Estimating a Credit Rating for Accounting Purposes: A Quantitative Approach

  1. DAVID DELGADO-VAQUERO 2
  2. JOSÉ MORALES-DÍAZ 1
  1. 1 Instituto de Estudios Bursátiles
  2. 2 EY Corporate Treasury
Journal:
Estudios de economía aplicada

ISSN: 1133-3197,  1697-5731

Year of publication: 2018

Issue Title: Efectos de las Normas Internacionales de Información Financiera (NIIF) en los estados financieros de las empresas

Volume: 36

Issue: 2

Pages: 459-488

Type: Article

DOI: 10.25115/EEA.V36I2.2539 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

More publications in: Estudios de economía aplicada

Abstract

Bajo las NIIF hay muchas ocasiones en las que se necesita estimar la calidad crediticia de una contraparte. Por ejemplo: a la hora de calcular el ajuste por riesgo de crédito de los derivados en NIIF 13, para calcular la provisión por la pérdida esperada bajo NIIF 9 o para estimar el tipo de interés incremental de la propia deuda bajo la NIIF 16. En muchos casos, los inputs necesarios (generalmente la probabilidad de default condicionada -PD- o una tasa interna de rentabilidad –YTM- pueden observarse directamente en el mercado o inferirse del precio cotizado de instrumentos financieros/de crédito (como CDSs o bonos), pero en otros casos esta información no está disponible. Para estos casos proponemos dos modelos de estimación interna de la calidad crediticia de una contraparte como base (como primer paso) para obtener la correspondiente PD o YTM. Los modelos (Financial Ratios Scoring model y Merton KMV Structural Model) se basan, en parte, en literatura previa pero son más “universales” y adaptados a los requerimientos contables. Los modelos utilizan, como inputs, información pública de la contraparte (básicamente información de los estados financieros y otros inputs de mercado) y de empresas comparables.

Bibliographic References

  • ADAM, A. (2007). “Handbook of Asset and Liability Management. From models to optimal return strategies”. 1st Ed. Wiley. Chichester. ISBN 978-0-470-03496-5
  • ALTMAN, E. I. (1968). “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy”. Journal of Finance, 23(4), pp. 589-609.
  • BRIGO, D., and MERCURIO, F. (2006). “Interest Rate Models: Theory and Practice. With Smile, Inflation and Credit”. 2nd Ed. Springer. New York. ISBN 978-3-540-22149-4
  • CREAL, D. D., GRAMACY, R. B., and TSAY, R. S. (2014). “Market-based Credit Ratings”. Journal of Business and Economic Statistics, 32(3), pp. 430-444
  • DUFEE, G.R. (1999). “Estimating the Price of Default Risk”. The Review of Financial Studies, 12(1), pp. 197-226.
  • EDERINGTON, L. H. (1985). “Classification Models and Bond Ratings”. Financial Review, 20(4), pp. 237-262.
  • GREGORY, J. (2015). “The XVA Challenge: Counterparty Credit Risk, Funding, Collateral, and Capital” 3rd Ed. Wiley. Chichester. ISBN 978-1-119-10941-9
  • HEIDHUES, E. and PATEL, C. (2011). “IFRS and Exercise of Accountants' Professional Judgments: Insights and Concerns from a German Perspective”. Available at: https://www.researchgate.net/publication/228429841_IFRS_and_exercise_of_accountants'_professional_judgments_Insights_and_concerns_from_a_German_perspective
  • HULL, J. C. (2018). “Options, futures, and other derivatives”. 10th Ed. Pearson Education. New York. ISBN 9780134472089.
  • JENSEN, J. and FABOZZI, F. (2017). “CDS Implied Credit Ratings”. The Journal of Fixed Income, 26(4), pp. 25-52.
  • KAMSTRA, M., KENNEDY, P., and SUAN, T. K. (2001). “Combining Bond Rating Forecasts Using Logit”. Financial Review, 36(2), pp. 75-96
  • KAPLAN, R. S., and URWITZ, G. (1979). “Statistical Models of Bond Ratings: A Methodological Inquiry”. The Journal of Business, 52(2), pp. 231-261.
  • KENYON, C., and STAMM, R. (2012). “Discounting, LIBOR, CVA and Funding. Interest Rate and Credit Pricing”. 1st Ed. Palgrave Macmillan. UK. ISBN 978-1-137-26851-8.
  • LONGSTAFF, F. and SCHWARTZ, E.S. (1995). “A Simple Approach to Valuing Risky Fixed and Floating Rate Debt”. Journal of Finance, 50(3), pp. 789-819.
  • MERTON, R.C. (1974). “On the Pricing of Corporate Debt: The Risk Structure of Interest Rates”. The Journal of Finance, 29(2), pp. 449-470.
  • MOODY’S (2017). “Annual Default Study: Corporate Default and Recovery Rates, 1920 - 2017”. Available at: https://www.moodys.com/researchdocumentcontentpage.aspx?docid=PBC_1059749.
  • MOODY’S (2017 (2)). “Moody's Financial Metrics™ Key Ratios by Rating and Industry for Global NonFinancial Corporates: December 2016”. Available at: https://www.researchpool.com/download/?report_id=1537315&show_pdf_data=true.
  • MORALES, J. (2015). “La NIIF 13 y el Ajuste por Riesgo de Crédito en la Valoración de Derivados (CVA/DVA)”. Revista Contable, 29, pp. 24-47.
  • MORALES, J. and ZAMORA, C. (2017). “IFRS 16 (Leases) Implementation: Impact of Entities’ Decisions on Financial Statements”. Aestimatio, The IEB International Journal of Finance, 17, pp. 60-97.
  • MORALES, J. and ZAMORA, C. (2018). “The Impact of IFRS 16 on Key Financial Ratios: A New Methodological Approach”. Accounting in Europe, 15(1), pp. 105-133.
  • OHLSON, J.A. (1980) “Financial Ratios and the Probabilistic Prediction of Bankruptcy”. Journal of Accounting Research, 18(1), pp.109-131.
  • ORICCHIO, G., CROVETTO, A., LUGARESI, S., and FONTANA, S. (2017). “SME Funding. The Role of Shadow Banking and Alternative Funding Options”. Palgrave Macmillan, London, UK. ISBN 978-1-137-58607-0.
  • SCHÖNBUCHER, P. J. (2003). “Credit Derivatives Pricing Models”. 1st Ed. Wiley. Chichester. ISBN 0-470-84291-1
  • TSAY, R.S. and ZHU, H. (2017). “Market-Based Credit Rating and Its Applications”. Chapter 7 of Applied Quantitative Finance. Springer. Germany. ISBN 978-3-662-54485-3.
  • VASICEK, O. A. (1984). “Credit Valuation. KMV Corporation”. Available at: http://www.ressources-actuarielles.net/EXT/ISFA/1226.nsf/0/c181fb77ee99d464c125757a00505078/$FILE/Credit_Valuation.pdf
Data source: Dialnet