Tabla de Contenidos
1. Introducción
Este artículo aborda una brecha crítica en la modelización del riesgo crediticio: la incorporación explícita del riesgo cambiario (FX) en la evaluación de la Probabilidad de Incumplimiento (PD) de un prestatario y las correlaciones de activos entre prestatarios. Intuitivamente, un prestatario cuyos activos y pasivos están denominados en diferentes divisas enfrenta una volatilidad adicional, lo que incrementa su riesgo de incumplimiento. Este aumento se manifiesta no solo en una PD individual más alta, sino también en una mayor dependencia de los incumplimientos (mayor correlación de activos) entre prestatarios con exposiciones similares. El autor combina modelos establecidos—el modelo estructural de incumplimiento de Merton (1974), el modelo de opciones sobre divisas de Garman-Kohlhagen (1983) y el modelo asintótico de factor de riesgo único de Vasicek (2002)—para derivar fórmulas parsimoniosas que relacionan las PD y correlaciones con y sin riesgo cambiario.
2. Antecedentes del Modelo
La base del modelo radica en representar variables económicas clave como procesos estocásticos.
2.1 Proceso del Valor del Activo
El valor del activo del prestatario $A(t)$ sigue un movimiento browniano geométrico (GBM):
$dA(t) = \mu A(t)dt + \sigma A(t)dW(t)$
Equivalentemente, $A(t) = A_0 \exp\left((\mu - \sigma^2/2)t + \sigma W(t)\right)$, donde $\mu$ es la deriva, $\sigma$ es la volatilidad del activo y $W(t)$ es un movimiento browniano estándar.
2.2 Proceso del Tipo de Cambio
El tipo de cambio $F(t)$ (unidades de moneda de la deuda por unidad de moneda del activo) también se modela como un GBM:
$dF(t) = \nu F(t)dt + \tau F(t)dV(t)$
Equivalentemente, $F(t) = F_0 \exp\left((\nu - \tau^2/2)t + \tau V(t)\right)$, donde $\nu$ es la deriva, $\tau$ es la volatilidad del tipo de cambio y $V(t)$ es otro movimiento browniano estándar. Los dos movimientos brownianos están correlacionados con el parámetro $r$: $\text{corr}[V(t)-V(s), W(t)-W(s)] = r$.
2.3 Condición de Incumplimiento con Riesgo Cambiario
El incumplimiento ocurre en el momento $t=1$ si el valor del activo convertido a la moneda de la deuda cae por debajo del nivel de deuda $D$:
$F(1)A(1) \leq D$.
Esto puede normalizarse convenientemente por el tipo de cambio actual $F_0$ para expresar la deuda en la moneda local del activo: $F^*(1)A(1) \leq D^*$, donde $F^*(t)=F(t)/F_0$ y $D^*=D/F_0$.
3. Derivación de los Resultados Clave
Bajo los supuestos del modelo, el autor deriva expresiones cerradas para la PD y la correlación de activos bajo riesgo cambiario.
3.1 Probabilidad de Incumplimiento (PD) Ajustada
La PD bajo riesgo cambiario, $p^*$, viene dada por la probabilidad de que el proceso logarítmico combinado del activo caiga por debajo del umbral logarítmico de la deuda. Suponiendo independencia entre los procesos del activo y del tipo de cambio ($r=0$) y una deriva cero para el tipo de cambio ($\nu = 0$), la PD ajustada es:
$p^* = \Phi\left( \frac{\ln(A_0/D^*) - (\mu - \sigma^2/2)}{\sqrt{\sigma^2 + \tau^2}} \right)$
En comparación con la PD en una sola moneda $p = \Phi\left( \frac{\ln(A_0/D^*) - (\mu - \sigma^2/2)}{\sigma} \right)$, el denominador aumenta de $\sigma$ a $\sqrt{\sigma^2 + \tau^2}$, lo que conduce a una PD más alta ($p^* > p$) para la misma distancia al incumplimiento, ya que la volatilidad total aumenta.
3.2 Correlación de Activos Ajustada
La correlación de activos $\varrho^*$ entre dos prestatarios bajo riesgo cambiario también aumenta. Si ambos prestatarios están expuestos al mismo factor de riesgo cambiario, sus valores de activo se vuelven más correlacionados porque comparten un choque común adicional proveniente del movimiento del tipo de cambio.
3.3 La Condición Central de Consistencia
El resultado más poderoso es una condición de consistencia libre de parámetros que vincula los cambios en la PD y la correlación de activos. Para dos prestatarios con perfiles de riesgo idénticos, se simplifica a:
$\frac{1-\varrho^*}{1-\varrho} = \frac{[\Phi^{-1}(p^*)]^2}{[\Phi^{-1}(p)]^2}$
Esta ecuación (Ecuación (1) en el artículo) implica que no se pueden ajustar arbitrariamente las PD y las correlaciones de activos para el riesgo cambiario de forma independiente; están intrínsecamente vinculadas. Un aumento en la PD ($p^* > p$) debe ir acompañado de un aumento en la correlación de activos ($\varrho^* > \varrho$).
4. Ideas Clave y Perspectiva del Analista
Idea Central: El trabajo de Tasche no es solo un ejercicio matemático; es una acusación formal del enfoque común y aislado del riesgo de mercado y crediticio. El artículo demuestra que la volatilidad cambiaria no solo añade una prima fija a los diferenciales crediticios, sino que altera fundamentalmente la dinámica conjunta de fallos de los obligados. La condición de consistencia derivada es una poderosa prueba de coherencia: si tus PD ajustadas por riesgo cambiario aumentan pero tus correlaciones permanecen estáticas, tu modelo es internamente inconsistente y probablemente subestima el riesgo de cola de la cartera.
Flujo Lógico: El argumento es elegantemente simple. 1) Modelar activos y tipos de cambio como GBMs correlacionados. 2) Definir el incumplimiento a través del valor del activo convertido. 3) Observar que la volatilidad efectiva que impulsa el incumplimiento es $\sqrt{\sigma^2 + \tau^2}$. 4) Esta mayor volatilidad aumenta tanto la probabilidad marginal de incumplimiento (PD) como la co-movimiento (correlación) entre empresas expuestas al mismo factor cambiario. La condición de consistencia final surge naturalmente de esta geometría.
Fortalezas y Debilidades: La principal fortaleza es la tractabilidad. Al hacer supuestos estándar (aunque fuertes)—GBM, independencia, deriva cambiaria cero—el modelo produce una fórmula limpia y utilizable. Esto es mucho más accionable para los gestores de riesgo que simulaciones complejas y computacionalmente pesadas. La debilidad, sin embargo, radica en esos mismos supuestos. El modelo de Garman-Kohlhagen, aunque fundamental, es conocido por tener dificultades para capturar las sonrisas de volatilidad y los saltos en los tipos de cambio, como se señala en literatura más reciente (por ejemplo, Bakshi, Cao y Chen, 1997). Suponer independencia entre el valor del activo de una empresa y el tipo de cambio también es una limitación significativa, especialmente para empresas orientadas a la exportación cuyas fortunas están directamente ligadas a los movimientos de divisas. El modelo, tal como se presenta, es una aproximación de primer orden.
Ideas Accionables: Para los profesionales, este artículo exige un cambio de procedimiento. Primero, valida tus correlaciones. Usa la condición de consistencia para realizar pruebas retrospectivas (back-testing) y verificar si los pares PD-correlación estimados históricamente para empresas activas internacionalmente se alinean con las predicciones del modelo durante períodos de alta volatilidad cambiaria. Segundo, realiza pruebas de estrés a tu cartera. Aplica la fórmula para impactar simultáneamente las PD y las correlaciones bajo un escenario de choque cambiario severo, en lugar de hacerlo de forma aislada. Esto revelará vulnerabilidades concentradas que los modelos estándar pasan por alto. Finalmente, este trabajo subraya la necesidad de plataformas de riesgo integradas. A medida que el panorama regulatorio evoluciona hacia principios como el riesgo de tasa de interés en el libro bancario (IRRBB) de Basilea III, que reconoce el riesgo cambiario, modelos como el de Tasche proporcionan un argumento cuantitativo fundamental para derribar los silos entre los departamentos de riesgo de mercado y riesgo crediticio.
5. Detalles Técnicos y Marco Matemático
La derivación matemática central implica caracterizar el logaritmo del valor del activo normalizado $X = \ln(F^*(1)A(1)/A_0)$. Bajo los supuestos del modelo:
$X \sim N\left(\mu - \frac{\sigma^2 + \tau^2}{2}, \sigma^2 + \tau^2 + 2r\sigma\tau\right)$
La condición de incumplimiento $F^*(1)A(1) \leq D^*$ se convierte en $X \leq \ln(D^*/A_0)$. Por lo tanto, la PD es $p^* = \Phi\left( \frac{\ln(D^*/A_0) - (\mu - (\sigma^2+\tau^2)/2)}{\sqrt{\sigma^2 + \tau^2 + 2r\sigma\tau}} \right)$. La condición de consistencia se deriva considerando los valores de activo de dos empresas y aplicando el modelo asintótico de factor de riesgo único de Vasicek (2002), que vincula los umbrales de incumplimiento con las correlaciones de activos.
6. Marco Analítico: Un Caso Práctico de Ejemplo
Escenario: Un banco europeo tiene una cartera de préstamos que contiene dos empresas manufactureras, Empresa A (alemana, activos en EUR, deuda en USD) y Empresa B (japonesa, activos en JPY, deuda en USD). El banco ha estimado sus PD en una sola moneda como $p_A = p_B = 1\%$ y una correlación de activos de $\varrho = 15\%$, ignorando el riesgo cambiario.
Análisis: El banco ahora quiere incorporar el riesgo USD/EUR y USD/JPY. Utilizando modelos internos, estiman que la volatilidad cambiaria adicional aumenta la PD de cada empresa a $p^*_A = p^*_B = 1.5\%$.
Aplicación de la Condición de Consistencia: El banco ahora debe ajustar la correlación de activos. Usando la fórmula:
$\frac{1-\varrho^*}{1-0.15} = \frac{[\Phi^{-1}(0.015)]^2}{[\Phi^{-1}(0.01)]^2} = \frac{(-2.17)^2}{(-2.33)^2} \approx 0.87$
Resolviendo se obtiene $\varrho^* \approx 1 - 0.87*(0.85) \approx 26\%$.
Interpretación: La introducción de un factor de riesgo cambiario común (fortaleza del USD) no solo aumenta el riesgo de incumplimiento individual en un 50% (del 1% al 1.5%), sino que también incrementa significativamente la dependencia de incumplimiento entre las dos empresas, del 15% al 26%. Un modelo de cartera que solo ajuste las PD subestimaría sustancialmente el riesgo de que ocurran múltiples incumplimientos simultáneamente durante un evento de apreciación del USD.
7. Perspectivas de Aplicación y Direcciones Futuras
Las implicaciones de esta investigación se extienden más allá del crédito corporativo tradicional.
- Riesgo Climático y Transición Justa: El marco puede adaptarse para modelar cómo los riesgos climáticos físicos (por ejemplo, inundaciones) o los riesgos de transición (impuestos al carbono) actúan como un nuevo "factor" sistemático que aumenta tanto las PD como las correlaciones para los sectores expuestos, similar al factor cambiario.
- Criptomonedas y Préstamos DeFi: En las finanzas descentralizadas, donde los préstamos a menudo están garantizados con criptomonedas volátiles, la lógica del modelo es directamente aplicable. La volatilidad del activo colateral ($\tau$) aumenta drásticamente el riesgo de contraparte y la correlación en los pools de préstamos.
- Capital Regulatorio (Basilea IV): El modelo proporciona una base teórica para argumentar que los supuestos de correlación de activos fijos del enfoque de Fundación Basado en Calificaciones Internas (F-IRB) pueden ser inadecuados para carteras con un descalce cambiario significativo, lo que potencialmente justifica el uso de enfoques avanzados.
- Investigación Futura: Las extensiones clave incluyen relajar el supuesto de independencia para modelar empresas con coberturas naturales o dependencias de exportación, incorporar volatilidad estocástica tanto para activos como para tipos de cambio (por ejemplo, modelo de Heston) y la validación empírica de la condición de consistencia a través de diferentes ciclos económicos y regímenes cambiarios.
8. Referencias
- Merton, R. C. (1974). On the pricing of corporate debt: The risk structure of interest rates. The Journal of Finance, 29(2), 449-470.
- Garman, M. B., & Kohlhagen, S. W. (1983). Foreign currency option values. Journal of International Money and Finance, 2(3), 231-237.
- Vasicek, O. (2002). The distribution of loan portfolio value. Risk, 15(12), 160-162.
- Bakshi, G., Cao, C., & Chen, Z. (1997). Empirical performance of alternative option pricing models. The Journal of Finance, 52(5), 2003-2049.
- Basel Committee on Banking Supervision. (2016). Standards: Interest rate risk in the banking book. Bank for International Settlements.