Ler Edição - Serasa Experian
Transcrição
Ler Edição - Serasa Experian
O Irineu, da C&C, recuperou mais clientes e está vendendo com mais segurança. Irineu Lolo, Gerente Financeiro da C&C. Quer um resultado igual ao dele? Fale com a gente: 0800 773 7728 ou acesse serasaexperian.com.br Com a ajuda da Serasa Experian, a C&C aumentou o índice de recuperação de clientes e conseguiu mais agilidade na aprovação de crédito, gerando mais segurança nas vendas. Isso é muito importante para uma empresa que atua no varejo. Não importa o tamanho da sua empresa: pergunte o que a gente pode fazer por você. 8 Determinantes Macroeconômicos da Inadimplência Bancária de Pessoas Jurídicas no Brasil Macroeconomic Determinants of Corporate Banking Defaults in Brazil Clodoaldo Aparecido Annibal Sergio Mikio Koyama O artigo enfatiza que há evidências de que a condução de uma política macroeconômica, que propicie o crescimento sustentável da econômia ao longo do tempo, seja o fator preponderante para a redução da inadimplência de pessoas jurídicas na carteira de crédito das instituições financeiras brasileiras. The article argues that there is evidence that a macroeconomic policy that fosters sustainable economic activity growth over time is the prevalent factor to reduce business firm defaults in Brazilian financial institutions’ credit portfolios. 39 O Elo entre Governança de Risco e Desempenho Bancário The Link Between Risk Governance and Performance in Banking A pesquisa investiga se houve um elo entre a estrutura de governança de risco e o desempenho dos bancos durante a recente crise financeira. Estabelece um novo cenário no ambiente bancário moderno, confirmando a existência de tal elo e sugere que os bancos devem atribuir um papel mais importante à gestão de risco para melhorar a estabilidade e a solidez de seus lucros. Gabriele Sabato The research investigates whether a link exists between the risk governance structure and the performance of banks during the recent financial crisis. The study sets a new scene in modern banking, confirming the presence of this link and suggesting that banks should assign a more prominent role to risk management in order to improve the stability and soundness of their profits. 62 Expansão do Crédito Impulsiona os Negócios no Varejo Credit Expansion Boosts Retail Sales A rápida mudança dos mercados, seja por impactos internos ou até mesmo externos, vem sofisticando cada vez mais a forma de conduzir os negócios, tanto internamente, como no trato diário com os clientes e com o mercado em geral. Marcio FerreiraTorres The market’s quick changes, be they due to internal or external impacts, leads to increasingly sophisticated ways of doing business, both internally and in the daily handling of customers and the market overall. 71 Desafios de Modelagem de LGD LGD Modeling Challenges Carlos Antonio Campos Nogueira De acordo com os termos do Acordo de Basiléia 2, as instituições financeiras que desejarem migrar suas carteiras de crédito para modelos internos (IRB ou Internal Ratings Based) deverão desenvolver modelos de LGD (Loss Given Default) para o segmento de varejo (no caso das IFs que migrarem para a abordagem básica Foundation ou FIRB) ou para todos os segmentos, se optarem pela abordagem avançada (Advanced ou AIRB). According to Basel II, financial institutions that wish to migrate their credit portfolios to Internal Ratings Based (IRB) Models must develop Loss Given Default (LGD) models for the retail segment (in the case of FIs migrating to the Foundation Approach – FIRB), or for all segments, should they choose the Advanced Approach (AIRB). 4 Palavra do Editor O Banco Central projeta para o exerccio de 2011 uma expansão de 15,0% para o crédito total; de 10,0% para pessoas físicas; e de 14,0% para pessoas jurídicas. Financiamentos de veículos, crediário de lojas e crédito pessoal, incluindo o consignado, são as modalidades a serem mais afetadas. Por sua vez, o nível de inadimplência deverá se estabilizar, porém, é possível que haja elevação, em especial no caso de pessoas físicas, em razão do cenário de maior comprometimento da renda com financiamentos, de alta dos juros, de encurtamento dos prazos para as modalidades de crédito pessoal e aquisição de veículos e de menor crescimento da massa real de rendimentos. Em contrapartida, a modalidade de crédito imobiliário deverá registrar significativa expansão. O Banco do Brasil espera dobrar sua carteira de crédito imobiliário em 2011. Clodoaldo Aparecido Annibal e Sergio Mikio Koyama, especialistas nas áreas de risco e crédito bancário, apresentam o modelo SEM bayesiano que utilizou como informação a priori um modelo VARX (12,9) cujas variáveis endógenas foram Inadimplência de Pessoas Jurídicas, taxa Selic e Produção Industrial e a variável exógena foi a taxa de câmbio R$/US$. Segundo informam, a opção por essa forma de estimação foi imposta pelo número reduzido de observações disponíveis do indicador de inadimplência utilizado. Eles dizem que a análise das funções impulso-resposta mostra que a apreciação do dólar frente ao real aumenta a inadimplência de pessoas jurídicas com uma defasagem de dois meses. E, ainda, que um aumento da taxa Selic leva a um crescimento da inadimplência de pessoas jurídicas com uma defasagem de oito meses. Contudo, o impacto dessas duas variáveis é relativamente pequeno quando comparado ao impacto que a atividade econômica, medida neste estudo pela produção física industrial, exerce sobre a inadimplência de pessoas jurídicas. From the Editor The Central Bank of Brazil’s 2011 projections show 15.0 percent growth in total credit; 10.0 percent for individuals; and 14.0 percent for business firms. Auto financing, store credit and personal credit (including payday loans) are the most affected modes. Default levels, in their turn, are expected to stabilize; they may, however, rise – especially for consumers – because of increased committed income, higher interest rates, shorter consumer credit and auto-loan terms, and slower growth in real income. On the other hand, real-estate credit should expand significantly. Banco do Brasil expects to double its real-estate credit portfolio in 2011. Clodoaldo Aparecido Annibal and Sergio Mikio Koyama, experts in risk and banking credit, present the Bayesian SEM model that uses as aprioristic information a VARX (12,9) model whose endogenous variables include Corporate Defaults, the Selic basic interest rate, and Industrial Output, and whose exogenous variable is the R$-to-US$ exchange rate. According to the authors, selection of this form of estimation was a requirement due to the low number of observations available for the chosen default indicator. Annibal and Koyama write that analysis of the impulse-response functions shows that the appreciation of the US Dollar against the Brazilian Real causes corporate defaults to rise with a two-month lag, and that an increase in the Selic rate causes corporate defaults to rise with an eight-month lag. But the impact of these two variables on corporate defaults is relatively mild compared to that of economic activity, which is represented in the study by industrial output. 5 Os autores externam a opinião de que a condução de uma política macroeconômica que propicie o crescimento sustentável da atividade econômica ao longo do tempo é o fator preponderante para a redução da inadimplência de pessoas jurídicas na carteira de crédito das instituições financeiras brasileiras. Por conseguinte, propiciam a preservação da estabilidade do sistema financeiro brasileiro. Gabriele Sabato, autor do artigo “O Elo entre Governança de Risco e Desempenho Bancário” apresenta pesquisa que investiga a existência desse elo e qual sua responsabilidade diante a recente crise financeira. O estudo estabelece um novo cenário no ambiente bancário moderno e vem confirmar a hipótese de que a estrutura típica de governança corporativa, com todos os membros da administração executiva reportando-se ao CEO, não é o mais adequado para organizações bancárias. Ficou demonstrado que os bancos em que o CRO reporta-se diretamente ao conselho de administração tiveram desempenho significativamente melhor durante a crise financeira, ao passo que aqueles em que o CRO reporta-se ao CEO tiveram desempenho significativamente pior do que o dos demais bancos em nossa amostra. Uma possível explicação para isso pode ser o fato de que o principal interesse do CEO seja o de maximizar o crescimento do faturamento, do ativo e do lucro – possivelmente tanto no interesse dos acionistas quanto em seu próprio, já que o crescimento ajuda a maximizar o valor do pacote de remuneração pessoal, assim como seu prestígio e poder. Assim, a avaliação que o CEO faz do risco e o tratamento que lhe dispensa podem ser significativamente diferentes dos apresentados pelo CRO. Em outras palavras, o CEO e o CRO podem ter interesses conflitantes e, embora um papel mais forte para o CEO possa aumentar o crescimento e a lucratividade num ambiente de mercado propício, também pode resultar em grandes perdas durante períodos de adversidade como a recente crise internacional de crédito de 2007/2008. The authors provide evidence that a macroeconomic policy that fosters sustained economic growth over time is the prevalent factor to reducing corporate defaulting in Brazilian Financial Institutions’ credit portfolios and, therefore, to preserving the Brazilian financial system’s stability. Gabriele Sabato, the author of “The Link Between Risk Governance and Bank Performance,” presents a study investigating the presence of such a link and its relevance in the face of the recent financial crisis. The study establishes a new scenario for today’s banking environment and confirms the hypothesis that the typical corporate governance structure, with every member of the executive board reporting to the CEO, is not the most appropriate for banking organizations. Evidence shows that banks whose CRO reports directly to the Board of Directors performed significantly better during the crisis, while those whose CRO reports to the CEO had significantly poorer performance than the other banks in the sample. One possible explanation may lie in the fact that CEOs are mainly interested in maximizing sales, assets and profits – potentially for the sake of shareholders as well as their own, since this will help maximize their personal compensation packages, in addition to prestige and power. As a result, a CEO’s assessment of and approach to risk may differ significantly from a CRO’s. In other words, the CEO and the CRO may have conflicting interests and, although a stronger CEO may increase growth and profitability in boom periods, it may also lead to massive losses during downturns such as the recent 2007-‘08 credit crisis. 6 Para superar esse problema, muitos órgãos reguladores começaram, recentemente, a exigir que os CEOs e os conselhos executivos concentrem-se mais em questões de gestão de risco. Contudo, Sabato acredita que essa mudança só será eficaz se também se refletir na estrutura de governança corporativa dos bancos, com atribuição de um papel mais forte ao CRO para reduzir a volatilidade das perdas na presença de condições de mercado negativas. Marcio Torres apresenta nesta edição estudo utilizando a base de balanços da Serasa Experian, com dados de 6.600 empresas abertas e fechadas de todos os portes, com foco nos principais setores atendidos pelo segmento atacadista, isto é: comércio de alimentos, farmácias e posto de combustíveis no período de 2005 a 2009. A análise foi iniciada pelo segmento de varejo o qual possui grandes investimentos em capital de giro e, a seguir, expandiu-se para os tradicionais indicadores financeiros a fim de atender aos objetivos propostos pelo estudo. O grande destaque na expansão do crédito foi o segmento, com crescimento nominal acumulado de 227,1% do crédito concedido a clientes. A seguir vieram os supermercados, alcançando 124,5%, e os postos de combustíveis, com 77,7%. A demanda dos supermercados evoluiu expressivamente durante o ano de 2009, o que favoreceu as vendas. O segmento investiu no aumento do mix de produtos oferecidos e na maior atuação de bandeiras especializadas na população de baixa renda, o que determinou a alta mais intensa do faturamento. O autor acrescenta que a consequência da expansão do crédito e, também, da redução das margens, foi o aumento do endividamento das empresas, o que denota uma maior exposição ao risco. O segmento mais endividado foi o de farmácias, vindo a seguir os supermercados e postos de combustíveis. To overcome this problem, many regulators have recently started to require additional focus on risk-management issues from CEOs and Boards of Directors. Still, Sabato believes that this change will only be effective if it also reflects on banks’ corporate governance structure, with the assignment of a more prominent role to CROs as a means to reduce losses volatility in the presence of negative market conditions. In this issue, Marcio Torres presents a study using Serasa Experian’s balance-sheets database with data from 6,600 public and private business firms of all sizes, with a focus on the segments served by the wholesale segment, that is: groceries, drugstores and petrol stations in the 2005-’09 period. The analysis begins with the retail segment, which invests heavily in working capital, and expands to include traditional financial indicators as a means to achieve the study’s proposed goals. The groceries segment expanded the most, with 227.1 percent accumulated growth in nominal credit to customers. Second came supermarkets, at 124.5 percent, and petrol stations, at 77.7 percent. Demand evolved significantly for supermarkets in 2009, which provided a sales boost. The segment invested in a broader mix of offerings and increased action in brands targeted at lower-income populations, leading to more intense sales growth. The author adds that the consequence of expanding credit and narrower margins was increased corporate indebtedness, denoting greater risk exposure. The drugstores segment was the most indebted, followed by supermarkets and petrol stations. 7 Carlos Antonio Campos Nogueira no artigo “Desafios de Modelagem de LGD” comenta que uma abordagem completa sobre o tema é extensa e complexa. O autor se concentrou em ressaltar os aspectos mais importantes e que requerem mais atenção, tanto no cálculo das LGDs efetivas quanto nos métodos utilizados na elaboração de modelos que apresentam previsões confiáveis do seu valor futuro. Segundo ele, calcula-se o valor realizado da LGD realizada como a diferença, para a unidade, da razão dos valores recuperados, descontados os custos de recuperação, em relação ao valor em default (EAD), sendo que os valores que compõem o numerador devem ser apurados e convertidos – por uma taxa de desconto – para valores na data de default. No que se refere à recuperação, Nogueira afirma que um grande problema é a definição do ponto de corte, a partir do qual o processo de workout é considerado encerrado (e o resíduo é lançado para perda ou write off). As IFs acabam por utilizar critérios combinados de tempo e valor, combinados. Tecnologia de crédito ANO XIII Publicação trimestral da Serasa Experian Nº 76 ISSN 2177-6032 Presidente da Serasa Experian e da Experian América Latina Ricardo Loureiro Ilustração Eric Miranda Assistente de Edição Nancy Galvão Os conceitos emitidos em artigos assinados são de responsabilidade de seus autores, não expressando, necessariamente, o ponto de vista da Serasa Experian, nem do Conselho Editorial. Tradução Presidentes de Unidades de Negócios Allan Hastings Marcelo Kekligian, Igor Ramos Correspondência Rocha, Jorge Antonio Dib, Juliano Marcílio e Laércio Pinto Serasa Experian - Comunicação Corporativa Diretores Al. dos Quinimuras, 187 José Alcântara, Lisias Lauretti, CEP 04068-900 - São Paulo - SP Milton Pereira, Paulo Melo e Tel. (11) 2847-9515 Silvânio Covas Fax (11) 2847-9791 www.serasaexperian.com.br Editora Responsável [email protected] Rosina I. M. D’Angina (MTb 8251) [email protected] Projeto Gráfico Luis Barbuda Capa Eric Miranda Editoração Eletrônica Eric Miranda e Leticia Ikeda É proibida a reprodução total ou parcial dos artigos desta publicação. In “LGD Modeling Challenges”, Carlos Antonio Campos Nogueira writes that a comprehensive approach to LGD would be extensive and complex. The author focuses on highlighting the more important aspects as concerns both effective LGD calculations and the methods used to generate models for reliable forecasts of future LGD. According to Nogueira, effective LGD is calculated as one minus the ratio of recovered amounts net of recovery costs to exposure at default (EAD), where the figures that make up the numerator must be ascertained and converted – based on a discount rate – to amounts on the date of default. As for recovery, Nogueira writes a major issue lies in setting a cutoff from which the workout process is deemed completed (and the residual is entered as a loss or write-off). FIs end up using a combination of combined time and value criteria. Credit Technology Year XIII Trimonthly published by Serasa Experian Nº 76 ISSN 2177-6032 Managing Director Latin America Ricardo Loureiro Illustration Eric Miranda Assistant Editor Nancy Galvão The concepts issued in the signed articles are the responsibility of the authors, which do not necessarily express the point of view of Serasa Experian and the Editorial Council. Translation Business Units Presidents Allan Hastings Marcelo Kekligian, Igor Ramos Rocha, Jorge Antonio Dib, Juliano Mail Address Serasa Experian - Comunicação Marcílio and Laércio Pinto Corporativa Directors Al. dos Quinimuras, 187 José Alcântara, Lisias Lauretti, CEP 04068-900 - São Paulo - SP Milton Pereira, Paulo Melo and Tel. (11) 2847-9515 Silvânio Covas Fax (11) 2847-9791 www.serasaexperian.com.br Responsible Editor [email protected] Rosina I. M. D’Angina (MTb 8251) [email protected] Graphic Design Luis Barbuda Cover Eric Miranda Desktop Publishing Eric Miranda and Leticia Ikeda Total or partial reproduction of the articles hereby published is strictly forbidden. 8 Determinantes Macroeconômicos da Inadimplência Bancária de Pessoas Jurídicas no Brasil Macroeconomic Determinants of Corporate Banking Defaults in Brazil Clodoaldo Aparecido Annibal Sergio Mikio Koyama 9 1. Introdução 1. Introduction O crédito bancário no Brasil vem, nos últimos anos, apresentando taxas de crescimento bastante significativas. Em janeiro de 2001, representava 27,4% do Produto Interno Bruto (PIB), já em janeiro de 2010, representava 45,0% do PIB. Mesmo durante 2009, quando os efeitos da crise internacional de 2008/2009 tiveram maior impacto no país, o crédito em relação ao PIB aumentou 4,2 pontos percentuais (p.p.), passando de 40,8% em dezembro de 2008 para 45,8% em dezembro de 2009. Nesse contexto, verificou-se o aumento dos ativos de crédito das instituições financeiras em relação ao total de recursos aplicados. Dados do Banco Central do Brasil (BCB) mostram que, em dezembro de 2008, cerca de 53% dos ativos das instituições eram referentes a operações de crédito e arrendamento mercantil enquanto que, em dezembro de 2001, essa relação era cerca de 44%. Assim, com o aumento dos ativos de crédito das instituições em relação ao total de recursos aplicados, torna-se mais relevante a correta constituição de provisões para créditos de liquidação duvidosa e, consequentemente, a necessidade de se realizar boas estimações da inadimplência futura da carteira de crédito. In recent years, bank credit in Brazil has been growing at rather significant rates. In January 2001, it corresponded to 27.4 percent of Gross Domestic Product (GDP), versus já 45 percent of GDP in January 2010. Even in 2009, when the effects of the 200809 international crisis hit Brazil the hardest, credit-to-GDP rose by 4.2 percentage points, from 40.8 percent in December 2008 to 45.8 percent in December 2009. In this context, financial institutions’ credit assets rose relative to total invested funds. Central Bank of Brazil (CBB) data show that, in December 2008, close to 53 percent of their assets were from credit and lease operations, from around 44 percent in December 2001. Therefore, with the growth of credit assets relative to total invested funds, the importance of appropriate provisioning or bad credits increases, and, as a consequence, so does the need for accurate estimates of future default in the credit portfolio. Palavras-chave: modelos de avaliação de risco; inadimplência futura; arrendamento mercantil. Keywords: risk evaluation models; future default; lease. A literatura econômica já produziu uma grande variedade de modelos para estimar a inadimplência futura do crédito bancário. Para o Brasil, entretanto, pouco foi produzido a respeito da relação entre fatores macroeconômicos e inadimplência bancária. Dessa forma, o presente trabalho visa contribuir com o entendimento dessa rela- Economics literature has already produced a wide variety of models to estimate future bank credit defaulting. For Brazil, however, little has been produced on the relationship between macro-economic factors and bank defaults. Therefore, this paper aims to add to the understanding of this relationship and, 10 ção, mais especificamente da relação entre o ambiente macroeconômico e a inadimplência de pessoas jurídicas tomadoras de crédito bancário. Para atingir esse objetivo, além desta introdução, o trabalho prossegue com a seguinte estrutura: a seção 2 apresenta uma breve revisão da literatura a respeito de modelos de avaliação de risco de crédito; a seção 3, as variáveis macroeconômicas utilizadas e a metodologia empregada para a análise dos dados; a seção 4, os principais resultados e, finalmente, na seção 5, as conclusões do trabalho. more specifically, to the understanding of the relationship between the macroeconomic environment and the default of corporate bank credit takers. To this end, after this introduction, the paper is structured as follows: Section 2 provides a brief review of the literature on credit risk evaluation models; Section 3, discusses the chosen macro-economic variables and the methodology used to analyze the data; Section 4, introduces our main findings; and Section 5 offers our conclusions. 2. Modelos de Avaliação de Risco de Crédito 2. Credit Risk Evaluation Models A constituição de modelos facilita muito a compreensão de determinados fenômenos. Caouette et al. (2000, p. 118) fazem a seguinte afirmação a respeito dos modelos financeiros: “Representam, em outras palavras, o acúmulo de conhecimento, experiência e experimentação humanos que pode ser aplicado à explicação da maneira como as pessoas se comportam ou as coisas funcionam”. Quando se trata de modelagem de risco de crédito, a literatura apresenta uma ampla variedade de modelos com diversos escopos e técnicas de modelagem. Por exemplo, Silva (2000), ao tratar de modelos para risco de crédito, concentra seu trabalho na classificação de empresas industriais e comerciais como solventes ou insolventes. Para realizar essa discriminação, define a ocorrência de insolvência econômica como a situação de inadimplência, estimando as probabilidades de ocorrência a partir de um modelo de regressão logística. Securato (2002) aponta uma segmentação dos conceitos de modelos de crédito. Em uma das vertentes, os modelos que se prestam a avaliar as possíveis perdas de uma carteira, em outra, os modelos que são utilizados para o cálculo de probabilidades de inadimplência de pessoas físicas e jurídicas. Segundo Chaia (2003), os modelos de risco de crédito possuem um único objetivo comum que Models greatly facilitate understanding certain phenomena. Caouette et al. (2000, p. 118) say about financial models: “In other words, they represent the accumulated human knowledge, experience and experimentation that can be applied to explaining how people behave or things work.” When it comes to credit risk modeling, the literature shows a large variety of models with different scopes and modeling techniques. Silva (2000), for example, on discussing credit risk models, focuses on the categorization of industrial and commercial firms as solvent or insolvent. To do this, the author defines the occurrence of economic insolvency as a default status, estimating the probability of occurrence based on a logistic regression model. Securato (2002) indicates how credit model concepts are segmented. One stream includes models intended to evaluate a portfolio’s possible losses, while another includes those used to calculate individuals’ and business firm’s probabilities of default. According to Chaia (2003), credit risk models share a single common goal 11 é o de mensurar o risco de uma carteira de crédito como um todo. Assim, embora os modelos utilizem estimativas de perdas para cada crédito da carteira, o principal propósito é estimar o valor futuro de uma carteira e, consequentemente, as possibilidades de perda a que está submetida. De acordo com Saunders (2000), os modelos mais conhecidos para a realização dessas estimativas de perda na carteira de crédito são: a. CreditMetrics – modelo desenvolvido pelo JPMorgan Bank Inc. baseado na abordagem de migração da qualidade do crédito concedido. O modelo procura definir probabilidades de mudanças das classificações de risco de crédito, incluindo a situação de inadimplência como se fosse uma classificação, dentro de um determinado horizonte temporal. A partir das probabilidades e do intervalo de tempo, o modelo consegue estimar o valor potencial de perda da carteira para um determinado nível de confiança estatístico; b. KMV – modelo desenvolvido pela KMV Corporation baseado na abordagem estrutural ou avaliação de ativos com base na teoria das opções. O modelo considera o processo de falência endógeno e relacionado à estrutura de capital da entidade. A falência ocorre quando o valor dos ativos da entidade cai abaixo de um nível crítico; c. CreditRisk+ – modelo desenvolvido pelo CreditSuisse Financial Products baseado em uma abordagem atuarial. O modelo procura estabelecer medidas de perda esperada com base no perfil da carteira de empréstimos, ou títulos de crédito, e no histórico de inadimplência; e d. CreditPortfolioView – modelo desenvolvido pela Consultoria McKinsey baseado no impacto de variáveis macroeconômicas na ocorrência de inadimplência. Esse modelo procura traçar cenários multiperíodo em que a probabilidade de inadimplência está condicionada a variáveis macroeconômicas tais como: desemprego, taxa de juros básica da economia e taxa de crescimento da economia. that lies in measuring the risk of a credit portfolio as a whole. Therefore, although the models use loss estimates for each credit in the portfolio, the main goal is to estimate the portfolio’s future value and, as a consequence, its potential for loss. According to Saunders (2000), the most disseminated models to run such credit portfolio loss estimates are: a. CreditMetrics – a model developed by JPMorgan Bank Inc. based on the credit quality migration approach. The model attempts to define the probability of credit risk rating changes, including default status as a rating, given a certain temporal horizon. Based on the probabilities and the time frame, the model is capable of estimating a portfolio’s the potential loss for a certain statistical confidence level; b. KMV – a model developed by KMV Corporation based on structural approach, or options theory-based assets evaluation. The model regards the bankruptcy process as endogenous and related to the entity’s capital structure. Bankruptcy occurs when the value of the entity’s assets drops below a certain critical level; c. CreditRisk+ – a model developed by Credit Suisse Financial Products based on an actuarial approach. The model attempts to establish loss metrics based on the profile of the loans or securities portfolio and on default history; and d. CreditPortfolioView – a model developed by McKinsey consultants based on the impact of macroeconomic variables on default events. The model attempts to draw multi-period scenarios where probability of default is conditioned by macroeconomic variables such as: unemployment, the economy’s basic interest rate, and the economy’s rate of growth. 12 No que diz respeito a modelos de estimação de probabilidade de inadimplência para empresas, Chan-Lau (2006) os classifica em três principais grupos: a. modelos de base macroeconômica – são modelos que surgiram devido à observação de que as taxas de inadimplência são maiores durante os períodos de recessão econômica. Essa constatação levou ao desenvolvimento de modelos econométricos que procuram explicar indicadores de inadimplência, tais como probabilidades ou taxas de inadimplência, utilizando variáveis macroeconômicas. Esses modelos ainda podem ser subclassificados segundo o feedback existente entre as variáveis que os compõem. Assim, essa classe de modelos ainda seria subdividida em: modelos econométricos com fatores econômicos exógenos e modelos econométricos com fatores econômicos endógenos; b. modelos de escore de crédito (ou de base contábil) – são modelos de estimação de probabilidade de inadimplência e de classificação da qualidade de crédito que fazem uso de indicadores financeiros obtidos por meio do processamento dos dados divulgados nos demonstrativos contábeis de pessoas jurídicas. Esses indicadores financeiros são métricas que geralmente procuram medir rentabilidade, alavancagem, grau de cobertura do crédito tomado, crescimento esperado das receitas e liquidez. As técnicas utilizadas para a estimação das probabilidades de inadimplência são bastante variadas e incluem, por exemplo, modelos econométricos, análise discriminante e redes neurais; e c. modelos com base em classificações de risco – nessa classe de modelos, em que a análise de cohort, a análise de sobrevivência e o princípio do estimador mais prudente são as metodologias mais comuns. Para estimar as probabilidades de inadimplência, verifica-se a proporção de entidades que migram de uma classificação de risco para outra em um determinado período. Chan-Lau (2006) divides corporate default probability estimation models into three groups: a. macroeconomic models – models derived from the observation that default rates increase during economic recessions. This realization led to the development of econometric models that attempt to use macro-economic variables to explain default indicators such as probabilities or rates of default. These models can be further categorized according to the feedback across their component variables. Therefore, this class of models sub-divides into: exogenous economic factor econometric models and endogenous economic factor econometric models; b. credit score (or accounting) models – are probability of default and credit quality rating models that rely on financial indicators derived from the processing of data found in business firms’ financials. These financial indicators are metrics that generally attempt to measure return, leverage, credit coverage, expected revenues growth, and liquidity. The techniques used to estimate probabilities of default are rather variegated and include, for example, econometric models, discriminant analysis and neural networks; and c. risk rating models – in this class of models, cohort analysis, survival analysis and the principal of the most prudent estimator are the prevalent methodologies. To estimate probabilities of default, the model checks for the share of entities that migrate from one risk rating to another over a certain period of time. 13 Além dos principais grupos descritos acima, Chan-Lau (ibid) também constata a existência de modelos híbridos que podem utilizar diferentes combinações de variáveis macroeconômicas, financeiras e de classificação de risco de crédito. Dentre esses modelos, destacam-se os desenvolvidos por Balzarotti, Falkenheim e Powell (2002) para estimar a probabilidade de inadimplência de devedores argentinos; Jiménez e Saurina (2005) no estudo do impacto de altas taxas de crescimento de crédito nas perdas de bancos espanhóis; e de Hamerle, Liebig e Scheule (2004) para estimar a probabilidade de inadimplência de empresas alemãs. A modelagem desenvolvida neste trabalho segue o princípio do modelo CreditPortfolioView da Consultoria McKinseyno que diz respeito à utilização de variáveis macroeconômicas para a estimação de inadimplência. Assim, segundo a classificação de modelos realizada por Chan-Lau (Ibid), trata-se de modelo de base macroeconômica, mas não se classificaria em apenas uma única subdivisão desses tipos de modelos, pois utiliza fatores endógenos e exógenos. Chega a ser quase axiomático que condições macroeconômicas adversas aumentam a probabilidade de inadimplência de operações de crédito. Embora poucos estudos tenham analisado essa situação no Brasil, como o de Chu (2001), o tema já foi bastante explorado com dados de outros países. É o caso dos trabalhos de Fiori, Foglia e Iannotti (2006), que, utilizando um modelo Seemingly Unrelated Regression (SUR), verificam como variáveis macroeconômicas influenciam as taxas de inadimplência de setores econômicos italianos; Simons e Rolwes (2009), que, com um modelo vetorial autorregressivo (VAR), verificam a relação entre variáveis macroeconômicas e a inadimplência de empresas holandesas; Boss (2002), que, com um modelo baseado no CreditPortfolioView, utiliza variáveis macroeconômicas para realizar um teste de estresse na carteira de crédito de bancos austríacos; e de Virolainen (2004), que, também com um modelo In addition to the main groups above, Chan-Lau (ibid) also notes the presence of hybrid models using various combinations of macro-economic, financial and credit risk rating variables. Noteworthy among these are those developed by Balzarotti, Falkenheim and Powell (2002) to estimate the probability of default of Argentine obligors; Jiménez and Saurina (2005) to study the impact of high credit expansion rates on Spanish banks’ losses; and Hamerle, Liebig and Scheule (2004) to estimate the probability of default of German business firms. The model developed in this paper adopts principles of McKinsey’s CreditPortfolioView model as concerns the use of macroeconomic variables to estimate defaults. Therefore, according to Chan-Lau’s (Ibid) classification, it is a macro-economic model, but doesn’t fit either sub-division of the species, as it uses both endogenous and exogenous factors. It is almost axiomatic that adverse macroeconomic conditions increase the probability of default on credit transactions. Although few studies have analyzed this in Brazil, like the one by Chu (2001), the topic has been extensively explored with data from other countries. Such is the case of Fiori, Foglia and Iannotti (2006), who use a Seemingly Unrelated Regression (SUR) model to check how macro-economic variables influence in Italian industries; Simons and Rolwes (2009), who use a VAR model to investigate the relationship between macro-economic variables and default by Dutch business firms; Boss (2002), who uses a model based on the CreditPortfolioView and macro-economic variables to stress test Austrian banks’ portfolios; and Virolainen (2004), 14 baseado no CreditPortfolioView, realiza testes de estresse na carteira de crédito para grandes empresas tomadoras de crédito dos bancos finlandeses. Fama (1986) e Wilson (1997) também verificaram um acréscimo nas taxas de inadimplência em momentos de recessão econômica. Já os trabalhos de Bangia, Diebold e Shuermann (2000) e Nickell, Perraudin e Varotto (2000) encontraram evidências de efeitos macroeconômicos nas transições de classificações de risco de crédito. Relativamente ao escopo deste trabalho, ele foi definido em função da disponibilidade de informações e na forma como operam as instituições financeiras brasileiras na avaliação de seu risco de crédito. Assim, posto que a segmentação mais fundamental de clientes no mercado de crédito bancário brasileiro é realizada em função do tipo de cliente, se pessoa física ou jurídica, e que atualmente o único indicador de inadimplência stricto sensu (c.f. ANNIBAL, 2009)1 disponível é o de pessoas jurídicas sem segmentação por atividade econômica, o estudo procura verificar a possível relação entre as variáveis que medem a situação macroeconômica brasileira e a taxa de inadimplência bancária de pessoas jurídicas. Assim, tendo em vista que esse indicador antecipa outras medidas de inadimplência atualmente utilizadas, a partir da análise de seu comportamento espera-se poder melhor estimar taxas de inadimplência futuras e, consequentemente, auxiliar a autoridade monetária no acompanhamento da estabilidade do sistema financeiro brasileiro. 3. Metodologia e Dados Utilizados Um das contribuições do trabalho é a utilização de uma medida de inadimplência de pessoas jurídicas que mede a razão entre o número de operações de crédito em atraso de 61 a 90 dias no final do mês M e o número de operações sem atraso no final do mês M-3. Conforme apresentado por Annibal (2009), essa variável é mais sensível às ad- who – wit ha model also based on CreditPortfolioView – runs stress tests on Finnish banks’ large corporate obligor portfolios. Fama (1986) and Wilson (1997) also observe a rise in default rates in times of economic recession. The studies by Bangia, Diebold and Shuermann (2000), and Nickell, Perraudin and Varotto (2000) find evidence of macro-economic effects on credit risk rating transitions. The scope of this paper was defined based on the available information and how Brazilian financial institutions evaluate credit risk. Therefore, given that the most basic segmentation of customers in the Brazilian bank credit market is based on customer type, whether individuals or business firms, and that the sole indicator of default proper (cf. ANNIBAL, 2009)1 currently available is for business firms without segmentation by economic activity, the study attempts to check for a possible relationship between the variables that measure Brazil’s macro-economic situation and business firms’ bank credit default rates. As such, in the light of the fact that this indicator precedes other default metrics currently in use, we expect, based on the analysis of its behavior, to better estimate future default rates and, consequently, help the monetary authority track the Brazilian financial system’s stability. 3. Methodology and Data On of this paper’s contributions is the use of a business firm default metric that measures the ration between the number of credit operations between 61-90 days late at the end of month M and the number of current operations at the end of month M-3. As shown by Annibal (2009), this variable is more 15 sensitive to default proper variations than the one most often used in Brazilian studies, where default is measured by the ratio between the balance of credit operations over 90 days late on month M and the total balance of credit operations also on month M. versidades de inadimplência stricto sensu que a variável mais utilizada em estudos nacionais, em que a inadimplência é medida segundo a razão entre o saldo de operações de crédito em atraso maior ou igual a 90 dias no mês M e o saldo total das operações de crédito, também no mês M. Tabela 1 Variáveis Macroeconômicas Utilizadas em Modelos de Inadimplência Table 1 Macro-economic Variables Used in Default Models Variável Macroeconômica Macro-economic variable Agregado Monetário M1 M1 Monetary Aggregate Agregado Monetário M3 M3 Monetary Aggregate Depósito Compulsório Reserve Requirements Exportações Exports Formação de Capital Fixo Fixed Capital Formation Grau de Endividamento das Empresas Business Firms Indebtedness Índice de Bolsa de Valores Stock Exchange Index Índice de Preços Price Index Índice de Volatilidade de Bolsa de Valores Stock Exchange Volatility Index PIB GDP Preço do Petróleo Oil Prices Produção Industrial Industrial production Taxa de Câmbio Foreign Exchange Rate Taxa de Desemprego Unemployment Rate Taxa de Inadimplência Default Rate Taxa de Juros de Curto Prazo Short-term Interest Rate Taxa de Juros de Longo Prazo Long-term Interest Rate Boss (2002) Chu (2001) Fiori, Foglia e Simons e Virolainen Iannotti (2007) Rolwes (2008) (2004) x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x 16 Quanto à seleção das variáveis macroeconômicas, foram consideradas as mais utilizadas na literatura. A tabela 1 sumariza a utilização dessas variáveis segundo os diversos autores já citados neste trabalho. Também se procurou privilegiar a utilização de variáveis com periodicidade mensal e que, no âmbito do Sistema de Metas para Inflação, são objeto de levantamento sistemático de expectativas junto a instituições financeiras e empresas de consultoria por parte do BCB, tais como índices de preços, produção industrial, PIB, taxa de câmbio (R$/US$) e meta da taxa do Sistema Especial de Liquidação e de Custódia (Selic). Após uma primeira análise da relação entre a variável que mede a inadimplência das pessoas jurídicas (INADIM_PJ) e as variáveis macroeconômicas citadas na literatura, foram selecionadas apenas aquelas que apresentaram maior correlação com a variável de inadimplência, quais sejam: taxa de juros Selic acumulada no mês e anualizada (SELIC); média mensal da taxa de câmbio de venda do dólar norte-americano (DOLAR); e índice de produção física da indústria geral com base fixa e ajuste sazonal (PRODUCÃO). Os gráficos 1 a 4 apresentam os valores dessas séries para o período amostral de abril/2003 a dezembro/2009. No que diz respeito às técnicas utilizadas para encontrar as relações entre as variáveis, o trabalho utilizou duas técnicas distintas. A técnica principal de estimação utilizada foi a de equações estruturais, via estimação bayesiana, ou Structural Equation Modeling (SEM). Todavia, para utilizar o SEM, via estimação bayesiana, é necessário que se conheça previamente a estrutura do modelo cujos coeficientes se pretendem estimar. Para obter essa informação a priori necessária na estimação bayesiana, primeiramente se procurou ajustar um modelo vetorial autorregressivo com variável exógena (VARX) e, após a identificação das relações temporais entre as variáveis, a estimação do modelo SEM foi utilizada. As for the selected macro-economic variables, we considered those most often used according to literature. Table 1 summarizes the use of these variables according to the several authors mentioned earlier. We also attempted to privilege variables with monthly periods that, within the context of the Inflation Targets System, are the object of systematic CBB expectations surveys with financial institutions and consultancies, such as price indexes, industrial production, GDP, foreign exchange rate (R$/US$), and target rates for the Brazilian basic interest rate (“Sistema Especial de Liquidação e de Custódia” – Selic). After analyzing the relationship between the variable that measures business firm defaults (INADIM_PJ) and the macroeconomic variables referenced in the literature, we selected only those with higher correlation with the default variable: annualized monthly accumulated Selic rate (SELIC); average monthly exchange rate for the US Dollar (DOLAR); and fixed-base, seasonally adjusted general physical industrial production index (PRODUCAO). Graphs 1 to 4 show the series’ values for the sampling period of April/2003 to December/2009. The paper uses two distinct techniques to find relationships between variables. The main estimation technique used was structural equations through Bayesian estimation, or Structural Equation Modeling (SEM). However, in order to use Bayesian SEM estimation, we must first be aware of the structure of the model whose coefficients are to be estimated. To obtain this required information for Bayesian estimation, we first attempted to adjust an exogenous-variable vector autoregressive (VARX) model and used SEM estimation after identifying the temporal relationships between variables. 17 Gráfico 1 Taxa de Inadimplência de Pessoas Jurídicas Chart 1 Business Firms’ Default Rate Fonte: Banco Central do Brasil Source: Central Bank of Brazil Gráfico 2 Taxa de Câmbio – Dólar Norte-americano Chart 2 Exchange Rate – US Dollar Fonte: Banco Central do Brasil Source: Central Bank of Brazil 18 Gráfico 3 Produção Física Industrial Chart 3 Industrial Physical Production Fonte: IBGE Source: IBGE Gráfico 4 Taxa Selic Chart 4 Selic Rate Fonte: Banco Central do Brasil Source: Central Bank of Brazil 19 Although VARX is quite robust when its assumptions are respected, the low number of observations (81) available and the identification of highly lagging correlations necessitated the use of another estimation technique, SEM, to ensure more robust results. To stabilize series variance, we applied the log to all series (default, SELIC, US Dollar and industrial production). Then, having verified seasonality in the default and industrial production series, they were deseasonalized with the X-12 ARIMA method. To check for the presence of unit roots, we used the procedure found in Enders (1995, p. 257), and found the, in the industrial production, SELIC and US Dollar series. These series were then differentiated, generating the series D_ L_PRODUCAO_ DES, D_ L_SELIC e D_ L_ DOLAR. Finally, we estimated a VARX (p, s) model as follows: Embora a técnica do VARX seja bastante robusta quando seus pressupostos são observados, a reduzida quantidade de observações disponíveis para a modelagem (81 observações) e a identificação de correlações em defasagens elevadas ratificaram a necessidade de empregar-se outra técnica de estimação, nesse caso o SEM, para garantir uma maior robustez dos resultados. Com o objetivo de estabilizar a variância das séries, aplicou-se o logaritmo em todas as séries (inadimplência, SELIC, dólar e produção industrial). Posteriormente, tendo sido verificada a existência de sazonalidade nas séries de inadimplência e de produção industrial, as mesmas foram dessazonalizadas utilizando o método X-12 ARIMA. Visando avaliar a existência de raiz unitária, aplicou-se o procedimento proposto por Enders (1995, p. 257), tendo sido constatada nas séries de produção industrial, SELIC e dólar. Essas séries, então, foram diferenciadas, gerando as séries D_ L_PRODUCAO_DES, D_ L_SELIC e D_ L_DOLAR. Finalmente, foi estimado um modelo VARX (p, s) com a seguinte forma: p уt = δ + ∑θу i i=1 s t-i + ∑ΥΧ i=0 i + ϵt where: em que: уt = t-1 ( L_INADIM_PJ_DES t' D_L_ PRODUCAO_DESt' D_L_SELICt and e ( Χ t = D_L_DOLAR t )' )' 20 As defasagens p e s foram escolhidas por meio de um método backward em que se procurou minimizar o valor do Critério de Informação Bayesiano (BIC) ao mesmo tempo em que se procurava observar todos os pressupostos exigidos para os resíduos do modelo, quais sejam: normalidade, heterocedasticidade e ausência de autocorrelação. O Anexo A deste trabalho apresenta a estrutura do modelo VARX encontrado bem como os resultados das estatísticas utilizadas para verificar a normalidade, homocedasticidade e ausência de autocorrelação dos resíduos. Além disso, também são apresentados os diagnósticos de cada uma das equações das variáveis endógenas e o teste de causalidade de Granger que, significante ao nível de 5%, aponta Granger-causalidade do grupo de variáveis formado por D_ L_ PRODUCAO_DES, D_ L_SELIC e D_ L_DOLAR na variável L_INADIM_PJ_DES. Obtida a estrutura do modelo via VARX, os coeficientes encontrados foram utilizados como informação a priori para a aplicação do modelo SEM via estimação bayesiana. A convergência geral do modelo SEM foi medida pela métrica ConvergenceStatistc (C.S.) sugerida por Gelman et al. (2004). Posto que o maior valor de C.S. encontrado para os parâmetros foi de 1,001, inferior ao limite máximo de 1,002, pode-se concluir que todos os valores estimados já se encontravam estáveis após o término do procedimento iterativo. 2 Como pode ser observado na tabela 2, as estimativas realizadas via VARX e SEM ficaram bastante parecidas. Dos 23 coeficientes estimados, 19 possuem o mesmo sinal, e o valor de muitos coeficientes ficaram bem próximos, principalmente os das equações de Inadimplência PJ e Selic, Lags p and s were chosen based on a backward method where we attempted to minimize Bayesian Information Criterion (BIC) while observing the required assumptions for the model’s residuals: normality, heteroskedasticity and absence of auto-correlation. Attachment A to this paper presents the structure of the VARX model found, as well as the results of the statistics used to check for residuals normality, homoskedasticity and non-auto correlation. In addition, the Attachment also provides diagnoses for each of the endogenous variable equations and the Granger causality test, which, being significant at 5 percent, indicates Granger causality of the group of variables formed by D_ L_ PRODUCAO_ DES, D_ L_ SELIC and D_ L_ DOLAR for variable L_INADIM_ PJ_ DES. Having obtained the model’s structure by means of VARX, the coefficients found were used as aprioristic information for the application of the SEM model via Bayesian estimation. The SEM model’s general convergence was measured wit Convergence Statistc (C.S.) metric suggested by Gelman et al. (2004). Given that the highest C.S. found for the parameters was 1.001, below the maximum limit of 1.002, we may conclude that all estimated values were already stable after the iteration process was completed. 2 As seen in Table 2, the VARX and SEM estimations were very similar. Out of the 23 coefficients estimated, 19 have the same sign, and the values for many were very close, in particular those for the Default PJ and Selic equations, while the coefficients for the 21 enquanto os coeficientes da equação de Produção Industrial foram os que apresentaram maior divergência. Além disso, conforme dados apresentados no Anexo A, o grau de explicação da equação de Produção Industrial estimada via VARX é o menor do sistema, o qual, conforme esperado, decorre da ausência de outras variáveis capazes de explicar o comportamento da atividade econômica brasileira, aqui medida pelo índice de produção industrial. Industrial Production equation diverged the most. In addition, according to the data provided in Attachment A, , the explanatory degree of the VARX-estimated Industrial Production equation is the lowest in the system, which, as expected, occurs as a result of the absence of other variable capable of explaining the behavior of Brazilian economic activity, measured here by the industrial production index. Tabela 2 Comparação entre Estimativas de Modelos VARX e SEM Modelo VARX (12,9) Equação Variável 1 L_INADIM_PJ_DES (t-1) D_ L_PRODUCAO_DES (t-1) InadimL_INADIM_PJ_DES (t-2) plência L_INADIM_PJ_DES (t-4) D_ L_PRODUCAO_DES (t-7) L_INADIM_PJ_DES (t-12) D_L_DOLAR (t-1) D_L_DOLAR (t-2) D_L_DOLAR (t-3) D_L_DOLAR (t-9) Produção D_ L_PRODUCAO_DES (t-1) Industrial L_INADIM_PJ_DES (t-2) D_ L_PRODUCAO_DES (t-2) L_INADIM_PJ_DES (t-7) D_ L_SELIC (t-8) D_ L_SELIC (t-1) L_INADIM_PJ_DES (t-2) D_ L_SELIC (t-2) Selic L_INADIM_PJ_DES (t-3) D_ L_PRODUCAO_DES (t-3) D_ L_SELIC (t-4) D_ L_PRODUCAO_DES (t-12) SEM Model Valor Valor Estimado do Valor da Probabilidade Estimado do ErroParâmetro Estatística > |t| Parâmetro padrão - SEM t - VARX Mediana -1,2256 0,2782 -4,4100 0,0001 -0,4240 0,6600 0,1002 6,5900 0,0001 0,7840 -0,7868 0,1712 -4,5900 0,0001 -0,7850 0,5017 0,1242 4,0400 0,0002 0,4460 -0,3049 0,0719 -4,2400 0,0001 -0,3300 0,3947 0,1703 2,3200 0,0254 0,2610 -0,1390 0,0443 -3,1400 0,0031 0,0010 -0,2960 0,0474 -6,2400 0,0001 -0,0960 -0,1760 0,0545 -3,2300 0,0024 -0,0800 -0,2978 0,0578 -5,1500 0,0001 -0,0740 -0,2207 0,0525 -4,2100 0,0001 -0,0400 -0,2111 0,1007 -2,1000 0,0422 0,0300 0,0661 0,0189 3,5000 0,0011 -0,0020 -0,3423 0,0997 -3,4300 0,0014 -0,0960 -0,0646 0,0187 -3,4500 0,0013 0,0020 -0,3011 0,0779 -3,8700 0,0004 -0,0310 0,6029 0,0960 6,2800 0,0001 0,8330 -0,1161 0,0354 -3,2800 0,0021 -0,0030 0,4344 0,1231 3,5300 0,0010 0,1290 0,1166 0,0354 3,3000 0,0020 0,0040 0,1659 0,0645 2,5700 0,0138 0,2480 -0,2527 0,0793 -3,1900 0,0027 -0,2070 0,1506 0,0532 2,8300 0,0071 0,1190 22 Table 2 Comparison of VARX and SEM Estimations VARX Model (12.9) SEM Model Estimated Estimated Parameter Standard Probability Equation Variable t-test Value Parameter Value - SEM Error > |t| Value - VARX - Median 1 -1.2256 0.2782 -4.4100 0.0001 -0.4240 L_INADIM_PJ_DES (t-1) 0.6600 0.1002 6.5900 0.0001 0.7840 D_ L_PRODUCAO_DES (t-1) -0.7868 0.1712 -4.5900 0.0001 -0.7850 Default L_INADIM_PJ_DES (t-2) 0.5017 0.1242 4.0400 0.0002 0.4460 L_INADIM_PJ_DES (t-4) -0.3049 0.0719 -4.2400 0.0001 -0.3300 D_ L_PRODUCAO_DES (t-7) 0.3947 0.1703 2.3200 0.0254 0.2610 L_INADIM_PJ_DES (t-12) -0.1390 0.0443 -3.1400 0.0031 0.0010 D_L_DOLAR (t-1) -0.2960 0.0474 -6.2400 0.0001 -0.0960 D_L_DOLAR (t-2) -0.1760 0.0545 -3.2300 0.0024 -0.0800 D_L_DOLAR (t-3) -0.2978 0.0578 -5.1500 0.0001 -0.0740 D_L_DOLAR (t-9) -0.2207 0.0525 -4.2100 0.0001 -0.0400 Industrial D_ L_PRODUCAO_DES (t-1) -0.2111 0.1007 -2.1000 0.0422 0.0300 Production L_INADIM_PJ_DES (t-2) 0.0661 0.0189 3.5000 0.0011 -0.0020 D_ L_PRODUCAO_DES (t-2) -0.3423 0.0997 -3.4300 0.0014 -0.0960 L_INADIM_PJ_DES (t-7) -0.0646 0.0187 -3.4500 0.0013 0.0020 D_ L_SELIC (t-8) -0.3011 0.0779 -3.8700 0.0004 -0.0310 D_ L_SELIC (t-1) 0.6029 0.0960 6.2800 0.0001 0.8330 L_INADIM_PJ_DES (t-2) -0.1161 0.0354 -3.2800 0.0021 -0.0030 D_ L_SELIC (t-2) 0.4344 0.1231 3.5300 0.0010 0.1290 L_INADIM_PJ_DES (t-3) 0.1166 0.0354 3.3000 0.0020 0.0040 Selic D_ L_PRODUCAO_DES (t-3) 0.1659 0.0645 2.5700 0.0138 0.2480 D_ L_SELIC (t-4) -0.2527 0.0793 -3.1900 0.0027 -0.2070 D_ L_PRODUCAO_DES (t-12) 0.1506 0.0532 2.8300 0.0071 0.1190 Já para se conhecer o impacto de cada variável do modelo no indicador que mede a inadimplência de pessoas jurídicas no sistema financeiro brasileiro, foram utilizadas as funções impulso-resposta de um modelo VARX restrito, cujos valores dos parâmetros foram iguais às estimativas encontradas com o modelo SEM. A seção seguinte apresenta os resultados dessas funções impulso-resposta. 4. Resultados Embora o modelo VARX restrito aos parâmetros encontrados no modelo SEM permita realizar To find each variable’s impact on the indicator for business firm defaults in the Brazilian financial system we used the impulseresponse functions of a restricted VARX model, the values of whose parameters were equal to the estimations obtained with the SEM model. The next section provides the results of these impulse-response functions. 4. Results Although the VARX model restricted to the SEM model’s parameters allows analysis of 23 uma análise das funções impulso-resposta também para as variáveis que medem a produção industrial, a taxa Selic e a taxa de câmbio R$/US$, são analisados apenas os impactos dessas variáveis naquela que mede a inadimplência de pessoas jurídicas no sistema financeiro nacional. O gráfico 5 apresenta como um choque de um desvio padrão da variável DOLAR afeta a inadimplência PJ. Dada a existência de contratos de crédito com cláusulas que incorporam a variação da cotação de moedas estrangeiras, principalmente do dólar norte-americano, no cômputo das obrigações pecuniárias do devedor bancário, bem como o aumento do custo de insumos importados pelas empresas brasileiras, o efeito da variável DOLAR observado no gráfico 5 é o esperado, qual seja, a apreciação do dólar frente ao real leva a um aumento da inadimplência PJ. Esse aumento começa a ser sentido apenas dois meses após o choque, sendo que seu pico ocorre após oito meses do choque e seu efeito tem uma duração de nove meses, sendo totalmente dissipado após dezenove meses. the impulse-response functions for the variables measuring industrial production, the Selic rate and the R$-US$ exchange rate as well, we only analyze the impacts of these variables on the one that measures business firm defaulting in the Brazilian financial system. Graph 5 illustrates how a one standard-deviation shock in the DOLAR variable affects business firm defaults. Given the presence of loan agreements with clauses that incorporate foreign currency and mainly US Dollar price changes into the calculation of debtors’ payment obligations, as well as the increased cost of inputs imported by Brazilian firms, the effect of the DOLAR variable as seen in Graph 5 is as expected, that is, an appreciation of the US Dollar relative to the Brazilian Real leads to increased business firm defaulting. This increase starts to make itself felt two months after the shock, peaks eight months after the shock, its effect lasts for nine months and is completely dissipated after 19 months. Gráfico 5 Efeito da Variação do Dólar na Inadimplência de Pessoas Jurídicas Chart 5 Effect of US Dollar Exchange Rate Changes on Business Firm Defaults 24 O gráfico 6 mostra como um choque de um desvio padrão da variável SELIC afeta a inadimplência PJ. Posto que existem no sistema financeiro nacional contratos de crédito com cláusulas que incorporam a variação da taxa Selic no computo das obrigações pecuniárias do devedor bancário, o efeito da variável SELIC observado no gráfico 6 também é o esperado, qual seja, um aumento da taxa SELIC leva a um aumento da inadimplência PJ. Todavia, o impacto da Selic na inadimplência PJ é bem menos pronunciado em termos de magnitude que o da apreciação do dólar. Também é possível observar que, diferentemente do que ocorre com a apreciação do dólar, o efeito da Selic só começa a ser sentido oito meses após o choque. Seu pico ocorre após 14 meses e seu efeito tem duração de 13 meses, sendo dissipado após 21 meses. Graph 6 shows how a one standard-deviation shock in the SELIC variable affects business firm defaults. Given that the Brazilian financial system includes loan agreements with clauses that incorporate Selic rate changes into the calculation of debtors’ payments, the effects of the SELIC variable as seen in Graph 6 are also as expected, that is, a rise in the SELIC rate leads to increased business firm defaults. However, Selic’s impact on business firm defaults is far less pronounced in magnitude than that of the appreciating US Dollar. We can also see that, unlike US Dollar appreciation, the effects of Selic are only felt eight months after the shock. Its peak occurs after 14 months and its effect lasts for 13 months and dissipates after 21 months. Gráfico 6 Efeito da Variação da Selic na Inadimplência de Pessoas Jurídicas Chart 6 Effect of Selic Changes on Business Firm Defaults 25 Finalmente, o gráfico 7 mostra como um choque de um desvio padrão da variável que mede a Produção Industrial afeta a inadimplência PJ. Percebe-se que, comparativamente às demais variáveis, essa é a que causa um maior impacto na inadimplência. Aqui também o efeito observado é o esperado, ou seja, um aumento na produção, que significa um aquecimento da atividade econômica, leva a um decréscimo da inadimplência PJ. Esse impacto da produção na inadimplência PJ é sentido já no primeiro mês após o choque em uma escala muito maior que a observada nas demais variáveis. O pico do efeito ocorre depois de decorridos apenas quatro meses do choque. Sua duração é de doze meses e seu efeito também é dissipado após esse período. Finally, Graph 7 shows how a one standard-deviation shock in the variable measuring Industrial Production affects business firm defaults. Compared with the other variables, this has the highest impact on defaulting. Here, too, the observed effect is as expected, that is, an increase in production, denoting greater economic activity, leads to a drop in business firm defaults. This impact of production on business firm defaults makes itself felt in the first month after the shock and at a much greater scale than seen for the other variables. The effect peaks after only four months from the shock, lass for twelve months and dissipates after the same period. Gráfico 7 Efeito da Variação da Produção Industrial na Inadimplência de Pessoas Jurídicas Chart 7 Effect of Industrial Production Changes on Business Firm Defaults 26 5. Conclusões O significativo crescimento da carteira de crédito das instituições financeiras brasileiras nos últimos anos é um fato que torna imperativo um melhor acompanhamento da inadimplência desses créditos. Dentre os diversos modelos encontrados na literatura internacional, existe uma classe que utiliza variáveis macroeconômicas para estimar a evolução de taxas de inadimplência bancária. Neste trabalho, após a verificação das variáveis macroeconômicas mais relevantes para a explicação da inadimplência de pessoas jurídicas, foi desenvolvido um modelo SEM bayesiano que utilizou como informação a priori um modelo VARX (12,9) cujas variáveis endógenas foram Inadimplência de Pessoas Jurídicas, taxa Selic e Produção Industrial e a variável exógena foi a taxa de câmbio R$/US$. A opção por essa forma de estimação foi imposta pelo número reduzido de observações disponíveis do indicador de inadimplência utilizado. Estimado o modelo SEM, para verificar o efeito das variáveis DOLAR, SELIC e Produção Industrial na inadimplência de pessoas jurídicas devedoras do sistema financeiro nacional, foram utilizadas as funções impulso-resposta de um modelo VARX restrito cujos valores dos parâmetros foram iguais às estimativas encontradas com o modelo SEM. A análise das funções impulso-resposta mostra que a apreciação do dólar frente ao real aumenta a inadimplência de pessoas jurídicas com uma defasagem de dois meses. Também mostra que um aumento da taxa Selic leva a um aumento da inadimplência de pessoas jurídicas com uma defasagem de oito meses. Contudo, o impacto dessas duas variáveis é relativamente pequeno quando comparado ao impacto que a atividade econômica, medida neste estudo pela produção física industrial, exerce sobre a inadimplência de pessoas jurídicas. 5. Conclusions The significant growth of Brazilian financial institutions’ credit portfolios in recent years demands closer tracking of defaults on those credits. Among the many models found in the international literature, a class exists that uses macro-economic variables to estimate the evolution of bank default rates. In this paper, after determining the macroeconomic variables of greatest explanatory relevance for business firm defaults, a Bayesian SEM model was developed that used as aprioristic information a VARX (12,9) model whose endogenous variables were Business Firm Defaults, Selic rate and Industrial Production, and whose exogenous variable was the R$-to-US$ exchange rate. Choice of this method of estimation was a requirement due to the low number of observations available for the selected default indicator. Once the SEM model had been estimated to check for the effect of the DOLAR, SELIC and Industrial Production Variables on defaults by obligor business firms, we used the impulse-response functions of a restricted VARX model whose parameters were set at values equal to the estimates found with the SEM model. Analysis of the impulse-response functions shows that appreciation of the US Dollar relative to the Brazilian Real increases business firm defaulting with a two-month lag. It also shows that an increase in the Selic rate leads to higher business firm defaults with an eightmonth lag. However, the impact of these two variables is relatively mild compared to that of economic activity – on business firm defaults. 27 Dessa forma, há evidências de que a condução de uma política macroeconômica que propicie o crescimento sustentável da atividade econômica ao longo do tempo é o fator preponderante para a redução da inadimplência de pessoas jurídicas na carteira de crédito das instituições financeiras brasileiras e, por conseguinte, para a preservação da estabilidade financeira do sistema financeiro brasileiro. Notas Autores/Authors 1. O principal motivo pelo qual não existe série histórica stricto sensu para pessoas físicas consiste no fato de que o Sistema de Informações de Crédito do Banco Central (SCR) captura informações detalhadas apenas das operações cujo montante é superior a R$ 5 mil. Como, diferentemente do que ocorre com pessoas jurídicas, a maioria das operações de crédito de pessoas físicas é de montante abaixo desse valor, um indicador de inadimplência construído conforme o critério definido por Annibal (2009) para pessoas físicas estaria bastante impreciso. 2. O Anexo B apresenta o valor C.S. de cada parâmetro do modelo SEM. Therefore, evidence exists to indicate that a macro-economic policy that fosters sustainable economic activity growth over time is the prevalent factor to reduce business firm defaults in Brazilian financial institutions’ credit portfolios and, therefore, to preserve the Brazilian financial system’s financial stability. Notes 1. The main reason why there is no proper historic series lies in the fact that the Central Bank’s Credit Information System (“Sistema de Informações de Crédito do Banco Central” – SCR) only captures detailed information on transactions exceeding R$ 5 thousand. Because, unlike business forms, most credit transactions with individuals lie below this threshold, a default indicator built according to Annibal (2009) for individuals would be very inaccurate. 2. Attachment B provides the C.S. value for each parameter in the SEM model. Clodoaldo Aparecido Annibal é CFA Charterholder, Mestre em Ciências Contábeis pela Universidade de São Paulo e realiza estudos nas áreas de risco e funcionamento do mercado de crédito bancário. is a CFA Charterholder, holds a Master's degree in Accounting Sciences from São Paulo University and performs studies in the areas of bank credit risk and market operation. Sérgio Mikio Koyama é Doutor em Economia pela Universidade de São Paulo, Mestre em Estatística e pesquisador na área de economia bancária e crédito. holds a Doctor's degree in Economics from São Paulo university, a Master's degree in Statistics, and is a banking economics and credit researcher. Referências/References 28 ANNIBAL, C. A. Inadimplência do Setor Bancário: uma Avaliação de suas Medidas. Revista Tecnologia de Crédito. São Paulo: Serasa, n. 68, p. 53-74, 2009. BALZAROTTI, Verónica; FALKENHEIM, Michael; POWELL Andrew.On the Use of Portfolio Risk Models and Capital Requirements in Emerging Markets: The Case of Argentina. The World Bank Economic Review.Washington: The International Bank for Reconstruction and Development, n. 2, v. 16, p. 197-212, 2002. BANGIA, A.; DIEBOLD, F. X.; SCHUERMANN, T. Ratings Migration and the Business Cycle, With Applications to Credit Portfolio Stress Testing. Working Paper 26. [S.I.]: Wharton Financial Institutions Center, 2000. BOSS, Michael. A Macroeconomic Credit Risk Model for Stress Testing the Austrian Credit Portfolio Stress Testing the Austrian Banking System.Financial Stability Report.Vienna: ÖsterreichischesNationalbank, n. 4, p. 64-82, 2002. CAOUETTE, Jonh B. et al. Gestão do Risco de Crédito: o Próximo Grande Desafio Financeiro. Rio de Janeiro: Qualitymark, 2000. CHAIA, Alexandre Jorge. Modelos de Gestão do Risco de Crédito e sua Aplicabilidade ao Mercado Brasileiro.São Paulo, 2003. Dissertação (Mestrado em Administração) – Programa de Pós-Graduação em Administração, Departamento de Administração, Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo. CHAN-LAU, Jorge A. Fundamentals-Based Estimation of Default Probabilities: A Survey. Working Paper 06/149. [S.I]: International Monetary Fund, 2006. Disponívelem: < www.imf.org/external/pubs/ft/wp/2006/wp06149.pdf>.Acesso em: 27/4/2010. CHU, V. Principais fatores macroeconômicos da inadimplência bancária no brasil. In: BANCO CENTRAL DO BRASIL. Juros e Spread Bancário no Brasil:Avaliação de 2 anos do Projeto. Brasília, 2001. p. 41-45. Disponível em: <www.bcb.gov.br/?spread>. Acesso em: 12/4/2010. ENDERS, Walter. Applied Econometric Time Series.2. ed. New York: John Wiley & Sons Inc., 1995. FAMA, E. Term Premiums and Default Premiums in Money Markets.Journal of Financial Economics.n.1, v. 17, p. 175-196, 1986. FIORI, R; FOGLIA, A.; IANOTTI, S. Estimating Macroeconomic Credit Risk and Sectoral Default Rate Correlations for the Italian Economy, Working Paper.[S.I.], 2006. Disponível em: < http://204.180.229.21/external/np/mcm/financialstability/conf/2ndexpa.pdf#page=120> Acesso em 6/4/2010. GELMAN, A.; CARLIN, J.B.; STERN, H.S.; RUBIN, D.B. Bayesian Data Analysis. 2. ed. Boca Raton: Chapman & Hall, 2004. HAMERLE, Alfred; LIEBIG, Thilo; SCHEULE, Harald.Forecasting Credit Portfolio Risk.Discussion Paper Series 2: Banking and Financial Supervision. Frankfurt: Deutsche Bundesbank, 2004. JIMÉNEZ, Gabriel; SAURINA, Jesús.Credit Cycles, Credit Risk, and Prudential Regulation.Não Publicado. Madri: Banco de España, 2005. Disponível em: < http://www.cemla.org/red/papers/redx-es-jimenez.pdf>. Acesso em 19/4/2010. NICKEMM, P.; PERRAUDIN, W.; VAROTTO, S. Stability of Rating Transitions.Journal of Banking and Finance.[S.I.]: Elsevier. n. 1-2, v. 24, p. 203-227, 2000. SAUNDERS, Anthony. Medindo o Risco de Crédito: Novas Abordagens para ValueatRisk e outros Paradigmas. Rio de Janeiro: Qualitymark, 2000. SECURATO, José Roberto (Org.). Crédito: Análise e Avaliação do Risco – Pessoas Físicas e Jurídicas. São Paulo: Saint Paul, 2002. SILVA, José Pereira da.Gestão e Análise de Risco de Crédito.3. ed. São Paulo: Atlas, 2000. SIMONS, Dietske; ROLWES, Ferdinand.Macroeconomic Default Modeling and Stress Testing.International Journal of Central Banking. Frankfurt: Association of the International Journal of Central Banking, n. 3, v. 5, p. 177-204, 2009. VIROLAINEN, Kimmo. Macro Stress Testing with a Macroeconomic Credit Risk Model for Finland.Bank of Finland Discussion Papers 18/2004.Helsinki: Bank of Finland, 2004. Disponívelem: <http://ssrn.com/abstract=622682>. Acesso em: 2 /12/2008. WILSON, Thomas C. Portfolio Credit Risk (Parts I and II). Economic Policy Review. n.3, v.4, 1998. Disponível em: < http://ssrn.com/abstract=1028756>. Acesso em: 6/4/2010. Anexo A/Attachment A 29 Resultado e diagnóstico do modelo VARX (12,9) estimado utilizando o software SAS ® Enterprise Guide ® 4.1. Results and diagnosis of the VARX (12.9) model estimated with SAS ® Enterprise Guide ® 4.1. Número de Observações 80 Observações eliminadas por diferenciação 1 Number of observations 80 Observations eliminated by differentiation 1 Teste de Causalidade de Granger Teste Graus de Liberdade Chi-squared Pr > Qui-quadrado 1 21 33,6 0,04 Granger Causality Test Test Degrees of Freedom Qui-quadrado Pr > chi-squared 1 21 33.6 0.04 Teste 1 Variáveis do Grupo 1 L_INADIM_PJ_DES Variáveis do Grupo 2 L_SELIC L_PRODUCAO_DES L_DOLAR Teste 1 Group 1 Variables L_INADIM_PJ_DES Group 2 Variables L_SELIC L_PRODUCAO_DES L_DOLAR Tipo de Modelo VARX(12,9) Método de Estimação MínimosQuadradrosOrdinários Model Type VARX(12,9) Estimation Method Minimum Ordinary Squares Anexo A/Attachment A 30 Estimativas dos Parâmetros do Modelo Equação L_INADIM_PJ_DES L_PRODUCAO_DES Parâmetro Estimativa Erropadrão Valor da estatística t Pr > |t| Variável CONST1 -1.22555 0.27817 -4.41 0.0001 1 XL1_1_1 0 0 L_DOLAR(t-1) XL2_1_1 0 0 L_DOLAR(t-2) XL3_1_1 0 0 L_DOLAR(t-3) XL9_1_1 0 0 L_DOLAR(t-9) AR1_1_1 0.65997 0.10018 6.59 0.0001 L_INADIM_PJ_DES(t-1) AR1_1_2 -0.78683 0.17124 -4.59 0.0001 L_PRODUCAO_DES(t-1) AR1_1_3 0 0 AR2_1_1 0.50171 0.12422 AR2_1_2 0 0 L_PRODUCAO_DES(t-2) AR2_1_3 0 0 L_SELIC(t-2) AR3_1_1 0 0 L_INADIM_PJ_DES(t-3) AR3_1_2 0 0 L_PRODUCAO_DES(t-3) AR3_1_3 0 0 L_SELIC(t-3) AR4_1_1 -0.30489 0.07188 AR4_1_2 0 0 L_PRODUCAO_DES(t-4) AR4_1_3 0 0 L_SELIC(t-4) AR7_1_1 0 0 L_INADIM_PJ_DES(t-7) AR7_1_2 0.39465 0.17031 AR7_1_3 0 0 L_SELIC(t-7) AR8_1_1 0 0 L_INADIM_PJ_DES(t-8) AR8_1_2 0 0 L_PRODUCAO_DES(t-8) AR8_1_3 0 0 L_SELIC(t-8) AR12_1_1 -0.139 0.04427 AR12_1_2 0 0 L_PRODUCAO_DES(t-12) AR12_1_3 0 0 L_SELIC(t-12) CONST2 0 0 XL1_2_1 -0.29601 0.04742 -6.24 0.0001 L_DOLAR(t-1) XL2_2_1 -0.17601 0.05448 -3.23 0.0024 L_DOLAR(t-2) XL3_2_1 -0.29777 0.05781 -5.15 0.0001 L_DOLAR(t-3) XL9_2_1 -0.22069 0.05248 -4.21 0.0001 L_DOLAR(t-9) AR1_2_1 0 0 AR1_2_2 -0.21108 0.10072 -2.1 0.0422 AR1_2_3 0 0 L_SELIC(t-1) 4.04 -4.24 2.32 -3.14 0.0002 0.0001 0.0254 0.0031 L_INADIM_PJ_DES(t-2) L_INADIM_PJ_DES(t-4) L_PRODUCAO_DES(t-7) L_INADIM_PJ_DES(t-12) 1 L_INADIM_PJ_DES(t-1) L_PRODUCAO_DES(t-1) L_SELIC(t-1) Anexo A/Attachment A 31 L_PRODUCAO_DES L_PRODUCAO_DES AR2_2_1 0.0661 0.01888 3.5 0.0011 L_INADIM_PJ_DES(t-2) AR2_2_2 -0.34232 0.09969 -3.43 0.0014 L_PRODUCAO_DES(t-2) AR2_2_3 0 0 L_SELIC(t-2) AR3_2_1 0 0 L_INADIM_PJ_DES(t-3) AR3_2_2 0 0 L_PRODUCAO_DES(t-3) AR3_2_3 0 0 L_SELIC(t-3) AR4_2_1 0 0 L_INADIM_PJ_DES(t-4) AR4_2_2 0 0 L_PRODUCAO_DES(t-4) AR4_2_3 0 0 L_SELIC(t-4) AR7_2_1 -0.06455 0.0187 AR7_2_2 0 0 L_PRODUCAO_DES(t-7) AR7_2_3 0 0 L_SELIC(t-7) AR8_2_1 0 0 L_INADIM_PJ_DES(t-8) AR8_2_2 0 0 L_PRODUCAO_DES(t-8) AR8_2_3 -0.30108 0.07788 AR12_2_1 0 0 L_INADIM_PJ_DES(t-12) AR12_2_2 0 0 L_PRODUCAO_DES(t-12) AR12_2_3 0 0 L_SELIC(t-12) CONST3 0 0 1 XL1_3_1 0 0 L_DOLAR(t-1) XL2_3_1 0 0 L_DOLAR(t-2) XL3_3_1 0 0 L_DOLAR(t-3) XL9_3_1 0 0 L_DOLAR(t-9) AR1_3_1 0 0 L_INADIM_PJ_DES(t-1) AR1_3_2 0 0 L_PRODUCAO_DES(t-1) AR1_3_3 0.60289 0.09598 6.28 0.0001 L_SELIC(t-1) AR2_3_1 -0.1161 0.03542 -3.28 0.0021 L_INADIM_PJ_DES(t-2) AR2_3_2 0 0 AR2_3_3 0.43444 0.12312 3.53 0.001 L_SELIC(t-2) AR3_3_1 0.11664 0.03539 3.3 0.002 L_INADIM_PJ_DES(t-3) AR3_3_2 0.16588 0.06454 2.57 0.0138 L_PRODUCAO_DES(t-3) AR3_3_3 0 0 L_SELIC(t-3) AR4_3_1 0 0 L_INADIM_PJ_DES(t-4) AR4_3_2 0 0 L_PRODUCAO_DES(t-4) AR4_3_3 -0.25274 0.07925 AR7_3_1 0 0 L_INADIM_PJ_DES(t-7) AR7_3_2 0 0 L_PRODUCAO_DES(t-7) AR7_3_3 0 0 L_SELIC(t-7) AR8_3_1 0 0 L_INADIM_PJ_DES(t-8) AR8_3_2 0 0 L_PRODUCAO_DES(t-8) AR8_3_3 0 0 L_SELIC(t-8) AR12_3_1 0 0 L_INADIM_PJ_DES(t-12) AR12_3_2 0.15061 0.05319 AR12_3_3 0 0 -3.45 -3.87 0.0013 0.0004 L_INADIM_PJ_DES(t-7) L_SELIC(t-8) L_PRODUCAO_DES(t-2) -3.19 2.83 0.0027 0.0071 L_SELIC(t-4) L_PRODUCAO_DES(t-12) L_SELIC(t-12) Anexo A/Attachment A 32 Model Parameter Estimations Equation L_INADIM_PJ_DES L_PRODUCAO_DES Parameter Estimation Sta nda rd Error t-test value Pr > |t| Variable CONST1 -1,22555 0,27817 -4,41 0,0001 1 XL1_1_1 0 0 L_DOLAR(t-1) XL2_1_1 0 0 L_DOLAR(t-2) XL3_1_1 0 0 L_DOLAR(t-3) XL9_1_1 0 0 AR1_1_1 0,65997 0,10018 6,59 0,0001 L_INADIM_PJ_DES(t-1) AR1_1_2 -0,78683 0,17124 -4,59 0,0001 L_PRODUCAO_DES(t-1) AR1_1_3 0 0 AR2_1_1 0,50171 0,12422 AR2_1_2 0 0 L_PRODUCAO_DES(t-2) AR2_1_3 0 0 L_SELIC(t-2) AR3_1_1 0 0 L_INADIM_PJ_DES(t-3) AR3_1_2 0 0 L_PRODUCAO_DES(t-3) AR3_1_3 0 0 L_SELIC(t-3) AR4_1_1 -0,30489 0,07188 AR4_1_2 0 0 L_PRODUCAO_DES(t-4) AR4_1_3 0 0 L_SELIC(t-4) AR7_1_1 0 0 AR7_1_2 0,39465 0,17031 AR7_1_3 0 0 L_SELIC(t-7) AR8_1_1 0 0 L_INADIM_PJ_DES(t-8) AR8_1_2 0 0 L_PRODUCAO_DES(t-8) AR8_1_3 0 0 L_SELIC(t-8) AR12_1_1 -0,139 0,04427 AR12_1_2 0 0 L_PRODUCAO_DES(t-12) AR12_1_3 0 0 L_SELIC(t-12) CONST2 0 0 XL1_2_1 -0,29601 0,04742 -6,24 0,0001 L_DOLAR(t-1) XL2_2_1 -0,17601 0,05448 -3,23 0,0024 L_DOLAR(t-2) XL3_2_1 -0,29777 0,05781 -5,15 0,0001 L_DOLAR(t-3) XL9_2_1 -0,22069 0,05248 -4,21 0,0001 L_DOLAR(t-9) AR1_2_1 0 0 AR1_2_2 -0,21108 0,10072 AR1_2_3 0 0 L_DOLAR(t-9) L_SELIC(t-1) 4,04 -4,24 0,0002 0,0001 L_INADIM_PJ_DES(t-2) L_INADIM_PJ_DES(t-4) L_INADIM_PJ_DES(t-7) 2,32 -3,14 0,0254 0,0031 L_PRODUCAO_DES(t-7) L_INADIM_PJ_DES(t-12) 1 L_INADIM_PJ_DES(t-1) -2,1 0,0422 L_PRODUCAO_DES(t-1) L_SELIC(t-1) Anexo A/Attachment A 33 L_PRODUCAO_DES L_PRODUCAO_DES AR2_2_1 0,0661 0,01888 3,5 0,0011 L_INADIM_PJ_DES(t-2) AR2_2_2 -0,34232 0,09969 -3,43 0,0014 L_PRODUCAO_DES(t-2) AR2_2_3 0 0 L_SELIC(t-2) AR3_2_1 0 0 L_INADIM_PJ_DES(t-3) AR3_2_2 0 0 L_PRODUCAO_DES(t-3) AR3_2_3 0 0 L_SELIC(t-3) AR4_2_1 0 0 L_INADIM_PJ_DES(t-4) AR4_2_2 0 0 L_PRODUCAO_DES(t-4) AR4_2_3 0 0 AR7_2_1 -0,06455 0,0187 AR7_2_2 0 0 L_PRODUCAO_DES(t-7) AR7_2_3 0 0 L_SELIC(t-7) AR8_2_1 0 0 L_INADIM_PJ_DES(t-8) AR8_2_2 0 0 L_PRODUCAO_DES(t-8) AR8_2_3 -0,30108 0,07788 AR12_2_1 0 0 L_INADIM_PJ_DES(t-12) AR12_2_2 0 0 L_PRODUCAO_DES(t-12) AR12_2_3 0 0 L_SELIC(t-12) CONST3 0 0 1 XL1_3_1 0 0 L_DOLAR(t-1) XL2_3_1 0 0 L_DOLAR(t-2) XL3_3_1 0 0 L_DOLAR(t-3) XL9_3_1 0 0 L_DOLAR(t-9) AR1_3_1 0 0 L_INADIM_PJ_DES(t-1) AR1_3_2 0 0 L_PRODUCAO_DES(t-1) AR1_3_3 0,60289 0,09598 6,28 0,0001 L_SELIC(t-1) AR2_3_1 -0,1161 0,03542 -3,28 0,0021 L_INADIM_PJ_DES(t-2) AR2_3_2 0 0 AR2_3_3 0,43444 0,12312 3,53 0,001 L_SELIC(t-2) AR3_3_1 0,11664 0,03539 3,3 0,002 L_INADIM_PJ_DES(t-3) AR3_3_2 0,16588 0,06454 2,57 0,0138 L_PRODUCAO_DES(t-3) AR3_3_3 0 0 L_SELIC(t-3) AR4_3_1 0 0 L_INADIM_PJ_DES(t-4) AR4_3_2 0 0 L_PRODUCAO_DES(t-4) AR4_3_3 -0,25274 0,07925 AR7_3_1 0 0 L_INADIM_PJ_DES(t-7) AR7_3_2 0 0 L_PRODUCAO_DES(t-7) AR7_3_3 0 0 L_SELIC(t-7) AR8_3_1 0 0 L_INADIM_PJ_DES(t-8) AR8_3_2 0 0 L_PRODUCAO_DES(t-8) AR8_3_3 0 0 L_SELIC(t-8) AR12_3_1 0 0 L_INADIM_PJ_DES(t-12) AR12_3_2 0,15061 0,05319 AR12_3_3 0 0 L_SELIC(t-4) -3,45 -3,87 0,0013 0,0004 L_INADIM_PJ_DES(t-7) L_SELIC(t-8) L_PRODUCAO_DES(t-2) -3,19 2,83 0,0027 0,0071 L_SELIC(t-4) L_PRODUCAO_DES(t-12) L_SELIC(t-12) Anexo A/Attachment A 34 Information Criterion Critério de Informação AICC -21.016 AICC -21,016 HQC -21.4274 HQC -21,4274 AIC -22.4362 AIC -22,4362 SBC -19.8903 SBC -19,8903 FPEC 2.04E-10 FPEC 2,04E-10 Diagnóstico ANOVA dos Modelos Univariados Desvio-padrão Valor F Pr > F 0,03805 26,87 <0,0001 0,01960 2,28 0,0089 0,01270 10,83 <0,0001 ANOVA Diagnosis of Univariate Models Standard Deviation F value Pr > F 0.03805 26.87 <0.0001 0.01960 2.28 0.0089 0.01270 10.83 <0.0001 Diagnóstico ANOVA dos Modelos Univariados Variável R2 Desvio padrão Valor F Pr> F L_INADIM_PJ_DES 0,9411 0,03805 26,87 <0,0001 L_PRODUCAO_DES 0,5760 0,01960 2,28 0,0089 L_SELIC 0,8657 0,01270 10,83 <0,0001 ANOVA Diagnosis of Univariate Models Variable R2 Standard deviation F value Pr> F L_INADIM_PJ_DES 0.9411 0.03805 26.87 <0.0001 L_PRODUCAO_DES 0.5760 0.01960 2.28 0.0089 L_SELIC 0.8657 0.01270 10.83 <0.0001 Diagnóstico de Ruído Branco dos Modelos Univariados Variável Durbin-Watson Normalidade ARCH Qui-quadrado Pr>Qui-quadrado Valor F Pr> F L_INADIM_PJ_DES 1,95485 1,53 0,4655 0,11 0,7421 L_PRODUCAO_DES 1,99896 0,18 0,9149 0,85 0,3606 L_SELIC 1,88839 0,10 0,9514 0,63 0,4318 Anexo A/Attachment A 35 Univariate Models White-noise Diagnosis Variable Durbin-Watson Normality ARCH Chi-squared Pr>Chi-squared F value Pr> F L_INADIM_PJ_DES 1.95485 1.53 0.4655 0.11 0.7421 L_PRODUCAO_DES 1.99896 0.18 0.9149 0.85 0.3606 L_SELIC 1.88839 0.10 0.9514 0.63 0.4318 Diagnóstico de AR dos Modelos Univariados Variável AR1 AR2 AR3 AR4 Valor F Pr> F Valor F Pr> F Valor F Pr> F Valor F Pr> F L_INADIM_PJ_DES 0.00 0.9722 0.03 0.9671 0.55 0.6499 0.48 0.7503 L_PRODUCAO_DES 0.00 0.9551 0.25 0.7795 0.69 0.5601 0.64 0.6337 L_SELIC 0.19 0.6649 0.92 0.4052 0.67 0.5735 0.50 0.7384 AR Diagnosis of Univariate Models Anexo B/Attachment B Variable AR1 AR2 AR3 AR4 F value Pr> F F value Pr> F F value Pr> F F value Pr> F L_INADIM_PJ_DES 0,00 0,9722 0,03 0,9671 0,55 0,6499 0,48 0,7503 L_PRODUCAO_DES 0,00 0,9551 0,25 0,7795 0,69 0,5601 0,64 0,6337 L_SELIC 0,19 0,6649 0,92 0,4052 0,67 0,5735 0,50 0,7384 Desenho e resultado da técnica SEM utilizando estimação bayesiana Design and results of the SEM tecnique with bayesian estimation Variável no Modelo VARX Variável no SEM L_INADIM_PF_DES inad D_L_PRODUCAO_DES prod D_L_SELIC selic D_L_DOLAR cambio VARX model variable SEM variable L_INADIM_PF_DES inad D_L_PRODUCAO_DES prod D_L_SELIC selic D_L_DOLAR cambio Anexo B/Attachment B 36 Anexo B/Attachment B 37 Resultado da técnica SEM Pesos da Regressão Mediana 50% Limite Inferior 50% Limite Superior Erropadrão Desvio padrão Estatística de Convergência - C.S. Assimetria Curtose Mínimo Máximo prod(t)<--inad(t-2) -0,0020 -0,0020 -0,0020 0,0000 0,0000 1,001 -0,0150 -0,0580 -0,0030 -0,0010 selic(t)<--prod(t-3) 0,2480 0,2340 0,2610 0,0000 0,0210 1,000 -0,0130 0,1250 0,1610 0,3490 prod(t)<--cambio(t-1) -0,0960 -0,1030 -0,0880 0,0000 0,0110 1,000 -0,0440 -0,0980 -0,1420 -0,0520 prod(t)<--cambio(t-2) -0,0800 -0,0870 -0,0720 0,0000 0,0110 1,000 0,0710 0,0660 -0,1240 -0,0280 prod(t)<--cambio(t-3) -0,0740 -0,0820 -0,0670 0,0000 0,0110 1,000 -0,0050 -0,0280 -0,1170 -0,0280 prod(t)<--cambio(t-9) -0,0400 -0,0470 -0,0320 0,0000 0,0110 1,000 -0,0420 0,0680 -0,0870 0,0010 selic(t)<--selic(t-1) 0,8330 0,8200 0,8470 0,0000 0,0200 1,001 -0,0050 -0,1010 0,7620 0,9100 selic(t)<--selic(t-2) 0,1290 0,1150 0,1430 0,0000 0,0220 1,001 0,0190 0,0200 0,0410 0,2100 prod(t)<--selic(t-8) -0,0310 -0,0430 -0,0190 0,0000 0,0180 1,000 0,0380 -0,0090 -0,1030 0,0520 prod(t)<--prod(t-2) -0,0960 -0,1150 -0,0770 0,0000 0,0280 1,000 0,0340 0,0610 -0,2000 0,0220 selic(t)<--selic(t-4) -0,2070 -0,2170 -0,1970 0,0000 0,0150 1,000 -0,0130 0,0200 -0,2750 -0,1480 selic(t)<--inad(t-2) -0,0030 -0,0030 -0,0030 0,0000 0,0000 1,000 0,0200 -0,0720 -0,0040 -0,0020 selic(t)<--inad(t-3) 0,0040 0,0040 0,0040 0,0000 0,0000 1,000 -0,0240 -0,0120 0,0030 0,0040 prod(t)<--inad(t-7) 0,0020 0,0020 0,0020 0,0000 0,0000 1,001 0,0670 -0,0480 0,0010 0,0030 inad(t)<--inad(t-1) 0,7840 0,7840 0,7840 0,0000 0,0000 1,001 0,0350 0,0650 0,7830 0,7860 inad(t)<--inad(t-12) 0,0010 0,0010 0,0020 0,0000 0,0000 1,000 -0,0730 -0,0200 0,0000 0,0030 inad(t)<--inad(t-2) 0,4460 0,4460 0,4460 0,0000 0,0000 1,001 -0,0310 0,0430 0,4450 0,4480 inad(t)<--prod(t-7) 0,2610 0,2330 0,2900 0,0000 0,0420 1,000 0,0230 -0,0460 0,0940 0,4250 inad(t)<--prod(t-1) -0,7850 -0,8130 -0,7560 0,0000 0,0430 1,000 -0,0080 0,0250 -0,9440 -0,6020 inad(t)<--inad(t-1) -0,3300 -0,3300 -0,3300 0,0000 0,0000 1,000 0,0600 0,0280 -0,3310 -0,3290 selic(t)<--prod(t-12) 0,1190 0,1050 0,1320 0,0000 0,0200 1,000 -0,0020 -0,0580 0,0440 0,2010 prod(t)<--prod(t-1) 0,0300 0,0120 0,0490 0,0000 0,0270 1,000 -0,0410 -0,0680 -0,0810 0,1400 Intercepto Linaddes -0,4240 -0,4250 -0,4230 0,0000 0,0020 1,000 -0,1090 -0,0120 -0,4310 -0,4190 e16 0,0030 0,0030 0,0030 0,0000 0,0000 1,000 0,1790 0,0200 0,0030 0,0040 e17 0,0030 0,0030 0,0030 0,0000 0,0000 1,000 0,1480 0,0020 0,0030 0,0040 e18 0,0030 0,0030 0,0030 0,0000 0,0000 1,000 0,1510 0,0270 0,0030 0,0040 e19 0,0030 0,0030 0,0030 0,0000 0,0000 1,000 0,2060 0,1120 0,0030 0,0040 e3 18,6380 18,1250 19,1760 0,0130 0,7870 1,000 0,1300 0,0860 15,3830 22,1880 e4 18,8680 18,3760 19,3980 0,0140 0,7700 1,000 0,1810 0,1000 15,6200 22,3040 e7 0,0000 0,0000 0,0000 0,0000 0,0000 1,000 0,1900 -0,0240 0,0000 0,0010 e9 0,0000 0,0000 0,0000 0,0000 0,0000 1,000 0,1530 0,1320 0,0000 0,0010 e10 0,0000 0,0000 0,0000 0,0000 0,0000 1,000 0,2300 0,1700 0,0000 0,0010 e12 0,0010 0,0010 0,0010 0,0000 0,0000 1,000 0,1660 0,0790 0,0010 0,0020 e13 0,0010 0,0010 0,0010 0,0000 0,0000 1,000 0,1580 0,1010 0,0010 0,0010 e15 0,0010 0,0010 0,0010 0,0000 0,0000 1,000 0,1300 -0,0190 0,0010 0,0010 e24 0,0010 0,0010 0,0010 0,0000 0,0000 1,000 0,1530 0,1100 0,0010 0,0020 e20 18,7720 18,2470 19,3050 0,0110 0,7950 1,000 0,1990 0,1360 15,3930 22,4170 e8 0,0000 0,0000 0,0000 0,0000 0,0000 1,000 0,1530 0,0170 0,0000 0,0010 e21 18,4890 17,9870 19,0160 0,0160 0,7710 1,000 0,1760 0,0910 15,3830 21,9640 e2 18,4410 17,9290 18,9590 0,0180 0,7610 1,000 0,1660 0,0770 15,5640 22,2660 e22 19,3220 18,7840 19,8840 0,0140 0,8120 1,000 0,2000 0,0370 16,4310 22,9970 e23 0,0000 0,0000 0,0000 0,0000 0,0000 1,000 0,1870 0,0680 0,0000 0,0010 e11 0,0000 0,0000 0,0000 0,0000 0,0000 1,000 0,1950 0,0230 0,0000 0,0000 e6 0,0000 0,0000 0,0000 0,0000 0,0000 1,000 0,1640 -0,0220 0,0000 0,0000 e1 0,0010 0,0010 0,0010 0,0000 0,0000 1,000 0,1690 0,1070 0,0010 0,0010 Variâncias Anexo B/Attachment B 38 Results with the SEM technique Regression Weights Median 50% Lower Limit 50% Upper Limit Standard - Error Standard Deviation Convergence Statistics - C.S Asymmetry Kurtosis Min Max prod(t)<--inad(t-2) -0.0020 -0.0020 -0.0020 0.0000 0.0000 1.001 -0.0150 -0.0580 -0.0030 -0.0010 selic(t)<--prod(t-3) 0.2480 0.2340 0.2610 0.0000 0.0210 1.000 -0.0130 0.1250 0.1610 0.3490 prod(t)<--cambio(t-1) -0.0960 -0.1030 -0.0880 0.0000 0.0110 1.000 -0.0440 -0.0980 -0.1420 -0.0520 prod(t)<--cambio(t-2) -0.0800 -0.0870 -0.0720 0.0000 0.0110 1.000 0.0710 0.0660 -0.1240 -0.0280 prod(t)<--cambio(t-3) -0.0740 -0.0820 -0.0670 0.0000 0.0110 1.000 -0.0050 -0.0280 -0.1170 -0.0280 prod(t)<--cambio(t-9) -0.0400 -0.0470 -0.0320 0.0000 0.0110 1.000 -0.0420 0.0680 -0.0870 0.0010 selic(t)<--selic(t-1) 0.8330 0.8200 0.8470 0.0000 0.0200 1.001 -0.0050 -0.1010 0.7620 0.9100 selic(t)<--selic(t-2) 0.1290 0.1150 0.1430 0.0000 0.0220 1.001 0.0190 0.0200 0.0410 0.2100 prod(t)<--selic(t-8) -0.0310 -0.0430 -0.0190 0.0000 0.0180 1.000 0.0380 -0.0090 -0.1030 0.0520 prod(t)<--prod(t-2) -0.0960 -0.1150 -0.0770 0.0000 0.0280 1.000 0.0340 0.0610 -0.2000 0.0220 selic(t)<--selic(t-4) -0.2070 -0.2170 -0.1970 0.0000 0.0150 1.000 -0.0130 0.0200 -0.2750 -0.1480 selic(t)<--inad(t-2) -0.0030 -0.0030 -0.0030 0.0000 0.0000 1.000 0.0200 -0.0720 -0.0040 -0.0020 selic(t)<--inad(t-3) 0.0040 0.0040 0.0040 0.0000 0.0000 1.000 -0.0240 -0.0120 0.0030 0.0040 prod(t)<--inad(t-7) 0.0020 0.0020 0.0020 0.0000 0.0000 1.001 0.0670 -0.0480 0.0010 0.0030 inad(t)<--inad(t-1) 0.7840 0.7840 0.7840 0.0000 0.0000 1.001 0.0350 0.0650 0.7830 0.7860 inad(t)<--inad(t-12) 0.0010 0.0010 0.0020 0.0000 0.0000 1.000 -0.0730 -0.0200 0.0000 0.0030 inad(t)<--inad(t-2) 0.4460 0.4460 0.4460 0.0000 0.0000 1.001 -0.0310 0.0430 0.4450 0.4480 inad(t)<--prod(t-7) 0.2610 0.2330 0.2900 0.0000 0.0420 1.000 0.0230 -0.0460 0.0940 0.4250 inad(t)<--prod(t-1) -0.7850 -0.8130 -0.7560 0.0000 0.0430 1.000 -0.0080 0.0250 -0.9440 -0.6020 inad(t)<--inad(t-1) -0.3300 -0.3300 -0.3300 0.0000 0.0000 1.000 0.0600 0.0280 -0.3310 -0.3290 selic(t)<--prod(t-12) 0.1190 0.1050 0.1320 0.0000 0.0200 1.000 -0.0020 -0.0580 0.0440 0.2010 prod(t)<--prod(t-1) 0.0300 0.0120 0.0490 0.0000 0.0270 1.000 -0.0410 -0.0680 -0.0810 0.1400 Intercepto Linaddes -0.4240 -0.4250 -0.4230 0.0000 0.0020 1.000 -0.1090 -0.0120 -0.4310 -0.4190 e16 0.0030 0.0030 0.0030 0.0000 0.0000 1.000 0.1790 0.0200 0.0030 0.0040 e17 0.0030 0.0030 0.0030 0.0000 0.0000 1.000 0.1480 0.0020 0.0030 0.0040 e18 0.0030 0.0030 0.0030 0.0000 0.0000 1.000 0.1510 0.0270 0.0030 0.0040 e19 0.0030 0.0030 0.0030 0.0000 0.0000 1.000 0.2060 0.1120 0.0030 0.0040 e3 18.6380 18.1250 19.1760 0.0130 0.7870 1.000 0.1300 0.0860 15.3830 22.1880 e4 18.8680 18.3760 19.3980 0.0140 0.7700 1.000 0.1810 0.1000 15.6200 22.3040 e7 0.0000 0.0000 0.0000 0.0000 0.0000 1.000 0.1900 -0.0240 0.0000 0.0010 e9 0.0000 0.0000 0.0000 0.0000 0.0000 1.000 0.1530 0.1320 0.0000 0.0010 e10 0.0000 0.0000 0.0000 0.0000 0.0000 1.000 0.2300 0.1700 0.0000 0.0010 e12 0.0010 0.0010 0.0010 0.0000 0.0000 1.000 0.1660 0.0790 0.0010 0.0020 e13 0.0010 0.0010 0.0010 0.0000 0.0000 1.000 0.1580 0.1010 0.0010 0.0010 e15 0.0010 0.0010 0.0010 0.0000 0.0000 1.000 0.1300 -0.0190 0.0010 0.0010 e24 0.0010 0.0010 0.0010 0.0000 0.0000 1.000 0.1530 0.1100 0.0010 0.0020 e20 18.7720 18.2470 19.3050 0.0110 0.7950 1.000 0.1990 0.1360 15.3930 22.4170 e8 0.0000 0.0000 0.0000 0.0000 0.0000 1.000 0.1530 0.0170 0.0000 0.0010 e21 18.4890 17.9870 19.0160 0.0160 0.7710 1.000 0.1760 0.0910 15.3830 21.9640 e2 18.4410 17.9290 18.9590 0.0180 0.7610 1.000 0.1660 0.0770 15.5640 22.2660 e22 19.3220 18.7840 19.8840 0.0140 0.8120 1.000 0.2000 0.0370 16.4310 22.9970 e23 0.0000 0.0000 0.0000 0.0000 0.0000 1.000 0.1870 0.0680 0.0000 0.0010 e11 0.0000 0.0000 0.0000 0.0000 0.0000 1.000 0.1950 0.0230 0.0000 0.0000 e6 0.0000 0.0000 0.0000 0.0000 0.0000 1.000 0.1640 -0.0220 0.0000 0.0000 e1 0.0010 0.0010 0.0010 0.0000 0.0000 1.000 0.1690 0.1070 0.0010 0.0010 Variances 39 O Elo entre Governança de Risco e Desempenho Bancário The Link Between Risk Governance and Performance in Banking Gabriele Sabato 40 1. Introdução 1. Introduction Enquanto escândalos como os da Enron e da Worldcom deram origem, principalmente, a novas práticas contábeis, a crise financeira que se seguiu ao colapso do mercado subprime nos Estados Unidos levou a uma conscientização e uma necessidade crescentes de técnicas e estruturas adequadas de gestão de risco nas organizações financeiras1. Na área de gestão quantitativa de risco, o foco ocorre sobre o aperfeiçoamento da mensuração e a gestão de riscos específicos, como o de liquidez, o de crédito e o de mercado. Em termos estruturais, está sendo abordada a questão de como integrar esses riscos em uma só mensagem que possa ser transmitida à alta administração. A literatura anterior sobre gestão de risco concentrava-se em tipos específicos de risco e deixava de lado a sua interdependência com outros tipos (Miller, 1992). Consequentemente, foi só na década de 1990 que a literatura acadêmica começou a dedicar-se a uma visão integrada da gestão de risco (por exemplo, Cumming e Mirtle, 2001; Miccolis e Shaw, 2000; Miller, 1992; Nocco e Stulz, 2006; Sabato, 2010). Whereas scandals such as Enron and Worldcom gave primarily rise to new developments in accounting practices, the financial crisis following the subprime meltdown in the U.S. has led to a further growing awareness and need for appropriate risk management techniques and structures within financial organizations1. In quantitative risk management, the focus lies on how to improve the measurement and management of specific risks such as liquidity risk, credit risk, and market risk. On a structural level, the issue of how to integrate these risks into one single message to senior executives is being addressed. Earlier literature on risk management focused on single types of risk while missing out on the interdependence to other risks (Miller, 1992). Consequently, only in the 1990’s, the academic literature started to focus on an integrated view of risk management (e.g., Cumming and Mirtle, 2001; Miccolis and Shaw, 2000; Miller, 1992; Nocco and Stulz, 2006; Sabato, 2010). Palavras-chave: risco de crédito, risco de liquidez, risco de mercado. Key-words: credit-risk, liquidity risk, market risk. Os formadores de políticas públicas de todo o mundo começaram, depois de 1990, a questionar a adequação do atual estilo de governança aplicado às instituições financeiras. Mais especificamente, vem sendo avaliado o papel e o perfil da gestão de risco nas instituições financeiras. Em muitos documentos recentes sobre políticas, arcabouços abrangentes de gestão de risco são delineados, combi- Public policy makers around the world have started to question the appropriateness of the current corporate governance applied to financial institutions. In particular the role and the profile of risk management in financial institutions has been put under scrutiny. In many recent policy documents, comprehensive risk management frameworks are outlined 41 nados com estruturas recomendadas de governança (por exemplo, BIS, 2008; FSA, 2008; IIF, 2007; WALKER, 2009). Uma recomendação comum é a de “atribuir alta prioridade ao risco” por meio da criação de estruturas apropriadas. Isso pode envolver muitos passos diferentes. Em 2002, a Lei Sarbanes-Oxley (SOX), estabeleceu que a perícia financeira deve desempenhar um papel importante. Outras medidas mais específicas incluíram tanto a criação de um comitê dedicado ao risco como a nomeação de um Diretor de Risco (CRO – Chief Risk Officer) encarregado da supervisão de todos os riscos relevantes a que a instituição está sujeita (por exemplo, BRANCATO, TONELLO, HEXTER, e NEWMAN, 2006; SABATO, 2010). Mongiardino e Plath (2010) demonstram que, em grandes bancos, a governança de risco só parece ter melhorado até certo ponto, apesar da crescente pressão reguladora induzida pela crise de crédito. Os autores indicam as boas práticas em governança de risco bancário e enfatizam a necessidade : (1) da existência de um comitê dedicado no nível do conselho, (2) cujos membros devem ser, em sua maioria, independentes e (3) de que o CRO seja parte do Conselho Executivo do banco. E um levantamento realizado com 20 grandes bancos, contudo, foi verificado que poucos seguiam essas boas práticas em 2007. E, ainda que apesar de a maioria dos grandes bancos contarem com comitês de risco, uma boa parte dos conselhos não se reuniam com frequência. Ademais, a maioria dos comitês de risco não inclui membros independentes, financeiramente instruídos e em número suficiente (ver, também, HAU e THUM, 2010). E, embora boa parte desses grandes bancos também tivesse um CRO, o posicionamento e as linhas de reporte não garantem nível adequado de acesso ao CEO e ao Conselho, ou de influência sobre eles. Os resultados do estudo de in combination with recommended governance structures (e.g., BIS, 2008; FSA, 2008; IIF, 2007; WALKER, 2009). One common recommendation is to “put risk high on the agenda” by creating respective structures. This can involve many different actions. As already claimed by the Sarbanes-Oxley Act (SOX) in 2002, financial expertise is considered to play an important role. Other, more specific measures involve either the creation of a dedicated risk committee or designating a CRO who oversees all relevant risks within the institution (e.g., BRANCATO, TONELLO, HEXTER, and NEWMAN, 2006; SABATO, 2010). Mongiardino and Plath (2010) show that the risk governance in large banks seems to have improved only to a limited extent despite increased regulatory pressure induced by the credit crisis. They outline best practices in banking risk governance and highlight the need to have at least (1) a dedicated board-level risk committee, of which (2) a major-ity should be independent, and (3) that the CRO should be part of the bank’s executive board. By surveying 20 large banks, however, they find only a small number of banks to follow best practices in 2007. Even though most large banks had a dedicated risk commitee, most of them met very infrequently. Also, most risk committees were not comprised of enough independent and financially knowledgeable members (see also HAU and THUM, 2010). And most of those large banks had a CRO but its position and reporting line did not ensure an appropriate level of accessibility and thus influence on the CEO and the board of directors. The results of Ha- 42 Hashagen, Harman, Conover e Sharma (2009), baseados num grande levantamento com 500 altos administradores envolvidos com a gestão de risco em grandes bancos de todo o mundo, confirmam a presença de estruturas de governança de risco inferiores às ideais na maioria dos bancos: 76% dos gestores de risco entrevistados acharam que a função de risco ainda era estigmatizada como sendo de apoio e 45% acreditavam que suas organizações careciam de experiência em gestão de risco por parte do conselho de administração2. Embora o papel e a importância do CRO e da governança de risco de modo geral para o setor bancário tenham sido destacados na imprensa, em diversos levantamentos (BRANCATO, TONELLO, HEXTER e NEWMAN, 2006) e em estudos voltados a profissionais da área (por exemplo, BANHAM, 2000), esses aspectos não foram analisados até agora pela literatura acadêmica. Alguns outros aspectos da governança corporativa bancária, como as características do conselho de administração e a estrutura de remuneração do CEO, foram abordados em estudos acadêmicos recentes (por exemplo, BELTRATTI e STULZ, 2010; ERKENS, HUNG e MATOS, 2010; FAHLENBRACH e STULZ, 2011). Mas a literatura sobre governança corporativa e seu efeito sobre a valoração de instituições financeiras ainda é muito limitada. As instituições financeiras têm características singulares, como alto nível de opacidade, forte regulamentação e intervenção por parte do governo (LEVINE, 2004), o que exige uma análise distinta dos aspectos de governança corporativa. Assim, Adams e Mehran (2003) e Macey e O’Hara (2003) destacam a importância de se levar em consideração as diferenças de governança entre empresas bancárias e não-bancárias. Em nosso estudo, verificamos que uma diferença entre empresas financeiras e shagen, Harman, Conover, and Sharma (2009), which are based on a large survey among 500 senior managers involved in the risk management at leading banks around the world, confirm the finding of suboptimal risk governance structures in the majority of banks: 76% of the interviewed risk managers feel that the risk function is still being stigmatized as a support function and 45% believe that their organization lacks experience in risk management at the board level2. Whereas the role and importance of the CRO, and risk governance more generally, in the banking industry has been highlighted in the newspapers, in various reports (BRANCATO, TONELLO, HEXTER, and NEWMAN, 2006), as well as in practitioner-oriented studies (e.g., BANHAM, 2000), it has not been analyzed in the academic literature so far. Some other aspects of corporate governance in banks, such as board characteristics and CEO pay structure, have been addressed in recent academic studies (e.g., BELTRATTI and STULZ, 2010; ERKENS, HUNG and MATOS, 2010; FAHLENBRACH and STULZ, 2011). However, the literature on corporate governance and the valuation effect of corporate governance in financial firms is still very limited. But financial institutions do have their particularities, such as higher opaqueness, heavy regulation and intervention by the government (LEVINE, 2004), which require a distinct analysis of corporate governance issues. Consistently, Adams and Mehran (2003) and Macey and O’Hara (2003) highlight the importance of taking differences in governance between banking and nonbanking firms into consideration. In our paper, we find that one important difference between financial and 43 não-financeiras é importante e deve ser levada em conta o papel da gestão de risco na estrutura de governança das instituições financeiras. Embora a importância da gestão de risco seja reconhecida, seu papel efetivo no contexto da governança corporativa carece de uma interpretação comum. A maioria dos bancos ainda parece considerar o crescimento dos ativos e uma redução dos custos operacionais como os principais vetores da lucratividade. A gestão de risco frequentemente desempenha o papel de função de apoio/ controle. Entretanto, a recente crise financeira demonstrou que o negócio dos bancos é o risco, levantando, assim, uma pergunta legítima quanto a se o CRO não deveria desempenhar um papel mais importante e poderoso. Como disse Warren Buffet em sua carta de 2008 aos acionistas da Berkshire Hathaway Inc., sua crença é a de que “o CEO de qualquer grande instituição financeira deve ser, também, o Diretor de Risco”. A consequência final seria um sistema de governança oposto ao vigente, com os diretores executivos reportando-se ao CRO e não o contrário. Os dois estudos recentes de Beltratti e Stulz (2010) e Fahlenbrach e Stulz (2011) analisam a influência da governança corporativa sobre o desempenho bancário durante a crise de crédito. Entretanto, ambos dependem de variáveis que foram usadas na literatura para analisar a relação entre governança corporativa e o valor de instituições não-financeiras. Mais especificamente, Fahlenbrach e Stulz (2011) analisam a influência dos incentivos ao CEO e da propriedade de ações sobre o desempenho dos bancos e não encontram evidências de melhor desempenho dos bancos em que os incentivos proporcionados pelo pacote de remuneração do CEO são maiores (ou seja, maior participação de remuneração acionária). Com efeito, as evidências indicam, pelo contrário, que non-financial firms, that has to be taken into account, is the role of risk management in the governance structure of financial firms. While the importance of risk management has been recognized, the actual role of risk management in a corporate governance context still lacks common interpretation. Most banks still seem to consider asset growth and a reduction of operational costs as the main drivers of profitability. Risk management has often the role of a support/control function. However, the last financial crisis has clearly demonstrated that the business of banks is risk, therefore the legitimate question arises whether the CRO should not hold a more important and powerful role within banks. As Warren Buffet stated in his 2008 letter to the shareholders of Berkshire Hathaway Inc., his belief is “that the CEO of any large financial organization must be the Chief Risk Officer as well”. The consequence in the end would be a governance system contrary to the on prevailing today, with the executive officers reporting to the CRO and not the other way round. The two recent studies by Beltratti and Stulz (2010) and Fahlenbrach and Stulz (2011) analyze the influence of corporate governance on bank performance during the credit crisis. However, both studies rely on variables that have been used in the literature to analyze the relation between corporate governance and firm value of non-financial institutions. Specifically, Fahlenbrach and Stulz (2011) analyze the influence of CEO incentives and share ownership on bank performance and find no evidence for a better performance of banks in which the incentives provided by the CEO’s pay package are stronger (i.e., the fraction of equity-based compensation is higher). In fact, their evidence rather points to banks 44 os bancos que deram maiores incentivos aos seus CEOs tiveram pior desempenho durante a crise. Uma possível explicação para essa conclusão é a de que os CEOs podem ter se concentrado nos interesses dos acionistas durante o período que levou até a crise e tomado medidas que, acreditavam, seriam bem vistas pelo mercado. A posteriori, contudo, essas medidas foram custosas para os bancos e seus acionistas quando os resultados fracassaram. Ademais, o estudo indica que a remuneração baseada em opções não tem efeito negativo sobre o desempenho dos bancos, que os CEOs não reduziram suas participações acionárias antes da crise e que não fizeram hedge de suas participações. Assim, as conclusões sugerem que CEOs dos bancos não previram a crise e o consequente mau desempenho dos bancos, já que eles mesmos sofreram grandes perdas3. Beltratti e Stulz (2010) investigam a relação governança corporativa e desempenho dos bancos durante a crise de crédito, usando uma amostra internacional composta de 98 bancos. Sua constatação mais importante é a de que os bancos com conselhos mais amigáveis para os acionistas segundo o “Quociente de Governança Corporativa” (CGQ – Corporate Governance Quotient) obtido do RiskMetrics apresentaram pior desempenho durante a crise, indicando que o conceito genericamente compartilhado de “boa governança” não se traduz necessariamente em benefícios para os acionistas. Beltratti e Stulz (2010) sustentam que “os bancos que foram pressionados por seus conselhos de administração a maximizar a riqueza do acionista antes da crise, assumiram riscos que julgavam que atingiriam esse objetivo, mas foram onerados a posteriori por causa de resultados que não eram esperados quando os assumiram” (p. 3). Além disso, constatam que variáveis financeiras como o índice de capital da camada 1, depó- providing stronger incentives to CEOs performing worse in the crisis. A possible explanation for this finding is that CEOs may have focused on the interests of shareholders in the build-up to the crisis and took actions that they believed the market would welcome. Ex post, however, these actions were costly to their banks and their shareholders when the results turned out to be poor. Moreover, their results indicate that option-based compensation had no negative influence on bank performance, that bank CEOs did not reduce their stock holdings in anticipation of the crisis, and that CEOs did not hedge their holdings. Hence, their results suggest that bank CEOs did not anticipate the crisis and the resulting poor performance of the banks as they suffered huge losses themselves3. Beltratti and Stulz (2010) investigate the relation between corporate governance and bank performance during the credit crisis in an international sample of 98 banks. Most importantly, they find that banks with more shareholder-friendly boards as measured by the “Corporate Governance Quotient” (CGQ) obtained from RiskMetrics performed worse during the crisis, which indicates that the generally shared understanding of “good governance” does not necessarily have to be in the best interest of shareholders. Beltratti and Stulz (2010) argue that “banks that were pushed by their boards to maximize shareholder wealth before the crisis took risks that were understood to create shareholder wealth, but were costly ex post because of outcomes that were not expected when the risks were taken” (p. 3). In addition, they find that financial variables such as the tier 1 capital 45 sitos como porcentagem do ativo total e lucratividade do banco foram determinantes mais importantes do desempenho dos bancos durante a crise do que a governança e a regulamentação. Assim como Beltratti e Stulz (2010), Erkens, Hung e Matos (2010) investigam a relação entre governança corporativa e o desempenho das instituições financeiras durante a crise de crédito de 2007/2008. Erkens, Hung e Matos (2010) usam uma amostra internacional de 296 instituições financeiras de 30 países. Consistentemente com Beltratti e Stulz (2010), constatam que as instituições dotadas de conselhos mais independentes e maior participação acionária de investidores institucionais apresentaram piores retornos sobre o valor da ação durante a crise. Os autores argumentam que aquelas que tinham maior participação institucional assumiram maiores riscos antes da crise, resultando em maiores perdas para os acionistas durante o período de crise. Ademais, as instituições dotadas de conselhos de administração mais independentes levantaram mais capital acionário durante a crise, levando a uma transferência de riqueza dos acionistas existentes para os credores. O propósito deste estudo é o de estender a literatura por meio da análise da influência da governança corporativa sobre cada banco e, em especial, da exercida pelas características de “governança de risco” sobre o desempenho dos bancos durante a crise financeira. As medidas de governança de risco que usamos são: uma variável dummy para a presença ou não do CRO no conselho executivo, reportar-se o CRO direta ou indiretamente ao conselho de administração, reportar-se ou não o CRO ao CEO, a porcentagem de membros do conselho de administração com formação financeira, haver ou não um comitê de risco dedicado, o número de assembleias desse comitê e a porcentagem de diretores independentes no comitê de risco. To- ratio, deposits as a percentage of total assets, and bank profitability are more important determinants of bank performance during the crisis than are governance and regulation. Similar to Beltratti and Stulz (2010), Erkens, Hung, and Matos (2010) investigate the relation between corporate governance and the performance of financial firms during credit crisis of 2007/2008. Erkens, Hung, and Matos (2010) use an international sample of 296 financial firms from 30 countries. Consistent with Beltratti and Stulz (2010), they find that firms with more independent boards and higher institutional ownership experienced worse stock returns during the crisis. They argue that firms with higher institutional ownership took more risk prior to the crisis which resulted in larger shareholder losses during the crisis period. Moreover, firms with more independent boards raised more eq-uity capital during the crisis, which led to a wealth transfer from existing shareholders to debtholders. With our study, we aim at extending the literature by analyzing the influence of bank-specific corporate governance, and in particular “risk governance” characteristics on the performance of banks during the financial crisis. The measures of risk governance that we use are the following: a dummy variable whether the CRO is a member of the execu-tive board, whether the CRO directly reports to the board of directors, whether the CRO reports to the CEO, the percentage of directors on the board with a finance background, whether there is a dedicated risk committee, the number of meetings of such a risk com-mittee, and the percent- 46 das essas variáveis foram colhidas manualmente dos formulários 10k (relatório anual) e Def 14A (Balancete) da Base de Dados da SEC para uma amostra de 372 bancos dos Estados Unidos em 2006. Além disso, controlamos para variáveis-padrão de governança corporativa usadas em estudos anteriores sobre governança corporativa em empresas não-bancárias (por exemplo, GOMPERS, ISHII e METRICK, 2003; HOECHLE, SCHMID, WALTER e YERMACK, 2010) e em Beltratti e Stulz (2010) e Fahlenbrach e Stulz (2011) para empresas bancárias. Alguns exemplos são o tamanho do conselho de administração, sua independência, ser ou não o CEO também presidente do conselho de administração, o nível de atividade do conselho de administração, participação de investidores institucionais, participação acionária do CEO e o índice de governança corporativa, baseado em provisões para tomada de controle, como propõem Gompers, Ishii e Metrick (2003). Esses dados complementares sobre governança corporativa foram obtidos das bases de dados de Diretoria e Governança da RiskMetrics (ex- IRRC), da base de dados ExecuComp da Standard and Poor’s e da base de dados CDA/Spectrum da Thomson Financial. Assim, este artigo estende a pesquisa existente sobre governança corporativa em bancos tanto ao ampliar a perspectiva sobre governança corporativa e desempenho dos bancos, quanto ao aprofundar a compreensão do papel da gestão de risco no contexto bancário. Assim como Beltratti e Stulz (2010) e Fahlenbrach e Stulz (2011), coletamos nossas medidas de governança corporativa para o ano de 2006, o último ano inteiro anterior à crise financeira. Em seguida investigamos se a governança corporativa ao fim de 2006 está significativamente relacionada com o retorno das ações, o ROA e o ROE dos bancos durante o período de crise. Como Beltratti e Stulz (2010) e Fahlenbrach e Stulz (2011), definimos o período age of independent directors in the risk committee. All these variables are handcollected from 10k (annual report) and Def 14A (Proxy Statement) forms in the SEC’s EDGAR Database for a sample of 372 U.S. banks in 2006. In addition, we control for standard corporate governance variables used in previous studies on corporate governance in non-banks (e.g., GOMPERS, ISHII, and METRICK, 2003; HOECHLE, SCHMID, WALTER, and YERMACK, 2010) and in Beltratti and Stulz (2010) and Fahlenbrach and Stulz (2011) for banks. Examples are board size, board independence, whether the CEO is also chairman of the board, board busyness, institutional ownership, CEO ownership, and the corporate governance index based on takeover provisions as proposed by Gompers, Ishii, and Metrick (2003). This additional corporate governance data is obtained from the RiskMetrics (formerly IRRC) Directors and Governance databases, from Standard and Poor’s ExecuComp database, and from Thomson Financial’s CDA/ Spectrum database. Hence, this paper extends current research on corporate governance in banks by both broadening the perspective on corporate governance and bank performance, as well as deepening the understanding of the role of risk management in a banking context. As in Beltratti and Stulz (2010) and Fahlenbrach and Stulz (2011), we collect our measures of corporate governance for 2006, the last complete year before the financial crisis. We then investigate whether corporate governance at the end of the year 2006 is significantly related to the banks’ stock returns, ROA, and ROE during the crisis period. Following Beltratti and Stulz (2010) and Fahlenbrach 47 de crise como sendo de 1º de julho de 2007 a 31 de dezembro de 2008. Dependendo da configuração da regressão e, em especial, dos mecanismos de governança corporativa nela incluídos, nossas regressões abrangem de 54 a 372 observações. Nossos resultados são, em grande medida, condizentes com os de Beltratti e Stulz (2010) e Fahlenbrach e Stulz (2011) e indicam que os retornos (e as baixas) das ações dos bancos durante a crise ou não são afetados por variáveis-padrão de governança corporativa, como participação acionária do CEO ou o índice de governança corporativa de Gomper, Ishii e Metrick (2003), ou chegam a estar negativamente relacionados com determinados mecanismos de governança, como tamanho do conselho de administração (ou seja, positivamente relacionados com o porte do conselho, o que costuma indicar má governança; por exemplo, ver Yermack, 1996) ou independência do conselho. Assim, nossos resultados quanto aos mecanismos “padrão” de governança corporativa são, em grande medida, condizentes com a explicação fornecida por Beltratti e Stulz (2010) para suas constatações semelhantes às nossas: os bancos foram levados por seus conselhos a maximizar a riqueza dos acionistas antes da crise e, com isso, assumiram riscos que, pensava-se, criariam riqueza, mas revelaram-se ruins durante a crise de crédito. A relação entre a maioria das nossas medidas de governança de risco e o desempenho dos bancos durante a crise também se revela insignificante. Mas encontramos evidências robustas de que os bancos em que o CRO reporta-se diretamente ao conselho de administração tiveram desempenho significativamente melhor durante a crise de crédito, ao passo que aqueles em que o CRO reporta-se ao CEO apresentaram desempenho significativamente pior do que os demais em nossa amostra. Este resultado confirma nossa hipótese de que a estrutura and Stulz (2011), we define the crisis period to last from July 1, 2007, to December 31, 2008. Depending on the regression setup and, in particular, the corporate governance mechanisms included, our regressions include between 54 and 372 observations. Our results are largely consistent with Beltratti and Stulz (2010) and Fahlenbrach and Stulz (2011) and indicate that a bank’s stock returns (and writeoffs) during the crisis are either unaffected by standard corporate governance variables, such as CEO ownership or the corporate governance index of Gomper, Ishii, and Metrick (2003), or are even negatively related to certain governance mechanisms such as board size (i.e., positively related with board size which is usually considered to indicate poor governance; e.g., see Yermack, 1996) or board independence. Hence, our results on the “standard” corporate governance mechanisms are largely consistent with the explanation provided by Beltratti and Stulz (2010) for their similar findings: Banks were pushed by their boards to maximize shareholder wealth before the crisis and thereby took risks that were understood to create wealth but later turned out poorly in the credit crisis. The relation between most of our measures of risk governance and bank performance in the crisis is insignificant as well. However, we find robust evidence that banks in which the CRO reports directly to the board of directors perform significantly better in the credit crisis while banks in which the CRO reports to the CEO perform significantly worse than other banks in our sample. This result confirms our hypothesis that the typical corporate governance 48 típica de governança corporativa, com todos os membros da administração executiva reportando-se ao CEO, não é o mais adequado para organizações bancárias. Uma possível explicação para isso pode ser o fato de que o principal interesse do CEO seja o de maximizar o crescimento do faturamento, do ativo e do lucro – possivelmente tanto no interesse dos acionistas quanto em seu próprio, já que o crescimento ajuda a maximizar o valor do pacote de remuneração pessoal, assim como seu prestígio e poder (por exemplo, a construção de impérios administrativos)4. Assim, a avaliação que o CEO faz do risco e o tratamento que lhe dispensa podem ser significativamente diferentes dos apresentados pelo CRO. Em outras palavras, o CEO e o CRO podem ter interesses conflitantes e, embora um papel mais forte para o CEO possa aumentar o crescimento e a lucratividade num ambiente de mercado propício, também pode resultar em grandes perdas durante períodos de crise como a recente crise de crédito de 2007/2008. 2. Dados e Variáveis Assim como Beltratti e Stulz (2010) e Fahlenbrach e Stulz (2011), nosso estudo coleta dados sobre diversas variáveis de governança corporativa para o ano de 2006, o último ano inteiro anterior à crise financeira. Como ponto de partida para nossa amostra, usamos todos os bancos disponíveis na base de dados para Bancos da América do Norte da COMPUSTAT em 2006. Abatem-se da contagem inicial de 770 anos-bancos todas as observações em que uma variável-chave (ativo total, ações ordinárias em circulação, total do capital social ordinário, resultado antes dos lançamentos extraordinários) esteja ausente ou cujo ativo total seja inferior a 100 milhões de dólares. Alem disso, abandonamos todas as observações não abrangidas pela base de dados do Centro de Pesquisa de Preços de Títulos (CRSP – Cen- structure with all executive board members reporting to the CEO is not the most appropriate for banking organizations. A possible explanation for this finding may be that CEOs’ main interest is to maximize growth in sales, assets, and profits – possibly both in the shareholders’ as well as his own interest as growth helps to maximize the value of the personal remuneration package as well as prestige and power (e.g., managerial empire building) 4 . Hence, the CEO’s assessment and treatment of risk might be substantially different from that of the CRO. In other words, the CEO and CRO may have conflicting interests and while a stronger role of the CEO may increase growth and profitability in a good market environment, it may result in large losses in crises periods such as the recent credit crisis of 2007/2008 and vice versa. 2. Data and Variables As in Beltratti and Stulz (2010) Fahlenbrach and Stulz (2011), in our study we collect data on various corporate governance variables for the year 2006, the last complete year before the financial crisis. As a starting point for our sample, we use all banks available in the COMPUSTAT Bank North America database in 2006. The initial count of 770 bank-years is reduced by all observations for which either a key variable (total assets, common shares outstanding, total common/ordinary equity, income before extraordinary items) is missing or total assets are less than USD 100 Mio. Additionally, we drop all bank-years which are not covered by the Center for Research in Security 49 ter for Research in Security Prices). Isso nos deixa com uma amostra de 573 bancos. Na etapa seguinte, coletamos manualmente dados de governança corporativa dos formulários 10k (relatório anual) e Def 14A (balancete) dos bancos encontrados na base de dados EDGAR da SEC. Coletamos dados a respeito de ser o CRO membro do conselho executivo, da existência de um comitê de risco no conselho de administração, do porte do conselho de administração, de sua independência e da formação (financeira) de seus membros. A disponibilidade (ou seja, a divulgação) dessas variáveis reduz a amostra para 372 bancos, o maior usado em nossas análises empíricas constantes da Seção 3. Como restringimos nossa amostra aos bancos encontrados na base de dados de Bancos da América do Norte da COMPUSTAT, todos os bancos de nossa amostra são predominantemente comerciais (código SIC 6020) ou instituições de poupança (códigos SIC 6035 e 6036) 5. Finalmente coletamos manualmente das demonstrações anuais das instituições mais cinco variáveis de governança corporativa/de risco, que fornecem informações mais detalhadas sobre o comitê de risco e a linha de reporte do CRO. Como todas essas variáveis precisaram ser manualmente coletadas dos relatórios anuais dos bancos, o que toma muito tempo, restringimos a amostra aos 86 bancos com dados disponíveis sobre o índice de governança corporativa de Gompers, Ishii Prices (CRSP) database. This leaves us with a sample of 573 banks. In a next step, we hand-collect corporate governance data from the banks’ 10k (annual report) and Def 14A (proxy statement) forms in the SEC’s EDGAR Database. We collect data on whether the CRO is a member of the executive board, the existence of a board risk committee, board size, board independence, and the (finance) background of board members. The availability (i.e., reporting) of these variables further reduces our sample Eric size to 372 banks which constitute the larger set of banks we use in our empirical analyses of Section 3. As we restrict our sample to banks included in the COMPUSTAT Bank North America database, all banks in our sample are either primarily commercial banks (SIC code 6020) or savings institutions (SIC codes 6035 and 6036) 5 . Finally, we hand-collect another five corporate/risk governance variables, which provide more detailed information on the risk committee and on the line of reporting of the CRO, from the companies’ annual filings. As all these variables have to be hand-collected from the banks’ annual reports in a time-consuming way, we restrict the sample to the 86 banks with data available on the corporate governance index of Gompers, Ishii, and Metrick (2003), as 50 e Metrick (2003), tais como obtidos da base de dados IRRC Governance Legacy. A amostra resultante varia, então, entre 54 e 85 observações, uma vez que um dos bancos não fornece informações suficientes sobre seu comitê de risco e a linha de reporte de seu CRO para permitir sua inclusão em nossa amostra6. Usamos três medidas alternativas de desempenho dos bancos. Como em Fahlenbrach e Stulz (2011) e Beltratti e Stulz (2010), nossa primeira medida de desempenho dos bancos encontra-se em seu retorno buy-and-hold no período entre 1º de julho de 2007 e 31 de dezembro de 2008 (Buy-and-hold returns). Usamos os retornos mensais do período constantes da CRSP para calcular os retornos buy-and-hold cumulativos. Como medidas alternativas do desempenho dos bancos, usamos duas medidas de lucratividade durante a crise. A primeira é o retorno do ativo (ROA), definido como resultado líquido durante os anos de 2007 e 2008 dividido pelo total do ativo ao fim de 2006; a segunda é o retorno do patrimônio líquido (ROE), que definimos como o resultado liquido acumulado nos anos de 2007 e 2008 dividido pelo valor escritural do patrimônio líquido ao fim de 2006. Por causa da limitada disponibilidade de dados de governança sobre bancos, além da ausência de dados de governança especificamente relacionados ao risco nas bases de dados comerciais disponíveis, como a IRRC / RiskMetrics por exemplo, coletamos manualmente a maior parte de nossas variáveis sobre governança dos formulários 10k, balancetes e websites das instituições. Para o primeiro grupo de cinco variáveis manualmente coletadas de governança corporativa, visamos todos os 372 bancos cujos relatórios anuais e balancetes de 2007 estavam disponíveis7. obtained from the IRRC Governance Legacy database. The resulting sample size then ranges from 54 to 85 observations as one bank does not provide sufficient information regarding its risk committee and the line of reporting of the CRO in its annual report to be included in our sample6. We use three alternative measures of bank performance. Following Fahlenbrach and Stulz (2011) and Beltratti and Stulz (2010), our first measure of bank performance are the banks’ buyand-hold returns over the time period July 1, 2007, to December 31, 2008 (Buyand-hold returns). We use monthly holding period returns from CRSP to compute cumulative buy-and-hold returns. As alternative measures of bank performance, we use two measures of bank profitability during the crisis. The first profitability measure we use is return on assets (ROA), defined as the banks’ cumulative net income over the years 2007 and 2008, divided by total assets as of year end 2006. The second profitability measure we use is return on equity (ROE), defined as the banks’ cumulative net income over the years 2007 and 2008, divided by the book value of equity as of year end 20067. Due to limited availability of governance data on banks as well as the neglect of risk management-specific governance data on commercial governance databases, such as for example IRRC / RiskMetrics, we hand-collect most of our corporate governance variables from the companies’ 10k filings, proxy statements, and from company websites. For the first group of five hand-collected corporate governance variables, we target all 372 banks for which the 2006 annual report and 2007 proxy statement are available. 51 A primeira variável coletada é uma dummy que indica se o CRO é membro do conselho executivo (CRO in executive board). Se o CRO for membro, sua influência e seu poder devem ser maiores do que os de um CRO situado no terceiro escalão da administração. Quarenta e nove dos 372 bancos relatam que o CRO participa do conselho executivo 8 . É importante observar que um CRO forte não aumenta necessariamente o valor do banco, e certamente não em todos os estados do mercado. Ainda que o mercado possa, no curto prazo, perceber positivamente a nomeação de um CRO para o conselho executivo, essa atitude pode mudar com o passar do tempo se o CRO for suficientemente poderoso para ser rígido durante as expansões da economia. Antes da crise de crédito de 2007/2008, os bancos obtinham retornos extremamente elevados sobre o patrimônio líquido, de cerca de 30%. Para aumentar ainda mais os lucros e satisfazer os acionistas, foi necessário assumir mais riscos. Além disso, a liquidez parecia infinita 9. Num momento assim, um CRO deve reconhecer os tremendos riscos envolvidos e ser capaz de induzir a redução necessária da exposição e das concentrações de risco. Isso, contudo, pode fazer com que os acionistas obtenham retornos menores do que os de seus pares no setor que tenham uma estrutura de gestão de risco mais frágil, o que pode ser difícil de explicar para os investidores e até mesmo levar a uma queda do preço da ação. Assim, a crise financeira de 2007/2008 fornece um ambiente interessante para testar o valor da governança de risco (e, mais genericamente, da governança corporativa) que o mercado reconheça e faça refletir no preço das ações. A segunda variável de governança é outra dummy que assume valor 1 se o ban- The first variable we collect data on is a dummy variable whether the CRO is a member of the executive board (CRO in executive board). If the CRO is a member of the executive board, his influence and power are expected to be larger as compared to a CRO who is situated on the third management level. 49 of the 372 banks report that the CRO is a member of the executive board8 . It is important to note that a strong CRO is not necessarily increasing bank value, in particular not in all market states. Even though the market in the short-run should perceive the appointment of a CRO to the executive board positively, the attitude might change over time if the CRO is powerful enough to be rigid during economic upturns. Before the 2007/2008 credit crisis banks had extremely high returns on equity of around 30%. In order to further increase profits and to satisfy share-holders, more risks had to be taken. In addition liquidity seemed endless9. At this point in time, a CRO should both recognize the tremendous risks and be able to induce the necessary reduction in risk exposure and concentrations. However, doing so may result in shareholders getting relatively lower returns compared to their peers in the industry with a weaker risk management structure, which might be difficult to explain to investors and even lead to decreasing stock prices. Therefore, the financial crisis of 2007/2008 provides an interesting setup to test the value of risk governance (and corporate governance more generally) which should then be recognized by the market and reflected in stock prices. The second governance variable is a dummy variable, which is equal to one 52 co tiver um comitê dedicado exclusivamente a esforços de monitoramento e gestão de risco (Risk committee). Os bancos com valor zero para a variável Risk committee, ou carecem inteiramente de um comitê encerrado de gestão de risco, ou fazem com que o conselho fiscal assuma essa responsabilidade. Seria de se esperar que a presença de um comitê de risco indique, de maneira geral, uma gestão de risco mais forte e, portanto, uma melhor governança corporativa. Entretanto, como se dá com outros órgãos do conselho de administração, a estrutura desse comitê e a independência dos seus membros podem ser igualmente importantes – ou até mais. Assim, coletamos também informações sobre os comitês de risco de uma amostra reduzida, como explicado abaixo. A terceira variável de governança é o tamanho do conselho de administração, medido como o logaritmo natural do número de membros do conselho do banco (Ln(Board size)). Yermack (1996) constata uma relação negativa entre o tamanho do conselho e o valor da empresa tal como medido pelo Q de Tobin. Adams e Mehran (2003) constatam que holdings bancárias têm, em média, conselhos de administração maiores do que os de empresas industriais. Observam que essas diferenças poderiam ser explicadas por diferenças de regulação, já que as exigências reguladoras impostas aos bancos podem agir como substitutos de uma estrutura sólida de governança corporativa. Consequentemente, o tamanho do conselho de administração pode ser uma característica de governança corporativa menos importante para os bancos do que para organizações não-bancárias. De fato, Beltratti e Stulz (2010), usando indicadores convencionais de boa governança, constatam até mesmo que bancos com conselhos mais amigáveis aos acionistas apresentaram pior desempenho durante a crise. A quarta variável sobre a qual coletamos dados é a independência do conselho de admi- if the bank has a dedicated committee solely charged with monitoring and managing the risk management efforts within the bank (Risk committee). Banks, for which the variable Risk committee has a value of zero, have either no committee in charge of risk management at all or the audit committee assumes responsibility. We would expect that having a risk committee in general indicates a stronger risk management and therefore better corporate governance. However, as for other board committees, the structure of the committee, the independence of the directors in the committee may matter as well – or even more. Therefore, we collect additional information on the risk committee for a reduced sample as explained below. The third governance variable is board size, measured as the natural logarithm of the number of directors on a bank’s board (Ln(Board size)). Yermack (1996) finds a negative relation between board size and firm value as measured by Tobin’s Q. Adams and Mehran (2003) find that bank holding companies have on average larger boards of directors than manufacturing firms. They notice that these differences could be explained by regulatory differences as the regulatory requirements imposed on banks may act as substitutes for a sound corporate governance structure. Consequently, board size may be a less important corporate governance characteristic for banks as compared to non-banks. In fact, Beltratti and Stulz (2010), using conventional indicators of good governance, even find that banks with more shareholder-friendly boards performed worse during the crisis. The fourth variable we collect data on is board independence as measured by the percentage of indepen- 53 nistração, medida como a porcentagem de membros independentes (Board independence). Definimos membros independentes como sendo aqueles sem qualquer relação com a empresa, a não ser seu assento no conselho. Assim classificamos como não-independentes (ou “cinzentos”) os diretores com função executiva anterior, com relação de parentesco com algum executivo do banco, ou com qualquer outro elo empresarial com a organização, como advogados ou consultores que realizam outras tarefas para o banco. Em não-bancos, Hermalin e Weisbach (1991) e Bhagat e Black (2002) não encontram relação significativa entre a porcentagem diretores externos e o valor da empresa (ver uma revisão da literatura em Hermalin e Weisbach, 2003). Adams (2009) demonstra que os bancos com mais membros independentes em seus conselhos ou receberam relativamente mais dinheiro do Programa de Apoio contra Ativos Problemáticos (TARP – Troubled Assets Relief Program), indicando que bancos com uma maior participação de membros independentes em seus conselhos tiveram pior desempenho durante a crise. Essa constatação condiz com as de Beltratti e Stulz (2010). A quinta variável é a porcentagem de membros do conselho de administração com experiência (anterior ou atual) executiva em um banco ou companhia de seguros (% directors w. finance background). Recentes escândalos contábeis corporativos levaram os reguladores a enfatizar a importância de contar com peritos em finanças no conselho. Como consta da Lei Sarbanes-Oxley de 2002, um perito financeiro deve, entre outras coisas, “compreender os princípios contábeis de genericamente aceitos e as demonstrações financeiras”.10 A premissa implícita é a de que essa compreensão levará a uma melhor supervisão pelo conselho e, em última instância, beneficiar os acionistas. Com efeito, Güner, Malmendier e Tate (2008) constatam que peritos financeiros afetam significativamente dent outside directors on the board of directors (Board independence). We define independent directors as directors without any relation with the company except for their board seat. Hence, we classify directors with prior executive function, with a family relationship with an executive officer of the bank, or with any other business ties, such as for example lawyers or consultants doing other work for the bank as non-independent (or “gray”) directors. For non-banks, Hermalin and Weisbach (1991) and Bhagat and Black (2002) find no significant relation between the percentage of outside directors and firm value (for a review of the literature, see Hermalin and Weisbach, 2003). Adams (2009) shows that banks with more independent board members even received relatively more money from the Troubled Assets Relief Program (TARP), which indicates that banks with a higher share of independent board members performed worse during the crisis. This finding is consistent with Beltratti and Stulz (2010). The fifth variable is the percentage of directors with experience (present or past) as an executive officer in a bank or insurance company (% directors w. finance background). Recent corporate accounting scandals have led regulators to stress the importance of having financial experts on the board of directors. As stated in the Sarbanes-Oxley Act of 2002, a financial expert has among other things “an understanding of generally accepted accounting principles and financial statements”.10 Implicitly the assumption is that this understanding will lead to a better board oversight and ultimately serve the shareholders. In fact, Güner, Malmendier, and Tate (2008) find 54 as políticas financeira e de investimento de empresas (não-bancárias) de cujos conselhos participem. Os autores classificam esses diretores externos em oito categorias e constatam que a nomeação de alguém da área bancária comercial reduz a sensibilidade do investimento ao fluxo de caixa na concessão de grandes empréstimos, especialmente em seus próprios bancos. Entretanto, empresas que enfrentem restrições financeiras não se beneficiam dessas práticas e o financiamento só aumenta para empresas com boa situação de crédito e financeira, mas fracas oportunidades de investimento. Assim, membros do conselho que tenham experiência bancária parecem agir em favor dos credores. Ademais, a nomeação de investment bankers para um conselho de administração está associada a maiores problemas de endividamento e piores aquisições. Aplicamos esse conjunto de variáveis por meio de mais cinco variáveis de governança corporativa que fornecem informações mais detalhadas sobre o comitê de risco e a linha de reporte do CRO. Como todas essas variáveis precisam ser coletadas manualmente dos relatórios anuais dos bancos, o que toma muito tempo, restringimos a amostra aos 86 com dados disponíveis sobre o G-Index. Para bancos que tinham comitê de risco, coletamos, ainda, dados sobre o número de reuniões desses comitês no ano de 2006 (Nr. of meetings of risk committee), o número de membros do comitê (Nr. of directors in risk committee) e a porcentagem de membros independentes do comitê (% of indep. directors in risk committee). Atribuímos valor zero às três variáveis no caso de bancos que careciam de comitê de risco. Além disso, coletamos dados sobre duas variáveis relacionadas à linha de reporte e, portanto, ao poder dos CROs nos bancos respectivos: uma variável dummy referente a reportar-se o CRO diretamente ao con- that financial experts significantly affect the finance and investment policies of (non-bank) firms on whose board they serve. They categorize outside directors into eight categories and find that the appointment of a commercial banker reduces the sensitivity of investment to cash flow as they extend large loans, particularly through their own bank. However, financially restricted firms do not benefit from such practices and financing is only increased for firms with a good credit and financial standing, but poor investment opportunities. Hence, banker directors seem to act in the interest of creditors. Moreover, the appointment of investment bankers to a board of directors is associated with larger debt issues and worse acquisitions. We extend this set of corporate governance variables by five additional handcollected corporate governance variables which provide more detailed information on the risk committee and on the line of reporting of the CRO. As all these variables have to be hand-collected from the banks’ annual reports in a time-consuming way, we restrict the sample to the 86 banks with data on the G-Index available. For banks with a risk committee, we additionally collect data on the number of times the risk committee of the respective banks met in 2006 (Nr. of meetings of risk committee), the number of directors in the risk committee (Nr. of directors in risk committee), and the percentage of independent directors in the risk committee (% of indep. directors in risk committee). All three of these variables are assigned a value of zero for banks with no risk committee. In addition, we collect data on two variables related to the line of reporting and therefore power of the CRO with- 55 selho de administração (CRO reports to board) e uma variável dummy indicando se o CRO reporta-se ao CEO (CRO reports to CEO). É de se imaginar que um CRO seja mais poderoso se reportar-se diretamente ao conselho de administração, já que o CEO (ou CFO) pode estar predominantemente interessado em maximizar o valor do faturamento, do ativo e do lucro, uma vez que isso ajuda a maximizar o valor de seus pacotes de remuneração pessoal, além de seu prestígio e poder (por exemplo, construção de impérios administrativos). Ademais, se o CEO extrair parte significativa de sua remuneração sob a forma de opções sujeitas a restrições, o valor de suas opções irá aumentar com a volatilidade. Assim, o CEO pode, com efeito, beneficiar-se da assunção de maiores riscos pelo banco. 11 3. Conclusão Nossa pesquisa investiga se há um elo entre a estrutura de governança de risco e o desempenho dos bancos durante a recente crise financeira. Este estudo estabelece um novo cenário no ambiente bancário moderno, confirmando a existência de tal elo e sugerindo que os bancos devem atribuir um papel mais importante à gestão de risco para melhorar a estabilidade e a solidez de seus lucros. Mais importante, nossos resultados demonstram que os bancos em que o CRO reporta-se diretamente ao conselho de administração tiveram desempenho significativamente melhor durante a crise financeira, ao passo que aqueles em que o CRO reporta-se ao CEO tiveram desempenho significativamente pior do que o dos demais bancos em nossa amostra. Uma possível explicação para esta constatação pode ser o fato de que o principal interesse do CEO seja maximizar o crescimento do faturamento, do ativo e dos lucros – possivelmente em defesa dos interesses tanto dos acionistas quanto próprios, in the banks: A dummy variable whether the CRO reports directly to the board of directors (CRO reports to board) and a dummy variable whether the CRO reports to the CEO (CRO reports to CEO). We expect that a CRO has more power if he reports directly to the board of directors as the CEO (or CFO) might be mainly interested in maximizing the growth of sales, assets, and profits as this helps to maximize the value of the personal remuneration package as well as his prestige and power (e.g., managerial empire building). Moreover, if the CEO gets a significant part of his compensation in restricted stock options, the value of his option holdings increases with increasing volatility. Hence, the CEO may actually profit from more bank risk.11 3. Conclusion Our research investigates if there is a link between the risk governance structure and the performance of banks during the recent financial crisis. This study sets a new scene in modern banking confirming the existence of this link and suggesting that banks should assign a more prominent role to risk management in order to improve stability and soundness of their profits. Most importantly, our results show that banks, in which the CRO reports directly to the board of directors, perform significantly better in the financial crisis while banks in which the CRO reports to the CEO perform significantly worse than other banks in our sample. A possible explanation for this finding may be that the CEOs’ main interest is to maximize growth in sales, assets, and profits – possibly both in the shareholders’ as well as his own inter- 56 uma vez que o crescimento ajuda a maximizar o valor do pacote pessoal de remuneração, além de seu prestígio e poder (por exemplo, construção de impérios administrativos). Assim, a avaliação e o tratamento do risco podem ser uma prioridade secundária para o CEO. Em outras palavras, o CEO e o CRO podem ter interesses conflitantes e, se um deles reportar-se ao outro, a agenda de risco pode deixar de receber a devida atenção. Para superar esse problema, muitos órgãos reguladores começaram, recentemente, a exigir que os CEOs e os conselhos executivos concentrem-se mais em questões de gestão de risco. Contudo, acreditamos que essa mudança só será eficaz se também se refletir na estrutura de governança corporativa dos bancos, com atribuição de um papel mais forte ao CRO para reduzir a volatilidade das perdas na presença de condições de mercado negativas. Em última análise, trata-se de uma escolha entre contar com um sistema financeiro mais estável e sólido e continuar a gerir os bancos como empresas especulativas, sendo que a segunda hipótese pode resultar em socialização de perdas durante períodos de crise, enquanto os ganhos obtidos em ambientes de mercado favoráveis mantêm-se privados. Por outro lado, e em respaldo de Beltratti e Stulz (2010) e Fahlenbrach e Stulz (2011), não encontramos relação significativa, ou sequer negativa, entre o desempenho dos bancos durante a crise e as variáveis-padrão de governança corporativa, como participação acionária do CEO, independência do conselho de administração, ou direitos dos acionistas tais como representados pelo G-Index de Gomper, Ishii e Metrick (2003). Isso pode indicar que os bancos foram levados por seus conselhos a maximizar a riqueza dos acionistas antes da crise e assumiram riscos que, pensava-se, criariam riqueza, mas apresentaram maus resultados durante a crise de crédito. est as growth helps to maximize the value of the personal remuneration package as well as prestige and power (e.g., managerial empire building). Hence, the assessment and treatment of risk might be a lower priority for a CEO. In other words, the CEO and CRO may have conflicting interests and if one reports to the other, the risk agenda may not receive the appropriate attention. To overcome this issue, many regulators have recently started to force CEOs and executive boards to focus more on risk management issues. However, we believe that this change can only be effective if it is also reflected in the banks’ corporate governance structure, assigning a stronger role to the CRO with the objective to decrease the volatility of losses during negative market conditions. Ultimately, it is a choice between having a more stable and sound financial system or continuing to manage banks as speculative companies where the latter may result in a socialization of losses occurring in crisis periods while the gains accruing in a good market environment are privatized. In contrast, and consistent with Beltratti and Stulz (2010) and Fahlenbrach and Stulz (2011), we find either no significant or even a negative relation between a bank’s performance during the crisis and standard corporate governance variables such as CEO ownership, board independence, or shareholder rights as proxied by the G-Index of Gomper, Ishii, and Metrick (2003). This may indicate that banks were pushed by their boards to maximize shareholder wealth before the crisis and took risks that were understood to create wealth but later turned out poorly in the credit crisis. 57 Nossos resultados mostram que as medidas-padrão de governança usadas na maior parte da literatura sobre governança corporativa e seu efeito sobre o valor de empresas não-financeiras podem não descrever adequadamente a estrutura de governança aplicável aos bancos, especialmente no que tange ao seu desempenho em tempos de crise. Nossos resultados destacam a importância daquilo a que nos referimos como “governança de risco” nos bancos. Mais especificamente, concluímos que os bancos que desejem estar preparados para enfrentar a próxima crise financeira deverão melhorar significativamente a qualidade e o perfil de suas funções de gestão de risco, mas, também, adotar uma governança de risco adequada, deixando o CEO e o CRO no mesmo nível hierárquico, idealmente reportando-se ambos ao conselho de administração. Isso, contudo, pode se dar às custas de um desempenho mais fraco em ambientes de mercado normais (ou seja, sem crise). Notas 1. Há, também, recentes estudos acadêmicos que enfatizam o fato de que falhas na governança bancária tiveram um papel importante no fraco desempenho dos bancos durante a crise financeira de 2007/2008 (por exemplo, DIAMOND e RAJAN, 2009). Além disso, um recente relatório da OCDE conclui que a crise financeira pode, em medida considerável, ser atribuída a falhas e fraquezas dos esquemas de governança corporativa (KIRKPATRICK, 2009). 2. Antes da crise financeira de 2007/2008, a grande maioria dos bancos não contava com CRO, mas apenas um Chefe de Risco que geralmente reportava-se ao CFO, sem acesso à estratégia de curto ou longo prazo do banco (e aos riscos a ela associados), ou influência sobre ela. Our results show that standard governance measures as used in the large body of literature on corporate governance and its valuation effect in non-financial firms may fall short in describing the relevant governance structure of banks, in particular with respect to their crisis performance. Our results highlight the importance of the so-called “risk governance” in banks. Specifically, we conclude that banks that will want to be ready to face the next financial crisis have to significantly improve the quality and profile of their risk management function, but also embed the appropriate risk governance having CEO and CRO at the same level, ideally both reporting to the board of directors. This, however, may come at the cost of a lower performance in a normal (i.e., non-crisis) market environment. Notes 1.There are also recent academic studies which emphasize that flaws in bank governance played an important role in the poor performance of banks during the financial crisis of 2007/2008 (e.g., DIAMOND and RAJAN, 2009). Also a recent OECD report concludes that the financial crisis can be to an important extent attributed to failures and weaknesses in corporate governance arrangements (KIRKPATRICK, 2009). 2. Previous to the financial crisis of 2007/2008, the vast majority of banks did not have a CRO, but only a Head of Risk usually reporting to the CFO with no access to or influence on the shortor long-term strategy (and the associated risks) of the bank. 58 3. Em outro estudo recente, contudo, Bebchuk, Cohen e Spamann (2010) fornecem evidências de que os cinco principais executivos do Bear Stearns e do Lehman Brothers liquidaram grandes valores em remuneração por desempenho no período de 2000 a 2008. Ademais, liquidaram grandes bonificações que não foram restituídas quando as organizações quebraram, e puderam embolsar altas quantias com a venda de ações. 4. Ademais, as carteiras de opções aumentam os incentivos para que os CEOs assumam riscos, desde que não estejam por demais in the money. 5. Mais especificamente, 283 dos 372 bancos da amostra têm um código SIC primário de 6020, indicando que são bancos comerciais; 61 têm código 6035, indicando serem instituições federais de poupança; e 28 têm código 6036, indicando serem instituições de poupança não-federais. Os códigos NAICS respectivos são 522110 para os 283 bancos comerciais e 522120 para as 89 instituições de poupança. 6. É importante observar que a coleta de dados sobre os 372 bancos com dados disponíveis sobre os cinco primeiros mecanismos de governança corporativa (ou seja, pertencer o CRO ao conselho executivo, existência de comitê de risco, tamanho do conselho de administração, independência do conselho de administração e formação (financeira) dos membros do conselho de administração) não aumentaria substancialmente o tamanho da amostra porque a grande maioria dos pequenos bancos não relata informações suficientes em seus relatórios anuais (por exemplo, quanto à linha de reporte do CRO). 7. Alternativamente, definimos ROA (ROE) como o resultado líquido acumulado dos bancos nos 3. In another recent study, however, Bebchuk, Cohen, and Spamann (2010) provide evidence that the topfive executive teams of Bear Stearns and Lehman Brothers cashed out large amounts of performance-based compensation during the 2000-2008 period. Moreover, they were able to cash out large amounts of bonus compensation that was not clawed back when the firms collapsed, as well as to pocket large amounts from selling shares. 4. Moreover, stock option holdings increase the CEO’s incentives to take risks as long as these options are not too much in the money. 5. Specifically, 283 of the 372 sample banks have a primary SIC code of 6020 assigned which indicates commercial banks, 61 banks have a primary SIC code of 6035 assigned which indicates federally chartered savings institutions, and 28 banks have a primary SIC code of 6036 assigned which indicates not federally chartered savings institutions. The respective NAICS codes are 522110 for the 283 commercial banks and 522120 for the 89 savings institutions. 6. It is important to note that collecting data on all 372 banks with data available on the first five corporate governance mechanisms (i.e., whether the CRO is a member of the executive board, the existence of a board risk committee, board size, board independence, and the (finance) background of board members) would not substantially increase sample size as the vast majority of the smaller banks do not report the necessary information in their annual report (e.g., on the line of reporting of the CRO). 7. Alternatively, we define ROA (ROE) as the banks’ cumulative net income over the 59 years 2007 to 2009, divided by total assets (the book value of equity) as of year end 2006. 8. The 49 banks use the following titles: Chief Risk Officer, Chief Strategy and Risk Officer, Chief Credit and Risk Officer, Global Risk Executive, Director of Risk Management, Chief Risk Manager, Executive Vice President – Risk Management, Executive VP – Finance & Risk, and Risk Management Officer. 9. A detailed analysis of the financial crisis of 2007/2008 is provided by Brunnermeier (2009). 10. See Section 407 “Disclosure of Audit Committee Financial Expert” of the Sarbanes-Oxley Act. 11. More detail results of our analysis, including regression tables, can be found in our paper Aebi et al. (forthcoming). O material e as opiniões constantes deste artigo são do autor e não refletem necessariamente as opiniões do Royal Bank of Scotland. E-mail: [email protected] Tel.: +31 6 51 39 99 07. Endereço: Group Credit Risk, Gustav Mahlerlaan 10, (HQ3108), 1000EA Amsterdam, the Netherlands. The material and the opinions presented and expressed in this article are those of the author and do not necessarily reflect views of Royal Bank of Scotland. E-mail address: [email protected] Tel.: +31 6 51 39 99 07. Address: Group Credit Risk, Gustav Mahlerlaan 10, (HQ3108), 1000EA Amsterdam, the Netherlands. Autores/Authors anos de 2007 a 2009 dividido pelo total do ativo (valor escritural do patrimônio líquido) no fim de 2006. 8. Os 49 bancos usam os seguintes títulos para o cargo: Chief Risk Officer, Chief Strategy and Risk Officer, Chief Credit and Risk Officer, Global Risk Executive, Director of Risk Management, Chief Risk Manager, Executive Vice President – Risk Management, Executive VP – Finance & Risk e Risk Management Officer. 9. Brunnermeier (2009) fornece uma análise detalhada da crise financeira de 2007/2008. 10. Ver a Seção 407, “Disclosure of Audit Committee Financial Expert”, da Lei Sarbanes-Oxley. 11. Maiores detalhes sobre nossa análise, inclusive tabelas de regressão podem ser encontrados no artigo Aebi et al. (no prelo). Gabriele Sabato Obteve seu Ph.D em Finanças pela Universidade de Roma “La Sapienza”. Enquanto doutorando, passou um ano na L.Stern School of Business, realizando pesquisas com o Prof E. Altman. Atualmente trabalha na Divisão Central de Risco de Crédito do Royal Bank of Scotland em Amsterdã. Antes, passou quatro anos como consultor da Experian Decision Solutions na Europa. O Dr. Sabato pode ser contatado por e-mail nos endereços [email protected] ou [email protected] Tel.: +31 6 51 39 99 07. Endereço: Group Credit Risk, Gustav Mahlerlaan 10, P.O. Box 283 (HQ2047), 1000EA Amsterdam, The Netherlands. Got the Ph.D in Finance at University of Rome “La Sapienza”. During his Ph.D he spent one year at L.Stern School of Business doing research with Prof E. Altman. Currently, he works in the Group Credit Risk of Royal Bank of Scotland in Amsterdam. Before this, he worked four years as consultant for Experian Decision Solutions in Europe. Dr. Sabato can be contacted by e-mail [email protected] or [email protected] Tel.: +31 6 51 39 99 07. Address: Group Credit Risk, Gustav Mahlerlaan 10, P.O. Box 283 (HQ2047), 1000EA Amsterdam, The Netherlands. Bibliografia/Bibliography 60 ADAMS, R.B., 2009, Governance and the financial crisis, ECGI – Finance Working Paper No. 248/2009, University of Queensland. ADAMS, R.B., e H. MEHRAN, 2003, Is corporate governance different for bank holding companies? Federal Reserve Bank of New York Economic Policy Review 9, 123-142. ANDRES, P., e E. VALLELADO, 2008, Corporate governance in banking: The role of the board of directors, Journal of Banking and Finance 32, 2570-2580. BANHAM, R., 2000, Top Cops of Risk. CFO 16, 91-98. Bank for International Settlement (BIS), 2006, International Convergence of Capital Measurement and Capital Standards, Basel. Bank for International Settlement (BIS), 2008, Principles for Sound Liquidity Risk Management, Basel. BEBCHUK, L.A., COHEN, A., e A. FERRELL, 2009, What matters in corporate governance? Review of Financial Studies 22, 783-827. Bebchuk, L.A., Cohen, A., e H. SPAMANN, 2010, The wages of failure: Executive compensation at Bear Stearns and Lehman 2000-2008, Working Paper, Harvard Law School. BELTRATTI, A., e R.M. STULZ, 2010, The credit crisis around the globe: Why did some banks perform better during the credit crisis?, Working Paper, Ohio State University. BHAGAT, S., e B.S. BLACK, 2002, The non-correlation between board independence and long-term firm performance, Journal of Corporation Law, 27, 231-273. BRANCATO, C., TONELLO, M., HEXTER, E., e K.R. NEWMAN, 2006, The role of U.S. corporate boards in enterprise risk management, The Conference Board Research Report No. R-1390-06-RR. BRICKLEY, J.A., COLES, J.L., e G. JARRELL, 1997, Leadership structure: Separating the CEO and chairman of the board, Journal of Corporate Finance 3, 189-220. BRUNNERMEIER, M.K., 2009, Deciphering the liquidity and credit crunch 2007-2008, Journal of Economic Perspectives 23, 77-100. CARHART, M.M., 1997, On persistence of mutual fund performance, Journal of Finance 52, 57-82. CREMERS, M., e A. FERRELL, 2010, Thirty years of shareholder rights and firm valuation, Working Paper, Yale School of Management. CUMMING, C., e B. MIRTLE, 2001, The challenges of risk management in diversified financial institutions, Federal Reserve Bank of New York Economic Policy Review 7, 1-17. DAHYA, J., e N.G. TRAVLOS, 2000, Does the one man show pay? Theory and evidence on the dual CEO revisited, European Financial Management 6, 85-98. DIAMOND, D.W., e R.G. RAJAN, 2009, The credit crisis: Conjectures about causes and remedies, American Economic Review 99, 606-610. ERKENS, D., HUNG, M., e MATOS, P., 2010, Corporate governance in the 2007-2008 financial crisis: Evidence from financial institutions worldwide, Working Paper, University of Southern California. FAHLENBRACH, R., e R.M. STULZ, 2011, Bank CEO incentives and the credit crisis, Journal of Financial Economics 99, 11-26. FAMA, E.F., e K.R. FRENCH, 1993, Common risk factors in the returns on stocks and bonds, Journal of Financial Economics 33, 3-56. FICH, E.M., e A. SHIVDASANI, 2006, Are busy boards effective monitors? Journal of Finance 61, 689-724. Financial Services Authority (FSA), 2008, Strengthening liquidity standards, London. Bibliografia/Bibliography 61 GÜNER, A.B., MALMENDIER, U., e G. TATE, 2008, Financial expertise of directors, Journal of Financial Economics 88, 323-354. GOMPERS, P., ISHII, J., e A. METRICK, 2003, Corporate governance and equity prices, Quarterly Journal of Economics 118, 107-155. GORTON, G., 2010, Slapped by the invisible hand, Oxford: Oxford University Press. HAU, H., e M.P. THUM, 2010, Subprime crisis and the board (in-)competence: Private vs. public banks in Germany, CESifo Working Paper No. 2640. HERMALIN, B.E., e M.S. WEISBACH, 1991, The effects of board composition and direct incentives on firm performance, Financial Management 20, 101-12. HERMALIN, B.E., e M.S. WEISBACH, 2003, Boards of directors as an endogenously determined institution: A survey of the economic literature, Federal Reserve Bank of New York Economic Policy Review 9, 7-26. HOECHLE, D., SCHMID, M., WALTER, I., e D. YERMACK, 2010, How much of the diversification discount can be explained by poor corporate governance? Working Paper, New York University. Institute of International Finance (IIF), 2007, Principles of liquidity risk management, Washington. KIRKPATRICK, G., 2009, The corporate governance lesson from the financial crisis, OECD Financial Market Trends Report. HASHAGEN, J., HARMAN, N., CONOVER, M., e J. SHARMA, 2009, Risk management in banking: Beyond the credit crisis, Journal of Structured Finance 15, 92-103. LAEVEN, L., e R. LEVINE, 2007, Is there a diversification discount in financial conglomerates? Journal of Financial Economics 85, 331-367. LEVINE, R., 2004, The corporate governance of banks: A concise discussion of concepts and evidence, World Bank Policy Research Working Paper No. 3404. MACEY, J.R., e M. O’HARA, 2003, The corporate governance of banks, Federal Reserve Bank of New York Economic Policy Review 9, 91-107. MYERS, S.C., 1977, Determinants of corporate borrowing, Journal of Financial Economics 5, 147-175. MICCOLIS, J., e S. SHAW, 2000, Enterprise risk management: An analytic approach, Tillinghast-Towers Perrin, New York. MILLER, K.D., 1992, A framework for integrated risk management in international business, Journal of International Business Studies 23, 311-331. MONGIARDINO, A., e C. PLATH, 2010, Risk governance at large banks: Have any lessons been learned? Journal of Risk Management in Financial Institutions 3, 116-123. NOCCO, B.W., e R.M. STULZ, 2006, Enterprise risk management: Theory and practice, Journal of Applied Corporate Finance 18, 8-20. ROSS, A., 2005, The evolving role of the CRO, Economist Intelligence Unit Report, London. SABATO, G., 2010, Financial crisis: Where did risk management fail?, International Review of Applied Financial Issues and Economics 2, 12-18. SCHMID, M.M., e I. WALTER, 2009, Do financial conglomerates create or destroy economic value?, Journal of Financial Intermediation 18, 193-216. SCHMID, M.M., e H. ZIMMERMANN, 2008, Leadership structure and corporate governance in Switzerland, Journal of Applied Corporate Finance 20, 109-120. WALKER, D., 2009, A review of corporate governance in UK banks and other financial industry entities, Final Recommendations. YERMACK, D., 1996, Higher market valuation of companies with a small board of directors, Journal of Financial Economics 40, 185-211. 62 62 Expansão do Crédito Impulsiona os Negócios no Varejo Credit Expansion Boosts Retail Sales Marcio Ferreira Torres 63 Estudo elaborado pela Serasa Experian avaliou cerca de 24.000 balanços de 6.600 empresas do varejo dos segmentos de farmácias, supermercados e postos de combustíveis, no período de 2005 a 2009. O objetivo foi o de apoiar o segmento de atacado traçando um perfil dos principais segmentos atendidos por eles, verificando os comportamentos e nível de risco a que seus clientes estão expostos. Como o segmento de varejo possui grandes investimentos em capital de giro, a análise iniciou por este tema e expandiu-se para os tradicionais indicadores financeiros para atender ao objetivo proposto pelo estudo. A Serasa Experian study analyzed close to 24 thousand balance sheets posted by 6,600 retail companies in the drugstore, supermarket and fuel station segments in the 2005-2009 period. The goal was to support wholesalers by profiling one of the main segments they serve and determining the behaviors and risk levels their customers face. Because retailers invest heavily in working capital, the analysis started from this aspect and expanded to the traditional financial indicators to meet the study’s proposed goals. Evolução Nominal do Capital de Giro - Fornecedores, Clientes, Estoques e Faturamento Working Capital - Nominal EvolutionSuppliers, Customers, Inventories and Sales 64 O desempenho do comércio varejista foi impulsionado pela expansão do crédito concedido pelas empresas aos seus respectivos clientes, que apresentou crescimento expressivo de 109,8% no período. Por estar mais perto do consumidor final, o varejo sentiu de perto o crescimento da demanda, favorecida pela expansão da massa salarial, derivada do aumento do emprego e do rendimento real da população. O segmento farmácias foi o grande destaque na expansão do crédito, com crescimento nominal acumulado de 227,1% do crédito concedido a clientes. Na sequência vieram os supermercados, alcançando 124,5%, seguidos dos postos de combustíveis, com 77,7%. Retailers’ performance was boosted by the expansion of the credit they extend to their customers, with a 109.8 percent increase during the period. Because they lie closer to end consumers, retailers were immediately affected by the increasing demand stemming from the growing wage mass that resulted from jobs growth and increased real income. Credit expansion was particularly noteworthy in the drugstores segment, with 227.1 percent accumulated nominal growth in store credit. Next came supermarkets, at 124.5 percent and fuel stations, at 77.7 percent 65 Evolução Real das Vendas Acumulada (%) - Base 100 = 2004 Real Accumulated Sales Evolution (%) - Base 100 = 2004 Com base nos dados do Instituto Brasileiro de Geografia e Estatística (IBGE), a participação do setor de comércio varejista no PIB foi de 10,2% em 2009, o que correspondeu a R$ 321,07 bilhões. A maior participação do setor havia ocorrido em 2006, quando atingiu 12,4%. A demanda dos supermercados evoluiu expressivamente durante o ano de 2009, o que favoreceu as vendas. O segmento investiu no aumento do mix de produtos oferecidos e na maior atuação de bandeiras especializadas na população de baixa renda, o que determinou a alta mais intensa do faturamento. As vendas de produtos farmacêuticos foram beneficiadas, além da expansão do crédito, pelo crescimento da renda média do trabalhador, que facilitou o acesso da população ao consumo de medicamentos e pelo aumento das vendas de genéricos. Os principais fatores que favorecem os genéricos são o menor custo ao consumidor; a maior confiança da população em relação aos genéricos e a ampliação do mix de produtos genéricos no mercado. Based on Brazilian Geography and Statistics Institute (IBGE) data, retail had a 10.2 percent share of GDP in 2009, or R$ 321.07 billion. The industry’s highest share occurred in 2006, with 12.4 percent. Demand from supermarkets evolved significantly in 2009, which favored sales. The segment invested in an expanded mix of merchandise and increased activity from brands focused on lower-income consumers, leading accelerating sales growth. In addition to credit expansion, pharmaceutical goods sales also benefited from the growing average income of workers, which facilitated access to medicine and, and from increased generic drugs sales. The main factors boosting generic drugs include lower cost to consumers; growing confidence in generics; and the expanded mix of generic drugs available from the marketplace. 66 O recuo de 7,4% da atividade industrial, ao longo de 2009, foi responsável pelo resultado pouco expressivo das vendas de combustíveis, por comprometer a movimentação de cargas nas rodovias brasileiras. A elevação dos preços ao consumidor final, que não acompanhou a inflação, foi outro aspecto relevante. O desempenho foi positivo devido ao aumento da frota de veículos leves. The 7.4 percent drop in manufacturing activity in 2009 was responsible for the inexpressive results in fuels sales, as it limited freight on Brazilian highways. Consumer prices, which failed to keep up with inflation, was another relevant aspect. The segment’s performance was positive as a result of the growing fleet of light vehicles. Geração de Caixa - EBTIDA (%) em relação as vendas líquidas Cash Generation - EBITDA (%) as percentage of net sales O crescimento da concorrência e as alterações de comportamento e hábitos dos consumidores têm sido fundamentais nas mudanças no setor varejista. Para enfrentar a forte concorrência, empresas têm se unido na criação de centrais de compra, visando negociar melhores preços com a indústria e ampliar a área de atuação, investindo em atividades de marketing, tecnologia, gestão de estoques e logística. Por outro lado, a pressão da concorrência impacta nas margens das empresas. O estudo revela queda da margem EBITDA das empresas, que atingiu 2,9% em 2009. O destaque positivo foi o seg- Growing competition and changing consumer behaviors and habits have been crucial to changes in the retail industry. To face the stiff competition, companies have been joining together to create procurement centers in an attempt to secure better prices. They have also been investing in marketing, technology, inventory management and logistics. On the other hand, competitive pressures have an impact on margins. The study shows a drop in the industry’s EBITDA margin, which reached 2.9 percent in 67 mento de combustíveis que apresentou margem EBITDA de 3,4%; supermercados e farmácias que enfrentam grande concorrência - apresentaram margens EBITDA ligeiramente inferiores, 2,7% e 2,1% respectivamente. 2009. The best results lie with the fuels segment, with 3.4 percent EBITDA; supermarkets and drugstores – which face massive competition – had slightly lower EBITDA margins of 2.7 percent and 2.1 percent respectively. Endividamento - Capital de Terceiros/Capital Próprio (%) - Dívida com Instituições Financeiras/Capital Próprio (%) Indebtedness - Third Parties’ Funds/Own Funds (%) - Debt with Financial Institutions/Own Funds (%) 68 A consequência da expansão do crédito e, também, da redução das margens, é o aumento do endividamento das empresas, o que denota uma maior exposição ao risco. O segmento mais endividado é o de farmácias, que atingiu em 2009 o maior nível, com 266%. Supermercados e postos de combustíveis apresentaram endividamentos de 209% e 129%, respectivamente. O perfil do endividamento mostrou uma maior participação de recursos oriundos do sistema financeiro, em relação aos recursos próprios, em 2009. Os financiamentos bancários das empresas representaram cerca de metade do capital próprio em 2009, contra 24%, em 2005. The consequence of expanding credit and of slimming margins is an increase in business firms’ indebtedness, which denotes higher exposure to risk. The most indebted segment is drugstores, which reached record levels in 2009, at 266 percent. The figures for supermarkets and fuel stations are 209 percent and 129 percent, respectively. Indebtedness profiles show additional funds from the financial system in 2009 relative to own funds. The industry’s bank credit were nearly half their own funds in 2009, from 24 percent in 2005. Evolução do Capital de Giro - Valores em R$ bilhões Working Capital Evolution - Figures in R$ billion Capital de Giro 2004 Working Capital 2004 Ativo Assets Capital de Giro 2009 Working Capital 2009 Passivo Liabilities Ativo Assets Passivo Liabilities Clientes Customers 2.0 Fornecedor Supplier 3.1 Clientes Customers 4.1 Fornecedor Supplier 5.1 Estoques Inventories 3.2 A Financiar Required 2.1 Estoques Inventories 5.3 A Financiar Required 4.3 Total 5.2 Total 5.2 Total 9.4 Total 9.4 69 A política de vendas a prazo tornou-se essencial para que as empresas atinjam seus objetivos de participação de mercado. Entretanto, o não recebimento dos créditos concedidos tem impactos importantes e, em alguns casos, arrasadores em seus resultados, com reflexos negativos em toda cadeia. O estudo revelou que a expansão do capital de giro, somente nas empresas da amostra, quase dobrou no período observado. Esta expansão, em parte, é suprida naturalmente pelos fornecedores, mas o saldo a ser financiado mais que dobrou, alcançando em 2009 a cifra de R$ 4,3 bilhões. Normalmente esta parcela acaba sendo suprida por financiamentos bancários, o que aumenta ainda mais a vulnerabilidade das empresas e o risco de maiores perdas. Diante deste quadro, é fundamental a existência de uma gestão eficaz dos riscos de crédito e a utilização de ferramentas eficientes para tomada de decisão em todos os estágios do ciclo de negócios. O estudo destaca que as empresas apresentaram desempenho de vendas melhor, justificado pela expansão do credito, porém, com menores resultados e estruturas de capital alavancadas, o que demonstra o grande desafio para as empresas com aumento da exposição ao risco. A grande dúvida é saber se a contínua elevação do patamar de negócios, baseada na expansão do crédito, está sendo bem administrada pelos principais players do segmento. O mercado já conhece e utiliza os instrumentos de aferição, monitoramento e mitigadores de risco, mas a disseminação destas boas práticas é tarefa árdua, pois interfere na postura e na cultura das empresas cujo modelo de gestão, em boa parte delas, vem dando certo ao longo do tempo. A rápida mudança dos mercados, seja por impactos internos ou até mesmo externos, vem sofisticando cada vez mais a forma de conduzir os negócios, tanto internamente, como no trato diário Term sales policy became essential for companies to reach their market share goals. However, the effects of failure to collect the credit extended are significant and, in some cases, devastating, with impact throughout the chain. The study shows that working capital expansion for the sampled companies alone almost doubled in the period. Part of this expansion is naturally met by suppliers, but the financed balance more than doubled to R$ 4.3 billion in 2009. This portion is usually funded with bank financing, which further increases vulnerability and creates a risk of greater losses. In the light of the above, the presence of effective credit risk management and the use of efficient decisionmaking tools are crucial at all stages of the business cycle. The study shows that firms have reported better sales performance as a result of credit expansion, but with lower profits and leveraged capital structures, illustrating the great challenge firms face from increased risk exposure. The question is whether the segment’s leading players are properly managing their continued increase in business levels based on credit expansion. The market already knows and uses risk measurement, monitoring and mitigation instruments, but disseminating this best practice is an arduous task insofar as it interferes with the attitude and culture of firms whose business models has largely been working over time. The market’s quick changes, be they due to internal or external impacts, leads to increasingly sophisticated ways of doing business, both internally and in the 70 com os clientes e com o mercado em geral, e pode pegar desprevenidas até mesmo empresas bem administradas, e com maior intensidade as empresas que insistem na mesmice de modelos obsoletos de gestão, cujas decisões podem afetar players importantes ou até toda cadeia de negócios. Segue o perfil da amostra utilizada no presente estudo. daily handling of customers and the market overall. And if they may surprise even well managed companies, what of those that insist in obsolete management models whose decisions may affect important players, or even the entire business chain. We provide, next, the profile of the sample used in this study. Perfil da Amostra Autor/Author Sample Profile Marcio Ferreira Torres Ingressou na área de crédito bancário após a graduação em Administração de Empresas. Especializou-se em finanças pela EAESP-FGV tendo direcionado seus trabalhos acadêmicos para análise de empresas com foco em crédito. Atualmente é Gerente Especialista em Análise de Crédito da Serasa Experian. Ministra aulas de finanças nos cursos de pós- graduação da Escola Superior de Propaganda e Marketing. Entered the bank credit area after his graduation from Business School. He specialized in finance at EAESP-FGV, with academic work targeted at firm analysis with emphasis on credit. He is now Credit Analysis Expert Manager at Serasa Experian. He is also a finance o professor at Escola Superior de Propaganda e Marketing’s post-graduate programs. 71 Desafios de Modelagem de LGD LGD Modeling Challenges Carlos Antonio Campos Nogueira 72 Resumo Abstract De acordo com os termos do Acordo de Basiléia 2, as instituições financeiras que desejarem migrar suas carteiras de crédito para modelos internos (IRB ou Internal Ratings Based) deverão desenvolver modelos de LGD (Loss Given Default) para – pelo menos - o segmento de varejo (no caso das IFs que migrarem para a abordagem básica - Foundation ou FIRB) ou para todos os segmentos, caso optem pela abordagem avançada (Advanced ou AIRB). As normativas locais, a iniciar pelo Comunicado 18.365 do BACEN, e incluindo o Edital nº 37 ora em audiência pública, refletem a posição das autoridades locais no sentido de seguir a rigor as diretrizes do Acordo, sem adaptação. According to Basel II, financial institutions that wish to migrate their credit portfolios to Internal Ratings Based (IRB) Models must develop Loss Given Default (LGD) models for the retail segment at least (in the case of FIs migrating to the foundation approach – FIRB), or for all segments, should they choose the Advanced approach (AIRB). Local regulations, beginning with Central Bank Communiqué No. 18.365 and including Edital No. 37 currently at the public hearing stage, reflect the local authorities’ intent to follow the Accord’s guidelines to the letter and free from adaptations. Palavras-chave: Internal Rating Based(IRB), Loss Given Default (LGD). Key-words: Internal Rating Based(IRB), Loss Given Default (LGD). Pode-se calcular a LGD por métodos implícitos ou indiretos, como por exemplo, quando se tem a PD já calculada, e o histórico do percentual de perda esperada da carteira/ pool, conforme a expressão a seguir: LGD can be calculated implicitly, or indirectly, such as when PD has already been calculated and the expected percentage loss for the portfolio/pool is known, according to the expression: LGD = Pef/PD onde Pef é a perda percentual efetivamente incorrida, historicamente calculada, na carteira/pool em questão. Esse método contorna a necessidade de modelar diretamente a LGD, bastando manter estatísticas sobre dados históricos de perda realizada e modelar apenas a PD. Entretanto, as IFs têm se orientado, local e internacionalmente, para uma modelagem direta e explícita da LGD. Para tanto, é necessário constituir uma base histórica de LGDs efetivas, Where Pef is the historically calculated effective percentage loss for the portfolio/pool in question. This method circumvents the need to model LGD directly, and requires simply keeping statistical records of historic effective loss data and modeling PD only. However, local and international FIs have tended to model LGD directly and explicitly. To this end, they must build a historic database of effective LDGs that 73 will provide the basis for modeling. This early step, which is perhaps the most demanding from the IT requirements perspective, implies explicit or direct calculation, ascertaining LGD from its fundamental elements obtained from appropriate event records (collection expenses, collateral execution and receipts) over the course of the recovery of defaulted transactions. This entire methodological process is called “workout LGD”. For the purposes of this article, any references to LGD mean workout LGD. A comprehensive analysis of the topic of LGD would be extensive and complex. In this article, we focus on emphasizing its most important and relevant aspects as concerns both calculation of effective LGDs and the methods used to generate models resulting in reliable predictions of their future value. que servirão de base para a modelagem. Essa primeira etapa, talvez a mais exigente do ponto de vista de demandas sobre TI, implica o cálculo explícito ou direto, apurando o valor da LGD a partir de seus constituintes fundamentais, obtidos a partir do registro apropriado dos eventos (despesas de cobrança, execução de garantias e recebimentos) ao longo do processo de recuperação de operações em default. A todo esse conjunto metodológico dá-se o nome de “LGD de workout”. Daqui por diante, ao longo deste artigo estaremos nos referindo sempre à LGD como sendo a de “workout”. Uma abordagem completa sobre o tema LGD é necessariamente extensa e complexa. Neste artigo estaremos nos concentrando em ressaltar os aspectos mais importantes e que requerem mais atenção, tanto no cálculo das LGDs efetivas quanto nos métodos utilizados na elaboração de modelos que apresentem previsões confiáveis do seu valor futuro. Effective LGD Calculation Sobre o Cálculo das LGDs Efetivas By definition, effective LGD is calculated as one minus the ratio of recovered amounts net of recovery costs to exposure at default (EAD), where the values that make up the numerator must be determined and discounted to the date of default, according to the formula: Por definição, calcula-se o valor realizado da LGD realizada como a diferença, para a unidade, da razão dos valores recuperados, descontados os custos e recuperação, em relação ao valor em default (EAD), sendo que os valores que compõem o numerador devem ser apurados e convertidos – por uma taxa de desconto – para valores na data de default. Em resumo, de acordo com a seguinte fórmula: LGD Realizada = 1 - [ ∑ R (t ) - ∑ P (t ) ] / EAD Effective LGD = 1 - [ ∑ R (t ) - ∑ P (t ) ] / EAD i i i i d d k k k k d d 74 Onde: • Ri(td) são recuperações (recebimentos, execuções de garantias, reestruturações), trazidas pela taxa de desconto td ao valor “presente” na data de reconhecimento do default. • Pk(td) são pagamentos/desembolsos relacionados a custos incorridos na recuperação (cobrança, execução, reestruturação). • td é a taxa de desconto utilizada para trazer os valores à data de reconhecimento do default. Abordaremos mais adiante as opções e os fatores que devem ser considerados na escolha deste parâmetro. • EAD é o valor contábil da exposição na data de default. Neste caso estamos nos referindo à EAD efetiva e não a previsão dos modelos de EAD, que levam em conta não apenas o saldo contábil corrente como também a previsão de utilização (numa data de default futura) de valores adicionais off balance disponíveis (ainda não utilizados) na linha de crédito (compromissos de crédito undrawn). Pode-se optar por desconsiderar valores negativos de LGD. É o que chamamos de LGD restrita positivamente ou “censurada”. LGD Realizada (restrita) = Máx { 1 - Where: • Ri(td) are the recoveries (receipts, collateral executions, restructurings), adjusted to “present” value on the date of acknowledgement of the default at discount rate td. • Pk(td) are payments/disbursements relative to costs incurred during the recovery process (collection, foreclosure, restructuring). • td is the discount rate used to adjust the figures to the date of acknowledgement of the default. Further ahead, we will address the choices and factors to be considered in selecting this parameter. • EAD is the book value of the exposure on the date of default. In this case, we mean effective EAD, not that forecast by EAD models, which take into account not only the existing accounting balance, but also the predicted usage, on a future date of default, of available additional (unused) offbalance amounts on the facility (undrawn credit commitments). We may choose to disregard negative LGDs. This is what is referred to as positively restricted, or “censored”, LGD. [ ∑ R (t ) - ∑ P (t ) ] / EAD , 0 } Effective LGD (restricted) = Max { 1 - Estamos falando aqui de exclusão apenas para efeito de utilização na construção dos modelos preditivos, já que os dados de LGD negativos continuam povoando a base de dados. Na verdade, a adoção da LGD positivamente restrita é considerada prudencial e muitos reguladores acabam por exigi-la. i i d k k d [ ∑ R (t ) - ∑ P (t ) ] / EAD , 0 } i i d k k d This exclusion is solely for the purposes of predictive model construction, since the negative LGD data will remain in the database. In fact, adoption of censored LGD is considered prudent and many regulators actually require it. 75 Pode-se também simplesmente excluir da base as LGDs negativas (o que se chama de arquivo de referência - ou RDS em inglês – “truncado”), mas isso implica a alteração da definição de default, o que pode ser inconveniente para a IF ou inaceitável do ponto de vista regulatório. Não é incomum encontrar IFs que utilizem a LGD positivamente restrita, por ser mais conservadora, no cálculo de capital regulatório e/ou econômico, embora usem os valores negativos quando tratando a precificação de seus produtos/instrumentos. Vamos abordar a seguir, com mais detalhes, os 4 principais componentes das fórmulas apresentadas. Recuperações - Potenciais Dificuldades Talvez o primeiro e mais comum obstáculo para o cálculo das recuperações seja a dificuldade de obtenção do registro histórico dos dados pertinentes. Os recebimentos (pagamentos efetuados pelo devedor) são provavelmente os mais fáceis, visto que os sistemas aplicativos que suportam os produtos usualmente mantêm o vínculo de informação de recebimentos a contratos. A dificuldade cresce quando a recuperação é parcial ou totalmente tratada como uma reestruturação da dívida em novos contratos que envolvem muitas vezes novos produtos/linhas. Nesse caso, os recebimentos futuros relativos ao novo contrato devem ser tratados pelos sistemas de forma a caracterizarem (pelo menos em parte) recuperações do antigo contrato em default, o que obriga à manutenção de vínculos entre contratos, funcionalidade nem sempre disponível em muitos dos sistemas aplicativos. Finalmente, há as recuperações totalmente non-cash, como é o caso de execução e apropriação de garantias reais (imóveis, máquinas, etc.). Nesse caso existem dois problemas. We may also eliminated negative LGDs from the database (this is referred to as a “truncated” reference file, or RDS), but this implies changing the definition of default, which may be inconvenient for the FI or unacceptable to regulators. It is not unusual for FIs to use the more conservative censored LGD to calculate regulatory and/or economic capital, although they do use negative ones for the purposes of product/instrument pricing. Ahead, we will address the four main components of the formulas above in greater detail. Recoveries - Potential Difficulties The first and most common obstacle to calculating recoveries may lie in difficulties obtaining historical records of the relevant data. Receipts (payments made by the obligor) are probably easiest, given that the application systems that support products usually preserve the information links between receipts and contracts. The difficulty increases when a recovery is fully or partly treated as a debt restructuring, with new contracts that often involve new products/lines. In this case, the systems must treat the future receipts on the new contract in such a manner as to characterize them (at least in part) as recoveries of the former defaulted contract, which requires maintaining links between contracts, a feature not always available in many application systems. Finally, there are fully non-cash recoveries, such as foreclosures and seizure of collateral (property, machinery,.). Two problems arise in this case. One con- 76 O primeiro relativo à vinculação da garantia ao contrato em default, que pode ser especialmente complexo no caso de “pools” de garantias que cobrem vários contratos (muito comum em operações de atacado, empréstimos especiais e HVCRE). Normalmente este problema é tratado na forma de rateio proporcional aos contratos cobertos. Outro problema é o da valoração da garantia para efeito de definição do valor recuperado. Muitas vezes, especialmente no caso de garantias em “pools”, o processo de execução é lento e o de venda dos ativos apropriados em leilão é mais demorada ainda. Uma abordagem amplamente adotada é a de valorar a garantia no momento de apropriação, aplicando um haircut de mercado (ou modelado internamente a partir de experiências similares anteriores) correspondente ao percentual esperado de perda em venda forçada (leilão). Esse método apresenta várias vantagens, entre elas: Evita-se a necessidade de manter informações de recuperação e custos de um mesmo processo de workout por períodos muito longos, o que poderia acarretar perda de dados por expiração do prazo de retenção da base (RDS). Pode haver mudanças nas regras utilizadas no processo de workout (ex.: mudanças na taxa de desconto) após a apropriação do bem, algo tão mais provável quanto maior for o intervalo de tempo até a venda efetiva em leilão. Isso obrigaria a manter históricos de re- cerns linking the collateral and the defaulted contract, which may be particularly complex in the case of collateral pools covering several contracts (which is very common in wholesale operations, special loans and HVCRE). This issue is usually solved by means of pro-rata distribution among the contracts covered. Another problem lies in valuating the collateral for the purposes of defining the recovered amount. Often, especially in the case of pooled collateral, the foreclosure process is slow and auctioning off the seized assets takes Eric even longer. One widely accepted approach is to valuate the collateral at the time of seizure, using a market haircut (or another modeled internally based on similar previous experiences) corresponding to the expected percentage loss for distress sale (auction). This method has several benefits, including: Avoiding the need to maintain recovery and cost information on a single workout process for long periods of time, which might lead to data loss due to base retention term expiration (RDS). The rules applicable to the workout process (e.g.: changes in the discount rate) may change after seizure of the asset, which is more likely as the time delay to effective auction sale. This would require maintaining rules and rates his- 77 gras e taxas, aumentando exponencialmente a complexidade dos sistemas envolvidos. Finalmente, mas não menos importante do ponto de vista operacional, deve-se considerar que a venda da garantia, após apropriação pela IF normalmente envolve subsidiárias ou terceiros, o que pode dificulta a integração de informações. Outro problema relativo a recuperações é a definição do ponto de corte, a partir do qual o processo de workout é considerado encerrado (e o resíduo é lançado para perda ou write off). As IFs acabam por utilizar critérios combinados de tempo e valor, combinados. Ex: se mais de 95% foi recuperado, já se passaram 18 meses sem recebimento adicional, não existe mais nenhuma garantia real (colateral) ou fidejussória a ser executada, e qualquer nova ação de cobrança implica novos custos, então o workout é considerado completo. A LGD assume valor final e o resíduo é lançado a prejuízo. Caso venham a ocorrer recuperações futuras extemporâneas, elas serão lançadas a resultado e poderiam atualizar o cálculo da LGD, mas por razões de inconveniência operacional (recálculo retroativo de LGDs, atualização do modelo, etc.) isso é usualmente descarado. Custos - Diretos e Indiretos Normalmente os custos diretos (ex.: impostos e taxas incorridos na execução e apropriação de garantias) são informações disponíveis e vinculáveis (ao contrato em recuperação) com relativa facilidade e a principal preocupação é mantê-los dentro do prazo necessário para a conclusão do workout, mesmo que isso signifique exceder o prazo normal de retenção de dados no RDS (ex:5 anos). Entretanto, podem surgir dificuldades significativas para produtos/linhas cujos custos de execução de garantias variem muito e/o sejam de difícil registro (ou o custo do registro no RDS e nos sis- tories, exponentially increasing the complexity of the systems involved. Finally, but no less important from the operational perspective, bear in mind that sale of the collateral after seizure by the FI usually involves subsidiaries or third parties, which may create obstacles to information integration. Another issue in connection with recoveries is the definition of the cutoff after which the workout process is deemed complete (with the write-off of any residuals). FIs usually end up relying on combined time and worth criteria. For example, recovery exceeds 95 percent, if 18 months go by with no additional receipts, if no additional collateral or guarantee remains, and if any new collection measure implies new, a workout is deemed complete. LGD assumes its final value and any residuals are written off. Should any future recoveries occur, these will be accounted as profits and may be used to update LGD calculations, but, for operational convenience reasons (retroactive LGD calculation, model updating, etc.), this is not usually the case. Costs - Direct and Indirect Direct costs (e.g.: taxes and charges incurred in filing for an seizing collateral) are readily available information that can be tied to the contract under recovery with relative ease; the main concern lies in keeping the for the duration needed for complete the workout, eve if this means exceeding the normal data retention period at the RDS (e.g. 5 years). But significant difficulties may emerge for products/facilities whose collateral execution costs vary widely and/or are difficult to record (or whose cost of entry into the RDS and application systems makes re- 78 temas aplicativos não compense). Isso é mais comum em produtos/linhas relativos ao financiamento de bens duráveis para pessoas físicas e ou maquinário para micro e pequenas empresas (ex. para instalação da cozinha de um restaurante). Nesse caso, a solução é utilizar como referência os custos de um produto/linha similar, para o qual os dados estejam disponíveis, e eventualmente construir um modelo que faça previsão dos custos para o produto/linha em questão. Já os custos indiretos (ex: despesas gerais de manutenção de um departamento jurídico) apresentam dificuldades bem maiores, muitas vezes exigindo a execução de rateios complexos, além dos modelos já mencionados para o tratamento dos custos diretamente alocáveis. Nesse caso, muitas vezes as IFs podem – e devem recorrer a fontes externas (empresas de outros segmentos ou empresas de informações financeiras) para a obtenção de parâmetros de referência para esses custos. Sobre a Escolha da Taxa de Desconto A escolha da taxa de desconto td é de importância fundamental para o cálculo das LGDs, especialmente em carteiras cujo processo de recuperação (workout) é tipicamente longo (ex: carteiras hipotecárias). O Acordo de Basiléia, pelo menos até a sua versão revisada de 2006, não é prescritivo com relação ao tema, limitando-se a delinear algumas diretrizes para a escolha. Os reguladores nacionais, por sua vez, adotaram em geral a mesma atitude, e o mesmo deverá ocorrer com o Banco Central do Brasil, tendo em vista a minuta sobre o IRB recentemente lançada em audiência pública (Edital nº 37). Talvez a principal orientação seja a de tentar deixar o valor da taxa mais próximo possível do que cording not worth the while). This is more often the case in connection with products/ facilities associated with durable consumer goods financing and/or machinery financing for micro and small enterprises (e.g.: installation of a restaurant’s kitchen). In this case, the solution is to use as a reference the costs of a similar product/facility whose data are available and, in some cases, to build a model capable of predicting the costs for the product/facility in question. Indirect costs (e.g.: a legal department’s general maintenance expenses) in their turn are far more difficult to address and often require complex proportional distributions, in addition to the models already mentioned in connection with directly assignable costs. In this case, FIs often can – and should – resort to outside sources (businesses in different segments or financial information providers) to obtain benchmark figures. Selecting a Discount Rate Selection of the discount rate td is crucial to calculating LGDs, especially for portfolios whose workout is usually lengthy (e.g.: mortgage portfolios). The Basel Accord, at least until its 2006 review, is prescriptive on the subject and simply provides a few guidelines for the selection of this rate. National regulators have generally taken the same attitude and this should be the case for the Central Bank of Brazil, based on the draft document on IRB recently disclosed for public hearings (Edital No. 37). The main guidance is perhaps to attempt to make this rate as close as pos- 79 refletiria o custo de oportunidade de aplicação do valor em default (EAD) ou da parcela de recuperação ou custo que está sendo adicionada ao cálculo. Nessa linha, uma opção normalmente descartada, especialmente pelos reguladores, é a taxa livre de risco. O impacto da escolha é substancial no cálculo do capital regulatório e/ou econômico, bem como na precificação dos respectivos instrumentos. Um estudo conduzido por Moral e Oroz em 2002, com base em hipotecas no mercado financeiro espanhol, demonstra que variações da ordem de 1% na taxa anual de desconto provocam alterações de até 8% na LGD. Muitas alternativas têm sido utilizadas, e podem ser agrupadas, de forma simplificada em duas categorias principais: • As taxas históricas, para as quais um valor (ou uma curva temporal) é estabelecida e fixada para cada produto/linha, sendo os cálculos das LGDs efetuados com base sempre na mesma taxa ou curva (até que elas sofram uma atualização periódica, digamos, anual). • As taxas correntes, que usam valores dinâmicos, seja para um valor único ou para uma curva temporal, apurados sempre no momento da estimativa da LGD. Entre as alternativas da categoria histórica temos: • A taxa do contrato em default no momento da geração do mesmo. Essa opção tem sido criticada internacionalmente com base no argumento de que a taxa original do contrato não reflete adequadamente o risco do mesmo pós-default. Entretanto, com as metodologias de cálculo de spread adotadas no mercado brasileiro, esse argumento perde muito de seu fundamento. • A taxa utilizada em uma carteira de ativos similares (quando não houver dados suficientes para a carteira em questão) • A taxa livre de risco adicionada a um valor “prêmio” de risco (mais sobre tal valor adiante no texto). sible to the opportunity cost of the EAD or of the share or recovery or cost that is being added to the calculations. In this sense, one choice the is often discarded, particularly by regulators, in the risk-free rate. This choice has significant impact on the calculation of regulatory and/or economic capital, as well as on the pricing of instruments. A study 2002 Moral and Oroz study on Spanish mortgages shows that changes of 1% in the annual discount rate cause changes of up to 8% in LGD. Many alternatives have been used, and they can be grouped into two main categories: • Historic rates, for which an amount (or time curve) is set end fixed for each product/facility, with LGD calculations done based on the same rate or curve (until they undergo periodic – say, annual – review). • Current rates, which use dynamic values for either a single figure or a time curve, such values to be ascertained at the time of LGD estimation. The historic category includes: • The rate of the defaulted contract at the time of its origination. This choice has fallen under international criticism based on the argument that the contract’s original rate does not accurately reflect post-default risk. However, given the spread calculation methodologies used in the Brazilian context, the argument loses much of its strength. • The rate applied to a portfolio of similar assets (when no sufficient data exist for the portfolio in question). • The risk-free rate plus a risk premium (more on this further ahead). 80 Seguem alguns exemplos de alternativas da categoria corrente, tipicamente médias apuradas no momento do cálculo da LGD: • Média da taxa livre de risco, à qual se adiciona um spread representativo do último ciclo de crédito. • A taxa média de ativos similares (no caso de insuficiência de dados relativos ao ativo sobre o qual está se calculando a LGD). • Uma taxa de captação de mercado à qual se adiciona um valor corrente de spread para o ativo em questão. Sobre o cálculo do valor “prêmio” de risco, componente da taxa de desconto como aditivo à taxa livre de risco, muito tem se discutido e várias metodologias de cálculo coexistem no momento. Entretanto, algumas diretrizes parecem confirmadas em consenso pela prática de mercado (vide Peter Miu e Bogie Ozdemir, Agosto de 2007), especificamente sobre os fatores que mais influenciam o valor do prêmio de risco, entre eles: • O rating do devedor. Ratings elevados normalmente implicam grandes incertezas na recuperação, recomendando prêmios maiores. • Para defaults ocorridos em períodos de estresse, sejam microeconômicos (de segmento de indústria) ou macroeconômicos deve-se utilizar prêmios maiores. • Embora as análises de regressão histórica não suportem um prêmio maior para operações clean, aconselha-se, de forma conservadora, uma diferenciação por questões decorrentes das restrições de dados utilizados em tais estudos. • Recuperações efetivas, calculadas historicamente, apresentam elevada dispersão estatística, o que torna pouco recomendável a utilização de médias (pouco representativas), quando há poucos dados envolvidos. Nesse caso, aconselha-se o alinhamento com dados de mercado ou por comparação com carteiras similares (para as quais os dados são abundantes e as médias estatisticamente significantes). Some examples of the current category, which are typically averaged at the time of LGD calculation, include: • Mean risk-free rate plus a spread representing the past credit cycle. • The average rate of similar assets (in the presence of insufficient data on the asset whose LGD we are calculating). • A market fund-raising rate plus a current spread for the asset in question. There has been much debate about the calculation of the risk premium, a component of the discount rate that is added to the risk-free rate, and several different calculation methodologies coexist. Some general guidelines, however, appear to be backed by consensus market practice (see Peter Miu and Bogie Ozdemir, August 2007), in particular the factors that most influence its value, which include: • The obligor’s rating. High ratings normally imply high recovery uncertainty and recommend higher premiums. • For defaults had in periods of stress, be thy micro- (industry segment) or macroeconomic, higher premiums should apply. • Although historic regression analyses do not support higher premiums for clean operations, for the sake of conservativeness it is recommended to differentiate on the grounds of issues arising from restrictions on the data used in such studies. • Historically calculated effective recoveries are highly statistically disperse, which makes the use of averages (low representativeness) unadvisable when small data volumes are involved. In this case, the recommendation lies in alignment with market data or comparison with similar portfolios (with abundant data and statistically significant averages). 81 Sobre a Modelagem das LGDs Uma vez tendo calculado as LGDs efetivas e as alimentado no arquivo de referência (RDS), o passo seguinte é o da construção de modelos estatísticos que gerem como output previsões de valores de LGD para as carteiras/ pools que a IF pretende migrar para o IRB. O tema é recente e ainda em desenvolvimento, com discussões ativas mesmo nas premissas fundamentais das metodologias empregadas na modelagem. Vamos nos limitar aqui a apresentar algumas variáveis utilizadas como input e às formas de inclusão da LGD de downturn, dois temas fundamentais para o processo de modelagem. Variáveis de Input dos Modelos Obviamente não existe uma lista única de tais variáveis, visto que produtos/instrumentos e carteiras/pools diferentes exigirão conjuntos distintos de variáveis. A tarefa de definição desses conjuntos é objeto de projetos dedicados e demandante da alocação de uma equipe de profissionais com perfil e conhecimento específicos. Entretanto, algumas que parecem comuns à maioria dos modelos são as seguintes: • Informações sobre garantias reais tais como tipo, valor de mercado (média e desvio padrão), liquidez (tempo de execução e liquidação) haircut de venda forçada. • Tipo do instrumento (inclusive trata-se de cota sênior ou subordinada, quando aplicável). • Rating e demais informações cadastrais e comportamentais do devedor (incluindo posições em outras linhas/produtos na mesma IF). • Informações sobre o segmento de indústria do devedor. • Informações macroeconômicas. LGD Modeling Once the effective LGDs have been calculated and fed into the reference file (RDS), the next step is to build statistical models to generate predicted LGD values for te portfolios/pools the FI plans to migrate to IRB. The subject is recent and still developing, with active discussions even about the modeling methodologies’ basic assumptions. This article will limit itself to introducing some of the input variables and the ways to include downturn LGD, both of which are crucial topics for the modeling process. Input Variables There is obviously not a universal list of input variables, given that different products/instruments and portfolios/pools require different variable sets. The definition of these sets is the purpose of dedicated projects and requires allocating a team of professionals with the appropriate profile and skills. A few variables that most models seem to share are: • Information on collateral, such as type, market value (average and standard deviation), liquidity (seizure and liquidation time), distressed sale haircut. • Instrument type (including whether the quota is senior or subordinated, where applicable). • Rating and other reference and behavioral information on the obligor (including positions in other facilities/products with the same FI). • Information on the obligor’s industry segment. • Macroeconomic information. 82 Aplicação de Ajustes para a Produção da LGD de Downturn Adjustments to Generate Downturn LGD O Acordo de Basiléia apresenta como requerimento a aplicação de fatores de ajuste que reflitam as fases de baixa do ciclo econômico ao cálculo da LGD. Tais ajustes decorrem da necessidade de traduzir a correlação existente entre a elevação da frequência de default durante os períodos recessivos do ciclo e a subsequente elevação das perdas no processo de recuperação das posições em default. A forma de aplicar tal ajuste ao cálculo da LGD tem sido amplamente discutida na indústria e entre reguladores. Há três linhas básicas para abordar o problema, essencialmente: • A IF identifica e seleciona, no histórico do seu RDS, períodos de estresse com elevadas taxas de default. A partir daí calcula a média ponderada (pelo número de defaults) da LGD sobre esses períodos. Compara com a média da LGD calculada sobre todos os períodos contidos no RDS. Daí deduz o fator de ajuste. • A IF incorpora no seu modelo de LGD, como variável de input, a taxa de default, criando assim um modelo de LGD “estressável” a partir da informação, como input, de uma taxa de default relativa a um período de estresse. • Incorporar de forma explícita a correlação entre PD e LGD na fórmula de cálculo do fator de ponderação de risco K. A fórmula contida na versão atual do Acordo não contempla tal correlação. Novamente, há vários prós e contras de cada uma das três abordagens acima, e a utilização de uma ou outra vai depender das práticas, produtos e linhas de cada IF, sendo a escolha uma das atividades de um projeto de desenvolvimento dos modelos de LGD. The Basel Accord requires the application of adjustment factors to reflect economic downturn in LGD calculation. These adjustments arise from the need to translate the correlation between increased default frequency during recessive periods and the subsequent increase in recovery losses from defaulted positions. The way to apply such an adjustment to LGD calculation has been the topic of ample debate both within the industry and among regulators. There are three basic approaches to the problem: • The FI identifies and selects from its RDS history, stress periods with high default rates. Based on this it calculates the weighted average LGD (by number of defaults) for these periods and compares the resulting average with the average LGD for all periods in its to deduce the adjustment factor. • The FI uses the default rate as an input variable in its LGD model, thereby creating a stressable LGD model based on a stress period’s default rate as input. • Explicitly incorporating the correlation between PD and LGD into the formula for calculating the risk weighing factor K. The formula provided in the present version of the Accord does not address this correlation. Again, each of the three preceding approaches has strengths and weaknesses, and the selection of any will depend on each FI’s practices, products and facilities. This choice is one of the activities covered by LGD model development projects. 83 Sobre a Validação dos Modelos de LGD O processo de validação (interna pela IF ou externa pelo regulador) é afetado pela complexidade inerente ao cálculo de LGDs efetivas e à construção dos modelos preditivos. Logo, é também muito complexo. De um modo geral, as principais perguntas a serem respondidas são: • A base de dados (RDS) contém o histórico necessário para calcular as LGDs no período mínimo exigido (5 a 7 anos, dependendo do segmento)? • Os dados contidos no RDS são representativos, sem vícios de seleção? • O tratamento de LGDs zeradas ou negativas está adequado à exigência do regulador? • Foram realizados testes aderência (backtesting) de estabilidade e de consistência? • Foi testada a consistência das definições de default utilizadas na produção dos RDSs empregados no cálculo da LGD e da PD? • Qual o tratamento dado a carteiras que exibem variações cíclicas nas LGDs efetivas (realizadas)? O processo de validação é bem documentado (vide bibliografia ao final deste artigo) e ilustrado de forma sintética no diagrama a seguir. Recomenda-se também, durante o processo de validação, a comparação com referências externas. Um quadro resumo pode ser encontrado na mesma bibliografia e é reproduzido a seguir. Outra fonte para benchmarking, no caso de LGDs para segmentos diferentes de varejo, é o próprio Edital nº 37, colocado recentemente em audiência pública pelo BACEN, quando apresenta as LGDs que devem ser utilizadas para aquelas IFs que adotarem a abordagem Básica (Foundation) na sua migração para o IRB. Validating LGD Models The complexity inherent to calculating effective LGDs and the construction of predictive models affects the validation process (whether internal, by the FI, or external, by regulators). This process, therefore, is also highly complex. In general, the questions to be answered include: • Does the database (RDS) contain the historic information needed to calculate LGDs for the minimum required period (5-7 years, depending on the segment)? • Are the data in the RDS representative and free from selection bias? • Does the treatment given zero or negative LGDs comply with regulatory requirements? • Were stability and consistency backtests done? • Was the consistency of the RDS’s default definitions used in LGD and PD calculations tested? • What is the treatment given to portfolios with cyclic effective LGD variations? The validation process is well documented (see the references at the end of this article) and can be schematically represented as follows. Comparison with outside sources is also recommended during the validation process. A summary chart can be found in the references below and is reproduced next. Another benchmarking source for LGDs in various retail segments is Edital No. 37 itself – which the Central Bank has recently disclosed for public hearings – in its presentation of the LGDs to be used by the FIs choosing the Foundation approach for their migration to IRB. 84 Resumo das estatísticas descritivas da LGD nos estudos empíricos levantados Estudo Média Mediana (se disponível) Todos os títulos Acharya et al (2004) 58,04% 62,00% Altman et al (1996) 58,30% Hamilton et al (2003) 62,80% 70,00% Altman et al (2001) 64,15% 59,95% O’Shea et al (2001) 78,00% Títulos privilegiados com garantia real Altman et al (1996) 42,11% Hu and Perruaudin (2002) 47,00% Altman et al (2001) 47,03% 42,58% Títulos quirografários preferenciais Roche et al (1998) 58,00% Altman et al (1996) 65,62% 85 Títulos quirografários Roche et al (1998) 61,00% Altman et al (1996) 68,66% Empréstimos privilegiados com garantia real Carty et al (1998) 13,00% Roche et al (1998) 18,00% Carty and Lieberman (1996) 21,00% Carty and Lieberman (1996) 29,00% Gupton et al (2000) 30,50% O’Shea et al (2001) 37,00% Hamilton et al (2003) 38,40% Empréstimos privilegiados sem garantia real Carty et al (1998) 21,00% Gupton et al (2000) 47,90% Empréstimos comerciais Eales and Bosworth (1998) 31,00% Hurt and Felsovalyi (1998) 31,80% Asarnow and Edwards (1995) 34,79% Araten (2004) 39,80% Empréstimos PF Eales and Bosworth (1998) 27,00% 0,00% 8,00% 23,00% 17,00% 33,00% 10,00% 21,00% 21,00% 20,00% Summary of descriptive statistics for LGD from surveyed empirical studies Study Acharya et al (2004) Altman et al (1996) Hamilton et al (2003) Altman et al (2001) O’Shea et al (2001) Altman et al (1996) Hu and Perruaudin (2002) Altman et al (2001) Roche et al (1998) Altman et al (1996) Average All bonds 58.04% 58.30% 62.80% 64.15% 78.00% Senior secured bonds 42.11% 47.00% 47.03% Senior subordinated bonds 58.00% 65.62% Median (if avaliable) 62.00% 70.00% 59.95% 42.58% 86 Roche et al (1998) Altman et al (1996) Carty et al (1998) Roche et al (1998) Carty and Lieberman (1996) Carty and Lieberman (1996) Gupton et al (2000) O’Shea et al (2001) Hamilton et al (2003) Carty et al (1998) Gupton et al (2000) Eales and Bosworth (1998) Hurt and Felsovalyi (1998) Asarnow and Edwards (1995) Araten (2004) Autor/Author Eales and Bosworth (1998) Junior subordinated bonds 61.00% 68.66% Senior secured loans 13.00% 18.00% 21.00% 29.00% 30.50% 37.00% 38.40% Senior unsecured loans 21.00% 47.90% Commercial loans 31.00% 31.80% 34.79% 39.80% Consumer loans 27.00% 0.00% 8.00% 23.00% 17.00% 33.00% 10.00% 21.00% 21.00% 20.00% Carlos Antonio Campos Nogueira É graduado em Física (PUC - RJ) e é Mestre em Astrofísica e Partículas Elementares (Centro Brasileiro de Pesquisas Físicas CBPF/CNPQ). Líder de prática na área de consultoria de TI, tem 27 anos de experiência contínua, tendo atendido mais de 40 empresas em cerca de 70 projetos. É Sócio-Diretor e fundador da empresa IntelliSearch. E-mail [email protected] Has a degree in Physics (PUC - RJ) and a Master’s Degree in Astrophysics and Elementary Particles (Centro Brasileiro de Pesquisas Físicas - CBPF/CNPQ). A practice leader in IT consultancy, Mr. Nogueira has 27 years’ experience, having worked with over 40 companies in close Bibliografia/Bibliography to 70 projects. He is managing partner and founder of IntelliSearch. E-mail [email protected] Basel Accord “International Convergence of Capital Measurement and Capital Standards: A Revised Framework - Comprehensive Version” (June 2006 version): http://www.bis.org/publ/bcbs128.pdf Central Bank of Brazil Public Hearing Edital No. 37, dated 18/Feb/2011, on the rules governing implementation of internal credit risk models. Working Paper 14 “Studies on the Validation of Internal Rating Systems”: http://www.bis.org/publ/bcbs_wp14.pdf?noframes=1 Basel II Implementation – A guide to developing and validating a compliant, IRRS - Ozdemir, Miu (MC Graw Hill) Ricardo Loureiro, Presidente da Serasa Experian. Para fazer mais e melhores negócios com o Cadastro Positivo, fale com o maior bureau de crédito do mundo. A Serasa Experian tem esse compromisso com você. Acesse serasaexperian.com.br O Cadastro Positivo pode ajudar a sua empresa a fazer mais e melhores negócios. Mas só com a experiência da Serasa Experian, o maior bureau de crédito do mundo, você pode colocar isso em prática, tendo acesso às melhores soluções e consultorias do mercado. Já estamos prontos para ajudar sua empresa, assim como já fazemos na Índia, Austrália, Estados Unidos, Inglaterra e tantos outros países. Conte com a gente. Revista Tecnologia de Crédito online Cadastre-se e acesse informação de ponta, onde você estiver. A partir da próxima edição, sua revista Tecnologia de Crédito será publicada apenas na web. Assim, a Serasa Experian dá mais um passo para a redução do impacto de suas atividades sobre o meio ambiente, além de acompanhar a tendência global da universalização de conteúdos. Acesse: serasaexperian.com.br/tecnologia-de-credito, cadastre-se e garanta seu acesso à Tecnologia de Crédito online.