Metodologia de estimação de matrizes de migração de ratings incondicionais para carteiras com escassez de observações de transição de estados

Abstract

As matrizes de transição estão no centro da moderna gestão do risco de crédito. Diversos modelos de cálculo de capital econômico adotam matrizes de migração de rating como entrada para o cálculo de perdas em uma carteira de crédito, como o CreditMetrics do RiskMetrics Group e o Credit Portfolio View da McKinsey and Company. Existem diversas metodologias utilizadas para a estimação de matrizes de migração de ratings, sejam analíticas, sejam baseadas em métodos de simulação de Monte Carlo, de suma importância para o cálculo de Capital Econômico e de perdas na carteira de crédito. Este artigo tem como objetivo apresentar uma metodologia que permite estimar matrizes de migração de ratings robustas em carteiras com baixa frequência de observações. O modelo teórico adotado baseou-se na teoria das cadeias de Markov, juntamente com aplicação de técnicas de simulação de Monte Carlo, mais conhecido como Markov Chain Monte Carlo (MCMC).

Transition matrices are at the heart of modern credit risk management. Several economic capital calculation models adopt rating migration matrices as inputs for the calculation of portfolio losses, such as RiskMetrics Group’s CreditMetrics and McKinsey’s Credit Portfolio View. There are several methodologies used for the estimation of migration matrices, whether analytical or based on Monte Carlo simulation methods, which are extremely important for the calculation of Economic Capital and losses in the loan portfolio. This paper aims to present a methodology that allows to estimate robust transition ratings matrices in portfolios with low frequency of observations. The theoretical model adopted was based on the theory of Markov chains, together with the application of Monte Carlo simulation techniques, best known as Markov Chain Monte Carlo (MCMC).