Validación de LGD y EAD: errores habituales

Pregunte a la mayoría de los equipos de riesgo de crédito qué modelo importa más y dirán la PD. Pregunte a un validador experimentado, y dirá que es cara o cruz entre la LGD y la EAD —porque son los modelos que nadie mira con suficiente detenimiento, y pequeños sesgos en cualquiera de los dos mueven el ECL y los RWA más de lo que jamás moverá una PD bien calibrada.

La LGD no es una sola cifra

La pérdida en caso de incumplimiento (LGD, "loss given default") suele reportarse como un único porcentaje por grado o producto. Eso oscurece tres componentes distintos:

1. Tasa de cura. Qué proporción de incumplimientos vuelve a estar al corriente sin pérdida de recuperación. Las tasas de cura dependen en gran medida de la definición de cura (¿90 días? ¿12 meses?), y pequeños cambios aquí mueven sustancialmente la cifra principal de LGD.
2. Tasa de recuperación sobre incumplimientos no curados. Flujos de caja recuperados descontados, netos de los costes de la gestión de recuperación.
3. Recargo de recesión ("downturn add-on"). Un margen sobre la LGD de largo plazo para reflejar entornos de recuperación estresados —exigido bajo IRB, y cada vez más presente en los overlays de estrés de la NIIF 9.

La validación típicamente encuentra problemas en uno de dos lugares: la tasa de cura se aplica de forma inconsistente entre la calibración histórica y la aplicación actual, o el recargo de recesión es un porcentaje plano añadido en lugar de un ajuste respaldado por datos. Cualquiera de los dos puede mover la LGD entre 5 y 15 puntos porcentuales, y 10 puntos de LGD en una cartera garantizada son una cifra de ECL muy grande.

La EAD es donde vive el riesgo oculto

Para productos a plazo, la exposición en caso de incumplimiento (EAD, "exposure at default") es cercana al saldo pendiente, y el modelo es en gran medida mecánico. Para el crédito revolvente —tarjetas, descubiertos, líneas corporativas no dispuestas— la EAD depende del factor de conversión de crédito (CCF, "credit conversion factor"): la proporción del compromiso no dispuesto que se espera que se disponga entre hoy y el incumplimiento.

Dónde fallan los modelos de EAD:

• CCF estimados en tiempos benignos. Los CCF históricos de 2015-2019 no se parecen en nada al comportamiento real en un periodo de estrés genuino. Líneas que estaban dispuestas al 30% de media pasaron al 70% o más durante 2020 en algunos segmentos.
• Mezcla de cohortes. Combinar clientes prime de baja utilización con subprime de alta utilización en el mismo grado de CCF enmascara la dispersión real.
• Supuestos de tiempo hasta el incumplimiento. Un CCF a 12 meses no es un CCF a 3 meses. Algunos marcos usan silenciosamente uno mientras reportan el otro.

Backtesting: qué probar realmente

Un backtesting significativo de LGD y EAD compara las estimaciones del modelo frente a las pérdidas realizadas y los saldos dispuestos de una cohorte cerrada —incumplimientos ocurridos hace ya el tiempo suficiente como para que las recuperaciones estén efectivamente completas.

Tres pruebas que detectan la mayoría de los problemas reales:

• Prueba de tendencia central. Media ponderada de la LGD realizada frente a la LGD predicha por grado, producto y añada. Un sesgo persistente en una sola dirección es la señal de alerta más importante.
• Poder discriminante. La D de Somers u otra medida de rango similar para comprobar que el modelo separa los incumplimientos de alta pérdida de los de baja pérdida, y no solo acierta la media.
• Distribución del CCF realizado. Para productos revolventes, representar el histograma de los CCF realizados frente a la estimación puntual del modelo. Las colas largas a la derecha son habitualmente donde el modelo se rompe.

Benchmarking: no saltárselo

Los benchmarks externos de LGD y EAD son más irregulares que los de PD, pero existen —estudios supervisores (ejercicios de benchmarking de la EBA, divulgaciones públicas de la CCAR de la Fed), estudios históricos de recuperación de agencias de calificación (Ultimate Recovery Database de Moody's, LossStats de S&P) y pools de la industria. Un modelo que está 15 puntos porcentuales por debajo de la media de la industria en LGD de deuda corporativa senior no garantizada necesita una explicación muy sólida.

La capa de gobernanza

Los estándares de marco de riesgo de modelo (SR 11-7 en EE. UU., los hallazgos de TRIM en la UE, la SS1/23 de la PRA en el Reino Unido) tratan todos la LGD y la EAD como modelos de primer nivel completos que requieren la misma revisión conceptual, pruebas de implementación y análisis de resultados que las PD. En la práctica, los recursos suelen sesgarse hacia el trabajo de PD y la LGD/EAD se validan de forma más superficial. Esa brecha es donde los reguladores tienden a puntuar sus hallazgos.

Cómo es una buena validación

• La definición de cura, el cálculo de recuperación y el recargo de recesión, todos documentados y reproducibles a partir de datos brutos de recuperación.
• CCF por segmento de producto con dispersión de cohortes visible —no solo estimaciones puntuales.
• Backtesting sobre cohortes verdaderamente cerradas, publicado cada ciclo con la varianza explicada.
• Benchmarks externos referenciados explícitamente, con cualquier brecha material investigada.
• Opinión de validación independiente de segunda línea que separe conceptualmente sólido pero calibrado de forma conservadora de conceptualmente defectuoso y materialmente sesgado.

La LGD y la EAD no son glamurosas, y nunca protagonizarán un titular como puede hacerlo un modelo de PD. Pero cargan con tanto peso del ECL y los RWA —a menudo más. Cualquier marco de riesgo de modelo que les permita ir a su aire está subestimando el verdadero perfil de riesgo de modelo de la cartera de crédito.