Ler Edição - Serasa Experian

Transcrição

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
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
18
Gráfico 3 Produção Física Industrial
Chart 3
Industrial Physical Production
Fonte: IBGE
Source: IBGE
Gráfico 4 Taxa Selic
Chart 4
Selic Rate
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
D_L_DOLAR (t-1)
D_L_DOLAR (t-2)
D_L_DOLAR (t-3)
D_L_DOLAR (t-9)
Produção
Industrial
D_ L_SELIC (t-8)
D_ L_SELIC (t-1)
D_ L_SELIC (t-2)
Selic
D_ L_SELIC (t-4)
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
0.6600
0.1002
6.5900
0.0001
0.7840
-0.7868
0.1712
-4.5900
0.0001
-0.7850
Default
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
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
-0.2111
0.1007
-2.1000
0.0422
0.0300
Production
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
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
-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
0.1166
0.0354
3.3000
0.0020
0.0040
Selic
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
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.
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
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
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
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_PRODUCAO_DES(t-7)
1
L_PRODUCAO_DES(t-1)
L_SELIC(t-1)
31
L_PRODUCAO_DES
L_PRODUCAO_DES
AR2_2_1
0.0661
0.01888
3.5
0.0011
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
AR3_2_2
0
0
L_PRODUCAO_DES(t-3)
AR3_2_3
0
0
L_SELIC(t-3)
AR4_2_1
0
0
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
AR8_2_2
0
0
L_PRODUCAO_DES(t-8)
AR8_2_3
-0.30108
0.07788
AR12_2_1
0
0
AR12_2_2
0
0
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
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
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
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
AR4_3_2
0
0
L_PRODUCAO_DES(t-4)
AR4_3_3
-0.25274
0.07925
AR7_3_1
0
0
AR7_3_2
0
0
L_PRODUCAO_DES(t-7)
AR7_3_3
0
0
L_SELIC(t-7)
AR8_3_1
0
0
AR8_3_2
0
0
L_PRODUCAO_DES(t-8)
AR8_3_3
0
0
L_SELIC(t-8)
AR12_3_1
0
0
AR12_3_2
0.15061
0.05319
AR12_3_3
0
0
-3.45
-3.87
0.0013
0.0004
L_SELIC(t-8)
L_PRODUCAO_DES(t-2)
-3.19
2.83
0.0027
0.0071
L_SELIC(t-4)
L_SELIC(t-12)
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
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
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
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
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
2,32
-3,14
0,0254
0,0031
L_PRODUCAO_DES(t-7)
1
-2,1
0,0422
L_PRODUCAO_DES(t-1)
L_SELIC(t-1)
33
L_PRODUCAO_DES
L_PRODUCAO_DES
AR2_2_1
0,0661
0,01888
3,5
0,0011
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
AR3_2_2
0
0
L_PRODUCAO_DES(t-3)
AR3_2_3
0
0
L_SELIC(t-3)
AR4_2_1
0
0
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
AR8_2_2
0
0
L_PRODUCAO_DES(t-8)
AR8_2_3
-0,30108
0,07788
AR12_2_1
0
0
AR12_2_2
0
0
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
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
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
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
AR4_3_2
0
0
L_PRODUCAO_DES(t-4)
AR4_3_3
-0,25274
0,07925
AR7_3_1
0
0
AR7_3_2
0
0
L_PRODUCAO_DES(t-7)
AR7_3_3
0
0
L_SELIC(t-7)
AR8_3_1
0
0
AR8_3_2
0
0
L_PRODUCAO_DES(t-8)
AR8_3_3
0
0
L_SELIC(t-8)
AR12_3_1
0
0
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_SELIC(t-8)
L_PRODUCAO_DES(t-2)
-3,19
2,83
0,0027
0,0071
L_SELIC(t-4)
L_SELIC(t-12)
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
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
36
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
-0,0800
-0,0870
-0,0720
0,0000
0,0110
1,000
0,0710
0,0660
-0,1240
-0,0280
-0,0740
-0,0820
-0,0670
0,0000
0,0110
1,000
-0,0050
-0,0280
-0,1170
-0,0280
-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
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
-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
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
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
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
0.2480
0.2340
0.2610
0.0000
0.0210
1.000
-0.0130
0.1250
0.1610
0.3490
-0.0960
-0.1030
-0.0880
0.0000
0.0110
1.000
-0.0440
-0.0980
-0.1420
-0.0520
-0.0800
-0.0870
-0.0720
0.0000
0.0110
1.000
0.0710
0.0660
-0.1240
-0.0280
-0.0740
-0.0820
-0.0670
0.0000
0.0110
1.000
-0.0050
-0.0280
-0.1170
-0.0280
-0.0400
-0.0470
-0.0320
0.0000
0.0110
1.000
-0.0420
0.0680
-0.0870
0.0010
0.8330
0.8200
0.8470
0.0000
0.0200
1.001
-0.0050
-0.1010
0.7620
0.9100
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
-0.2070
-0.2170
-0.1970
0.0000
0.0150
1.000
-0.0130
0.0200
-0.2750
-0.1480
-0.0030
-0.0030
-0.0030
0.0000
0.0000
1.000
0.0200
-0.0720
-0.0040
-0.0020
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
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.
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
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%
29,00%
Gupton et al (2000)
30,50%
37,00%
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
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)
Altman 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)
Gupton et al (2000)
Carty et al (1998)
Gupton et al (2000)
Hurt and Felsovalyi (1998)
Asarnow and Edwards (1995)
Araten (2004)
Autor/Author
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%
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
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.

Ler Edição - Serasa Experian

Transcrição

Documentos relacionados

pregão 0027/2015 processo: 0050/2015

cismep - consórcio interm. de saúde do médio paraopeba

Empenhos Orçamentários Emitidos

Cliente - Conta atual Lançamentos

Requisição de empenho - Prefeitura Municipal de Cachoeira de Minas

resultado pp- 65-15- maior percentual de descontos de

Resolução 007 - 2012 - Sissi Marlene Dietrich Schwantes

Uasg: 158303 - Agnus Atacadista

Uasg: 160445

pneu Roadstone