Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ISSN: 1692-3324
revistaingenierias@udem.edu.co
Universidad de Medellín
Colombia
Recibido: 16/12/2009
Aceptado: 08/10/2010
RESUMEN
En este artículo se presentan y aplican diferentes formulaciones matemáticas,
exactas y aproximadas, para el cálculo del valor en riesgo (VaR) de algunos portafolios
con activos financieros, haciendo especial énfasis en aquellos que contienen opcio-
nes financieras. El uso y pertinencia de tales formulaciones es analizado según las
características e hipótesis que se tengan de los portafolios construidos, para lo cual
se analizan en detalle la volatilidad y el percentil de la distribución de los cambios
en el valor del portafolio, al igual que la volatilidad estocástica en un horizonte de
tiempo dado. Para éste fin, se consideran los métodos de varianzas y covarianzas,
simulación histórica y simulación Monte Carlo, desde una perspectiva formal y am-
pliada a portafolios que contienen opciones financieras, estableciendo algoritmos
alternativos de cálculo y comparaciones entre los resultados.
Palabras clave: VaR, EWMA, movimiento browniano, opciones financieras
*
Este artículo es producto del proyecto de investigación Implementación de metodologías de cálculo del valor en riesgo (VaR) de la UdeM.
**
Profesor Universidad de Medellín. Magíster Matemáticas Aplicadas, Universidad Eafit. Medellín, Colombia. Correo electrónico: cgrajal1@
gmail.com.
***
Profesor Universidad de Medellín. Magíster Matemáticas Aplicadas, Universidad Eafit. Medellín, Colombia. Correo electrónico: foperez@
udem.edu.co.
Revista Ingenierías Universidad de Medellín, vol. 9, No. 17, pp. 105-118 - ISSN 1692-3324 - julio-diciembre de 2010/228 p. Medellín, Colombia
106 Carlos Alexánder Grajales Correa - Fredy Ocaris Pérez Ramírez
VALUE AT RISK
FOR A FINANCIAL PORTFOLIO WITH OPTIONS
ABSTRACT
This article presents and applies different mathematical, exact and approxima-
ted formulations to estimate value at risk of some portfolios with financial assets,
emphasizing on those which contain financial options. The use and appropriateness
of such formulations is analyzed base don characteristics and hypothesis of construc-
ted portfolios. With this purpose, volatility and distribution percentile of changes
in the value of the portfolio are analyzed. Stochastic volatity at a given time is also
analyzed. With this purpose, variances, and co-variance methods. Historic simulation
and Monte Carlo simulation from a formal and extended perspective to portfolios
containing financial options are taken into consideration, establishing alternative
of calculation and comparison between the results.
Key words: VaR, EWMA, Brownian movement, financial options.
Universidad de Medellín
Valor en riesgo para un portafolio con opciones financieras 107
Revista Ingenierías Universidad de Medellín, vol. 9, No. 17, pp. 105-118 - ISSN 1692-3324 - julio-diciembre de 2010/228 p. Medellín, Colombia
108 Carlos Alexánder Grajales Correa - Fredy Ocaris Pérez Ramírez
Universidad de Medellín
Valor en riesgo para un portafolio con opciones financieras 109
caso de tener un bono corporativo, para obtener ∆xi iguales a cero y σ i2 por día, respectivamente,
mejores resultados se requiere realizar un proceso entonces, en el modelo lineal, ∆P es normal, y el
denominado mapeo de flujos de caja, el cual con-
VaR para N días al (1 − β ) ×100% es
siste en seleccionar como variables de mercado los
precios de bonos cero cupón con vencimientos es- VaR1− β = −σ ∆P Z β N
tándar, por ejemplo, 1 mes, 3 meses, 6 meses, 1 año,
2 años, 5 años, 10 años y 30 años. Posteriormente, y si la media no es cero, el VaR para N días al
para calcular el VaR, los flujos de caja provenientes (1 − β ) ×100% , es
de un instrumento en el portafolio son mapeados
en flujos de caja provenientes de los bonos con los VaR1− β = −σ ∆P Z β N − E ( ∆P ) N (5)
vencimientos estándar especificados [12].
donde zβ es el percentil β de la distribución
normal estándar. Al emplear el modelo lineal des-
crito por la ecuación (2), en (5) se tiene que
1.1.2. Opciones financieras n
∂2 P ∂2 P
∑ Si4 γ i2σi2 σi2 − 2E2 (∆x i )
i=1
gamma cruzada dadas por y respec-
∂Si2 ∂Si ∂S j
tivamente. Las dos últimas ecuaciones se emplean 1 n
+ ∑ ∑ Si γ i Sj γ j
2
2
2
(
E (∆x i ) (∆x j )
2
+
)
2 i=1 j<1
según sea la dependencia de los instrumentos −(σi + E (∆x i ))(σ j + E (∆x j ))
2 2 2 2
del portafolio, con uno o más, de los activos
subyacentes. n n
∑∑ i i j j
S δ S2
γ
(
E ∆x i (∆x j )
2 2
)
Si los retornos ∆xi siguen una distribución i=1 i=1 −E (∆x i )(σ 2j + E2 (∆x j ))
normal multivariada, con media y varianza de
Revista Ingenierías Universidad de Medellín, vol. 9, No. 17, pp. 105-118 - ISSN 1692-3324 - julio-diciembre de 2010/228 p. Medellín, Colombia
110 Carlos Alexánder Grajales Correa - Fredy Ocaris Pérez Ramírez
Universidad de Medellín
Valor en riesgo para un portafolio con opciones financieras 111
adecuada para estimar el VaR de portafolios delta larse su volatilidad dinámicamente para los N días.
neutrales [17]. Una desventaja del método es que Una alternativa es asumir un modelo GARCH(p, q)
para los activos que componen el portafolio, y como
posiblemente ignora valores extremos para ∆xi [9].
caso particular, asumir el modelo de media móvil
ponderada exponencialmente (EWMA). De este
1.3. Método simulación Monte Carlo modo, se puede suponer además, que los valores de
Otra de las formas que permiten obtener la los diferentes activos siguen un movimiento brow-
distribución de probabilidad de ∆P es mediante niano geométrico (MBG) con parámetros µ y σ ,
una simulación Monte Carlo [8], y una vez obteni- donde μ es la expectativa del retorno compuesto
da, el VaR a un día se estima como se definió en la continuo anual y σ la volatilidad anual del activo
ecuación (1). El procedimiento para obtener dicha bajo consideración. En consecuencia, en el paso
distribución de probabilidad, bajo el supuesto de 2 mencionado anteriormente, debe emplearse la
que los retornos ∆xi sigan una distribución normal factorización de Cholesky para lograr que los ∆xi
multivariada, es el siguiente, sean correlacionados. Otra forma de estimar la
1. Calcular el valor actual del portafolio. volatilidad estocástica es implementar la metodo-
2. Muestrear ∆xi a partir de una distribución logía propuesta en [18], en la cual se encontró que
de probabilidad normal multivariada. la distribución dela volatilidad de algunos índices
3. Recalcular el valor del portafolio para el bursátiles es log normal. Por último, la simulación
siguiente día. Monte Carlo aplica preferiblemente en contextos
4. Obtener una muestra para la variable ∆P donde el portafolio no guarda linealidad con ∆xi
a partir de los pasos 1 y 3. o es altamente riesgoso respecto a delta.
5. Repetir los pasos 2 a 5 muchas veces y ob-
tener la distribución de ∆P . 1.4. Back Testing
Para un portafolio con muchos instrumentos, El Back Testing es un proceso estadístico por
la simulación propuesta puede hacerse muy lenta. el cual se determina la precisión en la estimación
Una forma de resolver esta dificultad es omitir los del VaR de un portafolio, acudiendo a una com-
pasos 2, 3 y 4, y en lugar de ellos suponer que ∆P paración entre dicha estimación y la pérdida real
está relacionada con los valores muestrales ∆xi . del portafolio en diferentes días del pasado. En
Un ejemplo de esta relación puede ser dada por el proceso puede analizarse, además, la bondad o
la ecuación (4). pertinencia del modelo empleado para el cálculo
Si se asume que la volatilidad de ∆P es cons- del VaR.
tante para los próximos N días y no existe autoco- Si se considera una estimación del VaR a un
rrelación entre los valores de ∆P , entonces el VaR día y con una confianza de 1 − β , una excepción
a N días se obtiene del VaR a un día multiplicado se define como el día en el cual el cambio real del
por el factor N . Ahora, si se asume que existe portafolio excede el cálculo del VaR. Si el modelo
autocorrelación y es de primer orden, entonces el usado para dicho cálculo es adecuado, entonces la
factor N debe cambiarse por probabilidad de que el VaR sea excedido en un día
dado es p = β . Al observar un registro histórico de
N + 2(N −1) ρ + 2(N −1) ρ2 +1/2
n días con m ( m ≤ n ) excepciones, debe analizarse
si existe diferencia estadísticamente significativa
2(N −1) ρ 3 + .... + 2ρ N−1
m m
entre y p. En caso que > p , puede hacerse
En caso de que la volatilidad de ∆P no sea n n
constante, para estimar el VaR a N días, debe mode- un contraste de hipótesis, donde la hipótesis nula
Revista Ingenierías Universidad de Medellín, vol. 9, No. 17, pp. 105-118 - ISSN 1692-3324 - julio-diciembre de 2010/228 p. Medellín, Colombia
112 Carlos Alexánder Grajales Correa - Fredy Ocaris Pérez Ramírez
es que la probabilidad de una excepción en un día y es analizado nuevamente en dos casos. Uno de
dado es p , frente a que tal probabilidad es mayor ellos, comprende opciones sobre divisas y se em-
que p . A partir de la distribución binomial, el plean los modelos lineales, cuadrático, simulación
criterio de decisión consiste pues en comparar la Monte Carlo y la expansión de Cornish Fisher, y
probabilidad con dicha expansión, se relaja el supuesto de nor-
n−k malidad para la distribución de ∆P . El otro, está
n
n!
S1 = ∑ p k (1 − p ) (6) compuesto por dos activos y dos opciones europeas
k = m k !( n − k )! sobre ellos, y para el respectivo cálculo del VaR se
con cierto nivel de significancia α . Si el valor emplea una δ aproximación y el modelo de Black
obtenido, S1 es mayor que α , la hipótesis nula no Scholes [19]. Finalmente, se calcula el VaR para un
es rechazada, y en caso contrario, la hipótesis nula portafolio con dos activos considerando el modelo
es rechazada. Un procedimiento análogo puede EWMA y una combinación entre los modelos
m EWMA y movimiento browniano geométrico. El
efectuarse si < p .
n objetivo de utilizar tal combinación es obtener una
Otra alternativa para medir la bondad y per- volatilidad de naturaleza estocástica en cada uno de
tinencia en el cálculo del VaR es mediante el test los días del horizonte de tiempo considerado en el
de dos colas de Kupiec, cuyo estadístico de prueba VaR. Todos los cálculos presentados son generados
corresponde a la razón de verosimilitud dada por por plantillas interactivas en Excel®.
S2 = −2 ln p m (1 − p)
n−m
+2 ln (m / n) (1 − m / n)
m n−m
S 2.1. Cálculo del VaR de un portafolio
2
sigue una distribución chi cuadrada con un compuesto por un bono
grado de libertad, y el criterio de decisión consiste Para este caso, pueden considerarse dos pro-
en rechazar la hipótesis nula cuando S 2 < χ1,2α / 2 o blemas usuales. El primero está relacionado con
si S 2 < χ1,1
2
−α / 2 , para un nivel de significancia de α . un bono corporativo, para el cual se debe efectuar
un mapeo tal como se mencionó en el apartado
2. APLICACIÓN 1.1.1. El otro es calcular el VaR asociado a un TES
colombiano (tabla 1).
En este apartado se ilustran algunos portafo-
lios con una posición en bonos, activos u opcio- Tabla 1. Tasas, volatilidades y correlaciones
nes financieras, para los cuales se calcula el VaR para los bonos considerados en el mapeo
siguiendo las metodologías anteriormente expues- de un bono corporativo
tas. Las formulaciones matemáticas que han sido
desarrolladas para este fin son empleadas, en un Madurez bono cero cupón 3 meses 6 meses 1 año
portafolio particular, de acuerdo con las caracterís- Tasa(% compuesta anual) 4.7 5.4 6.8
ticas o hipótesis que se tengan sobre los mismos. Volatilidad precio bono (% día) 0.04 0.12 0.18
El primer portafolio considera un instrumento de Correlación entre retornos
renta fija, compuesto por un bono corporativo o un 3 meses 6 meses 1 año
diarios
bono del Estado. En el primer caso, se considera un 3 meses 1 0.92 0.5
mapeo de flujos de caja que es realizado respecto a
6 meses 0.92 1 0.75
bonos cero cupón del Estado, y en el segundo, se
emplea el modelo lineal y la simulación histórica. El 1 año 0.5 0.75 1
siguiente portafolio involucra opciones financieras Fuente: elaboración propia.
Universidad de Medellín
Valor en riesgo para un portafolio con opciones financieras 113
dades monetarias en 3.6 meses, se mapea el flujo 10_ días_ 99%_ VaR 1.150818
de caja correspondiente en dos bonos cero cupón, Fuente: elaboración propia.
a 3 meses (T1) y 6 meses (T2); y para el segundo
pago, de cupón más principal igual a 104 unida- miento 14 de noviembre de 2013 y un cupón de
des monetarias en T, se mapea en dos bonos cero 10.25% efectivo anual. Los datos a emplear son los
cupón a 6 meses (T1) y un año (T2). En la tabla 1 se que corresponden al rendimiento del bono entre la
muestran las tasas cero cupón, las volatilidades de fecha de emisión y la fecha 23 de Enero de 2009. La
los precios de los bonos y las correlaciones respecto fecha de valoración del VaR es esta última. Para di-
a cada bono en el mapeo. Los datos considerados cho cálculo se utiliza un método paramétrico, dado
son supuestos. En la tabla 2, se muestra el mapeo por el modelo lineal, y uno no paramétrico, dado
resultante para el bono corporativo, la volatilidad por la simulación histórica. Para el primero de ellos,
del mismo y el VaR asociado para un horizonte el VaR se calcula como VaR99% = BD * ∆y * 10 ,
de 10 días y con una confiabilidad del 99%. En donde B indica el valor del bono en la fecha de
esta tabla puede verse que los valores de la segun- valoración, D * es la duración modificada del bono
da columna, asociados a las posiciones en bonos y ∆y* = N −1 (0.99)σ ∆y , siendo ∆y el incremento en
cero cupón para 3 y 6 meses, suman un total de el rendimiento de dicho bono y N −1 ( ⋅) la distribu-
3.943682 unidades monetarias, que es a su vez el ción gausiana inversa evaluada en su argumento.
valor presente del primer pago cuando la tasa de Para el segundo de ellos, el VaR se calcula a partir
interés corresponde a la interpolación lineal entre de la misma relación anterior, pero con ∆y * igual
las tasas para los bonos cero cupón. Análogamente, al percentil 0.99 de la variable ∆y . En la tabla 3
los valores de la tercera columna verifican que su se muestran los resultados del VaR paramétrico
suma es el valor presente del segundo pago cuando Tabla 3. VaR paramétrico y no paramétrico
la tasa de interés es la interpolación entre las tasas para el TES noviembre 2013
de bonos cero cupón para 6 meses y 1 año. Por
Fecha Madurez 12/09/2014
tanto, el VaR calculado para el bono corporativo Fecha Valoración 23/01/2009
coincide con el VaR para el portafolio mapeado Días restantes a la madurez 2058
con los bonos cero cupón (tabla 2). Años restantes a la maduración 5.638356
Nominal 100
Cupón (efectivo anual) 10.25%
2.1.2. VaR para un TES colombiano Rendimiento (anual) 9.41%
Valor bono 103.55051
Ahora se considera el cálculo del VaR para un
Duración modificada 4.046216
horizonte de 10 días y con una confiabilidad del σ ∆y 0.002005
99%, asociado a un TES colombiano. Concreta- 10_días_ 99%_VaR paramétrico 6.17977
mente se toma el bono noviembre 2013, cuya fecha 10_días_ 99%_VaR no paramétrico 6.84075
de emisión es 14 noviembre de 2007, con venci- Fuente: elaboración propia.
Revista Ingenierías Universidad de Medellín, vol. 9, No. 17, pp. 105-118 - ISSN 1692-3324 - julio-diciembre de 2010/228 p. Medellín, Colombia
114 Carlos Alexánder Grajales Correa - Fredy Ocaris Pérez Ramírez
y no paramétrico. Aunque los valores calculados Tabla 4. VaR para un portafolio de opciones
para el VaR sean cercanos, los valores obtenidos se sobre divisas
basan en modelos que difieren significativamente
S 1.35
en sus hipótesis y su formulación, y la preferencia
por uno de ellos debe estar basada en la distribu- δ 52
ción de probabilidad de ∆y y una prueba de back γ 15.5
testing.
σ (% día) 0.6
2.2. Cálculo del VaR de un portafolio con 10_días_ 99%_VaRteórico modelo lineal 3.098582
Universidad de Medellín
Valor en riesgo para un portafolio con opciones financieras 115
de precio Ci = Ci (Si) sobre cada activo subyacente tribución normal S0 (1 + µiτ + σ iτ z ) donde z sigue
i, 1 ≤ i ≤ n . Así, el valor P del portafolio está dado una distribución normal estándar. Esta misma
por P = ∑ i =1 [ wi Si + mi Ci ] . Ahora, dado que se
n aproximación puede ser utilizada para el cálculo
de PN, tomando µi como Rp y σ i como σ P , para
tenga una probabilidad igual a 1 − β que el valor
luego obtener una δ aproximación de VaR por
del portafolio en N días exceda el valor PN, entonces
vía analítica [20]. Sin embargo, si el portafolio no
el VaR se calcula como VaR1− β = PN − P . guarda linealidad con los retornos de los instru-
Partiendo del modelo MBG para el precio mentos que lo componen, es usual emplear una
del activo i, con parámetros anuales µi y σ i , el simulación Monte Carlo siguiendo los pasos que
retorno anual de la opción sobre el subyacente fueron indicados en el apartado 2.3.
i puede aproximarse, usando la letra griega δ i ,
Para ilustrar el cálculo del VaR usando la δ
S
como δ i µi i , y así, siguiendo el apartado 1.1.2, aproximación, suponga que se tiene un portafolio
Ci constituido por una posición larga en dos activos
la expectativa anual del retorno del portafolio, Rp,
y una corta en opciones call de tipo europeo
y su varianza anual, σ P2 , se calculan, bajo la δ emitidas sobre ellos. La tabla 5 muestra los datos
aproximación, respectivamente por, necesarios así como el cálculo del VaR a 10 días
1 n con una confianza del 99%. En esta tabla, Ki y Ti
R p = ∑ µi Si ( wi + miδ i ) , y
P i =1 representan, respectivamente, el precio de ejercicio
y la fecha de expiración de la opción que tiene
1 n n como activo subyacente el activo i, y r indica la tasa
σp2 = ∑ ∑ SiSj (wi + m iδi )
P 2 i=1 j=1 libre de riesgo con composición continua anual. El
(w j + m jδj )σiσ j ρij precio de cada opción, Ci, y el delta asociado, δ i son
calculados según el modelo de Black Scholes. De
donde ρij es la correlación anual de los activos otro lado, este mismo portafolio puede simularse
i y j. Cuando el precio Si de un activo financiero se mediante Y muestras de la variable Pτ y de tamaño
modela por un MBG, al aplicar el lema de Ito a la X, para obtener una estimación del valor del VaR.
variable Y = ln Si, se establece que Si es lognormal. Cuando Y es 100 y X es 1000, resulta el VaR que
Sin embargo, dado un precio inicial para el activo, muestra la tabla en la parte inferior. Puede verifi-
S0, y un horizonte corto de tiempo, τ , el precio carse, mediante una prueba no paramétrica, por
del activo Si puede aproximarse, por su polinomio ejemplo, la prueba de signo, que existen diferencias
de Taylor de primer orden, por la variable con dis- significativas entre la δ aproximación y el valor
Activo i Si wi µi σi ρij mi Ki Ti r
1 100 80000 0.12 0.32 0.4 -25000 103 1 0.08
2 50 60000 0.15 0.42 0.4 -60000 54 0.5 0.08
P 10317626.36
PN 9429954.86
10_ días_ 99%_ VaRaproximado 887671.50
10_ días_ 99%_ VaRsimulado 868060.86
Fuente: elaboración propia.
Revista Ingenierías Universidad de Medellín, vol. 9, No. 17, pp. 105-118 - ISSN 1692-3324 - julio-diciembre de 2010/228 p. Medellín, Colombia
116 Carlos Alexánder Grajales Correa - Fredy Ocaris Pérez Ramírez
simulado del VaR, lo que sugiere para este caso, la volatilidad sea estocástica en cada día. Concreta-
que la δ aproximación debería afinarse con otras mente, si se desea calcular el VaR para dos días en
griegas tales como γ o θ . el día t, es necesario simular Si,t–1 y Sj,t–1. En forma
análoga al procedimiento anterior, se verifica que
el VaR estimado es VaR1− β ,t = σ ∆2P ,t +1 + σ ∆2P ,t + 2 zβ
2.3. Cálculo del VaR de un portafolio con siempre que se asuma independencia entre los
dos activos utilizando EWMA y el cambios diarios del portafolio para los días t y
EWMA-MBG t + 1 y los días t + 1 y t + 2. Debe notarse que los
Considere que las volatilidades diarias de dos valores de σ i ,t + 2 , σ j ,t + 2 y ρij ,t + 2 son el resultado de
activos i y j, estimadas al cierre de negociación de generar Y muestras de tamaño X, ambos lo sufi-
mercado en el día t – 1, son σ i ,t y σ j ,t , respecti- cientemente grandes, y de aplicar el teorema del
vamente. Los precios de cierre de los activos para límite central sobre tales variables.
el mismo día fueron Si,t–1 y Sj,t–1, el coeficiente
de correlación estimado entre los retornos de los Como caso particular, asuma que se tienen
dos activos fue ρij ,t . Además suponga que λk, con los datos que se muestran en la tabla 6. Se ilustra
k = 1,2,3, son los parámetros estimados del modelo el respectivo valor del VaR en la misma tabla, se-
EWMA aplicado a los dos activos i y j, y sean Si,t y gún el modelo EWMA y el MBG en conjunción
Si,j los precios de negociación al cierre de los dos con EWMA, para Y = 100 y X = 5000 . Puede
activos en el día t. Para calcular el VaR de un día en notarse que, para los datos ingresados, el valor de
el día t, usando EWMA, se actualizan para el día t 2_días_99%_VaR es significativamente diferente
las volatilidades de los activos i y j y la correlación en ambos modelos. Esto sugiere que incorporar
entre ellos, dadas respectivamente por, una volatilidad estocástica en el modelo EWMA
proporciona resultados del VaR considerablemen-
2
σi,t +1 = λ12σi2,t + (1 − λ1 )(∆x i,t ) , te alejados respecto a aquellos obtenidos por el
modelo EWMA, donde se supone una volatilidad
2
σ j,t +1 = λ22σ 2j,t + (1 − λ2 )(∆x j,t ) y constante en un horizonte de tiempo dado. Tal
diferencia entre resultados lleva a la necesidad
σij,t +1 = λ3σij,t + (1 − λ3 )(∆x i,t )(∆x j,t ).
de continuar con un estudio más amplio de la
Si se asume que los retornos ∆xi ,t y ∆x j ,t volatilidad.
siguen una distribución normal multivariada, con
media igual a cero para ambos, y varianza por día 3. CONCLUSIONES Y PASOS
igual a σ 2i ,t y σ 2 j ,t respectivamente, entonces
A SEGUIR
el VaR del portafolio en el día t , a un día y con
una confianza de (1 − β ) ×100% está dado por Si se asume que los retornos porcentuales de
VaR1− β ,t = σ ∆P ,t +1 zβ donde los activos que componen un portafolio con op-
ciones financieras siguen una distribución normal
σ∆P ,t +1 = αi2σi2,t +1 + α2j σ 2j,t +1 + 2αiαj ρij,t +1σi,t +1σ j,t +1 . multivariada, el cambio en el valor del portafolio
en el modelo cuadrático, ∆P , se expresa como
Por otra parte, si se emplea el modelo MBG en una combinación lineal de una variable aleatoria
conjunción con el modelo EWMA, es posible cal- normal y una chi-cuadrada, y por lo tanto, dicho
cular el VaR para un horizonte de N días y con una cambio no es necesariamente normal. Como caso
confiabilidad que resulte ser de interés, dado que particular de lo anterior, se consideró un portafolio
Universidad de Medellín
Valor en riesgo para un portafolio con opciones financieras 117
Tabla 6. VaR para un portafolio con dos activos usando EWMA y MBG
que contiene una opción sobre una divisa, para difieren significativamente en ambos modelos, lo
el cual se encontró, mediante simulación Monte que sugiere continuar con un estudio más amplio
Carlo y pruebas de bondad de ajuste, que el cambio de la volatilidad.
en el valor del portafolio es normal en el modelo Se elaboraron algunas plantillas interactivas
cuadrático. Sin embargo, al relajar el condicional en Excel, las cuales muestran los cálculos del VaR
tradicional de que la distribución de ∆P sea nor- para los portafolios considerados. Los cálculos son
mal, se empleó la expansión de Cornish-Fisher resumidos en las tablas 1 a 6. Estas hojas de cálculo
con el fin de calcular el percentil adecuado de ofrecen una metodología orientada hacia el cálculo
∆P , a partir de sus tres primeros momentos, y así del VaR para portafolios que comprenden bonos cor-
obtener otra estimación del VaR más realista que porativos, TES colombianos, opciones financieras
la encontrada por el modelo cuadrático. y activos con volatilidad estocástica, y son el inicio
Para un portafolio con dos activos y dos op- del desarrollo de un aplicativo computacional para
ciones europeas sobre ellos, se calculó el VaR la medición y gestión del riesgo de mercado de un
usando una δ aproximación y una simulación portafolio. Cabe anotar que la implementación, por
Monte Carlo. Los valores obtenidos difieren sig- parte de un administrador de un portafolio, de las
nificativamente cuando se utiliza una prueba no formulaciones para el cálculo del VaR desarrolladas
paramétrica. Esto sugiere que la δ aproximación en este artículo, deben estar acompañadas de las
debería afinarse con otras griegas tales como γ o θ . respectivas pruebas de back testing. Las plantillas
Se calculó el VaR para un portafolio con dos están disponibles vía correo electrónico.
activos riesgosos y correlacionados, usando los
modelos EWMA, donde la volatilidad es constan-
REFERENCIAS
te para ambos activos en el horizonte de tiempo [1] J. P. Morgan/Reuters. Risk Metrics Technical Docu-
considerado, y una combinación entre el EWMA ment. Technical Report, 4a edicion, New York, De-
y MBG, donde la volatilidad es estocástica en cember 1995.
ambos activos. En particular, los resultados que se [2] F. Macaulay. Some Theoretical Problems Suggested by
encontraron para el VaR a un horizonte de dos días Movements of Interest Rates, Bond Yield and Stock
Revista Ingenierías Universidad de Medellín, vol. 9, No. 17, pp. 105-118 - ISSN 1692-3324 - julio-diciembre de 2010/228 p. Medellín, Colombia
118 Carlos Alexánder Grajales Correa - Fredy Ocaris Pérez Ramírez
Prices in the United States since 1856. Columbia [12] J. Hull. Options, Futures and other Derivatives. Pren-
University Press, 1938. New York. tice Hall, 6a edición, 2006. University of Toronto.
[3] P. Artzner et al., “Coherent Measures of Risk”, Math- [13] T. Bollerslev, “Generalized Autoregressive Conditional
ematical Finance (9), pp. 203-228, 1999. Heteroscedasticity”, Journal of Econometrics, 31f,
[4] R. T. Rockafellary S. P. Uryasev,“Optimization of Con- pp. 307-327, 1986.
ditional Value-at-Risk,” Journal of Risk, 2, pp. 21-42, [14] A. Einstein,“Investigations on the Theory of Brownian
2000. Movement”, New York: Dover, 1956.
[5] R. T. Rockafellar y S. P. Uryasev,“Conditional Value- [15] Basel Committee on Banking Supervision. Amend-
at-Risk for General Loss Distributions”, Journal of ment to the Capital Accord to Incorporate Market
Banking and Finance, 26, pp. 1443-1471, 2002. Risks. Technical report, Bank for International Settle-
[6] R. T. Rockafellar et al., Deviation Measures in Risk ments, 1996.
Analysis and Optimization. Research Report # 2002- [16] Janson, Svante y J. Tysk, “Volatility Time and Properties
7. Risk Management and Financial Engineering Lab., of Option Prices”, The Annals of Applied Probability,
Center for Applied Optimization, Department of 13(3), pp. 890-913, 2003.
Industrial and Systems Engineering. University of [17] A. Mykland, “Conservative Delta Hedging”, The An-
Florida. 2002. nals of Applied Probability, 10(2), pp. 664-683, 2000.
[7] J. Hulland A. White, “Incorporating Volatility Updat- [18] C. Grajales, y F. Pérez, “Modelos discretos y con-
ing into the Historical Simulation Method for Value tinuos para estimar la densidad de probabilidad de la
at Risk”, Journal of Risk, 1(1), pp. 5-19, 1998. volatilidad estocástica de los rendimientos de series
[8] F. Jamshidian, y Y. Zhu, “Scenario Simulation: Theory financieras”, Cuadernos de Administración, 21(36),
and Methodology”, Finance and Stochastics, 1, pp.43- pp. 113-132, 2008.
67, 1997. [19] F. Black y M. Scholes, “The Pricing of Options and Cor-
[9] A. McNeil, “Extreme Value Theory for Risk Managers”, porate Liabilities”, The Journal of Political Economy,
Internal Modeling and CAD II, London: Risk Books, 81(3), pp. 637-654, May-Jun, 1973.
pp. 93-113, 1999. [20] R. McDonald. Derivatives Markets. Pearson, Addison
[10] J. Hull. Risk Management and Financial Institutions. Wesley, 2a edición, 2006.
Prentice Hall, 2a edicion, 2009. University of Toronto.
[11] P. Jorion. Value at Risk - The New Benchmark for
Managing Financial Risk. McGraw - Hill, 3a edición,
2007.
Universidad de Medellín