Ce este Credit Default Probability?
▾
Probabilitatea de nerambursare (PD) este un concept de bază în măsurarea riscului de credit, reprezentând probabilitatea ca un împrumutat – fie o corporație, o instituție financiară, un suveran sau o persoană fizică – să nu efectueze plățile solicitate contractual într-un orizont de timp specificat. PD este unul dintre cei trei parametri fundamentali din cadrul de risc de credit de la Basel, alături de Loss Given Default (LGD) și Exposure at Default (EAD), și conduce atât pierderile așteptate, cât și calculele de capital de reglementare. Există trei abordări principale pentru estimarea PD. Abordarea structurală, lansată de Robert Merton în 1974, modelează capitalul unei companii ca o opțiune de cumpărare a activelor sale: implicit apare atunci când valoarea activelor scade sub valoarea nominală a datoriei („bariera implicită”) la scadență. Distanța până la implicit (DD) - măsurată în abateri standard ale valorii activelor față de bariera implicită - este rezultatul cheie, iar PD este estimată din distribuția normală a acestei distanțe. Modelul Moody's KMV este cea mai importantă implementare comercială a abordării structurale Merton, folosind valoarea estimată a activelor și volatilitatea pentru a calcula Frecvența Așteptată de Default (EDF). Abordarea în formă redusă (intensitate) tratează neplata ca un eveniment surpriză guvernat de o rată a hazardului λ (probabilitatea condiționată instantanee de neplată), care poate fi calibrată la prețurile de piață ale swap-urilor pe riscul de credit (CDS) sau ale spread-urilor de credit pentru obligațiuni. PD peste orizontul T = 1 − e^(−λT). Această abordare este mai flexibilă decât modelul structural și poate încorpora intensități implicite care variază în timp. Abordările bazate pe scorul de credit (inclusiv modele de regresie logistică, modele de agenții de rating și modele de învățare automată) estimează PD din caracteristicile financiare ale debitorului: rate de levier, profitabilitate, rate de acoperire, lichiditate, dimensiune și industrie. Ratele de nerambursare istorice ale agențiilor de rating oferă o mapare empirică de la ratingul de credit la PD istoric pe diferite orizonturi. Estimarea exactă a PD este esențială pentru stabilirea prețului împrumutului (diferența de credit trebuie să compenseze pierderea așteptată = PD × LGD), calcularea capitalului de reglementare (abordarea Basel IRB permite băncilor să utilizeze modele interne de PD), gestionarea riscului de credit de portofoliu și evaluarea riscului de credit al contrapartidei în tranzacțiile cu instrumente derivate.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formulă
▾
Merton PD: PD = N(−d2) unde d2 = [ln(V/D) + (μ − σ_V²/2)T] / (σ_V √T)
Rata pericolului PD: PD(T) = 1 − e^(−λT)
Triunghiul de credit: λ ≈ Credit Spread / LGD | CS ≈ PD × LGD / (1−PD)Legenda variabilelor
▾
| Simbol | Nume | Unitate | Descriere |
|---|---|---|---|
| PD | Probabilitatea de implicit | % | Probabilitatea de neplată într-un anumit orizont (1 an este standard); parametrul primar al riscului de credit. |
| DD | Distanța până la implicit | standard deviations | În modelul Merton: (Valoarea activului − Punct implicit) / (Vol. activ × Valoarea activului); numărul de abateri standard deasupra standardului. |
| λ | Rata de pericol | per year | Probabilitate condițională instantanee de implicit pe unitate de timp; utilizat în modele în formă redusă: PD = 1 − e^(−λT). |
| LGD | Pierdere dată implicită | % | Fracțiunea așteptată din expunere pierdută dacă apare implicit; complement al ratei de recuperare. EL = PD × LGD × EAD. |
| CS | Credit Spread | bps | Randament suplimentar cerut peste rata fără risc; aproximativ CS ≈ λ × LGD pentru scadențe scurte (triunghi de credit). |
Cum să Credit Default Probability
▾
- 1Alegeți abordarea de estimare: structurală (Merton) pentru companiile publice cu date de capital propriu; formă redusă pentru denumiri comerciale CDS; bazate pe rating pentru companiile cu rating de credit.
- 2Pentru modelul Merton: estimați valoarea activului (V) și volatilitatea activelor (σ_V) prin rezolvarea iterativă a sistemului de capitaluri proprii ca opțiune de cumpărare; identificați bariera implicită (de obicei datorii curente + 50% datorie pe termen lung).
- 3Calculați distanța până la implicit: DD = (V − D) / (σ_V × V), unde D este bariera implicită.
- 4Convertiți DD în PD utilizând distribuția normală: PD = N(−DD) pentru măsura neutră din punctul de vedere al riscului sau utilizați maparea empirică (cum face Moody's KMV) pentru PD din lumea reală.
- 5Pentru CDS/PD bazată pe spread: obțineți marja de credit pe piață, presupuneți LGD (de obicei 40–60%); calculați rata hazardului λ = CS / LGD; se calculează PD(T) = 1 − e^(−λT).
- 6Pentru PD bazată pe rating: căutați rata de nerambursare medie cumulativă istorică pentru ratingul de credit al emitentului din studiile anuale de implicite S&P sau Moody's.
- 7Validați estimarea PD în raport cu prețurile pieței, ratingurile agențiilor de rating și companiile similare. Agregat la pierderea așteptată în portofoliu: EL = Σ PD_i × LGD_i × EAD_i.
Exemple rezolvate
▾
Compania este cu 1,41 abateri standard peste implicit - risc de credit moderat
d2 = [ln(100/70) + (0,05 − 0,25²/2)×1] / (0,25×√1) = [0,357 + 0,019] / 0,25 = 1,505. PD = N(−1,505) ≈ 6,6%. Distanța până la DD implicită = (100 − 70) / (0,25 × 100) = 1,20 abateri standard. Moody's KMV mapează acest lucru cu un EDF empiric din baza de date istorică. Un DD de 1,2 corespunde cu aproximativ 8–12% probabilitate empirică de implicită pe un an. Dacă piețele de acțiuni se vând și volatilitatea activelor crește la 35%, DD scade la 0,86 și PD crește la 19% - demonstrând modul în care condițiile pieței de acțiuni influențează direct riscul de credit.
Piața CDS implică 22% șanse de neplată peste 5 ani
Rata de risc λ = CS / LGD = 300 bps / 60% = 500 bps = 5,0% pe an. PD la 1 an = 1 − e^(−0,05×1) = 4,88%. PD la 5 ani = 1 − e^(−0,05×5) = 1 − e^(−0,25) = 22,1%. Această PD implicită de CDS este o probabilitate neutră din punct de vedere al riscului (include prima de risc), astfel încât PD în lumea reală ar fi puțin mai mică. Un spread CDS de 300 bps este în concordanță cu un rating de credit BB, în care ratele istorice cumulate de nerambursare pe 5 ani sunt în medie de aproximativ 10–15% - piața CDS implică o rată ceva mai mare, reflectând prima de risc de piață și prima de lichiditate.
Bazat pe peste 40 de ani de date istorice privind implicite S&P în funcție de rating
Conform studiului anual S&P privind nerambursarea și tranziția evaluării corporative la nivel global în 2023, rata medie cumulativă de nerambursare pe 3 ani pentru emitenții cu rating BB din 1981–2022 este de aproximativ 8,2%. Rate anuale de nerambursare: BB Anul 1≈0,84%, Anul 2≈1,65% marginal, Anul 3≈1,72% marginal. Ratele de nerambursare cumulate pe 3 ani de gradul de investiție sunt mult mai mici: AAA≈0,01%, AA≈0,05%, A≈0,13%, BBB≈0,55%. Aceste rate empirice sunt PD din lumea reală (nu sunt neutre din punct de vedere al riscului) și sunt utilizate direct în calculele pierderilor așteptate de la Basel IRB pentru portofoliile de credite.
Ratele financiare multiple combinate în regresia logistică prezic PD
Într-un model de regresie logistică, fiecare raport financiar are un coeficient estimat din datele istorice implicite: Datoria/EBITDA (5,0x — levier mare adaugă risc), acoperire a dobânzii (1,8x — acoperirea scăzută crește semnificativ PD), raport curent (0,9 — sub 1,0 = capital de lucru negativ adaugă risc) și marja de profit (4% — marja subțire oferă puțin tampon). Log-odd-urile combinate produc un PD de aproximativ 12,5% - un teritoriu de grad speculativ ridicat. Acest împrumutat ar primi un rating intern B sau B−, necesitând stabilirea prețurilor la aproximativ LIBOR/SOFR + 400–500 bps și protecții stricte.
Aplicații practice
▾
Aprobarea și stabilirea prețului creditelor pentru inițierea împrumuturilor bancare (RAROC), permițând practicienilor să ia decizii cantitative bine informate, bazate pe metode de calcul validate și abordări standard din industrie, ceea ce necesită o analiză cantitativă precisă pentru a sprijini deciziile bazate pe dovezi, alocarea strategică a resurselor și optimizarea performanței în diverse contexte organizaționale și discipline profesionale
Calculul capitalului Basel II/III IRB pentru portofoliile de credite, ajutând analiștii să producă rezultate precise care sprijină planificarea strategică, alocarea resurselor și evaluarea comparativă a performanței în cadrul organizațiilor, unde calculul numeric precis este esențial pentru producerea de rezultate fiabile care informează procesele de planificare, evaluare și îmbunătățire continuă atât în setari corporative, cât și individuale.
IFRS 9 / CECL prevederea pierderilor de credit așteptate, permițând profesioniștilor să cuantifice rezultatele în mod sistematic și să compare scenarii folosind cadre matematice fiabile și formule stabilite, solicitând abordări sistematice de calcul care traduc datele brute de intrare în perspective acționabile pentru părțile interesate care depind de rigoarea cantitativă în activitățile lor profesionale zilnice
Prețurile și tranzacționarea credit default swap, susținând procese de evaluare bazate pe date, în care precizia numerică este esențială pentru obiectivele de conformitate, raportare și optimizare, necesitând metode de calcul robuste care oferă rezultate consistente și verificabile, potrivite pentru raportare, auditare și analiza tendințelor pe termen lung în medii profesionale
Monitorizarea riscului de credit al portofoliului de obligațiuni și supravegherea ratingului, care necesită o analiză cantitativă precisă pentru a sprijini deciziile bazate pe dovezi, alocarea strategică a resurselor și optimizarea performanței în diverse contexte organizaționale și discipline profesionale
Cazuri speciale
▾
În practică, acest caz marginal necesită o analiză atentă, deoarece ipotezele standard pot să nu fie valabile. Atunci când întâlnesc acest scenariu în calculele calculatoarelor de probabilitate de nerambursare a creditului, practicienii ar trebui să verifice condițiile limită, să verifice riscurile împărțite la zero și să ia în considerare dacă ipotezele modelului rămân valabile în aceste condiții extreme.
Profesioniștii care lucrează cu riscul de credit pd ar trebui să fie deosebit de atenți la acest scenariu, deoarece poate duce la rezultate înșelătoare dacă nu este tratat corespunzător. Verificați întotdeauna condițiile la limită și verificați cu metode independente atunci când acest caz apare în practică.
În practică, acest caz marginal necesită o analiză atentă, deoarece ipotezele standard pot să nu fie valabile. Atunci când întâlnesc acest scenariu în calculele calculatoarelor de probabilitate de nerambursare a creditului, practicienii ar trebui să verifice condițiile limită, să verifice riscurile împărțite la zero și să ia în considerare dacă ipotezele modelului rămân valabile în aceste condiții extreme.
Rate de implicite medii pe 1 an S&P în funcție de rating (1981–2022)
▾
| Evaluare | PD de 1 an | PD de 3 ani | PD de 5 ani | Descriere |
|---|---|---|---|---|
| AAA | 0,00% | 0,01% | 0,04% | Cel mai înalt grad de investiție |
| AA | 0,02% | 0,06% | 0,12% | Calitate foarte înaltă |
| A | 0,06% | 0,18% | 0,37% | Calitate superioară |
| BBB | 0,16% | 0,55% | 1,10% | Limită pentru gradul de investiție |
| BB | 0,84% | 3,41% | 7,18% | Cea mai mare nota speculativa |
| B | 3,44% | 10,50% | 18,90% | Speculativ |
| CCC/C | 26,78% | 42,60% | 52,20% | Foarte speculativ / stresat |
Întrebări frecvente
▾
Care este diferența dintre PD neutru față de risc și PD din lumea reală?
PD neutră la risc este derivată din prețurile pieței (spreadje CDS, randamente ale obligațiunilor) și include o primă de risc pe lângă probabilitatea pură de nerambursare — investitorii cer compensații suplimentare pentru deținerea riscului de nerambursare. PD reală (fizică) este frecvența istorică reală a neîndeplinirii obligațiilor pentru o anumită categorie de risc - de obicei estimată din datele agențiilor de rating sau din datele interne privind performanța împrumuturilor bancare. PD neutru la risc este utilizat pentru stabilirea prețului instrumentelor derivate (CDS, derivate de credit) și trebuie să se potrivească cu prețurile pieței. PD din lumea reală este utilizată pentru calculele pierderilor așteptate de la Basel, provizioanele pentru împrumuturi și gestionarea riscurilor. PD neutru la risc este de obicei cu 1,5–3 ori mai mare decât PD real pentru emitenții cu grad de investiție, reflectând prima de risc de credit.
Care sunt abordările Basel II/III pentru estimarea PD?
Conform cadrului de capital pentru riscul de credit Basel II/III, băncile pot utiliza: (1) Abordare standardizată — ponderi de risc prescrise de autoritățile de reglementare pe baza ratingurilor externe de credit, fără estimări interne de PD; (2) Foundation IRB (FIRB) — băncile estimează PD intern, dar folosesc LGD și EAD de supraveghere; (3) Advanced IRB (AIRB) — băncile estimează PD, LGD și EAD folosind propriile modele interne, sub rezerva cerințelor minime de date și a validării reglementărilor. AIRB permite cele mai mici taxe de capital pentru portofolii de credite de înaltă calitate, dar necesită ani de date implicite, validare riguroasă a modelului și monitorizare continuă a performanței modelului. Majoritatea băncilor mari active la nivel internațional folosesc AIRB pentru portofoliile lor majore.
Ce indicatori financiari prezic cel mai bine incapacitatea corporativă?
Scorul Z al lui Altman (1968) a identificat cinci predictori cheie ai falimentului corporativ din analiza discriminantă: capital de lucru/active totale, câștiguri reportate/active totale, EBIT/active totale, valoarea de piață a capitalului propriu/valoarea contabilă a pasivelor totale și vânzări/active totale. Cercetările de atunci au confirmat că cei mai puternici predictori individuali includ: efectul de levier (Datoria/EBITDA, Datoria/Activele), acoperirea (EBIT/Dobândă, EBITDA/Dobânda), lichiditatea (raportul curent, raportul rapid), profitabilitatea (ROA, marja de profit) și dimensiunea (firmele mai mari au rate de implicit mai mici pentru același nivel de levier). Modelele moderne de învățare automată folosesc sute de caracteristici financiare și non-financiare.
Cum se raportează rata de recuperare cu PD?
Rata de recuperare (R) = 1 − LGD (Loss Given Default). Rata de recuperare este fracțiunea de expunere recuperată după neplată prin proceduri de faliment, vânzări de active sau restructurare. Ratele istorice de recuperare pentru obligațiunile corporative negarantate sunt în medie de aproximativ 40% (LGD=60%), dar variază enorm în funcție de vechime: obligațiunile senior garantate recuperează 60–80%; senior negarantat 35–55%; obligațiuni subordonate 10–30%; capitaluri proprii aproape de zero. Ratele de recuperare sunt corelate negativ cu PD - în recesiunile sistemice când ratele de nerambursare cresc, ratele de recuperare scad simultan (prociclicitate), amplificând pierderile de credit dincolo de ceea ce ar sugera estimările independente PD și LGD.
Care este distincția PD „prin ciclu” față de „punct în timp”?
Through-the-cycle (TTC) PD estimează probabilitatea medie de nerambursare pe un ciclu economic complet, netezind variația ciclică. Agențiile de rating folosesc ratinguri TTC — un rating BBB ar trebui să reflecte un risc similar de nerambursare pe tot parcursul ciclului. Punct-in-time (PIT) PD reflectă condițiile economice actuale și se mișcă odată cu ciclul economic: PIT PD crește în recesiuni și se comprimă în perioadele de boom. Basel cere băncilor să utilizeze TTC PD pentru calculele de capital minim (pentru a evita amplificarea prociclică a capitalului), dar PIT PD pentru provizionarea pentru pierderile de credit așteptate conform IFRS 9/CECL (care necesită o evaluare prospectivă, a stării curente). Distincția PIT-TTC este o sursă de complexitate practică semnificativă în managementul riscului de credit.
Cum se utilizează PD în stabilirea prețului împrumuturilor?
Prețul împrumuturilor folosește cadrul RAROC: marja de credit percepută trebuie să recupereze pierderea așteptată (EL = PD × LGD) plus să genereze o rentabilitate adecvată a capitalului de reglementare. Marja minimă de credit = (EL + Costul capitalului × Capitalul necesar) / Suma împrumutului. Pentru un împrumut pe termen de 1 an: dacă PD = 2%, LGD = 50%, EL = 1,0%. Dacă capitalul necesar = 8% din împrumut, la randamentul necesar de 15%: costul capitalului = 8% × 15% = 1,2%. Marja minimă = 1,0% + 1,2% = 2,2% (220 bps). Acest cadru RAROC asigură că împrumuturile sunt inițiate numai atunci când spread-ul acoperă pierderile așteptate și oferă un randament adecvat al capitalului propriu.
Învățarea automată poate îmbunătăți predicția PD față de modelele tradiționale?
Modelele de învățare automată — creșterea gradientului (XGBoost), păduri aleatorii, rețele neuronale — ating adesea o acuratețe predictivă mai mare (măsurată prin coeficientul AUC/Gini) decât regresia logistică pentru predicția PD, în special cu seturi mari de date care conțin multe interacțiuni neliniare între caracteristici. Cu toate acestea, ei se confruntă cu provocări în ceea ce privește riscul de credit: cerințele de explicabilitate de reglementare (orientările SR 11-7 solicită băncilor să înțeleagă și să explice rezultatele modelului), guvernanța modelului și riscul de supraadaptare la modelele istorice care ar putea să nu persistă. Abordările hibride - folosind ML pentru inginerie de caracteristici și selecție variabile, cu regresie logistică pentru modelul final - sunt comune în mediile bancare reglementate.
Greșeli frecvente de evitat
▾
- !Confundarea PD neutră la risc (de la CDS) cu PD reală — acestea diferă prin prima de risc de credit și nu ar trebui amestecate în calcule.
- !Utilizarea PD punctuală pentru calculele de capital de la Basel (ar trebui să se utilizeze de-a lungul ciclului) sau PD TTC pentru provizionarea IFRS 9 (ar trebui să utilizeze PIT).
- !Ignorând corelația dintre PD și LGD — în recesiuni, ambele se înrăutățesc simultan, amplificând pierderile reale de credit dincolo de EL = PD × LGD.
- !Aplicarea ratelor de nerambursare corporative la împrumuturile de retail/de consum fără ajustare pentru factorii de risc fundamental diferiți.
- !Extrapolarea PD pe orizont scurt la orizonturi lungi fără a lua în considerare migrarea ratingurilor în timp.
Sfat Pro
Validați-vă întotdeauna modelul PD atât cu coeficientul Gini/AUC (discriminare – clasarea debitorilor de la cel mai bun la cel mai rău risc), cât și cu teste de calibrare (sunt PD-urile estimate apropiate de ratele de implicite observate?). Un model care se clasează bine, dar este prost calibrat poate produce totuși rezerve inadecvate.
Știai că?
Perspectiva cheie a modelului Merton – tratarea capitalurilor unei firme ca pe o opțiune de cumpărare a activelor sale – a fost publicată în 1974, la doar un an după formula de stabilire a prețului opțiunilor Black-Scholes. Robert Merton a primit Premiul Nobel pentru Economie în 1997 (împreună cu Myron Scholes) în mare parte pentru acest corp de lucrări, care a unificat teoria prețului opțiunilor și riscul de credit într-un singur cadru elegant.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referințe
- ›Merton, R.C. (1974): On the Pricing of Corporate Debt, Journal of Finance
- ›S&P Global: Studiu anual anual de tranziție a evaluărilor corporative și a neîndeplinirii obligațiilor corporative (2023)
- ›Comitetul de la Basel: Abordarea IRB a riscului de credit — Basel III
- ›McNeil, Frey & Embrechts: Managementul riscului cantitativ — capitolul Risc de credit
Obțineți sfaturi săptămânale de matematică
Alăturați-vă 12.000+ abonați care primesc sfaturi pentru calculatoare în fiecare săptămână.