El 19 Congreso de Tesorería, incluye los temas más relevantes para la gestión de Tesorería y para la acertada toma de decisiones del día a día en los mercados financieros, por ejemplo: Evolución de la economía global y local, las tendencias mundiales en gestión de tesorería corporativa para el sector real, los retos y las oportunidades para el mercado de deuda pública, así como la gestión de liquidez y riesgo de crédito bajo los lineamientos de Basilea III.
Q3 2024 Earnings Conference Call and Webcast Slides
Augusto carvalho gestión de riesgo de crédito en portafolio - final edition for distribution
1. GESTIÓN DE RIESGO DE CRÉDITO
EN PORTAFOLIO DE DERIVADOS
(CVA, CRM)
Augusto Carvalho,
Head of Solutions Architecture for Latin America de Numerix,
Master en Física Teórica y Sistemas Complejos aplicados a la gestión de riesgos.
2. GESTIÓN DE RIESGO DE CRÉDITO EN
PORTAFOLIO DE DERIVADOS (CVA, CRM)
Dada la importancia que está teniendo cada día en la gestión
de los libros de derivados el CVA (Credit Value Adjustment),
en esta sesión se presentarán los lineamientos generales en la
gestión y operaciones de cobertura de riesgo de CVA/Riesgo
de Contraparte en derivados, así como los retos en gestión de
garantías generados en la implementación de Basilea III.
Augusto Carvalho (Brasil/USA),
Head of Solutions Architecture for Latin America de Numerix,
Master en Física Teórica y Sistemas Complejos aplicados a la gestión de riesgos.
3. Agenda
Credit Risk: a 4,000 years leap in History
Why CVA?
CCR vs CVA
Obvious Business Impacts
CVA Path and its Analytical Challenge
Not-so-Obvious Impacts
Collateral Management
Coming Soon
5. Credit Risk Management at
Hamurabi Code (1754 BC)
Law 48
If a free person is in debt and
loses a crop because of a natural
disaster, the contract shall be
changed so that person will not owe
the creditor any interest for the year.
6. Credit Risk Management at
Hamurabi Code (1754 BC)
Law 117
If anyone fails to repay a debt, and sell
himself, his wife, his son, and daughter for money
or give them away to forced labor: they shall work
for three years in the house of the man who bought
them, or the proprietor, and in the fourth year they
shall be set free.
9. Agenda
Credit Risk: a 4,000 years leap in History
Why CVA?
CCR vs CVA
Obvious Business Impacts
CVA Path and its Analytical Challenge
Not-so-Obvious Impacts
Coming Soon
12. Why CVA?
Before the Crisis During the Crisis After the CrisisBefore the Crisis
Banks used to compute
their exposures against their
counterparties by using either
simplistic assumptions (static
PF calculation) or incipient
PFE calculations.
13. Why CVA?
Before the Crisis During the Crisis After the Crisis
Big banks started
calculating simplistic
approaches to CVA.
No regulatory
pressure at all.
14. Default of big guys
raise great attention
under the CCR
framework.
Huge losses incurred
not necessarily by
defaults…
Why CVA?
Before the Crisis During the Crisis After the Crisis
15. Why CVA?
While the Basel II standard covers the risk of a
counterparty default, it does not address such CVA risk,
which during the financial crisis was a greater source of
losses than those arising from outright defaults.
16. Agenda
Credit Risk: a 4,000 years leap in History
Why CVA?
vs
Obvious Business Impacts
CVA Path and its Analytical Challenge
Not-so-Obvious Impacts
Coming Soon
CCR CVA
17. Potential Future Exposure (PFE) as
future VaRs at 97.5% or 99%
Expected Positive Exposure (EPE) being
the mean of the positive part of the distribution
PFE historically used as credit limit
management
EPE used for RWA and capital purposes.
Cost of buying protection on the
counterparty in case of default
Expected Positive Exposure (EPE), the
expected value under the risk neutral measure
Now it is a considerable part of the PnL
concern.
CVA needs to be hedged
Credit Counterparty Risk Credit Valuation Adjustment
CCR CVA
18. Basel 2.0
Risk associated to the
losses due to the
probability of default
of the counterparties
on OTC transactions.
Basel 3.0
Risk associated to the
losses due to the
deterioration of
counterparties’
creditworthiness on
OTC transactions.
deterioration of
counterparties’
creditworthiness
67%
Default
33%
During 2007/2008 crisis
Losses
CCR vs CVA
20. CCR Basel 3.0
=
Default Risk + CVA Risk
Credit
VaR
VaR of the Price of
Credit Counterparty
Risk
CCR vs CVA
21. Agenda
Credit Risk: a 4,000 years leap in History
Why CVA?
CCR vs CVA
Obvious Business Impacts
CVA Path and its Analytical Challenge
Not-so-Obvious Impacts
Coming Soon
23. Higher CCR Risk Charge
Banks will be subject to a capital charge
for potential mark-to-market losses (i.e.
credit valuation adjustment – CVA – risk)
associated with a deterioration in the
credit worthiness of a counterparty.
26. Increase the efficiency of collateral agreements,
Recognize more mitigating effects in the regulatory exposure
measures,
Re-negotiation the terms of current collateral agreements,
Banks may fund their collateral needs via short-term loans.
Higher usage of Collateral
Source: https://goo.gl/GHIFjr
28. Obvious consequence in case there is no change in the
current CSA.
Shift of the credit counterparty risk costs from Risk to
front-office.
Not all banks in LatAm have their front-offices aware of
such new responsibility.
Higher Trading Cost to the Clients
Source: https://goo.gl/GHIFjr
30. Need to Hedge the CVA
CDS as the typical hedging instrument.
Lack of liquidity or non-existence.
During financial distress hedge
strategies may go completely skewed.
33. Agenda
Credit Risk: a 4,000 years leap in History
Why CVA?
CCR vs CVA
Obvious Business Impacts
CVA Path and its Analytical Challenge
Not-so-Obvious Impacts
Coming Soon
34. CVA Path and its Analytical Challenge
The Building Blocks
Exposure V(t;st) – Value of the trade (portfolio) at time t given state st
The state (underlying or risk factor) vector is critical input for pricing.
States are model dependent.
Potential Future Exposure (PFE) = inf {; P(V(T) ) }
Expected Exposure (EE) = E{ V(t) }
Expected Positive Exposure (EPE) = E{ V+(t)}
Expected Negative Exposure (ENE) = E{ V-(t)}
35. CVA as an adjustment on price given the expected loss of a counterparty.
𝐶𝑉𝐴 = 𝐸 𝐿
𝐿 𝑡 = 1 − 𝑅 ∙ 𝐸 𝑡 ∙ 𝑃𝐷(𝑡) ∙ 𝐷𝐹(𝑡)
Future Value of the Amount
that can be lost
Probability of
Default
Discount
Factor
𝐸 𝐿 𝑡 = 𝐸 1 − 𝑅 ∙ 𝐸 𝑡 ∙ 𝑃𝐷(𝑡) ∙ 𝐷𝐹(𝑡)
CVA Path and its Analytical Challenge
The Building Blocks
36. CVA can be seen as an adjustment on the price given the expected loss
of a counterparty - entire portfolio.
𝐶𝑉𝐴 =
0
𝑇
1 − 𝑅 ∙ 𝐸(𝑡) ∙ 𝐷𝐹(𝑡) ∙ 𝑑𝑃𝐷(𝑡)
CVA Path and its Analytical Challenge
The Building Blocks
37. CVA Path and its Analytical Challenge
Simulating the Prices
In practice
38. CVA Path and its Analytical Challenge
Simulating the Prices
In practice
39. CVA Path and its Analytical Challenge
Computing the Exposures on the Counterparty Level
In practice
40. CVA Path and its Analytical Challenge
Finally, computing the XVAs
In practice
41. Agenda
Credit Risk: a 4,000 years leap in History
Why CVA?
CCR vs CVA
Obvious Business Impacts
CVA Path and its Analytical Challenge
Not-so-Obvious Impacts
Coming Soon
43. CVA and its not so obvious Impacts
Modeling Culture
Collateral Management
Market Data Alternatives
Integration Risk and FO
44. CVA deals on portfolio level.
CVA requires a consistent/robust way to handle
multiple asset classes.
Exposure should handle correlation structure.
All these suggest a Hybrid model…
Transformation of the modeling Culture
CVA and its not so obvious Impacts
45. Universal Hybrid Model
Framework across multi-
asset classes / models
with generic n-factor fast
Monte Carlo (See
Antonov and Issakov and
Mechkov 2011)
Transformation of the modeling Culture
CVA and its not so obvious Impacts
46. Instrument Pricing VaR, PFE CVA BCVA
IRS Det IR IR + CR IR + CR + CR_self
FX Fwd Det FX FX + CR FX + CR + CR_self
IRS + FX Fwd Det IR + FX IR + FX + CR IR + FX + CR + CR_self
Transformation of the modeling Culture
CVA and its not so obvious Impacts
47. Additionally….
Negative rates have been a
tremendous modelling challenge
both from a pricing and risk
management perspective.
That might seem so far away
(LatAm standards) but, if you
trade offshore this is huge issue.
Source: Are Negative Res Having a 'Negative' Impact on Your Derivative Pricing and
Modelling?
http://www.numerix.com/info-graphic/negative-rates-trends-continue-2016#
Transformation of the modeling Culture
CVA and its not so obvious Impacts
49. Transformation of the modeling Culture
CVA and its not so obvious Impacts
Good Practices with the Algorithmic Exposure
Extension of the backward induction in the American
Monte Carlo;
Scenarios generated by arbitrage free model ;
Applies uniformly to all instruments
Computationally efficient for complex instruments;
Exposures are calculated in one pass;
Prices and exposures are generated on the same path.
IR
HW1F
IR
(S)BK1F
IR
HW2F
IR
SV-LMM
INF JY
(HW)
INF JY
(BK)
EQ
BS
EQ
Dupire
EQ
Bates
EQ
LSV
FX
BS
CMDTY
Black
CDMTY
S1F
CMDTY
GS2F
CMDTY
Heston
CR
BK1F
EQ
Heston
FX
Heston
IR
(S)BK2F
50. Transformation of the modeling Culture
CVA and its not so obvious Impacts
CR
BK1F
FX
Heston
EQ
Heston
IR
(S)BK2F
Good Practices with the Algorithmic Exposure
Extension of the backward induction in the American
Monte Carlo;
Scenarios generated by arbitrage free model ;
Applies uniformly to all instruments
Computationally efficient for complex instruments;
Exposures are calculated in one pass;
Prices and exposures are generated on the same path.
IR
HW1F
IR
(S)BK1F
IR
HW2F
IR
SV-LMM
INF JY
(HW)
INF JY
(BK)
EQ
BS
EQ
Dupire
EQ
Bates
EQ
LSV
FX
BS
CMDTY
Black
CDMTY
S1F
CMDTY
GS2F
CMDTY
Heston
51. CVA and its not so obvious Impacts
Modeling Culture
Collateral Management
Market Data Alternatives
Integration Risk and FO
52. Collateral Management
CVA and its not so obvious Impacts
Netting Sets:
Exposure with Netting
V(t) = Vi(t)
Exposure without Netting
V(t) = max{Vi(t),0}
The effectiveness of netting depends
on the number of trades, correlations
and volatilities
Perfect CSAs
Under perfect CSA: Collateral C(t) = V(t)
at all times
Collateral fully removes CP risk
Often understood as:
Daily collateral calls
Zero threshold
Zero margins
No settlement risk
No close-out risk
53. Collateral Management
CVA and its not so obvious Impacts
Schedule of Margin Calls
How often collateral is requested?
If there are no extra conditions:
Collateral C*(t) = V(t) on margin dates
Settlement lag: collateral posted at t will be
received at t+hs (e.g. t+2bd)
Thresholds = uncollateralised amount
Collateral with Threshold Hs, Hc on margin dates
C*(t) = Max( V(t) – Hs, 0 ) if V(t)>0
C*(t) = - Max( - V(t) + Hc, 0 ) if V(t)<0
MTA = the smallest uncollateralised exposure
resulting in a collateral transfer on margin
date
Collateral with MTA: Ms, Mc on margin dates
C*(t) = V(t) if V(t)>C(t), V(t) – C(t) > Ms
C*(t) = V(t) if V(t)<C(t), C(t) - V(t) > Mc
55. Testing the CSA effectiveness: Pre and Post-Margin
Collateral Management
CVA and its not so obvious Impacts
CVA platform requires a robust
collateral management system once
it is as a crucial tool to check the
effectiveness of the bank’s CVA
strategy.
56. Transparency on the Collateral Management Business Logic
Collateral Management
CVA and its not so obvious Impacts
The collateral
management logic should
be the most transparent
and flexible as possible so
the Risk Managers can try
different approaches as
well as different CSA
arrangements.
57. Bringing all pieces together
Collateral Management
CVA and its not so obvious Impacts
58. CVA and its not so obvious Impacts
Modeling Culture
Collateral Management
Market Data Alternatives
Integration Risk and FO
59. Market Data Alternatives (or new modeling challenges)
CVA and its not so obvious Impacts
Bootstrapping Probability
of Default from CDS curves
is not always possible due
to the lack of liquidity (or
even inexistence) of such
market in LatAm.
60. Market Data Alternatives (or new modeling challenges)
CVA and its not so obvious Impacts
Bootstrapping of Probability of
Default from CDS curves is not
always possible due to the lack
of liquidity (or even inexistence)
of such market in LatAm.
Alternatives
Prices of Bonds or any other Credit Instrument
Data Mining: Logistic Models for PDs
Third Party Providers: Credit Bureau or Local Rating Agency Credit Score / Credit Rating
𝑃𝐷 =
1 − 𝑒−𝑠.𝑇
1 − 𝑅
62. CVA and its not so obvious Impacts
Modeling Culture
Collateral Management
Market Data Alternatives
Integration Risk and FO
63. Integration of Market/Credit Risk departments and Front-Office
CVA and its not so obvious Impacts
Front-Office
Credit
Counterparty
Risk
(CCR)
Market Risk
(MR)
64. Integration of Market/Credit Risk departments and Front-Office
CVA and its not so obvious Impacts
Front-Office
Credit
Counterparty
Risk
(CCR)
Market Risk
(MR)
Consistency between the Credit and Market Risk
scenarios generation. Centralized Model Engine.
Relationship between MC PFE profile and MC VaR.
Consistency between PD Models when there is a
gap on CDS liquidity.
65. Integration of Market/Credit Risk departments and Front-Office
CVA and its not so obvious Impacts
Consistency between the Credit and Market Risk
scenarios generation. Centralized Model Engine.
Relationship between MC PFE profile and MC VaR.
Consistency between PD Models when there is a
gap on CDS liquidity.
Front-Office
Credit
Counterparty
Risk
(CCR)
Market Risk
(MR)
Robust Exposure Engine for a accurate Pre-
trading analysis (What-if Analytics): PFE, VaR,
XVAs.
66. Integration of Market/Credit Risk departments and Front-Office
CVA and its not so obvious Impacts
`
Pre-trading analysis for all XVAs in order to Optimize bank’s CCR strategy.
Front-
Office
Market
Risk (MR)
Credit
Counterparty
Risk
(CCR)
67. Integration of Market/Credit Risk departments and Front-Office
CVA and its not so obvious Impacts
Near Real Time results of a pre-trading What-if Analysis
Front-
Office
Market
Risk (MR)
Credit
Counterparty
Risk
(CCR)
68. Integration of Market/Credit Risk departments and Front-Office
CVA and its not so obvious Impacts
Front-Office
Market Risk (MR)
Credit
Counterparty Risk
(CCR)
Robust Exposure Generation Risk Engine for a
accurate Pre-trading analysis (What-if Analytics):
PFE, VaR, XVAs.
Ability to Analyze Pre and Post-margin CCR risk
measures.
Fully Customizable Reporting Layer.
Consistency between the Credit and Market
Risk scenarios generation. Centralized Model
Engine.
Relationship between MC PFE profile and MC
VaR.
Consistency between PD Models when there is
a gap on CDS liquidity.
69. Agenda
Credit Risk: a 4,000 years leap in History
Why CVA?
CCR vs CVA
Obvious Business Impacts
CVA Path and its Analytical Challenge
Not-so-Obvious Impacts
Coming Soon
70. XVA Main components
New initial margin rules (effective September 1, 2016 for larger banks in the US)
Recent articles in RISK magazine
“Banks warn prime brokerage clients of ‘material’ MVA costs”, 27 September 2016
“MVA: swaps scale new heights in complexity”, 29 July 2016
“Dealers wake up to MVA impact of new funding rules”, 18 July 2016
“Time to gear up for MVA”, 04 July 2016
Coming soon
Adjustment Description
CVA (2002+) Impact of counterparty credit risk
DVA (2002+) Benefit a bank derives in the event of its own default (the ‘other side’ of CVA)
COLVA (2010+) Cost of funding a collateralised derivative position, at new ‘risk free’ rate
FVA (2011+) Captures the funding cost of uncollateralised derivatives above the ‘risk free rate’
KVA (2015+) Cost of holding regulatory capital as a result of the derivative position
MVA (2015+) Cost of posting ‘initial margin’ against a derivative position
73. MVA with ISDA SIMM
Initial Margin calculation
Compute sensitivities
Use closed formulas for initial margin, using sensitivities
and regulatory parameters as input
Corresponding MVA calculation (cost of initial
margin over the life of portfolio)
Simulate Monte Carlo scenarios into the future
Compute sensitivities on future dates most
challenging
Compute margin requirements on future dates (grid
paths x timesteps) using closed formulas
Discount back to today to obtain MVA
76. References
Historical Reference inspired by on Alonso Pena’s Credit Risk lecture
on CQF.
8 Things You May Not Know About Hammurabi’s
Code,https://goo.gl/BBblfm
EBA Report On Credit Valuation Adjustment (CVA) under Article
456(2) of Regulation (EU) No 575/2013 (Capital Requirements
Regulation — CRR) https://goo.gl/Ew9h4Q
Evolving Regulatory Landscape, from IACPM (International
Association of Credit Portfolio Managers). https://goo.gl/GHIFjr
Cesari, G., Aquilina, J., Charpillon, N., Filipovic, Z., Lee, G., Manda, I.,
Modelling, Pricing, and Hedging Counterparty Credit Exposure: A
Technical Guide.
Christopher L. Culp, Ph.D., Single-name Credit Default Swaps: A
Review of the Empirical Academic Literature
Risk Magazine Quant of the year: Alexandre Antonov Numerix quant
revolutionizes negative rates modelling, available at
http://www.risk.net/risk-magazine/analysis/2442477/quant-of-the-
year-alexandre-antonov
Aite Impact Report: XVA and Risk Transformation: Establishing the
Data Fundamentals, available at: http://www.numerix.com/impact-
report-xva-and-risk-transformation-establishing-data-fundamentals
Are Negative Res Having a 'Negative' Impact on Your Derivative
Pricing and Modelling?, available at http://www.numerix.com/info-
graphic/negative-rates-trends-continue-2016#
John Gregory, XVA Theory 2016 CQF Lecture Notes
Notas del editor
Damas y Caballero, buenas noches.
Gracias a todos por la presencia en este asombroso evento aquí en Cartagena. En primer lugar, me gustaría disculparme por mi español e aprovecho esta oportunidad para agradecer a Asobancaria por la amabilidad de invitarme en nombre de Numerix, Líder global en analytics en el espacio de Derivados.
2. La presentación se enfocara en el Riesgo de Contraparte de Crédito (Counterparty Credit Risk), particularmente en el marco de la CVA que ha obligado a los bancos en todo el mundo a transformarse no sólo desde una perspectiva comercial, sino también desde un punto de vista de gestión de riesgos y el uso de tecnología.
También hablaré brevemente sobre los desafíos que un banco puede enfrentar mientras defina y maneja una estrategia de gestión colateral. Nuestro objetivo es compartir las experiencias internacionales en este tema y dejamos las experiencias locales para otros expositores.
3. Iniciaremos con un acercamiento histórico de CVA que se remonta a las primeras etapas del riesgo crediticio y posteriormente abordaremos los retos que finalmente condujeron a la definición, desde una perspectiva reguladora, de un Nuevo marco de riesgo de contraparte de crédito. Finalmente analizaremos las expectativas de un marco mas general de XVA así como sus desafíos de automatización y cálculo.
Comencemos con un gran salto en la historia! Casi 4 mil años atrás, no tanto como los más antiguos descubrimientos arqueológicos (de cerámica, particularmente) aquí mismo en las costas de Cartagena, Colombia, un tipo llamado Hammurabi (el sexto rey de la Primera Dinastía Babilónica) decidió definir un conjunto de 282 reglas / Leyes.
Este es uno de los escritos más antiguos en el mundo. Debajo a la izquierda puedes ver el busto de Hammurabi y en la parte superior izquierda el código Hammurabi escrito en una piedra, lo pueden encontrar en el Museo del Louvre. Sorprendentemente, el código presenta ya una ley que se ocupa de las situaciones de incumplimiento de crédito. La Ley 48, por ejemplo, dice:
Ley 48
Si una persona libre está en deuda y pierde un cultivo debido a un desastre natural, el contrato se cambiará para que la persona no le deba al acreedor ningún interés por el año.
En resumen, es una especie de condonación de crédito por incumplimiento debido a la incertidumbre climática o, si tratamos de llevar a la actual nomenclatura de derivados, que sería un contrato de derivados del clima (con un gran riesgo para el escritor).
6. Si vamos más allá, en la ley 117, la situación es aún más divertida:
Si alguno no paga una deuda y se vende a sí mismo, a su mujer, a su hijo y a su hija por dinero, o los entrega a trabajos forzados: trabajarán durante tres años en la casa del hombre que los compró o del propietario, y en el cuarto año serán puestos en libertad.
Por lo tanto, si usted intenta vender a sus miembros de la familia para pagar una deuda no honrada será forzado a trabajar con el acreedor. ¿Te imaginas esto durante la crisis de 2008?
Ok, no más leyes de crédito curiosas o chistosas.
Volvamos 4 mil años al futuro. Como todos ustedes saben, uno de los rockstars de la industria bancaria se cayó en 2008. Esta vez, sin embargo, ocurrió algo diferente con respecto a las pérdidas que enfrentaron los bancos.
Las enormes pérdidas financieras enfrentadas por los bancos se produjeron no sólo debido a los incumplimientos de la contraparte. Este hecho tan relevante será nuestro punto de partida de nuestro viaje con CVA.
9. Así pues, hablemos ahora de por qué CVA y ...
... cómo estaba el sector bancario antes, durante y después de la crisis de 2008.
12. Básicamente, antes de la crisis, los bancos solían preocuparse por el riesgo de contraparte de crédito de una manera muy simplista. Los cálculos PFE ya habían sido implementados ya sea mediante suposiciones simplistas (algo que hemos visto en algunos bancos en LatAm), como el PFE estático o a través de aproximación analítica. Estos cálculos se han utilizado básicamente para la gestión del límite de crédito.
La forma más sencilla de hacer una aproximación de la PFE es a través de un multiplicador fijo sobre el nocional.
Incluso antes de la crisis, algunos de los grandes bancos de Wall Street ya estaban calculando el CVA, pero sin fines regulatorios. Fue una herramienta para ayudar a las estrategias de administración de riesgos del banco. Sin embargo, debido a su compleja naturaleza, los cálculos eran demasiado simplistas también.
Después de la crisis, tanto los reguladores como los intermediaros del mercado se dieron cuenta de que una parte considerable de las pérdidas sufridas no se debían a incumplimientos reales de las contrapartes. A partir de este punto, se ha revisado el marco de CCR para que el CVA desempeñe un papel importante en la regulación.
Si bien la norma de Basilea II cubre el riesgo de incumplimiento de una contraparte, no se aborda el riesgo de CVA, que durante la crisis financiera fue una de las mayores fuentes de pérdidas debido a los de incumplimientos absolutos.
Ahora es el momento de comenzar a comparar el marco tradicional de riesgo de contraparte de crédito con el CVA.
Aquí podemos ver una comparación resumida entre el CCR y el CVA.
Mientras que en el marco del CCR el PFE se utilizó principalmente del VaR de crédito como medida de riesgo, CVA se basa en un enfoque de valoración risk-neutral, semejantemente a la forma de valorar un instrumento derivado. Importante observar que CVA es básicamente un componente del precio, pero tiene sus raíces en el crédito. Tal observación nos ayuda a concluir que la CVA se convierte en un componente crucial del P&L de un banco y, en consecuencia, necesita ser cubierto.
Ahora podemos concluir nuestra comparación: las pérdidas de CVA pueden estar asociadas no sólo al incumplimiento de alguna contraparte, sino también al deterioro general de la solvencia de la contraparte. De facto, el comité de Basilea estimó que la parte proporcional de la pérdida debido al deterioro (no incumplimiento real) era responsable de 2/3 (dos tercios) de la pérdida total.
Existe un informe de la Asociación Bancaria Europea (EBA) que muestra una estimativa sobre cómo se distribuyeron esas pérdidas durante la Crisis. Podemos ver claramente que las pérdidas incurridas debido a los incumplimientos reales fueron mucho menores que las causadas por las llamadas pérdidas de CVA (deterioro de solvencia de las contrapartes).
Después de este breve viaje a través de la crisis crediticia, podemos resumir que Basilea III, al menos con respecto a los requerimientos de capital de su marco de riesgo de crédito, es la combinación
Así que ahora, hablemos de los impactos obvios de este nuevo marco regulatorio de ACV.
Voy a dividir estos impactos inmediatos en 4 grandes bloques: aumento de capital, colateral, costos de operación y cobertura de CVA.
Este es el primer impacto, el más inmediato - difícilmente el marco regulatorio cambia de tal manera que los requerimientos de capital disminuyen - a menos que los reguladores permitan a los bancos utilizar modelos internos.
Podemos ver en este gráfico algunas proyecciones sobre los impactos de aumento de capital para los derivados mas populares: FX forward e IR Swaps.
Obviamente, las proyecciones dependen de muchos factores, pero para este ejemplo nos estamos enfocando en una típica empresa con calificación BBB. Los cargos adicionales propuestos por Basilea III van de 1.9 a 2.3 veces los requerimientos anteriores. Esto hace una gran diferencia!! Veremos alternativas posteriores para lidiar con esto.
El segundo gran bloque se refiere al uso de garantías.
Otra consecuencia obvia de este nuevo marco es la necesidad de aumentar la eficacia de los acuerdos colaterales. Los bancos tendrán que revisar su actual CSA y, eventualmente, actualizar su estrategia.
Podríamos citar algunos ejemplos de esos cambios, pero la disminución de las cantidades limite (o incluso su eliminación completa) sería una acción más inmediata.
Los bancos tendrán que repensar la forma de tratar con sus clientes medianos que no pueden permitirse una gran estrategia de colateralización. Eso puede verse como un riesgo, pero también como una oportunidad para que el banco financie esas garantías.
Otra influencia importante es el aumento del costo de negociación para los clientes finales.
Esto es más bien una consecuencia del primer gran impacto. Aumentar los incrementos en capital significa mayores costos de operación. La diferencia aquí es que Front Office podría ser llamado para tomar una parte razonable de la responsabilidad al entrar en nuevas operaciones con mayores costos de CCR.
Finalmente, una vez que la CVA se convierta en un nuevo riesgo, los bancos tendrán que cubrirlo.
Y una manera natural de comenzar a cubrir el riesgo de CVA es a través del mercado de derivados de crédito, donde el CDS ha sido visto como el instrumento estándar. Como todos ustedes pueden experimentar en sus actividades diarias, la liquidez es un gran desafío. Hablaremos de esto en un minuto.
Sin embargo, incluso si tenemos un mercado CDS disponible, los participantes deben ser conscientes de los riesgos. La historia puede recordarnos situaciones negativas que se pasaron durante las dificultades financieras.
Revisa a las cotizaciones del CDS de algunos bonos soberanos de America Latina. ¿Puedes ver el comportamiento altamente replicable? El hecho más impresionante, sin embargo, es la diferencia de precio alrededor de un orden de magnitud!
Esta situación también se presentó en Europa y ...
Ahora hablemos de la razón por la cual el CVA es un problema difícil de manejar, es decir, cuál es el camino para una implementación de cva y sus desafíos de cálculo.
Comenzamos con la definición de “Exposición”, que es el Valor de la cartera en el tiempo t dado el estado st. Dos observaciones importantes aquí:
El vector del subyacente o factor de riesgo es un insumo crítico para la determinación de precios y los Estados dependen del modelo. A partir de esa definición, obtenemos una distribución de las exposiciones. Si se quiere encontrar algo similar al concepto de Var (es decir, una estimación razonable del riesgo representado por un solo número) entonces podemos llamar a la PFE, que representa simplemente un percentil de la distribución de las exposiciones.
A partir de esta definición de exposición, podemos buscar encontrar el CVA como precio del instrumento ajustado a la pérdida esperada de una contraparte. Si dividimos el componente Pérdida veremos la tasa de recuperación (o LGD como su complemento), la exposición esperada, la probabilidad de incumplimiento y, obviamente, el factor de descuento.
Entonces, el valor final esperado para la Pérdida va a ser la siguiente fórmula, que típicamente se presenta en libros técnicos como ...
... como la integral de la exposición esperada durante toda la vida útil de una operación ponderada por la probabilidad de incumplimiento. Eso es todo lo que es. Este va a ser el reto.
Este es un ejemplo de perfil de exposición de una contraparte dada. También esto parece ser algo inmediato por conseguir, en realidad tuvimos que:
simular todos los factores de riesgo, teniendo en cuenta toda la estructura de correlación y el precio de los instrumentos con cada escenario generado por el MC a lo largo de la vida comercial (sin mencionar la colateralización).
Esta es la característica típica de control que el equipo de riesgo podría querer tener. Para poder seguir todos los escenarios que se han generado para todas las fechas de la simulación. Esta característica permite a los bancos auditar los resultados hasta el nivel de escenario de un factor de riesgo.
Adicionalmente, el equipo de riesgo esperará tener exposiciones posteriores y pre-margen (tanto positivas como negativas) para cada una de sus contrapartidas. Esto permitirá al banco evaluar la efectividad de sus CSAs.
Finalmente, se trata de un cuadro típico de un informe XVA (todas las VAs pertinentes) para todas las contrapartes. Es muy fácil identificar a las contrapartes que más concentran el CVA.
Hablemos ahora de los impactos / desafíos no tan obvios / que
... un framework de CVA puede traer a la comunidad.
…un framework de CVA puede traer a la comunidad.
Dividiré esta parte en cuatro grandes bloques: Modelar la cultura, colateral, alternativas de datos de mercado e integración de frentes de riesgo y FO.
Comenzando con el desafío de la cultura de modelar, basta con tener en cuenta que, por definición, CVA depende de la agregación en la cartera.
Además, un marco de CVA requerirá una forma robusta de manejar modelos para múltiples clases de activos, así como una estructura de correlación. Nuestra experiencia ha demostrado que todo esto sugiere un enfoque de modelo híbrido ...
... que necesita ser capaz de combinar múltiples modelos, con n-factores, con un algoritmo Monte Carlo altamente eficiente. Esto ha sido desarrollado por tres de nuestros Directores de Ingeniería de Engeñaría Financiera. Uno de ellos, por cierto, fue galardonado como "Quant of the Year 2016" por la revista Risk. La imagen aquí muestra simplemente un ejemplo ilustrativo de la combinación de 4 modelos, de diferentes clases de activos, unificados en un modelo- que llamamos Hibrido- que ha sido calibrado, también tomo en cuenta la estructura de correlación de las cuatro clases de activos.
Para mostrar cómo este enfoque es crucial para un marco XVA, permítanme mostrar el siguiente ejemplo.
Tome un Swap de tasa de interés tradicional. Si uno necesita encontrar su precio, no hay necesidad de modelarlo. Es suficiente tener la curva forward IR proyectada. Sin embargo, si vamos más allá sin buscar el precio, sino las medidas de riesgo como el MC VaR y PFE, es obligatorio tener un modelo para la tasa de interés.
Siguiendo adelante, si queremos calcular el CVA - y teniendo en cuenta el impacto de Wrong Way Riesgo - un modelo adicional, el de crédito, será necesario. Finalmente, si miramos hacia el DVA, el modelo de crédito propio del banco será necesario. Todo esto para un simple intercambio de vainilla. Esa es la razón por la que decimos: la vainilla ya no es vainilla. Todos podemos darnos cuenta de que para una cartera (varias monedas, acciones, materias primas, contrapartes) el número de modelos puede explorar. Y necesitamos tener la capacidad de manejar esa complejidad. Y esto requiere una transformación de la cultura de modelación.
No puedo olvidar mencionar los retos adicionales que las tasas negativas han traído al status quo cultural del modelado. Hace pocos años la comunidad académica y los practicantes solían criticar modelos que permitían que el interés fuera negativo ... Sé que esto no tiene nada que ver con América Latina en general. Yo soy de Brasil, por lo que al acostumbrarse a un régimen de 2 tipos de tasa de interés y las tasas negativas parece una utopía. Sin embargo, si un banco mexicano negocia derivados de divisas y tipos de interés con monedas que la tasa de interés es negativa, tener el modelo adecuado para fijar precios y calcular el riesgo es cuestión de supervivencia.
A propósito, Antonov Alexander, a senior vice-president in the quantitative research team at Numerix, fue galardonado por la Revista de Risk Magazine como el Quant del año 2016. Uno de los avances Antonov se refiere a un modelo que maneja tasas con interés negativo: Free Boundary SABR model by Dr. Alexandre Antonov.
Esto puede ser de interés para aquellos con formación cuantitativa o interesados en modelos más estructurados. Así es como Numerix ha desarrollado sus algoritmos y cálculos propios.
Se basó en el algoritmo americano de Monte Carlo y es muy eficiente y puede generalizarse para registrar exposiciones de una variedad de instrumentos (barreras, opciones americanas, opciones bermudianas, etc.) y, lo más importante. Evita el problema computacional de MC en MC.
Se basó en el algoritmo americano de Monte Carlo y es muy eficiente y puede generalizarse para registrar exposiciones de una variedad de instrumentos (barreras, opciones americanas, opciones tipo Bermudas, etc.) y, lo más importante. Evita el problema computacional de MC en MC.
Ahora vamos a hablar acerca de la gestión de garantías brevemente que es uno de los aspectos más importantes del marco de CVA: la gestión de garantías.
Podemos pensar que CSA es el marco legal en el cual las contrapartes en una transacción derivada definen las reglas del juego. Entre estas reglas podemos citar el Monto de Transferencia Mínima (MTA), Período de Llamada (definición de la frecuencia en la cual se monitorea y solicita la garantía), Período de Margen de Riesgo, y así sucesivamente.
Una complejidad adicional es la capacidad de definir conjuntos de compensación bajo esos contratos. La diferencia es sutil, pero las diferencias podrían ser bastante razonables. Como se puede ver aquí, se podría definir exposiciones con compensación (cálculo de la suma de la MTM antes de calcular las exposiciones) y las exposiciones SIN compensar (calcular la suma de las exposiciones).
En realidad, el banco podría querer definir una estrategia en la que algunos instrumentos (o clases de activos) serán compensados mientras que otros no. Para poder manejar tal personalización es crítico entender sus estructuras.
Como podemos ver aquí, hay muchas partes móviles en el cálculo de la exposición final (pre y post margen, MTA, retrasos de liquidación, etc). Nuestra experiencia ha demostrado que los bancos buscan un módulo en el que la gestión de garantías y CSA puede ser personalizado.
por ejemplo, el equipo de riesgo de contraparte de crédito puede definir los insumos de la CSA eligiendo diferentes entidades jurídicas, conjuntos de compensación y conjuntos de márgenes, todos bajo la misma "contraparte madre". Una vez que cambias eso ...
…Puede comprobar la efectividad de la nueva estrategia examinando las exposiciones pre y post-margen en toda la cartera.
Además, si desea transparencia, es decir, si desea cambiar el algoritmo que define las reglas de cálculo, tendrá acceso completo al código general.
No todos pueden necesitar tal detalle de personalización, pero, ninguna caja blanca es siempre más segura que la caja negra.
Finalmente, puede comprobar de nuevo los impactos de la estrategia de CVA bilateral (CVA + DVA) para todas sus contrapartes.
14. En el mundo ideal, los bancos buscarán cotizaciones CDS con el fin de extraer una información implícita sobre la probabilidad de incumplimiento de una contraparte. Eso es lo que llamamos una probabilidad de incumplimiento neutral al riesgo. El procedimiento matemático para hacer eso se llama Bootstrapping.
Básicamente, los CDS con diferentes tenores tendrán diferentes cotizaciones, por lo que la probabilidad implícita de incumplimiento asociada a esos tenores. Aquí podemos ver, la línea roja como la curva de CDS que podemos obtener de uno de los vendedores de fecha de mercado. Las barras azules representan la harzard rate no acumulativa estimada, es decir, la mejor aproximación de la probabilidad instantánea de incumplimiento. Esa es la curva de Probabilidad de Predeterminado (Curva PD).
Desafortunadamente, no hay mercado de CDS en Latam - en general, por lo que los bancos deben encontrar alternativas. Hay diferentes enfoques para estimar la probabilidad de incumplimiento. Podemos citar aquí por lo menos tres enfoques diferentes cuando no hay CDS disponible.
Comenzando con los precios de los bonos. Si la contraparte ha emitido un bono o cualquier otro instrumento similar relacionado con el crédito, siempre es posible extraer una probabilidad implícita de incumplimiento.
Pensemos en un escenario simplista donde el emisor de bonos tiene sólo dos posibles futuros. O la contraparte no cumple su pagamento programado y le da una cantidad restante de lo nocional (R) o paga lo nocional como se prometió. En este mundo idealizado, cuando se compara con los bonos soberanos, el precio de los bonos nos proporcionará una probabilidad implícita de incumplimiento.
Si no hay bonos, el banco puede intentar obtener puntuaciones / calificaciones de las empresas locales de la oficina de crédito. Finalmente, también es posible desarrollar modelos de Data Mining (como la Regresión Logística
A continuación se adjunta un documento presentado al BIS que resume los métodos típicos no neutrales para la estimación de la PD.
Por último, abordemos el impacto tecnológico no obvio de una estrategia de CVA: Integración de sistemas de riesgo y front-office.
Históricamente estos 3 círculos han sido mundos diferentes con, muy a menudo, incluso diferentes bajo la tecnología.
Finalmente, otra posible integración se refiere a la habilidad de el FO comprobar los impactos de los costos de CVA antes de acordar un precio.
Tomemos aquí un ejemplo en el que al entrar en los parámetros de una transacción los negociantes (o quien sea responsable de validar el negocio) pueden elegir más de una contraparte para un ANÁLISIS de WHAT-IF.
Por lo tanto, justo antes de reservar un nuevo negocio, el negociante puede comparar los impactos para diferentes contrapartes o, diferentes juegos de compensación para la misma contraparte.
Por último, la integración de la tríada se cierra cuando el motor de cálculo es el mismo tanto para los equipos de riesgo como para el front office. Eso parece utopía, pero ja lo tenemos la tecnología. Eso incluso ayudaría a minimizar las discrepancias entre el cálculo / la atribución de PNL.
Ahora llegamos a las diapositivas finales con la información sobre lo que viene a continuación.
Como podemos ver, el marco comenzó siendo llamado XVA debido a los tantos ajustes de valor que han sido liberados por los reguladores. Hay un tipo de ajuste que traerá un desafío interesante: MVA, o ajuste de valoración de margen.
La idea es poder calcular el costo del margen para un derivado a lo largo de su vida útil.
Un posible punto de partida es la metodología ISMA SIMM, donde los bancos pueden calcular el margen basado en los riesgos de primer y segundo orden.
Pero recuerde, la metodología ISDA apunta a calcular el Margen para una fecha específica en el presente. Si uno quiere calcular el IM a todo lo tiempo de vida del negocio o trade entonces, habrá que calcular las sensibilidades de precios en fechas futuras.
El gráfico en la parte superior izquierda muestra, por ejemplo, las rutas IM para un 10y IR Swap a través del componente Delta. El último gráfico muestra el equivalente del PFE para el IM, es decir, el perfil de margen percentil con un 5% y un 95% como niveles de confianza.
Terminaré la presentación con una declaración que se quedó plasmada en mi cabeza durante una conferencia de Jon Gregory, una de las estrellas del rock de la Teoría XVA: "XVA se convertirá en el estándar para la fijación de precios derivados." CVA es sólo el comienzo de un Nuevo marco de precios para los derivados.