporate human judgement in the estimation of asset correlation, through the prior distribution and fully characterize a confidence set for the correlations.

  Results indicate: i) a two factor model rather than the one factor model, as proposed by the Basel II framework, better represents the historical default data. ii) importance of unobserved factors in this type of models is reinforced and point out that the levels of the implied asset correlations critically depend on the latent state variable used to capture the dynamics of default, as well as other assumptions on the statistical model. iii) the posterior distributions of the asset correlations show that the Basel recommended bounds, for this parameter, undermine the level of systemic risk.