41

Eval

uare

a ca

ntita

tivã

a ris

culu

i de

cred

it din

per

spec

tiva

Base

l II

Evaluarea cantitativã a riscului de creditdin perspectiva Basel II

�

Nicolae DardacProfesor universitar doctor

Bogdan MoinescuAsistent universitar doctorand

Academia de Studii Economice Bucureºti

Abstract. The element of absolute novelty brought about by the « Basel II » agreement consists in themultiple approaches that can be used by banks when calculating the capital requirements for loan andoperational risk. By implementing the solutions offered by “Basel II”, the Romanian loan-supplyinginstitutions which will choose either the standard approach or the advanced one will be able to use theratings provided by an external loan evaluation agency that will be set up for this particular purpose.

In order to develop such an entity, it is essential to create a rating system based on quantitativeanalysis that will enable a correct assessment of the probability of non-payment according to the“Basel II” requirements.

The tests performed on the models used in the present research study have pointed out the fact thatthe loan risk quantitative assessment and the setting up of an organization specialized in its externalassessment in Romania are both necessary and possible. Taking these opportunities is however condi-tioned by the creation of an information system that may secure the periodical influx of valid andsufficient data for the adequate methodological calibers, under conditions of autonomy and transpar-ency.

Key words: loan risk internal models; non-payment probability; euristic and quantitative analysis;external loan evaluation organizations; rating system.

�Introducere

În condiþiile utilizãrii de cãtre instituþiile de credit a unortehnici sofisticate de evaluare ºi gestionare a riscurilor, regulilesimple ºi statice ale Acordului Basel I au devenit în ultimiiani din ce în ce mai puþin relevante. Drept urmare, s-a simþitnevoia creãrii unui cadru de adecvare a fondurilor propriimult mai sensibil la riscuri, în mãsurã sã ofere instituþiilor decredit stimulente în ceea ce priveºte perfecþionarea tehnicilorde evaluare ºi management al riscurilor. Acest cadru este oferit,în prezent, prin Acordul Basel II, care va contribui la întãrireastabilitãþii financiare ºi prin creºterea, alãturi de alþi factori, agradului de analizã ºi evaluare internã a riscurilor.

Acordul Basel II oferã instituþiilor de credit posibilitatea de autiliza mai multe abordãri în ce priveºte evaluarea riscurilor, îngeneral, a riscului de credit, în particular. Este vorba, în principal,de abordarea standardizatã ºi de cea avansatã. Abordareastandardizatã utilizeazã atât ponderi fixe de risc corespunzãtor

fiecãrei categorii de active, cât ºi evaluãri externe ale credituluipentru a consolida sensitivitatea acestora la riscuri. Abordareaavansatã, bazatã pe modele interne pentru riscul de credit,reprezintã o inovaþie a Acordului Basel II ºi diferã sensibil de ceastandardizatã. Diferenþa constã în faptul cã evaluãrile interne aleriscurilor cheie sunt folosite drept intrãri primare în calculul cerinþeiminime de capital. Ponderile de risc ºi capitalul aferent suntdeterminate prin combinaþii de intrãri cantitative furnizate deinstituþiile de credit ºi de formule specificate prin Acord, bazatepe tehnici moderne de management al riscurilor ºi care implicãevaluãri statistice.

Instituþiile de credit trebuie, deci, sã furnizeze propriilelor estimãri privind probabilitatea de nerambursare ºi sãutilizeze atât estimãrile fãcute de autoritatea de supravegherepentru celelalte componente ale riscului de credit, cât ºifuncþiile de ponderare stabilite de Basel II în scopul

Econ

omie

teor

etic

ã ºi

apl

icat

ã

42

determinãrii cerinþei de capital. Basel II permite, deci,instituþiilor de credit sã utilizeze notaþiile interne pentrumãsurarea riscului de credit, dar acordã o mare importanþã ºinotaþiilor externe ale agenþiilor de rating.

Drept urmare, prin implementarea Acordului Basel II înRomânia, instituþiile de credit care opteazã pentru abordareastandard vor avea posibilitatea, în scopul determinãrii cerinþeide capital pentru riscul de credit, sã utilizeze ratingurile uneiInstituþii de evaluare externã a creditului (External CreditAssessment Institution - ECAI). Totodatã, probabilitãþile denerambursare asociate acestor ratinguri pot fi utilizate ca refe-renþial pentru calibrarea modelelor interne pentru riscul decredit dezvoltate de bãncile care intenþioneazã adoptarea abor-dãrilor avansate(1). În plus, numeroase studii privind rolulagenþiilor pentru evaluarea externã a creditului aratã cã prindifuzarea de informaþii privind bonitatea debitorilor (efectiviºi/sau potenþiali) cãtre instituþiile de credit, acestea contribuiela reducerea efectelor selecþiei adverse ºi a hazardului moral.Totodatã, aceste agenþii permit evaluarea rafinatã a risculuide credit, îmbunãtãþesc accesul solicitanþilor de credit la resur-sele bãncilor ºi susþin stabilitatea financiarã a sectorului bancar.

Din perspectiva procesului de creare a unei astfel deinstituþii de evaluare externã a creditului, este esenþialãconstruirea unui sistem de rating bazat pe analiza cantitativã.Aceasta presupune elaborarea unei familii de modeleclasificate cel puþin dupã sectorul de activitate(2) ºi cifra deafaceri a debitorului, precum ºi date valide ºi suficiente pentrucalibrarea acestora. Alte criterii de clasificare consacrate suntactivul total, tipul creditului, zona geograficã în care debitorulîºi desfãºoarã activitatea ºi termenul de rambursare. Modelareaprobabilitãþii de nerambursare pe peer-group-uri reprezintã ocerinþã majorã pentru obþinerea unor sisteme de ratingperformante. În schimb, lipsa omogenitãþii setului de dateutilizate pentru calibrarea modelului poate conduce adeseala erori de previziune, care fac dificilã ºi chiar nerecomandabilãfolosirea lui ca referenþial.

În acest context, în prezentul studiu am urmãrit sãevidenþiem oportunitatea valorificãrii superioare ainformaþiilor stocate de instituþiile de credit prin implicareaacestora într-un sistem informaþional care sã permitã estimareariguroasã a probabilitãþii de nerambursare pentru debitoriisectorului bancar. De asemenea, sunt prezentate dificultãþilecare impieteazã asupra implementãrii unui astfel de mecanism,dar ºi soluþii privind modul în care ele pot fi depãºite, pornindde la modelele consacrate în literatura de specialitate ºi de lapracticile europene în domeniu.

1. Metodologii de estimare a probabilitãþii denerambursare

Principala problemã în crearea unei instituþii de evaluareexternã a creditului este construirea unui model statistic pentrucuantificarea probabilitãþii de nerambursare conform cuexigenþele BASEL II. Din punct de vedere metodologic,modelarea riscului de credit presupune: (a) evaluareacuprinzãtoare a caracteristicilor debitorului ºi a facilitãþii pecare doreºte sã o acceseze; (b) diferenþierea semnificativã ariscului, respectiv granularitatea scalei de notare; (c) acurateþea

rezonabilã ºi consistenþa în timp a estimãrilor cantitativeprivind riscul de credit.

Existã, în opinia noastrã, mai multe metode de notare care arputea sa rãspundã cerinþelor de reglementare cele mai uzuale ºi lacare vom face referiri în cele ce urmeazã, fiind rezultatul uneiexpertize, al unui model sau al unei combinaþii între cele douã.

Utilizatã de-a lungul timpului de cãtre bãnci, expertiza sebazeazã pe experienþa ºi aprecierea analistului. Una dintreconsecinþele sale este cã notarea aceleiaºi întreprinderi decãtre doi analiºti poate fi diferitã. Pentru a minimaliza acestrisc ºi pentru a menþine calitatea, precum ºi omogenitatea denotare în rândul analiºtilor, instituþiile au stabilit, în general,ghiduri de notare, indicând, de exemplu, demersul de urmat ºiprincipalele criterii de examinare.

În ultimii ani, s-au dezvoltat modele de notare a riscurilorde credit care au permis înscrierea unei contrapartide într-oanumitã clasã de risc. Interesul acestei abordãri rezidã înaspectul sãu obiectiv ºi mai mult sau mai puþin automat,dovadã a omogenitãþii notãrilor furnizate.

Sistemele de notare dezvoltate de marile agenþii de ratingcombinã elemente ale analizei euristice cu cele ale analizeicantitative în diferite proporþii. Începând cu anii ’90 metodelecantitative au câºtigat din în ce mai mult teren, fiind în prezentprincipala componentã metodologicã a sistemelor de rating.Literatura de specialitate a consacrat douã tehnicifundamentale pentru estimarea probabilitãþii de nerambursare:modele bazate pe informaþii de piaþã ºi modele bazate pefactori determinanþi.

Modele bazate pe informaþii de piaþãCele mai reputate modele de acest gen sunt Portfolio Man-

ager ºi CreditMetrics, fiind utilizate cu precãdere în economiicu o piaþã de capital dezvoltatã, deoarece metodologiilespecifice se bazeazã pe date privind evoluþia preþuluiacþiunilor. Modelul Portofolio Manager a fost dezvoltat deMoody‘s ºi valorificã ideea lui Merton de a trata capitalulpropriu ca o opþiune pe activul companiei. Nivelul ºivolatilitatea preþului unei acþiuni pot contribui la determinareavalorii de piaþã a unei companii. Astfel, bonitatea uneicompanii poate fi apreciatã, comparând valoarea sa de piaþãcu nivelul datoriilor pe care le are. Aceleaºi condiþionalitãþile întâlnim ºi în cazul modelului CreditMetrics elaborat deJ.P. Morgan. Pentru a calcula variaþiile valorice ale unuiportofoliu, modelul determinã corelaþiile dintre expunerileindividuale, folosind informaþii privind preþul acþiunilor.

Aceastã abordare are dezavantajul cã poate fi aplicatã doarcompaniilor cotate la bursa. În România aplicabilitateamodelului Merton este limitatã, deoarece existã foarte puþinecompanii cotate la bursã. Aceasta a fost ºi cauza pentru carenu am putut aplica acest model în cadrul studiului nostru.Totuºi, modelul poate deveni viabil în viitor, în mãsura încare va creºte numãrul companiilor cotate la bursã, iar eficienþainformaþionalã a pieþei se va îmbunãtãþi simþitor.

Modele bazate pe factori determinanþi

O alternativã la modelul Merton o constituie estimareaprobabilitãþii de nerambursare pe baza unor factori

43

Eval

uare

a ca

ntita

tivã

a ris

culu

i de

cred

it din

per

spec

tiva

Base

l II

determinanþi. Aceastã metodologie urmãreºte identificareaunei corelaþii între situaþiile de nerambursare ºi anumitecaracteristici ale companiile analizate. Literatura de specialitate(BCBS 2005, p. 33) ºi cele mai bune practici în domeniu auconsacrat analiza discriminantã ºi modelele logit ca fiind celemai potrivite tehnici privind estimarea probabilitãþii denerambursare în contextul modelelor bazate pe factorideterminanþi. Totodatã, se impune fãcutã o distincþie clarã întremetodele directe ºi cele indirecte. În cazul metodelor directe, încare includem modelele logit, rezultatul (scorul) ratinguluipoate fi interpretat el însuºi ca probabilitate de nerambursare.Modelele clasice de tipul „Z score” folosesc analizadiscriminantã pentru clasificarea entitãþilor analizate ºi exprimãindirect probabilitatea de nerambursare. Rezultatele modelelorce utilizeazã analiza discriminantã oferã doar o mãsurã a bonitãþiiagenþilor evaluaþi, fiind necesare eforturi suplimentare pentrudeterminarea probabilitãþii de nerambursare.

Având în vedere cã eºantionul de date de care dispunemconþine un numãr semnificativ mai mic de companii în starede nerambursare decât cele în stare de non-nerambursare, amconsiderat mai potrivitã folosirea modelelor logit decât analizadiscriminantã. Modelul LOGIT aparþine mulþimii modelelorde probabilitãþi condiþionale ºi reprezintã o metoda directãde estimare a probabilitãþii de nerambursare. Rezultatul acestuimodel poate fi interpretat el însuºi ca probabilitate denerambursare pentru o anumitã solicitare de credit în funcþiede anumite caracteristici. Modelul LOGIT se fundamenteazãpe ipoteza potrivit cãreia reziduul ε este distribuit logistic.

Variabila endogenã este binarã ºi delimiteazã situaþiilede nerambursare de cele de rambursare. Valorile variabileiexplicative sunt stabilite în funcþie de serviciul datoriei(3).Sursa datelor este reprezentatã în general de un registru decredite. Variabilele exogene includ informaþii privindbonitatea entitãþii analizate ºi caracteristicile specificecreditului în cauzã. Selecþia variabilelor relevante presupunealegerea din teoria de specialitate ºi din recomandãrileexperþilor a unei mulþimi de indicatori ºi de criterii. Acesteasunt verificate empiric, fiind reþinute acele variabile care aurelevanþã statisticã.

Metodologia de estimare prezintã urmãtorul model con-ceptual:

ββ ,

1

1),/1(

ixiie

xyP−+

==

),x/1y(P ii β= este probabilitatea de nerambursarecondiþionatã de caracteristicile entitãþii analizate ºivectorul de coeficienþi al modelului.

Verificarea performanþei modelului de scoringpresupune evaluarea cumulativã a capacitãþii funcþiei scorde a delimita ex-ante situaþiile de nerambursare (putereadiscriminatorie), precum ºi determinarea intervalelor deîncredere ce caracterizeazã parametrii de risc (stabilitate).

Pentru testarea puterii discriminatorii am folosit curbaROC. Aceasta modeleazã relaþia dintre procentul debitorilorcare nu au rambursat ºi au fost corect identificaþi (HR – HitRate) ºi procentul debitorilor care au rambursat ºi care aufost incorect clasificaþi (FAR – False Alarm Rate).

Concavitatea curbei ROC este echivalentul scorurilor cuun conþinut informaþional discriminant, fiind funcþiedescrescãtoare; nonconcavitatea indicã un uz al informaþieisuboptimal în definirea funcþiei de scor. De aceea, un modelindiferent va avea drept rezultat grafic prima bisectoare.

Evaluarea stabilitãþii modelului se realizeazã pe bazaanalizei distribuþiei valorilor indicatorului t-statisticasociate fiecãrei variabile explicative, rezultate in urma a100 de iteraþii a estimãrii modelului pe un eºantion aleatorreprezentând 75% din cel total. În plus, pentru a verificarobusteþea modelului considerat, se analizeazã ºi distribuþiacoeficientului ROC rezultat pe baza eºantionuluicomplementar celui folosit pentru estimãrile reiterante.

2. Calitatea ºi disponibilitatea datelor

Prevederile BASEL II stipuleazã cã modelele privindriscul de credit trebuie sã conþinã ca variabile explicativeatât indicatori ai bonitãþii debitorului, cât ºi caracteristiciale creditului. Prin natura informaþiilor pe care legestioneazã, instituþiile de credit pot contribui la creareaunui sistem informaþional a cãrui utilizare este esenþialã însusþinerea eforturilor dezvoltãrii unui instrument statisticpentru notarea bonitãþii debitorilor ºi a solicitanþilor decredit. Datele privind serviciul datoriei creditelor acordatede bãnci permit delimitarea evenimentelor de nerambursarede cele de rambursare. În plus, sunt înregistrate informaþiiprivind datele de identificare ale debitorului, informaþiifinanciare ºi caracteristicile creditului (suma acordatã,valuta, tipul garanþiei, tipul creditului, termenul).

Pentru a modela bonitatea debitorului în practicã sefolosesc variabile privind soliditatea economicã, performanþafinanciarã ºi caracteristici generale sintetizate în ceea ce sepoate numi moralitate comerciala. Analiza economicãurmãreºte sã evalueze puterea economicã a solicitantului princuantificarea creºterii reale a cifrei de afaceri, modificareaprocentualã a activitãþii în raport cu media sectorului deactivitate ºi dimensiunea economicã a activitãþii. Analizafinanciarã urmãreºte sã identifice ºi sã cuantifice risculperformanþei clientului, riscul de lichiditate, riscul deinsolvabilitate ºi riscul legat de managementul activelor.Relevanþa analizãrii aspectelor generale este datã denecesitatea aprecierii moralitãþii comerciale ºi a capacitãþiimanageriale a potenþialului client. Dintre criteriilenefinanciare de analizã a bonitãþii clientului se detaºeazãprin importanþã situaþia juridicã. În cazul în care clientul deaflã într-una din urmãtoarele situaþii el este, în mod normal,eliminat imediat din analizã: dizolvare, faliment,înmatriculare respinsã, lichidare ºi radiere.

Sintetizând cele spuse anterior, modelele econometriceprivind estimarea probabilitãþii de nerambursare pentruagenþii economici cuprind, în general, indicatori precum:

Puterea ���������

������������� ������� � � ��� ���� ���� ���� � ����nivelul cifrei de afaceri sau al activului total) �������������������������������������� ���������

mediei pe sector ������ �����������������������

Econ

omie

teor

etic

ã ºi

apl

icat

ã

44

nivelul acestor instituþii faciliteazã dezvoltarea unor soluþiitehnice convenabile de interconectare, iar despre costuriapreciem cã ar fi mai reduse decât în precedentele douã abordãri.De asemenea, trebuie menþionat cã aceastã abordare permiteeconometricienilor sã verifice relevanþa statisticã a mai multorvariabile, astfel încât modelul conceptual al sistemelor denotare sã fie elaborat dupã, ºi nu înainte de finalizareaarhitecturii sistemului de date. Astfel, se evitã orice eroare înalegerea variabilelor explicative în procesul de „proiectare”.

Datele utilizate, în prezentul studiu, pentru estimareamodelului statistic privind riscul de credit constau în informaþiifinanciare preluate din raportãrile contabile cãtre MinisterulFinanþelor Publice pentru sfârºitul anului 2004. În eºantionulanalizat am inclus doar companiile care au avut un serviciu aldatoriei mai mic de 90 de zile faþã de sistemul bancar la aceadatã. Astfel, din cele 505.921 companii existente în baza dedate de la Ministerul Finanþelor Publice, doar 38.380 aveauobligaþii de platã faþã de sistemul bancar. Dintre acestea, 509companii au intrat în faliment tehnic la sfârºitul anului 2005.

Din eºantionul analizat am exclus companiile cu valoriextreme aferente variabilelor explicative utilizate în model,rezultând un eºantion final de 35.513 companii, din care 463sunt în faliment tehnic. Variabilele explicative nu conþin decâtindicatori financiar-contabili, modelul de nerambursareneputând încorpora ºi variabile macroeconomice, dat fiindcaracterul static al analizei (estimarea probabilitãþii de falimentprin date de tip cros-secþional).

3. Rezultatele estimãrilor

În urma testelor univariate, am reþinut în analizã doartrei variabile slab corelate între ele ( ): (i) rata acopeririidatoriilor pe termen scurt (v1); (ii) rata trezoreriei nete (v2);(iii) rata creanþelor (v3). Analizele statistice au evidenþiatcã ratele de creºtere prezintã un aport informaþionalnesemnificativ pentru explicarea intrãrii în faliment tehnica companiilor din eºantion.

Folosind aceste trei criterii pentru estimarea funcþiei logit„multivariate”, rezultatul obþinut în urma testãrii esteasemãnãtor cu cele obþinute în alte studii care modeleazãprobabilitatea de nerambursare; astfel, probabilitatea dedeteriorare este negativ influenþatã de rata trezoreriei nete ºide rata acoperirii datoriilor pe termen scurt, în timp ce ratacreanþelor o influenþeazã pozitiv. Semnul plus ataºat uneivariabile aratã cã o creºtere a variabilei respective, în condiþiileîn care ceilalþi factori rãmân nemodificaþi, conduce la ocreºtere a probabilitãþii de nerambursare; semnul minus aratão influenþã contrarã. Cea mai mare influenþã asupraprobabilitãþii de nerambursare o are rata acoperirii datoriilorpe termen scurt; astfel creºterea veniturilor companiei faþã dedatoriile acesteia pe termen scurt are o influenþã pozitivãsemnificativã asupra capacitãþii acesteia de a-ºi onora serviciuldatoriei. Cea mai micã influenþã asupra probabilitãþii denerambursare o are rata creanþelor; astfel, durata medie derecuperare a creanþelor are o influenþã negativa puþinsemnificativã asupra capacitãþii companiei de a-ºi onoraserviciul datoriei (anexa 1).

�������� ��������

��Rate de profitabilitate (ROA, ROE, PM) ��Rate de solvabilitate (rata capitalului propriu, gradul de

îndatorare) ���� ��������� � �������� � ��������������� �������� �� ���� � ������� ��������� �� � ������ ��� ���� � ������

total, a activelor fixe) ���� ������ ������� ��������������� ������ �

Moralitatea ���������

���� ����� ������ ��Vechimea afacerii ��Forma de proprietate ��!��������������"

Din aceastã perspectivã, un minim de informaþii necesareeste reprezentat de un cumul de date privind contul de profitºi pierdere, bilanþul ºi situaþia juridicã a agenþilor economici.Pornind de la aceste premise, realizarea unei structuriinformaþionale pe care sã se bazeze procesul de rating este unlucru dificil de realizat. Principalele abordãri structuraleidentificate în practica de specialitate se fundamenteazã pecriteriul disponibilitãþii datelor. Astfel, în cadrul studiilorpreliminare se cerceteazã sursele de date potenþiale. În gene-ral, acestea sunt: debitorii; instituþiile de credit; autoritãþilepublice; respectiv Ministerul de Finanþe; alte organizaþiipublice sau private specializate în colectarea de informaþiieconomico-financiare ºi despre conduita afacerilor; variantemixte, care combinã elementele de mai sus.

În faza de proiectare, se au în vedere criterii precum aspectelejuridice, calitatea datelor, dimensiunea seriilor de date,posibilitãþile tehnice ºi costurile implicate. Aspectele juridicesunt analizate din perspectiva temeiului legal ºi a necesitaþilorulterioare de reglementare. Calitatea datelor are în vedereasigurarea validitãþii informaþiilor, respectiv autenticitatea,periodicitatea ºi comparabilitatea acestora. Dimensiunea seriilorde date trebuie sã fie cât mai amplã(4), astfel încât istoricul sãcuprindã cât mai multe dintre situaþiile conjuncturale cuimplicaþii sistemice ºi evoluþiile ciclice. Posibilitãþile tehnicepun în evidenþã soluþiile de infrastructurã care sã permitã oeficienþã operaþionalã crescutã. Nu în ultimul rând, trebuie avuteîn vedere ºi costurile investiþionale ºi operaþionale.

Obþinerea datelor direct de la debitori este în primul rânddeclasatã în analiza de necesitatea elaborãrii unui sistem devalidare. La aceasta se adãuga necesitatea realizãrii unui cadrulegal corespunzãtor ºi dimensiunea redusã a bazei de date,având în vedere dificultãþile suplimentare implicate deraportarea retroactivã a datelor. Nici utilizarea exclusivã ainformaþiilor stocate de cãtre bãnci nu este o soluþie fezabilãîn cazul României, cel puþin pentru momentul actual. Etero-genitatea sistemelor actuale de rating folosite de bãnci acondus în timp la acumularea de informaþii despre debitori înformate de date diferite. Astfel, în registrele electronice alebãncilor existã doar datele folosite în propriile modele, iarcelelalte informaþii de bonitate sunt, încã, arhivate exclusivpe suport hârtie.

Se impune, prin urmare, ºi accesarea altor surse decât celebancare sau direct de la debitori pentru obþinerea informaþiilornecesare. O soluþie convenabilã este accesarea bazelor de dategestionate de autoritãþi publice precum Ministerul FinanþelorPublice (MFP)(5). Se presupune ca din aceste surse datele suntvalide ºi cu istorice care pornesc de la începuturile desfãºurãriiactivitãþii evidenþiate. În plus, existenþa bazelor de date la

45

Eval

uare

a ca

ntita

tivã

a ris

culu

i de

cred

it din

per

spec

tiva

Base

l II

Relevanþa statisticã a criteriilor selectate este evidenþiatãde valorile substanþiale ale indicatorilor t-statistic asociaþicoeficienþilor funcþiei multivariate estimate. Curba ROC puneîn evidenþã faptul cã variabilele alese au o putere explicativãsuficient de mare, astfel încât modelul în ansamblul sãu sãrealizeze o bunã apreciere a probabilitãþii de nerambursare(graficul 1). Aceastã reprezentare intuitivã este întãritã de nivelulrelativ ridicat al indicatorului Pietra (6), respectiv 76,52%.

Variabile tstatistic

V1 -8.6774 V2 -11.2891 V3 7.2188 C -34.3704

Pe baza funcþiei logit estimate au fost calculateprobabilitãþile de nerambursare pentru fiecare companie în parte.Distribuþia acestor valori este similarã cu cea prezentatã în teoriaeconomicã, dar care, totuºi, evidenþiazã o concentrare relativridicatã a firmelor cu performanþe foarte bune (graficul 2). Testelede stabilitate relevã pãstrarea semnificaþiei statistice pentrufiecare dintre cele trei variabile chiar ºi în condiþiile reeºantionãriialeatoare pe subgrupuri. Analiza distribuþiilor t-statistic pentrucoeficienþii celor trei variabile (plus constanta) evidenþiazã cãvalorile acestui indicator nu coboarã niciodatã sub pragul critic(anexa 2). În plus, puterea de discriminare se pãstreazãconsistentã pentru toate cele 100 de iteraþii (graficul 3).

Concluzii

Consideraþiile expuse anterior ne conduc la concluzia cãmãsurarea cantitativã a riscului de credit ºi crearea unei agenþiide evaluare externã a acestuia în România nu sunt numaioportune, ci ºi posibile. Prezentul studiu aratã clar cã existãun comportament general valabil privind rambursareadebitelor bancare, care face posibilã modelarea riscului decredit. Chiar ºi utilizarea exclusivã a datelor financiare permiteposibila dezvoltare a unei funcþii de scoring cu o bunã puterepredictivã. Rezultatele sunt încurajatoare ºi pentru cãeºantionul de estimare a cuprins toate sectoarele de activitate.

Având în vedere eterogenitatea companiilor incluse îneºantionul analizat, pentru a creºte acurateþea notãrii, se impuneîncercarea realizãrii unor estimãri sectoriale a funcþiei proba-bilitãþii de nerambursare. În plus, includerea in viitor a unorvariabile calitative precum calitatea managementului, vechimeaafacerii sau informaþii privind incidenþele cu instrumente deplatã va conduce la creºterea acurateþei sistemului de rating.

Valorificarea acestei oportunitãþi este condiþionatã, însã,de construirea unui sistem informaþional care sã asigureinfluxul periodic de date valide ºi suficiente pentru calibrãrilemetodologice corespunzãtoare, în condiþii de independenþãºi transparenþã. Modelele astfel construite vor permiteasigurarea unui nivel ridicat al automatizãrii notãrii, caracterulobiectiv ºi credibilitatea evaluãrii externe a riscului de credit.

(2005), WP nr. 14

(1) În conformitate cu estimãrile Departamentului de Supraveghere

(DS) din Banca Naþionalã a României(„Stadiul pregãtirii pentru

aplicarea reglementãrilor BASEL II în sistemul bancar

românesc-ediþia a III-a”) se apreciazã cã doar douã dintre

instituþiile de credit cu personalitate juridicã românã intenþioneazã

sã foloseascã abordarea avansatã, respectiv modelele interne de

rating de credit cu 1 ianuarie 2007.(2) BCR foloseºte în prezent 11 sisteme diferite pentru estimarea

performanþei financiare(3) BCBS (2004) paragraful 452: situaþia de nerambursare este

caracterizatã de o întârziere la platã mai mare de 90 de zile sau

de scoaterea în afara bilanþului a expunerii respective.(4) paragraful 463 (BASEL II) precizeaza: „în vederea estimãrii

PD, banca poate folosi surse de date fie externe, fie interne, fie

«pooled data», fie o combinaþie a celor trei; indiferent de alegerea

fãcutã, dimensiunea setului de date trebuie sã fie de minimum 5

ani pentru cel puþin una dintre surse”.(5) Deºi prezentul studiu se referã exclusiv la modelele caracteristice

persoanelor juridice, considerãm oportunã ºi evidenþierea

necesarului de date privind elaborarea unor modele de rating

pentru persoanele fizice.(6) Conform “Applied Logistic Regression”, un sistem de rating

acceptabil are o valoare a indicatorului Pietra între 70% ºi 80%.

Note

Econ

omie

teor

etic

ã ºi

apl

icat

ã

46

BibliografieBalcaen, S., Ooghe, H., (2004). 35 years of studies on business

failure: an overview of the classical statistical methodologiesand their related problems, Universiteit GENT

Bardos, M. Detecting the risk of company failure at the Banque deFrance – Journal of Banking and Finance nr. 22, 1998

Foglia, Antonella. (2002). Using credit register and company ac-count data for measuring credit risk: a supervisory approach,Bank of Italy

Hosmer, D., Lemeshow, S. (2000). Applied Logistic Regression,John Wiley & Sons, Second Edition

*** Banque de France Rating – Companies Department 2005

*** International Convergence of Capital Measurement and Capi-tal Standards - BCBS (2004)

*** New Quantitative Models of Banking Supervision –Oesterreichische Nationalbank (2004)

*** Range of practice in banks‘ internal ratings systems – BCBS(2000)

*** Studies on the Validation of Internal Rating Systems , BCBS

ANEXA 1 ANEXA 2