C31-C36 Administración Actuarial Del Riesgo

Administración
Actuarial del Riesgo

(Tema 6)
LA GESTIÓN DE RIESGOS
Octubre 2022 1
La Gestión de Riesgos
• Conceptos Básicos: (Gestión) Administración Integral de Riesgos
• Riesgos de Técnicos: Riesgos de Suscripción
• Riesgos Financieros: Riesgos de Mercado, Crédito y Liquidez
• Riesgo Operacional
• Otros Riesgos: Riesgo de Descalce y Riesgo de Concentración
2
Conceptos Básicos
ADMINISTRACIÓN INTEGRAL DE RIESGOS
3
El riesgo y su gestión
• El riesgo es la posibilidad (o probabilidad) de una desviación de un resultado
anticipado.
• No se limita a la consideración de pérdidas, sino que analiza el alcance y la
probabilidad de todas las desviaciones.
• Es una función de objetivos. Sin un resultado objetivo o previsto, solo hay
incertidumbre.
En general, los riesgos pueden clasificarse como riesgos puros y riesgos especulativos.
Es imposible considerar un objeto u operación sin su riesgo y resulta indispensable
considerar ese atributo en la toma de cualquier decisión asociada al elemento. En la
mayoría de los casos se ignora el riesgo, debido a que se conceptualiza como nocivo,
perjudicial y genera aversión, por eso su manejo ha quedado de lado en muchos casos.
Sin embargo, el riesgo también es una oportunidad: existe una relación directamente
proporcional entre el riesgo y el beneficio. A mayor riesgo siempre hay un mayor premio
y no existe el premio sin un riesgo asociado.
4
Enfoque de la Gestión de riesgos
Si usamos el término factor de riesgo para referirnos a un riesgo particular, entonces el
riesgo total estará compuesto por uno o más factores de riesgo.
• Un perfil de riesgo es una representación gráfica de los pagos asociados con los
cambios en el factor de riesgo.
• En lugar de centrarse en la eliminación del riesgo, la empresa generalmente
considera la compensación entre el riesgo asumido y la expectativa de recompensa.
Dos criterios suelen predominar en las decisiones: los costos de reducir riesgos y
establecer los riesgos a un nivel aceptable
Cuando hay una pérdida importante, real o prospectiva, el enfoque cambia a la
estabilidad o incluso a la supervivencia. Las empresas querrán llegar a un nivel aceptable
de exposición para permitir a los gerentes centrarse en la actividad central de la
creación de valor, y no preocuparse por la naturaleza, el alcance y las consecuencias de
los riesgos en el negocio.
5
Gestión de riesgos
La Gestión de Riesgos tiene como objetivo controlar la cantidad de exposición que una
empresa toma a uno o más factores de riesgo.
Cualquier forma de análisis requiere una reducción de la complejidad de las situaciones
a proporciones más manejables y esta reducción se produce a expensas de la integridad.
También hay posibles brechas entre la percepción y la realidad.
Consideraciones de la Gestión de Riesgos
Umbral de riesgo: la cantidad de riesgo que la empresa tolerará en el horizonte temporal
relevante o definido.
Límites de confianza: basados en la volatilidad y en el apetito de riesgo, esto puede
alertar a los gerentes sobre la necesidad de tomar medidas correctivas.
Materialidad: teniendo en cuenta los costos y beneficios de dedicar recursos a la gestión
del riesgo en cuestión.
6
El Sistema de Gobierno Corporativo
La Gestión de riesgos debe ser integral: abarcar todas las
áreas, todos los procesos, a todas las personas, en todas
las funciones y todos los niveles de la compañía, al igual
que todos los riesgos a los que ésta se encuentra
expuesta.
Para realizar la Gestión de riesgos se requiere estrategia
para ponerla en práctica, una organización que la ejecute
y una cultura (o ambiente) que permita cumplir con
éxito la implementación de la estrategia.
El título 3 de la CUSF indica que las compañías deben
disponer de un sistema eficaz de gobierno corporativo
que garantice una gestión sana y prudente de su
actividad. En atención a ese requerimiento, en las
compañías existen áreas que conforman el gobierno
corporativo.
7
La Función de Administración Integral
de Riesgos – Título 3
I. Administración integral de riesgos;
II. Control interno;
III. Auditoría interna;
IV. Función actuarial, y
V. Contratación de servicios con terceros.
Conforme a la disposición 3.2 de la CUSF, las Instituciones deben establecer un sistema
de administración integral de riesgos, eficaz y permanente, el cual es responsabilidad del
Consejo de Administración y debe aprobarlo.
Dicho sistema debe guardar congruencia entre los objetivos, políticas y procedimientos
para la administración integral de riesgos y el plan de negocios de la Institución e incluir
los procesos y procedimientos necesarios para vigilar, administrar, medir, controlar,
mitigar e informar los riesgos a que, de manera individual y agregada, pueda estar
expuesta la Institución, así como los límites de tolerancia aplicables a cada uno.
8
La Función de Administración Integral
de Riesgos – Título 3
Para abordar el tema de riesgos en las instituciones
aseguradoras es necesario, además de considerar la esencia
de sus actividades de negocio, las actividades de apoyo al
negocio, como puede ser el manejo de recursos financieros
mediante las inversiones y la necesidad de una estructura
operativa para la administración misma de la empresa.
Con estas consideraciones surgen tres grandes
clasificaciones a tomar en cuenta para el estudio y la gestión
de los riesgos en aseguradoras: de suscripción, financieros y
operacionales.
9
Disposición 3.2 de la CUSF. De la
Administración Integral de Riesgos
La disposición 3.2.10 de la CUSF, en su fracción III, describe la siguiente categorización
mínima de riesgos a considerar:
a) El riesgo de suscripción de seguros
b) El riesgo de suscripción de fianzas
c) El riesgo de mercado (financiero)
d) El riesgo de descalce (financiero y técnico)
e) El riesgo de liquidez (financiero)
f) El riesgo de crédito (financiero)
g) El riesgo de concentración
h) El riesgo operacional
10
El proceso de gestión de riesgos
Identificación – Conciencia de los riesgos: (1) riesgos desconocidos, (2) riesgos
conocidos pero no medibles, y (3) riesgos conocidos y medibles.
Evaluación - Medición: la tarea es modelar el riesgo para medir su impacto, lo que
permite tomar decisiones en el curso de la acción.
Tratamiento - cambio de la naturaleza, probabilidad o impacto del riesgo. Estos incluyen
cambio de comportamiento, seguro (transferencia), cobertura operativa y cobertura
financiera.
Una empresa puede ser aversa al riesgo, neutral al riesgo o ser un tomador de riesgo
(especulador). A esta definición y categorización le llamamos apetito de riesgo.
Como regla general, las empresas tomarán riesgos en áreas donde tienen alguna
ventaja comparativa, pero buscan cubrir o eliminar los riesgos donde no las tienen.
Pueden tratar de reducir la exposición a cambios en las variables económicas (como
tasas de interés, inflación, monedas y precios de productos básicos (commodities)) a
través de coberturas operativas y financieras.
11
Apetito, tolerancia y capacidad de
riesgo
Apetito: El apetito es el nivel de riesgo objetivo que la empresa está dispuesta a aceptar
para alcanzar sus objetivos de negocio. Se debe definir una estructura de apetito para
cada área y organización tal que se preserve en nivel agregado el riesgo definido como
apetito de la compañía. Toda operación implica riesgo por pequeño que sea y no se
pretende operar sin riesgo.
Tolerancia: Es la desviación máxima del nivel de riesgo objetivo que la compañía podría
tolerar. Se debe definir una estructura de niveles de riesgo según el nivel organizacional,
de tal modo que se preserve el nivel agregado de riesgo definido como límite de
tolerancia al riesgo.
Capacidad: La capacidad será el nivel máximo de riesgos que una organización puede
soportar después del cual la compañía ya no existiría.
12
Límites de tolerancia, alertas
tempranas y planes de acción
Límites de tolerancia: son los valores de la métrica
que definen los límites máximos de desviación
sobre el valor meta fijado como apetito de riesgo.
Alertas tempranas: Son sub-límites dentro de la
banda de tolerancia que sirven para monitorear los
niveles organizacionales más operativos tales que,
en cuanto sean superados, los niveles de
supervisión o dirección tomen acciones para
corregir la situación o mantenerla bajo control.
Planes de acción: Son las acciones que deberán
llevarse a cabo para que la métrica vuelva al apetito
o al menos dentro de la banda de tolerancia
autorizada al nivel organizacional correspondiente.
13
Proceso de Gestión de Riesgo
Pasos según diferentes enfoques
CUSF 3.2.4 COSO

M • Vigilar • Contextualizar
(I)dentificar • Administrar • Establecer Objetivos
T (E)valuar • Medir • Identificar
(T)ratar • Controlar • Evaluar
I • Mitigar • Responder
(M)onitorear
• Informar • Controlar
E • Informar
• Monitorear
Proceso de identificar, evaluar, vigilar, limitar, tratar y monitorear los riesgos que
amenazan la existencia, imagen, activos, ganancias o al personal de una organización, o
los servicios que ésta provee.
14
Identificación
• La identificación de riesgos es un proceso que pone en práctica mecanismos para
descubrir en forma sistemática, ordenada y consciente las exposiciones a pérdidas
tan pronto como surgen e incluso antes (riesgos futuros o riesgos emergentes).
• Consiste en efectuar un diagnóstico en cada momento.
• Todo riesgo que no se haya identificado puede convertirse en una retención pasiva
(retención indeseable por ser la más peligrosa), ya que en la etapas posteriores no se
podrá tomar ninguna medida de prevención ni de previsión o mitigación.
15
Identificación, respuesta a objeciones
• No tengo riesgos. Los riesgos más peligrosos son los que no vemos y por ello, no los
identificamos, no los medimos, no los tratamos ni los monitoreamos y solo nos
damos cuenta de ellos cuando ya es demasiado tarde.
• Nunca ha pasado. Los riesgos son amenazas que pueden materializarse en el futuro.
Para identificarlos, se analizan las vulnerabilidades de la situación presente y los
acontecimientos futuros factibles que pueden afectarla adversamente. La
experiencia es útil pero insuficiente.
• Uuhh para que ocurra. No saber cuándo se materializará un riesgo no justifica la
pasividad porque precisamente puede ocurrir en el instante siguiente y no estaremos
preparados para manejar sus consecuencias.
• A mí no me pasa o a mí no me afecta. Justamente para sustentar la inmunidad, en el
proceso de Gestión de Riesgos se efectúa un proceso de identificación de riesgos.
• Es irrelevante o no tiene gran impacto. Al igual que la objeción anterior, para
sustentar la irrelevancia de los riesgos, la Gestión de Riesgos contempla un proceso
metódico de evaluación de los riesgos.
16
Identificación, respuesta a objeciones
• No está en mis manos. Puede ser que no esté en nuestras manos evitar que riesgo se
materialice pero si está en nuestras manos mitigar sus consecuencias adversas en
nuestro proceso o en nuestros entregables.
• Son riesgos muy diferentes. La Gestión de Riesgos prevé actividades de análisis de
riesgos para implementar un tratamiento semejante a riesgos de naturaleza
semejante y evitar la incongruencia, el desorden, lagunas o duplicidad de esfuerzos.
Por esta razón se recomienda constituir un auténtico Sistema de Administración
Integral de Riesgos.
• Todos mis riesgos los tengo bajo control. Justamente para garantizar que los riesgos
están bajo control es que la Gestión de Riesgos prevé un proceso de definición del
tratamiento que se dará a cada riesgo, los informes que deberán generarse y las
métricas que los representan para monitorear tanto el comportamiento del riesgo
como la eficiencia de los mecanismos con los que se controla.
17
Evaluación
Evaluar significa medir los riesgos; determinar su probabilidad de ocurrencia y su
impacto financiero con lo cual se construye una matriz cuya representación se conoce
como mapa de calor el cual nos permite definir la prioridad que se le dará a su atención
y elegir la estrategia de tratamiento más conveniente.
18
Evaluación y niveles de riesgo
Desarrollar metodologías, definición de métricas o índices (KRI’s) para su evaluación; VaR
(Value at Risk - Valor en Riesgo), Índice de Solvencia, RARORAC (Risk-adjusted Return on
Risk-adjusted Capital - Beneficio ajustado al riesgo/Capital ajustado al riesgo), Razón de
Valor Esperado sobre desviación, etc.
Identifi-
cación Evaluación Tratamiento
Interacciones
Metodologías
Priorización
Def.Criterios
Evaluación
Eval. De
Y
19
Evaluación
Criterios no cuantitativos
Puede razonablemente esperarse que ocurra, pero sólo ha ocurrido 2 o 3 veces en 10

Improbable
años en esta organización u organizaciones similares.
Ha ocurrido en esta organización más de 3 veces en los últimos 10 años u ocurre

Posible regularmente en organizaciones similares o se considera que tiene una probabilidad
razonable de que ocurra en los próximos años.
Ocurre más de 7 veces en 10 años en esta organización o en otras organizaciones

Probable similares, o las circunstancias son tales que es probable que suceda en los próximos
años.
Ha ocurrido 9 o 10 veces en los últimos 10 años en esta organización, o las

Casi seguro
circunstancias que se han presentado, con seguridad harán que ocurra.
20
Evaluación
Criterios no cuantitativos
Ningún impacto en la salud del paciente; Menor reducción de la reputación en el corto

Pequeño plazo; Ninguna violación de la ley; Pérdidas económicas insignificantes que pueden ser
recuperadas.
Impacto temporal menor en la salud del paciente; Pequeña reducción de la reputación
Moderado que puede influir en la confianza por corto tiempo: Violación de la ley que resulta en
una advertencia; Pequeña pérdida económica que puede ser recuperada.
Graves repercusiones en la salud; Pérdida grave de la reputación que influirá en la

Severo confianza y el respeto por mucho tiempo; Violación de la ley que resulta en sanciones
económicas; Pérdidas económicas que no pueden ser recuperadas. Grandes pérdidas
Muerte o reducción permanente de la salud del paciente; Pérdida grave de la
reputación que es devastadora para la confianza; Grave violación de la ley que podrían
Catastrófico
implicar el cierre de la compañía o penas corporales; pérdidas económicas
considerables que no pueden ser recuperadas.
21
Tratamiento
• Evaluar el cumplimiento del apetito de riesgo, los límites operativos y los límites de
tolerancia.
• Evaluar cada opción de tratamiento de acuerdo con la priorización efectuada y la
banda en que cayó la métrica establecida y evaluada.
• Elegir la opción de tratamiento más alineada con la estrategia de riesgos.
• Implementación de la opción de tratamiento.
Evaluación Tratamiento Monitoreo
Implemen-
Evaluación Elección
tación
22
Tratamiento, estrategias
Para los riesgos con probabilidad baja e impacto
bajo es recomendable retener el riesgo, es decir,
aceptar el riesgo y consecuentemente asumir las
pérdidas, incluso reservar capital para ello. Alto Riesgo Crítico
Para los riesgos con probabilidad alta pero bajo

impacto se recomienda mitigarlos implementando
controles.
Impacto
Compartir/Transferir Evitar/Eliminar
Para los riesgos con alto impacto y baja probabilidad Bajo Riesgo Riesgo Medio
es recomendable transferirlos y pagar la “prima de
riesgo” que corresponda.
En el caso de los riesgos en la zona crítica por ser de Aceptar/Retener Mitigar/Controlar
alta probabilidad y alto impacto lo más
Probabilidad
recomendable es encontrar la manera de evitarlos.
23
Tratamiento, opciones
Relación entre el mapa de riesgos, las curvas de límite operativo, apetito y tolerancia al
riesgo que configuran las diferentes zonas de riesgo y las opciones dominantes de
tratamiento de riesgos.
24
Tratamiento, controlar
Los riesgos que no se puedan eliminar o evitar y tampoco se puedan transferir tendrán
que ser mitigados al igual que aquellos que hayan caído en la zona de alta probabilidad y
bajo impacto, y todos deberán ser llevados a la zona de baja probabilidad y bajo impacto
mediante un sistema de controles.
Riesgo inherente, actual y objetivo Efecto de los controles
Riesgo
Inherente Riesgo Control 1
Intermedio 1
Riesgo
Riesgo
Inherente
Actual Control 1 Control 2
Impacto
Impacto
Riesgo
Control 2 Intermedio 2
Control 3
Riesgo
Objetivo
Riesgo
Actual
Probabilidad Probabilidad
25
Tratamiento, tipos de control
• Control Preventivo: se diseña para limitar la
posibilidad de que se materialice un
resultado indeseable.
Alto Riesgo Crítico
• Control Detectivo: se diseña para identificar
el momento en que un resultado indeseable
se materializa.
Impacto
Control Directivo Control Preventivo
• Control Correctivo: se diseña para limitar las Bajo Riesgo Riesgo Medio
pérdidas y reducir las consecuencias de un

resultado indeseable ya materializado.
Control Detectivo Control Correctivo
• Control Directivo: Se diseña para asegurar Probabilidad
que un resultado particular se alcance.
26
Monitorear
Actividades de monitoreo:
• Divulgar internamente información actualizada de los riesgos, generada por
organizaciones externas a la compañía
• Evaluación de los riesgos de un proceso específico y reportar las deficiencias dueños
de los riesgos y los procesos para acordar y ejecutar las actividades de remediación.
Herramientas de monitoreo:
• Revisión del diagrama de flujo de un proceso particular y verificar si amerita
actualización.
• Revisión de la documentación y actividades de riesgos y control buscando la
efectividad.
• Benchmarking comparativo con otras empresas del sector para determinar las
mejores prácticas en la gestión de riesgos.
• Elaboración y aplicación de cuestionarios y encuestas
• Realizar sesiones (focus group) para obtener información de los riesgos en diferentes
áreas.
27
¿Por qué gestionar el riesgo?
La gestión de riesgos debería aumentar el valor
esperado de la empresa: el valor presente de
los flujos de efectivo futuros esperados
generados por sus operaciones,
• Al cambiar los flujos de efectivo esperados, o
• Al reducir la volatilidad de los flujos de
efectivo (es decir, el riesgo) y, por lo tanto,
reducir los rendimientos requeridos por los
inversores.
Un intento de gestionar el elemento no
sistémico del riesgo (uno que puede
diversificarse a nivel de cartera de accionistas)
es, en el mejor de los casos, redundante y, en el
peor, costoso e innecesario.
28
Impuestos
La capacidad de crear un "escudo fiscal" proporciona un incentivo real para que las
empresas administren sus flujos de efectivo esperados de manera que pospongan las
obligaciones fiscales.
Si se enfrentan tasas impositivas progresivas, la reducción de la variabilidad de las
ganancias esperadas reducirá los impuestos. Cuanto más convexa sea la función fiscal y
más volátil sea el ingreso esperado de la empresa, mayores serán los beneficios fiscales.
Costos de agencia
Estos surgen porque los intereses de los propietarios (Dirección) difieren de los del
agente o agentes, y es costoso garantizar que el agente siempre actúe en el mejor
interés de la Dirección.
Tales problemas llevan a los directores a poner controles o restricciones en las
actividades de sus agentes.
29
Dichos controles incluyen requisitos tales como auditorías, revisiones formales, límites a
la autoridad, etc.
Los intereses pueden alinearse a través de esquemas de incentivos, como la
participación en las utilidades o los bonos relacionados con el rendimiento.
Reclamaciones de deuda y capital (patrimonio)
• Es posible ver a los acreedores (tenedores de deuda) haber suscrito una opción de
venta con los accionistas sobre el valor futuro de la empresa.
En una situación en la que la empresa puede participar en dos proyectos diferentes,
ambos con el mismo costo y con el mismo rendimiento esperado, pero uno con una
mayor dispersión en los resultados, el proyecto de mayor riesgo está obligado a
proporcionar a los accionistas un mayor rendimiento esperado dado que los
acreedores encararán parte de la pérdida en caso de adversidad.
o Sin embargo, la misma variación en los flujos de efectivo podría ser vista por
externos como una reducción de la calidad crediticia de la empresa.
30
Estrés financiero (Dificultades financieras)
El estrés financiero es una situación en la que una empresa tiene dificultades para
cumplir con sus obligaciones establecidas. (Si ya incumplió, está en bancarrota, no en
dificultades).
• Este es más costoso en los casos en que la empresa usa activos específicos de la
misma y/o realiza inversiones específicas que no se pueden recuperar por completo si
la empresa deja de operar.
• Las investigaciones sugieren que los costos directos pueden ser mucho menores que
los costos indirectos: pérdida de ventas (especialmente cuando las garantías o los
contratos de servicio pueden estar en duda), tiempo de gestión, pérdida de
empleados, incapacidad para mantener o reemplazar activos.
• La cobertura reduce la variación de los flujos de efectivo futuros esperados y, por lo
tanto, reduce la probabilidad de estrés.
31
Impulsores del apetito de riesgo
• Apetito por la volatilidad del valor de las acciones (inversores mal diversificados)
• Amenaza de quiebra o costos de reestructuración
• Mayor probabilidad de estrés financiero
• Preferencias de la Administración
• Conflictos reales o potenciales entre clases de valores (especialmente accionistas y
acreedores (tenedores de deudas), cuando hay un alto nivel de apalancamiento)
• Volatilidad del flujo de caja subyacente
• Efectos fiscales
• Capacidad para invertir en proyectos de VPN positivo
32
Riesgos Técnicos
RIESGOS DE SUSCRIPCIÓN
33
a) Riesgo de suscripción de seguros
1) Seguros de vida. Riesgo derivado de la suscripción, los siniestros cubiertos y los
procesos operativos vinculados. Considera los riesgos de: mortalidad, longevidad,
discapacidad, enfermedad, morbilidad, de gastos de administración, caducidad,
conservación, rescate de pólizas y de eventos extremos en los seguros de vida
2) Seguros de accidentes y enfermedades. Es el riesgo consecuencia de los siniestros
cubiertos y de los procesos vinculados a su atención. Considera los riesgos de primas
y de reservas, de mortalidad, longevidad, discapacidad, enfermedad, morbilidad, de
gastos de administración y de epidemia. Si se emplean bases técnicas similares a las
del seguro de vida deberá reflejar los riesgos asociados a dicho seguro;
3) Seguros de daños. Es el riesgo consecuencia de los siniestros cubiertos y los procesos
operativos vinculados. Considera los riesgos de primas, de reservas, de gastos de
administración y de eventos extremos en los seguros de daños.
4) Para el caso del riesgo de suscripción por Reafianzamiento tomado, reflejará los
riesgos señalados en el inciso b) que se describe a continuación;
34
b) Riesgo de suscripción de fianzas
1) Para el riesgo de pago de reclamaciones recibidas con expectativa de pago, reflejará
el riesgo de que las Instituciones no cuenten con los recursos líquidos suficientes para
financiar el pago del saldo acumulado de las reclamaciones recibidas con expectativa
de pago, derivado de las obligaciones asumidas;
2) Para el riesgo por garantías de recuperación, reflejará el riesgo derivado de la
exposición a pérdidas por parte de las Instituciones como resultado de la insuficiencia
o deterioro de la calidad de las garantías de recuperación recabadas;
3) Para el riesgo de suscripción de fianzas no garantizadas, reflejará el riesgo derivado
de la suscripción sin contar con suficientes garantías de recuperación, o bien de la
suscripción en exceso a los límites máximos de retención previstos en la misma;
4) Para el caso de fianzas de fidelidad, reflejará el riesgo que se derive de la suscripción
como consecuencia de las reclamaciones pagadas y considerará, cuando menos, los
riesgos de primas y de reservas, y
5) Para el riesgo por Reafianzamiento tomado, reflejará los riesgos señalados en esta
fracción;
35
Riesgos Técnicos de Seguros
Todos los riesgos específicos de una compañía de seguros son riesgos técnicos, en un
sentido amplio. Sin embargo, cabe destacar aquellos que se encuentran ligados a la
parte puramente actuarial y de la operación intrínseca del negocio asegurador.
Riesgo de Suscripción Pura
Es el principal riesgo asociado con el negocio asegurador. Ocurre cuando el costo real de
los siniestros derivados de los contratos difiere de los importes estimados cuando los
contratos fueron calculados. Para evitarlo, las primas deben ser suficientes para cubrir
los costos totales de la aseguradora (siniestros y gastos comerciales y administrativos).
El riesgo de la suscripción es un tipo de riesgo que depende de los procedimientos de
suscripción de la aseguradora para gestionar la calidad de los riesgos aceptados
(selección), la prudencia en la evaluación de las primas (tarificación), las exposiciones al
riesgo (diversificación) y la capacidad de suscribir riesgos (retención): cuando se toman
malas decisiones de suscripción se produce un impacto directo en la rentabilidad de las
compañías aseguradoras.
36
• Errores o desviaciones en la elaboración de tarifas
Los errores en la elaboración de tarifas o cálculos de las primas se pueden subdividir
en tres apartados:
a) Formulación matemática errónea (metodología).
Cualquier error en la selección de la metodología puede derivar en desviaciones
muy graves.
b) Utilización incorrecta de los parámetros (supuestos y datos estadísticos).
La aplicación incorrecta de los parámetros puede producir errores difícilmente
detectables, no solo por aplicar parámetros que no correspondan a los del riesgo
o la población que se quiere representar (consistencia) o del momento en que se
quieren utilizar (oportunidad), sino por los errores que pueden derivarse del uso
de herramientas computacionales o la introducción de datos a la misma
(gobierno de datos).
37
c) Desviación entre los gastos teóricos que se cargan a las primas y el total de gastos
reales de la compañía.
El error en la aplicación de recargos puede ser mucho más frecuente, aún si el
equipo actuarial actuó con total corrección. Son errores que podrían calificarse
como “optimistas”, ya que en principio se calcula teóricamente un recargo de X
con el que se pueden administrar las primas pero después, en la práctica, el
gasto real puede ser superior al incluido en la prima y llevar a desviaciones muy
importantes, que podrían incluso consumir el beneficio total de la Institución, a
menos que éste sea financiado por otros medios.
• Errores o desviaciones de cálculo de reservas
Estos errores pueden ser también muy difíciles de detectar y derivar en graves
pérdidas, sobre todo en la operación del ramo de vida, por el proceso acumulativo
que las reservas suponen a lo largo de la vida de una póliza o cartera de pólizas.
38
• Errores o desviaciones en la selección de riesgos
La selección de riesgos no es una ciencia exacta, como la matemática, y el error es
posible, pues se basa en criterios más subjetivos y en múltiples ocasiones tiene su
origen en información deficiente, inadecuada o incompleta. Por esta razón, más que
de errores en la selección de riesgos, debería hablarse de una incorrecta o deficiente
Política de Selección de Riesgos.
Para una Compañía de Seguros una buena Política de Selección de Riesgos puede
llevar a disminuir la siniestralidad en varios puntos: cuanto mayor sea el conocimiento
del riesgo, previo a la contratación de una póliza, hay una mayor garantía de que
dicho riesgo se encuentre dentro de los estándares para los que se ha calculado la
prima (apetito de riesgo). Por esto, es muy útil para las compañías de seguros el
tener un control posterior, en el que se compare y analice cada siniestro con los
criterios de selección recabados y utilizados al momento de contratar la póliza: las
conclusiones retroalimentarán los criterios y pruebas de selección.
39
• Contratos de reaseguro inadecuados
Aquí deben considerarse los criterios de la aseguradora para realizar la transferencia
(cesión) del riesgo o parte del mismo. Los errores o desviaciones más comunes que
pueden ocurrir por una Política de Reaseguro inadecuada son:
◦ Plenos de retención inadecuados al volumen de operaciones o necesidades de la
compañía
◦ Inexistencia de contratos de catástrofe adecuados para los seguros de grupo
◦ Nula o deficiente cobertura de reaseguro para los riesgos tomados
◦ Pólizas o riesgos especiales, como aquellas de capitales muy elevados.
• Riesgos de Interpretación contractual
Son aquellos relacionados con la definición de ciertos riesgos especiales, como
pueden ser las cláusulas generales, particulares o de exclusión (clausulado
contractual), beneficios adicionales, opcionalidades implícitas, riesgos no medibles,
etc. También aquellos casos en que las condiciones generales o especiales no son
absolutamente claras (riesgo legal contractual)
40
• Cambios en el comportamiento de la siniestralidad
El seguro se basa en la Ley de los Grandes Números, aplicada al comportamiento del
evento a asegurar y por ello, su adecuación está sujeta a los cambios en dicho
comportamiento y en los parámetros que inciden en el mismo.
Las metodologías y los parámetros representan el comportamiento, las
probabilidades e impactos de la materialización de un evento en una cartera de
riesgos suscritos, siguiendo además su evolución en el tiempo. Representan el
comportamiento de los factores de riesgo que inciden en la ocurrencia y materialidad
de los eventos consecuencia de los riesgos suscritos. Mientras que las desviaciones
en factores poblacionales, tales como la mortalidad o la supervivencia, son mínimas,
los referidos a estadísticas en grupos determinados, tal como ocurre en los ramos de
daños o de gastos médicos, pueden presentar desviaciones mucho mayores e incluso,
llevar a un comportamiento de anti-selección (como ocurre en el ramo de Gastos
Médicos Mayores en México, en donde permanecen en cartera los enfermos o los ya
siniestrados)
41
Matemáticas
Actuariales de Corto
Plazo
MODELOS DE PERDIDA AGREGADA
MODELOS DE CREDIBILIDAD
PA.1 Modelos de Riesgo Individual y de
Riesgo Colectivo
• Modelo de riesgo individual:
o El número de pólizas en un bloque (portafolio de riesgos) es 𝑛. Supongamos que
la pérdida de cada póliza, denotada por 𝑋𝑖 , para 𝑖 = 1,· · · , 𝑛 , son
independientes e idénticamente distribuidas como 𝑋. La pérdida agregada del
bloque de pólizas (portafolio), denotada por 𝑆, está dada por
𝑆 = 𝑋1 + ⋯ + 𝑋𝑛
Es decir, es un modelo donde estudiamos la pérdida agregada 𝑆 = 𝑋1 + ⋯ + 𝑋𝑛
cuando las pérdidas {𝑋1 , … , 𝑋𝑛 } son (estocásticamente) independientes.
o 𝑋 sigue una distribución mixta (mezcla o mixtura), con una masa de probabilidad
en el punto cero.
PA.1 Modelos de Riesgo Individual y de
Riesgo Colectivo
• Modelo de riesgo colectivo
o Sea 𝑁 el número de pérdidas en el bloque de pólizas (portafolio de riesgos), y
𝑋𝑖 el monto de la 𝑖-ésima pérdida, para 𝑖 = 1,· · ·, 𝑁.
o La pérdida agregada 𝑆 está dada por:
𝑆 = 𝑋1 + · · · + 𝑋𝑁 . (PA.2)
Es decir, es un modelo donde estudiamos la pérdida agregada 𝑆 = 𝑋1 + ⋯ + 𝑋𝑁
cuando las pérdidas {𝑋1 , … , 𝑋𝑁 } son (estocásticamente) independientes e
idénticamente distribuidas.
o 𝑁 es una variable aleatoria discreta, llamada frecuencia; se asume que 𝑁 y 𝑋𝑖 son
independientes para todo 𝑖. La distribución 𝑁 es llamada la distribución primaria y
la distribución común 𝑋 es llamada la distribución secundaria
o 𝑆 tiene una distribución compuesta particular, en donde se suma un número
aleatorio de variables aleatorias idénticamente distribuidas.
Observaciones sobre la modelación
• Hay ventajas en modelar la frecuencia y la severidad de la reclamación de manera
separada y después combinarlas para obtener la distribución de pérdida agregada.
• Por ejemplo, la expansión del negocio de seguros podría tener impactos en la
frecuencia de reclamaciones pero no en la severidad de las mismas.
• El costo de control (o incremento en el costo general) y la innovación en tecnología
podría afectar la severidad de la reclamación sin tener efectos en la frecuencia de las
mismas.
PA.2 Modelo de Riesgo Individual
• En un modelo de riesgo individual, 𝑛 es el número de asegurados y 𝑋𝑖 es el tamaño
de la reclamación para el individuo 𝑖. Entonces, bajo este modelo podemos tener
𝑃(𝑋𝑖 = 0) > 0, es decir, hay una posibilidad positiva que el asegurado no tendrá
ningún reclamo en el período de estudio.
• La ecuación básica del modelo de riesgo individual es
𝑆 = 𝑋1 + · · · +𝑋𝑛 . (PA.1)
• Como 𝑛 es fija, la media y la varianza de 𝑆 están dadas por
𝐸(𝑆) = 𝑛 𝐸(𝑋) y 𝑉𝑎𝑟(𝑆) = 𝑛 𝑉𝑎𝑟(𝑋). (PA.3)
• 𝑋 es una distribución de tipo mixto (mixtura) con masa de probabilidad en el punto 0.
• Sea la probabilidad de una pérdida 𝜃 la probabilidad de no pérdida 1 − 𝜃.
• Cuando hay una pérdida, el monto de pérdida es 𝑌, la cual es una variable aleatoria
positiva continua, con media 𝜇𝑌 y varianza 𝜎𝑌2 .
• Esto es, 𝑋 = 𝑌 con probabilidad 𝜃, y 𝑋 = 0 con probabilidad 1 − 𝜃. Podemos
escribir 𝑋 como
𝑋 = 𝐼𝑌, (PA.4)
donde 𝐼 es una variable aleatoria Bernoulli distribuida independientemente de 𝑌, tal
que
0, con probabilidad 1 − 𝜃,
𝐼=ቊ (PA.5)
1, con probabilidad 𝜃.
• Por tanto, la media de 𝑋 es
𝐸(𝑋) = 𝐸(𝐼)𝐸(𝑌) = 𝜃𝜇𝑌 , (PA.6)
• Recordemos la siguiente propiedad: Si 𝑊 e 𝑌 son variables aleatorias
independientes, entonces 𝑉𝑎𝑟(𝑌|𝑊) = 𝑉𝑎𝑟(𝑌) y 𝐸(𝑌|𝑊) = 𝐸(𝑌), y por lo tanto
tenemos
𝑉𝑎𝑟(𝑊𝑌) = 𝐸[𝑌 2 𝑉𝑎𝑟(𝑊)] + 𝑉𝑎𝑟[𝑌𝐸(𝑊)] = 𝐸(𝑌 2 )𝑉𝑎𝑟(𝑊) + [𝐸(𝑊)]2 𝑉𝑎𝑟(𝑌)
Usando la ecuación con 𝐼 e 𝑌
𝑉𝑎𝑟(𝑋) = 𝑉𝑎𝑟(𝐼𝑌 )
= [𝐸(𝑌)]2 𝑉𝑎𝑟(𝐼) + 𝐸(𝐼 2 )𝑉𝑎𝑟(𝑌 )
= 𝜇𝑌2 𝜃(1 − 𝜃) + 𝜃 𝜎𝑌2 . (PA.7)
• Las ecuaciones (PA.6) y (PA.7) pueden ser insertadas en la ecuación (PA.3) para
obtener la media y la varianza de S.
• Ejemplo PA.1: Suponga que hay una probabilidad de 0.2 de que se presente una
reclamación. Cuando una reclamación ocurre, la pérdida es exponencialmente
distribuida con parámetro 𝜆 = 0.5 . Encuentre la media y la varianza de la
distribución de la reclamación. Suponga que hay 500 pólizas independientes con
esta distribución de pérdida, calcule la media y la varianza de su pérdida agregada.
• Solución: La media y la varianza de la pérdida en un evento de pérdida es
1 1
𝜇𝑌 = = = 2,
𝜆 0.5
y
1 1
𝜎𝑌2 = = = 4.
𝜆2 0.52
Esto es,, la media y la varianza de la pérdida incurrida por una póliza aleatoria son
𝐸(𝑋) = (0.2)(2) = 0.4,
y
𝑉𝑎𝑟(𝑋) = (2)2 (0.2)(1 − 0.2) + (0.2)(4) = 1.44.
La media y la varianza de la pérdida agregada son
𝐸 𝑆 = 500 0.4 = 200 y 𝑉𝑎𝑟(𝑆) = (500)(1.44) = 720.
PA.2.1 Distribución exacta de 𝑺 usando
convolución
• Primero, consideramos la distribución 𝑋1 + 𝑋2 , donde 𝑋1 y 𝑋2 son ambas continuas.
• La función de densidad de probabilidad de 𝑋1 + 𝑋2 está dada por la 2ª convolución :
𝑥 𝑥
𝑓 ∗2 (𝑥) = 𝑓𝑋1 +𝑋2 (𝑥) = ‫׬‬0 𝑓1 (𝑥 − 𝑦)𝑓2 (𝑦) 𝑑𝑦 = ‫׬‬0 𝑓2 (𝑥 − 𝑦)𝑓1 (𝑦) 𝑑𝑦. (PA.8)
• La función de densidad de probabilidad de 𝑋1 + · · · + 𝑋𝑛 puede ser calculada
recursivamente. Suponga que La función de densidad de probabilidad de 𝑋1 + · · ·
+ 𝑋𝑛−1 está dada por la convolución (𝑛 − 1)-ésima 𝑓 ∗ 𝑛−1 (𝑥), entonces La
función de densidad de probabilidad de 𝑋1 + · · · + 𝑋𝑛 es la n-ésima convolución
dada por
𝑥
𝑓 ∗𝑛 𝑥 = 𝑓𝑋1 +···+𝑋𝑛 𝑥 = ‫׬‬0 𝑓 ∗ 𝑛−1
𝑥 − 𝑦 𝑓𝑛 𝑦 𝑑𝑦
𝑥
= ‫׬‬0 𝑓𝑛 (𝑥 − 𝑦) 𝑓 ∗(𝑛−1) (𝑦) 𝑑𝑦. (PA.9)
convolución
• Ahora consideramos el caso donde 𝑋𝑖 son variables aleatorias de tipo mixto.
• Asumimos que la función de densidad de probabilidad 𝑋𝑖 esta dada por
1 − 𝜃𝑖 , para 𝑥 = 0,
𝑓𝑥𝑖 𝑥 = ቊ𝜃 𝑓 (𝑥), para 𝑥 > 0, (PA.10)
𝑖 𝑌𝑖
en donde 𝑓𝑌𝑖 ∙ son funciones de densidad de probabilidad bien definidas de

variables aleatorias positivas continuas.
• La función de densidad de 𝑋1 + 𝑋2 está dada por la 2ª convolución en la forma de la
integral de Stieltjes, es decir,
𝑥 𝑥
𝐹 ∗2 𝑥 = 𝐹𝑋1 +𝑋2 𝑥 = ‫׬‬0 𝐹𝑋1 𝑥 − 𝑦 𝑑𝐹𝑋2 𝑦 = ‫׬‬0 𝐹𝑋2 𝑥 − 𝑦 𝑑𝐹𝑋1 𝑦 . (PA.11)
• La función de densidad de 𝑋1 + · · · + 𝑋𝑁 puede ser calculada recursivamente.
Ejemplo PA.2 Distribución exacta de 𝑺
usando convolución
• Ejemplo PA.2: Para el bloque de pólizas de seguro definido en el ejemplo PA.1,
aproxime la distribución de pérdida por una distribución discreta adecuada. Calcule
la función de densidad 𝐹𝑆 (𝑠) de la pérdida agregada del portafolio para 𝑠 desde 110
hasta 300 en pasos de 10, basados en la distribución discretizada.
• Solución: Aproximamos la distribución de pérdida exponencial por una distribución
discreta tomando valores 0, 1,· · · , 10. Como la función de distribución de ℰ(𝜆)
es 𝐹𝑋 (𝑥) = 1 − exp(−𝜆𝑥), aproximamos la función de probabilidad por
𝑓𝑋 (𝑥) = (0.2){exp[−𝜆(𝑥 − 0.5)] − exp[−𝜆(𝑥 + 0.5)]} , para 𝑥 = 1,· · · , 9,
Con
𝑓𝑋 (0) = 0.8 + (0.2){1 − exp[−0.5𝜆]} ,
Y
𝑓𝑋 (10) = (0.2) exp[−9.5𝜆] .
convolución
La función de probabilidad discretizada aproximada de la pérdida es
Tabla PA.1: Probabilidades
𝒙 Discretizadas
𝒇 (𝒙) 𝒙 𝒇𝑿 (𝒙)
𝑿
0 0.8442 6 0.0050
1 0.0613 7 0.0031
2 0.0372 8 0.0019
3 0.0225 9 0.0011
4 0.0137 10 0.0017
5 0.0083
Usando el método de convolución, la función de distribución de la pérdida agregada 𝑆
para valores seleccionados de 𝑠 está dada en la Tabla PA.2.
Tabla PA.2: La función de distribución
of 𝑆 por convolución
𝑠 𝑭𝑺 (𝒔) 𝑠 𝑭𝑺 (𝒔)
110 0.0001 210 0.7074
120 0.0008 220 0.8181
130 0.0035 230 0.8968
140 0.0121 240 0.9465
150 0.0345 250 0.9746
160 0.0810 260 0.9890
170 0.1613 270 0.9956
180 0.2772 280 0.9984
190 0.4194 290 0.9994
200 0.5697 300 0.9998
PA.2.3 Aproximación del Modelo de
Riesgo Individual
• Cuando 𝒏 es grande, por virtud del Teorema de Límite Central, 𝑺 es
aproximadamente normal.
• La media (exacta) y varianza de 𝑆 están dadas en las ecuaciones (PA.3), (PA.6) y
(PA.7), pueden ser usadas para calcular la distribución aproximada de 𝑆.
• Esto es,
𝑆 − 𝐸(𝑆) 𝑠 − 𝐸(𝑆)
𝑃𝑟 𝑆 ≤ 𝑠 = 𝑃𝑟 ≤
𝑉𝑎𝑟(𝑆) 𝑉𝑎𝑟(𝑆)
𝑠−𝐸 𝑆
≅ 𝑃𝑟 𝑍 ≤
𝑉𝑎𝑟 𝑆
𝑠−𝐸 𝑆
=Φ
𝑉𝑎𝑟 𝑆
PA.3 Modelo de Riesgo Colectivo
• En un modelo de riesgo colectivo, 𝑁 representa el número variable de reclamaciones
y 𝑋𝑖 denota la cantidad 𝒊-ésima de la reclamación que ha ocurrido. Entonces, bajo el
modelo colectivo tenemos 𝑃(𝑋𝑖 = 0) = 0.
• La pérdida agregada 𝑆 esta dada por
𝑆 = 𝑋1 + · · · + 𝑋𝑁 . (PA.2)
• 𝑁 es la distribución primaria, y 𝑋 es la distribución secundaria.
• 𝑆 satisface las propiedades de las distribuciones compuestas.
• La Función Generadora de Momentos 𝑀𝑆 (𝑡) de la pérdida agregada 𝑆 está dada por
𝑀𝑆 (𝑡) = 𝑀𝑁 [log 𝑀𝑋 (𝑡)] .
• Si la severidad de la reclamación toma valores discretos no negativos, 𝑆 es también
no negativa y discreta, y su Función Generadora de Probabilidad es
𝑃𝑆 (𝑡) = 𝑃𝑁 [𝑃𝑋 (𝑡)] . (PA.21)
• La media y la varianza de 𝑆 son
𝐸(𝑆) = 𝐸(𝑁)𝐸(𝑋), (PA.22)
y
𝑉𝑎𝑟(𝑆) = 𝐸(𝑁)𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑁) [𝐸(𝑋)]2 . (PA.23)
Este resultado se mantiene sin importar si 𝑋 es continua o discreta.
• Si 𝑆𝑖 tiene una distribución Poisson compuesta con distribución de la severidad del
reclamo 𝑋𝑖 , la cual puede ser continua o discreta, entonces para 𝑖 = 1,· · · , 𝑛,
𝑆 = 𝑆1 + · · · +𝑆𝑛 tiene también una distribución Poisson compuesta.
• Cuando 𝑋 es continua, la función de densidad de 𝑆 es
∞
𝑓𝑆 (𝑠) = ෍ 𝑓𝑋1 +···+𝑋𝑛 | 𝑛 (𝑠) 𝑓𝑁 (𝑛)

𝑛=1
= σ∞ ∗𝑛
𝑛=1 𝑓 (𝑠)𝑓𝑁 (𝑛) (PA.24)
donde 𝑓 ∗𝑛 (∙) es la 𝑛-ésima convolución. Esto es, la función de densidad de
probabilidad exacta de 𝑆 es una suma ponderada de convoluciones, por lo que su
cálculo es altamente complejo.
• Existen casos especiales para los cuales la distribución compuesta puede ser derivada
analíticamente, tal como
Teorema PA.2. Distribución compuesta
• Teorema PA.2: Para la distribución compuesta especificada en la ecuación (PA.2),
suponga que 𝑋1 ,· · ·, 𝑋𝑁 son independientes e idénticamente distribuidas ℰ(𝜆), y
𝑁 ∼ 𝒢ℳ(𝜃) (Geométrica). Entonces la distribución compuesta 𝑆 es una distribución
mixta (mixtura) con una masa de probabilidad de 𝜃 en 0 y un componente continuo
de ℰ(𝜆𝜃) ponderado por 1 − 𝜃.
• Prueba: La función generadora de momentos de 𝑋 ∼ ℰ(𝜆) es
𝜆
𝑀𝑋 (𝑡) = ,
𝜆−𝑡
Y la función generadora de momentos de 𝑁 ∼ 𝒢𝑀(𝜃) es

𝜃
𝑀𝑁 (𝑡) = .
1 − (1 − 𝜃)𝑒 𝑡
Entonces, concluimos que la función generadora de momentos de 𝑆 es

𝑀𝑆 𝑡 = 𝑀𝑁 log 𝑀𝑋 (𝑡)
𝜃
=
𝜆
1 − (1 − 𝜃)
𝜆−𝑡
𝜃(𝜆 − 𝑡)
=
𝜆𝜃 − 𝑡
𝜃 𝜆𝜃 − 𝑡 + (1 − 𝜃)𝜆𝜃
=
𝜆𝜃 − 𝑡
𝜆𝜃
= 𝜃 + (1 − 𝜃) .
𝜆𝜃−𝑡
PA.3.2 Fórmulas de recursión de
Panjer
Teorema 1.5: Si 𝑁 pertenece a la clase de distribuciones (𝒂, 𝒃, 𝟎) y 𝑋 es una variable
aleatoria no negativa de valor entero, entonces la función de probabilidad de 𝑆 está
dada por la siguiente recursión
1 𝑏𝑥
𝑓𝑆 𝑠 = σ𝑠𝑥=1 𝑎 + 𝑓𝑋 𝑥 𝑓𝑆 𝑠 − 𝑥 , para 𝑠 = 1, 2,· · ·
1−𝑎𝑓𝑋 0 𝑠
con valor inicial 𝑓𝑆 (0) dado por 𝑃𝑆 (0) = 𝑃𝑁 [𝑃𝑋 (0)].

• El teorema 1.5 nos da el eficiente método de recursión de Panjer para calcular la
distribución exacta de un proceso compuesto el cual satisface las condiciones de que
a) La distribución primaria pertenece a la clase (𝑎, 𝑏, 0), y
b) La distribución secundaria es discreta y no negativa.
• Entonces, si una distribución continua de severidad del reclamos puede ser
adecuadamente discretizada, y la distribución primaria pertenece a la clase (𝒂, 𝒃, 𝟎),
podemos usar la aproximación de Panjer para calcular la distribución de la pérdida
agregada.
PA.3.3 Aproximaciones del Modelo de
Riesgo Colectivo
• Si la media del número de reclamos es grande, podríamos esperar que la
aproximación normal funcione.
• Esto es, usando las fórmulas de media y varianza de 𝑆 en las ecuaciones (PA.22) y
(PA.23), podríamos aproximar la función de distribución de 𝑆 por
𝑆−𝐸(𝑆) 𝑠−𝐸(𝑆) 𝑠−𝐸 𝑆
𝑃𝑟 𝑆 ≤ 𝑠 = 𝑃𝑟 ≤ ≅Φ . (PA.25)
𝑉𝑎𝑟(𝑆) 𝑉𝑎𝑟(𝑆) 𝑉𝑎𝑟 𝑆
• Ejemplo PA.6: Suponga que una pérdida agregada 𝑆 en un modelo de riesgo colectivo
tiene una distribución primaria de 𝒫𝒩(100) (Poisson) y una distribución secundaria
de ℰ(0.5). Aproximar la distribución de 𝑆 usando la distribución normal. Calcule la
función de distribución de la pérdida agregada para 𝑠 = 180 y 230.
PA.3.3 Aproximaciones del Modelo de
Riesgo Colectivo
• Solución: De la ecuación (PA.22) tenemos
1
𝐸(𝑆) = 𝐸(𝑁)𝐸(𝑋) = (100) = 200,
0.5
y
2
𝑉𝑎𝑟 𝑆 = 𝐸 𝑁 𝑉𝑎𝑟 𝑋 + 𝑉𝑎𝑟 𝑁 𝐸 𝑋
1 1 2
= 100 + 100
0.52 0.5
= 800.
Entonces, aproximamos la distribución de 𝑆 por 𝒩(200, 800). Usando la
aproximación normal, las probabilidades requeridas son
180.5−200
Pr 𝑆 ≤ 180 ≃ 𝑃𝑟 𝑍 ≤ = Φ −0.6894 = 0.2453,
800
y
230.5−200
Pr 𝑆 ≤ 230 ≃ 𝑃𝑟 𝑍 ≤ = Φ 1.0783 = 0.8596.
800
PA.4 Modificaciones de Cobertura y
Reaseguro Stop-Loss
• Estudiamos los efectos de las modificaciones de cobertura sobre la pérdida agregada
a través de sus efectos sobre la frecuencia y la severidad del reclamo.
• Primero consideramos los efectos de un deducible de monto 𝑑. Para el modelo de
riesgo individual, el número de pólizas 𝑛 permanece sin cambios, mientras la pérdida
de la póliza 𝑋𝑖 llega a ser el monto de pérdida del reclamo después del deducible, el
cual podríamos denotar por 𝑋෩𝑖 . Esto es, la función de densidad de probabilidad de
𝑋෩𝑖 es
1 − 𝜃𝑖 +𝜃𝑖 𝐹𝑌𝑖 (𝑑), para x = 0,
𝑓𝑋𝑖 𝑥 =൝ (PA.31)
𝜃𝑖 𝑓𝑌𝑖 (𝑥 + 𝑑), para x > 0
• Para el modelo de riesgo colectivo la distribución primaria de la distribución

compuesta es modificada. También, la distribución secundaria es aquella del reclamo
después del deducible, i.e. 𝑋෨ con función de densidad de probabilidad dada por
Reaseguro Stop-Loss
𝑓𝑋 (𝑥+𝑑)
𝑓𝑋෨ 𝑥 = , para 𝑥 > 0. (PA.32)
1−𝐹𝑋 (𝑑)
• Segundo, consideremos los efectos de un límite de póliza 𝑢. Para el modelo de riesgo

individual, el número de pólizas de nuevo permanece sin cambio, mientras la
distribución de la severidad del reclamo esta ahora topada a 𝒖. Si denotamos la
distribución modificada de la severidad del reclamo por 𝑋෩𝑖 , entonces la función de
densidad de probabilidad de 𝑋෩𝑖 está dada por
1 − 𝜃𝑖 , para x = 0,
𝜃𝑖 𝑓𝑌𝑖 (𝑥) , para 0 < x < u,
𝑓𝑋𝑖 𝑥 = (PA.33)
𝜃𝑖 [1 − 𝐹𝑌𝑖 (𝑢)], para x = u
0 , en otro caso.
• Para el modelo de riesgo colectivo, la distribución primaria no es afectada, mientras la
distribución secundaria 𝑋෨ tiene una función de densidad de probabilidad dada por:
Reaseguro Stop-Loss
𝑓𝑋 𝑥 , para 0 < 𝑥 < 𝑢, (PA.34)
𝑓𝑋ത 𝑥 = ቐ1 − 𝐹𝑋 𝑢 , para 𝑥 = 𝑢,
0, en otro caso
• Las compañías de seguro pueden comprar cobertura de Reaseguro para un portafolio

de pólizas en su posesión. La cobertura puede proteger al asegurador de que la
pérdida agregada 𝑆 exceda un monto 𝑑, llamado reaseguro stop-loss (límite de
pérdida). Desde el punto de vista del reasegurador, esta es una póliza con un monto
de deducible 𝑑. Entonces, la pérdida para el reasegurador es (𝑆 − 𝑑)+ .
∞
𝐸 𝑆−𝑑 + = ‫ 𝑑׬‬1 − 𝐹𝑆 (𝑠) 𝑑𝑠 (PA.35)
Reaseguro Stop-Loss
Esto puede ser calculado como
∞
𝐸 𝑆−𝑑 + = ‫𝑠( 𝑑׬‬ − 𝑑)𝑓𝑆 (𝑠) 𝑑𝑠 (PA.36)
cuando 𝑆 es continua, o
𝐸 𝑆−𝑑 + = σ𝑠>𝑑(𝑠 − 𝑑)𝑓𝑆 (𝑠) (PA.37)
cuando 𝑆 es discreta.
Tabla 3.7: Métodos para calcular la
distribución de pérdida agregada
Modelo Métodos Exactos Métodos Aproximados
Riesgo Individual 1) Convolución: con distribución de 1) Aproximación Normal
severidad de reclamo discretizada 2) Distribución Poisson
2) Recursión de De Pril : con una Compuesta y recursión
configuración específica de de Panjer
estratificación de pólizas
Riesgo Colectivo 1) Convolución: con distribución de 1) Aproximación Normal
severidad de reclamo discretizada y
asumiendo distribución primaria
2) Recursión de Panjer: La distribución
primaria sigue la clase (a, b, 0),
distribución secundaria discretizada
3) Algunos resultados analíticos
limitados
Teoría de la credibilidad
Podemos describir el marco de problema de credibilidad de la siguiente manera:
Consideramos un bloque de pólizas de seguro, denominado grupo de riesgo. Este grupo
de riesgo es cubierto por una aseguradora, durante un período de tiempo, tras el pago
de una prima. El valor de la prima se decide en base a una tarifa especificada por la
tarificación manual y en las características de riesgo específicas del grupo.
Un actuario estudia la experiencia reciente de reclamaciones del grupo de riesgo para
decidir si se requiere una revisión de la prima para el próximo período. La teoría de la
credibilidad se refiere a encontrar esta prima para el próximo período utilizando la
experiencia de reclamo reciente y la tarifa manual, tomando como idea fundamental el
aplicar primas menores a los asegurados de bajo riesgo y primas mayores a los de alto
riesgo, con base en el historial de reclamaciones que cada uno de los asegurados o
subgrupos de asegurados hayan realizado durante los periodos anteriores.
Consideraremos los siguientes enfoques de la credibilidad: el de Credibilidad Clásica (de las
Fluctuaciones Limitadas) y el de Credibilidad de mayor precisión: Bayesiana y de Bühlmann.
69
Credibilidad Clásica: credibilidad de las
Fluctuaciones Limitadas
Sean 𝑋1 , 𝑋2 , … , 𝑋𝑛 que representan el total de reclamaciones/pérdidas (de ésta o de
otra entidad) experimentadas por un asegurado en los últimos n años. Es decir, 𝑋𝑖 está
experimentando en el momento i. En la literatura, un valor observado de 𝑋𝑖 también
puede referirse a una exposición o a una unidad de exposición de 𝑋𝑖 . La severidad media
de las reclamaciones es
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛
𝑋ത =
𝑛
La estadística 𝑋ത es el promedio de experiencia pasada para el grupo dado.
Hacemos los supuestos 𝐸(𝑋𝑗 ) = 𝜇 y 𝑉𝑎𝑟(𝑋𝑗 ) = 𝜎 2 , para todo 𝑗 = 1,2, ⋯ , 𝑛. Esto es, 𝜇
es la media, que es la prima a ser cargada si es conocida, a todos los miembros del
grupo, que se presume estable a través del tiempo. Si las 𝑋𝑗 son independientes,
entonces podemos escribir
𝜎 2
ത ത
𝐸(𝑋) = 𝜇 y 𝑉𝑎𝑟(𝑋) =
𝑛
70
Credibilidad Clásica
El objetivo de una aseguradora es decidir el valor de 𝜇.
La elección se puede realizar en una de tres formas:
• Ignorar la experiencia o los datos anteriores (sin credibilidad) y cargar la prima manual
ℳ.
• Utilizar solo los datos pasados (credibilidad total) y cargar 𝑋ത (la prima pura
observada).
• Utilizar una combinación de ℳ y 𝑋ത (credibilidad parcial).
En general, las aseguradoras prefieren elegir 𝑋ത a causa de su estabilidad en el tiempo y
a que es un buen indicador de los resultados futuros. Sin embargo, en presencia de una
mayor variabilidad, la prima manual es más adecuada.
Al asignar 𝑋ത a 𝜇 (credibilidad total), requerimos que 𝑋ത sea estable en el tiempo. En
ത
𝑋−𝜇
términos estadísticos, esto significa que el error relativo es pequeño con una alta
𝜇
probabilidad
71
Credibilidad Clásica: credibilidad
completa (total)
Es decir, hay dos números 𝑟 > 0 (con 𝑟 cerca de 0, una opción común es 𝑟 = 0.05) y
0 < 𝑝 < 1 (con 𝑝 cerca de 1, un la elección es 𝑝 = 0.9). Matemáticamente,
𝑋ത − 𝜇
𝑃 ≤𝑟 ≥𝑝
𝜇
Cuando 𝑛 → ∞, por el Teorema de Límite Central, tenemos
𝜎2 𝑋ത − 𝜇
ത
𝑋~𝑁 𝜇, ⟶ 𝜎 ~𝑁 0,1
𝑛
𝑛
En este caso tenemos la equivalencia
𝑋ത − 𝜇 𝑋ത − 𝜇 𝑟𝜇 𝑛
𝑃 ≤𝑟 ≥𝑝⇔𝑃 𝜎 ≤ ≥𝑝
𝜇 𝜎
𝑛
72
completa (total)
Ahora, sea
𝑋ത − 𝜇
𝑦𝑝 = inf 𝑃 ≤𝑦 ≥𝑝
𝑦 𝜇
Si 𝑋ത es continua entonces 𝑦𝑝 satisface
𝑋ത − 𝜇
𝑃 ≤ 𝑦𝑝 = 𝑝
𝜇
En consecuencia, se cumple la condición de credibilidad total cuando
𝑟𝜇 𝑛
≥ 𝑦𝑝
𝜎
𝑦𝑝 2
Sea 𝜆0 = , obtenemos
𝑟
𝑟𝜇 𝑛 𝜎 𝑛
≥ 𝑦𝑝 ⇔ ≤
𝜎 𝜇 𝜆0
73
completa (total)
𝜎
Esto dice que se asigna credibilidad completa (total) si el coeficiente de variación de 𝑋𝑗
𝜇
𝑛
no es mayor que .
𝜆0
Alternativamente, la credibilidad total ocurre si
𝜎 2 𝜇2
𝑉𝑎𝑟(𝑋)ത = ≤
𝑛 𝜆0
El número de unidades en exposición necesarias para una credibilidad total es
2
𝜎
𝑛 ≥ 𝜆0
𝜇
El lado derecho de la ecuación se conoce como el estándar de credibilidad total, cuando
se mide en términos de unidades de exposición. Si se está buscando alguna otra unidad,
como el número esperado de reclamos o el monto esperado de reclamaciones, suele ser
suficiente multiplicar ambos lados de la ecuación por un factor apropiado.
74
completa (total)
A continuación, describimos cómo encontrar 𝑦𝑝 cuando 𝑋ത es continua. Recuerde que la
función de distribución continua de la distribución normal estándar 𝑍 se denota por Φ.
Tenemos:
𝑝 = 𝑃 𝑍 ≤ 𝑦𝑝
= 𝑃 −𝑦𝑝 ≤ 𝑍 ≤ 𝑦𝑝
= Φ 𝑦𝑝 − Φ −𝑦𝑝
= Φ 𝑦𝑝 − 1 + Φ 𝑦𝑝
= 2Φ 𝑦𝑝 − 1
1+𝑝 1+𝑝
Esto es, Φ 𝑦𝑝 = de tal forma que 𝑦𝑝 es el 100 -ésimo percentil de la
2 2
distribución normal estándar.
75
parcial
Cuando la prima cobrada con el criterio de credibilidad total no refleja apropiadamente
la prima real, un remedio alternativo es la credibilidad parcial.
Bajo credibilidad parcial, la prima es un promedio ponderado de la experiencia pasada 𝑋
y la prima manual ℳ > 0. La fórmula básica para calcular estimaciones ponderadas de
credibilidad es:
Estimador = Z × observación + 1 − Z × otra información , 0 ≤ Z ≤ 1
O matemáticamente,
𝑃𝑐 = 𝑍𝑋ത + (1 − 𝑍)ℳ, 0 ≤ 𝑍 ≤ 1
donde 𝑍 se denomina factor de credibilidad y 𝑃𝑐 es la prima de credibilidad. Note que
cuando 𝑍 = 1 la credibilidad parcial coincide con la credibilidad completa (total).
𝑍 también se llama la credibilidad asignada a la observación. 1 − 𝑍 es generalmente
referido como el complemento de credibilidad. Si el conjunto de datos observados es
grande y no es probable que varíe mucho de un período a otro, entonces 𝑍 estará más
cerca de uno.
76
Credibilidad parcial: estimadores
ponderados por credibilidad
Por otra parte, si la observación consta de datos limitados, 𝑍 estará más cerca a cero y se
dará más peso a otra información. Otra información representa una estimación o
hipótesis previa, en ausencia de datos o experiencia reciente. Tan pronto la experiencia
está disponible, se combina para generar una estimación actualizada que puede
incorporar la experiencia reciente y la hipótesis previa.
Por lo tanto, el uso de la credibilidad parcial implica una estimación lineal de la
verdadera expectativa o valor esperado, derivada de un compromiso entre observación e
hipótesis previa.
¿Cómo encontramos Z? Hay varias formas de encontrar Z y todas ellas conducen al
ത
𝑍𝑋−𝑍𝜇
mismo resultado. Queremos elegir Z de manera que sea pequeño con una alta
𝜇
probabilidad. Matemáticamente,
𝑍𝑋ത − 𝑍𝜇
𝑃 ≤𝑟 ≥𝑝
𝜇
parcial
Cuando 𝑛 → ∞, por el Teorema de Límite Central, tenemos
𝜎 2 𝑍𝑋ത − 𝑍𝜇
ത
𝑍𝑋~𝑁 𝑍𝜇, 𝑍 2
⟶ ~𝑁 0,1
𝑛 𝜎
𝑍
𝑛
En este caso tenemos la equivalencia
𝑍𝑋ഥ − 𝑍𝜇 𝑋ത − 𝜇 𝑟𝜇 𝑛
𝑃 ≤𝑟 ≥𝑝⇔𝑃 𝜎 ≤ ≥𝑝
𝜇 𝑍𝜎
𝑛
Ahora, sea
𝑋ത − 𝜇
𝑦𝑝 = inf 𝑃 𝜎 ≤𝑦 ≥𝑝
𝑦
𝑛
78
parcial
En consecuencia, se cumple la condición de credibilidad parcial cuando
𝑟𝜇 𝑛
≥ 𝑦𝑝
𝑍𝜎
𝑦𝑝 2
Sea 𝜆0 = , obtenemos
𝑟
𝑟𝜇 𝑛 𝜇 𝑛
≥ 𝑦𝑝 ⇔ 𝑍 ≤
𝑍𝜎 𝜎 𝜆0
Escogemos 𝒁 tal que
𝜇 𝑛
𝑍 = min ,1
𝜎 𝜆0
79
𝜇
Sea 𝑛𝐹 = la credibilidad total estándar medida en términos de exposiciones,
𝜎 𝜆0
𝑛
entonces 𝑍 = puede interpretarse como la raíz cuadrada del número de
𝑛𝐹
observaciones (exposiciones) disponibles dividido por el número de observaciones
(exposiciones) necesarias para una credibilidad total.
Según el número total de reclamaciones, 𝑍 es la raíz cuadrada del número de reclamos
disponibles dividido por el número total de reclamos requeridos para credibilidad total.
Basado en la cantidad total de reclamaciones, 𝑍 es la raíz cuadrada de la cantidad total
de reclamaciones disponibles dividida por la cantidad total de reclamaciones requeridas
para el estándar de credibilidad.
80
En la credibilidad clásica, se determinan cuántos datos se necesitan antes de que se
asigne un 100% de credibilidad. Esta cantidad de datos se conoce como el criterio de
credibilidad total o el estándar de credibilidad total. Si uno tiene tantos datos o más,
entonces 𝑍 = 1; si uno ha observado menos de esa cantidad de datos entonces
0≤𝑍<1
Hay cuatro conceptos básicos de la credibilidad clásica que se deben conocer:
1. Cómo determinar el criterio de credibilidad total cuando se estiman frecuencias;
2. Cómo determinar el criterio de credibilidad total cuando se estiman severidades;
3. Cómo determinar el criterio de credibilidad total cuando se estiman primas puras
(costos de pérdida);
4. Cómo determinar la cantidad de credibilidad parcial para asignar cuando uno tiene
menos datos de los necesarios para completar credibilidad.
Credibilidad Clásica – Varianza del
proceso
Varianza del proceso de pérdidas agregadas, primas puras y tasa de pérdidas
Suponga que 𝑁 reclamos de tamaños 𝑋1 , 𝑋2 , … , 𝑋𝑁 ocurren durante el periodo de
observación. Las siguientes cantidades son útiles para el análisis del costo de asegurar
un riesgo o un grupo de riesgos:
Pérdidas agregadas (Aggregate Loss): 𝐿 = (𝑋1 + 𝑋2 + ⋯ + 𝑋𝑁 )
Prima Pura (Pure Premium): 𝑃𝑃 = (𝑋1 + 𝑋2 + ⋯ + 𝑋𝑁 )/𝐸𝑥𝑝𝑜𝑠𝑖𝑐𝑖𝑜𝑛𝑒𝑠
Índice (Tasa) de pérdida (Loss Ratio): 𝐿𝑅 = (𝑋1 + 𝑋2 + ⋯ + 𝑋𝑁 )/𝑃𝑟𝑖𝑚𝑎 𝑔𝑎𝑛𝑎𝑑𝑎
Las primas puras son producto de la frecuencia y severidad: dependen tanto del número
de reclamos como del tamaño de los mismos, por ello tienden a variar más que la
frecuencia o la severidad individualmente.
Prima pura = pérdidas/exposiciones = (Número de reclamos /
expuestos) (Pérdidas / Número de reclamos) = (Frecuencia) (Severidad).
Credibilidad Clásica – Análisis de
Varianza
La varianza de las primas puras observadas para un riesgo determinado que ocurre
debido a fluctuaciones aleatorias se conoce como la varianza del proceso. La fórmula
para determinar la varianza del proceso subyace en el análisis de varianza y es
particularmente útil en los casos en que la frecuencia y la severidad son
independientes, pues también se puede aplicar en el calculo de la varianza del proceso
de las pérdidas agregadas y el índice de pérdidas.
Sean 𝑋 e 𝑌 variables aleatorias en el mismo espacio de probabilidad, la varianza de 𝒀 es
finita, tenemos:
𝑉𝑎𝑟 (𝑌) = 𝐸𝑋 [𝑉𝑎𝑟(𝑌|𝑋)] + 𝑉𝑎𝑟𝑋 (𝐸𝑌 [𝑌|𝑋])
Sea 𝑌 la prima pura y 𝑋 sea el número de las reclamaciones 𝑁, en la fórmula anterior
dan:
𝑉𝑎𝑟 𝑃𝑃 = 𝐸𝑁 𝑉𝑎𝑟𝑃𝑃 𝑃𝑃 𝑁 + 𝑉𝑎𝑟𝑁 𝐸𝑃𝑃 𝑃𝑃 𝑁 = 𝐸𝑁 𝑁𝜎𝑆2 + 𝑉𝑎𝑟𝑁 𝜇𝑆 𝑁
= 𝐸𝑁 𝑁 𝜎𝑆2 + 𝜇𝑆2 𝑉𝑎𝑟𝑁 𝑁 = 𝜇𝑓 𝜎𝑆2 + 𝜇𝑆2 𝜎𝑓2
Credibilidad Clásica – Análisis de
Varianza
Esto, usando el supuesto de que la frecuencia y la severidad son independientes y los
siguientes hechos:
• Para un número fijo de reclamos N, la varianza de la prima pura es la varianza de la
suma de N variables aleatorias independientes idénticamente distribuidas, cada una
con varianza 𝜎𝑆2 . (dado que la frecuencia y la severidad se suponen independientes,
𝜎𝑆2 es la misma para cada valor de N.) Tales variaciones se suman para que
𝑉𝑎𝑟𝑃𝑃 (𝑃𝑃|𝑁) = 𝑁𝜎𝑆2 .
• Para un número fijo de reclamos N con frecuencia y severidad independiente, el
valor esperado de la prima pura es N veces la severidad media: 𝐸𝑃𝑃 [𝑃𝑃|𝑁] = 𝑁𝜇𝑆 .
• Dado que con respecto a N, la varianza de la severidad actúa como un constante:
𝐸𝑁 𝑁𝜎𝑆2 = 𝜎𝑆2 𝐸𝑁 𝑁 = 𝜇𝑓 𝜎𝑆2
• Dado que con respecto a N, la media de la severidad actúa como un constante:
𝑉𝑎𝑟𝑁 𝜇𝑆 𝑁 = 𝜇𝑆2 𝑉𝑎𝑟𝑁 𝑁 = 𝜇𝑆2 𝜎𝑓2
Credibilidad Bayesiana
Es una teoría de la credibilidad basada en Inferencia bayesiana y es también llamada
teoría de la credibilidad de mayor precisión. Consideramos este enfoque de modelo a la
solución del siguiente problema de credibilidad:
Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 las pérdidas o reclamaciones observadas en los últimos 𝑛 años de un
asegurado en particular. La experiencia pasada ha demostrado que la tarifa manual 𝜇 no
es una medida apropiada de la prima para el próximo año (𝜇 ≠ 𝑋). ത Esto lleva a la
pregunta de si la prima neta del próximo año debería basarse solo en 𝜇, solo en 𝑋ത o en
una combinación de 𝜇 y 𝑋: ത
La teoría de la credibilidad de la mayor precisión aborda las dos preguntas siguientes:
1) ¿El asegurado es diferente de lo que se asumió al calcular la tarifa manual?
ത
2) ¿Ha sido el azar el responsable de la diferencia entre 𝜇 y 𝑋?
85
Ahora bien, cuando una persona solicita una póliza de seguro, generalmente hay un
estricto proceso de suscripción por parte de la aseguradora. En este proceso, un
asegurado es calificado y colocado en una clase o calificación de riesgo. Uno piensa que
hay homogeneidad en el proceso de calificación entre los miembros de la misma clase
de riesgo. Desafortunadamente, la realidad muestra lo contrario, es decir, hay
heterogeneidad en calificaciones de riesgo entre asegurados de la misma clasificación.
Esta suposición de que un asegurado es diferente a los miembros de la misma
clasificación lleva a la pregunta de cómo un asegurador elige cuál es una tarifa adecuada
para el asegurado. Para responder a esta pregunta, haga las siguientes suposiciones:
1) Todo asegurado se caracteriza por un nivel de riesgo 𝜃 dentro de la clasificación.
2) El valor de 𝜃 varía entre los asegurados de la misma clase de riesgo. Este supuesto
nos permite cuantificar la diferencia entre los asegurados con respecto a las
características de riesgo.
86
3) θ puede verse como una variable aleatoria en el conjunto de niveles de riesgo, con
una función de probabilidad 𝜋(𝜃) y una función de distribución acumulativa Π(𝜃).
En palabras, Π(𝜃) representa la probabilidad de que un asegurado elegido al azar
de la clase de riesgo tenga un parámetro de riesgo menor o igual a 𝜃.
Mientras que el parámetro de riesgo 𝜃 asociado con un asegurado individual no es
conocido, asumiremos que 𝜋(𝜃) es conocido.
Dado que el nivel de riesgo varía dentro de la población, la experiencia de un asegurado
elegido al azar de la población se obtiene de un proceso de dos etapas:
1) El parámetro de riesgo 𝜃 se selecciona de la distribución 𝜋(𝜃). (distribución a priori)
2) Las reclamaciones o pérdidas se seleccionan de la distribución condicional
𝑓𝑋|Θ (𝑥|𝜃). (distribución del modelo)
87
Para un asegurado en particular, tenemos las pérdidas pasadas observadas 𝑋1 , 𝑋2 , … , 𝑋𝑛
y nos interesa establecer la prima para cubrir la pérdida de la siguiente unidad de
exposición (el próximo año) 𝑋𝑛+1 . Suponemos que el parámetro de riesgo 𝜃 (el cual se
desconoce) asociado con el asegurado proviene de una distribución a priori 𝜋(𝜃) y que
las pérdidas 𝑋1 , 𝑋2 , … , 𝑋𝑛+1 son condicionalmente independientes, esto es, las 𝑋𝑖 |Θ son
independientes, pero no necesariamente idénticamente distribuidas.
Para predecir el reclamo en el período (𝑛 + 1) normalmente condicionamos sobre 𝜃;
pero 𝜃 para el período 𝑛 + 1 es desconocido, por lo que condicionamos sobre 𝑋𝑛+1 . La
distribución resultante es la distribución predictiva 𝑓𝑋𝑛+1 |X (𝑥𝑛+1 |x) donde
𝑋 = (𝑋1 , 𝑋2 , … , 𝑋𝑛 )𝑇 y x = (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑇 .
Entonces, la distribución del modelo de X dado Θ
𝑛
𝑓X|Θ x 𝜃 = ෑ 𝑓𝑥𝑗 |𝜃 (𝑥𝑗 |𝜃)

𝑗=1
88
La distribución conjunta de X dado Θ es
𝑛
𝑓X,Θ x, 𝜃 = ෑ 𝑓𝑥𝑗 |𝜃 𝑥𝑗 𝜃 𝜋(𝜃)

𝑗=1
La distribución marginal de 𝐗 se obtiene integrando la distribución conjunta con
respecto a 𝜃 para obtener
𝑛
𝑓X x = න ෑ 𝑓𝑥𝑗 |𝜃 𝑥𝑗 𝜃 𝜋 𝜃 𝑑𝜃
𝑗=1
La distribución posterior es, por el Teorema de Bayes:
𝑛
𝑓X|Θ x|θ 1
𝜋Θ|X θ|x = = ෑ 𝑓𝑥𝑗 |𝜃 𝑥𝑗 𝜃 𝜋(𝜃)
𝑓X x 𝑓X x
𝑗=1
89
Entonces, la distribución predictiva puede expresarse como
𝑛+1
1
𝑓𝑋𝑛+1 |X 𝑥𝑛+1 |x = න ෑ 𝑓𝑋𝑗 |𝜃 𝑥𝑗 𝜃 𝜋 𝜃
𝑓X x
𝑗=1
ς𝑛
𝑗=1 𝑓𝑋𝑗 |𝜃 𝑥𝑗 𝜃 𝜋(𝜃)
= ‫𝑛𝑋𝑓 ׬‬+1 |𝜃 𝑥𝑛+1 𝜃 𝑑𝜃
𝑓X x
= ‫𝑛𝑋𝑓 ׬‬+1 |𝜃 𝑥𝑛+1 𝜃 𝜋Θ|X θ|x 𝑑𝜃
La media de la distribución predictiva, también conocida como prima bayesiana o
estimación bayesiana, es lo que se cobraría para cubrir la pérdida 𝑋𝑛+1 . Está dada por
𝐸 𝑋𝑛+1 X = x = න 𝑥𝑛+1 𝑓𝑋𝑛+1 |X 𝑥𝑛+1 x 𝑑𝑥𝑛+1
= ‫𝑛𝑥 ׬‬+1 ‫𝑛𝑋𝑓 ׬‬+1 |𝜃 𝑥𝑛+1 𝜃 𝜋Θ|X θ|x 𝑑𝜃 𝑑𝑥𝑛+1
90
𝐸 𝑋𝑛+1 X = x = න 𝑥𝑛+1 𝑓𝑋𝑛+1 |X 𝑥𝑛+1 x 𝑑𝑥𝑛+1
= ‫𝑛𝑥 ׬ ׬‬+1 𝑓𝑋𝑛+1 |𝜃 𝑥𝑛+1 𝜃 𝑑𝑥𝑛+1 𝜋Θ|X θ|x 𝑑𝜃

= ‫𝑛𝜇 ׬‬+1 (𝜃)𝜋Θ|X θ|x 𝑑𝜃
Donde
𝜇𝑛+1 𝜃 = 𝐸 𝑋𝑛+1 Θ = 𝜃 = න 𝑥𝑛+1 𝑓𝑋𝑛+1 |Θ 𝑥𝑛+1 θ 𝑑𝑥𝑛+1
Es la media hipotética, la prima que cobramos si conociéramos 𝜽. Tomando la esperanza de

la ecuación anterior encontramos
𝐸 𝑋𝑛+1 = 𝐸 𝐸 𝑋𝑛+1 Θ = 𝐸[𝜇𝑛+1 (Θ)]
Es la prima que cobramos si no sabemos nada sobre el asegurado: se llama prima pura o
colectiva. Esta prima es independiente del parámetro de riesgo y no depende de los datos
recabados del asegurado.
91
Prima de Credibilidad de Bühlmann
La segunda forma de credibilidad de mayor precisión que abordaremos se llama
Credibilidad Bühlmann, también conocida como credibilidad de Mínimos cuadrados.
El propósito ahora es encontrar una estimación de la media hipotética 𝜇𝑛+1 𝜃 =
𝐸 𝑋𝑛+1 Θ . El procedimiento de estimación discutido aquí es el desarrollado por
Bühlmann.
La idea es estimar 𝜇𝑛+1 𝜃 con una combinación lineal de los datos pasados:
𝛼0 + 𝛼1 𝑋1 + ⋯ + 𝛼𝑛 𝑋𝑛
donde 𝛼0 , 𝛼1 , ⋯ , 𝛼𝑛 están por determinar.
La estimación se realiza con la regresión lineal de mínimos cuadrados donde el cuadrado
de la distancia entre 𝜇𝑛+1 𝜃 y el estimador debe minimizarse. Es decir, queremos
encontrar las 𝛼𝑖 ’s que minimizan la función
𝑛 2
𝑄 = 𝑄 𝛼0 , 𝛼1 , ⋯ , 𝛼𝑛 = 𝐸 𝜇𝑛+1 𝜃 − 𝛼0 − ෍ 𝛼𝑖 𝑋𝑖
𝑖=1
92
Para minimizar 𝑄; tomamos las primeras derivadas de 𝑄 con respecto a 𝛼𝑖 y la
igualamos a cero. Así,
𝑛
𝜕𝑄
= 𝐸 2 𝜇𝑛+1 𝜃 − 𝛼0 − ෍ 𝛼𝑖 𝑋𝑖 −1 =0
𝜕𝛼0
𝑖=1
Lo cual lleva a
𝐸 𝜇𝑛+1 Θ = 𝛼0 + σ𝑛𝑖=1 𝛼𝑖 𝐸(𝑋𝑖 ) (CB.1)
ecuación que se conoce como ecuación insesgada ya que
𝐸 𝜇𝑛+1 Θ = E 𝐸 𝑋𝑛+1 Θ = 𝐸(𝑋𝑛+1 )
Entonces, podemos escribir
𝐸(𝑋𝑛+1 ) = 𝛼0 + σ𝑛𝑖=1 𝛼𝑖 𝐸(𝑋𝑖 ) (CB.2)
93
A continuación, tenemos
𝑛
𝜕𝑄
= 𝐸 2 𝜇𝑛+1 𝜃 − 𝛼0 − ෍ 𝛼𝑖 𝑋𝑖 −𝑋𝑖 =0
𝜕𝛼𝑖
𝑖=1
Lo cual lleva a
𝐸 𝜇𝑛+1 Θ 𝑋𝑖 = 𝛼0 𝐸(𝑋𝑖 ) + σ𝑛𝑗=1 𝛼𝑗 𝐸(𝑋𝑗 𝑋𝑖 )
Sin embargo, tenemos
𝐸 𝜇𝑛+1 Θ 𝑋𝑖 = 𝐸{𝐸 𝑋𝑖 𝜇𝑛+1 Θ |Θ }
= 𝐸 𝜇𝑛+1 Θ 𝐸 𝑋𝑖 |Θ
= 𝐸 𝐸(𝑋𝑛+1 |Θ)𝐸(𝑋𝑖 |Θ)
= 𝐸(𝑋𝑛+1 𝑋𝑖 Θ (por independencia)
= 𝐸(𝑋𝑛+1 𝑋𝑖 )
94
Entonces,
𝐸(𝑋𝑛+1 𝑋𝑖 ) = 𝛼0 𝐸(𝑋𝑖 ) + σ𝑛𝑗=1 𝛼𝑗 𝐸(𝑋𝑗 𝑋𝑖 ) (CB.3)
Al multiplicar (CB.2) por 𝐸(𝑋𝑖 ) y restar la ecuación resultante de (CB.3) se obtiene
𝐶𝑜𝑣(𝑋𝑖 , 𝑋𝑛+1 ) = σ𝑛𝑗=1 𝛼𝑗 𝐶𝑜𝑣(𝑋𝑖 , 𝑋𝑗 ), para 𝑖 = 1,2, ⋯ , 𝑛 (CB.4)
Las ecuaciones (CB.2) y (CB.4) se conocen como ecuaciones normales. Resolviendo estas
𝑛 + 1 ecuaciones se obtiene la prima de credibilidad
𝛼ො0 + σ𝑛𝑖=1 𝛼ො𝑖 𝑋𝑖 (CB.5)
Observación. Es fácil comprobar que los valores 𝛼ො0 , 𝛼ො1 , …, 𝛼ො𝑛 también minimizan
𝑛 2
𝑄1 = 𝐸 𝐸 𝑋𝑛+1 |X − 𝛼0 − ෍ 𝛼𝑖 𝑋𝑖
𝑖=1
95
Y
𝑛
𝑄2 = 𝐸[(𝑋𝑛+1 − 𝛼0 − ෍ 𝛼𝑖 𝑋𝑖 )2 ]
𝑖=1
Es decir, la prima de credibilidad (CB.5) es el mejor estimador lineal de la media
hipotética 𝐸(𝑋𝑛+1 |Θ), de la prima bayesiana 𝐸 𝑋𝑛+1 |X y de 𝑿𝒏+𝟏 .
El modelo de credibilidad estándar de Bühlmann asume que las pérdidas condicionales
𝑋𝑖 |Θ, donde 𝑖 = 1, 2, ⋯ , 𝑛, de un asegurado en los últimos 𝑛 años son independientes
e idénticamente distribuidas con respecto a cada año anterior.
Un inconveniente de esta suposición es que no permite variaciones en exposición o
tamaño. Por ejemplo, ¿qué sucede si la experiencia de reclamos en el año 1 para un
asegurado refleja sólo una fracción del año? Para un seguro de grupo, ¿Qué sucede si el
tamaño del grupo cambia con el tiempo?
Estos problemas se pueden resolver modificando el modelo de Bühlmann.
96
Credibilidad de Bühlmann-Straub
Sea 𝑚𝑖 el número de unidades de exposición en el año 𝑖 con unidades de exposición
𝑋𝑖1 , 𝑋𝑖2 , … , 𝑋𝑖𝑚𝑖 tales que 𝑋𝑖1 |Θ, 𝑋𝑖2 |Θ, … , 𝑋𝑖𝑚𝑖 |Θ son independientes con la misma
media 𝜇(𝜃) y varianza 𝜐(𝜃). Sea 𝑋𝑖 el promedio de las reclamaciones en el año 𝑖, es
decir
𝑋𝑖1 + 𝑋𝑖2 + ⋯ + 𝑋𝑖𝑚𝑖
𝑋𝑖 =
𝑚𝑖
Como en el modelo de Bühlmann, sean
𝜇 = 𝐸[𝜇 𝜃 ], 𝜐 = 𝐸[𝜐 𝜃 ], 𝑎 = 𝑉𝑎𝑟[𝜇 𝜃 ]
Tenemos lo siguiente
𝐸 𝑋𝑖 = 𝐸 𝐸 𝑋𝑖 Θ = 𝐸 𝜇 𝜃 = 𝜇
𝐶𝑜𝑣(𝑋𝑖 , 𝑋𝑗 ) = 𝐸(𝑋𝑖 , 𝑋𝑗 ) − 𝐸 𝑋𝑖 𝐸 𝑋𝑗
= 𝐸[𝐸(𝑋𝑖 𝑋𝑗 |Θ)] − 𝐸 𝜇 𝜃 2
2
= 𝐸 𝐸 𝑋𝑖 Θ 𝐸 𝑋𝑗 Θ −𝐸 𝜇 𝜃
97
= 𝐸 𝜇2 𝜃 − 𝐸 𝜇 𝜃 2
= 𝑉𝑎𝑟 𝜇 𝜃 = 𝑎, 𝑖 ≠ 𝑗
𝑉𝑎𝑟 𝑋𝑖 = 𝐸 𝑉𝑎𝑟 𝑋𝑖 Θ + 𝑉𝑎𝑟 𝐸 𝑋𝑖 Θ
𝜐 𝜃
=𝐸 + 𝑉𝑎𝑟 𝜇 𝜃
𝑚𝑖
𝜐
= +𝑎
𝑚𝑖
Para encontrar la prima de credibilidad, denotamos la exposición total por 𝑚 =
σ𝑛𝑖=1 𝑚𝑖 . Usando las ecuaciones normales, encontramos
ෝ0
𝛼
𝐸(𝑋𝑛+1 ) = 𝜇 = 𝛼ො0 + σ𝑛𝑖=1 𝛼ො𝑖 𝜇 ⟹ σ𝑛𝑖=1 𝛼ො𝑖 = 1 − (CBS.1)
𝜇
Para 𝑖 = 1, 2, ⋯ , 𝑛 esta ecuación llega a ser
𝜐 𝜐ෝ
𝛼𝑖
𝑎 = σ𝑗=1 𝛼ො𝑗 𝑎 + 𝛼ො𝑖 𝑎 + = σ𝑛𝑖=1 𝛼ො𝑗 𝑎 +
𝑚𝑖 𝑚𝑖
𝑗≠𝑖
98
Resolviendo para 𝛼ො𝑖 , encontramos
𝑎 𝑎𝛼ෝ0
𝛼ො𝑖 = 𝑚𝑖 1 − σ𝑛𝑗=1 𝛼ො𝑗 = 𝑚𝑖 (CBS.2)
𝜐 𝜐 𝜇
Por (CBS.1) y (CBS.2) encontramos
𝑛 𝑛
𝛼ො0 𝑎 𝛼ො0 𝑎 𝛼ො0
1− = ෍ 𝛼ො𝑗 = ෍ 𝑚𝑗 = 𝑚
𝜇 𝜐 𝜇 𝜐 𝜇
𝑗=1 𝑗=1
Lo cual lleva a
𝜐Τ
𝑎
𝛼ො0 = 𝜇
𝑚+𝜐Τ𝑎
Y
𝑚𝑖
𝛼ො𝑖 =
𝑚+𝜐Τ𝑎
𝜐
Haciendo 𝑘 = , la prima de credibilidad puede expresarse como
𝑎
99
𝑛
𝛼ො0 + ෍ 𝛼ො𝑗 𝑋𝑗 = 𝑍𝑋ത + (1 − 𝑍)𝜇

𝑗=1
Donde
𝑚 𝑚 𝑋 +𝑚 𝑋 +⋯+𝑚𝑛 𝑋𝑛
𝑍= y 𝑋ത = 1 1 2 2
𝑚+𝑘 𝑚
Si 𝑋𝑖 se interpreta como la pérdida/reclamaciones promedio experimentados por 𝑚𝑖
miembros del grupo en el año 𝑖, entonces 𝑚𝑖 𝑋𝑖 es el total de pérdida/reclamaciones
de los 𝑚𝑖 miembros del grupo en el año 𝑖. Además, 𝑋ത es el total de la pérdida/
reclamaciones por miembro del grupo durante los 𝑛 años. La prima de credibilidad que
se cobrará al grupo en el año 𝒏 + 𝟏 es 𝒎𝒏+𝟏 [𝒁𝑿 ഥ + (𝟏 − 𝒁)𝝁] para los 𝑚𝑛+1 miembros
en el siguiente año. Hay que tener en cuenta que 𝑍𝑋ത + (1 − 𝑍)𝜇 es la prima de
credibilidad por unidad de exposición (es decir, por ocurrencia de un individuo 𝑋𝑖𝑗 ).
Observación. Si 𝒎𝒊 = 𝟏 para 𝑖 = 1, 2, ⋯ , 𝑛, entonces el modelo de Bühlmann-Straub
coincide con el modelo original de Bühlmann.
100
La credibilidad está dada por la fórmula: 𝑍 = 𝑚/(𝑚 + 𝑘) . Si el número de
observaciones m aumenta, la credibilidad Z se acerca a 1.
Para aplicar la credibilidad de Bühlmann-Straub a situaciones del mundo real,
generalmente se requiere calcular o estimar el llamado parámetro de credibilidad
Bühlmann, 𝐾. Esto implica ser capaz de aplicar el análisis de varianza: el cálculo del valor
esperado de la varianza del proceso (EVPV) y la varianza de las medias hipotéticas (VHM).
La Ley de la varianza total o varianza condicional, también conocida como la ley de Eve,
establece que:
𝑉𝑎𝑟 (𝑌) = 𝐸𝑋 [𝑉𝑎𝑟(𝑌|𝑋)] + 𝑉𝑎𝑟𝑋 (𝐸𝑌 [𝑌|𝑋])
Varianza Total = EVPV + VHM
El estimador, usando credibilidad de Bülhmann-Straub, quedaría:
Estimador = Z × observación + 1 − Z × media a priori
El valor esperado a priori (media a priori), sirve como "otra información“ a la que
aplicamos el complemento de credibilidad. En la medida en que nuestros datos
observados no sean creíbles, confiaríamos más en la media a priori para nuestra
estimación, la cual refleja lo que sabemos sobre la población de donde vienen los datos.
𝐸𝑉𝑃𝑉
El parámetro de credibilidad Bühlmann se calcula como 𝐾 = ,
𝑉𝐻𝑀
k = Valor esperado de la varianza del proceso/ varianza de medias hipotéticas
donde el EVVP y la VHM se calculan para una sola observación del proceso de riesgo y se
inserta a la fórmula de Credibilidad de Bühlmann-Straub, conforme al número de
observaciones 𝑚. Si se está estimando frecuencia de reclamos o primas puras, entonces
𝑚 está en las exposiciones. Si se está estimando la severidad de las reclamaciones,
entonces 𝑚 está en número de reclamos. (𝑚 está en las unidades de lo que está en el
denominador de la cantidad que uno está estimando)
Hay una serie de supuestos importantes subyacentes a la fórmula 𝑍 = 𝑚/(𝑚 + 𝑘)
donde 𝑘 = 𝐸𝑃𝑉/𝑉𝐻𝑀. Si bien estos supuestos se mantienen en términos docentes, se
encuentran lejos de abarcar toda aplicación en el mundo real.
1. El complemento de credibilidad se otorga a la media total.
2. La credibilidad se determina como la pendiente de la línea de mínimos cuadrados
ponderados a las estimaciones bayesianas.
3. Los parámetros del riesgo y el proceso de riesgo, no cambian en el tiempo
4. El valor esperado de la varianza del proceso de la suma de 𝑚 observaciones,
aumentan por 𝑚. Por lo tanto, el valor esperado de la varianza del proceso del
promedio de 𝑚 observaciones disminuye como 1/𝑚.
5. La varianza de las medias hipotéticas de la suma de 𝑚 observaciones aumentan por
𝑚2 . Por lo tanto, la varianza de las medias hipotéticas del promedio de 𝑚
observaciones es independiente de 𝑚.
Riesgos Financieros
RIESGOS DE MERCADO, CRÉDITO Y LIQUIDEZ
104
Riesgos financieros. Conforme a la
disposición 3.2.10 CUSF
• Riesgo de mercado. Reflejará la pérdida potencial por cambios en los factores de
riesgo que influyan en el valor de los activos y pasivos, tales como tasas de interés,
tipos de cambio, índices de precios, entre otros;
• Riesgo de liquidez. Reflejará la pérdida potencial por la venta anticipada o forzosa de
activos a descuentos inusuales para hacer frente a obligaciones, o bien, por el hecho
de que una posición no pueda ser oportunamente enajenada o adquirida;
• Riesgo de crédito. Reflejará la pérdida potencial derivada de la falta de pago, o
deterioro de la solvencia de las contrapartes y los deudores en las operaciones que se
efectúen, incluyendo garantías que se otorguen. Adicionalmente, deberá considerar
la pérdida potencial derivada del incumplimiento de los contratos destinados a
reducir el riesgo, como los de Reaseguro, de Reafianzamiento, de transferencia de
porciones del riesgo de la cartera de riesgos técnicos al mercado de valores y de
Operaciones Financieras Derivadas, así como las cuentas por cobrar de intermediarios
y otros riesgos de crédito que no puedan estimarse respecto del nivel de la tasa de
interés libre de riesgo;
105
Riesgos financieros
• Los riesgos de liquidez se mitigan mediante la intermediación financiera, donde los
intermediarios están preparados para comprar o vender instrumentos, con la
intención de revenderlos o recomprarlos.
• Si la transacción tiene la intención de crear una compensación a una participación
actual (es decir, el principio de correspondencia), entonces el riesgo de tiempo es
crítico. La posible migración de precios antes de que se pueda completar una
transacción es el riesgo de ejecución.
• El riesgo de crédito puede adoptar dos formas: riesgo de incumplimiento (el
incumplimiento de la contraparte) y riesgo de degradación (una reducción en
valoración del mercado de la capacidad general o el desempeño de esa empresa).
• Riesgo de liquidación: retrasos en la transferencia de documentos o del pago (un
elemento de riesgo de crédito)
El riesgo de liquidez surge cuando puede no haber una contraparte dispuesta a realizar
transacciones a un precio cercano a la transacción registrada anteriormente, dentro de
un tiempo razonable.
106
Introducción
La gestión del riesgo financiero es la actividad de
controlar los riesgos financieros y gestionar su
impacto.
• Es una subdisciplina de la tarea más amplia de
administrar el riesgo, es decir, controlar los
efectos de desarrollos (o eventos) externos
inciertos, y generalmente adversos, en las
actividades o proyectos de la empresa.
• Es una aplicación práctica de las modernas
teorías, modelos y métodos financieros.
107
Análisis de Factores de riesgo
• En su etapa inicial, el análisis de riesgos buscará determinar tanto la dirección de la
pendiente como su sensibilidad (gradiente) a los cambios en el factor de riesgo.
• Algunos de estos tendrán compensaciones, aunque inexactas, dentro de la cartera de
la empresa (activos, pasivos, contratos, proyectos, etc.). Una tarea clave de gestión
de riesgos es identificar los efectos netos de los diferentes factores.
• Para los riesgos de transacción, esto es bastante sencillo. Es más problemático para
los riesgos económicos (entorno de mercado, gobierno, competencia) y bien puede
requerir decisiones estratégicas de la empresa.
108
Volatilidad de precios y su impacto
estratégico
• Las monedas en las que una empresa obtiene sus ingresos o incurre en sus costos de
producción, tienen un impacto directo en su competitividad y rentabilidad, incluso si
solo participan en los mercados nacionales.
• La volatilidad en las tasas de interés puede significar que una compañía aumenta la
tasa mínima de rentabilidad en una inversión o requiere una recuperación de la
inversión más rápida.
• Las perturbaciones de los precios del petróleo demuestran el mismo factor en los
mercados de productos básicos (“commodities”).
109
Selección de la estrategia de cobertura
La modificación de los procedimientos operativos como herramienta de gestión de
riesgos puede ser costosa y las empresas generalmente no están dispuestas a usar esto
(gestión de riesgos operacionales o "estratégicos") como su principal medio para
controlar las exposiciones del mercado.
Así, las empresas recurren a la cobertura financiera:
• No perturba las relaciones comerciales existentes.
• Son rápidos de implementar.
• Los costos de transacción son bastante bajos.
• La cobertura puede revertirse a bajo costo si ya no es apropiada (suponiendo
liquidez).
110
Los Mercados Financieros
• Los mercados de capitales reúnen a prestatarios y prestamistas:
o Obligaciones de capital (mercado de valores)
o Obligaciones de deuda a corto plazo (mercado de dinero)
o Obligaciones de deuda a largo plazo (mercado de bonos)
• Los mercados de divisas reúnen a compradores y vendedores de divisas.
• Los mercados de productos básicos (“commodities”) reúnen a productores y
consumidores.
111
Métodos de intermediación
Aceptación: realizar una transacción para un cliente y garantizar que el cliente se
desempeñará bajo los términos del acuerdo, como cuando un banco garantiza un
crédito documental.
Corretaje: actuar como un agente para encontrar el otro lado de una transacción.
Negociación (creación de mercado): estar dispuesto a actuar como comprador o
vendedor, según la necesidad del cliente.
112
Bid – Offer Spread
Hay cuatro elementos que determinan el bid-offer spread (diferencial oferta-demanda):
• El costo de estar en el negocio
• El costo de asumir el riesgo: volatilidad, capital comprometido
• El costo de estar equivocado
• El grado de competencia entre los creadores de mercado.
Esperamos una relación negativa entre rotación y diferenciales en valores individuales.
113
Riesgo crediticio
La diferencia en la valoración después del precio en el costo de incumplimiento esperado
se expresa en términos de una diferencia en las tasas de interés utilizadas para presentar
el valor de los flujos de efectivo, es decir, un diferencial de crédito.
Esta es una formulación neutral al riesgo. Por lo general, hay un descuento adicional que
representa una prima de riesgo puro.
El diferencial será impulsado por la calidad crediticia percibida de la contraparte, el plazo
del activo, la liquidez esperada de la emisión, los efectos fiscales y cualquier derecho o
condición especial.
Se descontará un flujo de pagos mediante un promedio ponderado del plazo.
114
Eficiencia de mercado
• La capacidad y velocidad con que los mercados reaccionan a las noticias es un
indicador de su eficiencia.
• Si los movimientos de precios a corto plazo pudieran predecirse sobre la base de
patrones de precios u otras indicaciones del mercado, todos los participantes
actuarían con base en ellos. Por lo tanto, los movimientos se vuelven efectivamente
aleatorios. Los precios de largo plazo pueden estar relacionados con variables como
el crecimiento económico.
• La hipótesis de los mercados eficientes no sugiere que la aleatoriedad de los precios
no tenga sentido; más bien, que ésta es resultado de la competencia entre inversores
racionales que buscan rendimientos superiores.
115
Mercados eficientes
La Hipótesis de Mercados Eficientes (HME) se postula en tres niveles:
• Forma débil: los participantes no pueden obtener rendimientos anormales al analizar
el comportamiento previo de los precios
• Forma semi-fuerte: extiende la forma débil para incluir información disponible
públicamente
• Forma fuerte: extiende la forma semi-fuerte para incluir toda la información, ya sea
disponible públicamente o no
Un mercado es transparente cuando es posible observar el comportamiento de otros
participantes.
La medida en que el mercado incorpora nueva información para generar precios de
activos influye en el valor de esos precios para la toma de decisiones.
116
Capital Asset Pricing Model - Modelo
CAPM
Afirma que el rendimiento de un activo será una función lineal del grado en que el
activo tiene un riesgo sistémico (de mercado):
E(ra) = rf + a(E(rm) – rf) + a
donde E(ra) es el rendimiento esperado del activo, rf es la tasa libre de riesgo, E(rm) es el
rendimiento esperado del factor de mercado, a es la beta o el riesgo del activo en
relación con el factor de mercado y a es el riesgo específico (con un valor esperado de
cero, es decir, no tiene precio aquí).
La beta de un activo es una función de la covarianza del rendimiento del activo y el
factor de mercado dividido por la varianza del rendimiento del mercado:
a = Covarianzaa,m / Varianzam = (a,mam)/ 2m
117
El Riesgo Financiero de Mercado
Concepto
• Dentro de los riesgos que deben incluirse en el proceso de Administración de

Riesgos, está el riesgo financiero de mercado.
• El riesgo de mercado corresponde a las pérdidas potenciales que se pueden
producir en los activos de la empresa y especialmente en las inversiones.
• La actividad de negocio (inversión) tiene como objetivo la obtención de
rentabilidad y por ello, conlleva la toma de riesgos.
• El proceso de negocio implica tomar decisiones sobre en qué invertir (que negocio
hacer, qué riesgo tomar), qué tan significativas serán sus inversiones (cuanto
monto invertir, cuanto riesgo tomar) y cuándo llevar a cabo tales inversiones
• Existen técnicas y métricas especiales que permiten hacer estimaciones de la
pérdida potencial asociada a este riesgo que se presentan a continuación.
Riesgo de Mercado
• Puede definirse como el riesgo de incurrir en
pérdidas debido movimientos en el nivel o
volatilidad de los precios de mercado.
• Implica la exposición a movimientos en el nivel de

variables financieras tales como
 Tasas de interés
 Tipos de cambio
 Precios
 Acciones
 Materias primas (commodities)
La búsqueda de utilidad
• La función de utilidad básica para un participante del mercado financiero se evalúa
de acuerdo a la eficacia para alcanzar los objetivos establecidos, usando recursos
limitados, dentro de un horizonte temporal determinado.
Rendimiento esperado
• Diferencia (cambio) en el valor o precio del negocio (activo, inversión, instrumento,
portafolio) dentro de un período de tiempo (𝑡0 , 𝑡1 ).
Rendimiento(𝒕𝟎 , 𝒕𝟏 )=Valor(𝒕𝟏 )-Valor (𝒕𝟎 )
• O bien, en términos relativos:
Rendimiento(𝒕𝟎 , 𝒕𝟏 )=Valor(𝒕𝟏 )/Valor (𝒕𝟎 )-1

Rendimiento esperado
Ejemplo:
Suponga que tiene una inversión al momento inicial de 1000 dólares, la cual al momento
final es de 1100 dólares, entonces el rendimiento es de 100 en tanto que la tasa de
rendimiento es de: 1100/1000-1=10%.
Volatilidad del rendimiento
Una forma de observar el riesgo, es medir el cambio en el valor de una posición, es decir,
los posibles resultados obtenidos en el negocio (inversión) como consecuencia de los
cambios subyacentes en las variables que inciden en su valor (precio).
Riesgo de tasa de interés
El valor de los activos sensibles a la tasa depende directa o indirectamente de la tasa de
interés (o la tasa de descuento) utilizada para valorar los flujos de efectivo.
El riesgo de tasa de interés es el riesgo que surge de los cambios en la tasa de interés del
dinero prestado o invertido (incluido el financiamiento).
Fuentes de riesgo de tasa de interés
Riesgo de precio. Sobre la tasa de interés usada para encontrar el valor presente de los
flujos de efectivo futuros.
Precio del Bono = 𝐶 [(1 + 𝑖)𝑡 – 1] / 𝑖(1 + 𝑖)𝑡 + 100/(1 + 𝑖)𝑡
donde C es el cupón, i es la tasa de interés vigente y t es el vencimiento del bono.
• Los precios de los activos caen cuando las tasas de interés aumentan y viceversa.
• La sensibilidad aumenta con el plazo d vencimiento.
• Los bonos cupón cero tienen la mayor sensibilidad a un cambio de tasa, ya que todo
el valor se refleja en el flujo de caja terminal.
124
Riesgo de reinversión. Sobre la tasa de interés utilizada para encontrar el valor futuro (o
valor compuesto), de los flujos de efectivo futuros.
• El riesgo surge cuando los flujos de efectivo vencidos (por ejemplo, cupones o pagos)
deben reciclarse en nuevas inversiones o nuevos préstamos.
• El valor futuro de los flujos de efectivo reinvertidos aumenta a medida que aumentan
las tasas de interés.
Riesgo de pago anticipado (a veces llamado riesgo call). Surge si el prestatario tiene
derecho a pagar la deuda antes del vencimiento del contrato(amortización anticipada,
recompra).
La oportunidad surge para el prestatario si puede refinanciar a tasas más bajas. Por lo
tanto, el riesgo aumenta a medida que caen las tasas.
Si la opción está en el dinero, el valor del flujo de caja futuro se limita al valor presente
del cupón más la penalización por ejercer el call.
125
Riesgo de extensión. Surge cuando el prestatario tiene una opción (aún no ejercida) para
modificar los flujos de efectivo.
En una garantía respaldada por hipotecas, por ejemplo, donde el reembolso de
intereses y capital está respaldado por hipotecas sobre propiedades, el prestatario a
menudo tiene una opción de prepago, a veces sujeto a una multa. Para una cartera de
dichos activos, habrá un número esperado de dichos prepagos, pero el número real
puede ser mayor o menor.
La extensión no se refiere a un alargamiento del plazo, de la forma en que el prepago
funciona (acorta el plazo). Por el contrario, el número esperado de prepagos es menor,
por lo que efectivamente "extiende" el plazo esperado de flujo.
126
Estructura de Plazos
La estructura temporal de las tasas de interés a menudo se representa gráficamente en
lo que se conoce como curva de rendimiento.
• La curva observada no es estacionaria con el tiempo: la curva cambia en respuesta a
la nueva información y las acciones de los participantes del mercado.
• Existe la clásica pendiente ascendente, lo que implica una prima; una pendiente
descendente, lo que implica un descuento; plano; o con joroba
Teorías tradicionales de la estructura de plazos
1. La Teoría de las Expectativas propone que la forma de la curva de rendimiento está
determinada por la opinión de los participantes del mercado sobre el curso futuro de
las tasas de interés a corto plazo y la demanda de valores de un vencimiento
particular.
• La teoría establece que el rendimiento esperado de un activo de cualquier
vencimiento es el mismo para el mismo período de tenencia. Es decir, los
inversores esperan obtener el mismo rendimiento al mantener un valor de dos
127
Teorías tradicionales de la estructura
de plazos
1. Teoría de las expectativas (cont.).
años durante un año que el que se obtendría al tener un valor de un año durante un
año.
(1 + 0rn) = [(1 + 0r1) (1 + E0(1r2)) (1 + E0(2r3) … (1 + E0(n-1rn) ]1/n
• Las tasas de interés a largo plazo están determinadas por las tasas de interés a
corto plazo y el grado en que éstas se correlacionan a lo largo del tiempo.
2. La Teoría de la Preferencia de Liquidez propone que los inversores exijan una prima
de riesgo de plazo de vencimiento como compensación por mantener inversiones de
mayor plazo de vencimiento.
• Las primas de liquidez sobre las tasas esperadas se incrementarían, pero las tasas
esperadas subyacentes no necesariamente aumentarían (las curvas podrían ser
planas o jorobadas).
128
Teorías tradicionales de la estructura
de plazos
2. Teoría de la Preferencia de Liquidez (cont.).
• Según esta teoría, las tasas a corto plazo derivadas de la curva de rendimiento
sobreestimarán la tasa a corto plazo cuando la curva tiene pendiente ascendente,
y la subestimarán cuando la curva esté invertida.
3. La Teoría de la segmentación del mercado propone que los participantes del mercado
tienen un rango de vencimiento preferido en el que les gusta pedir prestado o
prestar.
• La curva de rendimiento es, por lo tanto, una serie de mercados segmentados por
plazo de vencimiento.
• Si estas preferencias están vinculadas a los activos o pasivos subyacentes, los
participantes estarán cada vez menos dispuestos a sustituir, a medida que se
alejan de su rango preferido.
129
Una teoría moderna de la estructura de
plazos
Los cambios en las tasas de interés a corto plazo se caracterizan por dos componentes:
• El primero es un proceso determinista que devuelve la tasa a su tendencia central, a
la tasa correspondiente a un período de tiempo determinado.
• La segunda es una variable aleatoria tomada de una distribución normal con una
media de cero y una desviación estándar de uno.
• Se requiere el componente determinista para tener en cuenta la "reversión media"
que se puede observar en las tasas de interés. A su vez, el elemento estocástico
prevé los cambios impredecibles en las tasas.
130
Analizando la curva de rendimiento
• Las tasas spot o tasas cupón cero, derivadas de la curva de rendimiento,
proporcionan las tasas de interés para valuar los flujos de efectivo futuros.
• La tasa de interés nominal se puede descomponer en dos elementos: una tasa de
interés real y una prima de inflación.
(1 + rnominal) = (1 + rreal) x (1 + inflación esperada)
o Por ejemplo, si los inversores esperan ganar una tasa real del 4 por ciento y se
prevé que la inflación sea del 3 por ciento, entonces esperaríamos una tasa
nominal = (1.04) x (1.03) = 7.12%
• Podemos caracterizar los cambios en la curva de rendimiento, como pueden ser las
expectativas sobre el cambio en la inflación, como un cambio paralelo (todos los
vencimientos cambian en la misma cantidad) o como un cambio de inflexión (la curva
de rendimiento se concentra alrededor de un punto de vencimiento particular).
• Ambos cambios pueden ocurrir simultáneamente, dando lugar a efectos de torsión.
131
Los mercados de dinero
Son mercados a corto plazo (generalmente de un año o menos) para instrumentos de
préstamo hechos entre prestatarios y prestamistas.
• Los ejemplos incluyen: depósitos bancarios, préstamos interbancarios, papel
comercial, certificados de depósito, letras de cambio, pagarés y créditos
contractuales.
• Normalmente tienen solo dos flujos de efectivo: una inversión / recibo inicial (VP)
seguido por el reembolso posterior del principal e intereses (VF).
Instrumentos a plazo
La mayoría de los instrumentos de deuda con vencimientos superiores a un año, como
deuda a plazo, bonos o pagarés, tienen múltiples flujos de efectivo.
• El prestatario acuerda pagar un monto de interés fijo o variable (un cupón) por un
período específico y un pago final de interés (yield) junto con el principal prestado.
• Con una estructura de anualidad, desde el primer pago periódico, el principal se está
devolviendo al prestamista.
132
Cálculos de bonos
Los rendimientos de los bonos normalmente se expresan en términos de la tasa interna
de rendimiento o el rendimiento del instrumento. Sin la opción de intercambio
anticipado:
VP = C1/(1+y)1 + C2/(1+y)2+ … + Cm/(1+y)m + P/(1+y)m
donde C es el pago del cupón, P es el principal e y es la tasa de descuento constante
utilizada para relacionar el valor presente (VP) o el precio de mercado del bono, con sus
flujos de efectivo futuros.
La fórmula se puede usar para fijar el precio de un bono entre las fechas de pago,
produciendo un precio total o "sucio", que refleja los intereses devengados pero no
pagados. Entonces podemos hacer un ajuste por intereses acumulados para obtener un
precio de mercado o "limpio".
133
Riesgo Cambiario
El riesgo cambiario puede surgir de los cambios en la tasa spot y los cambios en la tasa al
plazo. Este último es un riesgo complejo, ya que combina cambios en la tasa spot con
cambios en las tasas de interés relativas entre dos monedas.
El valor, o tipo de cambio, de una moneda en relación con otra, cambia con el tiempo en
respuesta a las fuerzas del mercado.
Otros factores de riesgo
El tipo de cambio también está influenciado por las condiciones económicas y políticas:
• Diferencias en las tasas de inflación y tasas de interés entre países.
• Políticas aplicadas por el gobierno: controles sobre importaciones, riesgo de
transferencia, riesgo país (expropiación)
• Estabilidad política del gobierno y del país.
134
Modelos explicativos para el riesgo
cambiario
• Paridad de tasa de interés
• Paridad del poder adquisitivo
• Teoría de las expectativas
• Efecto internacional de Fisher

Modelo de paridad de tasa de interés
(IRP)
IRP: el precio forward o tasa de intercambio (𝐹𝐷/𝐹 ) en el momento (t) entre la moneda
nacional (D) y la moneda extranjera (F), será igual al diferencial de tasa de interés entre
las monedas:
1 + 𝑟𝐹 𝑡 𝐹𝐷/𝐹(𝑡)
=
1 + 𝑟𝐷(𝑡) 𝑆𝐷/𝐹
Si el tipo de cambio spot = USD 1.50/£, la tasa de interés en USD es 6% y la tasa en

libras esterlinas es 8%, entonces: 1.5𝑥(1.06/1.08) = 1.4722. Si las tasas de interés se
mantuvieran estables, en dos años a futuro: 1.5𝑥(1.062/1.082) = 1.4450.
136
Cobertura de arbitraje de tasas interés
TCSpot = USD 1.50/£ con un precio forward de 1 año = 1.4722
Si forward a un año = USD 1.45/£ Si forward a un año = USD 1.49/£
Préstamo en £ a 8% Préstamo en USD a 6%
Compro USD al spot Compro £ @ spot
Invierto a 6% = 1.59 Invierto a 8% = 1.08
Vendo el forward a 1.45 = £ 1.0966 Vendo el forward a 1.49 = USD 1.6092
Costo del Préstamo = 1.08 Costo del Préstamo = 1.59
GLR = £ 0.0166 GLR = USD 0.0192
Paridad del poder adquisitivo
Paridad absoluta de poder adquisitivo: si un producto se fabrica en dos países, según la
ley de un precio, debe tener el mismo valor en ambos mercados.
De lo contrario, uno podría comprarlo en la ubicación más barata y enviárselo al otro
para obtener una ganancia sin riesgo.
Paridad relativa del poder adquisitivo: en comparación con un período en que las tasas
están en equilibrio, los cambios en las tasas de inflación diferenciales se compensarán
con cambios iguales pero opuestos en la tasa a plazo.
138
Teoría de las expectativas
La tasa forward (adelantada) debe reflejar las expectativas de los participantes de cuál es
la tasa spot futura probable. De lo contrario, estarán dispuestos a comprar o vender para
capturar el valor en tasas "mal tasadas" hasta que se establezca el equilibrio.
La tasa promedio forward es una estimación insesgada de la tasa spot futura.
Sin embargo, existe una considerable variabilidad entre la tasa forward y la tasa spot
futura real.
139
Efecto internacional de Fisher
Esta es una extensión del análisis de Irwin Fisher de que los prestamistas buscan una
tasa de interés nominal que los compense por los efectos de la inflación y también les
permita ganar una tasa de interés real.
En ausencia de controles, el capital fluirá al país con las tasas reales más altas hasta que
los rendimientos se igualen.
Por lo tanto, las diferencias en las tasas observadas deben provenir de las diferencias en
la inflación esperada.
1rF(t) E(1iF(t)) La razón de las tasas de interés
 nominales es igual a la razón de las tasas
1rD(t) E(1iD(t)) de inflación esperadas
S
D/F(t)SD/F rF(t)rD(t) El cambio proporcional en la tasa spot es
 igual al cambio proporcional en las tasas
S D /F 1rD(t) nominales
140
Exposición a divisas
Hay varios riesgos afectarán los números contables reportados por una organización.
• La exposición a la transacción es cuando el valor de las cuentas por pagar o por
cobrar están en una moneda extranjera y varían directamente con el tipo de cambio
hasta que se pagan.
• La exposición a la conversión no está directamente relacionada con las transacciones
de efectivo: surge de la conversión de partidas en moneda extranjera (por ejemplo,
un activo fijo ubicado en una jurisdicción extranjera) a la moneda de reporte.
• Una empresa tendrá una exposición larga (positiva) si los activos expuestos son
mayores a los pasivos expuestos, y una exposición corta (negativa) si los activos
expuestos son menores a los pasivos expuestos.
Efecto Económico es una desviación significativa de la paridad del poder adquisitivo, lo
que afecta el valor de los flujos de efectivo futuros.
Las exposiciones directas son aquellas en las que los movimientos cambiarios afectan
directamente a la empresa. La exposición indirecta es el impacto de los movimientos del
tipo de cambio sobre los competidores y proveedores.
141
Sensibilidad a la exposición económica
1. Empresa local: los costos e ingresos están denominados en la moneda local. La
sensibilidad es baja.
2. Exportador: Los costos están en moneda local pero los ingresos están en moneda
extranjera. La sensibilidad es alta.
3. Importador: Los costos están en moneda extranjera pero los ingresos están en
moneda local. La sensibilidad es alta.
4. Empresa global: los costos e ingresos están denominados en monedas extranjeras. La
sensibilidad es baja.
142
Riesgo de Precio de la Acción y de
Productos Básicos (“commodities”)
La acción es el elemento de riesgo en la estructura de capital de una empresa.
Proporciona un reclamo real sobre los flujos de efectivo subyacentes.
• Una vez satisfechos todos los reclamos de deuda, el reclamo residual a la empresa y
sus flujos de efectivo se acumulan para los tenedores de capital.
El modelo simple de flujo de caja sugiere dos fuentes potenciales de riesgo del capital,
una es sistémica (general a todas las empresas) y la otra es específica de la empresa.
Fuentes de Riesgo de la Acción
La tasa de rendimiento que los inversores buscan estará relacionada con:
• La tasa libre de riesgo y los cambios esperados en esa tasa.
• Los riesgos asociados a los flujos de efectivo futuros. La porción sistémica (beta) se
mide por la covarianza de los rendimientos, dividida por la varianza de los
rendimientos del mercado, y cambia muy lentamente. El riesgo específico de la
empresa está relacionado con su propio desempeño dentro de sus mercados y
sectores, o el impacto de eventos particulares.
143
Atributos de las acciones comunes
Los tenedores de acciones comunes (ordinarias) tienen pro-rata:
• Derecho a dividendos
• Parte del valor residual en la liquidación
• Acceso limitado a los registros y cuentas financieras de la empresa.
• Privilegios de voto
• Para las empresas que cotizan en bolsa, el derecho a transferir libremente la
propiedad
• En algunas jurisdicciones, privilegios de suscripción (para mantener la participación
en la propiedad)
• Responsabilidad limitada a la inversión representada por la acción.
144
Productos Básicos “commodities”
Es un término genérico para materias primas negociadas.
• Los commodities “duros” no son perecederos: la clase se divide en metales preciosos
y metales base. Los "softs" incluyen los productos agrícolas. Los productos
energéticos incluyen petróleo crudo, gas natural y productos refinados.
En contraste con los activos financieros:
• Hay costos significativos asociados con la tenencia o entrega de un commodity.
• Puede haber grandes fluctuaciones en los precios producidas por la percepción de un
superávit o escasez.
• Como hay poca o nula oportunidad de sustitución, hay un rendimiento de
conveniencia asociado con la tenencia del commodity.
145
Comportamiento de los precios de los
activos
Los rendimientos de mantener activos financieros se ajustan en gran medida a una
distribución normal (o a una distribución lognormal), excepto si:
• Hay una mayor incidencia de cambios a precios extremos, con las "colas gruesas"
llamada leptokurtosis.
• Hay una mayor incidencia de cambios pequeños en precios, con un pico alto (moda)
llamado curtosis.
• Hay un sesgo negativo, es decir, más observaciones a la izquierda de la media.
Los cambios de precios son esencialmente aleatorios, similares al movimiento
geométrico browniano (MGB). La probabilidad de una gran migración en los precios
aumenta con el tiempo.
Cálculo de cambios de precios
La conversión del precio relativo (𝑃𝑡 /𝑃𝑡−1 ) a un logaritmo natural (a la base e =
2.71828) permite el uso de suma y resta y otras técnicas estadísticas estándar.
146
Cálculo de los cambios en precios
A medida que acortamos la frecuencia de interés, la tasa efectiva aumenta (del mismo
modo, la tasa equivalente disminuye).
La tasa de interés más alta se obtiene mediante capitalización continua o, como a veces
se conoce, la fuerza de interés. Esto es prácticamente equivalente a la capitalización
diaria.
El término 𝑒 𝑟𝑡 proporciona la tasa de rendimiento compuesta continua de un activo. El
término 𝑒 −𝑟𝑡 proporciona un descuento continuo.
Para convertir de un pago de mayor frecuencia a un equivalente anual:
𝑟𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎 = [1 + (𝑟𝑛𝑜𝑚𝑖𝑛𝑎𝑙 /𝑓)] 𝑓 – 1 donde 𝑓 es la frecuencia anual
5% pagadero semestral = [1 + (0.05/2)]2 – 1 = 5.0625%
Para convertir de un pago de frecuencia menor a mayor:
𝑟𝑎𝑛𝑢𝑎𝑙 = [(1 + 𝑟𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎 )1/𝑓 – 1] × 𝑓
La tasa trimestral del 5% paga anualmente=[( 1 + 0.05)0.25 – 1] × 4 = 4.9089%
147
Distribución Continua vs Distribución
discreta
Una ventaja de convertir los cambios de precios en un proceso continuo es que las
distribuciones continuas de probabilidad pueden usarse para estimar la probabilidad de
que un rendimiento (y, por lo tanto, el precio futuro) caiga dentro de un parámetro dado.
• Tal distribución está fácilmente disponible para las variables dada la transformación
logarítmica y se conoce como distribución Log-normal.
• Desde una perspectiva conceptual, esto proporciona una medida de la tasa de
cambio continua en el precio del activo. Al convertir un precio semanal o mensual en
retornos continuos, obtenemos una serie de rendimientos diarios (o de otro
período).
148
Estadísticas básicas - Volatilidad
Es el término que se aplica comúnmente a la medida de la dispersión de precios o tasas
observada en los mercados financieros.
Describimos un activo con una mayor dispersión (es decir, un mayor rango de resultados
potenciales) como "más riesgoso".
El registro histórico proporciona solo una guía del riesgo futuro: una proyección basada
en la volatilidad histórica incorpora la suposición de que el futuro será como el pasado.
La volatilidad surge porque los participantes del mercado reevalúan un activo. En un
mercado eficiente, el precio de un activo refleja información conocida sobre él. A
medida que se recibe nueva información, las opiniones sobre el valor del activo cambian.
Hay dos componentes que impulsan el valor del activo: el primero es el rango de valores
que se puede suponer al final del período y el segundo son las probabilidades asociadas
a este rango de valores. Los cambios en las evaluaciones de ambos factores a lo largo
del tiempo cambiarán el valor actual, pues impactarán en el precio esperado del activo.
La distribución esperada de los cambios de precios nos da el valor actual del activo
149
Como medir la Volatilidad
La volatilidad histórica es una medida de la dispersión de los movimientos observados
en los precios de los activos en un período de tiempo determinado.
• Como medida, la volatilidad es la desviación estándar anualizada del rendimiento
diario.
• Esto puede sufrir el problema de la extrapolación.
La volatilidad implícita es el consenso del mercado sobre la distribución potencial futura
de los resultados que pueden existir durante la vida útil de una opción.
El enfoque implica "regresar" la volatilidad a los precios de las opciones observadas
utilizando un modelo de “pricing” de opciones.
150
Proceso generador de Precios
En un proceso de Markov, el precio actual es la única variable útil para predecir el futuro.
Al igual que en un mercado eficiente de forma débil, ningún otro análisis permite a los
participantes obtener rendimientos anormales.
Una variante de Markov es un proceso de Wiener: un cambio en el precio (𝑟) para un
período determinado se basa en una variable aleatoria Φ extraída de una distribución
de probabilidad normal con una media de 0 y una desviación estándar 1. Así tenemos:
𝑟 = Φ(Δ𝑡)1/2
Si los precios de los activos se mueven en un tiempo discreto, un modelo de movimiento
geométrico browniano nos da un cambio de precio de:
Δ𝑃
= 𝜇Δ𝑡 + 𝜎Φ(Δ𝑡)1/2
𝑃
donde durante un período de tiempo pequeño (Δ𝑡), el cambio en el precio del activo
(Δ𝑃) estará dado por el rendimiento esperado por unidad (𝜇), una variable aleatoria(Φ)
que proviene de una distribución normal estándar y la volatilidad del precio del activo
(𝜎).
151
Como tratar con las desviaciones
Aunque el supuesto de distribución normal es conveniente, el comportamiento de los
precios observados no se explica completamente y puede generar sorpresas en un
contexto de Gestión de Riesgos.
• Esto ha llevado al uso de "pruebas de estrés", ya sea creadas por escenarios o
simulación.
• Dos modelos alternativos son: la distribución compuesta (que combina dos
distribuciones normales con diferentes desviaciones estándar para crear la curtosis),
y un proceso de difusión de salto (que inserta "saltos" de precios a la difusión
habitual, replicando así las colas gruesas).
152
Sensibilidad al riesgo
Una forma de observar el riesgo, es medir el cambio en el valor de una posición para un
cambio dado en la exposición subyacente.
• La inclinación de la pendiente (o el coeficiente) indica la sensibilidad.
• La dirección (signo) indica si la exposición está relacionada positiva o negativamente
con los cambios en el riesgo.
Un enfoque up-and-down utiliza información agregada para derivar una sensibilidad
residual. Un enfoque de bloques constructivos genera una sensibilidad neta a nivel de
grupo al sumar (y eliminar) las exposiciones individuales.
Una forma de adaptar la información contable es establecer límites particulares en
varias entradas, por ejemplo, un límite de riesgo de crédito de contraparte.
Este se puede complementar con el mark-to-market o la revaluación, donde el valor de
un activo o pasivo se compara con su precio de mercado actual, lo que indica el
rendimiento comercial o nos da un valor nocional de liquidación.
153
El Valor en Riesgo (VaR)
El Valor en Riesgo (Value at Risk-VaR) es un método predictivo que, basado en el proceso
de difusión de precios, estima la pérdida potencial máxima en un horizonte de tiempo
determinado y a un cierto nivel de confianza.
• El riesgo puede medirse estadísticamente, por medio de la desviación (volatilidad) de
los resultados no esperados.
• Captura los efectos holísticos del riesgo, al unir todas las líneas de productos y
segmentos de activos utilizando una metodología común.
• La metodología es generalmente robusta.
• Tiene inmediatez y relevancia para la alta gerencia.
• Regulatoriamente, mejora la divulgación de los riesgos entre empresas privadas.
• Sea 𝑝 el nivel de confianza y 𝐿 la distribución de pérdidas, una definición general del
𝑉𝑎𝑅 es que corresponde a la pérdida más pequeña, en valor absoluto, tal que:
𝑃 𝐿 > 𝑉𝑎𝑅 ≤ 1 − 𝑝.
Variantes del VaR
• VaR no paramétrico. Es el método más general, ya que no hace supuestos sobre la
forma de la distribución de los rendimientos. Los más comunes son:
o VaR por simulación Histórica. Clasifica los valoraciones pasadas (distribución
empírica), luego define 𝐻𝑉𝑎𝑅 = 1 − 𝑝, donde 𝑝 es el límite de confianza.
o VaR por Simulación. Se construye la distribución de las valoraciones a partir de
proyecciones (corridas), generadas por un modelo de simulación
(generalmente, Monte Carlo).
• VaR paramétrico. También llamado VaR de varianza-covarianza. Supone que la
distribución de las valoraciones pertenece a una familia paramétrica, por ejemplo la
distribución normal, y estima volatilidades y correlaciones.
• VaR no diversificado. Ignora cualquier efecto de diversificación (ignora la
composición de la cartera).
Elementos para calcular el VaR de una
posición
1. Valuar a mercado la posición actual (o monto en exposición 𝑀). Por ejemplo, el valor
actual 𝑀 de una posición en acciones es $1000.
2. Medir la variabilidad del factor de riesgo 𝜎 (volatilidad de las variables que inciden
en el valor de mercado de la posición), la cual normalmente se expresa en términos
anuales.
Con ello se estiman las desviaciones potenciales en el valor de la posición en un
período, por ejemplo para 𝜎 = 100 una ganancia de +100, lleva a un valor de $1100.
3. Establecer el horizonte de tiempo o período de tenencia, 𝑇, el cual representa el
período de exposición al riesgo.
Si 𝑇 < un año, la volatilidad se ajusta por 𝑇, por ejemplo si T=6 meses y 𝜎 = 10%,
entonces la volatilidad es σ 𝑇 = 0.10 1/2
Elementos para calcular el VaR de una
posición
4. Establecer el nivel de confianza 𝑝, el cual generalmente 𝑝 ≈ 1. 𝑝 permite estimar un
límite en el número de ocasiones en que una pérdida superior al VaR puede
presentarse.
𝑃 𝐿 > 𝑉𝑎𝑅 = 𝑃 𝐿 > 𝜋𝑝 = 1 − 𝑝 = 0.01
Por ejemplo, si una pérdida se distribuye normal y se establece un nivel de confianza
𝑝 = 99%, el VaR al 99% de la distribución de pérdidas estará determinado por el
cuantil 𝜋99% que haga que 𝑃 𝐿 > 𝜋99% = 1 − 0.99 = 0.01
En este caso, 𝜋𝑝 = 𝜋99% = 2.33 (esto dependerá de la distribución asumida).
4. Reportar la peor pérdida potencial, procesando toda la información anterior en una

distribución de probabilidad de ingresos, la cual es resumida por el VaR, es decir,
𝑉𝑎𝑅𝑝% = 𝑀 ∗ 𝜋𝑝 ∗ 𝜎 ∗ 𝑇 = $1000 ∗ 2.33 ∗ 10% ∗ 1/2 = 164.50
Distribución prospectiva no
paramétrica
En su forma más general, el VaR se puede derivar de la distribución de probabilidad del
valor futuro de la posición 𝐹𝑀 (𝑚). A un nivel de confianza dado 𝑝 deseamos encontrar la
peor realización posible 𝑀∗ tal que la probabilidad de tener un valor menor que 𝑀∗ ,
𝑃𝑀 𝑚 ≤ 𝑀∗ , es 1 − 𝑝.
El numero 𝑀∗ es llamado el cuantil de la distribución y es el valor de corte con una
probabilidad fija, baja y pre-especificada, de ser excedido.
Supongamos que con esto se define la distribución prospectiva, asumiendo que los
rendimientos diarios son independientes e idénticamente distribuidos, entonces
podemos encontrar el 𝑉𝑎𝑅𝑝% en el 𝑝% por ciento de "cola perdedora" del lado izquierdo
del histograma
VaR no paramétrico
• Sea 𝑀0 el valor inicial de una inversión y 𝑟 su tasa de rendimiento, la cual es
aleatoria. Si asumimos que la posición es fija o que no hay negociación, al final del
horizonte objetivo T , 𝑀 = 𝑀0 ∗(1+𝑟).
• Se define ahora el valor más bajo de la posición a un nivel de confianza dado 𝑝 como
𝑀∗ = 𝑀0 (1+𝑟 ∗ ).
• Se definen el rendimiento esperado y la volatilidad de 𝑟 como 𝜇𝑟 y 𝜎𝑟
• El VaR relativo se define como la pérdida monetaria relativa a la media, sobre el
horizonte de tiempo 𝑉𝑎𝑅𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 = 𝐸(𝑀) − 𝑀∗ = −𝑀0 (𝑟 ∗ − 𝜇𝑟 )
• El VaR absoluto se define como la pérdida monetaria relativa a la cero o sin
referencia de valor esperado 𝑉𝑎𝑅𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 = 𝑀0 − 𝑀∗ = −𝑀0 (𝑟 ∗ ).
VaR no paramétrico
1. Considere una posición con un valor de mercado actual de 𝑀0 = $100 millones.
2. Se cuenta con una serie de rendimientos diarios del factor de riesgo que conforma la
posición de mercado. La variable 𝑟 tiene los parámetros 𝜇𝑟 = 0.009% y 𝜎𝑟 =
0.157%
3. Se desea calcular el VaR diario, relativo y
absoluto, para esta posición a un nivel de
confianza del 99%. El cuantil 𝑀∗ = $99.66 =
100(100%−0.343%) = 𝑀0 (1+𝑟 ∗ )
4. 𝑉𝑎𝑅𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 = 100 − 99.66 =

− 100 −0.343% = 0.343
5. 𝑉𝑎𝑅𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 = −100 −0.343% − 0.009% =

0.352
VaR paramétrico
• Las posiciones de los instrumentos se descomponen en sus factores de riesgo o bien,
son mapeados a sus factores equivalentes
• Se recomienda este tipo de cálculo para posiciones poco complejas o carteras
simples (del tipo lineal, sin opciones), como pueden ser: bonos, acciones, divisas,
commodities o derivados lineales, como futuros y swaps.
• La implementación de ésta metodología es relativamente simple, con menos
recursos de sistemas y de fácil interpretación.
• Es una métrica fácil de entender e interpretar para la alta dirección de la empresa y
los supervisores
Ejemplo…
1. Considere una posición en la acción B con valor a mercado actual de 𝑀 = $100
2. Se encontró que la variabilidad del factor de riesgo (precio de la acción B), es 𝜎 =
15% por año.
3. Se establece el horizonte temporal de interés en 10 días de negociación, por lo que
se debe modificar la volatilidad anual por 10/252, es decir, una base de 252 días o
un año de días hábiles negociables (puede usarse base 360 o 365)
4. Se establece el nivel de confianza 𝑝 = 99%, con el supuesto de distribución normal
de los rendimientos. Buscamos 𝜋99% tal que Φ 𝑍 > 𝜋99% = 0.01, por lo tanto el
factor de pérdida 𝜋99% = 2.33
5. La peor pérdida potencial a reportar, con la información anterior, es
𝑉𝑎𝑅𝑝% = $100 ∗ 2.33 ∗ 0.15 ∗ 10/252 = $7
El VaR de una cartera
Sea 𝐶𝑡 el valor de mercado de una cartera, la cual puede incluir instrumentos de renta
fija, renta variable, derivados y otros instrumentos. La regla general es que el VaR al 𝑝%
de confianza, puede calcularse como:
𝑉𝑎𝑅𝑝% = 𝜋𝑝 ∗ 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎(𝑑𝐶𝑡 )
Donde 𝜋𝑝 representa el factor de la distribución de pérdida 𝐿 que hace que 𝑃൫𝐿 >
Rendimientos de la cartera
Harry Markowitz ganó un Premio Nobel por sus conocimientos sobre el proceso de
construcción y optimización de carteras/portafolios.
Lo que nos indica su modelo es que, incluso cuando los rendimientos potenciales no
cambian, podemos reducir la dispersión del rendimiento con una selección adecuada de
nuestra cartera de activos.
Para activos no correlacionados, la desviación estándar de los rendimientos disminuye a
la tasa de 𝐸(𝑉) × 1/𝑛1/2, donde 𝑛 es el número de inversiones en la cartera. (VHM)
Ejemplo de cálculo de rendimientos
Si se hizo un préstamo por $1,000 y el interés pagado fue de $87.50:
En términos absolutos, el rendimiento es 𝐶𝐹1 − 𝐶𝐹0 = $1,087.50 − $1,000 = $87.50
En términos porcentuales,(𝐶𝐹1 − 𝐶𝐹0 )/𝐶𝐹0 × 100 = $87.50/$1,000 × 100 = 8.75%
Aunque a veces es útil conocer el rendimiento en términos absolutos, el término
estandarizado permite una comparación más fácil.
164
Parámetros del rendimiento de una
cartera
El rendimiento esperado de la cartera 𝐸 𝑟𝐶 = 𝜇𝐶 es el promedio ponderado de los
rendimientos esperados 𝐸 𝑟𝑖 = 𝜇𝑖 de sus componentes:
𝐸 𝑟𝐶 = σ𝑖 𝑤𝑖 𝐸(𝑟𝑖 ) tal que σ𝑖 𝑤𝑖 = 1
Por ejemplo, considere una cartera C con valor actual 𝑀 = $1000, conformada por 4
instrumentos ABC,DEF, GHI y CFI con rendimientos esperados 8%, 15%, 12% y 10%,
respectivamente.
Los pesos de cada instrumento dentro de la cartera son ABC=60%, DEF=20%, GHI=10%
y CFI=10%,
Entonces, el rendimiento de la cartera está dado por la suma del producto de los
vectores (0.08,0.15,0.12,0.10) y (0.6, 0.2,0.1,0.1), por lo cual 𝜇𝐶 = 10%
Parámetros de varianza y covarianza
Para calcular el riesgo de cartera, requerimos obtener primero la varianza (𝜎𝑖2 ) y la
desviación estándar (𝜎𝑖 ) de los activos individuales, así como su covarianza (𝜎𝑖𝑗 ) o
correlación (𝜌𝑖𝑗 ).
La correlación es un índice de interdependencia lineal entre los instrumentos, como
toma valores en (-1,1), es independiente de la unidad de medida y permite estimar que
tan relacionados están dos instrumentos y en qué sentido. Por ejemplo, si la correlación
entre A y B es -1 (negativamente correlacionados) éstos se moverán en direcciones
opuestas, a un mismo tiempo, es decir, la pérdida en uno de los activos implicará la
ganancia en el otro y viceversa.
Entonces, la covarianza permite estimar el grado de variación conjunta del rendimiento
de dos instrumentos, respecto de su rendimiento esperado. Cuando se conocen las
variables de pérdida (y sus parámetros), se calcula como
𝜎𝑖𝑗 = 𝐶𝑜𝑣 𝑟𝑖 , 𝑟𝑗 = 𝐸 𝑟𝑖 ∙ 𝑟𝑗 − 𝐸 𝑟𝑖 ∙ 𝐸(𝑟𝑗 )
Estadísticas básicas - Distribución
normal
El comportamiento de los rendimientos del mercado puede aproximarse estrechamente
con la distribución normal. Su atractivo es que, una vez que se ha calculado la
desviación estándar, permite estimar fácilmente el nivel de confianza o la probabilidad
de que un resultado particular esté dentro de un rango de rendimientos determinado.
• 𝑧 = (𝑥𝒊 − )/ donde 𝑧 es la probabilidad en la distribución normal estándar, 𝑥𝑖 es la
variable real observada y 𝜇 es la media de las variables observadas.
El coeficiente de correlación se calcula a partir de la covarianza mediante la siguiente
fórmula:
ij =ij /(i x j)
La cual toma valores entre [– 1,1].
El grado en que el comportamiento de un activo puede explicarse por el
comportamiento del otro activo se encuentra en el coeficiente de determinación (R2),
que es el coeficiente de correlación al cuadrado (2ij).
167
Varianza de una cartera
Cuando la covarianza entre dos distribuciones se estima mediante datos observados, la
fórmula de cálculo es
∗ ∗ ∗ 1 1
𝜎𝑖𝑗 = 𝐶𝑜𝑣 𝑟𝑖 , 𝑟𝑗 = ෍(𝑟𝑖,𝑘 − 𝜇𝑖 )(𝑟𝑗,𝑘 − 𝜇𝑗 ) = ෍ 𝑟𝑖,𝑘 𝑟𝑗,𝑘 −𝜇𝑖 𝜇𝑗
𝑛−1 𝑛−1
𝑘 𝑘
𝑗≠𝑖 𝑗≠𝑖
Donde 𝑘 = 1, 2, … , 𝑛, con 𝑛 el número de datos observados de la variable (por ejemplo,
252 datos diarios), y en este caso, de los rendimientos por instrumento.
Una vez calculadas las varianzas y covarianzas de los instrumentos en la cartera,
podemos calcular su varianza
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑟𝐶 = 𝜎𝐶2 = ෍ 𝑤𝑖2 𝜎𝑖2 + ෍ ෍ 𝑤𝑖 𝑤𝑗 𝜎𝑖𝑗

𝑖 𝑖 𝑗
𝑗≠𝑖
Por ejemplo, para dos activos se tiene: 𝜎𝐶2 = 𝑤𝑎2 𝜎𝑎2 + 𝑤𝑏2 𝜎𝑏2 + 2𝑤𝑎 𝑤𝑏 𝜎𝑎,𝑏
Ejemplo con VaR Paramétrico
1. Considere un portafolio conformado por los 4 instrumentos ABC,DEF, GHI y CFI, con
valor de mercado actual 𝑀 = $1000 y las siguientes ponderaciones 𝑊 =
(0.60, 0.20,0.10,0.10). Estos instrumentos tienen la siguiente matriz de covarianzas,
calculadas con la serie de rendimientos diarios de los instrumentos:
Matriz de Covarianzas
ABC DEF GHI CFI
ABC 0.000037 -0.000018 -0.000017 -0.000001
DEF -0.000018 0.000321 0.000257 0.000159
GHI -0.000017 0.000257 0.000227 0.000143
CFI -0.000001 0.000159 0.000143 0.000142
2. Se establece el nivel de confianza 𝑝 = 99%, con el supuesto de distribución normal

multivariada, lo que lleva a un factor de pérdida 𝜋𝑝 = 2.33
3. La varianza del portafolio descrito puede obtenerse directamente en Excel.

Ejemplo con VaR Paramétrico
3. Usando las funciones matriciales MMULT() y TRANSPOSE(), calculamos una varianza
de los rendimientos diarios del portafolio como 𝜎𝐶2 = 0.00004287, por lo cual 𝜎𝐶 =
0.006548.
4. El VaR paramétrico diario, al 99% de confianza, para la cartera descrita es 𝑉𝑎𝑅99% =
$1000 × 2.33 × 0.006548 = 15.2318
Advertencia: La cartera 𝐶𝑡 considerada en el ejemplo puede incluir instrumentos de
renta fija, renta variable, derivados simples y otros instrumentos del tipo lineal, ya que
el VaR paramétrico y en específico, la aproximación normal a la distribución de
rendimientos, tiene limitaciones y no es apropiado usarla en el caso de mercados con
alta volatilidad o condiciones extremas
Usos y beneficios del VaR
• Puede interpretarse como la peor pérdida potencial, en un horizonte de tiempo
objetivo, de modo que existe una probabilidad baja y pre-especificada de que la
pérdida real en el período sea mayor.
• El VaR captura los efectos holísticos del riesgo, al unir todas las líneas de productos y
los segmentos de activos, mediante una metodología común.
• La metodología es, generalmente, robusta.
• Tiene inmediatez y relevancia para la alta gerencia.
• Se reúne con el deseo de los reguladores de mejorar la divulgación de los riesgos
entre empresas privadas.
Portafolio de Varianza Mínima
Podemos establecer la cartera menos riesgosa utilizando la siguiente ecuación:
x*a=(2b -abab)/(2b+2b-2abab) donde
x*a es la posición óptima en el activo a y el término abab es la covarianza entre a y b.
Cuando la correlación ab=0, la ecuación se reduce a:
x*a=2b /(2a+2b)
En este caso especial, el beneficio de la diversificación se debe únicamente a la
ponderación y no a alguna interacción de las variables.
Cuanto mayor sea la correlación, menor será el beneficio de la diversificación de cartera,
y no habrá ninguno si los valores están perfectamente correlacionados.
(wa-p)/p = beneficios de la diversificación
A medida que aumenta el número de activos, los efectos de los términos de varianza
(n= número de activos) son sobrepasados por los efectos de los términos de covarianza
(n(n-1)).
172
Beneficios de la Diversificación
En el límite, el riesgo es igual al promedio de covarianza de todos los activos en la
cartera:
2p=1/m(2i)+(1–1/m)(2avg) pues cuando m  , 1/m  0
El efecto de diversificación permite la creación de carteras eficientes que:
• Maximicen el rendimiento en un nivel de riesgo determinado o,
• Minimicen el riesgo de un rendimiento dado.
A medida que disminuye la correlación de los activos, aumenta la oportunidad de
obtener un mayor rendimiento esperado para un determinado nivel de riesgo.
El uso de información histórica para calcular la volatilidad y la correlación hacen la
suposición implícita de que el futuro será, estadísticamente hablando, como el pasado.
Si hay alguna razón para creer que el futuro será diferente, será necesario ajustar las
estimaciones ese sentido.
VaRp = (VaR2a + VaR2b + 2abVaRaVaRb)½
173
Riesgo Operacional
GESTIÓN DEL RIESGO OPERATIVO
174
Riesgo Operacional
El riesgo operativo, el cual reflejará la pérdida potencial por deficiencias o fallas en los
procesos operativos, en la tecnología de información, en los recursos humanos o
cualquier otro evento externo adverso relacionado con la operación de las Instituciones
y Sociedades Mutualistas, entre los cuales se encuentran los siguientes:
• Riesgo Tecnológico: que los sistemas de procesamiento de información contemplen
planes de contingencia ante fallas técnicas, o de caso fortuito o fuerza mayor.
• Riesgo Legal: exigibilidad de un contrato
• Riesgo Reputacional: considera factores clave como las expectativas de las partes
interesadas, la sensibilidad del mercado y los vínculos con Grupos Empresariales o
Consorcios.
• Riesgo Estratégico: posible incompatibilidad entre los objetivos estratégicos, las
estrategias empresariales desarrolladas y los recursos empleados para lograr estos
objetivos, y la calidad de la implementación y la situación económica de los
mercados en los que se opera.
175
Riesgos no financieros
• Riesgo regulatorio: deterioro gubernamental de la eficiencia del mercado, a menudo
a través del aumento de los costos de transacción.
• Riesgo contable o fiscal: generalmente se basa en recibir un tratamiento contable o
fiscal favorable
Estos riesgos tendrán un impacto financiero, pero no está
Riesgo sistémico y no sistémico relacionado con el movimiento subyacente de los precios.
La teoría financiera llama a la tendencia de los activos a mostrar comportamientos
similares el riesgo sistémico, y a las diferencias individuales el riesgo específico (o no
sistémico). Un activo tendrá ambos elementos.
• No todos los activos se verán afectados en la misma medida por el riesgo sistémico.
• La diversificación tiene el efecto de eliminar el elemento de riesgo específico, ya que
la ganancia en un activo por factores idiosincrásicos se compensa con pérdidas en
otro activo por otros factores específicos.
176
Taxonomía de riesgos
Es la clasificación y jerarquización de los diferentes tipos de riesgos a los que puede estar
expuesta una organización en el desarrollo de sus operaciones.
No Cuantitativo
Cuantitativo
(Riesgo Operacional)
• Riesgo de Procesos
• Riesgo Mercado
• Riesgo Crédito • Riesgo Legal
• Riesgos de Liquidez
• Riesgo Tecnológico
• Riesgo de Suscripción
• Riesgo de Descalce • Riesgo Reputacional
• Riesgo de Concentración
• Riesgo Estratégico
177
Riesgo Operacional
Pérdida potencial por fallas o deficiencias en los controles internos, por errores en el
procesamiento y almacenamiento de las operaciones o en la transmisión de
información, así como por resoluciones administrativas y judiciales adversas, fraudes o
robos y comprende, entre otros, al riesgo tecnológico y al riesgo legal.
Causas raíz
178
Riesgo Operacional / Causas raíz
Causa Raíz Ejemplos

Persona Error en captura, fraude interno y/o externo, omisión de ejecución de
procesos, robo de información, daño a los activos físicos o intangibles
de la compañía ocasionados con dolo.
Proceso Falta de documentación de procesos, procesos obsoletos, falta de
políticas y manuales de procedimiento, fraude interno y/o externo,
procesos mal diseñados.
Tecnología Deficiencias en la seguridad de la información, fallas en los sistemas y
su infraestructura, interrupción en las aplicaciones de la compañía,
fallas en los sistemas de comunicación.
Externa Fraude externo, manifestaciones, crimen organizado, guerras,
afectaciones sociales y/o políticas, difamación de la competencia,
malas decisiones gubernamentales.
179
Riesgo Operacional
Objetivos de su gestión
Mejorar la gestión de negocio a

Garantizar la calidad de servicio al
partir de la información de riesgos
cliente.
para la toma de decisiones.
Prevenir perdidas debido a errores humanos,

procesos internos inadecuados o deficientes,
fallas en los sistemas y conflictos legales
Mejora de los procesos internos y Cumplimiento del marco

externos de la organización. regulatorio existente.
180
Riesgo Operacional
Costos de no gestionarlo
Daños y perjuicios a las

Responsabilidades legales
personas o al entorno
Interrupción del negocio Sanciones regulatorias
Fallas e ineficiencias en
Pérdidas de activos
el servicio al cliente
Costos financieros Salir del negocio
Fallas e ineficiencias en la
Daños a la reputación
gestión de otros riesgos
181
Otros conceptos relevantes
Tipos de eventos operacionales
• Los tipos de eventos deben clasificarse y categorizarse conforme a la taxonomía
corporativa y las causas raíz del riesgo y ser almacenados en una base de datos.
• Esta información permite estimar la probabilidad y el impacto de cada riesgo
operacional; ayuda a evaluar la efectividad de los controles que mitigan el riesgo e
implementar mejoras.
• Los incidentes deben ser reportados por cualquier persona que disponga de la
información objetiva para su adecuado registro.
182
Otros Riesgos
RIESGOS DE DESCALCE Y DE CONCENTRACIÓN
183
Otros Riesgos
d) d) El riesgo de descalce entre activos y pasivos, el cual reflejará la pérdida potencial
derivada de la falta de correspondencia estructural entre los activos y los pasivos,
por el hecho de que una posición no pueda ser cubierta mediante el
establecimiento de una posición contraria equivalente, y considerará, cuando
menos, la duración, moneda, tasa de interés, tipos de cambio, índices de precios,
entre otros;
g) g) El riesgo de concentración, el cual reflejará las pérdidas potenciales asociadas a
una inadecuada diversificación de activos y pasivos, y que se deriva de las
exposiciones causadas por riesgos de crédito, de mercado, de suscripción, de
liquidez, o por la combinación o interacción de varios de ellos, por contraparte, por
tipo de activo, área de actividad económica o área geográfica;
184
Solvencia en las instituciones de
seguros
Una aseguradora es solvente si posee suficientes activos para hacer frente a sus pasivos.
Recordemos que las empresas de seguros adquieren variabilidad (o riesgo). Los pasivos
del negocio de seguro nunca son totalmente conocidos y pueden extenderse por
muchos años. Continuamente se aceptan nuevos negocios, y es necesario tratar con
riesgos heterogéneos y fluctuantes en el tiempo.
Por ello, decimos que la solvencia de una aseguradora cae en el terreno probabilístico y
depende de la forma en que el futuro de dicho asegurador es percibido.
185
seguros
Existen muchas partes interesadas en la solvencia de las instituciones:
• Los asegurados, preocupados por el cumplimiento de las obligaciones contratadas y,
en las pólizas con participación en las utilidades, en que los dividendos sean
adecuados a sus expectativas.
• Los accionistas, que buscan maximizar el valor de sus acciones y que se cumplan sus
expectativas respecto al pago de dividendos. Con esta intención el asegurador debe
operar al mínimo nivel de solvencia posible, pues esto incrementa la tasa de retorno
de la inversión.
• Los administradores y empleados de la compañía, cuyas expectativas de empleo y
salariales están altamente relacionadas.
• Los reaseguradores, los cuales muestran problemas particulares con un asegurador
insolvente: dificultad en el cobro de las primas de reaseguro, cambios en la
administración de la aseguradora, responsabilidad en el pago de siniestros y tal vez,
la necesidad de acciones coordinadas entre varios reaseguradores.
186
seguros
• Las Autoridades Reguladoras. En México, la Secretaría de Hacienda y Crédito Público
(SHCP) y la Comisión Nacional de Seguros y Fianzas (CNSF), se encargan de
implementar controles para prevenir insolvencias y mantener el balance entre
seguridad para los participantes y márgenes de rentabilidad para los inversionistas.
• Otras empresas de seguros, si un asegurador cobra primas inadecuadas, captando
asegurados con esta táctica, y resulta insolvente, su cartera tendrá que redistribuirse
entre el resto del mercado y tanto los accionistas como los asegurados demandarán
una mayor garantía de solvencia. En ciertos países, si la insolvencia afecta a un gran
número de pólizas o reclamaciones, puede entrar en operación un fondo de
garantía, con el cual se cubrirían parte de las obligaciones incumplidas, afectando la
solvencia de todo el sector.
187

C31-C36 Administración Actuarial Del Riesgo

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

C31-C36 Administración Actuarial Del Riesgo

Cargado por

Copyright:

Formatos disponibles

Administración

Actuarial del Riesgo

• Riesgos de Técnicos: Riesgos de Suscripción

• Riesgos Financieros: Riesgos de Mercado, Crédito y Liquidez

• Otros Riesgos: Riesgo de Descalce y Riesgo de Concentración

CUSF 3.2.4 COSO

Puede razonablemente esperarse que ocurra, pero sólo ha ocurrido 2 o 3 veces en 10

Ha ocurrido en esta organización más de 3 veces en los últimos 10 años u ocurre

Ocurre más de 7 veces en 10 años en esta organización o en otras organizaciones

Ha ocurrido 9 o 10 veces en los últimos 10 años en esta organización, o las

Ningún impacto en la salud del paciente; Menor reducción de la reputación en el corto

Graves repercusiones en la salud; Pérdida grave de la reputación que influirá en la

Evaluación Tratamiento Monitoreo

Para los riesgos con probabilidad alta pero bajo

pérdidas y reducir las consecuencias de un

en donde 𝑓𝑌𝑖 ∙ son funciones de densidad de probabilidad bien definidas de

𝑓𝑆 (𝑠) = ෍ 𝑓𝑋1 +···+𝑋𝑛 | 𝑛 (𝑠) 𝑓𝑁 (𝑛)

Y la función generadora de momentos de 𝑁 ∼ 𝒢𝑀(𝜃) es

Entonces, concluimos que la función generadora de momentos de 𝑆 es

con valor inicial 𝑓𝑆 (0) dado por 𝑃𝑆 (0) = 𝑃𝑁 [𝑃𝑋 (0)].

• Para el modelo de riesgo colectivo la distribución primaria de la distribución

• Segundo, consideremos los efectos de un límite de póliza 𝑢. Para el modelo de riesgo

• Las compañías de seguro pueden comprar cobertura de Reaseguro para un portafolio

𝑓X|Θ x 𝜃 = ෑ 𝑓𝑥𝑗 |𝜃 (𝑥𝑗 |𝜃)

𝑓X,Θ x, 𝜃 = ෑ 𝑓𝑥𝑗 |𝜃 𝑥𝑗 𝜃 𝜋(𝜃)

𝐸 𝑋𝑛+1 X = x = න 𝑥𝑛+1 𝑓𝑋𝑛+1 |X 𝑥𝑛+1 x 𝑑𝑥𝑛+1

= ‫𝑛𝑥 ׬‬+1 ‫𝑛𝑋𝑓 ׬‬+1 |𝜃 𝑥𝑛+1 𝜃 𝜋Θ|X θ|x 𝑑𝜃 𝑑𝑥𝑛+1

= ‫𝑛𝑥 ׬ ׬‬+1 𝑓𝑋𝑛+1 |𝜃 𝑥𝑛+1 𝜃 𝑑𝑥𝑛+1 𝜋Θ|X θ|x 𝑑𝜃

𝜇𝑛+1 𝜃 = 𝐸 𝑋𝑛+1 Θ = 𝜃 = න 𝑥𝑛+1 𝑓𝑋𝑛+1 |Θ 𝑥𝑛+1 θ 𝑑𝑥𝑛+1

Es la media hipotética, la prima que cobramos si conociéramos 𝜽. Tomando la esperanza de

𝛼ො0 + ෍ 𝛼ො𝑗 𝑋𝑗 = 𝑍𝑋ത + (1 − 𝑍)𝜇

• Dentro de los riesgos que deben incluirse en el proceso de Administración de

• Implica la exposición a movimientos en el nivel de

Rendimiento(𝒕𝟎 , 𝒕𝟏 )=Valor(𝒕𝟏 )-Valor (𝒕𝟎 )

• O bien, en términos relativos:

Rendimiento(𝒕𝟎 , 𝒕𝟏 )=Valor(𝒕𝟏 )/Valor (𝒕𝟎 )-1

• Paridad del poder adquisitivo

• Teoría de las expectativas

• Efecto internacional de Fisher

Si el tipo de cambio spot = USD 1.50/£, la tasa de interés en USD es 6% y la tasa en

4. Reportar la peor pérdida potencial, procesando toda la información anterior en una

4. 𝑉𝑎𝑅𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 = 100 − 99.66 =

5. 𝑉𝑎𝑅𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 = −100 −0.343% − 0.009% =

𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑟𝐶 = 𝜎𝐶2 = ෍ 𝑤𝑖2 𝜎𝑖2 + ෍ ෍ 𝑤𝑖 𝑤𝑗 𝜎𝑖𝑗

2. Se establece el nivel de confianza 𝑝 = 99%, con el supuesto de distribución normal

3. La varianza del portafolio descrito puede obtenerse directamente en Excel.

Causa Raíz Ejemplos

Mejorar la gestión de negocio a

Prevenir perdidas debido a errores humanos,

Mejora de los procesos internos y Cumplimiento del marco

Daños y perjuicios a las

Interrupción del negocio Sanciones regulatorias

Costos financieros Salir del negocio

También podría gustarte