Probabilidade de Default

Rafael Paschoarelli, Milton Sanches

Resumo


Este trabalho tem o objetivo de apresentar um método de obtenção da probabilidade de default empregando processo estocástico via Simulação de Monte Carlo (MC) em substituição ao modelo de CRR (1979).

O desenvolvimento de ferramental para a mensuração do risco de crédito é de interesse tanto de acadêmicos, agentes econômicos, reguladores e supervisores do sistema financeiro. Nesse sentido, a mensuração de risco de crédito de instrumentos financeiros complexos é de interesse estratégico desses agentes e o presente artigo pretende contribuir neste sentido.

A publicação do trabalho de apreçamento de opções europeias por Black & Scholes (BS) em 1973 ensejou a criação de diversos modelos de quantificação de risco de crédito utilizando teoria de opções. Merton (1974) desenvolveu uma metodologia para obter a probabilidade de default de uma empresa usando BS.

Um dos desafios mais importantes do modelo é a obtenção da volatilidade dos ativos da empresa a partir da volatilidade do patrimônio líquido a mercado da empresa. Um dos principais limitantes para o emprego do modelo na vida real é a premissa da dívida da empresa estar concentrada em uma única data de vencimento. No final dos anos 1980, o modelo de Merton foi adaptado para o mundo corporativo por uma empresa especializada em análise quantitativa de risco de crédito denominada KMV Corporation, posteriormente adquirida pela agência de risco Moody´s em 2002. O Modelo Moody´s KMV (ou simplesmente KMV) introduz novas premissas de modo a simplificar o problema de dívida concentrada e também requer o emprego de uma base de dados proprietária da Moody´s de modo a se converter o parâmetro Distance to Default (DD) em uma probabilidade de default. Mais recentemente, a literatura sobre o assunto foi enriquecida com o emprego do modelo CCR de Cox, Ross e Rubinstein (1979) em substituição ao de BS.

Paschoarelli (2006) apresentou uma solução para o problema utilizando árvores binomiais no cálculo da probabilidade de default de empresas com dívidas que não sejam zero cupom empregando uma metodologia alternativa para se derivar a volatilidade dos ativos a partir da volatilidade do patrimônio líquido a mercado da empresa.

Palavras-chave: Probabilidade de Default, Monte Carlo, Risco de Crédito

Referências


ALTMAN, E., Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, Journal of Finance, v. 23, n. 4, p. 589-609, September 1968.

BIRGE, J. R. Quasi-Monte Carlo Approaches to Option Pricing, Technical Report 94-19, Department of Industrial and Operations Engineering, University of Michigan, 1995.

BLACK, F., SCHOLES, M. The Pricing of Options and Corporate Liabilities. Journal of Political Economy, v. 81, p. 637-654, 1973.

BOX, G. E. P., MULLER, M. E. A Note on the Generation of Random Normal Deviates. The Annals of Mathematical Statistics, v. 29, n. 2, p. 610-611, 1958.

BOYLE, P. P. Options: A Monte Carlo Approach. Journal of Financial Economics, v. 4, p. 323-338, 1977.

BRYS, E., BELLALAH, M., MAI, H., VARENNE, F., Options, Futures and Exotic Derivatives. John Wiley, New York, 1998.

CAPINSKY, M., KOPP, E., TRAPLE, J., Stochastic Calculus for Finance, Cambridge University Press, p. 177, 2012.

COX, J., ROSS, S., RUBINSTEIN, M. Option Pricing: A simplified Approach. Journal of Financial Economics, v. 7, p. 229-263, 1979.

CROUHY, GALAI e MARK. A comparative analysis of current credit risk models. Journal of Banking & Finance, v. 24 p. 59-117, 2000.

DELIANEDIS, G., GESKE, R. The Components of Corporate Credit Spreads: Default, Recovery, Tax, Jumps, Liquidity, and Market Factors. University of California, 2001.

DUFFIE, D., SINGLETON, K., Modeling Term Structures of Defautable Bonds, Review of Financial Studies, v. 12, n.4, p. 687-720, 1999.

ELISABETSKY, R. Um modelo matemático para decisões de crédito no banco comercial. Dissertação (Mestrado) – Escola Politécnica, Universidade de São Paulo, São Paulo, 1976.

GALANTI, S., JUNG, A. Low-Discrepancy Sequences: Monte Carlo Simulation of Option Prices, Journal of Derivatives, v. 5, n. 1, p. 63-83, 1997.

GLASSERMAN, P. Monte Carlo Methods in Financial Enginering, p. 596, Springer, 2004.

GUTHKE P., ANDRAS B., Reducing the number of MC runs with antithetic and common random fields. Advances in Water Resources, v. 43, p. 1-13, 2012.

HALTON, J. H. On the efficiency of certain quasi-random sequences of points in evaluating multi-dimensional integrals. Numerische Mathematik, v. 2, p. 84-90, 1960.

HULL, J., WHITE, A., Valuing Credit Default Swaps I: No Counterparty Default Risk, University of Toronto, 2000.

JARROW, R.A., TURNBULL, S.M. Pricing derivatives on financial securities subject to default risk. Journal of Finance, v. 50, p. 53-86, 1995.

JOY, C.; BOYLE, P. P.; TAN, K. S. Quasi-Monte Carlo Methods in Numerical Finance. Management Science, v. 42, n. 6, p. 926-938, 1996.

KANITZ, S. C. Como prever falências. Editora McGraw Hill, São Paulo, 1978.

MCCULLOUGH, B. D., WILSON, B. On the Accuracy of Statistical Procedures in Microsoft Excel 2000 and Excel XP, Computational Statistics and Data Analysis, v. 40, p. 713-721. 2002.

MERTON, R. On the Pricing of Corporate Debt: The Risk Structure of Interest Rates. Journal of Finance, v. 29, MIT (1974), p. 449-470, 1974.

MORO, B. The Full Monte, Risk, v. 8, n. 2, p. 57-58, 1995.

NIEDERREITER, H. Random Number Generation and Quasi-Monte Carlo Methods, SIAM, CBMS-NSF Regional Conference Series in Applied Mathematics, v.63, p. 241, 1992.

PASCHOARELLI, R. Probabilidade de Default. Tese (Doutorado), Faculdade de Economia e Administração, Universidade de São Paulo, 2006.

PRESS, W. H., TEUKOLSKY, S. A., VETTERLING, W. T., FLANNERY, B. P. Numerical Recipes in C, Cambridge University Press, 2nd Edition, p. 994, 1992.

SCHÄFER, KOIVUSALO, Dependence of defaults and recoveries in structural credit risk models, Economic Modelling, v. 30, p. 1–9, 2013.

SILVA, J. P. da. Análise financeira das empresas. Editora Atlas, São Paulo, 2001.

VOSE, D., Risk Analysis: A Quantitative Guide, John Wiley & Sons, 2nd Edition, p. 418, 2000.

YEH, LIN e HSU. A hybrid KMV model, random forests and rough set theory approach for credit rating. Knowledge-Based Systems, v. 33, p. 166–172, 2012.


Texto completo: PDF

Apontamentos

  • Não há apontamentos.




Licença Creative Commons
Este trabalho está licenciado sob uma Licença Creative Commons Attribution 3.0 .

_______________

Revista de Finanças Aplicadas

ISSN: 2176-8854

Contador Estatístico

Indexadores e diretórios

DOI Logotipo Gale Cengage Learning DOAJ

Adicionais
Gale Cengage Learning
Latindex - Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal
Livre - Revistas de Livre Acesso
Sumários - Sumários de Revistas Brasileiras
PKP - Public Knowledge Project