MEDICION DE RIESGOS FINANCIEROS

Curso 2017-18. Test de clase nº3

1. ¿Qué es un componente principal de un conjunto de variables? ¿Cómo se estima?

Los componentes principales son combinaciones lineales de las variables de las que partimos.
Los pesos de cada combinación lineal vienen dados por cada uno de los autovectores de la
matriz de covarianzas o de correlaciones de las variables originales. Por tanto, cada componente
principal está asociado a un autovector de dicha matriz. La importancia relativa de cada
componente principal viene dada por el tamaño del autovalor asociado.

2. Si utiliza componentes principales como factores de riesgo de un conjunto de activos ¿cómo

aproximaría la varianza de la rentabilidad de cada activo? (proporcione la expresión
matemática)
Los componentes principales están incorrelacionados entre sí. Por tanto, la expresión general
para la matriz de covarianzas del conjunto de N activos: Var (r )  B f B ' donde B es la Nxk
matriz de betas, y Σf la matriz kxk de varianzas-covarianzas de los factores se convierte en:
k k
Var (r )    Var (CPi )   i2 i siendo λ1, λ2,…, λk los mayores autovalores de la matriz
i
2

i 1 i 1
de covarianzas o de correlaciones de los N activos.

3. Cuando se estima un modelo factorial para estimar el riesgo asociado a la inversión en un

conjunto de activos, dicho modelo debe generar componentes idiosincráticos para las
rentabilidades de dichos activos que estén incorrelacionados entre sí ¿De qué otros modos
puede contrastarse si un modelo factorial es adecuado?
Como se dice en el enunciado, los componentes de riesgo idiosincrático estimados de los
activos estarán incorrelaciondos con los factores de riesgo al estimar el modelo factorial por
mínimos cuadrados. Para evaluar si el modelo factorial es adecuado se puede comparar la matriz
de correlaciones entre las rentabilidades de los N activos generada por dicho modelo con la
matriz de correlaciones estimada a partir de la muestra. Tambien se puede calcular la cartera de
minima varianza a partir de ambas matrices de correlaciones y ver como difieren entre sí. O
puede compararse la composición de alguna otra cartera de referencia.

4. La desigualdad de Jensen establece la relación (de desigualdad) que existe entre la

esperanza matemática de una variable aleatoria X y la esperanza matemática de una función
de dicha variable aleatoria. ¿Cuál es dicha relación en el caso de una función f(X) convexa?
Haga un gráfico para justificar su respuesta.
5. ¿En qué consiste el problema de “style attribution” (“atribución de estilo”) de un fondo?
¿Por qué es importante?

El análisis de “style attribution” intenta estimar el tipo de gestión que ha seguido un fondo de
inversión. Este análisis es importante para el supervisor, para asegurarse de que los fondos que
tienen un estilo de gestión definido (fondos con un techo máximo de inversión en renta variable,
por ejemplo) no han sobrepasado dicho límite. En general, el análisis es útil para evaluar si se ha
respetado el estilo de gestión definido para el fondo. En el caso de hedge funds, que no siguen
un estilo de gestión definido, el análisis “style attribution” permite estimar el estilo de gestión
seguido, sobre lo que el supervisor no requiere información al gestor del fondo.

RESULTADOS
Test 3
Calificación Número de tests
5 0
4.5 0
4 0
3.5 1
3 0
2.5 1
2 3
1.5 8
1 2
0.5 8
0 6
media 1