APUNTES DE BANCA & FINANZAS N 4

EL VER: HERRAMIENTA PARA LA MEDICIN

DE RIESGOS DE MERCADO
Alexander Campos Osorio *

Investigador del Departamento de Anlisis Econmico de la Asobancaria.

El autor agradece la colaboracin estadstica de Alexander Zapata Galindo, as como los

comentarios de ngel Vilario Sanz, de Hernn Avendao Cruz y de los investigadores del
Departamento de Anlisis Econmico de la Asobancaria. Igualmente se agradece la colaboracin del Departamento de Operacin Bancaria de la Asobancaria. El contenido de este
documento es de exclusiva responsabilidad del autor y no compromete a la Asobancaria o a
su junta directiva.

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

Presidente:

Patricia Crdenas Santa Mara

Director del Departamento

de Anlisis Econmico:

Hernn Avendao Cruz

Investigadores:

Alexander Campos Osorio

Alexander Zapata Galindo
Carlos Adolfo Guzmn Toro
Carolina Barn Buitrago
Jorge Arturo Saza Garca

Auxiliar de investigacin:

Yamile Medina

Impresin:

Tricolor Editores Ltda.

tricolor@colomsat.com.co

APUNTES DE BANCA & FINANZAS N 4

EL VER:

HERRAMIENTA PARA LA MEDICIN

DE RIESGOS DE MERCADO

RESUMEN
La importancia de la medicin y control de los riesgos de mercado qued
evidenciada con los episodios recientes de turbulencias financieras y prdidas
ocasionadas por la variacin de los precios de mercado de los activos. En este
documento se presenta de manera sencilla el VeR (Valor en Riesgo) como una
de las metodologas para la medicin de riesgos de mercado. Igualmente, se
desarrollan varios enfoques para la medicin del VeR, dependiendo de los
supuestos que se hagan sobre el comportamiento de las series histricas de
rendimientos. Al final, un ejemplo prctico de medicin del VeR para un portafolio de tres activos ilustra mejor los enfoques discutidos.
Clasificacin JEL: Valoracin de activos (G12); Mercados financieros y
Macroeconoma (E44).
Palabras claves: Riesgos de mercado; activos financieros.

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

INTRODUCCIN
En los ltimos 30 aos, el mundo financiero ha experimentado cambios que
han modificado de manera sustancial su modo de operacin y los principales
instrumentos de anlisis1. Entre otras cosas, se ha propiciado una mayor libertad financiera, que se manifiesta en tendencias como la eliminacin de las
restricciones a las tasas de inters. Simultneamente, se han producido importantes modificaciones en el entorno financiero internacional, asociadas con el
abandono paulatino de los sistemas de tipo de cambio fijo y la transicin
hacia sistemas cambiarios ms flexibles, as como la aparicin de sistemas
financieros cada vez ms integrados. Del mismo modo, se han producido
avances en el campo tecnolgico y de anlisis cuantitativo que han permitido
desarrollar instrumentos financieros cada vez ms sofisticados, como los productos derivados y las titularizaciones.
Todos estos hechos han venido acompaados de una mayor volatilidad del
entorno en el que se desenvuelve la actividad financiera. Los precios de los
activos financieros estn cada vez ms expuestos a fluctuaciones de ndole
macroeconmica, como las excesivas devaluaciones, los incrementos de los
tipos de inters y las cadas burstiles, originadas en choques de confianza
como los ocurridos recientemente en Estados Unidos.
Para ilustrar esta situacin, basta con sealar que en los ltimos diez aos
hemos sido testigos de eventos financieros desestabilizadores que han ocasionado enormes prdidas para corporaciones, inversionistas, gobiernos e instituciones financieras. La quiebra del Banco Barings en 1994, el colapso del
peso mexicano, la crisis asitica, la devaluacin del real y, ms recientemente,
la moratoria de Argentina, la cada de las principales monedas latinoamericanas y la prdida de confianza en los mercados burstiles de Estados Unidos,
han puesto nuevamente sobre el tapete la importancia de la administracin
de los riesgos de mercado.

1. Vase Stockman, 1988.

APUNTES DE BANCA & FINANZAS N 4

Toda actividad econmica, incluyendo por supuesto la financiera, consiste en

la asuncin de riesgos. La clave del xito no consiste en evitarlos, porque sera
tanto como renunciar a ejercer la actividad econmica, sino en conocerlos
(medirlos), evaluarlos (sopesarlos con los rendimientos esperados) y gestionarlos (tomar decisiones).
En los ltimos 20 aos se ha venido desarrollando un conjunto de metodologas
tendientes a medir el riesgo asociado con la prdida de valor de los activos
financieros. Se puede afirmar, con algn grado de certeza, que los agentes
econmicos son ms conscientes de los riesgos que estn asumiendo en un
activo financiero, y que estos riesgos los estn contrastando cada vez ms con
el rendimiento que les ofrecen a la hora de tomar decisiones.
Con este documento se pretende presentar de manera clara e intuitiva uno de
los enfoques ms utilizados en la medicin de los riesgos de mercado. Adems de la introduccin, este documento consta de cinco secciones: en la segunda se presentan los elementos conceptuales bsicos para entender en qu
consiste el riesgo de mercado y el VeR; en la tercera se hace una breve descripcin de algunas de las metodologas para el clculo del VeR; en la cuarta
se realiza un ejercicio de medicin del VeR para un portafolio hipottico; en la
ltima se concluye.

QU SON EL RIESGO DE MERCADO Y EL VER

As como los activos fsicos (por ejemplo, la propiedad raz) estn expuestos a
cambios en los precios de mercado, los activos financieros tambin estn cambiando de precios constantemente en el mercado2. Tales cambios estn asociados con los movimientos de las tasas de inters, de los ndices de precios de las
acciones que se transan en la bolsa de valores (por ejemplo, el IBVC para el
caso colombiano), de los tipos de cambio y de cualquier otra variable financiera.

2. A nivel internacional, la medicin de riesgos de mercado est enfocada fundamentalmente a los activos financieros susceptibles de venta en el mercado financiero.

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

El riesgo de mercado se puede definir como las posibles prdidas que pueden producirse en activos financieros que forman parte de carteras de negociacin y de inversin, y que estn originadas por movimientos adversos de los
precios de mercado (Vilario, 2001). El Comit de Basilea (1997) ofrece una
definicin en el mismo sentido: El riesgo de mercado se define como el riesgo de prdidas en las posiciones de balance o fuera de l, originadas en
movimientos de los precios de mercado. Jorion (2002) ofrece una definicin
del riesgo de mercado en trminos ms formales, recurriendo para ello a los
conceptos bsicos de estadstica aplicados a las finanzas; refirindose al riesgo, en general, afirma: El riesgo puede ser definido en trminos generales
como la incertidumbre sobre los flujos futuros o resultados futuros. En particular, define el riesgo de mercado como aquel que se deriva de cambios en
los precios de los activos y pasivos financieros (o volatilidades), y se mide a
travs de los cambios en el valor de las posiciones abiertas.
En las definiciones de riesgo de mercado ofrecidas en el prrafo anterior se
destacan algunos elementos en comn: precios, cambios de estos precios,
volatilidad, incertidumbre, tiempo. Todos estos elementos deben integrarse
para llevar el concepto de riesgos de mercado a una medicin numrica que
les permita a los administradores de activos financieros su cuantificacin. Una
metodologa para hacerlo es la conocida comnmente como el VeR (o VaR,
por su sigla en ingls).
J.P. Morgan y Reuters (1996) definen el VeR como una medida del mximo
cambio potencial en el valor de un portafolio de instrumentos financieros con
una probabilidad dada sobre un horizonte de tiempo predeterminado. En
otras palabras, el VeR le permitir a un inversionista responder la siguiente
pregunta: con una probabilidad x%3, cunto puede perder determinado portafolio durante los prximos Y das?

3. La probabilidad X%=a le permite al inversionista tener un marco de referencia para saber

cul es la confiabilidad de las estimaciones que haga del VeR.

APUNTES DE BANCA & FINANZAS N 4

Una interpretacin alternativa del VeR consiste en que para un gran nmero
de perodos de negociacin, la cada en el valor de un portafolio no ser
superior al VeR en un porcentaje c (nivel de confianza) de los perodos. Por
ejemplo, si el nivel de confianza elegido es 95%, se espera que las prdidas
del portafolio superen al VeR estimado solamente durante cinco de cada cien
perodos o durante uno de cada veinte [Culp et al., 1998].
El VeR es un enfoque para la medicin de riesgos. Sin embargo, es importante
sealar que esta herramienta va ms all de las simples mediciones de la
prdida mxima probable en un portafolio. Jorion (2002) describe el VeR
como una forma educada de medir los riesgos de mercado, y propone que
sea complementada con el establecimiento de controles y lmites, as como de
una gerencia independiente para la administracin de tales riesgos 4.

CMO SE MIDE EL VER

En esta seccin se mostrar cmo se mide el VeR de un activo individual y el
de un portafolio compuesto de varios activos. Pero antes es necesario ir discutiendo, de manera intuitiva, cules son los principales elementos de esta medicin. Simultneamente, donde sea necesario, se complementa la discusin
con los elementos formales mnimos requeridos.

MEDICIN

DEL

VE R

Los activos financieros estn cambiando permanentemente de precio en el

mercado. Las posiciones en determinado activo se mueven en funcin de los
cambios que experimenten los factores de mercado como las tasas de inters,
los tipos de cambio o los precios de las acciones.

4. Para las recomendaciones sobre administracin de riesgos de mercado en el caso colombiano, vase la Circular Externa 088 de 2000 de la Superintendencia Bancaria. Para las
recomendaciones a nivel internacional, vase Basilea (2001).

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

Supngase que el valor actual de una cartera es igual a Vo y que tal valor
resulta de multiplicar el nmero de unidades del activo (por ejemplo nmero
de acciones) por el precio de mercado de stos. En consecuencia, sus variaciones relativas se pueden expresar de la siguiente manera, en funcin de las
variaciones relativas de los precios de los activos o rendimiento:
Vt Vo ( Pt Po )
=
=R
Vo
Po
El valor en riesgo simplemente consistir en la diferencia entre el valor que se
obtiene para un determinado nivel de confianza, en la distribucin de probabilidad esperada en un horizonte de tiempo futuro t, y el valor del activo hoy,
Vo. As las cosas, el VeR puede expresarse de manera sencilla como la diferencia entre el valor extremo futuro, segn la distribucin de probabilidad prevista Vt*, y el valor actual de la cartera.
VeR = Vt * Vo = RVo

La ecuacin anterior comporta dos elementos cruciales para la medicin del

VeR. De un lado Vo, que mide el valor inicial de la cartera sujeta el riesgo de
mercado, y del otro R, que es el cambio en el rendimiento del activo en un
horizonte de tiempo dado, correspondiente a dicho valor extremo definido en
el prrafo anterior.

CAMBIO

EN LOS PRECIOS DE ALGUNOS ACTIVOS FINANCIEROS

Los precios de los activos financieros difieren, dependiendo de su naturaleza.

Los cambios de los precios de los activos financieros se ajustan razonablemente a distintos modelos estocsticos, dependiendo de factores tales como
la naturaleza de los activos (acciones, divisas, bonos, opciones), la liquidez de
los mercados en los que son negociados, los riesgos de contraparte y la mayor
o menor presencia de intervenciones de organismos regulatorios.
8

APUNTES DE BANCA & FINANZAS N 4

Generalmente, el precio de las acciones y divisas se modela sin suponer que

depende de otras variables:
V Ps Po
=
V
Po

V P
=
V
P

V =

P
V
P

V = VR

Para el caso de un bono, la situacin es diferente porque estos activos incorporan derechos sobre determinados flujos futuros de liquidez, establecidos
previamente de manera contractual. Para el caso especfico de un bono de
renta fija, el precio tendr la siguiente formulacin:
n

P0 =

F (1 + r )
i

ti

i =1

Lo anterior no es ms que la suma de los flujos futuros descontados a una tasa

de inters r. Para determinar la sensibilidad del precio respecto a la tasa de
inters r, es necesario derivar con respecto a esta variable5. Sabiendo de antemano que la duracin de un bono es el promedio ponderado de los plazos de
n

cada uno de los flujos que componen el bono:

t F (1 + r )
i

D =

i =1

Po

ti

, y que el

cambio en el valor inicial del bono respecto a cambios en la tasa de inters (r)
es:

dPo
1
=
dr
1+ r

t F (1 + r )
i i

i =1

ti

, se tiene que la variacin relativa del precio de un

bono es una funcin de su duracin y de los cambios de la tasa de inters:

5. Vale la pena advertir que esto se hace con el fin de aislar el efecto que producen los
cambios en las tasas de inters de mercado en los precios de los bonos, ya que stos
cambian autnomamente a la par por el simple transcurso del tiempo.

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

dPo
DPo
=
dr
1+ r
dPo
D
=
dr
Po
1+ r

P
D
=
r
P
1+ r

Otros activos financieros, como los derivados, siguen comportamientos de

precios ms complejos y su dinmica responde a factores igualmente complejos. Como el objetivo de este documento es ilustrar la metodologa VeR, se
centrar en los activos con dinmicas de precios ms simples, esto es, las
acciones, las divisas y los bonos6.

CLCULO

DEL

VE R

La forma de estimar el VeR abarca diferentes enfoques, dependiendo de los

supuestos que se hagan sobre el comportamiento de las variables de mercado. Dichos supuestos no son sino otra manera de registrar la forma como los
agentes crean sus expectativas respecto al comportamiento futuro de las variables financieras.
Existen diferentes enfoques, entre los cuales vale la pena destacar el de simulacin histrica, el de varianzas y covarianzas (mtodo analtico) y la simulacin de Montecarlo. Estos procedimientos se describen a continuacin.

SIMULACIN

HISTRICA

El mtodo de simulacin histrica supone que los movimientos adversos esperados en los rendimientos de mercado se basan en el comportamiento histri6. Para una descripcin del proceso que siguen los precios de productos como las opciones,
vase el documento tcnico de RiskMetrics.

10

APUNTES DE BANCA & FINANZAS N 4

co observado. El conjunto de posibles valores finales da lugar a una serie de

beneficios y prdidas de la cartera que puede emplearse para la medicin del
VeR de un activo, dado un nivel de confianza.
Este enfoque no supone ninguna distribucin de los datos histricos, de tal
manera que no es necesario recurrir a la medicin de desviaciones estndar,
medias y correlaciones para su utilizacin; de alguna forma, esta metodologa
supone que dichos comportamientos ya estn incorporados en los datos histricos observados.
La medicin del VeR, entonces, consistir en escoger de una muestra de N
observaciones de rentabilidad, aquella asociada a un nivel de confianza determinado7.
Sea Lt = V0Rt la serie de cambios en el valor de un activo financiero (una
accin en este caso), replicando la serie de rendimientos histricos Rt , ordenados de menor a mayor; de esta manera se puede hallar la Lt mnima que
corresponde al VeR del activo, utilizando un nivel de confianza c (95 o 99%,
segn sea el caso).
VeR(95%) = L5:100

Donde L1:100 corresponde al menor valor del activo que aparece en la posicin 1 dentro de una muestra de 100 rendimientos histricos ordenados de
menor a mayor. Para tamaos de muestras diferentes de 100 se recurre al uso
del nmero de datos relativo; para el caso del VeR(95%) se utilizar el 5% de
los datos y para el VeR (99%) se usar el 1%.

7. La eleccin de N no es un asunto trivial en el mtodo de simulacin histrica. Es importante definir perodos de tiempo que recojan caractersticas asociadas al ciclo econmico y a
los cambios de rgimen de poltica econmica, etc.; de lo contrario, se podr sesgar el
clculo a favor o en contra de situaciones particulares y aisladas que no corresponden al
comportamiento histrico de los precios de los activos.

11

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

Para calcular el VeR de una cartera compuesta por k activos, se suman los
valores de los activos en cada momento del tiempo: Lt =

V
i =1

R kt , se ordenan

los Lt y se escoge el valor que corresponda al nivel de confianza.

En trminos sencillos, el mtodo de simulacin histrica consiste en la eleccin de los peores rendimientos observados de un activo dentro de un horizonte de tiempo. Dependiendo del nivel de confianza que se quiera, se escoge el peor o el segundo peor, o el tercero, y as sucesivamente. Para mayor
claridad, ms adelante se presenta un ejemplo de VeR con el mtodo de simulacin histrica.
El mtodo de simulacin histrica es til cuando la cantidad de datos no es
muy alta y no se tiene mayor informacin sobre la distribucin de las prdidas
y ganancias (Benninga y Wiener, 1998). Otras ventajas asociadas al uso de
este mtodo son su sencillez, porque elimina la necesidad de complejos clculos de matrices de varianza-covarianza para carteras con muchos instrumentos y se puede entender sin alta preparacin estadstica.

MTODOS

PARAMTRICOS

Mediante este mtodo, se supone que el comportamiento de la rentabilidad

R* asume una distribucin de probabilidad dada, de tal manera que se requiere la estimacin de parmetros como la varianza o la media; en la prctica, esto implica conocer la distribucin de probabilidad que rige el comportamiento de los rendimientos.
En muchos casos, por simplicidad, se supone que la serie de rendimientos
histrica comporta una distribucin normal. De hecho, este enfoque es uno
de los ms utilizados a nivel internacional a partir de los desarrollos que desde
1994 vienen haciendo J.P. Morgan y Reuters en su modelo RiskMetrics.

12

APUNTES DE BANCA & FINANZAS N 4

Bajo este supuesto sobre la serie de rendimientos histrica R*~N(m,s2), el VeR

de un activo individual puede calcularse como8:
VeR = V t * V o = V o k ( )

En este caso, el VeR es una funcin de tres variables: el valor actual de la

cartera (Vo); el parmetro k(a ), que depende del nivel de confianza elegido9,
y la volatilidad medida con la desviacin estndar s t . El uso del trmino t
supone que los rendimientos se distribuyen idntica e independientemente
(i.i.d.), de tal manera que la volatilidad de un perodo largo puede considerarse la suma de la volatilidad de perodos ms cortos10.
En la prctica, sin embargo, muchos activos financieros no siguen dicho comportamiento, lo que impone serias restricciones al uso de la varianza incondicional como medida de volatilidad. Bollerslev (1987) argumenta que las propiedades de las distribuciones de los precios especulativos, retornos sobre
acciones y tipos de cambio tienen importantes implicaciones para muchos
modelos financieros () las varianzas y covarianzas de los retornos de los
activos son usadas como medidas de la dispersin o el riesgo. Sin embargo,

8. En algunos textos se sugiere realizar los clculos del VeR en relacin con la media de la
distribucin: VeR=Vo(m - kas); sin embargo, para propsitos de asignacin de capital, se
ha demostrado que el VeR debe medirse en relacin con el valor inicial de mercado del
portafolio (Kupiec, 2002).
9. Los valores que corresponden a k(a) en una normal estndar a diferentes niveles de
confianza son los siguientes: para 95%=1,6; 99%=2,3 y 99,9%=3,1.
10. Con rendimientos logartmicos,

P
P
P
R0 t = Ln t = Ln t + ... + Ln 1
P0
Pt 1
P0

y suponiendo independen-

cia entre los rendimientos, entonces haciendo las covarianzas iguales a cero,

02t = 12 + 22 + ... + t2 = t 2

0 t = t .
13

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

dependiendo de la distribucin de los retornos, la varianza podra no ser un

estadstico suficiente o vlido a usar.
Por tanto, es necesario probar que la serie de retornos sigue una distribucin
normal; para ello se han diseado numerosas tcnicas, entre las cuales vale
la pena destacar el estadstico de Jarque Bera (JB), el cual mide la diferencia
de la simetra y empinamiento (curtosis) de la serie de datos respecto a las
arrojadas por una distribucin normal11. Bajo la hiptesis nula de normalidad
de la serie, el JB se distribuye como una chi-cuadrado c2 con dos grados de
libertad. La probabilidad reportada es la probabilidad de que el JB (en valor
absoluto) exceda el valor observado bajo la hiptesis nula; en este orden de
ideas, una baja probabilidad conduce a rechazar la hiptesis nula de normalidad de la distribucin.
La no normalidad de la distribucin de la serie de retornos implica que, si se
utiliza s como indicador de la volatilidad, se est omitiendo el hecho de que
sta no es constante en el tiempo sino que vara en una proporcin distinta de
t (Alarcn y lvarez, 2002). Como seala Jorion (2002),
la variacin del riesgo en el tiempo podra explicar el hecho de que la distribucin emprica de los rendimientos no se ajuste de manera muy exacta a una
distribucin normal.

la raz del tiempo

El hecho de que un buen nmero de observaciones caigan en los extremos de

la distribucin (colas gruesas) sugiere que la distribucin normal no es la ms
indicada; con todo, tambin puede obedecer al hecho de que la distribucin
cambia a travs del tiempo. Como resultado, en tiempos de turbulencia, se
podra considerar a las observaciones grandes como datos aberrantes, cuando realmente son descritas por una distribucin temporalmente mayor (Jorion,
2002). En palabras de Bollerslev (1987), muchos estudios indican que el

11. El estadstico Jarque Bera=

N k 2 (K 3)2

S +
6
4 donde K es la curtosis, S el coeficiente de

asimetra y k el nmero de parmetros para calcular este estadstico.

14

APUNTES DE BANCA & FINANZAS N 4

cambio en los precios especulativos y las tasas de rendimiento son aproximadamente incorrelacionadas a travs del tiempo, pero caracterizadas por perodos de tranquilidad y de volatilidad.
Con el nimo de capturar esta variabilidad del riesgo, se han desarrollado un
conjunto de tcnicas que intentan estimar la varianza condicional de una serie
de datos12, entre los que se destacan los modelos de media mvil y los modelos Garch.
Los modelos de media mvil consisten simplemente en calcular la volatilidad
corriendo la ventana de tiempo para permitir que sta vare a lo largo del
tiempo en funcin de los cambios en los datos histricos. La frmula general
de la volatilidad de los rendimientos, utilizando promedios mviles, se expresa
mediante la siguiente frmula13:
n

(r )
i =1

n 1

donde ri representa la serie de rendimientos y m la media de stos.

Este mtodo tiene la desventaja de asignar el mismo peso a las observaciones
recientes y a las ms alejadas; en la prctica, esto puede acarrear problemas
para el clculo del VeR, porque en ambientes altamente voltiles no se permite capturar la dinmica reciente del mercado.
Para permitir que el clculo de la volatilidad refleje mejor las condiciones
actuales de mercado, se han diseado frmulas de clculo de la volatilidad

12. Condicional porque depende de la informacin disponible en el momento previo.

13. El Comit de Basilea recomienda que la ventana de tiempo con datos diarios para el
clculo de la volatilidad anual sea de 250.

15

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

que le asignan ms peso a las observaciones recientes; tales modelos estiman

la volatilidad siguiendo esta formulacin:
n

= (1 ) n 1 (ri ) 2
i =1

A diferencia de la especificacin anterior, la volatilidad depende de un factor

de decaimiento o de suavizacin llamado l. La eleccin del l ptimo se puede hacer de acuerdo con el criterio de minimizar el error cuadrtico medio, el
cual consiste en la diferencia al cuadrado entre la varianza observada y la
estimada (vase J.P. Morgan-Reuters, 1996). Como l es la ponderacin que
se asigna a las diferentes rentabilidades en funcin del tiempo, un valor de
este parmetro cercano a 1 significa que se le otorga una ponderacin ms
baja a los datos recientes; por el contrario, un l ms alejado de 1 significa
que los datos presentes tienen mayor preponderancia.
El otro conjunto de modelos para estimar la volatilidad son los modelos
autorregresivos de varianza condicional [Garch(p,q)]. Este tipo de modelos
son muy utilizados en finanzas porque estiman bastante bien el comportamiento de la volatilidad de precios de los activos financieros.
La rentabilidad sigue esta ecuacin:
Rt = + t
donde la variable et es un proceso aleatorio ~N(0,1) que tiene una varianza
condicional t2 que se puede expresar de la siguiente manera:
p

t2 = 0 +

j =1

16

j t2 j +

R
i

i =1

2
t i

APUNTES DE BANCA & FINANZAS N 4

Esta aproximacin de la volatilidad puede interpretarse, en un contexto financiero, como la prediccin que un operador hace de la volatilidad de un instrumento financiero en funcin del promedio ponderado de un trmino de largo
plazo (la constante a o), la volatilidad observada en perodos anteriores (sti) y
la rentabilidad observada en perodos anteriores (Rti). Si el retorno del activo
fuese inesperadamente alto o bajo, entonces el operador incrementar la estimacin de la varianza para el siguiente perodo. Este resultado es consistente con los agrupamientos de volatilidad frecuentemente observados en los
datos de retornos financieros, donde grandes cambios en los retornos son
seguidos por otros grandes cambios (Bollerslev, 1987).
El modelo de RiskMetrics utiliza una especificacin tipo Ewma (promedio mvil con ponderacin exponencial), el cual es un Garch(1,1) pero con las siguientes restricciones: a0=0; a1=(1-l); b1=l y a1+b1=1, de tal manera que la
ecuacin de la volatilidad queda expresada como:

t2 = (1 ) t21 + t21
donde l=0,94 para datos diarios y l=0,97 para datos mensuales.
Otra forma de estimar el VeR es mediante el mtodo de simulacin de
Montecarlo. Para aplicar este mtodo, es necesario hacer supuestos sobre el
comportamiento de los precios de los activos en los mercados financieros; en
este caso, se supone que el cambio en los precios sigue un proceso browniano
con la siguiente expresin:

dP
P

= dt + dz

dz

dt

dP t
= dt +
Pt

dt

17

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

donde el trmino et ~ N[0,1]; en otras palabras, et corresponde a una variable

aleatoria normal estndar. En palabras sencillas, el comportamiento descrito
de los precios de los activos es una funcin de una tendencia determinstica
capturada con la media m, la volatilidad de los rendimientos del activo s (que
puede ser constante o variable en el tiempo en los trminos planteados anteriormente en este documento) y de una perturbacin aleatoria capturada mediante e.
El mtodo de simulacin de Montecarlo permite generar una gran cantidad
de nmeros aleatorios (escenarios) para la variable et ~ N[0,1], de tal manera
que se pueda contar con igual cantidad de precios simulados del activo para
diferentes horizontes de tiempo.
La solucin en tiempo discreto de la ecuacin diferencial estocstica anterior,
para realizar las simulaciones, es:
S(t + t) = S(t)e(

AGREGACIN

/ 2) t + t t

DE RIESGOS

El riesgo de un portafolio no corresponde a la suma de los riesgos de los

activos individuales. Para su agregacin, es necesario tener en cuenta las
correlaciones que existen entre los diferentes factores de riesgo.
Suponga que la rentabilidad de un portafolio viene dada por la suma ponderada de los rendimientos de cada portafolio individual.
R p = w1R1 + w2 R2 + ... + wi Ri
En consecuencia, la varianza del rendimiento del portafolio viene dada por la
siguiente expresin:

18

APUNTES DE BANCA & FINANZAS N 4

p2 = w12 12 + w22 22 + ... + wi2 i2 + 2w1w2 12 + ... + 2wi w j ij

donde i2 es la varianza del rendimiento del activo i, ij es la covarianza entre
el rendimiento de los activos i y j, wi es la participacin del activo i en el
portafolio. Matricialmente, la varianza del rendimiento de un portafolio se
puede expresar como:

2
p

[w 1

2
1

21

M
i 1

12

1i

2
2

2 i

i 2

M
2
i

w 1

w 2
M

w i

donde ij = ij i j ; en otras palabras, la covarianza entre los activos i y j es

el resultado de multiplicar el factor de correlacin lineal por las respectivas
desviaciones estndar de los rendimientos individuales.
Esta metodologa, al permitir capturar la correlacin entre los diferentes factores de riesgo, incorpora un efecto de diversificacin del riesgo de mercado. En
el ejercicio prctico de la siguiente seccin, se ver con mayor claridad este
efecto.

EJEMPLO

PRCTICO

En esta seccin, se presenta un ejercicio prctico con tres mediciones del VeR.
La primera consiste en el mtodo de simulacin histrica que no requiere el
clculo de parmetros como la desviacin estndar ni la matriz de correlaciones. La segunda consiste en el mtodo de varianzas y covarianzas, mediante
el uso de parmetros de volatilidad y de correlaciones. La tercera consiste en
una simulacin de Montecarlo a un da.

19

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

PORTAFOLIO
El ejercicio consiste en calcular el VeR a un da14 para un portafolio compuesto
por un TES cero cupn15 a un ao por valor de mercado de $1.000 millones,
un milln de acciones que replican el comportamiento del ndice tecnolgico
Nasdaq y un milln acciones que replican el comportamiento del ndice de la
Bolsa de Valores de Colombia (IBVC).
Para efectos ilustrativos, se supone adems que el precio de mercado de las
acciones atadas al Nasdaq es US$0,2 cada una, que las acciones que siguen
el IBVC cuestan cada una $200 y que el precio del bono es $100. La tasa de
cambio peso/dlar en el momento de la medicin del VeR es $2.600.
As las cosas, el portafolio vale (a precios de mercado) en pesos colombianos
$1.720.000 millones (cuadro 1).
CUADRO 1
VALOR

EN PESOS DEL PORTAFOLIO

Activo

Valor en pesos

Un TES (un ao)

Un milln de acciones Nasdaq
Un milln de acciones IBVC
Total

1.000.000.000
520.000.000
200.000.000
1.720.000.000

14. Aunque a nivel internacional se usan diez das como horizonte de tiempo para el clculo
del VeR de los portafolios de tesorera, para efectos de gestin de riesgos el horizonte
recomendado es de un da. Naturalmente, el horizonte de tiempo va a depender de la
profundidad de los mercados de capitales, la cual incide sobre la capacidad de deshacerse de una posicin.
15. Un bono cero cupn paga intereses solamente hasta su fecha de vencimiento.

20

APUNTES DE BANCA & FINANZAS N 4

SIMULACIN

HISTRICA

Para el empleo de este mtodo se requiere el uso de variaciones histricas

diarias de las tasas de TES a un ao (datos de la curva Cetes), de la TRM, del
ndice Nasdaq y del ndice de la Bolsa de Valores de Colombia (IBVC). El
perodo histrico de observacin est comprendido entre el 5 de enero de
2000 y el 23 de agosto de 2002, es decir, 641 observaciones en total que
corresponden a 2,5 aos de operaciones.
En el siguiente conjunto se describe el comportamiento de los rendimientos
diarios de cada uno de los factores de riesgo a los que est expuesto el portafolio. Ntese que se incluye la TRM porque las acciones Nasdaq estn sujetas
al riesgo de precio del mercado y al riesgo de tipo de cambio, de tal manera
que en el clculo del VeR es necesario duplicar la posicin de estas acciones
dentro del portafolio (grfico 1).
Para el clculo del VeR se utilizar un nivel de confianza del 98%. Como el
tamao de la muestra histrica usada es de 641, el nmero crtico de corte de
las series de rentabilidad histrica para el clculo es igual a (1 0,98)* 641=13.
Despus de obtener las series de rentabilidades histricas, se procede a calcular el valor de la posicin por cada una de stas16. Luego se suman los valores
afectados de cada una de las posiciones de manera horizontal, en tal forma
que podemos obtener una serie de rendimientos histricos del portafolio de
tamao 641.

16. Para afectar la posicin de $1.000.000.000 en TES a un ao es necesario tener en

cuenta que la variacin del precio de un bono sigue la ecuacin

V
V

D
r
1+ r

, donde

r es la tasa de inters de los bonos a un ao, Dr corresponde a la variacin histrica de la

tasa de los TES a un ao y D es la duracin del ttulo que, en este caso particular, es un
ao.

21

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

GRFICO 1

Fuente: Clculos del autor.

En seguida, se ordenan los rendimientos histricos del portafolio y se escoge

como valor crtico para el VeR el que aparezca en la posicin 13 si se orden
de menor a mayor, o en la 628 si se orden de mayor a menor. En el cuadro 2
y en el grfico 2 se resumen el resultado de los rendimientos histricos del
portafolio ordenados de menor a mayor.
El mtodo de simulacin histrica permite concluir, con un 98% de confianza, que el VeR a un da de un portafolio como el descrito es del orden
de $38.044.920. En otras palabras, dicho monto es la prdida potencial
a un da de este portafolio, calculada mediante el mtodo de simulacin
histrica.

22

APUNTES DE BANCA & FINANZAS N 4

CUADRO 2
Posicin

VeR en pesos

1
2
3
.
.
.
13 (98%)
14
.
.
.
641

54.158.473
50.212.850
45.852.448
.
.
.
38.044.920
36.995.998
.
.
.
90.587.047

MTODO DE

GRFICO 2

VARIANZAS Y COVARIANZAS

El empleo de este mtodo supone la estimacin de las desviaciones estndar

de los rendimientos de los activos que componen el portafolio. Como se vio
en la seccin anterior, existen diferentes mtodos para estimar la volatilidad
de la serie de rendimientos; todo depende de los supuestos que se hagan
sobre la distribucin de probabilidad de stos.
Si los rendimientos se distribuyen normalmente, bastar con estimar la volatilidad no condicional; por el contrario, si no se distribuyen normalmente y
presentan problemas de colas gruesas, que implican cambios en el tiempo de
la distribucin, se procede a utilizar los mtodos de volatilidad condicional
descritos anteriormente.

23

EL VER:

PRUEBA DE

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

NORMALIDAD DE LOS RENDIMIENTOS

Si los rendimientos de los activos del portafolio se distribuyen normalmente,

bastar con estimar la volatilidad incondicional de la serie de datos, y proceder a estimar el VeR individual y el agregado haciendo uso de la matriz de
covarianzas.
A continuacin se presenta un conjunto de histogramas de frecuencia para las
series de rendimientos, contrastados con el que seguira una distribucin normal. Como se puede observar, ninguna de las series de rendimientos se ajusta
a una distribucin normal; en algunos casos, como el de la tasa de TES a un
ao, los rendimientos se tienden a concentrar excesivamente alrededor de la
media (curtosis); en otros, como el Nasdaq, stos tienden a estar ms concentrados en la parte izquierda de la distribucin (asimetra); finalmente, hay otros
que registran rendimientos concentrados en las colas de la distribucin (colas
gruesas).
Otra forma de verificar la hiptesis de normalidad de las series de rendimientos es mediante el estadstico de Jarque Bera. Recordando que el estadstico
JB emplea uso de los coeficientes de asimetra y de curtosis:

JB=

N k 2 (K 3)2

S +
6
4

donde K es la curtosis, S el coeficiente de asimetra y k el nmero de parmetros

utilizados para el clculo de la serie de los datos analizada. Se rechaza la
hiptesis de normalidad de la serie de rendimientos si JB calculado es mayor
que el valor terico de una chi-cuadrado con dos grados de libertad al nivel
de confianza dado (95%). Tenemos entonces que este valor es de 5,99. Los
clculos del cuadro 3 permiten rechazar la hiptesis de normalidad de los
rendimientos de los activos del portafolio elegido (grfico 3).

24

APUNTES DE BANCA & FINANZAS N 4

GRFICO 3
DISTRIBUCIN

DE FRECUENCIAS DE RENDIMIENTOS

Fuente: Clculos del autor.

CUADRO 3
TES un ao

TRM

Nasdaq

IBVC

Asimetra (S)

1,07

-0,44

0,38

1,79

Curtosis (K)

13,50

12,10

4,43

21,48

Jarque Bera

3.069,94

2.233,19

70,19

9.466,83

P-valor

0,00000

0,00000

0,00000

0,00000

Fuente: Clculos del autor.

25

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

Una vez rechazada la hiptesis de normalidad de las series de rendimientos,

se procede a estimar la volatilidad por los mtodos de volatilidad condicional
expuestos anteriormente. Para el clculo de la volatilidad de los TES, de la
TRM y el IBVC se emplear el mtodo Ewma, mientras que para el Nasdaq se
emplear un Garch (1,1).
En el siguiente cuadro se resumen las ecuaciones de comportamiento de las
volatilidades de las diferentes series de rendimientos; los parmetros de los
modelos Ewma y Garch (1,1) se estimaron mediante el mtodo de mxima
verosimilitud en el programa estadstico EViews 4.
Ewma
TES un ao
TRM

2t = (1 0,055)2t 1 + 0,0552t 1
2t = (1 0,121)2t 1 + 0,1212t 1
2t = 3,45E05 + 0,8852t 1 + 0,0832t 1

Nasdaq
IBVC

Garch (1,1)

2t = (1 0,0512)2t 1 + 0,05122t 1

Fuente: Clculos del autor.

Ahora bien, para calcular el VeR del portafolio es necesario computar las
correlaciones y varianzas de las series de rendimientos, ya que el VeR del
portafolio verifica la siguiente ecuacin:
VeR p = V0 k ( ) W T W t
donde Vo es el valor del portafolio ($1.720 millones); k(a) es un parmetro
que corresponde al nmero de desviaciones estndar dado un nivel de confianza elegido bajo una distribucin normal estndar (en este caso k(a)=2,05
para un 98% de confianza); WT es el vector transpuesto de pesos relativos de
cada activo dentro del portafolio; W es la matriz de varianzas y covarianzas, y
t es el horizonte de tiempo para el clculo del VeR (un da, en nuestro caso).

26

APUNTES DE BANCA & FINANZAS N 4

La matriz de varianzas y covarianzas se computa teniendo en cuenta las

varianzas de cada uno de los rendimientos, estimadas con base en los modelos de volatilidad condicional descritos en el cuadro anterior. As las cosas, la
volatilidad diaria para los TES a un ao, la TRM, el Nasdaq y el IBVC, para el
24 de agosto, es la siguiente:

VOLATILIDAD ESTIMADA PARA EL 24 DE AGOSTO DE 200217

TES un ao

0,005351277

TRM

0,011677078

Nasdaq

0,031946891

IBVC

0,007932848

Fuente: Clculos del autor.

La matriz de varianzas y covarianzas queda expresada de la siguiente forma:

0
0 1
0,071 0,014 0,091 0,0053 0
0
0 2,86E 05 4,46E 06 247E 06 4,20E 06
0,0053 0
0
0 0,071
1
0,014 0,059 0
0,01167 0
0 4,46E 06 1,36E 04 5,07E 06 5,97E 06
= 00 0,01167
*
*
=
0
0,03194 0 0,014 0,014
1
0
0,03194 0 2,47E 06 5,07E 06 1,02E 03 6,25E 06
0,023 0

0
0
0,0079
0
0
0,0079
0,091 0,059 0,023 1 0
4,20E 06 5,97E 06 6,25E 06 7,48E 05
0

El VeR a un da de este portafolio queda entonces como:

2,86E 05
E 06
VeRp = 1.720.000.000* 2.05* [0,45 0,23 0,23 0,09] 42,,46
47E 06
4,20E 06

0,45
0,23 = 38.149.708
6,25E 060, 23
7, 48E 05
0,09

4,46E 06

247E 06 4,20E 06

1,36E 04

5,07E 06

5,07E 06

1,02E 03

5,97E 06 6,25E 06

5,97E 06

17. Para el clculo recursivo de la volatilidad condicional, se us la desviacin estndar incondicional como el valor inicial para calcularla.

27

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

Este valor no difiere sustancialmente del calculado mediante el mtodo de

simulacin histrica; esto puede ser el resultado del bajo nivel de las correlaciones entre los factores de riesgo, o por la estructura tan simplificada que se
asumi para este ejercicio.

SIMULACIONES

DE

MONTECARLO

El primer paso para la implementacin de esta metodologa consiste en suponer la siguiente trayectoria de precios de las acciones y el tipo de cambio:
dP t
Pt

= dt +

dt

et ~ N[0,1]

Este comportamiento, conocido como movimiento geomtrico browniano, est

implcito en gran parte de la teora de valoracin de opciones. En palabras
sencillas, el comportamiento descrito de los precios de los activos es una funcin de una tendencia determinstica capturada con la media m, la volatilidad
de los rendimientos del activo s (que puede ser constante o variable en el
tiempo en los trminos planteados anteriormente en este documento) y de una
perturbacin aleatoria capturada mediante e.
El modelo del movimiento browniano geomtrico describe adecuadamente
el comportamiento de algunas variables financieras, pero ciertamente no el
de los valores de renta fija de corto plazo (Jorion, 2002). Por esta razn en
este ejercicio se utiliza un modelo para simular la trayectoria de la tasa de
inters del TES a un ao de las siguientes caractersticas:
drt = ( rt )dt + dz
dz = dt

e~N(0,1)

28

APUNTES DE BANCA & FINANZAS N 4

donde y mide la velocidad de reversin de la tasa de inters a su valor medio

de largo plazo. Sin embargo, como estamos calculando el VeR de un da
podemos hacer caso omiso del primer trmino del lado derecho de la ecuacin anterior, y simular la trayectoria a un da de la tasa de inters de los TES
a un ao en funcin de la volatilidad diaria y de una variable aleatoria distribuida normal estndar con media cero y varianza uno.
Despus de suponer las trayectorias de los activos del portafolio, se procede
de la siguiente manera:
a) Se generan cuatro variables aleatorias ei~N(0,1).
b) Como estamos tratando de calcular el VeR de un portafolio, nos interesa
saber cules son las variables aleatorias resultantes, teniendo en cuenta
dichas correlaciones. Para ello utilizamos el mtodo de descomposicin de
Cholesky, que usa la matriz de correlaciones de los activos para obtener
una matriz A que, multiplicada por su transpuesta, arroje como resultado
la matriz de correlaciones original (ver anexo 1).
c) Se replica 5.000 veces el procedimiento de generacin de variables
aleatorias correlacionadas descrito en el anexo 1.
d) Se simulan 5.000 precios de los activos, teniendo en cuenta la frmula de
precios descrita para cada activo y las variables aleatorias correlacionadas.
e) Se suman los valores de los activos simulados, de tal manera que podemos obtener 5.000 precios simulados del portafolio. Luego se obtiene una
serie de ganancias y prdidas que corresponde a la diferencia entre el
valor actual del portafolio y su posible valor en un horizonte de un da.
f) Se ordena la serie de prdidas y ganancias de menor a mayor y se escoge
el dato de corte, dependiendo del nivel de confianza elegido (98%) y del
nmero de precios aleatorios generados (5.000). En este caso, se escoge el
percentil que corresponde al VeR del portafolio con un 98% de confianza.
29

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

Siguiendo la metodologa descrita, el VeR calculado mediante simulacin de

Montecarlo es de $37.992.125, resultado que no difiere significativamente
de los hallados con los mtodos de simulacin histrica y de varianzas y
covarianzas (grfico 4).
GRFICO 4
VER MEDIANTE

SIMULACIN DE

MONTECARLO

Fuente: Clculos del autor.

COMENTARIOS

FINALES

El VeR consiste en una metodologa para calcular el riesgo de mercado, definido como la prdida mxima probable originada en variaciones adversas de
los precios de mercado en un horizonte de tiempo dado.
Existen diferentes formas de calcular el VeR, sin que hasta el momento se haya
llegado a una conclusin definitiva sobre cul es la mejor (Beder, 1995). La
eleccin de una u otra depende de factores como la disposicin de informacin histrica de las series de rendimientos, de la capacidad tcnica para

30

APUNTES DE BANCA & FINANZAS N 4

adoptar las diferentes metodologas y, por supuesto, de las necesidades definidas previamente por los analistas de los riesgos de mercado.
Es importante sealar que el VeR no provee certidumbre o confianza sobre los
resultados, sino ms bien expectativas de cmo se comportarn estos resultados, dado un conjunto de supuestos sobre el comportamiento de los rendimientos y de las trayectorias que siguen los precios de los activos. Tampoco
hay que perder de vista que factores de riesgo como los de carcter poltico,
de liquidez y de otra ndole, no son capturados por esta metodologa.
La herramienta del VeR no es suficiente para la evaluacin de riesgos de mercado; debe complementarse con anlisis de escenarios de estrs, con un seguimiento permanente y prudente de las posiciones, con polticas de control
que deben regir sobre normas claramente establecidas desde la cabeza ms
alta de la organizacin y con un nivel adecuado de capital para cubrir eventuales prdidas.

31

EL VER:

EJEMPLO
1.

EL CASO DE

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

ANEXO 1
DE DESCOMPOSICIN DE

CHOLESKY

DOS ACTIVOS

Sean e1, e2 dos variables aleatorias correlacionadas tal es que:

e1, e2~N(0,1)

E(e1)=E(e2)=0

Var(e1)=Var(e2)=1

Cov(e1, e2)=r

Sean x1, x2 dos variables aleatorias no correlacionadas tales que:

x1, x2~N(0,1)

E(x1)=E(x2)=0

Var(x1)=Var(x2)=1

Cov(x1, x2)=0

como Cov(x1, x2)= E(x1, x2) E(x1)*E(x2)

entonces Cov(x1, x2)=E(x1 x2)=0
Las cuatro variables aleatorias estn relacionadas linealmente en la siguiente
forma:
e1=x1
e2=ax1+bx2
Matricialmente, el problema se puede plantear como:
1 1 0 1
= *
2
2
Entonces la tarea consiste en hallar a y b.

32

APUNTES DE BANCA & FINANZAS N 4

Se sabe que:
Cov(e1, e2)= E(e1e2) E(e1)*E(e2)=r con E(e1)*E(e2)=0, entonces
E(e1e2)=r= Cov(e1, e2)
luego Cov(e1, e2)=E(x1*(ax1+bx2))
Cov(e1, e2)=E(ax12+bx1x2))
Cov(e1, e2)=aE(x12)+bE(x1x2). Como sabemos que E(x1x2)=0, entonces:
Cov(e1, e2)=aE(x12)
Como Cov(e1, e2)= r
Var(x1)=E(x1mx)2 con mx=0, entonces
E(x12)=Var(x1)=1 porque se distribuye normal estndar
De lo anterior se tiene entonces que a=r
Ahora: como
Var(e2)=Var(ax1+bx2)=1
Var(e2)=a2Var(x1)+b2(x2)=1
Var(e2)=a2Var(x1)+b2(x2)=1
Var(e2)=a2+b2=1

33

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

Con a=r, entonces

r2+b2=1 de donde = 1 2
Entonces la forma de generar dos variables aleatorias correlacionadas sigue
la expresin matricial e=Ax, que es de la forma

2.

EL

1 1
2 =

0 1
*
1 2 2

CASO DE CUATRO ACTIVOS

Para el caso de ms activos, se sigue el mismo procedimiento anterior. Despus de haber realizado los clculos correspondientes, se lleg a que la matriz A de generacin de variables aleatorias correlacionadas es de la forma:
0
0
1
0,0714
1
0
A=
0,0144 0,0147
1

0,0908 0,0528 0,0232

34

0
0
0
1

APUNTES DE BANCA & FINANZAS N 4

REFERENCIAS

BIBLIOGRFICAS

1.

Alarcn, Luis F.; lvarez, J. Csar (2002), Modelos para el clculo de la

volatilidad de la tasa de inters en Colombia. Documento Tcnico Superintendencia Bancaria.

2.

Beder, Tanya S. (1995), VAR: Seductive but Dangerous, Financial Analysts

Journal, septiembre-octubre.

3.

Benninga, S.; Wiener, Zvi (1998), Value at Risk (VaR), Matematica in

Education and Research, Vol. 7, N 4.

4.

Bollerslev, Tim (1987), A Conditionally Heteroskedastic Time Series Model

for Speculative Prices and Rates of Return, The Review of Economics and
Statistics, Vol. 69, Issue 3, agosto, 542-547.

5.

Comit de Basilea (1997), Principles for the Management of Interest Rate

Risk, septiembre.

6.

Comit de Basilea (2001), Principles for the Management and Supervision

of Interest Rate Risk, Consultive Document, BIS, enero.
35

EL VER:

HERRAMIENTA PARA LA MEDICIN DE RIESGOS DE MERCADO

7.

Culp et al. (1999), Value at Risk for Asset Managers, Derivatives

Quarterly, Vol. 5, N 2.

8.

Jorion, Philippe (2002), Valor en Riesgo: el nuevo paradigma para el

control de riesgos con derivados, Mxico, Editorial Limusa.

9.

J.P. Morgan-Reuters (1996), RiskMetricsTM -Technical Document. Fourth

Edition, diciembre.

10. Kupiec, Paul (2002), Calibrating your Intuition: Capital Allocation for
Market and Credit Risk, IMF Working Paper, (WP/02/99), Washington,
IMF, junio.
11. Stockman (1988), On the Roles of International Financial Markets and
their Relevance for Economic Policy, Journal of Money, Credit and Banking.
Vol. 20, issue 3, part 2, pp. 531-549.
12. Vilario Sanz, ngel (2001), Turbulencias financieras y riesgos de mercado, Madrid, Prentice Hall.

36