Corporate credit risk modeling

Abstract

Corporate credit risk modeling for privately-held firms is limited, although these firms represent a large fraction of the corporate sector worldwide. This study is an empirical application of credit scoring and rating techniques to a unique dataset on private firms bank loans of a European bank. It is divided in two chapters. The first chapter is concerned with modeling the probability of default. Several alternative scoring methodologies are presented, validated and compared. These methodologies include a multiple industry model, and a weighted sample model. Furthermore, two distinct strategies for grouping the individual scores into rating classes with PDs are developed, the first uses cluster algorithms and the second maps internal ratings to an external rating scale. Finally, the regulatory capital requirements under the New Basel Capital Accord are calculated for a simulated portfolio, and compared to the capital requirements under the current regulation. On the second chapter, we model long-term Loss-Given-Default on loan, guarantee and customer characteristics using a random, 7-year sample. Two alternative modeling strategies are tested, taking in consideration the highly non-normal shape of the recovery rate distribution, and a fractional dependent variable. The first strategy is based on Beta transformation of the dependent variable, while the second is based on Generalizes Linear Models. The methodology can be used for long-term LGD prediction of a corporate bank loan portfolio and to comply with the New Basel Capital Accord Advanced Internal Ratings Based approach requirements.

A modelização do risco de crédito de empréstimos a empresas sem emissões cotadas em mercados financeiros é limitada, apesar do peso elevado deste segmento nas carteiras de crédito dos bancos. O objectivo deste estudo é contribuir para este ramo de literatura ao aplicar técnicas de medição dos dois principais parâmetros de risco de crédito a uma amostra aleatória extraída da base de dados de um banco europeu. A dissertação é composta por dois capítulos, o primeiro trata a modelização da probabilidade de incumprimento (PD), e o segundo a modelização da perda em caso de incumprimento (LGD). O primeiro capítulo começa por apresentar e comparar alternativas para a medição do credit score dos clientes, incluindo modelo de equações sectoriais múltiplas e outro com amostra ponderada. Em seguida é abordada a problemática de agrupar scores individuais em classes de risco com PDs associadas. Para tal, duas alternativas são propostas, a primeira usa técnicas de clustering, enquanto que a segunda baseia-se no mapeamento entre as classificações internas e uma escala de referência externa. No final do primeiro capítulo, e usando as estimativas de PD anteriormente calculadas, determinam-se os requisitos de capital regulamentar à luz do novo acordo de capital de Basileia, em contraste com os requisitos previstos no acordo actual. No segundo capítulo comparam-se duas alternativas para a modelização do LGD. Os modelos são estimados sob uma amostra aleatória de 7 anos, considerando-se como variáveis explicativas características dos empréstimos, garantias e clientes. Ambas as alternativas têm em consideração o facto da variável dependente ser uma fracção e de ter uma distribuição não normal. A primeira alternativa é baseada na transformação Beta da variável dependente, enquanto que a segunda é baseada em Generalized Linear Models.