Professional Documents
Culture Documents
el riesgo de crdito
de la banca*
Mara Luisa Saavedra Garca**
Mximo Jorge Saavedra Garca***
*
Este artculo es el resultado de la fase inicial del proyecto de investigacin Los derivados de crdito para la mitigacin
del riesgo bancario en Mxico, que inici el 10 de enero de 2008 y concluy el 26 de febrero de 2009, realizado por los
autores, con financiamiento de la Universidad La Salle, Direccin de Posgrado e Investigacin, Mxico. El artculo se
recibi el 27-04-2009 y se aprob el 21-05-2010.
**
Doctora en Administracin, Universidad Nacional Autnoma de Mxico, Mxico, 2002; Magster en Administracin,
Universidad Nacional Autnoma de Mxico, 1994; Contadora, Universidad Particular de San Martn de Porres, Lima,
Per, 1986. Investigadora de la Universidad Nacional Autnoma de Mxico, Mxico.
Correo electrnico: lsaavedra@fca.unam.mx.
***
Maestro en Finanzas, Universidad Nacional Autnoma de Mxico, Mxico, 2006; Licenciado en Administracin,
Universidad Inca Garcilaso de la Vega, Lima, Per, 1998. Profesor investigador, Universidad de la Sierra Sur, Oaxaca,
Mxico. Correo electrnico: jsaavedra@unsis.edu.mx.
Resumen
Modelos para medir el Este trabajo describe los principales modelos de determinacin de riesgos de
crdito de la banca, a fin comparar y dar a conocer su utilidad en la adminis-
riesgo de crdito de la tracin del riesgo de crdito bancario y, de esta manera, brindar un marco de
banca referencia para estudiar este tema en la teora y prctica financiera. El estudio,
de tipo descriptivo, define el riesgo de crdito y analiza los principales modelos
tradicionales (sistemas expertos y sistemas de calificacin), modernos (el de
Kecholfer, McQuown y Vasicek [KMV]) y el Capital y Riesgo de Crdito en Pa-
ses Emergentes (CyRCE), creado por el Banco de Mxico. Segn los hallazgos,
los modelos tradicionales se basan en un esquema para el anlisis de ciertos
componentes bsicos, con el fin de evaluarlos de manera integral. Entre tanto,
los modelos modernos intentan registrar la alta volatilidad a la que estn sujetos
los valores y emplean tcnicas ms sofisticadas para su determinacin. Estos
resultados indican que los modelos han evolucionado en correspondencia con
la complejidad del entorno que rodea al sistema bancario.
Palabras clave:
banca, riesgos, crdito, modelo KMV, modelo CyRCE.
Abstract
Models for Measuring This article describes the main models for determining banking credit risk, for the
purpose of comparing them and disseminating their usefulness in bank credit
Bank Credit Risk risk management, thus, offering a frame of reference for studying this topic in
financial theory and praxis alike. The descriptive study defines credit risk and
analyzes the main traditional models (expert systems and qualification systems),
the modern models (the Kecholfer, McQuown and Vasicek model [KMV] and the
model Capital and Credit Risk for Emerging Nations (CYRCE) created by Banco
de Mxico. Findings show that traditional models are based on a scheme that
analyzes certain basic components by integrally assessing them whereas mo-
dern models aim to record the high volatility to which the securities are subject,
employing more sophisticated techniques to so determine. Results indicate that
the models have evolved par to the more complex banking system environment.
Key words:
Banking, risks, credit, KMV model, CYRCE model.
Resumo
Modelos para medir o Este trabalho descreve os principais modelos de determinao de riscos de
crdito bancrios, a fim comparar e dar a conhecer sua utilidade na adminis-
risco do crdito bancrio trao do risco de crdito bancrio e, desta maneira, oferecer um ponto de
referncia para estudar este tema na teoria e prtica financeira. O estudo, de
tipo descritivo, define o risco de crdito e analisa os principais modelos tradicio-
nais (sistemas expertos e sistemas de qualificao), modernos (o de Kecholfer,
McQuown e Vasicek [KMV]) e o Capital e Risco de Crdito em Pases Emer-
gentes (CyRCE), criado pelo Banco do Mxico. De acordo com as descobertas,
os modelos tradicionais baseiam-se em um esquema para a anlise de certos
componentes bsicos, com o objetivo de avali-los de maneira integral. Os
modelos modernos tentam registrar a alta volatilidade a que esto sujeitos os
valores e empregam tcnicas mais sofisticadas para sua determinao. Estes
resultados indicam que os modelos tm evoludo em correspondncia com a
complexidade do entorno que rodeia o sistema bancrio.
Palavras chave:
sistema bancrio, riscos, crdito, modelo KMV, modelo CyRCE.
es su relacin con los ciclos econmicos, ya dades establecen plazos de gracia antes
que este incumplimiento suele reducirse du- de poder declarar el incumplimiento de
rante los perodos de expansin econmica, pago4.
al mantenerse tasas totales de impagos bajas;
mientras que sucede lo contrario en perodos Exposicin: la incertidumbre respecto a
de contraccin econmica. los montos futuros en riesgo. El crdito
debe amortizarse de acuerdo con fechas
As mismo, las circunstancias particulares de establecidas de pago y de esta manera
una empresa que ha emitido deuda originan ser posible conocer anticipadamente el
el llamado riesgo especfico de crdito, y es- saldo remanente a una fecha determinada;
te no se relaciona con los ciclos econmicos, sin embargo, no todos los crditos cuen-
sino con los eventos particulares en la activi- tan con esta caracterstica de gran impor-
dad comercial o industrial de las empresas, tancia para conocer el monto en riesgo.
que pudieran afectar la capacidad de pago Tal es el caso de los crditos otorgados
de sus compromisos adquiridos al fondearse a travs de tarjetas de crdito, lneas de
a travs de la emisin de bonos u obligacio- crdito revolventes5 para capital de tra-
nes. Una medida usual para calcular el riesgo bajo, lneas de crdito por sobregiro, etc.,
especfico de una empresa es a travs de las ya que los saldos en estas modalidades
calificaciones (rating3). Esta medida es til de crdito se modifican segn las nece-
para clasificar compaas segn su riesgo de sidades del cliente, los desembolsos se
crdito y es calculado por compaas exter- otorgan sin fecha fija contractual y no se
nas y especializadas, como Standard & Po- conoce con exactitud el plazo de liquida-
ors, Moodys, Fitch, entre otras, analizando cin6; por ello se dificulta la estimacin
los estados financieros de las empresas. de los montos en riesgo.
Activos dudosos 50
De acuerdo con lo anterior, podemos sealar Cartera vencida 100
que los sistemas expertos son tcnicas que
Calificaciones de alta calidad
presentan an aspectos mejorables y posibi-
lidades de desarrollo. Dentro de estos posi- Vencidos y vigentes 0
t para i = 1 k, son los coeficientes de la Un modelo para empresas del sector ma-
funcin discriminante. nufacturero.
El resultado fue mejor, ya que predice la X4 = valor contable del capital propio/pasi-
bancarrota de las empresas con cinco aos vo total.
de anticipacin con un nivel de confianza
del 90% y predice con un ao de anticipacin El trmino constante (3,25) en el modelo
con un nivel de confiabilidad del 70%. Sin permite estandarizar el anlisis, de manera
embargo, Moses y Liao (1987) devaluaron que una calificacin equivalente a quiebra
el poder analtico de este tipo de modelos, es consistente con una puntuacin menor o
debido a la alta correlacin que presentan las igual que cero.
variables consideradas. Esta crtica alent el
uso de sistemas de valuacin basados en la Las ventajas de este modelo radican en que se
decisin experta de los ejecutivos de crdito puede trabajar con variables extradas nica-
de las instituciones. mente de los estados financieros y en que se
puede aplicar a todos los sectores.
Posteriormente, en 1989, Altman desarroll
una metodologa para estimar la probabili- La principal desventaja es que las variables
dad de quiebra a travs de mediciones de la consideradas en el modelo presentan alta co-
tasa de mortalidad. En 1991, utiliz datos rrelacin, lo cual es motivo suficiente para
de Standard & Poors para determinar cmo dudar de su poder predictivo. Con el fin de
migran los bonos corporativos de un nivel de conocer el estado actual de los sistemas de
calificacin a otro y originan la aplicacin de calificacin en Mxico (Samaniego, Trujillo
cadenas de Markov para modelar procesos y Martn, 2007), a principios de 1999 se rea-
aleatorios que caracterizan los cambios en liz una encuesta en la que participaron seis
la calidad de los crditos (Elizondo, 2003). bancos del sistema financiero mexicano. Se
intentaba conocer seis aspectos:
Una versin mejorada de la funcin Z fue
publicada por Altman, Hartzell y Peck (cita- Los objetivos del sistema de calificacin.
dos en Samaniego, Trujillo y Martn, 2007)
en 1995, la cual se expreso as: Los riesgos que se van a calificar.
El modelo KMV define la probabilidad de Este valor de mercado es una medida del va-
incumplimiento como una funcin de la es- lor presente de los flujos de efectivo libres y
tructura del capital de la firma, la volatilidad futuros, producidos por los activos de la em-
del rendimiento esperado de los activos y su presa descontados a una tasa apropiada. En
valor actual. Las EDF son especficas de una este valor se encuentra informacin sobre el
empresa y pueden ser transformadas hacia sector y el entorno econmico de la empresa.
cualquier sistema de calificacin para derivar
la calificacin equivalente del acreditado. As Alternativamente, KMV utiliza el modelo de
tambin, las EDF pueden verse como califi- valuacin de opciones aplicado a la evalua-
caciones cardinales de los acreditados res- cin de obligaciones corporativas, tal como
pecto del riesgo de incumplimiento, en lugar lo sugiere Merton (1977). De acuerdo con
de la ms convencional calificacin ordinal este modelo, se asume que la estructura de
propuesta por las agencias de calificaciones, capital de la compaa est compuesta por
expresadas en las letras, como AAA, AA, etc. valores, deuda de corto plazo, deuda de largo
plazo (asumida a perpetuidades) y obliga-
Contrario a otros modelos (CreditMetrics/ ciones convertibles. La estimacin del valor
Credit VaR I), el modelo KMV no hace re- de los activos y la volatilidad del retorno so-
ferencias explcitas a las probabilidades de bre los activos generalmente requiere imple-
transicin, las cuales en la metodologa de mentar tcnicas iterativas.
KMV estn ya implcitas en las EDF. Ade-
ms, cada valor EDF est asociado con la Merton (1977) parte del supuesto de que no
curva de spread16 y la correspondiente ca- hay reestructura o negociacin, de mane-
lificacin de crdito. La traduccin de la ra que existen nicamente dos posibilida-
informacin del mercado a probabilidades des respecto al riesgo de crdito (Saunders,
de incumplimiento se realiza en tres etapas 2000):
(Crouhy, Galai y Mark, 2000):
La empresa liquida el monto pactado den-
Primera etapa: estimacin del valor del ac- tro del plazo original.
tivo y la volatilidad del rendimiento. Los
modelos financieros generalmente conside- La empresa se declara insolvente y entre-
ran un valor de mercado de los activos y no ga sus activos al banco.
el valor en libros que slo representan los
costos histricos de los activos tangibles, Por lo tanto, el crdito caer en uno de los dos
netos de depreciacin. El clculo del valor casos, dependiendo de la relacin que guar-
de mercado de los activos de la compaa y dan el valor de los activos (A) de la empresa
su volatilidad sera muy sencillo si todas sus con su pasivo (P), en la fecha de vencimiento
obligaciones se valuaran a valor del mercado de estos. As, el uso del modelo de opciones
todos los das. para determinar el riesgo de crdito se basa
en que existe una analoga entre un crdito y alta, como el sector de las telecomunicacio-
una opcin put17. nes. Existe una medida de riesgo de default
que combina el mencionado riesgo de los ac-
Para simplificar esto se supone que la empre- tivos, su valor y el endeudamiento: la distan-
sa tiene una nica deuda por C pesos y slo cia al incumplimiento (distance-to-default).
un activo que ser realizado al vencimiento
del crdito. Si la empresa tiene xito y su De acuerdo con el modelo KMV, el incum-
activo se aprecia de tal manera que A > C, plimiento ocurre cuando el valor de los ac-
entonces puede pagar su deuda. Si sucede lo tivos alcanza un nivel entre el valor total de
contrario y resulta que A < C, el acreedor re- las obligaciones y el valor de la deuda a corto
cupera solo el valor de A y pierde la diferen- plazo. Este punto se conoce como punto de
cia de C A. Por lo tanto, la prdida depende incumplimiento y es considerado por KMV
de lo que valgan los activos al vencimiento como la deuda de corto plazo ms la mitad
del crdito18 (valor de portafolio). de la deuda a largo plazo.
donde los precios del mercado no represen- ocurrencia alta (intervalo de confianza que
ten el valor real de las compaas. Adems, suele fijarse en 99%) y durante un determi-
el enfoque es microeconmico, en el sentido nado horizonte temporal (usualmente un ao)
de que slo se utilizan los precios de las ac- (Fernndez y Sorez, 2008).
ciones de la empresa, sin tener en cuenta de
forma explcita el ciclo econmico. Este modelo tambin supone que estn dadas
las probabilidades de incumplimiento de los
A pesar de lo anterior, este modelo resulta crditos y sus covarianzas. Con estas ltimas
una buena opcin para ser usado en pases obtiene la forma funcional de la distribucin
emergentes, ya que considera indicadores de prdidas, suponiendo que pueden ser ca-
que resultan muy sensibles para ellos, como racterizadas por dos parmetros: la media y
son: volatilidad de la accin, el valor terico la varianza.
y el valor de mercado de los activos.
De esta forma, el VaR puede establecerse co-
2.3.2 Modelo desarrollado para mo la prdida esperada ms un cierto mlti-
mercados emergentes: CyRCE plo de la desviacin estndar de las prdidas,
que es el valor de la prdida que acumula
En una investigacin desarrollada en el el porcentaje de probabilidad impuesto por el
Banco de Mxico, se propuso el modelo de intervalo de confianza elegido. Este valor se
Capital y Riesgo de Crdito en Pases Emer- adopta como cuota inferior al importe de ca-
gentes (CyRCE), bajo la principal motiva- pital que debe mantener un banco.
cin de aplicarlo a la realidad de los pases
emergentes, porque requiere menos recursos El otro componente del VaR consiste en las
de cmputo y es lo suficientemente general prdidas inesperadas, esto es, cierto mlti-
como para que lo use cualquier banco (Mr- plo de la desviacin estndar de las prdidas
quez, 2006). ya mencionado. La desviacin estndar es la
raz cuadrada de la varianza de las prdidas
El modelo llega a una expresin para la y esta es equivalente al producto entre el n-
medida de riesgo que permite establecer la dice de Raleigh y el ndice de concentracin
relacin directa entre el riesgo de crdito y Herfindahl-Hirschman (HH). Esta descom-
los parmetros ms importantes: capital re- posicin permite apreciar en qu medida la
querido para afrontar riesgos y lmites indi- concentracin contribuye al riesgo de crdi-
viduales de cada segmento de la cartera para to de la cartera y permite establecer un valor
propsitos de diversificacin. Adems, este mximo del ndice HH que garantice que la
modelo evala la suficiencia del capital asig- desigualdad de la condicin de capitalizacin
nado por un banco a una cartera de riesgos se cumpla.
crediticios, a travs de su comparacin con el
valor en riesgo (VaR, por su sigla en ingls) Dada la condicin necesaria, pero no sufi-
de dicha cartera, definido como la mxima ciente, de que si ningn crdito tiene una pro-
prdida posible con una probabilidad de porcin mayor al valor del HH, este tendr
un valor que como mximo ser equivalente de crdito, sin tener que recurrir a tcni-
a la proporcin que representa el crdito ms cas numricas altamente onerosas en el
grande de la cartera. La fijacin de un tope consumo de recursos y tiempo.
de riesgo equivalente a ese valor mximo del
HH permitira asegurar el cumplimiento de Todos los elementos del riesgo se en-
la desigualdad de la condicin de suficiencia cuentran parametrizados y, por lo tanto,
de capital y previsiones. se pueden determinar de manera externa
las deficiencias de informacin que son
Aparte de lo anterior, a esta posibilidad de tpicas de los mercados emergentes y se
fijar topes de riesgo individual que permite pueden subsanar haciendo supuestos so-
el modelo se debe agregar la de segmentar la bre los valores de estos.
cartera de crditos de forma arbitraria, que
posibilita detectar los segmentos ms riesgo- La medida a la que llega el modelo, consi-
sos y evaluar la suficiencia de capital y sus derando un caso sencillo donde todos los
previsiones. Los supuestos bajo los cuales se crditos tienen la misma probabilidad de fa-
desarroll este modelo son (vila, Mrquez llar y son independientes entre s es (vila,
y Romero, 2002): Mrquez y Romero, 2002):
f i
2
N
la distribucin de prdidas se puede caracte- f i
i=1
rizar por su media y su varianza, el valor en
riesgo de la cartera para un cierto nivel de
confianza es: En el caso general, donde las probabilidades
N
de incumplimiento se representan como el
VaR = + Z = pV + Z p (1 p ) f i 2 vector con matriz de covarianzas entre in-
i =1
cumplimientos M y son exgenos al modelo,
la expresin cerrada a la que llega es:
Como el VaR, debe ser menor o igual al
capital del banco, entonces se llega a la ex-
VaR = F + Z F T MF K
presin:
N
Y, la desigualdad de suficiencia de capital:
p (1 p ) f i 2
K
p + Z i =1
= F T MF
N 2
V p + Z H ( F ) = p + Z H ( F )
f i FT F
i=1
N Donde:
fi 2
( p)2
i =1
F T MF
N
Z 2 p (1 p ) 2 = = R ( F , M ) , coeficiente
a 2 + b2 de Ra-
f i F F
T
i=1 yleigh, que es una medida de la varianza
T F
de las prdidas, y p = representa la
De esta expresin establece la relacin con V
el ndice de HH21 para establecer los lmites prdida esperada relativa al valor total de
de crdito y que la relacin de suficiencia de la cartera.
capital quede como:
El coeficiente de Rayleigh surge como resul-
tado de la solucin de una serie de problemas
p + Z p (1 p ) H ( F )
tcnicos que presentaba el modelo original la determinacin del riesgo (que por lo gene-
y se define como la medida que resume el ral son internas), mientras que los modelos
efecto de variacin y covariacin en el ries- dinmicos nos presentan una determinacin
go de crdito, manteniendo las propiedades del riesgo ms compleja y con la inclusin
originales del modelo y evitando el proceso de variables en el contexto global.
de factorizacin de la matriz de covarianzas
Cuadro 5
con todos los problemas que esto significa.
Caractersticas de los modelos
Las mejoras al modelo tambin permiten ob- Determinan el
riesgo que se va
tener una medida de concentracin de riesgo Sistemas expertos
a cubrir aplicando
que indica cmo la correlacin entre incum- Tradicio-
un determinado
porcentaje
plimientos afecta la concentracin por n- nales o
Consideran es-
estticos
mero de crditos y, por lo tanto, el riesgo de Sistemas de califi-
ttico e indepen-
diente el compor-
crdito de la cartera. Ello ofrece como venta- cacin
tamiento de las
ja que puede ser utilizado donde la informa- variables
cin es limitada o el grado de desarrollo de Determinan el
sistemas de informacin an es pobre y, por riesgo que se va a
KMV cubrir mediante la
ende, dificulta conocer el detalle de la cartera. aplicacin de mo-
Moder- delos estadsticos
nos o di- y actuariales
Este modelo resulta bastante completo para nmicos Se realiza un an-
aplicarlo en pases emergentes, dado que de- lisis del contexto
CyRCE global de la ges-
termina tres aspectos fundamentales: (1) fija tin de riesgo de
topes de riesgo individual, (2) segmenta la crdito
cartera y (3) evala la suficiencia de capital. Fuente: elaboracin propia.
De este modo, se convierte en un elemen-
to fundamental para la administracin y el 3.2 Variables de los modelos
control del riesgo de una entidad financiera.
Las variables de los modelos representan
3. Anlisis comparativo aquellos indicadores que se analizan en los
de los modelos modelos con el fin de determinar el riesgo
de crdito. En el Cuadro 6 podemos obser-
3.1 Caractersticas de los modelos var que los modelos tradicionales consideran
variables que se pueden obtener directamente
Los modelos se caracterizan en funcin de la de la informacin cuantitativa o cualitativa
forma de determinar el riesgo y del enfoque de la empresa, mientras que los modelos mo-
utilizado en la inclusin de las variables, co- dernos necesitan establecer relaciones entre
mo lo resume el Cuadro 5. En este se pueden estas variables, con el fin de contar con los
observar los modelos tradicionales o estti- insumos que permitan determinar el riesgo
cos, que consideran muy pocas variables en de crdito.
Cuadro 6 Cuadro 7
Variables de los modelos Metodologa de los modelos
Capacidad Sistemas
rboles de decisin
Capital expertos
Sistemas
Colateral
expertos Tradiciona-
Carcter Z de Altman
les o est-
Condiciones Sistemas Oficina de Control de
Tradiciona- ticos
de califica- Moneda (rangos)
les o est-
Evaluaciones de ries- cin Calificaciones internas
ticos
go conceptualmente de riesgo (IRB)
Sistemas
slidos
de califica- Modelo de valuacin
Tcnicas de mitigacin
cin de opciones de Merton
de riesgo
Sistemas de gestin (B&S)
Distancia de incumpli-
KMV
Relacin entre el valor miento
del mercado de capital Derivacin de la pro-
y el valor de mercado babilidad de incumpli-
KMV de sus activos miento
Relacin entre la volati-
Modernos o
lidad de los activos del Determina el lmite de
dinmicos
capital de la compaa concentracin indivi-
dual con base en ra-
Relacin entre el ries- zn de capitalizacin,
Modernos o
go de crdito y el ca- probabilidad de incum-
dinmicos CyRCE
pital requerido para plimiento y nivel de
afrontar riesgos confianza
Relacin entre el ries- ndice de Herfindahl-
CyRCE go de crdito y los l- Hirschman
mites individuales de VaR
cada segmento de la
cartera Fuente: elaboracin propia.
Probabilidad de incum-
plimiento
3.4 Ventajas de los modelos
Fuente: elaboracin propia.
Cuadro 8 Cuadro 9
Ventajas de los modelos Desventajas de los modelos
Facilidad de obtencin Sistemas Subjetividad
Sistemas
de datos expertos Consistencia
expertos
Tradiciona- Facilidad de aplicacin
les o estti- Alta correlacin entre
cos Sistemas las variables
Indicadores de los es-
de califi- Datos histricos
tados financieros
cacin Tcnicas estadsticas
Tradiciona-
avanzadas
En la metodologa se les o estti-
Sistemas No estn integrados a
encuentra implcita la cos
de califi- la gestin de riesgo
EDF cacin No separa por secto-
Toma en cuenta la di- res
versificacin requerida Las puntuaciones no
KMV
en los portafolios de se correlacionan con
deuda la probabilidad de im-
Probabilidad de in- pago
cumplimiento individu-
al Los precios del mer-
Modernos o
cado no representan
dinmicos
Uso en mercados el valor real de las em-
emergentes presas
Se tiene informacin KMV
Enfoque micro-
parametrizada en el econmico
mercado Se necesita una gran
CyRCE
Se obtienen lmites de Modernos o base de datos
crditos individuales dinmicos
Puede evaluar seg- Se requiere cono-
mentos particulares de cimiento de tcnicas
cartera estadsticas avanza-
CyRCE das
Fuente: elaboracin propia. La identificacin de
segmentos no siempre
resulta sencillo
3.5 Desventajas de los modelos
Fuente: elaboracin propia.
vila, F.; Mrquez, J. y Romero, A. (2002). Implan- Erlenmaier, U. (2001). Models of joint defaults in cre-
tacin del modelo CyRCE: simplificaciones por dit risk management: An assessment. Germany:
estructura y estimacin de parmetros. Mxico: University of Heidelberg Working Paper N 358.
Banco de Mxico.
Falkenstein, E. (1997). Accounting for economic
Bunn, P. and Redwood, V. (2003). Company ac- and regulatory capital in RAROC Analysis.
counts based modelling of business failures and Bank Accounting and Finance, 11 (11), 1-11.
the implications for financial stability. Working
Paper N 210. London:Bank of England. Fernndez, D. y Soarez, R. (2008). Valor en riesgo
de las carteras de prstamos bancarios. Uruguay:
Chorafas, D. (2000). Managing credit risk, analy- Quantum, 3 (1), 5-20.
sing rating and pricing the probability of de-
fault. Londres: Euromoney Institutional Investor Galicia, M. (2003). Los enfoques del riesgo de cr-
PLC. dito. Mxico: Instituto del Riesgo Financiero.
Crouhy, M.; Galai, D. and Mark, R. (2000). A com- Gordy, M. (2002). A Risk-factor model foundation
parative analysis of current credit risk models, for ratings-based bank capital rules. Board of
Canada: Canadian Imperial Bank of Commerce. Governors of the Federal Reserve System. Re-
Journal of Banking & Finance, 24 (1), 59-117. cuperado el 25 de enero de 2008, de http://ssrn.
com/abstract=361302.
De Andrs, J. (2000). Tcnicas de inteligencia arti-
ficial aplicados al anlisis de solvencia empre- Lando, D. (2004). Credit risk modeling: theory and
sarial. Oviedo: Universidad de Oviedo. applications. New Jersey: Princeton Universi-
ty Press.
De la Fuente, M. (2006). Administracin integral
de riesgos financieros. Mxico: Universidad Mrquez, J. (2006). Una nueva visin del riesgo de
Iberoamericana. crdito. Mxico: Limusa.
Duffie, D.; Saita, L. and Wang, K. (2007). Multi-pe- Merton, R. (1977). On the pricing of contingent
riod corporate failure prediction with stochastic claims and the Modigliani-Miller theorem. Jo-
covariates. Journal of Financial Economics, 83 urnal of Financial Economics, 5, 141-183.
(3), 635-665.
Morgan, J. P. (1997a). CreditRisk+ a credit risk ma-
Elizondo, A. (coord.), (2003). Medicin integral del nagement framework. Recuperado el 29 de enero
riesgo de crdito. Mxico: Limusa. de 2008, de http://www.csfb.com/institutional/
research/credit_risk.shtml.
y Lpez, C. (1999). El riesgo de crdito en Mxi-
co: una evaluacin de modelos recientes para (1997b). CreditMetrics. Recuperado el 4 de fe-
cuantificarlo. Gaceta de Economa, 4 (8), 51-74. brero de 2008, de http://www.creditriskresource.
com/papers/paper_125.pdf.
Moses, D. and Liao, S. (1987). On developing mo- Saavedra, P. (2005). Riesgo y los acuerdos de Basi-
dels for failure prediction. Journal of Commer- lea. Laberintos e Infinitos, 223, 7-10. Recupe-
cial Bank Lending, 60 (7), 27-38. rado el 7 de junio de 2010, de http://laberintos.
itam.mx/files/233.pdf.
Ong, M. (1999). Internal credit risk models: capital
allocation and performance measurement. Lon- Samaniego, R.; Trujillo, A. y Martn, J. (2007). Un
don: Risk Books. anlisis de los modelos contables y de mercado
en la evaluacin del riesgo de crdito: aplica-
Prieto, G. (2000). Estimacin del riesgo crediticio cin al mercado burstil espaol. Revista Eu-
en Mxico. Revista Internacional de Fondos de ropea de Direccin y Economa de la empresa,
Pensiones, 2, 45-52. 16 (2), 93-110.
Roisenvit, A. y Zrate, M. (2006). Hacia una cul- Saunders, A. (2000). Financial institutions manage-
tura del risk management. Superintendencia de ment. New York: McGraw Hill.
entidades financieras y cambiarias. Revista del
Banco Central de la Repblica de Argentina. Standard & Poors (1996). Sovereign credit rating:
A primer, Creditweek. New York: S&P.