¿Existe información relevante en los CDS para predecir cambios de rating? : un modelo probit con datos de panel para países emergentes

TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN FINANZASEsta investigación se evalúa si los mercados de CDS (Credit Default Swap) de países emergentes son capaces de anticipar cambios en el rating de la deuda soberana. Se utiliza el rating soberano asignado por parte de las tres grandes agencias clasificadoras de riesgo y los Credit Default Swap soberano a 10 años, para una muestra compuesta por 27 países emergentes. Se utilizaron datos de frecuencia mensual para el periodo comprendido entre septiembre de 2008 y enero de 2018, en el cual se incluyen dos crisis financieras internacionales (crisis subprime y la amenaza de contagio de la crisis de deuda soberana de europa). El modelo econométrico consiste en una estimación en dos fases. En la primera, se estima a través de un modelo de regresión lineal de corte transversal el desalineamiento del spread de CDS de un país con respecto a sus pares de igual clasificación. En la segunda, se utiliza esta innovadora variable para estimar a través de un modelo probit con datos de panel la probabilidad de cambio de rating internalizada por el mercado de CDS. Se analiza de manera independiente los eventos de crédito que mejoran el rating (upgrade) y los que lo rebajan (downgrade). Se comprueba que, incluso utilizando diferentes supuestos para la construcción de las variables, los CDS son un instrumento financiero capaz de entregar información relevante para predecir cambios en el rating soberano. Además, mediante un conjunto de pruebas de robustez, se entrega sustento para dos principales conclusiones. Primero, que el mercado de CDS asignaría una mayor probabilidad de cambio de rating (tanto para downgrade como upgrade) a los países de peor clasificación crediticia y, más aún, a aquel grupo de países con grado especulativo. Segundo, los resultados muestran que a medida que se acerca la fecha del evento, el mercado contaría con mayor información para predecir cambios de rating, lo cual se podría esperar intuitivamente. Esta investigación realiza un aporte a la literatura previa tanto en el modelo implementado como su capacidad predictiva de cambios de rating, la cual se mantiene incluso frente a diferentes especificaciones de las variables explicativa relevantes y cambios en los supuestos utilizados