¿Afectó el fraude de Barclays al Libor?

Después de la entrada de ayer y de

he decidido mirar a ver qué impacto puede haber tenido el fraude de Barclays, uno de los 16 bancos que aportan datos para calcular el índice, sobre su valor diario.

El procedimiento por el que se calcula el Libor lo describí ayer. Y también indiqué de dónde descargar los datos históricos que proporciona The Guardian. Así que puedo comenzar cargando los datos en R,

raw <- read.csv( "LIBOR Combined - USD - Sheet 1.csv" )

dat <- raw[,c(1,2,8)]
names(dat) <- c("bank", "date", "Libor3M" )
dat$date <- as.Date( as.character(dat$date), "%d/%m/%Y" )

fix <- subset( dat, bank == "FIX - USD")
banks <- subset( dat, bank != "FIX - USD")

para obtener dos conjuntos de datos: fix, con el Libor a 3 meses publicado por fecha y banks, con el Libor a 3 meses comunicado por cada una de las entidades.

Con

my.fix <- tapply( banks$Libor3M, banks$date, mean, trim = 0.25 )
max( abs( fix$Libor3M - my.fix ) )
# 0.00125

compruebo que el fix (el Libor a 3 meses) que calculo a partir de los datos de las entidades usando una media recortada (igual que hace Reuters) efectivamente coincide con el Libor publicado: la diferencia máxima es del 10 % de un punto básico (y es prácticamente 0 a todos los efectos en el 99 % de los casos). Así que puedo dar por bueno mi método.

Así se puede medir el error que se cometería al utilizar información falseada:

ubi.barclays <- which( banks$bank == "Barclays" )
 
deltas <- sample( c(0.1, -0.1), length(ubi.barclays), replace = T )
 
bad.fix <- function( deltas ){
	b <- banks
	b[ ubi.barclays,]$Libor3M <- b[ ubi.barclays, ]$Libor3M + deltas
	my.bad.fix <- tapply( b$Libor3M, b$date, mean, trim = 0.25 )
	my.fix     <- tapply( banks$Libor3M, banks$date, mean, trim = 0.25 )
	quantile( abs( my.fix - my.bad.fix ), c(0.9, 0.95, 0.99, 0.995, 0.999,1))
}
print( bad.fix( deltas ) )
#     90%      95%      99%    99.5%    99.9%     100% 
#0.001250 0.002500 0.006250 0.007275 0.010000 0.012500

En este ejercicio he creado una perturbación aleatoria según la cual Barclays habría incrementado o decrementado el Libor comunicado en diez puntos básicos (aleatoriamente). Dentro de los 4 años para los que hay datos (1037 registros), en uno se habría movido el Libor en más de un punto básico y en el 99.9 % de los días no se habría alterado en más de 0.7 puntos básicos.

Si Barclays hubiese alterado los datos en 20 puntos básicos (arriba o abajo), se habría obtenido

deltas <- sample( c(0.2, -0.2), length(ubi.barclays), replace = T )
print( bad.fix( deltas ) )
#     90%      95%      99%    99.5%    99.9%     100% 
#0.002500 0.003750 0.006650 0.008525 0.012410 0.015000

Finalmente, distribuyendo la desviación uniformemente entre el -0.5 % y el -0.5 %, se obtendría

deltas <- runif( length(ubi.barclays) ) - 0.5
print( bad.fix( deltas ) )
#       90%        95%        99%      99.5%      99.9%       100% 
#0.00187500 0.00312500 0.00887500 0.01401064 0.01875000 0.01875000

En lugar de simulaciones, es interesante también ver cuál habría sido la influencia máxima de Barclays en el valor final del Libor día a día. Haciendo

b <- banks
b[ ubi.barclays, ]$Libor3M <- -100
my.min.fix <- tapply( b$Libor3M, b$date, mean, trim = 0.25 )
 
b <- banks
b[ ubi.barclays, ]$Libor3M <- 100
my.max.fix <- tapply( b$Libor3M, b$date, mean, trim = 0.25 )
 
hist( my.max.fix - my.min.fix )
 
range.pb <- round( 100 * (my.max.fix - my.min.fix ))
table(range.pb)
#  0   1   2   3   4   5   6 
#948  48  22  11   3   4   1 

se aprecia cómo en 948 de los 1037 días no habría sido capaz de moverlo (en más de un punto básico) hiciese lo que hiciese y cómo sólo un día habría sido capaz de moverlo seis.

Gráficamente,

Eso sí, casi todos esos días en los que tenía influencia correspondían al mismo periodo: finales de 2008.

¿Y cuánto afecta un punto básico a una persona normal? Erigiéndome en patrón de normalidad, he acudido a una calculadora de hipotecas, he introducido aproximadamente los datos de la mía y he calculado que cada punto básico de desviación (en este caso del Euribor, al que la tengo referenciada) me supone una variación de 42 céntimos de euro por mes.

Como diría un coadlátere, me lo puedo permitir. Eso sí, aprovecho para agradecer la labor callada de los supervisores y auditores por todas las catástrofes que han evitado y de las que no tenemos noticia por no haber ocurrido.

2 comentarios sobre “¿Afectó el fraude de Barclays al Libor?

  1. David Cabo 5 julio, 2012 20:22

    Gracias por hacer los cálculos. 🙂 Pero creo que infravaloras la importancia de un punto base: en una hipóteca media de 150.000 euros supone 15 euros al año. No va a arruinar a nadie, pero sigue siendo una estafa.

    Y la importancia del LIBOR es que es la base de un montón de productos, no sólo hipótecas: segun The Economist hay 800 trillones (americanos) de dolares en productos referenciados al LIBOR [1]. Para un tipo de interés que hoy está en 0.56% un punto básico es casi un 2% de manipulación.

    (Por otro lado lo de que el LIBOR era una fantasía durante la crisis era un secreto mal guardado, y hay más bancos siendo investigados. Barclays muy posiblemente no será el único pillado.)

    [1]: http://www.economist.com/node/21558281

  2. datanalytics 6 julio, 2012 0:15

    @David Cabo Te doy toda la razón: es un comportamiento inaceptable, casi seguro que ilegal (lo verán los jueces o quien tenga competencias en ello) y espero que se dicten penas ejemplares. Manipular información estadística, sobre todo información de la que dependen vidas y haciendas, debería castigarse duramente. Y el del Libor es un caso entre muchos: tenemos el caso griego, tenemos la inflación de Argentina, etc.

    Relativicé –que no es lo mismo que infravaloré– el impacto del fraude. Después de hacer los cálculos primeros quise evaluar su impacto no en la economía global o los capitales que van de lado a lado del océano sino en un Juan Pérez de carne y hueso. Y la mejor manera que se me ocurrió fue a través del importe de las cuotas de las hipotecas. Porque lo de los 800 billones (españoles) de dólares se nos escapan a todos. Es cierto que existen otras vías de impacto sobre la economía de Juan Pérez del fraude, pero son mucho más indirectas y de difícil cuantificación.

    Y efectivamente, el impacto es pequeño. Y no sólo pequeño, sino que tendió a beneficiar a nuestro Juan Pérez: como Barclays tendió a hacer bajar el Libor –sobre todo en la época crítica, para dar una imagen de solidez– el fraude no tendió a incrementar el precio anual de las hipotecas en 15 euros… ¡sino que lo redujo! Sigue siendo fraude, por supuesto, pero, por una vez, en beneficio del débil.

    Y la buena noticia, aquello de lo que nos podemos felicitar, es que variaciones tan, en el fondo, minúsculas, hayan sido detectadas y sus responsables llamados al orden (y ya veremos a qué más).

    Ah, sí, bueno, en Inglaterra. ¿Podemos estar seguros de que sucede lo mismo con nuestros falsarios patrios?

Los comentarios están desabilitados.