Evaluarea cantitativ a riscului de credit din perspectiva Basel II

Nicolae Dardac
Profesor universitar doctor

Bogdan Moinescu
Asistent universitar doctorand

Academia de Studii Economice Bucureti

Abstract. The element of absolute novelty brought about by the Basel II agreement consists in the multiple approaches that can be used by banks when calculating the capital requirements for loan and operational risk. By implementing the solutions offered by Basel II, the Romanian loan-supplying institutions which will choose either the standard approach or the advanced one will be able to use the ratings 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 quantitative analysis 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 that the loan risk quantitative assessment and the setting up of an organization specialized in its external assessment in Romania are both necessary and possible. Taking these opportunities is however conditioned by the creation of an information system that may secure the periodical influx of valid and sufficient data for the adequate methodological calibers, under conditions of autonomy and transparency. Key words: loan risk internal models; non-payment probability; euristic and quantitative analysis; external loan evaluation organizations; rating system.

n condiiile utilizrii de ctre instituiile de credit a unor tehnici sofisticate de evaluare i gestionare a riscurilor, regulile simple i statice ale Acordului Basel I au devenit n ultimii ani din ce n ce mai puin relevante. Drept urmare, s-a simit nevoia crerii unui cadru de adecvare a fondurilor proprii mult mai sensibil la riscuri, n msur s ofere instituiilor de credit stimulente n ceea ce privete perfecionarea tehnicilor de evaluare i management al riscurilor. Acest cadru este oferit, n prezent, prin Acordul Basel II, care va contribui la ntrirea stabilitii financiare i prin creterea, alturi de ali factori, a gradului de analiz i evaluare intern a riscurilor. Acordul Basel II ofer instituiilor de credit posibilitatea de a utiliza mai multe abordri n ce privete evaluarea riscurilor, n general, a riscului de credit, n particular. Este vorba, n principal, de abordarea standardizat i de cea avansat. Abordarea standardizat utilizeaz att ponderi fixe de risc corespunztor

fiecrei categorii de active, ct i evaluri externe ale creditului pentru a consolida sensitivitatea acestora la riscuri. Abordarea avansat, bazat pe modele interne pentru riscul de credit, reprezint o inovaie a Acordului Basel II i difer sensibil de cea standardizat. Diferena const n faptul c evalurile interne ale riscurilor cheie sunt folosite drept intrri primare n calculul cerinei minime de capital. Ponderile de risc i capitalul aferent sunt determinate prin combinaii de intrri cantitative furnizate de instituiile de credit i de formule specificate prin Acord, bazate pe tehnici moderne de management al riscurilor i care implic evaluri statistice. Instituiile de credit trebuie, deci, s furnizeze propriile lor estimri privind probabilitatea de nerambursare i s utilizeze att estimrile fcute de autoritatea de supraveghere pentru celelalte componente ale riscului de credit, ct i funciile de ponderare stabilite de Basel II n scopul

41

Evaluarea cantitativ a riscului de credit din perspectiva Basel II

Introducere

determinrii cerinei de capital. Basel II permite, deci, instituiilor de credit s utilizeze notaiile interne pentru msurarea riscului de credit, dar acord o mare importan i notaiilor externe ale ageniilor de rating. Drept urmare, prin implementarea Acordului Basel II n Romnia, instituiile de credit care opteaz pentru abordarea standard vor avea posibilitatea, n scopul determinrii cerinei de capital pentru riscul de credit, s utilizeze ratingurile unei Instituii de evaluare extern a creditului (External Credit Assessment Institution - ECAI). Totodat, probabilitile de nerambursare asociate acestor ratinguri pot fi utilizate ca referenial pentru calibrarea modelelor interne pentru riscul de credit dezvoltate de bncile care intenioneaz adoptarea abordrilor avansate(1). n plus, numeroase studii privind rolul ageniilor pentru evaluarea extern a creditului arat c prin difuzarea de informaii privind bonitatea debitorilor (efectivi i/sau poteniali) ctre instituiile de credit, acestea contribuie la reducerea efectelor seleciei adverse i a hazardului moral. Totodat, aceste agenii permit evaluarea rafinat a riscului de credit, mbuntesc accesul solicitanilor de credit la resursele bncilor i susin stabilitatea financiar a sectorului bancar. Din perspectiva procesului de creare a unei astfel de instituii de evaluare extern a creditului, este esenial construirea unui sistem de rating bazat pe analiza cantitativ. Aceasta presupune elaborarea unei familii de modele clasificate cel puin dup sectorul de activitate(2) i cifra de afaceri a debitorului, precum i date valide i suficiente pentru calibrarea acestora. Alte criterii de clasificare consacrate sunt activul total, tipul creditului, zona geografic n care debitorul i desfoar activitatea i termenul de rambursare. Modelarea probabilitii de nerambursare pe peer-group-uri reprezint o cerin major pentru obinerea unor sisteme de rating performante. n schimb, lipsa omogenitii setului de date utilizate pentru calibrarea modelului poate conduce adesea la erori de previziune, care fac dificil i chiar nerecomandabil folosirea lui ca referenial. n acest context, n prezentul studiu am urmrit s evideniem oportunitatea valorificrii superioare a informaiilor stocate de instituiile de credit prin implicarea acestora ntr-un sistem informaional care s permit estimarea riguroas a probabilitii de nerambursare pentru debitorii sectorului bancar. De asemenea, sunt prezentate dificultile care impieteaz asupra implementrii unui astfel de mecanism, dar i soluii privind modul n care ele pot fi depite, pornind de la modelele consacrate n literatura de specialitate i de la practicile europene n domeniu.

rezonabil i consistena n timp a estimrilor cantitative privind riscul de credit. Exist, n opinia noastr, mai multe metode de notare care ar putea sa rspund cerinelor de reglementare cele mai uzuale i la care vom face referiri n cele ce urmeaz, fiind rezultatul unei expertize, al unui model sau al unei combinaii ntre cele dou. Utilizat de-a lungul timpului de ctre bnci, expertiza se bazeaz pe experiena i aprecierea analistului. Una dintre consecinele sale este c notarea aceleiai ntreprinderi de ctre doi analiti poate fi diferit. Pentru a minimaliza acest risc i pentru a menine calitatea, precum i omogenitatea de notare n rndul analitilor, instituiile au stabilit, n general, ghiduri de notare, indicnd, de exemplu, demersul de urmat i principalele criterii de examinare. n ultimii ani, s-au dezvoltat modele de notare a riscurilor de credit care au permis nscrierea unei contrapartide ntr-o anumit clas de risc. Interesul acestei abordri rezid n aspectul su obiectiv i mai mult sau mai puin automat, dovad a omogenitii notrilor furnizate. Sistemele de notare dezvoltate de marile agenii de rating combin elemente ale analizei euristice cu cele ale analizei cantitative n diferite proporii. ncepnd cu anii 90 metodele cantitative au ctigat din n ce mai mult teren, fiind n prezent principala component metodologic a sistemelor de rating. Literatura de specialitate a consacrat dou tehnici fundamentale pentru estimarea probabilitii de nerambursare: modele bazate pe informaii de pia i modele bazate pe factori determinani. Modele bazate pe informaii de pia Cele mai reputate modele de acest gen sunt Portfolio Manager i CreditMetrics, fiind utilizate cu precdere n economii cu o pia de capital dezvoltat, deoarece metodologiile specifice se bazeaz pe date privind evoluia preului aciunilor. Modelul Portofolio Manager a fost dezvoltat de Moodys i valorific ideea lui Merton de a trata capitalul propriu ca o opiune pe activul companiei. Nivelul i volatilitatea preului unei aciuni pot contribui la determinarea valorii de pia a unei companii. Astfel, bonitatea unei companii poate fi apreciat, comparnd valoarea sa de pia cu nivelul datoriilor pe care le are. Aceleai condiionaliti le ntlnim i n cazul modelului CreditMetrics elaborat de J.P. Morgan. Pentru a calcula variaiile valorice ale unui portofoliu, modelul determin corelaiile dintre expunerile individuale, folosind informaii privind preul aciunilor. Aceast abordare are dezavantajul c poate fi aplicat doar companiilor cotate la bursa. n Romnia aplicabilitatea modelului Merton este limitat, deoarece exist foarte puine companii cotate la burs. Aceasta a fost i cauza pentru care nu am putut aplica acest model n cadrul studiului nostru. Totui, modelul poate deveni viabil n viitor, n msura n care va crete numrul companiilor cotate la burs, iar eficiena informaional a pieei se va mbunti simitor. Modele bazate pe factori determinani O alternativ la modelul Merton o constituie estimarea probabilitii de nerambursare pe baza unor factori

Economie teoretic i aplicat

1. Metodologii de estimare a probabilitii de nerambursare

Principala problem n crearea unei instituii de evaluare extern a creditului este construirea unui model statistic pentru cuantificarea probabilitii de nerambursare conform cu exigenele BASEL II. Din punct de vedere metodologic, modelarea riscului de credit presupune: (a) evaluarea cuprinztoare a caracteristicilor debitorului i a facilitii pe care dorete s o acceseze; (b) diferenierea semnificativ a riscului, respectiv granularitatea scalei de notare; (c) acurateea

42

P ( yi = 1 / xi , ) =

1 1 + e xi
,

P ( y i = 1 / x i , ) este probabilitatea de nerambursare condiionat de caracteristicile entitii analizate i vectorul de coeficieni al modelului. Verificarea performanei modelului de scoring presupune evaluarea cumulativ a capacitii funciei scor de a delimita ex-ante situaiile de nerambursare (puterea discriminatorie), precum i determinarea intervalelor de ncredere ce caracterizeaz parametrii de risc (stabilitate). Pentru testarea puterii discriminatorii am folosit curba ROC. Aceasta modeleaz relaia dintre procentul debitorilor care nu au rambursat i au fost corect identificai (HR Hit Rate) i procentul debitorilor care au rambursat i care au fost incorect clasificai (FAR False Alarm Rate).

Puterea economic

Dimensiunea economic a activitii (cuantificat prin nivelul cifrei de afaceri sau al activului total) Evoluia proprie a cifrei de afaceri n raport cu evoluia mediei pe sector Creterea real a cifrei de afaceri

43

Evaluarea cantitativ a riscului de credit din perspectiva Basel II

determinani. Aceast metodologie urmrete identificarea unei corelaii ntre situaiile de nerambursare i anumite caracteristici ale companiile analizate. Literatura de specialitate (BCBS 2005, p. 33) i cele mai bune practici n domeniu au consacrat analiza discriminant i modelele logit ca fiind cele mai potrivite tehnici privind estimarea probabilitii de nerambursare n contextul modelelor bazate pe factori determinani. Totodat, se impune fcut o distincie clar ntre metodele directe i cele indirecte. n cazul metodelor directe, n care includem modelele logit, rezultatul (scorul) ratingului poate fi interpretat el nsui ca probabilitate de nerambursare. Modelele clasice de tipul Z score folosesc analiza discriminant pentru clasificarea entitilor analizate i exprim indirect probabilitatea de nerambursare. Rezultatele modelelor ce utilizeaz analiza discriminant ofer doar o msur a bonitii agenilor evaluai, fiind necesare eforturi suplimentare pentru determinarea probabilitii de nerambursare. Avnd n vedere c eantionul de date de care dispunem conine un numr semnificativ mai mic de companii n stare de nerambursare dect cele n stare de non-nerambursare, am considerat mai potrivit folosirea modelelor logit dect analiza discriminant. Modelul LOGIT aparine mulimii modelelor de probabiliti condiionale i reprezint o metoda direct de estimare a probabilitii de nerambursare. Rezultatul acestui model poate fi interpretat el nsui ca probabilitate de nerambursare pentru o anumit solicitare de credit n funcie de anumite caracteristici. Modelul LOGIT se fundamenteaz pe ipoteza potrivit creia reziduul este distribuit logistic. Variabila endogen este binar i delimiteaz situaiile de nerambursare de cele de rambursare. Valorile variabilei explicative sunt stabilite n funcie de serviciul datoriei(3). Sursa datelor este reprezentat n general de un registru de credite. Variabilele exogene includ informaii privind bonitatea entitii analizate i caracteristicile specifice creditului n cauz. Selecia variabilelor relevante presupune alegerea din teoria de specialitate i din recomandrile experilor a unei mulimi de indicatori i de criterii. Acestea sunt verificate empiric, fiind reinute acele variabile care au relevan statistic. Metodologia de estimare prezint urmtorul model conceptual:

Concavitatea curbei ROC este echivalentul scorurilor cu un coninut informaional discriminant, fiind funcie descresctoare; nonconcavitatea indic un uz al informaiei suboptimal n definirea funciei de scor. De aceea, un model indiferent va avea drept rezultat grafic prima bisectoare. Evaluarea stabilitii modelului se realizeaz pe baza analizei distribuiei valorilor indicatorului t-statistic asociate fiecrei variabile explicative, rezultate in urma a 100 de iteraii a estimrii modelului pe un eantion aleator reprezentnd 75% din cel total. n plus, pentru a verifica robusteea modelului considerat, se analizeaz i distribuia coeficientului ROC rezultat pe baza eantionului complementar celui folosit pentru estimrile reiterante.

2. Calitatea i disponibilitatea datelor

Prevederile BASEL II stipuleaz c modelele privind riscul de credit trebuie s conin ca variabile explicative att indicatori ai bonitii debitorului, ct i caracteristici ale creditului. Prin natura informaiilor pe care le gestioneaz, instituiile de credit pot contribui la crearea unui sistem informaional a crui utilizare este esenial n susinerea eforturilor dezvoltrii unui instrument statistic pentru notarea bonitii debitorilor i a solicitanilor de credit. Datele privind serviciul datoriei creditelor acordate de bnci permit delimitarea evenimentelor de nerambursare de cele de rambursare. n plus, sunt nregistrate informaii privind datele de identificare ale debitorului, informaii financiare i caracteristicile creditului (suma acordat, valuta, tipul garaniei, tipul creditului, termenul). Pentru a modela bonitatea debitorului n practic se folosesc variabile privind soliditatea economic, performana financiar i caracteristici generale sintetizate n ceea ce se poate numi moralitate comerciala. Analiza economic urmrete s evalueze puterea economic a solicitantului prin cuantificarea creterii reale a cifrei de afaceri, modificarea procentual a activitii n raport cu media sectorului de activitate i dimensiunea economic a activitii. Analiza financiar urmrete s identifice i s cuantifice riscul performanei clientului, riscul de lichiditate, riscul de insolvabilitate i riscul legat de managementul activelor. Relevana analizrii aspectelor generale este dat de necesitatea aprecierii moralitii comerciale i a capacitii manageriale a potenialului client. Dintre criteriile nefinanciare de analiz a bonitii clientului se detaeaz prin importan situaia juridic. n cazul n care clientul de afl ntr-una din urmtoarele situaii el este, n mod normal, eliminat imediat din analiz: dizolvare, faliment, nmatriculare respins, lichidare i radiere. Sintetiznd cele spuse anterior, modelele econometrice privind estimarea probabilitii de nerambursare pentru agenii economici cuprind, n general, indicatori precum:

Economie teoretic i aplicat

Performana financiar

Rate de profitabilitate (ROA, ROE, PM) Rate de solvabilitate (rata capitalului propriu, gradul de ndatorare) Rate de lichiditate (lichiditatea general, curent, imediat) Rate privind managementul activelor (rotaia activului total, a activelor fixe) Rate de cretere (creterea real a profitului net) Situaia juridic Vechimea afacerii Forma de proprietate Incidene de pli.

Moralitatea comercial

Din aceast perspectiv, un minim de informaii necesare este reprezentat de un cumul de date privind contul de profit i pierdere, bilanul i situaia juridic a agenilor economici. Pornind de la aceste premise, realizarea unei structuri informaionale pe care s se bazeze procesul de rating este un lucru dificil de realizat. Principalele abordri structurale identificate n practica de specialitate se fundamenteaz pe criteriul disponibilitii datelor. Astfel, n cadrul studiilor preliminare se cerceteaz sursele de date poteniale. n general, acestea sunt: debitorii; instituiile de credit; autoritile publice; respectiv Ministerul de Finane; alte organizaii publice sau private specializate n colectarea de informaii economico-financiare i despre conduita afacerilor; variante mixte, care combin elementele de mai sus. n faza de proiectare, se au n vedere criterii precum aspectele juridice, calitatea datelor, dimensiunea seriilor de date, posibilitile tehnice i costurile implicate. Aspectele juridice sunt analizate din perspectiva temeiului legal i a necesitailor ulterioare de reglementare. Calitatea datelor are n vedere asigurarea validitii informaiilor, respectiv autenticitatea, periodicitatea i comparabilitatea acestora. Dimensiunea seriilor de date trebuie s fie ct mai ampl(4), astfel nct istoricul s cuprind ct mai multe dintre situaiile conjuncturale cu implicaii sistemice i evoluiile ciclice. Posibilitile tehnice pun n eviden soluiile de infrastructur care s permit o eficien operaional crescut. Nu n ultimul rnd, trebuie avute n vedere i costurile investiionale i operaionale. Obinerea datelor direct de la debitori este n primul rnd declasat n analiza de necesitatea elaborrii unui sistem de validare. La aceasta se aduga necesitatea realizrii unui cadru legal corespunztor i dimensiunea redus a bazei de date, avnd n vedere dificultile suplimentare implicate de raportarea retroactiv a datelor. Nici utilizarea exclusiv a informaiilor stocate de ctre bnci nu este o soluie fezabil n cazul Romniei, cel puin pentru momentul actual. Eterogenitatea sistemelor actuale de rating folosite de bnci a condus n timp la acumularea de informaii despre debitori n formate de date diferite. Astfel, n registrele electronice ale bncilor exist doar datele folosite n propriile modele, iar celelalte informaii de bonitate sunt, nc, arhivate exclusiv pe suport hrtie. Se impune, prin urmare, i accesarea altor surse dect cele bancare sau direct de la debitori pentru obinerea informaiilor necesare. O soluie convenabil este accesarea bazelor de date gestionate de autoriti publice precum Ministerul Finanelor Publice (MFP)(5). Se presupune ca din aceste surse datele sunt valide i cu istorice care pornesc de la nceputurile desfurrii activitii evideniate. n plus, existena bazelor de date la

nivelul acestor instituii faciliteaz dezvoltarea unor soluii tehnice convenabile de interconectare, iar despre costuri apreciem c ar fi mai reduse dect n precedentele dou abordri. De asemenea, trebuie menionat c aceast abordare permite econometricienilor s verifice relevana statistic a mai multor variabile, astfel nct modelul conceptual al sistemelor de notare s fie elaborat dup, i nu nainte de finalizarea arhitecturii sistemului de date. Astfel, se evit orice eroare n alegerea variabilelor explicative n procesul de proiectare. Datele utilizate, n prezentul studiu, pentru estimarea modelului statistic privind riscul de credit constau n informaii financiare preluate din raportrile contabile ctre Ministerul Finanelor Publice pentru sfritul anului 2004. n eantionul analizat am inclus doar companiile care au avut un serviciu al datoriei mai mic de 90 de zile fa de sistemul bancar la acea dat. Astfel, din cele 505.921 companii existente n baza de date de la Ministerul Finanelor Publice, doar 38.380 aveau obligaii de plat fa de sistemul bancar. Dintre acestea, 509 companii au intrat n faliment tehnic la sfritul anului 2005. Din eantionul analizat am exclus companiile cu valori extreme aferente variabilelor explicative utilizate n model, rezultnd un eantion final de 35.513 companii, din care 463 sunt n faliment tehnic. Variabilele explicative nu conin dect indicatori financiar-contabili, modelul de nerambursare neputnd ncorpora i variabile macroeconomice, dat fiind caracterul static al analizei (estimarea probabilitii de faliment prin date de tip cros-secional).

3. Rezultatele estimrilor
n urma testelor univariate, am reinut n analiz doar trei variabile slab corelate ntre ele ( ): (i) rata acoperirii datoriilor pe termen scurt (v1); (ii) rata trezoreriei nete (v2); (iii) rata creanelor (v3). Analizele statistice au evideniat c ratele de cretere prezint un aport informaional nesemnificativ pentru explicarea intrrii n faliment tehnic a companiilor din eantion. Folosind aceste trei criterii pentru estimarea funciei logit multivariate, rezultatul obinut n urma testrii este asemntor cu cele obinute n alte studii care modeleaz probabilitatea de nerambursare; astfel, probabilitatea de deteriorare este negativ influenat de rata trezoreriei nete i de rata acoperirii datoriilor pe termen scurt, n timp ce rata creanelor o influeneaz pozitiv. Semnul plus ataat unei variabile arat c o cretere a variabilei respective, n condiiile n care ceilali factori rmn nemodificai, conduce la o cretere a probabilitii de nerambursare; semnul minus arat o influen contrar. Cea mai mare influen asupra probabilitii de nerambursare o are rata acoperirii datoriilor pe termen scurt; astfel creterea veniturilor companiei fa de datoriile acesteia pe termen scurt are o influen pozitiv semnificativ asupra capacitii acesteia de a-i onora serviciul datoriei. Cea mai mic influen asupra probabilitii de nerambursare o are rata creanelor; astfel, durata medie de recuperare a creanelor are o influen negativa puin semnificativ asupra capacitii companiei de a-i onora serviciul datoriei (anexa 1).

44

Relevana statistic a criteriilor selectate este evideniat de valorile substaniale ale indicatorilor t-statistic asociai coeficienilor funciei multivariate estimate. Curba ROC pune n eviden faptul c variabilele alese au o putere explicativ suficient de mare, astfel nct modelul n ansamblul su s realizeze o bun apreciere a probabilitii de nerambursare (graficul 1). Aceast reprezentare intuitiv este ntrit de nivelul relativ ridicat al indicatorului Pietra (6), respectiv 76,52%.
Variabile V1 V2 V3 C tstatistic -8.6774 -11.2891 7.2188 -34.3704

Concluzii
Consideraiile expuse anterior ne conduc la concluzia c msurarea cantitativ a riscului de credit i crearea unei agenii de evaluare extern a acestuia n Romnia nu sunt numai oportune, ci i posibile. Prezentul studiu arat clar c exist un comportament general valabil privind rambursarea debitelor bancare, care face posibil modelarea riscului de credit. Chiar i utilizarea exclusiv a datelor financiare permite posibila dezvoltare a unei funcii de scoring cu o bun putere predictiv. Rezultatele sunt ncurajatoare i pentru c eantionul de estimare a cuprins toate sectoarele de activitate. Avnd n vedere eterogenitatea companiilor incluse n eantionul analizat, pentru a crete acurateea notrii, se impune ncercarea realizrii unor estimri sectoriale a funciei probabilitii de nerambursare. n plus, includerea in viitor a unor variabile calitative precum calitatea managementului, vechimea afacerii sau informaii privind incidenele cu instrumente de plat va conduce la creterea acurateei sistemului de rating. Valorificarea acestei oportuniti este condiionat, ns, de construirea unui sistem informaional care s asigure influxul periodic de date valide i suficiente pentru calibrrile metodologice corespunztoare, n condiii de independen i transparen. Modelele astfel construite vor permite asigurarea unui nivel ridicat al automatizrii notrii, caracterul obiectiv i credibilitatea evalurii externe a riscului de credit.

Pe baza funciei logit estimate au fost calculate probabilitile de nerambursare pentru fiecare companie n parte. Distribuia acestor valori este similar cu cea prezentat n teoria economic, dar care, totui, evideniaz o concentrare relativ ridicat a firmelor cu performane foarte bune (graficul 2). Testele de stabilitate relev pstrarea semnificaiei statistice pentru fiecare dintre cele trei variabile chiar i n condiiile reeantionrii aleatoare pe subgrupuri. Analiza distribuiilor t-statistic pentru coeficienii celor trei variabile (plus constanta) evideniaz c valorile acestui indicator nu coboar niciodat sub pragul critic (anexa 2). n plus, puterea de discriminare se pstreaz consistent pentru toate cele 100 de iteraii (graficul 3).

Note
(2005), WP nr. 14
(1)

(2)

(3)

(4)

(5)

(6)

45

Evaluarea cantitativ a riscului de credit din perspectiva Basel II

n conformitate cu estimrile Departamentului de Supraveghere (DS) din Banca Naional a Romniei(Stadiul pregtirii pentru aplicarea reglementrilor BASEL II n sistemul bancar romnesc-ediia a III-a) se apreciaz c doar dou dintre instituiile de credit cu personalitate juridic romn intenioneaz s foloseasc abordarea avansat, respectiv modelele interne de rating de credit cu 1 ianuarie 2007. BCR folosete n prezent 11 sisteme diferite pentru estimarea performanei financiare BCBS (2004) paragraful 452: situaia de nerambursare este caracterizat de o ntrziere la plat mai mare de 90 de zile sau de scoaterea n afara bilanului a expunerii respective. paragraful 463 (BASEL II) precizeaza: n vederea estimrii PD, banca poate folosi surse de date fie externe, fie interne, fie pooled data, fie o combinaie a celor trei; indiferent de alegerea fcut, dimensiunea setului de date trebuie s fie de minimum 5 ani pentru cel puin una dintre surse. Dei prezentul studiu se refer exclusiv la modelele caracteristice persoanelor juridice, considerm oportun i evidenierea necesarului de date privind elaborarea unor modele de rating pentru persoanele fizice. Conform Applied Logistic Regression, un sistem de rating acceptabil are o valoare a indicatorului Pietra ntre 70% i 80%.

Economie teoretic i aplicat

Bibliografie
Balcaen, S., Ooghe, H., (2004). 35 years of studies on business failure: an overview of the classical statistical methodologies and their related problems, Universiteit GENT Bardos, M. Detecting the risk of company failure at the Banque de France Journal of Banking and Finance nr. 22, 1998 Foglia, Antonella. (2002). Using credit register and company account 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 Capital 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

46