Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Riesgo de mercado
Análisis de sensibilidad
Análisis de estrés
Análisis de escenarios
Capital Asset Pricing Model (CAPM)
Value at Risk (VaR) – lo discutiremos por separado
2. Análisis de sensibilidad
Análisis de sensibilidad para bonos. El único factor de riesgo real para un bono
es la tasa de interés (aunque en bonos hipotecarios también influye el prepago).
Si denotamos el valor de un bono como V, entonces:
Ct
V
1 i
t
dV t Ct
Duration$
1 i
t 1
di
1
aumentan en uno por ciento (la duración-dólar es simplemente la duración multiplicada
por el valor del bono).
2
En muchas publicaciones y software se utiliza el término PVBP o DV01 para denotar la
duración:
DV01 se debe interpretar como el valor presente de un cambio en las tasas de interés de
un punto base.
S = S0[1+ βm + ε]
S
S0
m
VP P
N k S k ,0 k
m k 1
S
2
S
2
ln
r T ln
r T
X 2 Xe rT N X 2
C SN
T T
3
La sensibilidad de una opción se basa en la diferenciación de la fórmula de Black-
Scholes con respecto a las variables de análisis. El resultado se conoce como los
“griegos” debido a que se simbolizan con las letras griegas delta (Δ), gamma (Γ), vega
(ν), theta (θ) y rho (ρ):
El cambio en el valor de una opción se puede aproximar con base en los griegos y el
cambio en los factores de mercado:
δV ≈ Δ x δS + 0.5Γ x S2 + ν x δσ + ρ x δr + θ x δT
3. Análisis de estrés
4
CREDIT CARD CHARGE-OFFS vs. GDP GROWTH
(1985-2001)
Charge-Offs GDP Growth
6%
8%
Annual Growth in GDP
5%
6%
4%
3%
Charge-Offs
2% 2%
1985 1987 1989 1991 1993 1995 1997 1999 2001
5
2. Decidir cuáles factores se deben agrupar y cuáles se deben tratar de manera
independiente. Por ejemplo, si se quiere analizar el efecto de cambios en el valor
de un portafolio internacional como resultado de cambios en los tipos de cambio
puede ser apropiado agrupar las monedas por región, especialmente si no
representan una parte significativa del portafolio
3. Decidir qué nivel de cambio es apropiado para cada factor. En la práctica se
intenta medir el efectos de cambios de entre cuatro y seis desviaciones estándar
de los movimientos promedio diarios
4. Aplicar los movimientos y medir el resultado. La siguiente gráfica muestra una
distribución de pérdidas con base en múltiples escenarios macroeconómicos
Level of Losses
GDP $MM
Multiple
Scenarios
90% Chance
of Losses
Being Within
This Range
Best
Forecast
Today
Time Probability of
Losses Being
at a Given
Level
5. Reevaluar todas las posiciones afectadas por cada factor de riesgo. Por ejemplo,
un cambio en tipo de cambio impacta posiciones de inversión, futuros, swaps,
etc.
6. Elaborar un reporte que presente adecuadamente los resultados, como se muestra
en la siguiente gráfica:
6
Análisis de estrés: impacto del valor de acciones
15.0
10.0
5.0
Cambio en valor portafolio ($)
0.0
-30% -20% -10% 0% 10% 20% 30%
-5.0
-10.0
-15.0
-20.0
-25.0
Cambio en valor acciones
7
El análisis de estrés suele presentarse en los reportes regulares que producen los comités
de riesgo. Por lo general se analiza el impacto de cientos de variables. La más
importante es la curva de tasas de interés (yield curve), que puede presentar tres tipos de
variación: traslación (todos los rendimientos aumentan o disminuyen por el mismo
valor), rotación (suben los rendimientos mayores – o menores – a un cierto valor y
viceversa) y flexión (suben en unas partes y bajan en otras si “monotonía”.
Por otro lado, es común que las instituciones cometan algunos errores al realizar sus
análisis de estrés:
8
4. Análisis de escenarios
Scenario
- 10 20 30 40 50
Loss Impact ($ BN)
El procedimiento de análisis es similar al del análisis de estrés, y al igual que éste, tiene
algunas desventajas:
9
5. Capital Asset Pricing Model, CAPM
βi = σim / σm2
VaR se define como el monto que se puede esperar perder durante una fluctuación de
mercado severa y adversa. Típicamente una pérdida severa se describe como aquélla
que tiene una probabilidad de ocurrencia de 1% en un día determinado. Esto es
equivalente a decir que “en promedio un portafolio perderá un monto de VaR o más dos
o tres veces por año”. VaR se puede calcular a nivel de instrumento, portafolio o
institución financiera.
Por lo general se asume que los retornos se distribuyen normalmente, con lo cual una
probabilidad de 1% equivale a 2.32 desviaciones estándar. Por ello, si se asume una
distribución normal, un VaR al 99% se define como:
VaRT = 2.32 σT
10
11
En donde T es horizonte temporal, que puede ser un día (usado por los traders y
denominado comúnmente DEaR o Daily Earnings at Risk) o cualquier otro. Para
efectos de capital económico se suele utilizar un año. Preguntas para discusión: ¿cuál
es la intuición de VaR?, ¿por qué es importante el comportamiento de un instrumento en
un solo día?, ¿qué grupos de negocio hacen las preguntas relevantes sobre VaR.
Ejemplo. La gráfica a continuación muestra la distribución de los rendimientos diarios
de General Electric a lo largo del tiempo. Aún cuando la distribución no es exactamente
normal, se puede asumir por practicidad.
50%
Todos
40%
2010-
2008-2009
30% 2000-2007
90s
80s
20%
10%
0%
-20% -16% -12% -8% -4% 0% 4% 8% 12% 16% 20%
45%
40%
35%
30%
GOOG
25% GE
20%
15%
10%
5%
0%
-12% -10% -8% -6% -4% -2% 0% 2% 4% 6% 8% 10% 12%
12
El rendimiento diario promedio de Google en el periodo es de -0.01% (no ha sido un
buen periodo para la compañía) y su desviación estándar de 1.67%. Para GE estos
valores son 0.113% y 1.72%.
La siguiente tabla muestra el VaR de un portafolio invertido al 100% en cada una de las
acciones (con diferentes probabilidades). El periodo de muestra es de inicios del 2010 a
la fecha:
Días se refiere al número de días de trading en los que se espera perder el monto
porcentual de VaR (asumiendo 250 días al año). En otras palabras, si un inversionista
tiene $1 millón de pesos en un portafolio de acciones de Google, debe esperar perder
como mínimo $45.6 miles en 2.5 días cada año.
Preguntas para discusión: ¿cómo interpretan los números de la tabla anterior?, ¿se
preocuparían si fueran inversionistas al verlos?, ¿qué tipo de decisiones se derivan del
análisis de la tabla?, ¿cómo se relaciona el primer momento de la distribución de
retornos con VaR?, ¿cuál es el percentil más relevante?
Es posible escalar VaR a otros horizontes temporales partiendo del VaR de un día (o
DEaR). Como VaR se basa en la desviación estándar es necesario multiplicar por la raíz
cuadrada del número de días:
13
Definir los factores de riesgo que permiten determinar el valor del portafolio
Encontrar la sensibilidad de cada instrumento a los factores
Determinar la desviación estándar de los cambios y la correlación entre ellos
Determinar la desviación estándar del portafolio a través de multiplicar las
sensibilidades por las desviaciones estándar
Asumir normalidad y multiplicar la desviación estándar del portafolio por el
factor correspondiente
Ejemplo: supongamos que un banco mexicano (que opera en pesos, $) tiene un bono
emitidos por el gobierno de Francia (en euros, €). Asumamos que el bono es un
“bullet”; es decir, paga un solo flujo CE en un plazo t. Por lo tanto, el valor presente del
bono en pesos es igual al valor presente del bono en euros multiplicado por el tipo de
cambio (FX):
CE
VP$ FX VPE FX
1 iE
t
Nótese que hay dos factores de riesgo: la tasa de interés iE (en euros) y el tipo de
cambio. La sensibilidad del valor del bono respecto a cambios en las tasas de interés es
igual a:
VP$ tCE
FX
1 iE
t 1
iE
tCE
VP$ FX iE
1 iE
t 1
CE
VP$ FX
1 iE
t
El cambio total es igual al cambio como función de los cambios individuales de cada
factor:
CE tCE
VP$ FX FX iE
1 iE 1 iE
t t 1
Por simplicidad, denotemos la sensibilidad a cada factor como si y sFX. Cada uno de los
factores puede generar pérdidas para el bono. Además existe una correlación entre los
cambios en el tipo de cambio con los cambios en la tasa de interés. Nótese además que
14
ambos cambios son realmente variables aleatorias cuyas varianzas se pueden estimar
con base en información estadística.
Como VaR es una medida basada en cambios en un día, entonces si FXt es el tipo de
cambio en un día específico, t:
FX FX t FX t 1
Y la varianza es:
1 N
FX
2
FX
2
N 1 t 1
1 N
iE ,t
2
i2E
N 1 t 1
N
1
iE ,t FX
FX ,iE t 1
N 1 i2E FX 2
Las ecuaciones anteriores permiten determinar la varianza del valor del bono:
VaR es simplemente igual al multiplicador (por ejemplo 2.58 para una probabilidad del
99.5%) multiplicado por σP.
V
dN
f N
N N
VaR p M p S S
i 1 j 1
i, j i i j j
15
factores de riesgo (en la diagonal están las varianzas, (σi)2 y en el resto las covarianzas,
σi σjρi,j), entonces:
VaR p M p D C DT
Si por ejemplo el banco mexicano adquiere un bono al 4.5% por €10,000 pagable en
una sola exhibición dentro de 3 años, entonces:
Flujo, CE = €10,000
Plazo, t = 3 años
Tasa de interés, iE = 4.5%
Desviación estándar de la tasa de interés, σiE = 0.40% (supuesto)
Tipo de cambio MXN/EUR = 16.5
Desviación estándar del tipo de cambio, σFX = 0.5 (supuesto)
Correlación entre el tipo de cambio y la tasa de interés = -0.3 (supuesto)
VP$ = $144,589
dFX = 8,025
diE = -415,088
VaR95% = $7,840
VaR99% = $11,138
VaR99.5% = $12,333
$14,000 $14,000
$13,000 $13,000
$12,000 $12,000
$11,000 $11,000
VaR99
VaR99
$10,000 $10,000
$9,000 $9,000
$8,000 $8,000
$7,000 $7,000
$6,000 $6,000
-100% -80% -60% -40% -20% 0% 20% 40% 60% 80% 100% 0.00% 0.10% 0.20% 0.30% 0.40% 0.50% 0.60% 0.70% 0.80%
Correlación Sigma iE
16
particularmente de posiciones que se mueven rápidamente (como muchos derivados).
Por otro lado, se acostumbra limitar el VaR que un solo empleado puede generar; cada
día se les comunica “cuánto llevan” y “cuánto les queda”.
Preguntas para discusión: ¿a qué se refiere el hecho de que este método es lineal?, ¿qué
tipo de limitaciones prácticas tiene este hecho?, ¿en qué medida es crítica su velocidad
computacional?
Supongamos por ejemplo que un inversionista tiene el bono tipo bullet discutido
anteriormente, pero en esta ocasión está emitido en pesos (para simplificar el elemento
FX). El factor de riesgo en este caso es únicamente la tasa de interés, i. El cambio en el
factor riesgo está por lo tanto definido como:
it 1 it
t
it
Cada uno de estos cambios se usa para generar los escenarios de tasa de interés de
“mañana” a partir de la tasa de interés de “hoy”:
iescenario ,k ihoy 1 t
Cada uno de estos escenarios se aplica al valor del portafolio, en este caso el bono:
CF
Vk
1 i
t
escenario , k
Con lo que el cambio en el valor del portafolio es igual a la diferencia entre el valor
pronosticado y el valor actual:
17
Este método es conveniente porque su simplicidad hace que sea fácil de comunicar.
Además no es necesario asumir que los cambios en los factores se comportan con base
en ninguna distribución de probabilidad predefinida. Sin embargo, tiene también
desventajas. La principal es que los resultados están típicamente dominados por datos
provenientes de una crisis reciente; es decir, este método está severamente sesgado por
el pasado: la institución se está preparando para la crisis anterior pero no contra la
siguiente. Por otro lado el análisis depende significativamente en el horizonte temporal
utilizado para la muestra. Utilizar 250 días puede ser miope; por ejemplo, si hubo una
crisis hace 251 días, el VaR cambia dramáticamente de un día a otro.
El método asume que los factores de riesgo se comportan con base en una distribución
probabilística conocida. Por lo general se utiliza una distribución normal conjunta, que
es el mismo supuesto que se usa para el VaR paramétrico. El elemento de base es
determinar la matriz de covarianza de los factores de riesgo, pero a diferencia del
método paramétrico, la matriz se “descompone” para asegurar que los factores de riesgo
estén correlacionados en cada escenario. El método calcula los precios de mañana con
base en los escenarios (con modelos no lineales) aplicados sobre el precio de hoy. Para
bonos, por ejemplo, la utilización de un método no lineal significa que el cambio en el
valor del instrumento se determina con base en la ecuación de valor y no con base en
duración. Para opciones implica que se usa Black-Scholes y no los griegos.
El VaR es el n-ésimo peor resultado de todos los escenarios. Por ejemplo, si el VaR de
interés es el 99.5% y se calcularon 10,000 escenarios, el VaR es el quinto peor
resultado.
El “meollo del asunto” es descomponer la matriz de una forma que permita crear
escenarios aleatorios con la misma correlación que la información histórica revela. Por
ejemplo, en el ejemplo de VaR paramétrico asumimos una correlación de -30% entre el
tipo de cambio euro-peso y la tasa de interés en euros. Esto implica que cuando el tipo
de cambio sube, la tasa de interés baja. Una forma de interpretar esto es que el 30% del
cambio en tasas de interés está determinado por el cambio en el tipo de cambio.
Si por ejemplo hay dos factores de riesgo, es posible de manera simple crear números
aleatorios correlacionados:
18
Multiplicar por 1 menos la raíz de la correlación al cuadrado, lo que genera un
número aleatorio y que tiene desviación estándar de 1 y correlación ρA,B con fA
y z1 A, B z2 1 A2 , B
Multiplicar y por la desviación estándar del segundo factor de riesgo σB, para
crear fB, con lo que se generan dos ecuaciones (una para cada factor):
f B B z1 A, B z2 1 A2 , B , z2 N 0,1
Este método no se puede utilizar cuando hay más de dos factores de riesgo (¿por qué?).
La solución es descomponer la matriz de covarianza a través del método de Cholesky o
el método de eigenvalores:
Tomemos como ejemplo el bono europeo adquirido por un banco mexicano que
discutimos en la clase anterior. En este bono:
Flujo, CE = €10,000
Plazo, t = 3 años
Tasa de interés, iE = 4.5%
Desviación estándar de la tasa de interés, σiE = 0.40% (supuesto)
Tipo de cambio MXN/EUR = 16.5
Desviación estándar del tipo de cambio, σFX = 0.5 (supuesto)
Correlación entre el tipo de cambio y la tasa de interés = -0.3 (supuesto)
0.25 0.0006
C
0.0006 0.000016
19
Y la matriz de Cholesky, A, es:
0.5 0.0012
A
0 0.00381
20
Con lo cual el vector F queda como:
0.5 0.0012
F ZA z1 z2 0.5 z1 0.0012 z1 0.00381z2
0 0.00381
Las ecuaciones de cambio en los factores de riesgo, F, nos permiten determinar el valor
del portafolio si el factor de riesgo hubiera cambiado por ese monto. Por ejemplo, si los
números aleatorios z1 y z2 fueran -0.2 y 0.8, entonces sabríamos que el tipo de cambio en
el primer escenario bajó de 16.5 a 16.5 + (0.5 x -0.2) = 16.5 – 0.1 = 16.4. De manera
similar, la tasa de interés hubiera cambiado de 4.5% a 4.5% + (-0.0012 x -0.2 + 0.00381
x 0.8) = 4.5% + 0.3288% = 4.8288%. Finalmente, el valor del bono hubiera cambiado
de $144,589 pesos a $142,365 pesos, es decir, una diferencia de pesos. VaR es
simplemente la (1-p)% peor observación del total de simulaciones.
Cada uno de los métodos que discutimos tiene ventajas y desventajas. En la práctica los
más utilizados son el paramétrico y el de Monte Carlo. El primero se usa para cálculos
simples y rápidos (“back of the envelope”). El segundo para análisis más robustos a
nivel portafolio que exigen incorporar no-linealidad. La tabla a continuación resume sus
ventajas y desventajas.
21
“No todo es normal”. El uso de distribuciones normales es cómodo pero no
suficiente para caracterizar de manera efectiva el riesgo al que realmente está
sometida una institución. Más aún, VaR asume que las varianzas y correlaciones
entre los factores de riesgo son estables. En ocasiones se intenta parametrizar la
distribución de varianza-covarianza como función de factores exógenos; sin
embargo, es prácticamente imposible tener datos para hacerlo de manera
consistente
VaR capta riesgo pero no retorno, y asociarlo con medidas de éste es
frecuentemente poco intuitivo (“cada unidad de VaR nos genera $x”)
No toma en cuenta el peligro de tener posiciones ilíquidas, que es una fuente
importante de riesgos de mercado
12. Tarea
Loss leaders
Nov 1st 2007 | FRANKFURT AND NEW YORK
From The Economist print edition
The costs of the credit crunch mount. There may be more pain to come
Never mind that most of its CDOs were “super senior” and supposed to be relatively
safe. On October 24th the Thundering Herd's senior bulls sheepishly announced write-
downs of $7.9 billion on Merrill's mortgage holdings, $3.4 billion more than the bank
had estimated only 19 days before. This tipped Merrill into loss. After a few days' testy
22
deliberation, the board tipped its chairman and chief executive, Stan O'Neal, through the
nearest window.
23
The $161.5m that Mr O'Neal grabbed on his way out will no doubt encourage would-be
successors to step forward. But the new boss will be taking over at an unenviable time.
The mortgage crisis has done more than $27 billion-worth of damage to capital-markets
businesses so far. With the value of subprime securities still falling, that number could
rise dramatically when fourth-quarter results are unveiled. Hopes that banks would be
able to put the worst behind them in a single bad quarter have been dashed. Several
bosses, including Citigroup's Chuck Prince, are under enormous pressure to steady the
ship.
Big differences in the quality of risk management have become apparent. Merrill's
controls were left in the dust as it ramped up its trading bets. Mr O'Neal sacked a senior
fixed-income executive who had rung alarm bells last year. The board ignored a
warning in April. By contrast, Goldman Sachs and (to a lesser extent) Lehman Brothers
appear to have minimised damage through tight oversight and shrewd hedging.
But analysts think Goldman must also have taken some huge gambles to raise third-
quarter profits in a difficult market (and despite a $1.5 billion write-down). That happy
result may have had as much to do with luck as skill, thinks Roy Smith, a finance
professor and former Goldman partner. Remarkably, given the pummelling most banks
have taken, Goldman's share price is up by 24% this year. But it still trades at only
around ten times earnings, little more than half the average for the S&P 500. “Investors
will only pay so much for risk they can't see,” says Mr Smith.
In Europe too, they are struggling to penetrate the murk. UBS, the biggest Swiss bank
and long regarded as a leader in risk management, gave no better answers than any other
institution for calculating the future impact of the subprime crisis when it reported its
third-quarter results on October 30th. UBS's investment-banking division lost SFr4.2
billion ($3.6 billion) in the third quarter. The bank's value-at-risk, the amount it stands
to lose on a really bad day, has shot up (see chart). On 16 days during the quarter its
trading losses exceeded the worst forecast by its value-at-risk model on the preceding
day. It had not experienced a single such day since the market turbulence of 1998.
24
In a conference call to discuss the results, Marcel Rohner, UBS's chief executive, and
Marco Suter, chief financial officer, struggled to explain the methodology behind their
valuation of what seems to be a deteriorating portfolio of subprime securities. Reluctant
to give a worst-case assessment of UBS's exposures in future, the best they could do
was predict that the investment-banking division would not make a profit in the fourth
quarter. They also promised to de-emphasise proprietary trading and to make traders
think harder about their bets by raising the proportion of pay they receive in UBS
shares.
Down the Bahnhofstrasse, Credit Suisse managed rather better, recording a small profit
in investment banking despite big write-downs of its own. Germany's Deutsche Bank
has navigated its way through the credit storm more deftly too. Its third-quarter write-
offs, which were announced on October 31st, were nothing like those reported by
Merrill and UBS, and were in line with predictions. At €179m ($259m), the bank's net
loss in corporate banking and securities was modest. Deutsche's exposure to the
American mortgage market is more or less hedged; in fact the bank has a net short
position.
Nevertheless, investment bankers at Deutsche and Credit Suisse have relied on the
banks' “stable” businesses, such as wealth management and private banking, to keep
them afloat. The challenge facing them and their brethren is where next to find the juicy
returns that they enjoyed before the credit bubble burst. There is already a lot of talk
about commodities and currencies. Investments in distressed assets may also provide
ironic comfort. Lehman has just launched a $3 billion fund that will buy discounted
leveraged loans.
The more troubling question is how much more pain still lies ahead. Banks say they are
following guidelines put out by the big accounting firms when valuing lumpier assets,
but there is still plenty of room for subjectivity. It is possible that some banks will mark
their assets down too far, and will be able to mark them back up at a later date. Or it
may be that Merrill is using a more cautious methodology than other banks, and that
they will have to take big hits of their own. (Merrill itself is expected to write down
another $3 billion-5 billion in its fourth quarter.)
Auditors are urging the banks to mark assets to a “market price” that reflects recent
transactions, even if there have only been a couple of these. With some AAA-rated
CDOs trading at a mere 20 cents on the dollar, that can be painful (Deutsche Bank says
it sold or otherwise unloaded €9 billion-worth of CDOs in the third quarter but is coy
about saying how or at what price). Investors worry that banks will obscure the true
value of their assets, hoping that prices rise.
But all the signs are that prices have further to fall before buyers are tempted to step in.
Dilatory rating agencies are only now getting round to downgrading the most senior
CDO tranches. In America, credit-card defaults are ticking up, which will further hurt
asset-backed securities. Many subprime-linked instruments have become prohibitively
expensive to hedge. Mr O'Neal fell in a falling market, but perhaps nearer the top than
the bottom.
25