Model Risk Unmasked: An Empirical Reckoning with IRB Capital Requirements

Resumen Técnico: El riesgo de modelo al descubierto: un ajuste de cuentas empírico con los requisitos de capital IRB

Planteamiento del problema
El artículo aborda una brecha crítica en el marco de los Métodos Basados en Calificaciones Internas (IRB) para el capital regulatorio de crédito bajo Basilea II/III. Si bien el modelo de Factor de Riesgo Único Asintótico (ASRF), introducido por Gordy (2003), proporciona la arquitectura estructural para calcular los cargos de capital basados en el Valor en Riesgo (VaR) del percentil 99.9, este típicamente trata los parámetros del modelo —específicamente la Probabilidad de Incumplimiento (PD) y la Pérdida dado el Incumplimiento (LGD)— como constantes conocidas. Los autores argumentan que este enfoque "naíf" ignora el riesgo de estimación (incertidumbre del parámetro). Además, la literatura existente (p. ej., Löffler, 2003; Tarashev, 2010) a menudo ha dependido de supuestos simplificadores, como tratar la PD y la LGD como independientes o mantener la LGD constante. El artículo postula que, en la realidad, estos parámetros están correlacionados, particularmente durante las crisis económicas donde las tasas de incumplimiento aumentan y las tasas de recuperación cacen simultáneamente. Ignorar esta dependencia y la incertidumbre inherente en la estimación de los parámetros conduce a una subestimación significativa de los verdaderos requisitos de capital regulatorio.

Metodología
El estudio emplea un enfoque empírico basado en 37 años de datos históricos (1983–2019) de Moody's Investor Service, que cubren tanto emisores corporativos con calificación de grado de inversión como de grado especulativo.

1. Supuestos Distribucionales y Validación:

   • Los autores modelan el punto de incumplimiento ($k = \Phi^{-1}(PD)$) y la LGD como variables aleatorias conjuntamente gaussianas.
   • Validan estos supuestos utilizando la prueba de Shapiro-Wilk en distribuciones univariantes y bivariantes. Los resultados (todos los valores p > 0.50) confirman que los datos no rechazan la hipótesis de normalidad, lo que respalda el uso de un marco gaussiano para modelar la incertidumbre del parámetro.

2. Estimación Empírica de la Dependencia:

   • El estudio estima explícitamente la correlación entre el punto de incumplimiento ($k$) y la LGD.
   • Utilizando la correlación de Pearson en el conjunto de datos de 37 años, encuentran correlaciones positivas fuertes y estadísticamente significativas: 0.717 para emisores de grado de inversión y 0.599 para emisores de grado especulativo. Esto confirma que las mayores probabilidades de incumplimiento están asociadas con mayores pérdidas ante el incumplimiento.

3. Marco de Cálculo de Capital:

   • Enfoque Naíf: Calcula el capital ($RC_{naïve}$) utilizando estimaciones puntuales ($\hat{PD}, \hat{LGD}$) como valores fijos.
   • Enfoque Correcto: Calcula el capital ($RC$) tomando el percentil 99.9 de la distribución de pérdida esperada, donde la $PD$ y la $LGD$ son tratadas como variables aleatorias con incertidumbre.
   • Simulación: Los autores utilizan simulaciones de Monte Carlo (10 millones de iteraciones) para calcular el recargo de capital regulatorio. Este recargo representa el porcentaje de aumento en el capital requerido para cubrir el riesgo de estimación, calculado como:
     $$Add\text{-}on = \frac{(RC - RC_{naïve}) + (E[L] - EL_{naïve})}{RC_{naïve}}$$

4. Pruebas de Robustez:

   • El análisis se repitió utilizando un nivel de confianza del 99% (coincidiendo con estudios anteriores) y un tamaño de cartera finito de 50 obligados. Los resultados se mantuvieron consistentes, confirmando que la dependencia entre los parámetros es el motor dominante del riesgo de modelo, independientemente del nivel de confianza o el tamaño de la cartera.

Resultos Clave
Los resultados de la simulación revelan que ignorar la incertidumbre de los parámetros y, más críticamente, la correlación entre la PD y la LGD, conduce a una subestimación sustancial de las necesidades de capital:

• Impacto de la Incertidumbre: La incertidumbre en el punto de incumplimiento ($k$) contribuye más al riesgo de modelo que la incertidumbre de la LGD por sí sola.
• Impacto de la Dependencia:
  • Cuando la PD y la LGD se asumen independientes, el recargo de capital regulatorio es del 18.67% para carteras de grado de inversión y del 39.54% para carteras de grado especulativo.
  • Cuando se incorpora la correlación observada empíricamente, el recargo salta al 38.48% (Grado de Inversión) y al 65.97% (Grado Especulativo).
• Conclusión sobre el Sesgo: El enfoque IRB naíf, que ignora por completo el riesgo de estimación, proporciona una estimación con un sesgo a la baja sustancial de los verdaderos requisitos de capital. La diferencia entre los escenarios independiente y correlacionado representa una subestimación de aproximadamente 20 puntos porcentuales para carteras de grado de inversión y 26 puntos porcentuales para carteras de grado especulativo.

Significancia y Reivindicaciones
El artículo reivindica tres contribuciones primarias:

1. Validación Empírica: Proporciona evidencia estadística robusta (mediante 37 años de datos) de que los supuestos gaussianos para el punto de incumplimiento y la LGD son válidos, justificando el marco teórico utilizado para los cálculos de recargo de capital.
2. Identificación del Motor de Riesgo Dominante: Demuestra que la dependencia PD–LGD es la principal fuente de riesgo de modelo. Ignorar este vínculo conduce a un error de cálculo severo de los buffers de capital, particularmente para activos de grado especulativo.
3. Implicaciones de Política: Los autores argumentan que el marco regulatorio actual, que eliminó la opción para que los reguladores aumenten los cargos de capital basados en el riesgo de modelo bajo Basilea III, puede ser insuficiente. Sugieren que los bancos que dependen de cálculos simples de estimación puntual deberían estar obligados a mantener buffers de capital significativamente más altos (al menos 40% para grado de inversión y 66% para grado especulativo) para contabilizar el riesgo de estimación.

El estudio concluye que un enfoque más matizado del capital regulatorio es esencial para la estabilidad financiera. Al contabilizar la incertidumbre de los parámetros y la naturaleza cíclica de la relación PD–LGD, las instituciones financieras pueden gestionar mejor el riesgo y prevenir las vulnerabilidades sistémicas que surgen cuando los buffers de capital son insuficientes durante las crisis económicas.