Investigación del Valor en Riesgo (VaR):
Teoría y Ejercicios Resueltos
1. Introducción
El Valor en Riesgo (VaR, por sus siglas en inglés) es una herramienta cuantitativa
fundamental en la gestión de riesgos financieros. Permite estimar la pérdida potencial
máxima de una cartera financiera en condiciones normales de mercado, con un cierto
nivel de confianza y dentro de un horizonte temporal específico. Desde su introducción
en la década de 1990 por instituciones como JP Morgan con su modelo RiskMetrics, el
VaR ha ganado popularidad por su aplicabilidad y por su integración en los marcos
regulatorios internacionales como Basilea II y III.
2. Historia y Evolución del VaR
El concepto del VaR surgió como respuesta a la necesidad de estandarizar las
mediciones del riesgo de mercado. Durante los años 80 y 90, las crisis financieras como
la caída de 1987 y el colapso de Long-Term Capital Management evidenciaron la
necesidad de medir el riesgo de forma cuantitativa. JP Morgan fue pionero al desarrollar
el sistema RiskMetrics en 1994, lo que marcó el inicio de la adopción masiva del VaR
por bancos e instituciones financieras.
3. Fundamentos Matemáticos del VaR
El VaR se basa en la distribución estadística de los rendimientos de un activo o
portafolio. Utilizando estadísticas como la media, desviación estándar y percentiles, el
VaR busca estimar una pérdida que no será excedida con una probabilidad
determinada, por ejemplo, un 95% o 99%.
4. Interpretación del VaR
Un VaR de $10,000 con un nivel de confianza del 95% en un horizonte de 1 día indica
que existe un 95% de probabilidad de que la pérdida no supere los $10,000 durante ese
día. También implica un 5% de probabilidad de que la pérdida sí supere ese valor.
5. Métodos de Cálculo del VaR
Existen tres métodos principales:
1. VaR Paramétrico o Varianza-Covarianza
2. VaR por Simulación Histórica
3. VaR por Simulación de Monte Carlo
6. VaR Paramétrico
Este método supone que los rendimientos siguen una distribución normal. Se utiliza la
fórmula:
VaR = V × Z × σ
donde V es el valor del portafolio, Z el valor crítico de la distribución normal (por
ejemplo, 1.645 para 95%) y σ la desviación estándar diaria.
7. Ejercicio 1 - VaR Paramétrico (Paso a Paso)
Supongamos un portafolio de $500,000 con una desviación estándar diaria de 1.2% y
un nivel de confianza del 95%.
Paso 1: Determinar Z = 1.645
Paso 2: Calcular VaR = 500,000 × 1.645 × 0.012 = $9,870
8. VaR por Simulación Histórica
Este método no hace supuestos sobre la distribución. Utiliza datos históricos de
rendimientos para calcular pérdidas y encuentra el percentil deseado.
9. Ejercicio 2 - VaR por Simulación Histórica
Dado un conjunto de 100 rendimientos históricos, se ordenan y se toma el percentil 5
para un VaR del 95%. Si la pérdida del percentil 5 es $7,400, ese será el VaR.
10. Simulación de Monte Carlo
Este método genera escenarios aleatorios basados en supuestos de distribución para
simular precios futuros y calcular pérdidas. Es el método más flexible pero también el
más complejo computacionalmente.
11. Ejercicio 3 - VaR Monte Carlo
Paso 1: Asumir media y desviación de los retornos diarios.
Paso 2: Generar 10,000 escenarios con distribución normal.
Paso 3: Calcular la pérdida en cada escenario y hallar el percentil deseado.
12. Comparación entre Métodos
El método paramétrico es rápido pero poco robusto en presencia de colas gruesas. La
simulación histórica refleja mejor los extremos, pero depende del pasado. Monte Carlo
ofrece mayor precisión pero a costa de mayor complejidad computacional.
13. Aplicaciones Prácticas del VaR
VaR se utiliza en bancos, fondos de inversión, aseguradoras y corporaciones para
gestionar el riesgo de mercado, evaluar posiciones y determinar límites de exposición.
14. Regulación y el VaR
Basilea II y III establecen el uso del VaR para calcular requerimientos de capital por
riesgo de mercado. Se exige realizar pruebas de backtesting para validar los modelos.
15. Ejercicio 4 - VaR de un Portafolio con Dos Activos
Dado un portafolio con acciones A y B:
wA = 0.6, σA = 1.5%; wB = 0.4, σB = 1.2%; ρAB = 0.3
Varianza_portafolio = wA²σA² + wB²σB² + 2wAwBρABσAσB
VaR = V × Z × √Varianza_portafolio
16. Backtesting del VaR
Consiste en comparar el número de veces que las pérdidas reales exceden el VaR
estimado. Si esto ocurre con demasiada frecuencia, el modelo debe ajustarse.
17. Stress Testing y VaR Condicional (CVaR)
El stress testing simula eventos extremos como crisis. El CVaR complementa al VaR,
mostrando la pérdida promedio en el peor x% de los casos.
18. Limitaciones del VaR
No captura colas extremas adecuadamente, no es aditivo entre portafolios, y puede
subestimar el riesgo en mercados no normales.
19. Herramientas Computacionales para VaR
Se puede calcular el VaR con Excel, Python (librerías como NumPy y Pandas), R,
MATLAB y software especializado como Bloomberg o RiskMetrics.
20. Conclusiones
El VaR es una herramienta poderosa para medir y gestionar el riesgo financiero. Su
correcta aplicación requiere entender sus métodos, supuestos y limitaciones. Debe
complementarse con otras métricas como el CVaR y pruebas de estrés para una visión
completa del riesgo.
