UNIVERSIDAD DE

MEDELLÍN INGENIERÍA
FINANCIERA
Énfasis III: Modelación y gestión del
riesgo operacional
Taller Práctico Modelo
POT 2022-1
NOMBRE: Manuela Lopera Chica
CÁLCULO DEL VAR OPERATIVO MEDIANTE EL MODELO POT

1. Análisis estadístico básico

En este punto se debe seleccionar una base de datos y analizar la
información, considerando los siguientes puntos:

 Actualice las pérdidas de riesgo operativo a 31/12/2021 y organice los

datos para la frecuencia
 Realizar un análisis estadístico descriptivo tanto para los datos de
frecuencia como para los datos de severidad, incluya medidas de
tendencia central, medidas de dispersión, medidas de forma y medidas
de posición relativa.
Análisis estadístico
 Media= 22670
 Mediana= 171878
 Mínimo= 17347
 Máximo= 3511313
 1st Q= 93394
 3rd Q=274302

Análisis exploratorio de datos

 Media > Mediana. Sesgo a la derecha.
 Asimetría: 5.130841 > 1. Altamente sesgado a la derecha.
 Curtosis: 52.27195 > 3. Más puntiaguda con menos dispersión de forma leptocúrtica.

Datos de perdida vs frecuencia

 2. Selección del umbral
En este punto se debe seleccionar el umbral a partir del cual se van a
considerar los valores extremos, se debe incluir:

 Histograma, Boxplot, gráfico de densidad y gráfico de dispersión de los

datos con sus respectivos análisis y conclusiones
 Calcular los percentiles de los datos al 70%, 75%, 80%, 85%, 90%,
95%
 Determinar el umbral de acuerdo con la información anterior, realice
un análisis y argumente por qué el umbral seleccionado

Percentiles:
65% 220990.9
70% 248353.8
75% 274302.0
80% 315059.4
85% 380717.7
90% 446635.0
95% 566414.3
99% 1151747.2
Luego de analizar el histograma, el Boxplot de la severidad, grafico de puntos y la función de densidad
demuestra como el umbral a tomar debe ser al 95%, ya que los datos que se encuentran al analizar el 99%
hacen que sean menor a 30 datos.

3. Distribución de probabilidad para la severidad

En este punto se pretende analizar la distribución que mejor se ajusta a los
datos de severidad que se encuentran por encima del umbral:

 Realizar el ajuste de los datos que se encuentren por encima del

umbral a una distribución Pareto Generalizado. Reporte los parámetros
de la distribución: Forma y escala.
 Realizar la prueba de bondad de ajuste. En donde se incluya: prueba
de hipótesis y prueba kolmogorov-Smirnov.
 Concluir al respecto teniendo como referencia una significancia de 0,05

Si el valor P es mayor que el nivel de significancia (0,05) se acepta que los datos de exceso se ajustan a una
distribución Pareto generalizada. Se tiene entonces:
Forma: 0.1324926
Escala: 359048
Ho: Los datos se ajustan a una Pareto generalizada
Ha: Los datos no se ajustan a una Pareto Generalizada
Estadístico de prueba = 0.17112, p-value = 0.1273
Como el valor p > 0.05, entonces se rechaza Ho, los datos no se ajustan a una Pareto Generalizada.
4. Distribución de probabilidad para la frecuencia
En este punto se pretende analizar la distribución que mejor se ajusta a los
datos de frecuencia que se encuentran por encima del umbral:

 Realizar el ajuste de los datos que se encuentren por encima del

umbral a una distribución Poisson y binomial negativa. Reporte los
parámetros de la distribución.
 Realizar la prueba de bondad de ajuste. En donde se incluya: prueba
de hipótesis, pruebas kolmogorov-Smirnov
 Concluir al respecto teniendo como referencia una significancia de
0,05. Defina cuál es la mejor distribución y explique por qué de esta
selección.

 Si el valor P es mayor que el nivel de significancia (0,05) se acepta que los datos de exceso se
ajustan a una distribución Poisson, Binominal negativa, se tiene entonces:
Lambda: 4.0909091
Ho: Los datos se ajustan a una Poisson
Ha: Los datos no ajustan a una Poisson
Estadístico de Prueba = 0.24745, p-value = 0.5109
Como el valor p > 0.05, entonces se rechaza Ho, los datos no se ajustan a una Poisson.
 Ajuste Binomial Negativa
Tamaño: 320.5356816
Mu: 4.0909313
Ho: Los datos se ajustan a una binomial negativa
Ha: Los datos no se ajustan a una binomial Negativa
Estadístico de prueba = 0.24756, p-value = 0.5103
Como el valor p > 0.05, entonces se rechaza Ho, por lo tanto, los datos no se ajustan a una
binomial negativa.
Como ninguna distribución se acerca adecuadamente a los datos se decide tomar la distribución Poisson
ya que este cuenta con un estadístico menor además de un P mayor que las demás distribuciones.
 5. Calculo de la distribución de pérdidas agregadas
En este punto se debe incluir:

 Realizar el cálculo de la distribución de pérdidas agregadas con ayuda

del programa R.
 Calcular el Var operativo para niveles de confianza del 90%, 95% y
99%. Concluir al respecto

CDF:
Min. 0
1st Qu. 2415520
Median 3739726
Mean 4010932
3rd Qu. 5277810
Max. 16062949

VaR:
90% 6942314
95% 8103938
99% 10489979

Con una confianza del 90%, la máxima pérdida esperada para el próximo año por eventos de riesgo operativo
será de $6.942.314
Con una confianza del 95%, la máxima pérdida esperada para el próximo año por eventos de riesgo operativo
será de $8.103.938
Con una confianza del 99%, la máxima pérdida esperada para el próximo año por eventos de riesgo operativo
será de $10.489.979