Clase 08 Var

Gestión de Riesgos
Value at Risk
Profesor: Miguel Ángel Martín Mato

Distintos tipos de riesgo
Riesgo de
Riesgo de reinversión
crédito
Riesgo de
iliquidez
Riesgo
país
Riesgo de
tipo de cambio
Riesgo
operativo
Riesgo
de mercado
Profesor: Miguel Angel Martín 2

Riesgo: algunos aspectos por
considerar
 Un problema esencial asociado al término es que no
se cuenta con una definición única para “riesgo”. Se
pueden obtener ventajas relativas al trabajar con
distintas técnicas para implementar su medición.
 Del diccionario:
 Contingencia o proximidad de un daño (un “risco”)
 El peligro o la posibilidad de sufrir pérdidas
 El monto que una compañía puede perder
 La variabilidad de los retornos de una inversión
 La posibilidad de no recibir el pago de una deuda
 Cada una de las contingencias que pueden ser objeto de un contrato
de seguro
Visión intuitiva del riesgo de
mercado
 Puntos por considerar:
 La oscilación de las variables económicas clave.
 Cambios en el perfil de riesgo de una empresa, de un patrimonio o
de una emisión particular.
 Valor de la diversificación de portafolio: riesgo diversificable y
riesgo no diversificable.
 Límites impuestos a la diversificación (legales o institucionales).
 Consecuencias
 Efectos directos e indirectos sobre el valor de los componentes de
un portafolio.
 Efecto acumulado sobre el valor total del portafolio.

Riesgo simétrico versus riesgo
asimétrico
 Algunas medidas de riesgo simétrico:
 Desviación estándar y varianza
 Desviación absoluta respecto a la media
 Algunas medidas de riesgo asimétrico:

 Semidesviación estándar
 Probabilidades empíricas de pérdida
 Value-at-Risk

asimétrico
Distribución asimétrica
hacia ganancias
Resultado esperado
hacia pérdidas

asimétrico
 Ambas tienen el mismo

hacia ganancias
riesgo simétrico
Resultado esperado
 Los indicadores
asimétricos identifican
la segunda
hacia pérdidas
distribución de
resultados como más
riesgosa que la
primera
Definición del Value-at-Risk
 Presupuestos
 Es posible reunir información representativa sobre los posibles
resultados de una inversión en el corto plazo.
 Datos históricos o supuestos expertos
 Esta información permite describir el futuro (“comportamiento estable”)
 Tres elementos distintivos de la definición

 El Value-at-Risk incorpora:
Criterio Horizonte de Significancia

asimétrico inversión estadística

Definición del Value-at-Risk
 Definición
Es la máxima pérdida esperada
dentro de un horizonte de inversión de “n” días
con una probabilidad de error de “α”%
Criterio Horizonte de Significancia

asimétrico inversión estadística

Qué es Value at Risk (VaR)
 El VaR resume la pérdida máxima esperada
(o peor pérdida) a lo largo de un horizonte de
tiempo objetivo dentro de un intervalo de
confianza dado.
El cálculo del VaR está dirigido a elaborar un

reporte de la siguiente forma:
 Se tiene una certeza de X% de que no se perderá
más de V dólares en los siguientes N días
 V es el VaR de N -días para un nivel de confianza
de X%
Metodologías VaR alternativas
 Las similitudes
Método “Analítico”
 Los tres métodos buscan estimar un valor
(Delta Normal)
crítico para las pérdidas potenciales.
Método “Montecarlo”
 Las diferencias
(Simulaciones)
 Cada método realiza distintos supuestos
acerca de qué valores son
representativos sobre las futuras
Método “Histórico” pérdidas potenciales y cómo éstas se
(Histogramas) distribuyen estadísticamente.

(Delta Normal)
(Simulaciones)
Método “Histórico”
(Histogramas)

VaR Analítico - Delta Normal
 Supuestos
 El supuesto clave es que es posible conocer la función de
distribución de rendimientos (futuros) de la inversión o paquete
de inversiones que se plantea manejar.
 Se asume que la distribución es normal (y, por ello, simétrica),

con media y varianza conocidas.
 Sin embargo…
 ¿Es realmente normal?
 Problemas de estabilidad de medias y varianzas
 ¿De dónde procede la información sobre media y varianza?
 ¿Y los momentos superiores?
 A partir de los supuestos sobre la distribución, es

posible calcular directamente el percentil de riesgo
apropiado.
Probabilidad de
ocurrencia
0
-2% -1% 0% 1% 2%
Posibles valores de la
variable aleatoria

Probabilidad de
ocurrencia
variable aleatoria
0
μ -3σ μ -2σ μ-1σ μ μ +1σ μ +2σ μ +3σ
68.26%
95.44%
99.74%

Probabilidad de
ocurrencia
5% 90% 5%
variable aleatoria
 Con una probabilidad de 95% en una cola …

 =DISTR.NORM.ESTAND.INV(5%)= -1.6448
 Valor crítico: 1.6448 Desviaciones estándar

 Generalización
 Si llevamos esta generalidad a una distribución

normal N(m,s) tendríamos que normalizar para
calcular qué valor de “x” se superará con una
probabilidad de 5%.
 xm   xm xm
P z    5% P  1.65    5%  1.65 
 s   s  s
x  1.65s  m

 Los dos componentes: la media y la volatilidad
 La media (μ) de los rendimientos suele calcularse como el promedio

aritmético de las rentabilidades observadas en el corto plazo. Distinguir la
diferencia entre media aritmética y geométrica en este caso.
 La volatilidad (σ) de los rendimientos se aproxima utilizando la desviación

estándar de las rentabilidades observadas en el corto plazo.
 Conversión de plazos
 Es común (aunque no recomendable) convertir los rendimientos y

volatilidades de un día en sus correspondientes anuales del siguiente
modo:
manual  mdiaria  252 s anual  s diaria  252

 Período de anulación de riesgo
 El periodo de Anulación de Riesgo (Defeasance Period), es el

horizonte de tiempo elegido al cual se hará referencia para el
cálculo de la medida de riesgo.
 Las medidas de riesgo vendrán referenciadas en función de ese
horizonte temporal.
 Rendimiento: rperiodo  rdiariaT
s periodo  s diaria T
 Volatilidad:
 El intervalo de confianza
 Según la propuesta del Comité de Basilea[1] el

intervalo de confianza ideal es de 99% (1% de
probabilidad, -2.33 desviaciones estándar) a 10 días.
 Según la metodología de RiskMetrics[2] es de un
95% (5% de probabilidad y -1.65 desviaciones
estándar) a 1 día.
 [1] Banco de Pagos Internacionales, “Amendment to the Capital Accord to Incorporate

Markets Risk”, Comité de Basilea, Basilea, Suiza, Enero de 1996.
 [2] Riskmetrics “Technical Document” – JP Morgan 1996

Dow Jones desde enero de 1997
hasta marzo del 2001

Data-> 1302 días
Mean -> 0.000553448
StandardDeviation -> 0.0112249
Kurtosis -> 6.78236
Skewness -> -0.489853

Asunción de Normalidad
Frecuencia
35
Data-> 252 días
Mean -> -0.0000567592
30
Skewness -> -0.101167
Kurtosis -> 3.557397
25
StandardDeviation -> 0.0109072
20
15
10
Rend
-0.03 -0.02 -0.01 0. 0.01 0.02 0.03

(Delta Normal)
(Simulaciones)
(Histogramas)

VaR Montecarlo
 Supuestos
 El supuesto clave es que es posible conocer la función de
distribución de rendimientos (futuros) de la inversión o
paquete de inversiones que se plantea manejar.
 Se asume que la distribución es una distribución conocida

(no necesariamente normal o simétrica).
 Para ello es posible utilizar algún procedimiento de ajuste o

bootstrapping.
 Sin embargo…
 ¿Es necesario que una serie de rendimientos se distribuya
siguiendo un patrón conocido?
 Problemas de estabilidad de parámetros

VaR Montecarlo
 Procedimiento
 A partir de los supuestos sobre las distribuciones y sus
covarianzas, es posible generar numerosos rendimientos
futuros hipotéticos.
 Mediante la combinación de dichos retornos, se puede
estimar resultados alternativos del portafolio y formar así un
histograma empírico.
 Finalmente, a partir de este histograma, se puede estimar el
percentil de riesgo apropiado.
 En síntesis
 Se asume que las distribuciones son conocidas y se generan
numerosos “mundos imaginarios” que siguen estas
distribuciones.
 El VaR se calcula comparando dichos escenarios simulados.

Movimiento Browmiano

Año Cotización Variación Cotización del Indice
2001 del Indice  S
Marzo 10000 -0.3002 -56.673
Abril 9943.33 -1.2777 -617.484 13000
Mayo 9325.84 0.2443 240.316 12500
Junio 9566.16 1.2765 816.603
12000
11500
Julio 10382.76 1.1984 839.480 11000
Agosto 11222.24 1.7331 1253.849 10500
Septiembre 12476.09 -2.1836 -1427.298 10000
Octubre 11048.79 -0.2342 -20.482 9500
Noviembre 11028.31 1.0950 825.884 9000
Diciembre 11854.20 -1.0867 -605.441 8500
8000
pt sto
o
zo
io
il
lio
ie e
O re
e
ici re
r
ay
br
n
Ab
N t ub
b
b
Ju
ar
Se o
Ju
em
m
M
Ag
M
c
ie
ov
D
Simulación de Montecarlo
1) Selección un proceso estocástico y sus parámetros.
2) Elección de la amplitud de periodo u horizonte de tiempo.
3) Selección de la serie de variables aleatorias.
4) Cálculo del pronóstico al final del horizonte temporal.
5) Creación de numerosos caminos aleatorios y de sus precios finales.
6) Cálculo de la distribución de los precios finales
7) Cálculo del VaR
8) Simulación con un mayor número de caminos aleatorios.

Selección de la serie de variables
aleatorias: 10 pasos
 {7715.4, 7747.79, 7838.4, 7945.7, 8071., 8061.95, 7968.63, 7996.51,

8014.19, 8008.27, 8225.35}

Simulación: 50 pasos
{8231.28, 8326.23, 7752.63, 7515.54, 7692.93, 7722.12, 7406.46, 8215.77,7733.26, 7708.26,

7667.66, 7987.14, 7659.5, 7724.84, 7505.23, 7607.72, 7960.08, 7215.38, 7663.24, 7633.67, 7740.72,
7823.22, 7952.66, 7272.22, 7703.3, 8171.57, 7435.34, 7850.22, 7851.2, 7836.13, 7618.75, 7606.02,
7762.65, 7480.32, 8018.9, 7843.87, 7689.99, 7695.14, 7600.88, 7699.05, 7423.71, 7759.96, 8210.56,
7269.68, 7564.04, 7829.16, 7473.52, 7795.48, 8258.2, 7581.22}

200 caminos

500 caminos

Histograma: 200
Mean -> 7707.1,
StandardDeviation ->
256.394,
Skewness -> 0.0282609,
Kurtosis -> 2.80355
VaR= 7094 - 7703.24=-609.24 puntos de

indice
Histograma:500
VaR=7107.14 - 7707.1=-599.96 puntos de índice

(Delta Normal)
(Simulaciones)
(Histogramas)

VaR Histórico
 Supuestos
 A diferencia de los dos primeros métodos, este enfoque no
realiza supuestos sobre la manera de “suavizar” la distribución
de los retornos.
 Se mantiene el supuesto previo de que el comportamiento

pasado es representativo del futuro cercano.
 Procedimiento
 Se utiliza el propio histograma empírico de los retornos
históricos para calcular el nivel de pérdidas crítico.
 Notar que los patrones de covarianza entre variables se

incorporan directamente en el procedimiento.
VaR Histórico – Síntesis del proceso
Variables actuales Cambios históricos Valores posibles
Tasas de interés Tasas de interés Tasas de interés
Tipos de cambio Tipos de cambio Tipos de cambio

+ =
Spreads de riesgo Spreads de riesgo Spreads de riesgo
Índices bursátiles Índices bursátiles Índices bursátiles
Histograma
Valoración del
de valores
portafolio
posibles

¿Qué hay más allá
del Value-at-Risk?:
Conditional Value at Risk
¿Por qué el VaR no es suficiente?
 Los trabajos de Artzner y Delbaen (1997), demuestran que el
VaR tiene características indeseables:
 Falta de subaditividad
 Falta de convexidad
 Por ello, de modo agregado se dice que el VaR no es una

medida “coherente” de riesgo.
 El VaR únicamente es coherente cuando está basado en

distribuciones continuas normalizadas (ya que para una
distribución normal el VaR es proporcional a la desviación
estándar).

¿Qué es el CVaR?
 Definición
 El Conditional-Value-at-Risk (CVaR) a un nivel de confianza
dado es la pérdida esperada entre las pérdidas que son
mayores que el VaR.
 Dicho de otra forma, es la pérdida esperada que es más
grande o igual que el VaR.
[Uryasev S., y Rockafellar, R.T 2000]
 Implicancias
 Es un promedio de las pérdidas que exceden el VaR.
 Va a ser un indicador que no sólo tiene en cuenta el VaR
sino también las pérdidas extremas de la distribución.

Acción de Yahoo
Variance ® 0.00175868,
VaR -> -4.899%
StandardDeviation ® 0.0419366,
CVaR-> -7.166% SampleRange ® 0.391606,
MeanDeviation ® 0.0302709,
MedianDeviation ® 0.0211623,
QuartileDeviation ® 0.0220472

Acción de Yahoo (Variantes)
VaR -> -4.899% VaR -> -4.899%

CVaR-> -9.125% CVaR-> -11.29%

Resumen de las ventajas del CVaR
 El CVAR calcula riesgos más allá del VAR lo que la hace una
medida más conservadora, puesto que por definición así lo
exige, por lo que el CVAR domina al VAR.
 El CVAR tiene la propiedad de ser una función siempre

convexa respecto a las posiciones lo que permite la
optimización en la posición de una cartera.
 El CVAR es continuo respecto al nivel de confianza.
 Es consistente con la aproximación de mínima varianza, ya que

la cartera de mínima varianza es la que minimiza también el
CVAR.

Sol Melia
Sol Meliá
100
Variance ® 0.000591326,
80 SampleRange ® 0.26306,
60 MeanDeviation ® 0.0169168,
40
QuartileDeviation ® 0.0119259
20
Skewness ® - 0.340253,
QuartileSkewness ® - 0.13312,
- 0.1 - 0.05 0. 0.05 0.1

KurtosisExcess ® 4.74141
Telef ó nica
Telefónica
60 Variance ® 0.000766605,
50 StandardDeviation ® 0.0276876,
SampleRange ® 0.225492,
40
MeanDeviation ® 0.0213998,
30
20 QuartileDeviation ® 0.0169693
Skewness ® 0.555963,
10 Variance ® 0.000839184, StandardDeviation ® 0.0289687, SampleRange ® 0.208437,
MeanDeviation ® 0.0217709, MedianDeviation ® 0.0167924, QuartileDeviation ® 0.0164853
- 0.05 0. 0.05 0.1 KurtosisExcess ® 1.72
BSCH
60 BSCH
Variance ® 0.000839184,
50
40 SampleRange ® 0.208437,
30 MeanDeviation ® 0.0217709,
20
QuartileDeviation ® 0.0164853 486 observaciones
10 Skewness ® 0.235453,
Profesor:
- 0.1 Miguel Angel Martín
- 0.05 0. 0.05 0.1 KurtosisExcess ® 1.10948
47
Carteras de dos acciones - Telefónica y
BSCH
Perd%
0.06
CVaR
0.055
0.05
0.045
VaR
Valor del
portafolio
Telefónica
w1
0.2 0.4 0.6 0.8 1
Evolución del VaR y del CVaR en función a la proporción 61.22% Telefónica

38.78% BSCH
invertida en Telefónica (w1) para un nivel de confianza del CVaR -> 5.190%
95% y un horizonte temporal de un día.

El VaR para tres acciones - Sol Meliá,
Telefónica y BSCH
VaR
Sol Meliá
Telefónica
Sol Meliá
Evolución del VaR en función a la proporciones invertidas en Sol Meliá (w1) ,

Telefónica (w2) y BSCH (1- w1 - w2) para un nivel de confianza del 95% y un horizonte
temporal de un día.
El CVaR para tres acciones - Sol Meliá,
Telefónica y BSCH
CVaR
Sol Meliá Telefónica
Sol Meliá
Evolución del CVaR en función a la proporciones invertidas en 48.94% Sol Meliá

46.03% Telefónica
Sol Meliá (w1) , Telefónica (w2) y BSCH (1- w1 - w2) para un 5.03% BSCH
nivel de confianza del 95% y un horizonte temporal de un día.
CVaR -> 4.530%

CVaR Histórico (1)

CVaR Histórico (2)

CVaR Histórico (3)

CVaR Histórico (4)

Descomposición del Value at Risk
Descomposición del VaR (1)
VaR
Incremental VaR
Marginal VaR
Portfolio VaR
100% Posición en un activo

Descomposición del VaR (2)
 Beta VaR
 Busca repartir el riesgo total entre cada una de las inversiones
individuales, usando como coeficiente el índice “beta” entre el
rendimiento del activo individual y el rendimiento de la cartera
en su totalidad.
σ A1,C
β A1
C
 2
σC
VaR  w A1 β A1  VaR    w Ak  β Ak  VaR

C C C C C

VaR No diversificado
Ganancias o pérdidas hipotéticas de… (en moneda de protección de capital)
Escenario \ Activo Activo 1 Activo 2 … Activo “K” Cartera
Escenario 1 R1,1 R1,2 … R1,K R1 = R1,1 + R1,2 +…+ R1,K
Escenario 2 R2,1 … R2,K R2 = R2,1 + R2,2 +…+ R2,K
… … … … … …
Escenario “N” RN,1 RN,2 … RN,K RN = RN,1 + RN,2 +…+ RN,K
 El VaR Histórico de la cartera

 Es el percentil “α” del vector “Rj”. Sea “V” la posición en el vector “Rj” en
la que se localiza el escenario VaR (por lo tanto “VaR = RV”).
 El VaR Diversificado de cada activo “k” será “RV,k”.
 El VaR No Diversificado de cada activo “k” será el percentil “α”
del vector “Rj,k”.

Descomposición VaR por factor de
riesgo
 El análisis “Risk factor decomposition” permite
examinar el impacto aislado de los factores de
riesgo de mercado sobre las pérdidas máximas
esperadas de cada activo. Los tres factores de
mercado considerados son:
 Riesgo de tipo de cambio. Incluye los efectos de todos los tipos
de cambio entre la moneda base y otras monedas.
 Riesgo de tasa de interés. Incluye todos los segmentos de las
curvas de tasa de interés relevantes para todos los activos de
renta fija y derivados.
 Riesgo bursátil. Incluye los precios de acciones e índices,
pudiendo afectar a acciones, opciones sobre acciones e
instrumentos de renta fija indexados.

Descomposición VaR por factor de
riesgo
 La descomposición por factor de riesgo se realiza asumiendo, para cada factor, los
cambios del escenario crítico que da lugar al VaR de la cartera (es decir, el escenario
histórico que se halla en el percentil crítico), manteniendo el resto de factores de riesgo
constantes.
 Por ejemplo, se evalúa únicamente el impacto de los cambios críticos en los tipos de
cambio sobre el valor de la posición de cada activo de la cartera, manteniendo el resto de
factores de riesgo constantes.

Contribution VaR
 El Contribution VaR constituye una
descomposición que permite medir la
participación de cada activo como parte del
total de pérdidas de cartera que superan al
VaR.
 se define como la proporción de pérdidas que igualan
o exceden el VaR atribuible a cada activo.
 En otros términos, indica qué porcentaje de
las pérdidas extremas totales que podrían
superar el VaR se deben a cada activo.

Contribution VaR
Contribution VaR
49,78 %
STOCK Barclays
BOND JPMorgan-C...
STOCK Southern ...
BOND Barrick 20...
Cash BBVA_EUR
Cash SCOTIA_PEN...
Cash HSBC_GBP
BOND PeruGlobal...
BOND PeruVAC 20...
Other
0,35 %
1,09 %
1,22 %
1,27 %
1,51 %
1,56 %
2,92 %
26,71 %
13,59 %

VaR Marginal
 El VaR Marginal expresa el cambio esperado en el
valor del VaR de la cartera ante pequeñas
variaciones en la posición de un activo.
 Método Histórico
 Implica revalorar la cartera teniendo en cuenta la nueva posición en el activo
 Método paramétrico
 Emplea la derivada de la función VaR.
 Un VaR Marginal negativo

 indicaría que cada unidad adicional invertida en el activo
incrementará la pérdida VaR esperada en la magnitud del VaR
Marginal. Puede afirmarse también que una reducción de la
posición en una unidad monetaria reduciría la pérdida esperada
en dicha magnitud.

VaR Marginal
 El VaR Marginal (en unidades monetarias) se define
como:
mVaRk  VaRBase1, k  VaRBase
Marginal VaR - Highest and Lowest values
STOCK Southern ... -0,104
STOCK Barclays -0,063

BOND Bundesbank... -0,021
Cash BBVA_EUR -0,016
Cash HSBC_GBP -0,006
BOND Barrick 20... -0,004
BOND PeruGlobal... -0,003

BOND JPMorgan-C... -0,003
BOND PeruVAC 20... -0,003

Cash CITI_USD2 0
Cash CITI_USD1 0
Cash SCOTIA_PEN... 0,002
STOCK Maple_GBP... 0,005
-0,1 -0,08 -0,06 -0,04 -0,02 0

VaR Incremental
 Es el cambio que se produciría en el VaR como
resultado de la liquidación completa de la posición
en un activo determinado.
 Las dos principales diferencias con el VaR Marginal
son que:
 La recomposición en la cartera puede corresponder en algunos
casos a posiciones significativas.
 Los resultados numéricos no son directamente comparables
entre sí, sino que deben analizarse a la luz las posiciones
absolutas iniciales en cada activo.
IVaRk  VaRBase  VaRBasek

VaR Incremental

Aplicación del Value at Risk:
7 lecciones importantes
Primera lección
G.I.G.O. (Garbage in… garbage out)
 Aspectos por considerar
 Cuidado con la forma de calcular

rendimientos
 Un VaR a “n” días debería ser calculado utilizando rendimientos a
“n” días. No es lo mismo calcular un retorno a 1 día y
reexpresarlo utilizando el principio de las potencias.
 Cuidado con las eliminaciones de datos

 Al emplear el análisis histórico, debe cuidarse que todas las
variables consideradas utilicen las mismas fechas de datos.
 Si se encuentran vacíos, es necesario reexpresar los retornos
para que todos se encuentren en la misma base de tiempo

Segunda lección
Usar el método más robusto
 En un mercado ilíquido y poco profundo, se presentan:
 Discontinuidades en los rendimientos
 “Colas anchas” (incertidumbre producida por casos extremos)
 Histogramas caprichosos
 Siempre que sea posible, conviene utilizar el método

histórico para procesar la información.
 Considerar que también existen mecanismos de análisis de

riesgo más robustos que el VaR
 CVaR
 BetaVaR
 IncrementalVaR…

Tercera lección
Identificar claramente los factores de mercado
 ¿A qué factores de riesgo está expuesto el valor de la

cartera?
 Tasas de interés
 ¿Es plana la curva de retornos?
 ¿Se desplaza paralelamente o puede girar?
 ¿Son constantes los spreads de riesgo por categoría?
 Tipos de cambio
 ¿En qué moneda se busca preservar el valor?
 Índices bursátiles
 ¿Es posible asociar el retorno de activos individuales a índices
sectoriales, selectivos o generales?

Cuarta lección
Reconocer que habrá información faltante…
 …e implementar soluciones consistentes
 ¿Qué hacer con los activos que no tienen precios

de mercado?
 Renta fija: valoración teórica cuidadosa
 Renta variable: uso cuidadoso de índices y sensibilidades
 Alternativa integral: usar el vector de precios
 ¿Qué hacer con las tasas de interés?

 Es necesario construir curvas de retornos para los distintos tipos de
inversiones (nacionales, soberanas, internacionales).
 Observar la necesidad de realizar interpolaciones y evitar los
“andenes”.

Quinta lección
Integrar el análisis de riesgo
en la plataforma operativa
 El análisis VaR debe ser permanente
 Idealmente, la institución debería poder contar con
la información actualizada diariamente.
 Esto implica un reto a nivel del flujo de datos
precisos sobre posiciones y cotizaciones de
instrumentos.
 El considerable volumen de datos involucrados
introduce el riesgo de errores humanos.
 Debe buscarse incorporar la generación de
reportes de riesgo de modo automatizado.

Sexta lección
Calibrar el sistema a las necesidades de
la empresa
 Utilizar el VaR ajustado a la media y el VaR relativo
 ¿Cuánto se desvía la pérdida máxima del nivel esperado?
 ¿Cuánto representa la pérdida como proporción de la
cartera?
 Imponer límites a la exposición de riesgo
 Definir un sistema de alertas en función de las pérdidas
relativas proyectadas.
 Poner a prueba su eficacia
 Utilizar procedimientos de back-testing para corroborar la
capacidad predictiva del sistema y realizar los ajustes
necesarios.

Sétima lección
Distinguir el propósito de reporte normativo
y el propósito de gestión de riesgo
 Los reportes solicitados por la Superintendencia de Banca pueden
ser útiles con fines regulatorios, pero no necesariamente ofrecen la
mejor evidencia para dirigir la empresa.
 Puntos por considerar:

 Definir claramente el ámbito de la “cartera” sujeta a riesgo.
 Acercarse a los usuarios finales de los reportes de riesgo. Explorar la
demanda de información.
 Capacitar a los potenciales usuarios. Permitir decisiones informadas.
 Un mismo reporte no es para todos.
 Explicitar las “funciones objetivo” de cada área y cada funcionario.
 Incorporar en la cadena a personal especializado.
 No perder de vista: “¿Qué hay más allá del VaR?”

Método analítico
 V:= vector de flujos
 W:=vector de proporciones
V '  V1 ,V2 ,V3 ,...Vn 
w'  w1 , w2 , w3 ,...wn 
 s 12 s 12 s 13  s 1N 
 
  
s N2 1 s N 2 s N 3 2 
sN 

 R1 
R  w1 , w2 , w3 ,...wn   
s P2  w'  w VaR p  Vs P
 RN 

VaR Incremental
 El VaR incremental tiene por objeto calcular cuál es
el VaR que aporta cada FM al VaR total de la cartera.
 Mide cual es la contribución al riesgo de un activo al
portafolio de la cartera
cov( rx , rp ) cov( rMF , rp ) w

x   MF   MF 
var( rp ) var( rp ) w' w

VaR Incremental
s P2  w1 cov( r1 , rp )  w2 cov( r2 , rp )  w3 cov( r3 , rp )  
s P2  w1 1s 2p  w2 s  w3 1s 2p  
2
p
VaRMF1  w1  1VaR p
VaR p  VaRMF1  VaRMF 2  VaRMF 3  

Análisis Empírico: Medidas Clásicas
vs. Medidas Modernas
Características de los Bonos
BONO Fecha de TC
Número Vencimiento Vto. Años YTM % (semestral) Precio % Precio $
1 15-May-04 0.980822 1.064% 5.250% 104.02% 1,041.88
2 15-May-04 0.980822 1.072% 7.250% 105.93% 1,061.65
3 15-May-05 1.980822 1.295% 6.500% 110.08% 1,102.89
4 15-May-05 1.980822 1.203% 12.000% 120.93% 1,213.19
5 15-May-06 2.980822 1.618% 2.000% 101.10% 1,011.66
6 15-May-06 2.980822 1.622% 4.625% 108.67% 1,088.16
7 15-May-08 4.983562 2.294% 2.625% 101.55% 1,016.32
8 15-May-08 4.983562 2.297% 5.625% 115.54% 1,157.21
9 15-Ago-10 7.235616 2.890% 5.750% 118.52% 1,201.19
10 15-Feb-13 9.742466 3.306% 3.875% 102.69% 1,028.05
11 15-Feb-23 19.747945 4.227% 7.125% 138.50% 1,404.90
Tabla 20.1 Características de los Bonos

tcm1y tym 2 tcm3y tcm5y tcm7y tcm10y tcm20y Estadísticos y gráficos
Media -0.028% -0.028% -0.027% -0.023% -0.021% -0.018% -0.014%
Desv. Estan. 0.099% 0.120% 0.125% 0.122% 0.115% 0.112% 0.095% de la evolución de los
Curtosis (exceso)
8
Coef. Asimetría
4.324
-1.140
3.178
-0.031
2.535
0.251
1.967
0.591
1.961
0.796
1.651
0.854
1.332
0.808
rendimientos:
7
tcm1y
SERIE 2000-2003
6
tym 2
5
Yield (%)
tcm3y
4
tcm5y
3
tcm7y
2
tcm10y
1
tcm20y
0
06/12/1999 23/06/2000 09/01/2001 28/07/2001 13/02/2002 01/09/2002 20/03/2003
tcm1y tym 2 tcm3y tcm5y tcm7y tcm10y tcm20y
Media 0.294% 0.257% Fechas
0.222% 0.165% 0.139% 0.111% 0.061%
Desv. Estan. 1.823% 1.969% 2.008% 1.883% 1.861% 1.698% 1.439%
Curtosis (exceso) 0.559 0.789 0.976 0.842 0.791 0.567 0.442
9.00
Coef. Asimetría 0.535 0.378 0.440 0.342 0.349 0.291 0.315 SERIE 1993-1997
8.00
tcm1y
7.00 tcm2y
Yield (%)
tcm3y
6.00
tcm5y
5.00
tcm7y
4.00 tcm10y
3.00
tcm20y Fuente: Reserva federal
08/09/1993 27/03/1994 13/10/1994 01/05/1995 17/11/1995 04/06/1996 21/12/1996
Profesor: Miguel Angel Martín

Fechas
80
Medidas Clásicas de Gestión
BONO Fecha de Duración Duración
Número Vencimiento Macaulay Modificada Convexidad M-2 Ñ
1 15-May-04 0.96846 -0.9437 1.4488 16.2591 2.0158
2 15-May-04 0.96392 -0.9302 1.4529 16.2978 2.0180
3 15-May-05 1.89248 -1.8329 4.7016 9.7507 1.5538
4 15-May-05 1.82940 -1.7258 4.5993 10.2043 1.5853
5 15-May-06 2.90829 -2.8795 9.9728 4.5023 1.0459
6 15-May-06 2.82316 -2.7594 9.6942 5.0015 1.0884
7 15-May-08 4.70326 -4.6423 25.0177 0.9015 0.1484
8 15-May-08 4.45058 -4.3288 23.4902 1.7139 0.2747
9 15-Ago-10 6.12530 -5.9541 43.8626 5.2826 1.0854
10 15-Feb-13 8.25620 -8.0993 77.9711 18.0137 2.0169
11 15-Feb-23 12.20350 -11.7837 196.3140 99.3028 4.1412
Tabla 20.4 Medidas Clásicas de los bonos

CARTERA 2do
(Número) 1er Bono Bono % (1er) Convexidad M-2 Ñ CAMBIOS
1 1 9 21.822% 34.607 7.678 1.288 PARALELOS
2 1 10 44.681% 43.781 17.230 2.016
3 1 11 64.116% 71.373 46.058 2.778 La cartera con
4 2 9 21.802% 34.616 7.684 1.289 mayor convexidad
5 2 10 44.653% 43.804 17.248 2.017
es la Cartera 6 (con
6 2 11 64.090% 71.427 46.105 2.780
7 3 9 26.585% 33.452 6.470 1.210 71.427).
8 3 10 51.168% 40.480 13.786 1.780
9 3 11 69.862% 62.449 36.740 2.334 Le sigue la Cartera
10 4 9 26.195% 33.578 6.572 1.216 3 (con 71.373 de
11 4 10 50.666% 40.797 14.057 1.798 convexidad).
12 4 11 69.437% 63.192 37.435 2.366
13 5 9 34.980% 32.008 5.010 1.072
14 5 10 60.887% 36.569 9.787 1.426 CAMBIOS NO
15 5 11 77.497% 51.905 25.835 1.742 PARALELOS
16 6 9 34.078% 32.219 5.187 1.086
17 6 10 59.933% 37.051 10.215 1.460 La Cartera 19 y la
18 6 11 76.794% 53.002 26.885 1.797
Cartera 20 serían
19 7 9 79.133% 28.950 1.816 0.344
20 7 10 91.648% 29.440 2.331 0.304 las mejores ya que
21 7 11 96.044% 31.795 4.795 0.306 la Cartera 19
22 8 9 67.193% 30.174 2.885 0.541 minimiza el M-2 y la
23 8 10 85.563% 31.356 4.067 0.526
24 8 11 92.913% 35.738 8.630 0.549
Cartera 20 minimiza
el Ñ.
Tabla 20.5 Medidas clásicas de las carteras

Asumiendo Normalidad
Principales Carteras 1993-1997
CART 1er 2do Desv. Exce. Coef. VaR VaR VaR
(Num) Bono Bono % (1er) Media Estan. Curt. Asime. 90% 95% 99%
1 1 9 21.8% 0.110% 3.987% 28.782 3.802 4.999% 6.448% 9.165%
2 1 10 44.7% 0.116% 3.348% 9.296 2.091 4.174% 5.390% 7.672%
3 1 11 64.1% 0.118% 3.378% 12.702 2.345 4.212% 5.439% 7.741%
4 2 9 21.8% 0.109% 4.026% 28.042 3.708 5.050% 6.513% 9.257%
5 2 10 44.7% 0.115% 3.392% 8.421 1.907 4.233% 5.465% 7.777%
6 2 11 64.1% 0.115% 3.421% 12.515 2.213 4.268% 5.511% 7.842%
7 3 9 26.6% 0.110% 4.004% 28.900 3.732 5.021% 6.476% 9.205%
8 3 10 51.2% 0.116% 3.396% 7.328 1.715 4.335% 5.597% 7.965%
9 3 11 69.9% 0.117% 3.515% 15.235 2.393 5.789% 7.476% 10.641%
10 4 9 26.2% 0.108% 4.120% 25.877 3.638 5.172% 6.668% 9.476%
Principales Carteras 2000-2003

CART 1er 2do Desv. Exce. Coef. VaR VaR VaR
(Num) Bono Bono % (1er) Media Estan. Curt. Asime. 90% 95% 99%
1 1 9 21.8% 0.270% 3.355% 20.651 -3.754 4.030% 5.249% 7.536%
2 1 10 44.7% 0.273% 2.962% 10.648 -2.699 3.524% 4.600% 6.619%
3 1 11 64.1% 0.262% 2.989% 12.205 -2.938 3.568% 4.654% 6.691%
4 2 9 21.8% 0.270% 3.508% 22.394 -3.984 4.226% 5.501% 7.892%
5 2 10 44.7% 0.272% 3.210% 17.693 -3.407 3.842% 5.009% 7.196%
6 2 11 64.1% 0.261% 3.216% 18.063 -3.534 3.861% 5.029% 7.221%
7 3 9 26.6% 0.270% 3.450% 20.530 -3.719 4.151% 5.405% 7.756%
8 3 10 51.2% 0.272% 3.254% 15.937 -3.134 3.990% 5.200% 7.470%
9 3 11 69.9% 0.263% 3.367% 18.196 -3.495 5.351% 6.974% 10.020%
10 4 9 26.2% 0.269% 3.481% 19.996 -3.658 4.192% 5.457% 7.829%

Distribuciones Reales
VaR y CVaR de las Principales Carteras 1993-1997
CART 1er 2do VaR VaR VaR CVaR CVaR CVaR
(Num) Bono Bono % (1er) 90% 95% 99% 90% 95% 99%
1 1 9 21.8% 3.471% 5.039% 8.471% 5.268% 6.423% 9.176%
2 1 10 44.7% 3.699% 4.486% 6.099% 4.657% 5.394% 6.481%
3 1 11 64.1% 3.026% 4.352% 6.156% 4.742% 5.730% 7.362%
4 2 9 21.8% 3.539% 5.564% 8.446% 5.458% 6.653% 9.182%
5 2 10 44.7% 3.758% 4.807% 6.725% 5.030% 5.825% 6.787%
6 2 11 64.1% 3.021% 4.547% 7.054% 4.994% 6.219% 7.800%
7 3 9 26.6% 3.431% 5.477% 9.060% 5.432% 6.703% 9.153%
8 3 10 51.2% 3.561% 4.376% 7.094% 5.080% 6.195% 7.186%
9 3 11 69.9% 3.215% 4.431% 7.779% 5.104% 6.398% 8.652%
10 4 9 26.2% 3.607% 5.525% 9.305% 5.525% 6.898% 9.430%
VaR y CVaR de las Principales Carteras 2000-2003

CART 1er 2do VaR VaR VaR CVaR CVaR CVaR
(Num) Bono Bono % (1er) 90% 95% 99% 90% 95% 99%
1 1 9 21.8% 1.313% 2.972% 18.367% 6.401% 10.668% 20.768%
2 1 10 44.7% 1.950% 5.766% 13.125% 6.319% 10.335% 15.008%
3 1 11 64.1% 1.851% 3.778% 15.185% 6.429% 10.197% 15.675%
4 2 9 21.8% 1.671% 2.953% 21.875% 6.482% 10.935% 22.298%
5 2 10 44.7% 2.022% 2.891% 16.467% 6.455% 10.652% 19.441%
6 2 11 64.1% 1.475% 4.049% 16.211% 6.562% 10.640% 19.254%
7 3 9 26.6% 1.666% 3.602% 21.171% 6.503% 10.891% 21.613%
8 3 10 51.2% 1.446% 3.546% 14.399% 6.650% 10.800% 18.636%
9 3 11 69.9% 1.531% 4.008% 18.210% 6.749% 10.793% 20.265%
10 4 9 26.2% 1.869% 3.785% 21.145% 6.669% 10.911% 21.686%

OPTIMIZACIÓN DE LA CARTERA DE MÍNIMO CVAR
(INDEPENDIENTE DE LA DURACIÓN) 1993-1997
Perd%
0.075
H L
CA RTERA 1 Bono 1 y Bono 9 93- 97
CARTERA 1
W1 = 40.35%
H L
Perd % CA RTERA 4 Bono 2 y Bono 9 93 - 97
0.075
CARTERA 4
W2 = 34.932%
0.07 W9 = 59.65% W9 = 65.058%
0.07
0.065
0.065
0.06
CVaR = 5.824% CVaR = 6.250%
Dm = 4.045 0.06 Dm = 4.322
0.055
Cnx = 26.749 0.055 Cnx = 29.048
w1
0.2 0.4 0.6 0.8 1
M2= 5.28 w2
M2= 5.286
0.045 0.2 0.4 0.6 0.8 1
Perd%
0.075
H L
CA RTERA 2 Bono 1 y Bono 10 93- 97 CARTERA 2 Perd% H L
CA RTERA 5 Bono 2 y Bono 10 93- 97 CARTERA 5
0.075
0.07 W1 = 45.495% W2 = 43.04%
0.07
0.065
W10 = 54.505% W10 = 56.96%
0.065
0.06
CVaR = 5.393% 0.06 CVaR = 5.819%
0.055 Dm = 4.941 0.055 Dm = 5.118
w1 Cnx = 43.157 w2
Cnx = 45.038
0.2 0.4 0.6 0.8 1
0.045
M2= 18.014 0.2 0.4 0.6 0.8 1 M2= 18.014
0.045
Perd%
0.075
H L
CARTERA 3 Perd%
0.075
H L
CARTERA 6
W1 = 40.059% W1 = 41.42%
0.07
W11 = 56.941% 0.07 W9 = 58.58%
0.065
0.065
0.06 CVaR = 5.443% CVaR = 5.869%
0.06
0.055 Dm = 7.366 0.055 Dm = 7.548
w1 Cnx = 112.407 w2
Cnx = 115.603
0.2 0.4 0.6 0.8 1
0.045 M2= 99.303 0.2 0.4 0.6 0.8 1 M2= 99.30
0.045

OPTIMIZACIÓN DE LA CARTERA DE MÍNIMO CVAR
(INDEPENDIENTE DE LA DURACIÓN) 2000-2003
Perd%
0.12
H L
CARTERA 1
W1 = 33.99%
Perd %
0.12
H L
CA RTERA 4 Bono 2 y Bono 9 00 - 03
CARTERA 4
W2 = 33.92%
W9 = 66.01% W9 = 57.08%
w1 w2
0.2 0.4 0.6 0.8 1 0.2 0.4 0.6 0.8 1
0.08 CVaR = 10.386% 0.08 CVaR = 10.707%
Dm = 4.373 Dm = 4.374
0.06 0.06
Cvx = 29.447 Cvx = 29.476
0.04
M2= 9.013 0.04 M2= 4.374
Perd% H L
0.12 0.12
W1 = 32.52% W2 =32.51%
w1 W10 = 67.48% w2 W10 = 68.49%
0.2 0.4 0.6 0.8 1 0.2 0.4 0.6 0.8 1
0.08 0.08
CVaR = 10.302% CVaR = 10.638%
0.06
Dm = 5.886 0.06 Dm = 5.885
Cvx = 17.443 Cvx = 53.094
0.04 M2= 17.443 0.04 M2= 17.456
Perd% H L
0.12 0.12
W1 = 32.17% W1 = 40.52%
w1
W11 = 67.83% w2
W9 = 59.48%
0.2 0.4 0.6 0.8 1 0.2 0.4 0.6 0.8 1
0.08 CVaR = 9.934% 0.08 CVaR = 10.238%
Dm = 8.589 0.06
Dm = 7.649
0.06
Cvx = 133.629 Cvx = 117.350
0.04 M2= 72.589 0.04 M2= 65.667

Clase 08 Var

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

Clase 08 Var

Cargado por

Copyright:

Formatos disponibles

Gestión de Riesgos

Profesor: Miguel Ángel Martín Mato

Profesor: Miguel Angel Martín 2

Profesor: Miguel Angel Martín 4

 Algunas medidas de riesgo asimétrico:

Profesor: Miguel Angel Martín 5

Profesor: Miguel Angel Martín 6

 Ambas tienen el mismo

 Tres elementos distintivos de la definición

Criterio Horizonte de Significancia

Profesor: Miguel Angel Martín 8

Es la máxima pérdida esperada

dentro de un horizonte de inversión de “n” días

con una probabilidad de error de “α”%

Criterio Horizonte de Significancia

Profesor: Miguel Angel Martín 9

El cálculo del VaR está dirigido a elaborar un

Profesor: Miguel Angel Martín 11

Profesor: Miguel Angel Martín 12

 Se asume que la distribución es normal (y, por ello, simétrica),

 A partir de los supuestos sobre la distribución, es

Profesor: Miguel Angel Martín 14

Profesor: Miguel Angel Martín 15

 Con una probabilidad de 95% en una cola …

Profesor: Miguel Angel Martín 16

 Si llevamos esta generalidad a una distribución

Profesor: Miguel Angel Martín 17

 La media (μ) de los rendimientos suele calcularse como el promedio

 La volatilidad (σ) de los rendimientos se aproxima utilizando la desviación

 Es común (aunque no recomendable) convertir los rendimientos y

manual  mdiaria  252 s anual  s diaria  252

 El periodo de Anulación de Riesgo (Defeasance Period), es el

 Rendimiento: rperiodo  rdiariaT

 Según la propuesta del Comité de Basilea[1] el

 [1] Banco de Pagos Internacionales, “Amendment to the Capital Accord to Incorporate

Profesor: Miguel Angel Martín 20

Profesor: Miguel Angel Martín 22

Profesor: Miguel Angel Martín 23

Profesor: Miguel Angel Martín 24

Profesor: Miguel Angel Martín 26

 Se asume que la distribución es una distribución conocida

 Para ello es posible utilizar algún procedimiento de ajuste o

Profesor: Miguel Angel Martín 27

Profesor: Miguel Angel Martín 28

Profesor: Miguel Angel Martín 29

Profesor: Miguel Angel Martín 31

 {7715.4, 7747.79, 7838.4, 7945.7, 8071., 8061.95, 7968.63, 7996.51,

Profesor: Miguel Angel Martín 32

{8231.28, 8326.23, 7752.63, 7515.54, 7692.93, 7722.12, 7406.46, 8215.77,7733.26, 7708.26,

Profesor: Miguel Angel Martín 33

Profesor: Miguel Angel Martín 34

Profesor: Miguel Angel Martín 35

VaR= 7094 - 7703.24=-609.24 puntos de

VaR=7107.14 - 7707.1=-599.96 puntos de índice

Profesor: Miguel Angel Martín 37

Profesor: Miguel Angel Martín 38

 Se mantiene el supuesto previo de que el comportamiento

 Notar que los patrones de covarianza entre variables se

Tasas de interés Tasas de interés Tasas de interés

Tipos de cambio Tipos de cambio Tipos de cambio

Índices bursátiles Índices bursátiles Índices bursátiles

Profesor: Miguel Angel Martín 40

 Por ello, de modo agregado se dice que el VaR no es una

 El VaR únicamente es coherente cuando está basado en