Documentos de Académico
Documentos de Profesional
Documentos de Cultura
C12 M3 Apunte Parte 1 2023
C12 M3 Apunte Parte 1 2023
Gestión de Riesgos
Herramientas para la Gestión de
Riesgo
Parte 1
0
Curso Gestión de Riesgos– Módulo 3
1
Curso Gestión de Riesgos– Módulo 3
2
Curso Gestión de Riesgos– Módulo 3
3
Curso Gestión de Riesgos– Módulo 3
Contenido
Introducción................................................................................................................................. 5
1. Medición y gestión de riesgo de mercado ........................................................................ 6
1.2. Medición de riesgo de mercado bajo períodos de normalidad .................................... 7
1.2 Medición de riesgo de mercado bajo períodos de anormalidad (Stress Test) .......... 11
1.3. Medición de riesgo de moneda extranjera .................................................................. 14
1.4. Medición de shocks en paridades de monedas extranjeras .................................. 16
Cierre .......................................................................................................................................... 20
Bibliografía................................................................................................................................. 21
4
Curso Gestión de Riesgos– Módulo 3
Introducción
En el presente módulo nos abocaremos a aplicar herramientas cuantitativas que nos
permitirán dimensionar los niveles de riesgo a los que se enfrenta la empresa, lo que le
permitirá elaborar acciones de mitigación adecuadas.
Manteniendo la mirada en los elementos más importantes de cada uno de los riesgos que
hemos revisado, y que son precisamente los que enfrenta la empresa moderna, revisaremos
en detalle las mecánicas cuantitativas disponibles para gestionar riesgo, tanto para el
riesgo de mercado como para el riesgo cambiario.
5
Curso Gestión de Riesgos– Módulo 3
Cabe destacar que ambas mediciones son visiones complementarias para establecer el
nivel de riesgo que debe conocer la Alta Administración de una organización y que es
aprobada para la gestión de inversiones.
Será pertinente también reconocer que la gestión de riesgo de mercado debe ejecutarse
considerando el escenario que se enfrenta: (1) escenarios de normalidad en el
comportamiento de los factores de riesgo y; (2) escenarios de anormalidad en el
comportamiento de los factores de riesgo.
6
Curso Gestión de Riesgos– Módulo 3
Consideremos la modelación de una cartera de activos del tipo renta variable (por ejemplo,
acciones). Para construir el VaR histórico de una cartera de renta variable bajo escenario
de normalidad, la información base necesaria corresponde al valor de la cartera a fin de
cada día, de acuerdo a los precios de cierre diario de cada uno de los activos que la
compone (serie histórica de datos diarios para el período que se considere).
VaR histórico
Con base en los retornos diarios históricos de la cartera (en un período suficientemente
largo que asegure una distribución Normal) determinamos la distribución de probabilidad y
un intervalo de confianza: para nuestro ejercicio será el 95 %. Esto significa que la medición
busca la cuantificación del percentil 5 % de peores retornos de esa distribución de
probabilidad, cuantificado en moneda corriente (por ejemplo, pesos chilenos, dólares
americanos).
Este 5 % de peores retornos de una cartera será medido sobre la base de lo que
efectivamente pasó a la cartera considerada, dado que la modelación la estamos haciendo
en base a la historia de las observaciones. La recomendación es que la modelación se
realice con softwares especializados (por ejemplo, Crystal Ball) que permite obtener
simulaciones estocásticas de Montecarlo con 10.000 iteraciones para obtener resultados
de pérdidas esperadas con base en la gestión histórica de la cartera de activos.
7
Curso Gestión de Riesgos– Módulo 3
Del cuadro anterior obtenemos un valor en pesos chilenos del 5 % de peores escenarios
estocásticos para cada una de las carteras (“gestiones”), cada una de las cuales tuvieron
que ser de datos suficientemente grandes.
VaR paramétrico
Conviene tener en cuenta que el VaR se mide en ventanas de 100 días hábiles (160 días
corridos), lo que está en línea con la metodología tradicional de VaR histórico, que mide con
100 días hábiles debido a que representan el universo de 100 % de la distribución de las
observaciones. Los 160 diarios (equivalentes a 100 días hábiles) aseguran que la
distribución de retornos diarios es Normal. El factor de decaimiento utilizado en la
confección del VaR es λ = 0,94.2
2De acuerdo a la literatura, la metodología de Riskmetrics propone utilizar un factor λ de 0,94 para datos diarios y de 0,97 para
datos mensuales.
8
Curso Gestión de Riesgos– Módulo 3
Por ejemplo, si lo que tenemos bajo medición es una cartera de renta variable, una cartera
representativa sería el índice de la Bolsa de Valores en que se transan los activos de esa
cartera.
𝑉𝑎𝑅 = 𝑉𝐶 × 𝛼 × 𝜎𝐶 × √𝑡 (1)
donde:
• VC = Valor de la Cartera
• 𝛼 = Parámetro del grado de confianza estadístico que se desea lograr (distribución
normal para los retornos: para un 95 % de confianza es 1,65)
• 𝜎𝐶 = desviación estándar del rendimiento de la cartera
• 𝑡 = intervalo de tiempo que se mide riesgo (período de mantención de la cartera)
Cuando existen varias posiciones a las que se quiere medir el VaR, aplicamos el siguiente
método:
9
Curso Gestión de Riesgos– Módulo 3
VaRT
Esta formulación permite medir y gestionar el VaR de una cartera por familias de
instrumentos, por ejemplo, medir el riesgo de mantener activos de renta variable local e
internacional. Para obtener el VaR de la Cartera considerando las diferentes familias:
1 r12 r13
VaR2T = VaR1 VaR2 VaR3 VaR1
r21 1 r23
VaR2
r13 r23 1 VaR3
Ejercicio
Cuadro. VaR Paramétrico Cartera Renta Variable Nacional (considerando inversión en todos
los activos de cartera IPSA, igualmente distribuidos)
VaR 1.834.263
VaR / cartera 1,223%
El resultado de este ejercicio es que en el caso de que la cartera local esté invertida en
activos del IPSA, el VaR diario al 95 % de un portafolio de $ 150 millones es $ 1,834 millones
(un 1,223 % del valor total de la cartera).
10
Curso Gestión de Riesgos– Módulo 3
Cabe notar que para confeccionar la matriz Var-Covar debemos ponderar el peso relativo
de cada uno de los activos dentro del portafolio.
En este caso, se propone realizar un Test de Stress, que pueden ser aplicados con
mediciones paramétricas, es decir, aplicando shocks sobre los factores de riesgo que
escapan de la normalidad, aunque no hayan ocurrido, o bien, mediante mediciones
históricas, esto es, aplicando shocks extremadamente inusuales, pero que efectivamente
hayan afectado alguna vez a los factores de riesgo.
Una forma de aproximarse al problema es realizar dos tipos de análisis para observar
situaciones de stress en los factores de riesgo.
Una matriz Var-Covar (y de Correlaciones) con activos de renta variable debería contener
las covarianzas de todos los pares de activos integrantes de la cartera considerada, que
pueden ser matrices de 30x30 activos, 40x40 activos, etc.
11
Curso Gestión de Riesgos– Módulo 3
que estas han tenido en períodos en que los acontecimientos en los mercados generan
cambios bruscos en los factores de riesgo.
donde:
Cuadro. VaR bajo situación de Tensión: estudio de evento Crisis Financiera Internacional
(enero 2008-junio 2009)
VaR 3.649.069
VaR / cartera 2,433%
Note que, comparando ambos escenarios -normal y stress-, bajo un evento como el de la
Crisis Financiera, el VaR de la cartera accionaria en activos de renta variable habría sido
12
Curso Gestión de Riesgos– Módulo 3
casi el doble del que resulta de una situación de normalidad como el presentado
anteriormente. En este caso de anormalidad, el VaR alcanza $3,65 millones, equivalente a
un 2,43 % del valor de la cartera (que se asume en $ 150 millones).
El primer supuesto permite incrementar el grado de volatilidad del portafolio hasta sus
máximos escenarios de variación de precios de sus activos (y no solo hasta sus
desviaciones estándares normales), mientras el segundo supuesto no permite
compensación de riesgo entre activos en el portafolio. Ambos apuntan a extremar la tensión
de mantener el portafolio.
donde:
Este escenario de stress captura una volatilidad extrema para la cartera de activos,
asumiendo que los shocks a los factores de riesgo son los máximos movimientos
13
Curso Gestión de Riesgos– Módulo 3
VaR 22.118.311
VaR / cartera 14,746%
El resultado anterior indica que el stress máximo en la cartera de renta variable nacional es
de $ 22,1 millones para una cartera de $150 millones, es decir, un 14,76 % de la cartera total
en un día, sustancialmente mayor que en cualquier caso anterior.
Así entonces, para realizar un Valor en Riesgo (VaR) de las posiciones en MX es necesario
definir las posiciones sobre las cuales modelar el VaR, las que deben corresponder a las
posiciones netas diarias totales, sumado las posiciones spot y forward de cada moneda en
cada día, lo que puede resultar en posiciones tanto activas netas como pasivas netas por
moneda en cada día de operación. Así, la medición de cada posición se realiza en base
diaria de la siguiente forma:
3Los coeficientes de correlación de la matriz bajo este escenario de tensión son no negativos para reconocer
que en escenarios de stress los activos no mantienen su co-movimiento histórico.
14
Curso Gestión de Riesgos– Módulo 3
donde:
Las posiciones netas así medidas permiten compensación entre activos y pasivos spot y
forward en la misma moneda, pero no entre diferentes monedas, debido a que los riesgos
a los que enfrenta una posición en monedas diferentes tienen factores de riesgo distintos.
Es importante considerar que las posiciones netas deben ser medidas diariamente en valor
absoluto, dado que una posición tiene riesgo tanto si es activa neta o pasiva neta, y con
ello la volatilidad del tipo de cambio puede producir pérdida tanto si la moneda bajo análisis
se aprecia o deprecia respecto de la moneda extranjera. Dado que la medición se hace
diariamente, no se permite compensación entre días distintos (ni siquiera en la misma
moneda) que pudieran compensar el riesgo en un horizonte temporal más largo que un día.4
Por tanto, debemos como primer paso establecer las posiciones netas y en valor absoluto,
lo que muestra en el siguiente cuadro:
Posiciones en USD
VENTA COMPRA Posición Posición en
Spot Fwd Spot Fwd Neta Valor ABS
Promedio 24.635,68 544.750,00 23.216,26 533.250,00 - 12.919,42 118.365,33
Max 530.293,03 4.750.000,00 531.715,93 5.500.000,00 564.335,34 751.057,35
4
En una medición menos exigente de un horizonte de una semana o un mes, se podría permitir compensaciones en los valores
activos netos y pasivos netos en dos o más días distintos, lo que se podría establecer como una medición de límite de segundo
orden respecto del VaR diario.
15
Curso Gestión de Riesgos– Módulo 3
Posiciones en EUR
VENTA COMPRA Posición Posición en
Spot Fwd Spot Fwd Neta Valor ABS
Promedio 21.543,65 - 53.903,89 - 32.360,24 39.311,33
Max 3.000.000,00 - 3.000.000,00 - 2.908.000,00 2.908.000,00
Como se aprecia en el Cuadro, la posición neta promedio diaria en valor absoluto es de USD
118.365,3, con un máximo de USD 751.057,4. Esto significa que en promedio, la cartera
estuvo expuesta con una posición neta “abierta” por USD 118.365, llegando incluso a
sobrepasar los USD 751.000 en un día. Nótese que existe una gran diferencia entre el
promedio de la posición neta y la posición neta en valor absoluto, dado que existen
posiciones en forward y spot que se compensan si no se considera el valor absoluto de la
posición en esta moneda. De allí la importancia del trabajo con el valor absoluto.
Cuadro. Volatilidad de la paridad del Peso chileno respecto del Dólar americano
16
Curso Gestión de Riesgos– Módulo 3
El análisis de los datos para el cruce EUR/CLP muestra un VaR de EUR 2.558,4 (2,94 % del
monto de la posición), superior al verificado en el cruce USD/CLP.
𝑇𝑒𝑠𝑡 𝑆𝑡𝑟𝑒𝑠𝑠 𝑀𝑋𝑖 = ∑𝑖=𝑈𝑆𝐷,𝐸𝑈𝑅 𝑃𝑜𝑠𝑖𝑐𝑖ó𝑛 𝑀𝑋𝑖 × 𝑆ℎ𝑜𝑐𝑘 𝑆𝑡𝑟𝑒𝑠𝑠 𝑀𝑋𝑖 (9)
donde,
𝑃𝑜𝑠𝑖𝑐𝑖ó𝑛 𝑀𝑋𝑖 = 𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛 𝑒𝑛 𝑚𝑜𝑛𝑒𝑑𝑎 𝑒𝑥𝑡𝑟𝑎𝑛𝑗𝑒𝑟𝑎 𝑖
𝑆ℎ𝑜𝑐𝑘 𝑆𝑡𝑟𝑒𝑠𝑠 𝑀𝑋𝑖
= 𝑀á𝑥𝑖𝑚𝑜 𝑐𝑎𝑚𝑏𝑖𝑜 𝑏𝑎𝑗𝑜 𝑠𝑖𝑡𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑎𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑑𝑎𝑑 𝑒𝑛 𝑚𝑜𝑛𝑒𝑑𝑎 𝑒𝑥𝑡𝑟𝑎𝑛𝑗𝑒𝑟𝑎 𝑖
Considerando la ecuación (9) basada en los máximos shocks posibles, se observa que en
el caso de la paridad USD/CLP el Test de Stress arroja el resultado que se muestra en el
Cuadro:
Promedio 5.670,20
Max 35.978,80
Esto significa que ante un evento de extrema anormalidad en la paridad USD/CLP, pero
plausible históricamente, la máxima pérdida posible bajo escenario de tensión sería de USD
35.978,8 en un día de operación.
18
Curso Gestión de Riesgos– Módulo 3
Promedio 1.867,57
Max 138.151,13
19
Curso Gestión de Riesgos– Módulo 3
Cierre
En conclusión, en este módulo hemos visto la importancia de aplicar herramientas
cuantitativas de gestión de liquidez en empresas financieras y no financieras para
dimensionar y mitigar los niveles de riesgo a los que se enfrentan en el mercado y en el
ámbito cambiario. Al modelar el comportamiento de los factores de riesgo, los gestores de
riesgos pueden anticiparse a los potenciales impactos que puedan surgir y elaborar
estrategias de mitigación adecuadas.
A pesar de que los riesgos no se pueden eliminar por completo, es posible reducirlos
mediante diferentes estrategias, lo que permitirá a la empresa seguir con sus operaciones
en situaciones de incertidumbre.
En este módulo, también se han revisado las mecánicas cuantitativas disponibles para
gestionar el riesgo de mercado y el riesgo cambiario, destacando la importancia de conocer
los elementos más importantes de cada uno de los riesgos que enfrenta la empresa
moderna.
Además, se han presentado técnicas cuantitativas avanzadas, como los Stress Test, que
permiten estimar los impactos de los factores de riesgo bajo situaciones de extrema
tensión, lo que puede ayudar a la empresa a tomar decisiones informadas y prevenir
pérdidas significativas.
20
Curso Gestión de Riesgos– Módulo 3
Bibliografía
• Bodie, Z., Kane, A., & Marcus, A. (2010). Investments (9th ed.). McGraw-Hill
Education.
• Brealey, R. A., & Myers, S. C. (2003). Principles of Corporate Finance (6th ed.).
McGraw-Hill Education.
• Harvard Business Review. (2009). Focus HBR on Risk. Harvard Business Review
Press.
21