Skip to content
naulon
Not checkedNot checked for notices yet.

Estimativas de loss given default em portfólios de crédito simulados

Herbert Kimura, Gustavo de Magalhães Rezende

Navus: Revista de Gestão e Tecnologia · 2013

doi:10.18815/navus.v3i2.112 (opens in a new tab)

We email you when a new notice or a question about this paper appears.

Abstract

<p>O acordo de Basileia II permite que os bancos utilizem modelos internos que sirvam de base para o cálculo dos requisitos mínimos de capital em virtude do nível de exposição ao risco de crédito. Dentre os principais componentes estimados, estão a probabilidade de inadimplência (PD – <em>probability of default</em>), a perda dada a inadimplência<em> </em>(LGD – <em>loss given default</em>) e a exposição à inadimplência (EAD – <em>exposure at default</em>). Este estudo tem como objetivo investigar mecanismos de estimação de LGD utilizando modelos de regressão e transformações logit e Beta. Considerando que o mercado brasileiro ainda se encontra em um estágio incipiente na análise de LGD e a disponibilidade de dados de taxas de recuperação é restrita, serão simulados portfólios de crédito por meio de técnicas de Monte Carlo. A dependência entre LGD e as variáveis explicativas da fração de perdas em caso de inadimplência é modelada por meio de cópulas gaussianas e de matrizes <em>doubly stochastic</em>. Os resultados sugerem que a análise de regressão multivariada, usando diversas funções de transformação, possibilita identificar adequadamente as variáveis que explicam a LGD. Mais particularmente, os resultados indicam que o modelo de Hamerle, Knapp e Wildenauer (2009) para estimação de LGD apresenta desempenho superior ao do desempenho do modelo discutido por Gupton e Stein (2005).</p><p> </p>

Abstract licence: CC BY-NC-ND

Reads

Read by people on this page

None yet.

Checked or read by AI through naulon

None yet.

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.

Are you an author?

Is this your paper?

Claim it to add your note and be paid when agents cite it. Free.