Planificación Estratégica de Riesgos Financieros SIMMAC 02

PLANIFICACIÓN ESTRATÉGICA DE RIESGOS
FINANCIEROS
Ing. Jesús M. Velásquez Bermúdez
jvelasquez@decisionware-ltd.com
PLAN DE TEMAS
• Medición de los Riesgos
 Valoración de los Riesgos
 Toma de Decisiones bajo

Incertidumbre
 Generación de Escenarios
 Optimización Estocástica
 Casos
Valoración de los Riesgos
El problema de valoración de los riesgos está

relacionado con la definición por parte del
decisor de una “Función de Utilidad” que le
permita:
•comparar dos alternativas,
• para seleccionar la mejor.
Función de Utilidad:
Medida de Rendimiento - f(X|Y) -
+
Valoración bajo Riesgo
de la Medida Rendimiento
ALGUNAS Medidas de Rendimiento - f(X|Y) -
NPV Net Present Value

(1+r)-1(Ingresos Netos + Capital) - Capital
EVA  Economic Value Added

Ingresos Netos - r Capital
RAROC  Risk Adjusted Return on Capital

(Ingresos Netos - Ajuste por Riesgo) / Capital
donde r representa el costo del capital

Dada la relación entre Capital y VaR(b )
NPV Net Present Value

(1+r)-1(Ingresos Netos + VaR(b )) - VaR(b )
EVA  Economic Value Added

Ingresos Netos - r VaR(b )
RAROC  Risk Adjusted Return on Capital

(Ingresos Netos - Ajuste por Riesgo) / VaR(b )
donde r representa el costo del capital

EVA
Comparación de los Riesgos
ALGUNAS alternativas
•Valor Esperado
•Mean -Variance
•Máximo Costo
•Arrepentimiento
•Valor Esperado con VaR restringido

f(X|Yn)
$
Escenario 1 - f(X|Y1)
Un portafolio de inversión en dos instrumentos
Decisiones: Escenario 2 - f(X|Y2)
X1 porcentaje de inversión en el instrumento 1

X2 porcentaje de inversión en el instrumento 2
X1 + X2 = 100%
X1 = 100% - X2
X1
0 100
X2
f(X|Yn)
$
X=?
X1
0 100
X2
f(X|Yn)
$
MAXIMO COSTO
COSTOS ESPERADOS
MINIMO COSTO
VARIANZA DE LOS COSTOS X1

0 100
X2
El enfoque mas simple para determinar la composición de un

portafolio de inversiones es minimizar su costo esperado
m (X) = Y f(X|Y) p(Y) dY
La solución al anterior problema es trivial, e implica concentrar

la inversión en el instrumento (decisión) de mayor valor
esperado.
O sea
“poner todos los huevos en una sola canasta”.
La experiencia dice que no es una buena solución, ni siquiera
una solución racional, ya que es indiferente al riesgo.
f(X|Yn)
$
FUNCIÓN DE UTILIDAD = COSTOS ESPERADOS
COSTOS ESPERADOS
X1
0 100
X2
VALORIZACIÓN DEL RIESGO
FUNCION DE UTILIDAD: EL VALOR ESPERADO
F(X1) X1 alternativa 1
. .
.
. XN alternativa N
F(XN)
F(X) = d Y(Xi ,a)/d a
a
0 E2 EN E 1
Costos
El enfoque “clásico” para determinar óptimamente la
composición de un portafolio de inversiones es el
denominado “Mean-Variance Analysis”
propuesto por Markowitz en 1952, quien propone la
minimización de una función de utilidad del
inversionista que relaciona la media y la varianza
de los costos
m(e ,s ) = a e + (1-a) s
donde e representa la media de los ingresos, s la

varianza,
a un factor indicador de la propensión al riesgo del
inversionista.
La racionalidad en este caso implica que a
mayor varianza menor utilidad
FUNCIÓN DE UTILIDAD = COSTOS ESPERADOS
Minimizar { m(M) = M |
M = i=1,N Ei Xi ;
i=1,N Xi = 1 ;
0  Xi    i=1,N }
f(X|Yn)
$ FUNCIÓN DE UTILIDAD =
a COSTOS ESPERADOS + ( 1-a ) VARIANZA DE LOS COSTOS
COSTOS ESPERADOS
a=0.5
VARIANZA DE LOS COSTOS X1

0 100
X2
FUNCION DE UTILIDAD: MEAN - VARIANCE
. .
.
. XN alternativa N
F(XN)
F(X) = d Y(Xi ,a)/d a
a
0 E2 EN E1
Costos
FUNCIÓN DE UTILIDAD = MEAN-VARIANCE
Minimizar { m(M,V) = a M + (1-a) V |

M = i=1,N Xi Ei ;
V  i=1,N j=1,N Xi Xj COVi,j ;
i=1,N Xi = 1 ; 0  Xi   i=1,N }
donde COVi,j representa la covarianza entre el rendimiento del

instrumento financiero i y el del j. El anterior problema
corresponde a uno de programación cuadrática, de fácil
solución cuando se conocen Ei y COVi,j. La expresión COVi,j
puede calcularse como
COVi,j = h=1,E (ri(Yh) - Ei) (rj(Yh) - Ej) / (E-1)

Existen otros enfoques para atacar el problema de manejo
del riesgo orientados a minimizar las consecuencias no
deseables de las decisiones
En este caso se trata de minimizar los máximos costos

“garantizando” un piso mínimo para la utilidad.
m (X) = MaxY f(X|Y)

f(X|Yn)
$
FUNCIÓN DE UTILIDAD = MÁXIMO COSTO
MÁXIMO COSTO
X1
0 100
X2
FUNCION DE UTILIDAD: MINIMIZAR MÁXIMO COSTO
D Costos
Esperados
Probabilidad
Costos
D Riesgo
Minimizar
Minimizar Máximo Costo
Costo Esperado
Costos
0
EMEC EMMC MCMC MCEC
La diferencia entre los mínimos costos
DRiesgo = MCEC - MCMC
corresponde a la disminución del riesgo que se realiza ya

que con toda seguridad los costos no excederán el valor
MCMC. El valor esperado del costo pagado por esta
disminución en el riesgo es igual a la diferencia de los
valores esperados.
DCostos Esperados = EMMC - EMEC
La relación entre DRiesgo y DCostos Esperados se debe

tener en cuenta al tomar la decisión, ya que es una
medida de lo se paga por disminuir el riesgo.
FUNCIÓN DE UTILIDAD = MINIMAX
Minimizar { i=1,N Xi MAXi |

i=1,N Xi = 1 ;
0  Xi   i=1,N }
donde MAXi representa la máximo costo (pérdida) que se

puede tener con el instrumento financiero i, que se define como
MAXi = Maxh ( ri(Yh) )
Con base en la anterior definición el anterior problema se puede

formular como
Minimizar {  |
i=1,N Xi ri(Yh)   h=1,E ;
i=1,N Xi = 1 ;
0  Xi   i=1,N }
Otra alternativa es la función de utilidad que se conoce como
"máximo arrepentimiento" ("maximun regret"),
conocido también como criterio de Savage. En este caso se trata
de minimizar el "arrepentimiento" que se genera si ocurre la
condición aleatoria Y y se toma la decisión X.
El arrepentimiento es la diferencia del costo de la decisión X

dado que ocurrió el escenario aleatorio Y con el costo asociado
a la decisión óptima ideal, X*(Y), que se ha debido tomar si se
conociera con antelación que el escenario Y iba a ocurrir.
a(X|Y) = f(X|Y) - f(X*(Y)|Y)
donde a(X|Y) representa al "arrepentimiento" que se

presentaría si se toma la decisión X y ocurre el escenario Y
f(X|Yn)
$
ARREPENTIMIENTO
f(X*(Y1)|Y1)
MÍNIMO COSTO DADO QUE OCURRE EL ESCENARIO 1
X1
0 100
X2
f(X|Yn)
$
RIESGO DEBIDO A
LA DECISIÓN
(X)
f(X*(Y1)|Y1)
RIESGO DEBIDO A
LA SITUACIÓN
(Yh)
X1
0 100
X2
f(X|Yn)
$
Arrepentimiento
Escenario 1
Arrepentimiento
Escenario 3
Arrepentimiento
Escenario 2
X1
0 100
X2
f(X|Yn)
$
FUNCIÓN DE UTILIDAD = MÁXIMO ARREPENTIMIENTO
X1
0 100
X2
f(X|Yn)
$
Arrepentimiento
Escenario 1
Arrepentimiento
Escenario 3
Arrepentimiento
Escenario 2
X1
0 100
X2
f(X|Yn)
$
FUNCIÓN DE UTILIDAD = ARREPENTIMIENTO ESPERADO
X1
0 100
X2
FUNCIÓN DE UTILIDAD = MAXIMUN REGRET
Matemáticamente el arrepentimiento (X|Y) si se toma la decisión X

y ocurre el escenario Y es
(X|Y) = f(X*(Y)|Y) - f(X|Y)
donde X*(Y) es la solución al problema
Minimizar { f(X|Y) |
i=1,N Xi = 1 ; 0  Xi   i=1,N }
Para el caso en referencia, el arrepentimiento se define como
(X|Y) = fimax(Y) - f(X|Y)
donde fmax(Y) corresponde a la solución al problema
Minimizar { fmax(Y) = i=1,N Xi ri(Y) |

i=1,N Xi = 1 ;
0  Xi   i=1,N }
FUNCIÓN DE UTILIDAD = MAXIMUN REGRET
El problema para minimizar el máximo arrepentimiento

se puede formular como
Minimizar { i=1,N | 
  [i=1,N Xi ri(Yh) - fmax(Yh) ] h=1,N ;
i=1,N Xi = 1 ;
0  Xi   i=1,N }
f(X|Yn)
$
MÁXIMO COSTO
ARREPENTIMIENTO
X1
0 100
X2
f(X|Yn)
$
MÁXIMO COSTO
ARREPENTIMIENTO
X1
0 100
X2
f(X|Yn)
$
Retorno bajo
condiciones extremas
X1
0 100
X2
f(X|Yn)
$
MÁXIMO COSTO
ARREPENTIMIENTO
X1
0 100
X2
f(X|Yn)
$
MÁXIMO COSTO
VALOR ESPERADO
MEAN-VARIANCE
ARREPENTIMIENTO
X1
0 100
X2
f(X|Yn) VALOR ESPERADO con VaR RESTRINGIDO
$
X1
0 100
X2
$
Limite VaR
X1
0 100
X2
$
Limite VaR
Decisiones
Factibles
X1
0 100
X2
$
Limite VaR
VALOR ESPERADO
RESTRINGIDO
Decisiones
Factibles
X1
0 100
X2
$
Limite VaR
Decisiones
Factibles
X1
0 100
X2
$
Limite VaR
Decisiones
Factibles
X1
0 100
X2
$
Limite VaR
NO HAY
Decisiones
Factibles
X1
0 100
X2
FUNCIÓN DE UTILIDAD =
VALOR ESPERADO + RESTRICCIONES SOBRE EL RIESGO
 limitar el máximo costo con un conjunto de restricciones del tipo
f(X|Yh)  COSTO MÁXIMO h=1,E
 limitar el valor esperado del costo con una restricción del tipo
h= 1,E f(X|Yh)  COSTO ESPERADO MÁXIMO
 limitar la varianza del costo con una restricción no lineal del tipo
h= 1,E [([h= 1,E f(X|Yh)/NE ] - f(X|Yh))2 ]/(E-1)  VARIANZA MÁXIMA

Para introducir el concepto de VaR en los modelos de optimización
estocástica se propone la metodología propuesta por Palmquist et al.
(1999), que se basa en considerar el CVaR (b(X)) en vez del VaR.
Existen dos posibilidades:
 minimizar los costos esperados sujeto a una restricción que acota a

ab el valor del CVaR:
Min R(X) | b(X)  ab
 minimizar el CVaR sujeto a una restricción que acota a s los

costos esperados:
Min b(X) | R(X)  s
donde R(X) representa el valor esperado de los costos, b(X) el

CVaR, b una determinada probabilidad, y los valores ab y s
corresponden a límites que se imponen respectivamente al riesgo y/o a
las expectativas de costos esperados.
Consideremos CVaR en un modelo de optimización estocástica

donde Y pertenece a un universo discreto de E escenarios
equiprobables. La definición de CVaR es
b(X) = ab(X) + (1-b)-1h=1,E max[0, f(X|Yh) - ab(X)] / E
la cual puede reemplazarse con base en el siguiente conjunto de

inecuaciones lineales
b(X) = ab(X) + (1-b)-1E h=1,E i

h  f(X|Yh) - ab(X) h=1,E
h  0 h=1,E
donde h representa el exceso de pérdida sobre ab(X) si se toma

la decisión X y ocurre el escenario aleatorio Yh.
Con base en la anterior definición el modelo de referencia

se puede escribir como
Minimizar { m(IM) = M |
M = i=1,N Ei Xi ;
i=1,N Xi = 1 ;
h=1,E i  E  ab (1-b)
h  f(X|Yh) - ab h=1,E ;
h  0 h=1,E ;
0  Xi    i=1,N }
PLAN DE TEMAS
• Medición de los Riesgos
 Valoración de los Riesgos
 Toma de Decisiones bajo

Incertidumbre
 Generación de Escenarios
 Optimización Estocástica
 Casos
TOMA DE DECISIONES BAJO INCERTIDUMBRE
Generación de Escenarios
relacionado con la caracterización probabilística del vector
Y que representa las variables asociadas al escenario
aleatorio (entorno de las decisiones)
Optimización Estocástica
relacionado con la selección del vector de decisiones X que
representa la composición del portafolio de instrumentos
financieros
MODELAJE OPTIMIZACION ESTOCASTICA
MODELAJE DEL PROCESO
MODELO PROBABILISTICO DE TOMA DE DECISIONES
DE Y
+ RESTRICCIONES SOBRE X
ESCENARIO ECONOMICO +
FUNCIÓN DE UTILIDAD
SIMULACIÓN
Yh OPTIMIZACIÓN
Generación
de Toma de Decisiones
Escenarios
X*
GENERACIÓN DE ESCENARIOS SELECCIÓN DEL X OPTIMO
SINTETICOS PARA Y
TECNOLOGÍAS PARA GENERACIÓN DE
ESCENARIOS
Modelos Estadísticos
Econométricos
Series de Tiempo
Estimación de Estado
Ecuaciones Diferenciales Estocásticas
Modelos Técnico Económicos

MODELAJE OPTIMIZACIÓN ESTOCASTICA
DATOS HISTÓRICOS ESCENARIO ECONOMICO
SIMULACIÓN
MODELOS
Generación
ESTADISTICOS de
Escenarios
Yh
GENERACIÓN DE ESCENARIOS
MODELO PROBABILISTICO DE Y
SINTETICOS PARA Yh
FIGURE 1.3 - Mulvey's cascade structure
ECUACIONES DIFERENCIALES ESTOCÁSTICAS
drt = a(r0-rt) + brt dz1
dlt = c(l0-lt) + elt dz2
dpt = ndrt + g(g0-gt)dt + h vt dz3
dvt = k(v0-vt) + m vt dz4
.....
donde:
rt tasa de interés de
corto plazo
lt tasa de interés de largo
plazo
pt inflación
vt volatilidad
estocástica
a(), b(), g() y k() funciones apropiadas
b, e, h y m factoresecuaciones
Algunas constantesdel Modelo CAP:Link
dz1, dz2, dz3 y dz4 ruidos correlacionados
Tillingast - Towers Perrin
"
Multi-stage Optimization for Long-term Investors"
John M. Mulvey
OPTIMIZACIÓN ESTOCASTICA
• Fundamentos de Optimización
• Modelaje del Proceso

• Periodo de Planificación (dinámica)
• Variables
• Restricciones del Proceso
• Restricciones de Riesgo
• Otras restricciones
• Funcion de Utilidad
• Integración en el Tiempo y en el Espacio
• Resultados
• Técnicas Solución
Modelaje del Proceso
Periodo de Planificación (dinámica)

Implica la división del horizonte de planificación en dos periodos T1 y T2.
T1 corresponde al periodo en el cual las decisiones se van a implementar y
T2 al periodo en que se simularan decisiones posteriores a la presente, para

evaluar el costo futuro esperado de las decisiones tomadas en T1.
Cada uno de los anteriores periodos, principalmente T2, puede estar

subdividido en múltiples intervalos.
La escala de tiempo depende del negocio, un “trader” estará interesado en

modelos que se mueven en minutos u horas; un Gerente de un Fondo de
Pensiones le intersa analizar extensos periodos, varios años, quizás con
cortos intervalos al comienzo del periodo de planificación y largos
intervalos al final.
T1 T2
t=0 t=1 t=2 t=3
T1 T2
t=0 t=1 t=2 t=3
A lo largo del periodo de planificación se asume que ocurre un

proceso estocástico que puede llevar al sistema por múltiples
estados, partiendo del estado inicial, que se asume conocido.
Cada uno de estos posibles estados corresponde a un

escenario Yh.
El flujo de la información se asume NOANTICIPATIVO, lo

que implica que
•no se sabe que es lo que va a pasar
•pero si se sabe que es lo puede pasar
T1 T2
t=0 t=1 t=2 t=3
Estado Inicial
Escenario N - f(X|Yn)
T1 T2
t=0 t=1 t=2 t=3
Escenario 1
Estado Inicial
X1
FLUJO DE
INFORMACIÓN NO
ANTICIPATIVO
Escenario N
T1 T2
t=0 t=1 t=2 t=3
Escenario 1
X21
Estado Inicial
X1
FLUJO DE
INFORMACIÓN NO
ANTICIPATIVO
Escenario N
T1 T2
t=0 t=1 t=2 t=3
Escenario 1
X21
Estado Inicial
X1 X22
FLUJO DE
INFORMACIÓN NO
ANTICIPATIVO
X23
Escenario N
T1 T2
t=0 t=1 t=2 t=3
X31
Escenario 1
X21 X32
X33
Estado Inicial
X1 X22
X34
X35
FLUJO DE X36
INFORMACIÓN NO
ANTICIPATIVO
X23
X37
Escenario N
T1 T2
t=0 t=1 t=2 t=3
X31
Escenario 1
X21 X32
X33
Decisiones Decisiones
Estado Inicial
X1
Determinísticas
Reales
X22
Estocásticas
X34
X35
Simuladas
X36
X23
X37
Escenario N
Variables
Convencionalmente, para representar el proceso se tienen dos

tipos de variables: inventarios y flujos financieros.
Las variables de inventario, o de balance, son analógas a las

cuentas de balance contable, y representan el estado de la
cuenta después de las transacciones en el periodo t
Las variables de flujo son analógas a las cuentas de ingresos y

egresos, y representan flujos netos ocurridos entre dos
fechas, el comienzo y el fin del periodo de planificación.
Variables
Ejemplo de variables relacionadas con activos
xj,ts inversión total en activo tipo j, en el periodo t, si ocurre

el escenario s
pj,ts ventas de activo tipo j, en el periodo t, si ocurre el

escenario s
qj,ts compras de activo tipo j, en el periodo t, si ocurre el

escenario s
Variables
Ejemplo de variables relacionadas con pasivos
yi,ts inversión total en pasivo tipo i, en el periodo t, si ocurre

el escenario s
di,ts disminución de pasivo tipo i, en el periodo t, si ocurre el

escenario s
ai,ts aumento de pasivo tipo i, en el periodo t, si ocurre el

escenario s
Restricciones del Proceso
En general se puede considerar que existen tres ecuaciones

básicas para el modelaje de planificación de cuentas
financieras:
• balance de activos
• balance de pasivos
• flujo de caja
Restricciones del Proceso
Ejemplo de restricciones relacionadas con activos
xj,t+1s = (xj,ts Rj,ss) - pj,ts + qj,ts (1-tj)
donde
Rj,ts retorno del activo tipo j, en el periodo t, si ocurre el

escenario s
tj transaction costs for asset j.
Rj,ts parámetro dependiente del escenario aleatorio s

Restricciones Varias
Adicionalmente pueden considerar múltiples tipos de restricciones debidas:
• Reglamentación
• Límites en Inversión
• Formas de Negociación
• Formas de los Instrumentos financieros
(opciones, futuros, etc.)
• Benchmarks
• Valor en Libros versus Valor en Mercado
Funciones de Utilidad
(Dependiente del decisor, del problema y del negocio)
Medidas de rendimiento
NPV - Net Present Value

EVA  - Economic Value Added
RAROC  - Risk Adjusted Return on Capital
Valor de las acciones
Valor de la empresa al final del periodo
Benchmarks (realidad versus “target”)
Funciones de Utilidad
(Dependiente del decisor, del problema y del negocio)
Valoración
Valor Esperado
Mean -Variance
Máximo Costo
Arrepentimiento
Restricciones de Riesgo
En los modelos de optimización estocástica se pueden incluir

consideraciones sobre el valor en riesgo o acotarlo.
Por ejemplo
VaRb (X)  w
donde w corresponde a un límite al VaRb (X)

Restricciones de Riesgo
En los modelos de asignación de estructura de capital está

restricción se convierte en
VaRb (X)  Capital

ó en
Activos s - Pasivos s  Capital  s (escenario)
Integración en el Tiempo y en el Espacio
En una organización de “gran tamaño” es impráctico pensar

que todas las decisiones se puedan tomar de manera
centralizada, con base en un simple modelo de
planificación.
A pesar de que pudiese ser lo óptimo, existen barreras

organizacionales y flujo imperfecto de información que
hace que esto no sea viable.
La planificación con base en modelos facilita la coordinación

de múltiples niveles jerárquicos de decisión.
"Integrated Financial Risk Management: Capital Allocation Issues"
John M. Mulve et al.
Resultados
$
y
Confiabilidad
4
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Profit ($MM)
-2
-4
-6
-8
Menos Riesgos
-10
-12
Probability
Figure 2
A Distribution of the Profit/loss before and after Optimization
"
Multi-stage Optimization for Long-term Investors "
John M. Mulvey
v
Mas ganacias
% CRECIMIENTO DEL CAPITAL
Figure 7
Profit/loss Exceedance Curve for Cash and Surplus-equity Investment Strategies
(Surplus-equity stochastically dominates cash/notes.)
"
Multi-stage Optimization for Long-term Investors "
John M. Mulvey
http://www.decisionware-ltd.com

Planificación Estratégica de Riesgos Financieros SIMMAC 02

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

Planificación Estratégica de Riesgos Financieros SIMMAC 02

Cargado por

Copyright:

Formatos disponibles

PLANIFICACIÓN ESTRATÉGICA DE RIESGOS

• Medición de los Riesgos

 Valoración de los Riesgos

 Toma de Decisiones bajo

El problema de valoración de los riesgos está

NPV Net Present Value

EVA  Economic Value Added

RAROC  Risk Adjusted Return on Capital

donde r representa el costo del capital

NPV Net Present Value

EVA  Economic Value Added

RAROC  Risk Adjusted Return on Capital

donde r representa el costo del capital

•Valor Esperado con VaR restringido

Un portafolio de inversión en dos instrumentos

Decisiones: Escenario 2 - f(X|Y2)

X1 porcentaje de inversión en el instrumento 1

VARIANZA DE LOS COSTOS X1

El enfoque mas simple para determinar la composición de un

m (X) = Y f(X|Y) p(Y) dY

La solución al anterior problema es trivial, e implica concentrar

FUNCIÓN DE UTILIDAD = COSTOS ESPERADOS

F(X) = d Y(Xi ,a)/d a

donde e representa la media de los ingresos, s la

VARIANZA DE LOS COSTOS X1

F(X) = d Y(Xi ,a)/d a

Minimizar { m(M,V) = a M + (1-a) V |

donde COVi,j representa la covarianza entre el rendimiento del

COVi,j = h=1,E (ri(Yh) - Ei) (rj(Yh) - Ej) / (E-1)

En este caso se trata de minimizar los máximos costos

m (X) = MaxY f(X|Y)

FUNCIÓN DE UTILIDAD = MÁXIMO COSTO

DRiesgo = MCEC - MCMC

corresponde a la disminución del riesgo que se realiza ya

DCostos Esperados = EMMC - EMEC

La relación entre DRiesgo y DCostos Esperados se debe

Minimizar { i=1,N Xi MAXi |

donde MAXi representa la máximo costo (pérdida) que se

MAXi = Maxh ( ri(Yh) )

Con base en la anterior definición el anterior problema se puede

El arrepentimiento es la diferencia del costo de la decisión X

a(X|Y) = f(X|Y) - f(X*(Y)|Y)

donde a(X|Y) representa al "arrepentimiento" que se

FUNCIÓN DE UTILIDAD = MÁXIMO ARREPENTIMIENTO

FUNCIÓN DE UTILIDAD = ARREPENTIMIENTO ESPERADO

Matemáticamente el arrepentimiento (X|Y) si se toma la decisión X

(X|Y) = f(X*(Y)|Y) - f(X|Y)

donde X*(Y) es la solución al problema

Para el caso en referencia, el arrepentimiento se define como

(X|Y) = fimax(Y) - f(X|Y)

donde fmax(Y) corresponde a la solución al problema

Minimizar { fmax(Y) = i=1,N Xi ri(Y) |

El problema para minimizar el máximo arrepentimiento

 limitar el máximo costo con un conjunto de restricciones del tipo

f(X|Yh)  COSTO MÁXIMO h=1,E

h= 1,E f(X|Yh)  COSTO ESPERADO MÁXIMO

h= 1,E [([h= 1,E f(X|Yh)/NE ] - f(X|Yh))2 ]/(E-1)  VARIANZA MÁXIMA

 minimizar los costos esperados sujeto a una restricción que acota a

Min R(X) | b(X)  ab

 minimizar el CVaR sujeto a una restricción que acota a s los

Min b(X) | R(X)  s

donde R(X) representa el valor esperado de los costos, b(X) el

Consideremos CVaR en un modelo de optimización estocástica

b(X) = ab(X) + (1-b)-1h=1,E max[0, f(X|Yh) - ab(X)] / E