Gestión y medición de riesgos de mercado

Profesor: Roberto Knop Muszynski

Tema 3. Medidas generales de riesgo de mercado

Value At Risk

Universidad Internacional de La Rioja

Índice de la asignatura

► Introducción
► El concepto de Value At Risk
► El concepto de Earnings At Risk
► El concepto de Expected Shortfall
► Metodologías de cálculo de VaR

2
Introducción

MÉTRICAS DE PROBABILIDAD DE RIESGOS

Frecuencia
Pérdida máxima probable de una cartera para un nivel de confianza
Value At risk
determinado en un horizonte temporal especificado.

Pérdidas y ganancias

MÉTRICAS Expected Media

Pérdida media de aquellos escenarios peores al VaR.
Shortfall

Beneficio máximo probable de una cartera para un nivel de confianza

Frecuencia
Earnings At Risk determinado en un horizonte temporal especificado.

Pérdidas y ganancias

METODOLOGÍAS DE CÁLCULO DE VAR

VaR calculado aplicando al valor actual de la cartera volatilidades y

correlaciones de las variables de mercado considerando un modelo
Paramétrico
de cálculo y asumiendo la forma de la función de distribución de las
tasas de variación (resultados) de los activos.

VaR calculado aplicando a la cartera actual variaciones históricas de

METODOLOGÍA Simulación precios de las variables para generar posibles escenarios

Frecuencia
S Histórica contrastables contra esa posición actual, generando resultados
simulados a partir de los que se obtendrá el VaR.
Pérdidas y ganancias

VaR calculado aplicando a la cartera actual variaciones aleatorias de

Simulación precios de las variables para generar posibles escenarios

Frecuencia
Montecarlo contrastables contra esa posición actual, generando resultados
simulados a partir de los que se obtendrá el VaR.
Pérdidas y ganacias

3
Introducción y objetivos

► Conocer el concepto de Value At Risk

► Conocer el concepto de Earnings At Risk

► Conocer el concepto de Expected ShortFall

► Introducción a las metodologías de cálculos de VaR

4
Value At Risk

– Máxima pérdida que puede experimentar una cartera dentro de un

horizonte temporal determinado (por ejemplo T=1 día) y con un nivel de
confianza elegido (por ejemplo 99%).
– Es un estadístico, por lo que la máxima pérdida puede ser superior.
– Es el percentil de la distribución del resultado estimado de la cartera
(variable aleatoria, percentil P=1% por ejemplo)

0.45
VaR= Percentil P% 0.40
0.35
0.30
0.25
P&L A
0.20
0.15
0.10
0.05
0.00
-6.00
-5.40
-4.80
-4.20
-3.60
-3.00
-2.40
-1.80
-1.20
-0.60
0.00
0.60
1.20
1.80
2.40
3.00
3.60
4.20
4.80
5.40
6.00
5
Value At Risk

DISTRIBUCIÓN HISTÓRICA DISTRIBUCIÓN NORMAL

Frecuencia

Pérdidas y ganancias

VaR: es un percentil, en la zona de pérdidas

6
Value At Risk

Por ejemplo, supongamos que el VaR diario de una cartera de instrumentos

financieros es de 1.340.000 euros considerando un nivel de confianza del 95% (más
adelante veremos en detalle este concepto), gráficamente tendríamos:

5% 95%

-1.340.000

7
Earnings At Risk

– Máximo resultado positivo que puede experimentar una cartera dentro

de un horizonte temporal determinado (por ejemplo T=1 día) y con un
nivel de confianza elegido (por ejemplo 99%)
– Es un estadístico, por lo que el beneficio máximo puede ser superior.
– Es el percentil de la distribución del resultado de la cartera (variable
aleatoria, percentil P=99% por ejemplo)

0.45 EaR= Percentil P%

0.40
0.35
0.30
0.25
P&L A
0.20
0.15
0.10
0.05
0.00
-6.00
-5.40
-4.80
-4.20
-3.60
-3.00
-2.40
-1.80
-1.20
-0.60
0.00
0.60
1.20
1.80
2.40
3.00
3.60
4.20
4.80
5.40
6.00
8
Earnings At Risk

DISTRIBUCIÓN HISTÓRICA DISTRIBUCIÓN NORMAL

Frecuencia

Pérdidas y ganancias

EaR: es un percentil, en la zona de beneficios

9
Expected Shortfall (VaR condicional, Tail VaR)

– Pérdida media experimentada por una cartera a un horizonte determinado (por

ejemplo T=1 día) una vez superado el VaR medido con un nivel de confianza
elegido (por ejemplo 99%, percentil 1%)
0.45
0.40
0.35
0.30
0.25
P&L A
VaR= Percentil P% 0.20
0.15
0.10
0.05
0.00

0.27
0.84
1.41
1.98
2.55
3.12
3.69
4.26
4.83
5.40
5.97
-6.00
-5.43
-4.86
-4.29
-3.72
-3.15
-2.58
-2.01
-1.44
-0.87
-0.30
0.45
0.40
VaR= Percentil P% 0.35
0.30
0.25
P&L B
0.20
0.15
0.10
0.05
0.00
-6.00
-5.43
-4.86
-4.29
-3.72
-3.15
-2.58
-2.01
-1.44
-0.87
-0.30
0.27
0.84
1.41
1.98
2.55
3.12
3.69
4.26
4.83
5.40
5.97
10
Expected Shortfall (VaR condicional, Tail VaR)

DISTRIBUCIÓN HISTÓRICA DISTRIBUCIÓN NORMAL

Frecuencia

Pérdidas y ganancias

Expected Shortfall: es la media por debajo del VaR (de su percentil)

11
Límites: propiedades del VaR y del ESF

• El VaR es proporcional al valor de mercado de la posición por lo que

un exceso de VaR consumido sobre el límite se puede normalizar
reduciendo la posición de forma proporcional.
• El VaR varía por el valor de mercado, por cambios en la volatilidad de
los activos y por sustituciones en el vector de datos históricos de
precios.
• El VaR varía diariamente aun manteniendo las posiciones estables,
por cambios en los precios de revaluación y en el vector de datos
históricos.
• El VaR de una cartera de activos no es la suma de sus VaR, por la
correlación de los mismos.
• El VaR de diferentes unidades de negocio no son sumables, por la
correlación de los mismos.
• El ESF (Expected Shortfall) es siempre mayor (en valor absoluto al
VaR)

12
Metodologías

uSimulación histórica: Aplica a la cartera actual variaciones históricas de

precios de las variables para generar posibles escenarios contrastables contra
esa posición actual, generando resultados simulados a partir de los que se
obtendrá el VaR. No asume a priori ninguna forma de la función de distribución
de las tasas de variación (resultados) de los activos.

𝛼𝑉𝑎𝑅 = −𝜇!&# + 𝜎!&# ℎ$

𝜇!&# = 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒𝑙 𝑃&𝐿

𝜎!&# = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎 𝑑𝑒𝑙 𝑃&𝐿
ℎ$ = 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 ℎ𝑖𝑠𝑡ó𝑟𝑖𝑐𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝛼

13
Metodologías

VaR SIMULACIÓN HISTÓRICA

Frecuencia

Pérdidas y ganancias

VaR

14
Metodologías

u Simulación de MonteCarlo: Aplica a la cartera actual variaciones aleatorias

de precios de las variables para generar posibles escenarios contrastables
contra esa posición actual, generando resultados simulados a partir de los que
se obtendrá el VaR.

𝛼𝑉𝑎𝑅 = −𝜇!&# + 𝜎!&# 𝜀$

𝜇!&# = 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒𝑙 𝑃&𝐿

𝜎!&# = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎 𝑑𝑒𝑙 𝑃&𝐿
𝜀$ = 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝛼

15
Metodologías

VaR Monte Carlo

Frecuencia

Pérdidas y ganacias

VaR: es un percentil, en la zona de pérdidas

16
Metodologías

uParamétrico: Aplican al valor actual de la cartera volatilidades y correlaciones

de las variables de mercado considerando un modelo de cálculo y asumiendo la
forma de la función de distribución de las tasas de variación (resultados) de los
activos.

0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
-6.00
-5.40
-4.80

𝛼𝑉𝑎𝑅 = −𝜇!&# + 𝜎!&# 𝑧$ -4.20

-3.60
-3.00
-2.40
-1.80
-1.20
-0.60
0.00

𝜇!&# = 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒𝑙 𝑃&𝐿

0.60
1.20

𝜎!&# = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎 𝑑𝑒𝑙 𝑃&𝐿

1.80
2.40

𝑧$ = 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝛼

3.00
3.60
4.20
4.80
5.40
6.00

P&L A

17
Metodologías

VaR PARAMÉTRICO: NORMAL

VaR

18
www.unir.net