Sánchez Cerón

Valuación» Análisis
y RIasgo, S,C.
Indice
Introducción 1
Capítulo 1. ¿Qué es el Valor en Riesgo?.. 5
1.1 Definición del Valor en Riesgo 6
1.2 ¿Por qué el VaR? 13
1.3 Bibliografía 16
Capítulo 2. Riesgos en las instituciones financieras 17
2.1 Definición 18
2.2 Tipos de riesgo 18
2.3 Distribución normal 21
2.4 Definición formal del riesgo 25
2.4.1 Rendimientos compuestos continuamente 25
2.4.2 Modelos para estimar el comportamiento del
rendimiento de los factores deriesgode mercado 27
2.4.2.1 Modelo de caminata aleatoria • 30
2.4.2.2 Variaciones del modelo de caminata aleatoria 33
2.4.2.3 Modelo de reversión a ia media, 34
2.4.2.4 Modelo de brincas de los factores de riesgo 35
2.5 Modelas de portafolio 37
2.5.1 Principio de diversificación 37
2.5.2 Capital Asset Pricing Modei (CAPM) 39
2.5.3 Arbitrage Pricing Theory (APT) 41
2.6 Bibliografía 43
Capítulo 3. Marco regulatorio..... 45
3.1 Antecedentes 4.6
3.2 Regulación y súpervisión financiera 47
3.2.1 Elementos de la regulación prudencial 49
3.2.2 Criterios para determinar los requerimientos de'capitaí" 49 '
3.2.2.1 Requerimientos de capital porriesgosde mercado 50 •
3.2.2.2 Requerimientos de capital por riesgo de crédito
y operativo 53
3.3 Regulación prudencial en México 53
Anexo 3,1 Regulación Prudencial. Comité de Basilea , 58
3.4 Bibliografía 61
 Capítulo 8. Riesgo de liquidez,,..... ,...255 10.5 Ejemplos de quebrantos a causa de eventos operativos 336
8.1 Violación de ios supuestos 256 10.6 Control del riesgo operativo 339
8.2 Definición 257 10.6.1 Participación del consejo directivo 339
8.3 Estimación del VaR ajustado por el riesgo de liquidez 258 10. 6. 2 Estructura organizaclonal 340
8.3.1 Riesgo de liquidez y el "spread" 259 10.6. 3 Código de ética 341
8.3.1.1 Ajuste de la volatilidad 259 10.6.4 Manual de políticas y procedimientos 343
8.3.1.2 Volatilidad del "spread" 260 10. 6. 5 Nuevos productos 344
8.3.2 Riesgo de liquidez y eí horizonte de inversión 262 10. 6.6 Riesgo del modelo 345
8.3.2.1 Enfoque de Basilea 262 10. 6.7 Infraestructura tecnológica 346
8.3.2.2 Elección óptima del horizonte de Inversión 262 10.7 Bibliografía 348
8.4 Otras aproximaciones 265
Capítulo 11. Control integral de riesgos ....351
8.5 Bibliografía 266
11.1 Sistema integral de indicadores de riesgo 352
Capítulo 9. Riesgo de crédito 267 11.1.1 Eventos extremos 354
9.1 Definición 268 11.1.1.1 Pruebas de estrés 355
9.2 Naturaleza del problema 268 11.1.1.2 Teoría de valores extremos 360
9.2.1 Pérdidas esperadas y pérdidas no esperadas 270 11.1.1.3 Otros modelos 368
9.2.2 Insumes para estimar la DPP&GC 273 11.1.2 Indicadores de concentración 371
9.3 Modelos para estimar el riesgo de crédito 277 . 11.1.3 Back-testing 374
9.3.1 Modelo paraméírico 277 11.2 Agregación de riesgos 382
9.3.2 CreditMetrics 282 11.3 La importancia de los modelos de valor en riesgo en 385
9.3.2.1 Principales características de la metodología 282 las instituciones no financieras
9.3.2.2 Matrices de transición 287 11.4 Bibliografía 387
9.3.2.3 Riesgo del portafolio 291
Capítulo 12. Medidas de comportamiento
9.3.3 Credit Risk + ' ' 297
ajustadas por riesgo 389
9.3.4 Modelo binominal de riesgo neutral ' 303
12.1 Indicadores de riesgo-rendimiento 390
9.3.5 Modelos de probabilidad de incumplimiento condicional 309
12.1.1 Indicador de utilidad esperada 391
9.3.5.1 Modelos fundamentales 309
12.1.2 Razón de información 391
9.3.5.1.1 Modelos "scorlng" 310
12.1.3 Indicador ajustado porriesgode Mornlngsíar 393
9.3.5.1.2 Credit Monitor 311
12.1.4 Indicador M2 394
9.3.5.2 Credit Portfolio View 320
12.1.5 Indice de Sharp 394
9.4 Conclusión 325
12.1.6 Indicadores de rentabilidad ajustados por riesgo 396
9.5 Bibliografía 326
12.1.7 Otros indicadores de desempeño 400
Capítulo 10. Riesgo operativo 329 12.2 Precaución en la estimación de los rendimientos
10.1 Definición 330 ajustados por riesgo 402
10.2 Importancia del riesgo operativo 331 12.3 Instrumentación de un modelo de asignación de capital 405
10.3 Clasificación de los riesgos operativos 332 12.4 Bibliografía 410
10.4 Estimación del riesgo operativo 333
10.4.1 Un modelo de riesgo operativo 335
 2 ! Valor en Riesgo y otras Aproximaciones
Introducción 3

acceso a estos temas. Para lograr ese objetivo Valor en Riesgo indicadores de rentabilidad ajustados porriesgo,y los elementos,
y otras Aproxirnaciones describe los principales modelos que se ; adicionales al valor en riesgo, que se requieren para implantar
han desarrollado sobre los diferentes tipos de riesgo. Con el . un proceso rutinario de administración de riesgo en las instituciones
propósito de coadyuvar al estudio y a la comprensión de estos - financieras. Asimismo, se mencionan las ventajas de extender
temas, la descripción, aplicación e interpretación de los modelos esta metodología a las empresas que no pertenecen al
se realiza con base en diferentes ejemplos, que se describen sector financiero. \
paso por paso. Adicionalmente, en los diferentes capítulos se Incluyen
temas con un enfoque más cuantitativo, que se distinguen mediante Agradezco los comentarios de Esteban Martina, Javier Márquez,
"recuadros" que eí lector puede omitir sin perder la continuidad. . Jaime Villaseñor Zertuche y Raúl Feliz, y el apoyo de Amador
,_„Por último, y como una guía para ios lectores interesados en • Millán en la edición de este libro. Por supuesta soy responsable
profundizar sobre algún tópico en particular, al final de cada de cualquier error. • •
capitúlese presenta una lista de referencias bibliográficas.
' Garlos Sánchez Cerón
Valor en Riesgo y otras está dividido en doce
Aproximaciones
Marzo 2001
capítulos. Primero se define el concepto de Valor en Riesgo, se
mencionan los principales parámetros para estimar eí VaR y se
destaca la dificultad de realizar las estimaciones de manera
eficiente. Los conceptos financieros y estadísticos mínimos para
comprender los modelos de riesgo se analizan posteriormente,
así como las modificaciones a! marco regulatorio en Europa y en
México sobre el tema de riesgos. En eí siguiente capítulo se
analizan los modelos de valor enriesgoy otras aproximaciones
para estimar el riesgo de mercado. Después se describen los
modelos de valuación y de riesgos más apropiados para los
diferentes instrumentos financieros y derivados que se negocian
en el mercado mexicano.

En los siguientes capítulos se evalúan los modelos para estimar

ia volatilidad y las correlaciones, así como sus beneficios y
Íímitaciones. Posteriormente se estudia ía metodología para
cuantificar el riesgo de liquidez y de crédito en las instituciones
financieras; y se analizan los principales elementos para estimar
ei riesgo operativo. Por último, se mencionan los principales
 í.Oué es el Valor en Riesgo?
6 Valor eri Riesgo y otras Aproximaciones

1.1 Definición del Valor en Riesgo

El riesgo del capital, y concretamente el VaR. se define como íá pérdida máxima que una
institución financiera podría observar — por una determinada posición o cartera de
inversión, ¡a cual se supone que no cambia durante el periodo'de inversión— en eí caso
de presentarse un cambio en ios factores de-rlesgo, durante un íiorizonte de inversión
definido y con un nivel de probabilidad determinado. V ^ /

^ I- ^ í ! ' É f e H ' 9 # - ^ t ^ s , si,|&4ttoO|ió^|^T^& "na Váfiable aieafona quf

¿•^^ífB^^^í^á^^^naiiiaáeñátgí^ T*y'Z'esla prebabitídad-'
^lAriíáUtValáQdeffpecomq:,
"^'- ^ Prob(x,^VaR).Z

De acuerdo con la definición anterior, la estimación del VaR involucra cuatro elementos,
que deben definirse de manera precisa sí el objetivo es realizar estimaciones confiables: • Relación convexa (B- B*). En este caso la respuesta del vaior de la cartera ante
cambios en los factores de riesgo, aunque siguen una tendencia, ésta no es
/. Grado de sensibilidad del valor de la cartera de Inversión ante cambios enejemplo
lineal. Un los factores
de este tipo se refiere a los Instrumentos de renta fija, como ios
de riesgo. Para estimar el VaR se requiere determinar un conjunto de factores de Geíes. En el Cuadro 1.1 se muestra como varía el precio de los Cetes ante
riesgo alternativos que, comparados con los niveles de los factores de riesgo vigentes diferentes cambios en las tasas de interés (factor de riesgo). Del cuadro se observa
permitan estimar las pérdidas o ganancias de un portafolio de inversión o de crédito; cómola variación porcentual en el precio del bono ante un cambio de un punto
sin embargo, la relación entre el cambio en los factores de riesgo y el cambio en el porcentual en ías tasas de interés no es lineal; por ejemplo, cuando la tasa disminuye
valor del portafolio puede tomar diferentes formas, como se muestra en la Gráfica 1.1 de 18% a 17% el precio varía $0.0768, pero cuando disminuye de 14% a 137o el
cambio en el precio es mayor ($0.0772). Asimismo, se observa que ta variación
• Relación lineal (A-A*). La respuesta porcentual del valor de una cartera es en el precio es asimétrica, ya que aumenta más cuando las tasas de interés
equivalente al cambio porcentual en los factores de riesgo. La cartera de acciones, disminuyen, que lo que se reduce cuando las tasas aumentan.
divisas, metales y los granos, entre oíros Instrumentos, sigue este comportamiento.
Por ejemplo, sí la cartera de acciones de la empresa XYZ asciende a $100.0, Cuadro 1.1
dado un precio de $1;0 peso por acción; y el precio disminuye 10.0% (de $1.0 a RELACION PRECIO-TASAS DE INTERES. CETES 28 DIAS
$0.9), el valor de la cartera también disminuirá 10% [de $100.0 a $90.0), pero si el
cambio en el precio es de 20.0% ($0,8), el valor de ia cartera también cambiará
en 20% ($80.0).
13.0 -5.0 0.38500 0.0772 0.38Í"

2 Factores de riesgo. Son las variables financieras que determinan ei precio de un activo financiero. En
_ ^ 1 5 . 0 ^^^^^ ^^ ^ " ^ ¿ ^. 0'23064 0.0770 ^ 0.23Í Y<Z;-
algunos casos, como en el de ias acciones, el precio y el factor de riesgo (precio de la acción) coinciden; sin
embargo, en otros, por ejemplo los Cetes, su precio depende de ia tasa de interés (factor de riesgo), En el
extremo, el precio de una opción depende de varios factores de riesgo (precio del subyacente, volatilidad,
tasas de interés, etc.). Cuando se analiza el riesgo de crédito la tasa de incumplimiento es ei principal factor
de riesgo. '^'"^^ 19.0^^''"^'*''''"'l.O -0.07665 ""Í0766 0.0766 " ^ ^
3 Smithson (1996)
4 Aunque en un inicio la aplicación de estos modeliK correspwidló únicamente a ias insritucíones financieras, 21.0 3.0 -0.22958 0.0764 0.2296
recientemente variantes de los modelos de valoren riesgo se están instrumentando en ias empresas no financieras.
Por ejemplo, Glaeser (1996), Shimko (1996) y Turner (1996). Asimismo, recientemente, ia metodología se ha
extendido a estimar las pérdidas máximas como resultado de cambios en las condiciones crediticias de ias
carteras de inversión y modificaciones en el grado de bursatilidad de los Instrumentos financieros.
 10 Valor en Riesgo y oirás Aproximaciones
» Liquidez y tamaño de ía posición. SI el horizonte de inversión se interpreta como
el periodo en que ia institución financiera podría deshacerse o cubrir la posición
de riesgo, este horizonte debería depender del monto y de la liquidez de la misma.
Por ejemplo, un banco pequeño podría vender toda su posición sin alterar los
precios de mercado; conclusión que no sería cierta si un banco grande lo quisiera
hacer. Asimismo, liquidar una posición de un bono con riesgo soberano como los
• Cetes seguramente seria más sencillo que vender una posición de una cartera de
acciones no bursátiles.
• Propósito de ia posición de riesgo. Por ejemplo, para la estimación de! valor de
mercado J.P. Morgan considera dos horizontes de inversión en sus estimaciones.
Si las posiciones son para el "trading" supone un día, Por contra, si las posiciones
que corresponden a inversiones, como por ejemplo, de la tesorería, sociedades
de inversión etc., J.P. Morgan considera un horizonte de 30 días. Por su parte,
Bankers Trust considera un horizonte de un año, dado que su objetivo es evaluar
la solvencia detodala institución, mediante el análisis de riesgo de todos los
activos que integran el balance.
• Desarrollo de ios mercados. El tamaño de los mercados es otra variable determinante'
en la definición del horizonte de riesgo. En la medida que los volúmenes, operados
sean relativamente'bajos como sucede con los productos derivados, intentar
realizar operaciones de cobertura en estos mercados puede increníentar el VaR,
en vez de reducirlo. . . de algunas instituciones no son satisfactorias implica un castigo (subutilización
• Condiciones de los mercados. El periodo necesario para liquidar o cubrir la
posición de riesgo depende de las condiciones de mercado. En periodos de
estabilidad seguramente tomará menos tiempo deshacer la posición que en periodos.
de turbulencia.
,'", . inversión Incluye títulos opcionales, mayor tendrá que ser la calidad y sofisticación
• Supuestos del modelo. Como se destaca en el siguiente capítulo, calcular eí VaR'
" para-dlferentes horizontes de inversión a partir de la estimación de la volatilidad
calculada con datos diarlos, sólo puede realizarse si se cumplen determinados
supuestos estadísticos. Por su parte, como se menciona en el Capítulo 10, para"
estimar el VaR de crédito al horizonte de inversión depende del tipo de modelo
que se utilice.
Como se observa, son diversos los elementos que Influyen en la determinación
óptima del horizonte de inversión. A pesar de ello, y para efectos de determinar los
requerimientos de capital, por concepto del riesgo de mercado el Comité de Basilea
definió un horizonte de Inversión de dos semanas (10 días hábiles).^
8 Comííé de Basilea (1996). En el caso de México no se ha establecido ninguna regulación al respecto.
¿Qué es el Valor en Riesgo? 11
4. Nive! de confianza. Esto implica determinar, de un número de resultados proba
pérdidas o ganancias, en cuántos de ellos un intermediario requiere que ia estimación
de las pérdidas máximas (VaR) sea inferior a las que realmente podrían observarse.
Por ejemplo, si un intermediaiio determina un nivel de confianza de 95%, significa
• que dicho intermediario estará dispuesto a aceptar que en sólo cinco de cada cien
casos ías pérdidas observadas serán superiores a las máximas estimadas.
En un marco de regulación prudencial, determinar el nivel de confianza debería ser
una decisión interna de las instituciones financieras. Entre los factores a considerar
para determinar el nivel de confianza, destacan los siguientes:^
- -* Apetito deriesgode ios accionistas y disposición para realizar aportaciones de
capitaí. Accionistas adversos atriesgopodrían elegirán nivel de confianza mayor a
otros con mayor apetito de riesgo; por ejemplo 99% vs. 95%. Asimismo, accionistas
con poca disposición a reponer eí capital en el caso de una pérdida deberían
utilizar un nivel de confianza elevado que reduzca la frecuencia de tales
requerimientos,
• Calidad de los modelos internos de valor en riesgo. La estimación del VaR es
una estimación estadística cuya caíióad puede variar signifícativameníe entre
instituciones financieras. Establecer un nivel de confianza, por ejemplo de 99%
como lo establece eí Comiíé de Basilea, bajo el pretexto de que las estimaciones
del capital) para aquellas instituciones que cuentan con modelos más confiables
desde el punto de vista estadístico.
• Composición de las carteras de inversión y de crédito. Este punto está
; estrechamente ligado con el punto anterior, ya que por ejemplo, si una cartera de
• - de los modelos para captar las relaciones no lineales entre el cambio en los factores
"• '':de riesgo y en el valor de ía cartera que surge con la presencia de las opciones.
• Si el modelo disponible eh la institución financiera no cumple con los requisitos
para estimar el VaR de una cartera de opciones, ia mala calidad de la estimación
del VaR podría "compensarse" al considerar un nivel de confianza más conservador.
En ei caso de los modelos deriesgode crédito donde aún no hay un consenso
sobre un modelo estándar la calidad del modelo todavía es más cuestionable.
Una vez que se definen los cuatro puntos descritos, la estimación del VaR es directa,
como se muestra en !a Gráfica 1.4; donde e! nivel de confianza es Igual a "a". En ía
9 Cabe mencionar que en la estimación interna del VaR, la mayoría de. las instituciones financieras considera
un nivel de confianza de 97.5%; otras instituciones, como J.P. Morgan considera un nive) de confianza de
95.0%. Por su parte, para determinar los requerimientos de capital el Comité de Basilea estableció un nivel
de confianza de 99%.
 14 Valor en Riesgo y otras Aproximaciones ¿Qué es el Valor en Riesgo? 15

» El riesgo del portafolio está directamente relacionado con el comportamiento de Cuadro 1.2
variables de mercado, como las tasas de interés, el tipo de cambio y los precios de DIFUSION DE LOS MODELOS DE RIESGO
los activos financieros, y de crédito, como la tasa de incumplimiento. Eso permite (Número de instituciones)
entender la naturaleza de ios riesgos y,-por ende, la manera de controlarlos.'^ '

•» Los miembros del consejo directivo y de ía alta dirección de ias instituciones financieras -">4T7t^#Sg^:#f4?^il
pueden entender e interpretar fácilmente sus riesgos mediante ei VaR, sin tener que " Muestra total _^ 79_ ^ J9.. _ 7 9 _ _ _ J J
conocer los cálculos complicados que se requieren para realizarlos.
Discusión de riesgos 37 58 72 68
* Ayuda a la dirección a evaluar el comportamiento de las'unidades de negocio y a
determinar la estrategia de.la institución financiera bajo una base de rendimientos Cómo estimar los valores de mercado 2G 45- 58 67
ajustados por riesgos, es decir, permite asignar el capital a las áreas de negocio en
función de los rendimientos esperados y deí nivel de riesgo que se debe soportar Presentación de datos del VaR 4 18 36 63
para-alcanzarlo. En otras palabras; el riesgo de capitaí es equivalente al capital
económico que soporta la operación de una unidad de riesgo. VaR mínimo y máximo en el año- . 0 - 7 17 43 -

Como,r|suIlado de estas ventajas, y como consecuencia de ios quebrantos observados Factores de riesgo 14 19
por instituciones financieras por tomar riesgos de mercado y de crédito excesivos, el
Comité de Basilea adoptó la metodología deí VaR para determinar los requerimientos de Otro tipo de riesgos -
capital de las instituciones financieras por concepto del riesgo de mercado, regulación que
entró en vigor en diciembre de 1997." Sin embargo, ante los propios riesgos —de Estimación del riesgo de crédito
instrumentación y del modelo— que implipa estimar el VaR correctamente, el Comité
de Basilea estableció que los requerimientos de capital serán equivalentes á tres Manejo del riesgo legal
veces el monto de valor en riesgo estimado. En el caso de México la Circutar sobre
Fuente: Comité de Basilea y Comité Técnico de la OICV(1997) y Bassel Comitie and lOSCO (1999)
regulación prudencial aplicable a los bancos ya establece la necesidad de realizar
estimaciones de VaR."'''

Por su parte, la instrumentación de los modelos internos de valor en riesgo en las
instituciones financieras ha Ido en ascenso, como se muestra en el Cuadro 1.2, donde
se presentan los resultados de las encuestas realizadas por el Comité de Basilea, ei
Comiíé Interno de la Organización Internacional de Comisiones de Valores y eí Comiíé
Técnico de la Organización Internacional de la Comisión de Valores sobre el uso y difusión
de las características de los modelos internos de VaR de las instituciones financieras.
De los resultados de las encuestas destaca que en 1998 96% de los trancos encuestados
difundió entre el mercado su grado de aversión y conceptuáíización del riesgo. Tres años
anteSi sólo 45;5% de los bancos realizaban esa tarea. Asimismo, casi la mitad de ios
bancos encuestados publica ios parámetros y ias estimaciones del VaR. En 1993, sólo 4
bancos reportaban sus estimaciones de valor en riesgo, Por contra, destaca que la revelación
de información sobre las estimaciones de riesgos adicionales, como crédito, liquidez,
legal y operativo, todavía es limitada.

En México las autoridades regulatorias estiman el VaR con diferente periodicidad. Asimismo,
un gran número de Instituciones financieras, como bancos, afores y casas de bolsa,
principalmente, ya estiman el valor en riesgo de su cartera; en estos casos, los cálculos
difieren en grados de automatización, cobertura y sofisticación. Cabe mencionar que
algunas empresas que no pertenecen al sector financiero están iniciando, en estas
12 Payanf (1996). fechas, proyectos para constituir sus unidades de control de riesgos.
13 Comité de Basiíea (1996); Ludwing (1995) analiza el quebranto registrado por Baring
14 CNBV (1999) y ei Capítulo 3.
 18 j Valor en Riesgo y olías Apfoxímaaones
2.1 Definición
Originalmente, la palabra riesgo significa roca peligrosa. Es una palabra que se deriva de
los vocablos latinos riesco e italiano nsico; donde risico significa ia acción de adentrarse
por eí camino más escarpado.
En el siglo XVI ya se tenía una concepción moderna del riesgo, ya que se definía como
una contingencia que podía presentarse. Posteriormente, a mediados del siglo XX
los conceptos riesgo e inceríidumbre se trataron de manera indistinta;' sin embargo,
actualmente existe una diferencia muy clara entre incertidumbre y riesgo; mientras
la incertidumbre es subjetiva y no mensurable, lo que implica una distribución de
frecuencia desconocida, el riesgo es cuantiftcable y objetivo, con una distribución de
frecuencias conocida.^
Para efectos de este libro, el riesgo se define como ía variación del valor de la cartera de
inversión con respecto de su valor actual, debido a movimientos en los factores de riesgo
financieros o por cambios en las variables crediticias y de liquidez, o por la presencia de
problemas operativos. Eso significa que, a diferencia de lo que se considera generalmente ^,
tanto las desviaciones positivas y negativas del valor del portafolio se consideran riesgo.
Eso es así, ya que, a menos que existan mercados imperfectos (que permitan realizar
funciones de arbitraje con cero riesgo), rendimientos extraordinarios sólo se alcanzarían
con posiciones con gran exposición al riesgo,
2.2 T i p o s de riesgo
En virtud de que el objetivo de este libro consiste en estimar el valor en riesgo (máxima
pérdida probable) de las posiciones en instrumentos financieros, en activos crediticios y
en instrumentos derivados, es necesario identificar los diferentes riesgos a los que están
expuestos estas posiciones. Para identificar estos riesgos, considérese un bono con las
siguientes características:
1 Una excepción es Knighí (1944) quien destaca la diferencia entre riesgo e inceríidumbre
2 Marshal) (1997).
3 Una de esas interpretaciones es "un contexto financiero, ei riesgo corresponde a una pérdida monetaria en
un lapso de tiempo determinado".
Riesgo en ias institiidones financieras 19
Cuadro 2.1
Valor nominal .j . - 100.Unídadesdé |pvérsfo'n.(D^
Plazo 3 años
. Tasa cupón/'• ' \Ud(bonos4¡'í)pOníos\*.>;T^^^^
Tasa de interés "real" de mercado 8.0%
>. P a g o c ü p ó r i : d . . . TrimésíraliUAi^Ai.-:^^
Emisor Sector privado
7^1- Califíaación créditicia''-- '^^'^ ''•^/^'-'F^A^V^Pv
Bursatilidad Alta
De ía información anterior, ¿Cuáles serían las causas que podrían provocar que el precio
de mercado del bono cambiara durante su periodo de vigencia? *
a) Riesgo de mercado o de capital. Un incremento en la tasa de interés "real" de un
punto porcentual Implicaría una reducción del precio del bono de 100 a 97.4 Udis.
Diferentes factores, dependiendo del instrumento financiero de que se trate, podrían
ser la causa de ia presencia de esteriesgode mercado. Los más importantes son:
• Tasa de interés. Se refiere al riesgo de que el nivel de las tasas de Interés de
mercado se modifique, como por ejemplo el Incremento comentado de la tasa
del bono.
• Sobretasa. Cambios en la sobretasa de mercado de los instrumentos; por ejemplo,
si ía sobretasa del bono se incrementa de cero a medio punto porcentual, el precio
del bono disminuiría de 100 a 98.7 Udis.^
» Curva de rendimiento. Un riesgo adiciona! de los instrumentos de renta fija se
refiere a la posibilidad de que ías curvas de rendimiento con base en las que se
determina el rendimiento de los activos y pasivos de las instituciones financieras
se muevan en direcciones y/o en magnitudes diferentes.
• Riesgo de inflación. SI se decide financiar el bono a través de operaciones de
reporto con un premio del reporto denominado en términos nominales. Implicaría
que mientras el fondeo se realiza a tasa nominal, el instrumento devengará un
4 Las clasificaciones de riesgo pueden ser mucho más exhaustivas que ia que aquí se presenta. Por ejemplo,
Dym (1995) y Fitch Investor Services (1995) mencionan los riesgos de; reinvsrsión, prepago, opcionalidad,
riesgo soberano, riesgo relativo y el riesgo de comportamiento, entre oíros. Debe mencionarse que (os
riesgos que aquí se describen, especialmente el riesgo de liquidez, podría tener otras interpretaciones,
sobre todo cuando dicho riesgo se analiza en ei contexto de todo el balance de un banco.
5 En el capítulo 5 se destaca que la sobretasa a la que se pueden negociar los bonos puede corresponder a
la presencia de nesgos de liquidez, de opcionalidad y de crédito, principaímente.
 22 Valor en Riesgo y oirás Aproximaciones Riesgo en ias instituciones (¡nancleras 23

Ejemplo- ¿ Cuál es el valor esperado del tipo de cambio, si la Información histórica, de la

/(.,)= ^ e x p t ¿ - j " - ^ (2,1) que se obtiene la distribución de probabilidad, es la siguiente

Donde;

R = Rendimiento, que se define como el logaritmo natural (In) de la razón de los

factores de riesgo (FR), es decir,^

y? = in *100

q = media de la distribución
a ^ = Varianza de ia distribución

Un caso particular de la distribución nortn^ supone que la media es cero y que la varianza es
uno. A esta distribución se le denomina distribución normal unitaria o estándar. La ventaja
de la distribución unitaria es que evita el problema de plantear un modelo adicional para Es decir, el valor esperado es "el promedio ponderado de los-diferentes valores probables
estimar la media de la distribución.^ Además de que, teóricamente y bajo condiciones de
de la variable aleatoria. Debe notarse que (a media o vaior esperado de la variable aieaforia
mercados eficientes, el valor esperado de las ganancias o pérdidas de capital de invertir
no es una variable aleatoria.-, .• - -. ,
en un Instrumento financiero debe ser ceio.
• Varianza y desviación estándar
Para estimar la media y la varianza muestrai se utilizan las siguientes fórmulas:"
La varianza es una. medida de dispersión de la disíribución de'probabilidad. Mide la
• Media. La medía o valor esperado de una variable aleatoria discreta (x) se variabilidad promedio (al cuadrado) de una variable aleatoria con respecto del valor
define como: •
esperado. Se define como: • • _

a'{x)=[x-E{x)Yp{x) (2.3)

donde: P{x} = Probabilidad de ocurrencia de ía variable aieatoría x

E = Operador de esperanza matemática Por su parte, la desviación estándar mide la dispersión de los resultados de una variable
aleatoria con respecto de la media. Se calcula como:

8 En la siguiente sección se justifica porque los rendimientos se utilizan para construir (a distribución
de Irecuencias. < 7 ( x ) ^ J ^ (2.4)

9 Como se muestra en ia siguiente sección, muchos de tos modelos que se utilizan para estimar la media
concluyen que la estimación muestra sesgos importantes. Otros modelas que podrían utilizarse para estimar
la media de manera satisfactoria, es ei método de algoritmos genéticos; no obstante, impiícan mecanismos
de estimación sofisticados, Davis (1991).
10 Variable aleatoria. Variable que sigue un comportamiento incierto a lo largo del tiempo. Por contra, una
variable determinista es aquella cuya evolución en el tiempo se conoce. Las variables aleatorias pueden
ser discretas o continuas.
 26 Valoren Riesgo y otras Aproximaciones
Riesgo en las Instituciones financieras 27

Si/f,(2> In 2.4,2 Modelos para estimar el comportamiento del rendimiento

FR, .
de ios factores de riesgo.de mercado
* PR,.x
PH.. FR.
En virtud de que uno de los principales Objetivos de este libro consiste en medir la pérdida
í 1%" máxima de un portafolio de inversión si cambian los factores de riesgo de los instrumentos
+ in
FR,. financieros durante un horizonte de inversión, es necesario contar con pronósticos de
7 , ( 2 > t , (1)4/?.(!) dichos cambios que permitan estimar esa pérdida máxima.

Donde: Rt (n) = Rendimiento compuesto continuamente en el periodo t, Antes de describir los diferentes modelos que se utilizan para estimar el rendimiento de
durante "n" periodos. ios Instrumentos financieros, en las gráficas siguientes se muestran los rendimientos diarlos
compuestos continuamente deí tipo de cambio, el índice de la BMV y la tasa de Cetes a
• Esta definición también permite comparar rendímieníps entre diferentes monedas. 28 días observados del primero de'enero de 1997 al 3 de mayo del 2000; lo que permitirá
Por ejemplo, estimar el rendimiento en base peso/dólar, a partir de la cotización de ¡r contrastando sus características estadísticas con las de los modelos teóricos.
otras monedas, se logra a partir de la información de ios rendimientos continuos.
Marco _ Aíarco Peso Cuadro 2.2
Dólar Peso Dólar CARACTERISTICAS ESTADISTICAS DE LOS RENDIMIENTOS
f Marco ''Marco Peso \
+/«
^ Dólar ^ Peso Dólar )
/
í Peso ^ ^ Marco^ Marco 1
= ln Mni
Dólar Dólar Peso
A . J Sesgo 0.8O2 2.724 -0.052

FS,
1 ^ ATTl
PE,= ^i^i?,,Me' + ^2pR2.,-ie^ Gráfica 2.1
DISTRIBUCION DE FRECUENCIAS DEL RENDIMIENTO DIARIO DE LA
In (PE,) TASA DE CETES A 28 DIAS, enero 1997- mayo 2000
-Rpon^ = íüi In
FR. + 0}-,h\
(PR,]
FF

donde; (0 indica la participación del activo i-ésimo en el portafolio de inversión.

Cabe mencionar que para estimar el rendimiento de los instrumentos de renta fija los
factores de riesgo son las tasas de interés, en vez de los precios. Eso permite incorporar
las siguientes características de los precios de los bonos: •

• El precio converge al valor nomina! conforme avanza ía madurez del instrumento

{efecto "puil to par")."

• La volatilidad del precio del bono disminuye a medida que se acerca la fecha de
vencimiento del instrumento (efecto Toll down").

12Finger(1996)y Capítulo 5.
 Riesgo en las instituciones financieras j 31

30 I Valor en Riesgo y otras Aproximaciones

2.4.2.1 Modelo de caminata aleatoria eMoa factores de nesgo de un periodo anterlqt y de u^tétri»n^teator,a¿que
^ S Í S S U w n J n o cerretoonado. .on^M^k^-'ff''
De acuerdo con ia teoría de los mercados eficientes, el logaritmo dei tactor deriesgoen el Sá"ííesíáca á bootífiuación
periodo "/" es iguaUl logaritmo del factor de riesgo un periodo'anterior, más un término
de error," es decir, supone que los factores deriesgode ayer contienen toda la Información
disponible para pronosticar el comportamiento de los factores de riesgo de hoy.
I L w o 60 el factor de nesgo del instrumento entoe el períodoíerey el^periodíT.ajr^
\nfR,^\nFF^^F£, (2.7) SCidiedeltaLdenes^^
donde e, - N{0, af] es decir, sigue una distribución normal con medía cero y varianza af
^atoTlqi correspondientes a cada periodo. ' ^ ' "Z f F
En relación con el comportamiento de la varianza se puede suponer que es constante;
sin embargo, eso no es consiste con los resultados que se observan dei comportamiento
de los rendimientos de los Cetes, bolsa y tipo de cambio. Por tanto, un supuesto alternativo
l,ettTafaexpe=lativa«atemadcadelaeouacic;a-itendílarf¿diade1daca#i^
consisje en considerar que la varianza cambia en el tiempo y que los cambios están
correlacionarios, es decir, que la varianza de hoy depende de la varianza y del cambio
observado del cuadrado de los rendimientos de ayer:"

^ Donde \=Coeficiente de ajuste que indica el peso que tiene la información reciente
en Ta estimación de la varianza.
fe) X1 " ^ „ ' F ^ , ^
De este modo, con base eh este modelo, los rendimientos se generan como:

donde/t^~NfO,1)
Una característica de este modelo, es que sí el logaritmo de los factores de riesgo sigue
una caminata aleatoria, significa que los rendimientos a diferentes periodos no están
correlacionados. Por tanto, el rendimiento a plazo V será igual a la suma de los "m"
' datos a plazo "n/m". S W i l l W l t l í l i l W W f f I P ^ I p x i ^ ^

;ÍÍÍerf;adptieto;tí«ld4«P¿deri*lp».^^^
d^qa rqpíriwittís á & y i ^ ó a c i p E r T i n e a t i f e T l f e m p o ^ e n t a n f e t í i t í í é cfe¿vl^í|f4s&nda^
Gfeeé'dpnte^mEíratktieltíempoJ'J *
'f;^7^^é''F:'Féí'^'y^r^)^ii^^ -7f-;^T£:í

15 De esa manera también se elimina ei problema cuando^ ios prec¡os_sori^negalivos. I

_ 2Á.^ s— -QwS
'í7^Sgr^iqpS;rór^m4nt9^

17 Eso se debe a que la desviación estándar es ¡guala a la raíz cuadrada de la varianza. Este resultado se
diferentes tiorizontes de inversión.
utiliza de manera frecuente e indiscriminada para estimar el VaR con diferentes íiorizonles de inversión,
 34 ' Valor en Riesgo y otras Aproximaciones Riesgo en ias instituciones financieras 35

0ctuál xífr Ids róndímientop es mayor que^ íHvePtfafer^fjíla^, y á íjlia err^él

I t á e l í doLravsráían^a (a mediad míerValodS^nt^e ese nívet de equiíibñd.'
en íós factores drrfes^ó rio dependen deí tiempo, sind qüe convergeni'hacia un nivel d r mientras que ef modeío de caminata aleatoria igoorad[chQ.ri&fel, ' ^
"Equilibrio de;largó pfazo.^. Él modelo se define cómo: " . F2íI.F.iJí:'^j^s
.^i;^-:..v.>^.;^,.i,.',;vr- ..V'V>;::-'TT "fí^V^^A-l:^
tñFR--:lnFR^¡~k(lnFR: ¡nFR;J + s^ (;¿.^'-'.f Ff-F'FF^- 2.4.2.4 Modelo de brincos de los factores de riesgo

Cuando k¿ Ovííqibáyrwacstóaa famédia y éi.modero-Qs'armiíac aí da^cámlnafal^éStóríáT^

De la información de las distribuciones de probabilidad que se presentaron en la sección
Por contra .Sí )í=4-,;signlfica que fos factores de nesgo se ajustan Inmediatamente ál nivel de
largo plazo. Cabe menpionar que,' aun en ese caso, los errores se distribuyen nofnralmente-; aníerior, especialmente la del tipo de cambio, se observa que muestra características
cqnmediaceroyvaríanzaO'^. . ^ leptocurtósicas. Ello ocurre porque:

Un punto a desfacar de este modelo, es que ia desviaaon están^r denlos cambío$ • La frecuencia de las observaciones es muy elevada, por ejemplo: información diaria.
logacitmiCQgdelos factoF$s-ds pesgo (inton/alo de confianza) en eí corto pfa^o éTguf uná
• Los factores de riesgo brincan, Por ejemplo, como se obsei^a en la Gráfica 2.7 en
trayectoria parecida a la deímodeío de caminata aleatoria, sin embargo, en eí larg&pfazo"'
diferentes fechas ía cotización peso/dolar se depreció abruptamente (brincos); eventos
(artyergera^^ un niveí-de egoiliiido, \d que ttene eí aírScúVo dfertóíar fos^mbíog
a los que íes siguieron periodos de estabilidad cambiaría.
loganfmicoi de loa^reci^s eatimad(^24- ^^^^p motfefoeílrítervalo-dgeOnfidriza'deJa
distribución de los. rendimientos es parecidD,a[ de! tnode^í de oatrifnata at§a(ú¿<con
Gráfica 2.7
méáadifetenté de cem¿perc^oon'íBmOhaoía^í)ivef(ie équií&í¡eíárgo'^ptaz&7 "
TIPO DE CAMBIO
Gráfica 2.6
ff- P ~T
, MODELO DE REVERSION A LA MEDIA

23 En el Capítulo 5 se destaca como diferentes modelos, principalmente los modelos Garch satisfacen el
requisito de (eversión a la media.
24 Zangari (1997) demuestra que si el factor de reversión a la media (k) fluctúa entre cero y uno, el Intervalo de
coníianza converge, en ei largo plazo, a un valor constante.
 38 Valof en Riesgo y oirás Aproximaciones Riesgo en las institudanes financieras 39

La covarianza tiene el problema de que su valor depende de las unidades en que estén Otros resuitadosque-Markowltz encuentra y que serán de gran utilidad a lo largo del libro,
expresadas las variables. Una manera de corregir este problema es utilizar la correlación, especialmente cuando se estime el valor en riesgo de un portafolio de inversión son:
cuya fórmula es:
pf.v,yj= t^to)... (2.12) •a) El riesgo de un portalolio de inversión tiene dos componentes: riesgo diversificable
(7f.v)'c7(y) yriesgono diversificable {sistemático).
Donde p (.v.yj es la correlación, la cual fluctúa entre -1 y +1, dependiendo de sí la
b) Cuando el portafolio de inversión está conformado con <S> activos, con igual participación
relación es perfectamente negativa o positiva, respectivamente, Cuando ambas va-
riables son independientes la correlación es cero. en el portafolio, cada uno con riesgo cJ y rendimientos no correlacionados, el riesgo
deí portafolio sera iguai a:
Si en el ejemplo anterior se supone que la correlación entre los rendimientos de los Cetes
w
y los pagarés es 0.8, el riesgo del portafolio será igual a 2.707<> ({(.5*(.03 ^2)) + [{.5'(.027
^2)) + (2'.5T5*.8 * .03*,027))'^{1/2), es decir, es menor al 2.85% .03L5' + .027*,5) que es decir, confoniie aumenta «M*, menor es elriesgodeí portafolio. El riesgo que no
resulta de calcular la desviación estándar ponderada del portafolio. se puede eliminar, a pesar de incrementar el número de activos al Infinito, se conoce
como riesgo no diversificable o sistemático.^'
^adiclgaqónen'-.'-" J'-FxSi'^sgo.F' I T ^Cae
rí? jf'í'^'.;-ivV7¿Í^L; 'FiirFhFÁ MABr^MzT2^^

<myyF:t:FFp-^'
-7.-.. ^y-',,t'.^,Z-r.>.-^^
Cetes 50.0%
3.0%
:• ,Pagfe(*^C>.
bSQ:2;F-y.:2
Portafolio 100.0%' 2.70%
íS'varianzacovaríanzaténdría 435diféreníéséptradás.>te^ '^'^=^^2^^F ---í^^^it'
En la Gráfica 2.9 se muestra cómo el riesgo{desv(ación estándar) del portafolio disminuye'
conforme menor es el coeficiente de correlación.'» • ?
2.5.2 Capital Asset Pricing Moder(CAPÍVI)
Gráfica 2.9
RIESGO DEL PORTAFOLIO DE INVERSION. % El modelo CAPM se define •como:'"

E(R.)^R^4-li.[E(.RJ-(R^.)] (2.13)

donde: E¡ H ) = Rendimiento esperado del activo j

t R = FÍendimiento deí activo libre de riesgo
E( R^^ )= Rendimiento esperado ponderado de todos los activos que
conforman el portafolio.
í. .........

p A A l i ^ (2.14)

•
• Cofefaclin. 31 La evidencia empírica muestra que Guando ./V. fluctúa entre 40 y 50 activos, el riesgo diversificable «ende
acero.Farna (1976).
catr^^fr r ^ ' ' ' ^ ^ P'^*''^" "^^'^^ "«'^^"«"f^s que conforman ía
cartela es larga, ya que si la posición en uno es larga y en otro corta, el riesgo del portafolio aumentaría .
medida que el coeficiente de correlación fuera más negativo ^ aumentaría a
33 Sharpe (1964) y Lintner (ISoS;'
 42 I Valor en Riesgo y otras Aproximaciones
Riesgo en las instituciones financieras 43
Cuadró 2.3
. MODELOS APT 2,6 Bibliografía

'^i^H^i^A'^^'• ^ pernos-' :._:Mé^dod$:6$íi{riaciQfí -..- . ^Resuílaábs. • Connor,-G.,(1'995)'Thethree*Typesof.FactorModels.AComparlsonofTheirExplanatory

- Y3Fff¿-(4::i,F;: ^pt¡vosy.varjablqg ^ .^efede^eglpqy^p^^
:(-}|fíadt^ifeó-iy;/.; de •, pégresíbhes'y métodos;. Factores esfadtsffcos",'
"'• 2'y ' 7}'-'^^ lOsactivos •. yestadísiipps ' , yBgtaí4^J_j;\
Las características y objetivos de cada uno de estos modelos son;
• Modelo fundamental. Su objetivo es explicar ef premio ai riesgo de un instrumento a
partir de la información particular deí emisor, como Indicadores de apalancamíento,
liquidez, etc. Para determinar la importancia de cada factor (p), se realiza un
análisis de regresión con datos de diferentes empresas en una fecha determinada
(sección cruzada).^^
• Modelo macfoeconómico. El objetivo del modelo es identificar, mediante un análisis
de regresión, que variables macroeconómicas (factores F) son las que explican el
premio al riesgo de los activos financieros. En este caso la regresión utiliza datos
históricos de las variables macroeconómicas.
Este tipo de modelos determina de manera estadística qué factores,
» Modelo estadístico.
así como su importancia, explican el premio al riesgo de los activos financieros.
Generalmente se utilizan métodos de estimación mulíivariados."^
ppweri'. Financial Analyst Journal. mayo-junio,.pag. 42-46 ^ • • . ; •
• Dnvis. L.. (1991) "Handbook of Genetic Alaorithms", Van Nostrand, New York. -.. " ,
• Dym, S., (1995) "ATaxonomy of Risk", Risk Magazine. A Risk Speciaí Supplement",
junio, pag. 10-15 ' ' ' - .
9 Fama, E., (1976) "Foundations of Flnánce". Basic Books Inc. Publishers, New York.-
• Finger, Ch„ (1996) "Accountlng for Tull to Par" and "Roíl Dowrt' for RiskMeirlcs
Cashflows", RiskMetrics Monitor. Reuters/J.P, Morgan, tercer trimestre, pag. 4-11.
• Fitch Investors Services, (1995) "Risk Management Check List", Risk Magazine. A Risk
Speciaí Supplement, junio, pag, 5-9.
» Jorion, P., (1988) "On Jump Processes ín the Forelgn Exchange and Stock Markeís",
Review of Financial Studíes, pag. 427-445. . . '
• J.P. Morgan, (1996) "RIskMetrlcs". Cuarta edición, diciembre, Reuters/J.P. Morgan, New York.
• Knight, F., (1944) "Diminishing Returns from Investment", Journal of Poiítícal Economy.
No, 52, marzo. .
• Lintner, J., (1965) "The Vaíuaíion of Risk Assets and the Seiection of Risk Investmeqts
• in Stock Portfolio and Capital Budgets". Review-of Economics and Statislics. febrerój
No. 47;pag. 13-37:• ' 5; ú iF^ 'h-'
• Markowitz, H., (1959)" Portfolio Seiection: Efficiént Diversificatlon of ínvestmerit", CowTes ;
Foundation Monograph, No. 16. . ' ". . " '• i ,
• Marshall, Ch., (1997) "Manage your..Knowiedge of Risk", en "Rísk Management for
. Financial Institutions. Advances in Measurement and Control". Cap. 13, Rísk Publications,
pag, 207-218,
• Merton, R., (1976) "Option Pricing When the Underiying Stock Returns are
Disconíinuous". Journal of Financial Economics. VoÍ 4., pag. 125-144.' ._ I-
• Mood, A., Graybill, F., y Bees D., (1974) "introducíion to the Theorv of Statisílcs".'-
Mc Graw HilL íníernatlonal Student Ediíion..'; . • - '•-
• Nelson, Ch., (1973) "Applied Time Serles Anaivsis". Rolden Day, Inc. San Francisco,
• Ong, M., (1997} "Explaining the Assumptíons Used in the Measurement of Value-aí-RIsK",
en "Risk Management for Financial institutions. Advances in Measurement and Control".
Cap. 1, Risk Publications, pag. 3-20.
• Ross, 8,, (1976) 'The Arbiírage Theory of Capital Asset Pricing", Journal of Economic
Theory. No. 13. pag. 341-360.
 46 Valor en Riesgo y oirás Aproximaciones
3.1 Antecedentes
Durante los últimos anos, ei marco regulatorio de! sistema financiero mexicano ha sufrido
importantes cambios En la década de los ochenta la operación de los bancos mexicanos,
en ese momento estatales, estaba muy regulada, con un encaje legal marginal de hasta
100%, control sobre las lasas de interés pasivas y cajones de inversión obligatorios a
sectores prioritarios.
.Posteriormente, a partir de 1989 se inicio un proceso de desreguiación y de liberalizacíón
dei sistema financiero. Se autorizó la presencia de los grupos financieros con ei fin de
orientar a las Instituciones hacia el concepto de "banca universal". En 1991 se inició ei
proceso de privatización de los bancos, se otorgaron concesiones a bancos nuevos y,
en el marco dei Tratado de Libre Comercio, se permitió ia presencia de los bancos
extranjeros. Asimismo, se autorizó ia operación con nuevos instrumentos, entre ellos,
los productos derivados.
La privatización de ios bancos vino acompañada de una expansión del crédito acelerada;
con tasas de crecimiento reales de 29.17o por año en promedio entre 1992 y 1994, así
como de posiciones de riesgo-elevadas en las mesas de dinero, cambios y coberturas
cambiarías que alentó la falla de requerimientos de capital sobre esas posiciones. En
este periodo de grandes posiciones de riesgo, ocurrió la devaluación del peso de diciembre
de 1994, el incremento de la inflación y de las tasas de interés y ia caída de ia actividad
económica y de los salarios reales.
Gráfica 3.1
VARIABLES MACROECONOMICAS
Marco Regulatorio 47
La combinación de esos factores provoco la crisis de los bancos mexicanos, que puso de
manifiesto todos los riesgos a los que estaban expuestos y que, en la mayoría de los
casos, las instituciones ignoraban. Para apoyar los endebles niveles de capitalización
de los bancos se instrumentaron diferentes programas de apoyo para ios acreedores y
para ias propias instituciones financieras, que evitaron un deterioro dei sistema de pagos
en México.!
3.2 Regulación y supervisión financiera
¿Qué hace diferente al sistema financiero del resto de ías industrias en la economía,
de tal manera que requiera de un marco reguiaíorio y de apoyos especiales?. La crisis
bancarla en México y en diferentes países muestran que en e! caso de las instituciones
financieras la insolvencia en una de ellas se puede contagiar al resto de las entidades
que conforman el sector, Ib que puede provocar, mediante un efecto dominó, la quiebra
total de la industria.
Para evitar el contagio de insolvencia en ei sector financiero, proteger a ios ahorradores,
evitar ía presencia de poderes ollgopólícos, garantizar el sistema de pagos en la economía,
y controlar el riesgo de que los accionistas de los bancos tomen posiciones excesivas,
dada ía asimetría que existe entre quien se beneficia de las utilidades (accionistas) y quien
absorbe las pérdidas (contribuyentes y/o ahorradores) entre otras cosas,^ es necesario
regular y supervisar al sector financiero.
Para regular y supervisar al sistema financiero existen dos alternativas: regular de manera
auiárquica cada uno de los mercados, instrumentos, operaciones y participantes, o bien
regular y supervisar las funciones de las instituciones en el proceso de'intermediación
financiera. Mientras en el primer caso la supervisión del sistema está a cargo completamente
de las autoridades, en el segundo caso la solvencia de ías instituciones es responsabilidad
tanto de las autoridades como de las propias entidades financieras. ,
Ambos esquemas de supervisión tienen importantes ventajas y desventajas; no obstante,
debido a la constante innovación de transacciones y de productos y a la globalización de los
mercados se diftculíó el proceso de supervisión autárquica de las instituciones financieras,
por ío que, al final de la década de los ochenta, los organismos internacionaies optaron *
por el segundo modelo, es decir, el de la supervisión de las funciones,'o regulación
prudencial como se conoce comúnmente. ^; 7-
Cabe mencionar que un marco regulatorio prudencial también tiene sus propíos riesgos ^
sobre todo en sistemas financieros en los que las autoridades actúan como prestatarios
1 Fernández [1997) describe los principales programas de apoyo a ios deudores y ai sistema financiero.
2. Wti¡te(1991).
3 De Juan (1996) destaca ios riesgos de instrumentar un marco regulatorio prudencial.
 50 j Valor en Riesgo y oirás Aproximaciones
Marco Regulatorio 51

3.2.2.1 Requerimientos de capital por riesgos de mercado
En lo qu_e se refiere al riesgo de mercado de los portafolios de inversión, durante los
• Aproximación
Ultimos anos se ha utilizado diferentes modelos, principalmente en varios países del Grupo
Z Z Í T ' ' ^ ^ " « " ™ ^ " ' ° ^ ^^Ptel- a punto de partida común de
los modelos que se utilizan para estimar el requisito de capital es:
(3.1)
donde: K ~ Requerimiento de capitaí por riesgo de mercado en "í" dei portafolio
"7" calculado con el modelo "m".
= Factor que determina la magnitud relativa de capital requerido.
ER^JP) - Exposición alriesgode mercado, donde P > O son posiciones
largas y F < O son cortas.
La diferencia entre cada uno de estos modelos tiene que ver con la forma en que se
define ER(P). Las principales aproximaciones son:
• Capital neto en riesgo. De acuerdo con este modelo la medida de exposición al
riesgo es el capital neto o accionario de la institución que está en riesgo, es decir:
• Aproximación
•S«CA.=2Tr (3'2)
Este modelo indica que el capital necesario tiene una relación directa con las pérdidas
esperadas del portafolio. Por ejemplo, si se espera que los precios de mercado se
deterioren 10%, el capital necesario debería ser equivalente a 10% de ia posición
deriesgo.Las limitaciones de esta aproximación son:
para determinar los requeriniienlos de capital, ía exposición al riesgo anterior, valuada
a precios de mercado, se multiplica por un factor A Igual a 15%.
Este modelo determina el requerimiento de capitaí sobre
de bloques.
la posición bruta y sobre la posición neta de riesgo de las Instituciones, lo que Implica
reconocer ciertas correlaciones entre los Instrumentos que conforman el portafolio.
Sin embargo, el modelo supone que el portafolio no está perfectamente diversificado,
por lo que establece un requerimienío de capital adicional por los riesgos específicos
del portafolio. De acuerdo con este modeío la exposición al riesgo, valuada a precios
. de mercado, se define como:
Este modeío es el que se aplica en México y el que los bancos del Grupo de los Diez
utilizaron hasta diciembre-de 1997. El requerimiento de capital depende del riesgo
general de mercado y de los riesgos específicos del portafolio." El cargo del capital
por el riesgo de mercado general (A) es de 8.0%, mientras que los requerimientos
por los riesgos específicos fluctúan entre 2.0% y 8.0% en función de la liquidez y de
la diversificación del portafolio.
de portafolio simple. Este modelo lo utilizó Inglaterra durante 1986;
es una versión simplificada de la versión del modelo de mercado de Sharpe^^ Para
determinar la exposición al riesgo, este modeío supone que las p's de todos los
activos son ¡guales a uno, y que la varianzas residuales de todos los activos en la
fecha "t" son iguales. La exposición alriesgose calcula como:

• Supone que eí portafolio de la institución financiera está perfectamente diversificado,
lo cual difícilmente ocurre en la práctica.
• 31 el portafolio está perfectamente balanceado con posiciones corlas y largas,
la exposición a! riesgo podría ser muy pequeña o incluso cero, lo que dificulta
determinar el valor de A.
• Aproximación completa {"compretiensive"). Este modelo aplica un cargo de capital
a todas ias posiciones deriesgo,independientemente de sí son posiciones cortas o
largas. La SEG (Securities and Exchange Commíssíon) en EUA utiliza una versión
de este modelo, pero permite compensar todas las posiciones cortas, contra un
cuarto de posiciones largas, conw se muestra a continuación:
11 Los riesgos específicos dependen del tipo de portafolio. Porejemplo, en el caso de una cartera de acciones,
ER
AC
(3,3)
ppú ( f h.
12 Capítulo 2.
Donde O = desviación estándar semana!.
Esta aproximación es la primera en considerar la teoría del portafolto en la determinación
de los requerimientos de capital, lo que permite tomar en cuenta la dlverslficación y
las posiciones cortas y largas del portafolio. Para asegurar un nivel de confianza de
95% las entidades reguiadores fijaron un factor A Igual a 2.
• Modelos internos. En enero de 1996 el Comité de Basilea autorizó a ias instituciones
bancarlas a utilizar modelos desarrollados Internamente para estimar los requerimientos
de capital por concepto deriesgode mercado. De estos modelos destacan dos clases:
el riesgo específico se deriva de la falta de diversificaclón de la cartera. En el caso de los instrumentos de
renta fija, los riesgos específicos son: el riesgo de diferencial crediticio, ei riesgo de insolvencia y el riesgo
de modificaciones en la calificación crediticia.
- '> •
 54 Valor en Riesgo y otras Aproximaciones
• En 1991 se determinó que el capital neto de los bancos debería ser ai menos 8%
del total de los activos ponderados por riesgo. Actualmente ¡os activos se clasifican
en tres categorías de riesgo.
Cuadro 3.1
ACTIVOS Y PONDERACIONES DE RIESGO
;-:J5;">>í -T-L>-?:i;' ' •.FypF-J''^,A7S'2'.Íy2F-Á:A i^'^FPotcdfí^'^^pA^^^',
Caja, valores gubernamentales, valores garantizados 0.0%
por Sanxico. o por empresas filiales
•-^^RSfi^¿?^teT,(T|^4g^a:9argo^^ Íí(^*^"®f? % K Í ' - S ( ''^^t^'^^^^.^7¡
Créditos, valores y demás activos Valores emitidos por el . 100,0%
Gobierno para el programa de apoyo en UDI's
Fuente: Diario Oficial (1996)
• En 1995 el Banco de México en el Anexo 9 de la Circular 2019/85 dei 20 de septiembre
estableció que las Instituciones financieras que pretendan participar en los mercados
de coberturas cambiarlas, compraventa de dólares a futuro y de opciones de compra
y venía de dólares, deberán cumplir con 31 puntos, de los cuales destacan;
• Se involucra a la Dirección General y al Consejo de Administración de las instituciones
financieras, en la definición de la operación, límites de riesgo, y aprobación de
nuevos productos.
• Se crea ia unidad de control de riesgos, independiente de las áreas de "trading"
con la función de medir y de informar diariamente a la dirección general sobre la
exposición al riesgo de la institución. •
• Se necesita establecer un código de ética profesional.
• Se destaca que las unidades de control de nesgos deberán contar con sistemas
de estimación y de valuación de riesgos.
• Los modelos de valuación deberán ser aprobados por consultores externos. La
evaluación inicial de los 31 puntos está a cargo de entidades con experiencia en
la supervisión del proceso de administración de riesgos y autorizadas por Banxico.
Para fortalecer el esquema de regulación prudencial, se responsabiliza a estas
empresas audiíoras de los dictámenes que realicen.'^
19 CNBV(1996).
20 Alien (1994) destaca ías características de este tipo de modelos,
21 Cárdenas (1997) detalla otro tipo de medidas que el banco-central y la CNBV han Instrumentado para
Marco Regulatorio 55
• El 28 de junio de 1996 la CNBV emitió ías "Reglas para los requerimientos de
capitalización de las casas de bolsa" Los puntos más destacables son los siguientes:
• El objetivo es establecer el régimen prudencial en materia de control de riesgos.
• El riesgo se divide en riesgo de mercado, riesgo de liquidez y riesgo de crédito.
• El modelo para estimar los riesgos es un "modelo de bloques" similar al modelo
propuesto por el Comité de Basilea en 1993 y que se describe en la sección
anterior, es decir, ignora la correlación entre factores deriesgo;pero supone per-
fecta correlación entre los rendimientos de los instrumentos cuyos plazos son
similares {es decir, que están dentro de la misma banda.) ^°
• El requerimiento de capital se determina como la suma de requerimientos por
cada tipo de riesgo:
• Riesgo de mercado: 12% del valor de la posición neta de la cartera de inversión
+ entre 4%. y 8% por el riesgo específico de cada tipo de producto,
• Riesgo de liquidez: 4% del vaior absoluto de cada serie accionaria y en función
del grado de bursatllizaclón.
• En 1995 la CNBV estableció fos nuevos criterios contables para las Instituciones
financieras. Con estas modificaciones se homogenelzaron los criterios contables en
México con los estándares internacionales. Destacan los siguientes puntos: ^'
• Los activos financieros que cotizan se clasifican en tres tipos: títulos para negociar,
títulos disponibles para la venta y títulos conservados a vencimiento, con esquemas
de valuación diferentes, entre los que destaca la valuación a precios de mercado.
• 'Se reconoce el riesgo crédito en los instrumentos financieros que no se negocian.
• Se destaca que las operaciones de reporto se valuarán diariamente, y al final de!
mes las pérdidas o ganancias se aplicarán a la contabilidad.
• En lo que se refiere a la cartera de crédito, e! plazo para considerarlos vencidos
depende dei tipo de crédito:
• Amortización y pago de Intereses únicos: 30 días naturales.
• Amortización única y pago periódico de intereses: 90 días naturales.
reducir los riesgos en el sistema financiero mexicano.
 58 Vaior en Riesgo y otras Aproximaciones Marco Regulatorio 59

Anexo 3.1 • Para "trading": se reportan a valor de mercado y las ganancias (pérdidas) van
a resultados.
Regulación Prudencial. Comité de Basilea
• Para venta: Se reportan a valor de mercado y Jas ganancias (pérdidas) se registran
en una cuenta de capital.
A nivel internacional las entidades reguladoras han adoptado ei concepto de regulación
prudencial, es decir, los bancos son los responsables de controlar los riegos que eligen, • Recomienda la estimación del VaR,
bajo un criterio estándar de requerimientos de capital. A continuación se describen, de
manera cronológica, los principales acuerdos tomados al respecto. • 1995. Securities and Exchange Commíssíon (SEO),

• 1988.-^ Grupo de los 10. Basilea.,
• Requerimientos de capital mínimo aplicables a todos los países.
• Capital mínimo; 87o del total de activos ponderados por riesgo.
• Posiciones de riesgo excesivo (10% del valor del capital) se deben reportar.
• Límite máximo en una sola posición: 257o de! capital.
• Suma total de posiciones de riesgo excesivo: 800% del capital.
• 19937= Comité de Basilea.
• Instrumentación deí "Modelo Estándar".
• Estimar el VaR de cada tipo de riesgo (modelo de bloques).
• El VaR total se estima como la suma de los VaR individuales.
• Problemas: No considera la correlación entre factores de riesgos. Supone perfecta
correlación entre ios instrumentos que están dentro de la misma banda; la duración
de algunos instrumentos no se puede Identificar.
• l993.Gmpode los 30.
• La información que se entregue a la SEO debe incluir cualquiera de ios tres
reportes siguientes;
• Flujos esperados por categoría de riesgo.
• Análisis de sensibilidad para estimar pérdidas por cambios hipotéticos en los
precios de mercado.
• Estimación de! valor en riesgo.
• 1995. Federal Reserve Board.
26
• Propone el modelo ("precommitment) para estimar los requerimientos de capital,
t El capital requerido io determina cada institución en función de la pérdida máxima
que las mesas de operación esperan observar durante un periodo determinado.
• Si una institución financiera suíre una pérdida mayor a este capitaí estimado, ei
capital requerido debe incrementarse.
• Tiene la ventaja de que cada institución determina'su requerimiento de capital.
Sin embargo, el modelo trabaja mal en periodos de crisis permanentes, sobre
todo cuando, ante falta de iiquidez en los mercados, no pueden instrumentarse las
políticas de "stop loss"; el riesgo sistemático del modelo es mayor que el del VaR.

• Valuar las posiciones a precios de mercado y estimarriesgosfinancieros con el VaR. • 1995-1996-1997.^' Comité de Basilea.

• 1994. The Financial Accouníing Standars Board. • Instrumentación de modelos Internos elegidos por las propias instituciones.

• Los activos {acciones y deuda) se clasifican en tres, en función del tipo de posición • La estimación del VaR de mercado debe cumplir con tos siguientes requisitos:
de que se trate:
• Horizonte de riesgo: 10 días.
• A vencimiento: se reportan a costo de amortización.

26 Kupiecy O'Brien (1995) y Gumeriock (1996) evalúan las ventajas y desventajas de este modelo en relación
24 Basle Committee on Banking Supervisión (1988). El Grupo de los 10 lo integran: Bélgica Canadá Francia con los modelos de valor en riesgo. _ . hoob,,!
Alemania. Italia, Japón. Luxemburgo. Holanda. Suecia. Suiza, el Reino Un do y EUA ' 27 ComitédeBasileasobreSupervisiónBancaria(1996),ComiíedeBasileasobreSupervisionBancariaO
25 Basle Commiílee on Banking Supervisión (1993)
y Basle Committee on Banking Supervisión (1997),
62 Valor 6Í1 Riesgo y oirás Aproximaciones

• Federal Reserve Board, (1995) Requesí for Commení on the Pre-Commitment Approach
for Market Risk", No. R-0886, julio.
• Fernández, E, (1997) "Regulación Prudencial y Consolidación del Sisíema Financiero",
Ejecutivos de Finanzas. IMEF junio, pag. 8-14.
• Financial Services Aulhority, (1998) "Plan & Budoet 1998-1999", Financial Services
Auíhorlty.
Modelos
• Gumeriock, R., (1996) "Lacking Commitmenf, Risk Magazine, Vol.9, No. 6. junio,
pag.36-40.
de valor en
• Jorion, P., (1997) "Lessons from the Orange Couníy Bankruptcy". The Journal of
DenVaties. verano, pag. 61-66.
riesgo de mercado
• Kupiec, P., y O'Brien, J . , (1995) "Modei Aííernaíive", Risk Magazine, Vol. 8, No.6,
pag. 37-40.
» Kupiec, R, y O'Brien, J., (1998) 'The Pre-Commitmení Approach: Using Incentives to
Diversos modelos de valor en riesgo se han desarrollado para estimar
Set Market Risk Capital Requirements", Net Exposure. The Electronic Journal of Financial
Risk, Vol. 1, No. 1 enero-febrero. el riesgo de mercado de los portafolios de mersión. En este capítulo
se describen y se ejemplifican de manera deíaiiada ios principales
» Ludwing, E., (1995) "Lesson from Leeson", Risk Magazine. Vol. B, No. 7, julio, pag. 19.
modelos para calcular el VaR.
• Naranjo, M., (2000) "Evolución del Seguro de Depósitos en México", CNBV Revista de
Al final del capítulo se mencionan otras aproximaciones recientes que
Banca y Mercados Financieros, CNBV, No. 4. De próxima publicación.
pretenden mejorar la calidad de las estimaciones.El capítulo^pone,
• Orozco, A., y Zamarripa G., (1998) "Aspectos Fundamentales de la Regulación'
especlál énfasis*en ios Supuestos, ventajas y limiíaciones de los'
Prudencial", CNBV Revista de Banca y Mercados Financieros, CNBV, No. 1, pag. 55-62
diferentes modelos del VaR.
• Secretaría de Hacienda y Crédito Público, (1996) "Reglas para los Requerimientos de
Capitalización de ias Instituciones de Banca Múltiple!. Diario Oficial de la Federación,
15 de julio, Primera sección, pag. 2-25.
• Szegó, G., (1995) "Risk-based Capital Requirements in the Europan Economic
Community", Journal of Banking & Fínance. No. 19 pag- 727-729.
• Verma, S., Zerbs, M., y Zheng, J., (1998) "Measuring Capital Charges for Specifíc Risk",
Algo Reserch Quaterly, Vol. 1, No. 1, septiembre, pag. 5-15.
• White, L., (1991) "On the Measurement of Bank Capital", New York Un¡versltv..Saíomon
Center, Working Paper Series. S-91-23, mayo.
 Modelos de riesgos en valores de mercado 67 gg Valor en Riesgo y oirás Aproximaciones

2 Se construye la serie de rendimientos. Es decir, se estiman las variaciones

Cuadró 4.1
' logarítmicas diarlas de los factores de riesgo.'
GENERACION DE ESCENARIOS. MODELO DE SIMULACION HISTORICA
í
FR, *100 (4.1)
FR•f-i
3 Se estima la serle alternativa del factor de riesgo. Para ello, al vaíoractual del factor
1 aa-JuI 8.87tS 33.35
de riesgo se agrega el valor de las variaciones calculadas.
3 24-Oul 3.8S15 aaiS -0.0020 -O.0241 9.2340 18.55 92,940 9,274 102,214

'M
-0.0200 9.3150 18.62 93,150 9,312 102,462

FR,,-*exp (4.2)
7 SO-Juí'' 8.9T00 ' 23.00' -0.0005 0.0087 9.3080 19.17 93,080 9,683 102,653

F. .FR„.
^3 3-Aug 8^9'^''^^^^^ * ''''''-0.0246
0.0044 '
9.3534 ' ^ ^ ^ ^ ^ ^ 9,269 102,803

11 S-Aug " '9.0068 21.20 ' ''"0.0049 -0.0047 9.3585 18.91 93,585 103.041
•4. El portafolio se revalúa con cada uno de los valores estimados de los factores
de riesgo.
13 7-Aug 9.0205 20.15 0.0020 -0.0341 102,492
5. Se calculan las pérdidas y ganancias del portafolio. Estas se obtienen de la diferencia
'M'JííZé entre el valor del portafolio estimado-con cada uno de los escenarios, y el valor del
15 11-Aug 9.2026 19.90 0.0093 0.0050 9.3999 19.10 93,999 9,548 103,547
portafolio vigente en la fecha de valuación.

^^^^7^^J3^ug ^^^^ ^^^^^^19.TO ^^^^^^^0.0025^^^^ O ^'^^^^^^'^^-F- ^^'^7^ .^^^'^^^^6; 102,946^

Se ordenan los resultados del portafolio de mayores pérdidas a mayores ganancias, y
'
se calcula el VaR con base en el nivel de confianza (percentil o cuantil) elegido.
ii^^l^^^ 20.to ''^'^^^ "''^^JOa^ '^ 9'4375 19*m^ Porejemplo, suponga que el portafolio de inversión consiste en una posición larga de 10,000
102,004
dólares y de una posición larga de 500 acciones de Telmex; el tipo de cambio peso/dólar
^^^|1^^ 1^9-^^^^^^
vigente y el precio de la acción de Telmex son 9.3126 p/d y $19.0, respectivamente. SI se
consideran 21 datos precedentes a la fecha de valuación (20 de agosto), los precios
1/ Por ejemplo -0.0003 es ¡guala In(8.8692/6.a715¡ estimados y eí valor de las posiciones y del portafolio son:
21 9.3102 es igual a la cotización actual (9.3126)' Bxp(:00í)3)
3/El valor de la posición ($93,102} se eslima como al precio estimado por el ¡nonio de la posición (9.3102*10,000)

Para estimar e! VaR se estiman las pérdidas y ganancias del portafolio y se ordenan,
como se muestra a continuación:

7 En la literatura se encuentran estimaciones con variaciones absolutas y con variaciones porcentuales. Sin
embargo, como se mencionó en el capítulo segundo lo más apropiado es utilizar las variaciones logarítmicas.
 Modelos deriesgosen valores de mercado
71

/U j Valor en Riesgo y otras Aproximaciones

« Por ejemplo, debido ai repunte del tipo de cambio durante agosto de tdQQ, el
conjuntos de 20 datos. Asimismo e! número de posibles trayectorias podría
incrementarse si, en vez de dar el mismo peso a todas las observaciones (como
en el ejemplo), se les diera diferente ponderación, por ejemplo más peso a los
datos recientes.^
• El método es robusto, fácil cíe Instrumentar y muy intuitivo, lo que facilita su
explicación a la alta dirección de ias instituciones financieras,
• Sin embargo, el modelo de simulación histórica también tiene importantes desventajas,
destacan las siguientes: •
• En virtud de que no se cumplen ias condiciones de normalidad y de independencia
de los residuales no se puede utilizar la regla de la raíz cuadrada del tiempo para
escalar la estimación del VaR a diferentes horizontes de inversión,!"
VaR estimado.oon diferentes intervalos fluctúa de manere significativa, entre
$434.0 y $768.0, dependiendo de si se consideran 20 ó 60 úalos de historia.
Por contra, nótese que el VaR siempre es ^49í.O (véase el Cuadro 4.3)
independientemente de si u\\\\zan entre 100 y 140 observaciones, es decir, de
ia observación 100 a la 140 los datos son Irrelevantes, ya que contienen Infor-
mación que no tiene nada que ver con el "cluster' de volatilidad vigente. Esto
índica que los 250 datos que pide Basilea como obligatorios para estimar el
VaR podrían ser demasiados en el caso de los mercados mexicanos.
Gráfica 4.3
TIPO DE CAMBIO

• Cuando se Incluyen portafolios muy grandes o con estructuras muy complicadas,

el modelo se puede volver impráctico y computacionaímente muy caro. En esos
casos se recomienda estimar el VaR por subportafollo, o por áreas de negocios.

• Una estimación eficiente del VaR con base en el modelo de simulación histórica
requiere un trabajo disciplinado, ya que el usuario de estos modelos debe poner
mucha atención, sobre todo en los siguientes casos:

• Cuando todas ías observaciones tienen la misma ponderación, la estimación del

VaR puede cambiar de manera significativa después de que una observación
se excluya de los cálculos. , .

• Guando la distribución de probabilidad de los cambios en los factores de riesgo

pfesenta huecos importantes,, es decir, que los factores de riesgo sólo toman
determinados valores. Cuadro 4.3
SENSiBILlDAD DEL VAR
• Si la serie es muy larga se pueden Incluir muchos eventos extremos que pueden
obscurer los beneficios de estimar el VaR de manera periódica, ya que el VaR
, ^ tposoídsWí IAA ( I » ' r * Y'
estimado durante varios días podría ser eí mismo y eventualmente cambiar, 7* ^ J5r * ^IV ^ ^Ifl^-r. ..Jl
incluso drásticamente, por el sólo hecho de que un evento extremo desaparezca Sil
^. M ^ ^ '
9.2692
' 434.0
434 0

de la muestra. •- ¿u ...... , ^•••^••••^aíS5i-tt>tv;-^?¿r7lSi

..^'f-.-. 44S(í ^
' *3 2681_
9 ¿681
7fift íl
• No existen indicadores estadísticos que permitan determinar de manera óptima en
9.2358
Jt ^ . .U^F^^
bu 7680
6130
cuántas observaciones se deben incluir apriori en la estimación del VaR. 9 2513
Mientras mayor es el intervalo elegido, en principio mayor es la calidad de la -.«-•,7 i'A ,v.aaí.a¡.>. "-^ - •— 9.2635 0^ 1 .u
estimación; no obstante, existe el riesgo de incorporar datos que Impidan 4 nn
lOU
capturar los cambios estructurales en los mercados.
9.2635
140
9 Capítulo 6. Tipo de c a m h í a v i g e n f e ; 9 . 3 í 2 6 pesos por dó/ar
10 CapfluioS,
 74 Valor en Riesgo y oirás Aproximaciones
Con el propósito de ilustrar esta meíodologia suponga que se desea estimar ei VaR de la
cartera compuesta por 10,000 dólares en divisas y $9,500 en acciones de Telmex. Se
supone un horizonte de inversión de un día y un nivel de confianza de 95.07o. Asimismo,
dada la información de los precios que aparece en ei Cuadro 4.1 la votatilidad del
tipo de cambio y deí precio de las acciones es de 0.947o y 3.217o, respectivamente; e!
coeficiente de correlación es negativo, de-0.22, lo que signüica que e! nesgo del portafolio
será menor que ia suma de los riesgos de los activos individuales, ya que ías pérdidas en
las divisas (acciones) se compensarán con utilidades en ías acciones (divisas).
En virtud de que eí modelo supone que los rendimientos condicionales se-distribuyen
normalmente no es necesario generar diferentes escenarios, ni revaluar e! poríaíoliQ —como
se hizo en ei caso dei modelo de simuíación histórico— para estimar ei VaR, En este
caso sólo se necesita multiplicar (a desviación estándar de! portafolio por 1.65, factor que
permite alcanzar un 95% de confianza.^"
Los resultados de las estimaciones son;
• El VaR de los dólares es de $875.88, mientras que eí VaR de las acciones de Telmex
asciende a $305.20.
• El VaR del portafolio es de $860.41, es decir, el VaR diversificado —ya que toma en
cuenta la correlación—es inferior a la suma de los valores enriesgode cada activo.
Incluso el VaR del portafolio es menor que ei VaR de Telmex.^' Nótese la diferencia
entre el VaR estimado con el modelo histórico ($622.0) y el VaR calculado .con este
modelo ($860.4).
Cuadro 4.4
ESTIMACION DEL VALOR EN RIESGO. MODELO PARAMETRICO
Diversificado $ 86o.4-f 4/
3/$305.2 = $9, 500 '3.21/100
4/$360.41= [($93.126- 0.94/100 '1.0 + $9,500 ' 3.21/100 -.022) 'Ha. „„. „
. ($93.123'0.94/100 '-0.22 . $9.500 ' 3.21/100 'A'^l iToAo^ZZ' "
en el Capítulo 6. eso no es conveniente. ' ^O"!" menciona
Modelos de riesgos en valores de mercado 75
Esta versión de portafolio ha sido ampliamente criticada, ías principales desventajas de
este modelo son: ^
• La evidencia muestra que en términos generales las distribuciones de ios rendimientos
. de ios activos financieros muestran características leptocurtósicas (colas más anchas
que una normal), lo que puede subestimar la estimación dei VaR, el cual se concentra
precisamente en ías colas de la distribución. Asimismo, se ha probado que cuando
el portafolio mantiene consistentemente posiciones cortas o largas, la distribución
será sesgada a la izquierda o a la derecha, en ese orden.^"
• El modelo realiza estimaciones locales de riesgo, es decir, considera los cambios en
los factores de riesgo alrededor de los niveles vigentes de las posiciones financieras.
Eso significa que de presentarse un evento extremo, como la devaluación de 1994
o la caída del mercado bursátil durante 1998, las pérdidas que podrían observarse
ni siquiera aparecerían en la distribución estimada a partir de la matriz de varianza-
covaríanza histórica.
• El modelo supone que las reíaclonés entre ios cambios en los factores'de riesgo y -
los cambios en el valor del portafolio son lineales, supuesto que es válido en el caso
del ejemplo, donde la cartera Incluye acciones y divisasj.sin embargo, en el caso de-
. instrumentos con convexidad como.ios bonos, o no lineales como las opciones, ía
estimación del VaR puede ser muy ineficiente.^" ' - . •[ • \
• La explicación a !a alta dirección de los resultados del VaR, obtenidos a partir del.
modelo de portafolio, seguramente requerirá de mayores esfuerzos que ios qué se
realizan con ei modelo de simulación histórica.-.
A pesar de las críticas realizadas al modelo de portafolio, éste es uno de los métodos de
mayor utilización en ia industria bancarla, puesto que sus ventajas también son importantes:
• Es un modelo que se basa en la teoría dei portafolio, es decir, es un modelo
transparente que permite a los usuarios entender y evaluar ias medidas de riesgo.
• La normalidad y la independencia serial permiten una aproximación parsimoniosa
del uso de los datos, ya que con sólo dos parámetros, la media y ia desviación
estándar, se puede construir ía distribución de probabilidad de los cambios en el
valor del portafolio.
,
22 Laiwrence y Robinson (1996) y la respuesta de Longerstaey y Zangari (1995).
22? En ei caso dei ejemplo, ía distribución de ios rendimientos dei tipo de cambio y de !as acciones de Telmex
no es normal. Al respecto se puede argüir que ello se debe a que en ia estimación se toman en cuenta sólo
20 datos. Sin embargo, se que demostrado que ios rendimientos sobre periodos largos tampoco son normales,
lo que implica que en este caso no se cumple ia teoría del límite central. Cox (1995).
24 Smttfison y Minton (1996) destacan que el VaR de una cartera de opciones estimada con un modelo de
Monte Cario es más de dos veces ei VaR estimado con el modeío de portafolio.
78 Valor en Riesgo y oirás Aproximaciones
Modeios de riesgos en valores de mercado 79

Gráfica 4,4 Los resultados que destacan son:

RENDIMIENTOS
• La distribución de la mezcla de normales es asimétrica.

• Las colas de la distribución de la mezcla de normales son más anchas que ias de la
normal unitaria (véase la cola derecha de la gráfica 4.5).

• • La asimetría y la leptocurlosidad de ia distribución se acentúan cuanto mayor es ei

valor de ( 1 - ) , es decir, mientras mayor es la frecuencia de los eventos extremos.

• La presencia de colas más anchas que se generan con la mezcla de normales

implica que los'errorss en ia estimación del VaR deben ser menores que los derivados
de una distribución normal, a pesar de que el nivel de confianza sea superior a 95%.^'
^^.,![;-<»..-^,irJki;^zyA:--xj^^^^ í'-*-'- \x-p':-:2-r.,cyx!.t¿í.i¡3:xy
LSéááfqrfqaádamsiteí'coírtaeLpáráiTieírD'V^^
iy^j^ione? psfándffl^t^é}/ yias meckasíffcs) de faedigtnbuciDneg,-fií^ t ^ g ^ ^ d ^ ^
}U erobafeiíidad' (p y Ejué aí^ñffíG^ qtfe teesülfiaclííi ágl V a f e e s d^^mM'UdQ ¡

5aré'esfihiar!os.|íaramsttoánimetQnaaas:s^nattpJpüést^

ObfófÍ0ÍÍ3dfsthbülbiTmargina]ide^_^yJ4 lirjatizarapaditrSí t^l&ucto&^f

^^jífdaá^iifed t<a edgs^ ea-b^ft; a^paÉ^tía lo^aloréa ptte'eÉíjstádá a e e ^ , |

| l fupcioB^de densídldéoíi G^laéV^ásrq<ntfí|s4stdbü^¡art#^ tíaS{UdÍh '

p-B'v^t^mQiífeJüs párMpmf^^m^^^U e ^ ^ % juni^fe í¡

Jífárí^mtiMjTosMbiTnepíaS^GPmbíftafi ")
;^^lr»|gf0/A^

-^5 | í ) ^ # § i s Q S d e f o 5 : ^ r e s dá;p^o^gc^íKJ^atl^a*éií'^iq,# q^sé

iggzr^;-4'i>it

27 Venkataraman (1997) destaca que de 4,502 observaciones correspondientes a los precios de ocho monedas,
el número de violaciones dei VaR en el modelo de mezcla do normales y en el modelo de portafolio ascienden
a 225 y a 257, respectivamente. El número teórico de violaciones,dado un nivel de confianza de 95%
tendría que ser de 212,5.
28 Otra crítica a este modelo es que se dificulta ía agregación de los riesgos correspondientes a diferentes
mercados o instrumentos.
29 Hamiíton (1991), Zangari (1996) y Hull y White (1998).
 82 Valor en Riesgo y otras Aproximaciones
iVlodefos de valor en nesgo de mercado 83

Como se sabe (Véase Cuadro 1,1) existe una relación convexa e inversa entre el precio
• ^gjdfliivádas qijB existan en el mercado. Por ejemplo, con excepción, de algunos y la tasa de interés del bono. Por tanto, para aproximar el cambio en el precio debido a un
/-amblo en la tasa de interés,- se ouede utilizar:
• Los términos cuyas covarianzas y correlaciones sean estables.
'^^Iteorémfftfefayfc ^ \ ' "^'^^J

• Las derivadas que el mercado utiliza, por ejemplo, en eí caso de una opción de compra
cuyo precio (C) depende deí precio de! subyacente (3), de-las tasas de interés (r),
de ía volatilidad (a) y del piazo (T). la mayoría de los "íradersTúnicamente utilizan la
derivada de segundo orden con respecto al subyacente (gamma) y la primera derivada
con respecto a todos los -factores. Estos términos tienen los nombres siguientes: ^)^e ssgundsrOtdeBjiée-QoifBnq ét-cát^D(apofcento^,aef ptedOtaéí^^
en ierminoslíe (0 dutactón. y [aJx3Ffve^íd|cf|* e^jecln - ^^ ' >_éí

Delta . ^"T^s

•'^ «-^j T í 7 DuraoíFT Convexidad ^ \F¿%tI'&4 s

^ ^ : i r 7 7 ¡ m i : ^ - 7 ^
=DuracÍ n (Aí-)+ I-Convexidad (At) ^ (4.13)
F ' 2
^ " Vega"' " " ' '
Para mostrar ía manera de estimar ei precio del bono ante un cambio en la tasa de
• Otro ejemplo se refiere a ios bonos, de cuyas tres primeras derivadas se desprenden interés, considere que ei plazo del bono es a un ano, el valor nornlnal es de $1.0 y la tasa
ios conceptos de duración, convexidad y M-Cuadrada."^ de Interés vigente es 20.0%, lo que implica, de acuerdo con la ecuación 4.12, que el
precio del bono es $0.833.
Con eí propósito de destacar la importancia de los efectos gamma en la aproximación del
cambio en el valor del portafolio e introducir ios conceptos de duración y convexidad, Si las tasas de interés se incrementaran a 25.0%, ¿a cuánto ascendería ei precio del
suponga que se desea estimar ei cambio en el precio de un bono cupón cero, como los bono?. Dada la fórmula (4.12), el precio disminuiría a $0.800. Por su parte, para estimar
Cetes o los PRLVs, ante una variación en la tasa de interés (factor de riesgo). El precio el precio deí bono a partir del modelo deiia-gamma, es necesario estimar, en primer lugar
dei bono se define como: ia duración y la convexidad, valores que ascienden a -0.833 y 1.3889, respectivamente
(Véanse la Gráfica 4.7 y el recuadro anexo)."^ Nótese que ia duración implica una relación
P - p J ^ (4.12) • negativa entre ios precios y las tasas de interés; en ei caso de la convexidad dicha relación
es positiva. Sí se toma en cuenta únicamente la delta (duración en el caso de los bonos)
V 360 -—es decir, una medida linea), cuya interpretación es la tangente a la función de precio-
tasa de interés, calculada alrededor del nivel de la tasa de interés vigente— el precio
Donde; P = Precio del bono
estimado ascendería a $0.7986, es decir, sería inferior al precio verdadero. Este sesgo
VN = Valor nominal
(B-C en la Gráfica 4.7) obedece a que en la estimación se utiliza una aproximación lineal,
r = Tasa de interés
cuando la función verdadera es convexa.
T = Plazo

0
32 Capítulos.
33 Ho, C/ien y Eng (im) y Namtkha {Í990I. Sin embargo el conceoto M CunrirpA^
en eí medio ímanciero y casi nunca se J u y a en los """^ 34 Anexo 4.1
35 El recuadro anexo índica las fórmulas, de la misma manera que aparecerían en una hoja de cálculo.
 Modelos de riesgos en valores de mercado 87
86 I Valor en Riesgo y otras Aproximaciones

• En eí caso de instrumentos exóticos no se puede identificar la fecha de vencimiento;

* En virtud de que ia magnllud del error de estimación dei VaR de una cartera de
por eiio no es posible calcular las derivadas de la serle de Taylor y estimar eí VaR a
opciones con el modelo Delta normal es muy Importante, el Comité de Basilea exige
paf(\r del modelo delta-gamma.
que los modelos internos de valor en riesgo de las instituciones financieras Incluyan
los términos gamma. . • Eí problema con ía solución Monte Garlo es que diferentes escenarios pue'cieil-'cráF V
|:;»;tugaríapn mismo .VaRulg_que ptíede dificultar: la, admtniatracjóñ d&Tlecgo^í^
Cuadro 4.6 *rrí;(x)níra{,aíravs9desolucior!esde.optimizacra
SESGO EN LA ESTIMACION DEL VAR DE UN PORTAFOLIO DE ORCIONÉS
Sj-ldenlifícar loévaloresde^íosíadioresderiesgequesomco'aciateñtesoüfr^
••¿;-v.:^étot(o.;;;.-T cv. .;:VaFí;'r
; relativo 7 - -' ^-.-.-j' • • , • t- .'• : x-t-[ v.-,i.-=-,-í"te.^te-:--;^-">rt-tei
Monte Garlo V -.2.100 • ' 0.0%
^:'^*^0éifi^émñia>'''jr:
Della-normal 1,833 " '. ' 12.7% • "
Considera una cartera de opciones de compra y de venia tipo europeas
sobre oro y platino.
Fuente: Rouvinez (1997).
V Véase la sección 4.4
%.^^mri¡
•^P=r» ,-1. j-i--' I •- '™-tef--f.f v,í;,i-r,-¿,. .Tí'-;; I ^- Y,

Conviene recordar que ia estimación del VaR a través del modelo delta-gamma es una ^nMihmmf^iK^niotí-"' ^ '.te- ~^te¥:
solución analítica de un problema que requeriría de ía generación de escenarlos tipo
Monte Garlo y de ia revaiuación del portafolio con cada una de los escenarios. Las ventajas u ^v
y limitaciones dei modeío delta-gamma con respecto de un modelo de simuíación y"<ie
revaluación completa son: .. ., " c))c^P'Ü te?-<Í||^^M^
» El error en la estimación dei VaR de un poríafoiio de opciones con el modejo deitav '
gamma es relativamente reducido, a menos que el precio de ejercicio de la opción;
sea muy diferente al precio vigente del subyacente, es decir, que la opción esté .
"fuera del dinero"."' En ese caso el sesgo podría ascender hasta 10.0%""

» El error en ia estimación dei VaR será menor mientras mayor sea ía estabilidad de
- -ios parámetros que miden ios cambios en-el precio de la opción ante variaciones,-
lineales y de segundo orden, en e! precio deí subyacente.

* La solución deita-gamma es mucho más rápida y menos costosa que la solución
exacta de Monte Cario, io que significa que hay un "trade off entre ia rapidez
computacional y la exactitud. Debido a que ios costos de estimación del VaR con el
modelo deita-gamma son reducidos, esta metodología se puede utilizar para realizar
estimaciones del valor en riesgo en tiempo rea!.
» Con ia Inclusión de términos no lineales (gamma), no se puede aplicar la regla de la
raíz cuadrada deí tiempo para escalar ía estimación del VaR a diferentes horizontes
de inversión. ^ de inversión incluye opciones, se recomienda complementar las estimaciones del VaR,
37 Hiill (1993). los detalles sobre (a estimación del VaR de gna cartera de opciones se presenta en el Capítulo
5 de este libro.
38 Zangan (1996 -1).
Por último, cabe mencionar que la estimación de! valor en riesgo a través del modelo
delta-gamma es una medida local de riesgo, ya que ia primera y segunda derivadas
(gradiente y ef hesiano) se calculan alrededor de ios precios de las posiciones vigentes en
la fecha de valuación. Eso significa que ias pérdidas que podrían presentarse en el caso
de un evento extremo podrían quedar fuera de ia distribución de pérdidas y ganancias
estimada como el modelo delta-gamma, ío que implica fa presencia de violaciones
del VaR, tai como sucede con eí modelo de portafolio lineai. Por tanto, si el portafolio
con gráficas que indiquen la sensibilidad del valor en riesgo ante diferentes valores
del subyacente.
 90 Valor en Riesgo y otras Aproximaciones
Modelos de valor en riesgo de mercado 91

\\JPzí^i^'kc.S^7'^7 2yTy,i: ' . - ••^'•i

i ^ t ^ f é f i S á f e r á s u l í a - de-^pandtt ehprimer. término de .la ,seíie ,de/Taylor,;de la-:i

'•'¡^•X'yA^iAiy : A ' • . - . - t e - . / . ' ' ', • . ...;-i-' ; -I-.A ::4/"i-'í:-y.r.'7vj Con el propósito de ilustrar eí cálculo del DeitaVaR y los conceptos que de él se desprenden,
considere la cartera compuesta por dolares y por ias acciones de Telmex. Las características
.y 0^^V0ctofí}ue contiene laspostcíonesdelradina" propuestas de este portafolio se describen en el Cuadro 4.4. donde también se destaca que el.VaR
.diversificado equivale a $860.41. , _ =7:. ..

^^^éqiífaíentéai VaR da taposcioffS, como se muestra a cpntinuaciotpT De acuerdo con la ecuación 4.16, y como se describe con detalle en el cuadro 4.7, el
'DeitaVaR de la posición en divisas es 0.88%, y ei de las acciones 0.41%. Eso significa
que un incremento marginal en la posición de estos instrumentos aumentaría ei VaR en
;ziiE')'pEVPi:i%yT:i^,.í-i:'~yy'2y^ los porcentajes mencionados.
De tal manera que si se consideran todos los fiuios del portafolio, la suma de ios
valores enriesgode cada posición, definido como en la ecuación anterior, será Cuadro 4.7
equivalente al VaR diversificado, ESTIMACION DEL DELTAVAR

= ^ (l)*F)eltaVaR] (4.19)
Donde cada uno de los elementos de ia sutnaíoria se denominan Componentes del
VaR"", y tienen las siguientes características:

• La suma de todos los componentes es Igual ai VaR diversificado.""

• Si uno de ios componeníes del VaR se elimina del portafoilo, es posible estimar ia
variación de) VaR de la cartera. ^ 756364
J48876
• Se pueden identificar ios componentes del VaR que tengan ei signo negativo, y
que cumplen funciones de cobertura dentro del portafolio. Eso significa que si
estas posiciones se excluyesen e1 VaR debería aumeníar.
Los elementos de la matiiz de varianza-covaríanza (ü)se calculan como: (Véase Cuadro 4.4)
0.94/100' 0.94/100 * 1,0 = 0.000088460
' Por último, ei pVaR indica la fracción deriesgocon eí que uno de tos componentes
0.94/100 ' 3.21/100 • -0,22= -0.000067824
deí portafolio contribuye al riesgo total; y se define como ei VaR incremenfai entre ei 3.21/100 • 3.21/100 ' 1.0 = 0.001032090
valor en riesgo dei portafolio.'" Los otros resultados se obtienen de ¡as siguientes expresiones

oy^^__VciRincremental ^q)
-0,000067024' 93,126 + 0,0001032090 * 9500 * = 3,48870
0.00008846 " 93,126 + 9500 * -0,000067824 = 7.59364
VaR ^ ' ^ Los detalles de la estimación del VaR = 860.41 se presentan en el Cuadro 4.4

42 Garman (1997-1), Con base en ios DeitaVaR calculados se puede determinar el VaR ¡ncrementai, así como
los componentes del VaR los cuales, como se observa en el Cuadro 4.8, suman el total
del VaR diversificado.
44 Garman (1997).
45 Capítulo 2.
 Valor en Riesgo y otras Aproximaciones
• í^4:f^-^;a'^S4o A^^^^ •^^^'ri equivalente a
un juego dé ruleta, donde la probabllidád dé que caiga un 7 rojo es independiente
del resultado del tiro anterior.
• -?C"í¿¿;Í2(íot¿s ^plra diféféritóff 4T & ítápencliéníés entre sf:-lb^qüs.él^|ca:lj
;%i|í^^ón'éiándár crpcé opniít&cüidf^ ^^^%^í^'-íví-''5~^S^S
i3e acuerdo con este modelo si el tipo de cambio es de 9.50 pesos por dólar (p/d), y el
intervalo de tiempo se mide en semanas,'significa que el precio estimado para dentro de
14 días será igual a 9.50 p/d, ya que se supone que la media de las variaciones en el
precio es cero, mientras que ia desviación estándar será igual a 1.414 p/d, es decir, la raíz
cuadrada de 2 {ya que se consideran dos intervalos de siete días cada uno).
Desafortunadamente el resultado es Independiente del intervalo de tiempo elegido. Por
ejemplo, si el tiempo se mide en anos en lugar de semanas, la desviación estándar al
final del segundo año también será igual a 1.414 p/d, es decir, igual a la desviación
estándar semanal. Sin embargo, para ios propósitos de "trading" o de administración de
riesgos, ías impücaclones de considerar que la dispersión del tipo de cambio es de
J.414 p/d independientemente de si ei horizonte de inversión es de una semana o de un
ario son evidentes.
• Proceso Generalizado de Wiener. Uno de los inconvenientes dei modelo anterior,;
es que concluye que el precio promedio de un activo en cualquier fecha futura será"
iguai a su precio actual, lo que contrasta significativamente con el comportamiento
histórico del tipo de cambio peso dólar, del índice de la bolsa de valores o, incluso
del nivel de las tasas de los Cetes. Dada esta limitación, el Proceso Generalizado
de Wiener incorpora un término que pennite que el precio del activo financiero cam-
bie en cada período en una magnitud constante ( a ) . Eso significa que los precios
siguen una tendencia que cada periodo se ve alterada por la presencia deí término
aieatorio, o sea:
Ap=aAT + b e - ^ (4.2-1)
49 Véase et Recuadro de la sección 2.4.2.1.
50 Huir(1993).
Modelos de riesgos en valores de mercado 95
Por ejemplo, si el tipo de cambio actual es de 9.50 p/d, ei deslizamiento esperado
semanal es de 10 centavos, y la desviación estándar al mismo plazo es de 15 centavos,
el tipo de cambio esperado para dentro de dos semanas es de 9.70 p/d (=9.50 + 0.10* 2),
con una desviación estándar de 0.2121 p/d (= 0.15 * 2^ (1/2)),
A pesar de que este modelo permite que los precios sigan una tendencia, tiene el
Inconveniente de que el desplazamiento por unidad de tiempo no mantiene ninguna
relación con eí nive! del precio del instrumento en la fecha de simulación. Por ejemplo,
no es lo mismo un deslizamiento de 15 centavos por semana si el tipo de cambio es
de 9.50 p/d, que si el tipo de cambio es de 3.0 p/d. Esta limitación se resuelve con el
siguiente modelo.
• Proceso de Ho. Este proceso es similar al proceso generalizado de Wiener, sólo que
el rendimiento esperado y la volatilidad, expresados como una proporción del precio
del activo, se mantienen constantes, es decir:
^ = l i A T + ( y e W (4.22)
p
lo que significa que ei precio se compone continuamente a una tasa p F
Con el propósito de ilustrar las características del Proceso de Ito, suponga que se
desea realizar un ejercicio de simulación de Monte Cario con base en los siguientes
supuestos: el rendimiento esperado y la desviación esperada diarios son 0.08% y
2.5%, respectivamente; mientras que el Indice de la BMV es 4,174.3 y AT es uno.
Gráfica 4.8
IPCBMV OBSERVADO Y SIMULADO CON UN PROCESO DE ITO
51 Este modelo también se conoce como Modelo Geométrico Browniano.
52 Una variante de este modelo supone que ia desviación estándar es variable, y que cambia a lo largo dei
tiempo. Capitulo 6.
 Modeios de riesgos en valores de mercado 99
98 Valor en Riesgo y otras Aproximaciones

¿Cuántos factores deben considerarse para estimar los desplazamientos de la curva Gráfica 4.9
de rendimiento?. Se ha comprobado empíricamente que con sólo tres factores se DISTRIBUCION DE FRECUENCIAS DE DOS CORRIDAS CON N =10 DATOS
puede explicar más de 99% de ías variaciones en la curva de rendimiento. Un ejemplo
de la estimación de un modelo de tres factores para el caso mexicano se describe
en la sección. 4.4.3.1.
'Vi
Por último, una vez que se-dispone de ias estimaciones de las tasas de interés
i
con base en alguno de los modelos mencionados, el precio de ios bonos se puede
estimar sin que se viole el principio de arbitraje y con la confianza de que en la
fecha de vencimiento el precio de un bono libre de riesgo crediticio será igual a su
vaior nominal.

4.4.2 Métodos para generar números aleatorios

El objetivo de los experimentos de Monte Cario es simular ei comportamiento de los
factores de riesgo que influyen en los precios de ios activos financieros. Para mejorar la
calidad estadística de las estimaciones el modelo de generación de números aleatorios
debe ser eficiente. Evidentemente mientras mayor número de simulaciones se incluya en
el modelo de Monte Cario ía eficiencia estadística de ios parámetros que se desean
estimar aumentará; sin embargo, los costos computacíonales tienen una relación directa
con ei número de corridas.
Como se observa, ías dos corridas dan resultados íotalmenle diferentes, mientras una
distribución está sesgada, la otra es un poca más simétrica, además de que las medías
de las distribuciones difieren significativamente. Eso Indica que si el número de corridas
es pequeño ei error muestrai de ia simulación será muy alto. De acuerdo con la teoría de
la probabilidad, el error muestra! mantiene una relación inversa con ia raíz cuadrada del
número de datos.^" De esta manera si N aumenta ei error muestrai disminuirá, y las
medias de las distribuciones tenderán a igualarse como se observa en la Gráfica 4.10
donde se presentan dos corridas con 100 datos.

Un experimento de Monte Cario consiste en tomar un conjunto de N datos muéstrales de Gráfica 4.10
una distribución de frecuencias, generalmente de una normal con media cero y varianza DISTRIBUCION DE FRECUENCIAS DE DOS CORRIDAS CON N = 100 DATOS
unitaria. Cuando N es reducido existe ia posibilidad de que el error de muestreo sea alto,
es decir, que los resultados, por ejemplo de dos simulaciones, difieran significativamente.
En ias Gráfica 4.9 se presenta la distribución de frecuencia de dos corridas de 10 datos
cada uno, donde ei precio que se estima corresponde a la cotización peso/dólar. El precio
vigente es de 9.50 p/d.'"

Conforme N continúe aumentando el error Irá disminuyendo; sin embargo, una de las
Íímitaciones del modelo de Monte Cario e% que el grado de convergencia del modelo
59 Los números aleatorios se generan con la instrucción Herramienta-Análisis de datos-números aleaíorios de
puede ser muy bajo, además de que los resultados de ias corridas variarán, sobre todo si
Excel. En ei caso de que no se disponga de un algoritmo que genere números aleatorios, se recomienda
utilizar la siguiente ecuación ^
60 El srror muestra! de la simulación se define como ff / donde ff es ia desviación estándar de ios
E, = £ e," - 6 valores simulados y N es el número de datos estimados. Debe notarse qOe para que ff disminuya a la
' i=i
mitad, ei número de datos debe cuadruplicarse.
donde e es un número aleatorio independiente. Fink {1996),
 Modeios de riesgos en valores de mercado 103
102 Valor en Riesgo y otras Aproximaciones

1. Los números enteros base diez se transforman en enteros base dos.

manera que cubran de manera uniforme toda ta región, por ejemplo la del cuadrante
0-1. En este método a la medida que indica cómo la secuencia de puntos cubre esa
región se le llama discrepancia. Mientras mejor están distribuidos ios puntos en la eni ü = tF-^' (4.31)
í=0
región, más baja será ia discrepancia, es por eso que a este procedimiento se le
conoce como secuencias de baja discrepancia. Por ejemplo, en la Gráfica 4.12 se Donde: F'^ = Dígitos en base 10.
presentan ios primeros 50 puntos generados con el método de Quasi Monte Garlo.
Debe notarse que estos puntos se van generando conforme a un patrón predefinido 2. La secuencia se estima con base en la siguiente ecuación, la cual transpone los
y que, a pesar de que se trata de pocos puntos, éstos están bien distribuidos. dígitos fi'" alrededor del punto decimal;

.,,=XJy (4.32)
Gráfica 4.12
GENERACION DE NUMEROS ALEATORIOS. QUASI MONTE GARLO
Un ejemplo de estas estimaciones-se muestra a continuación:

Cuadro 4.9
SECUENCIAS QUASI MONTE GARLO

1 = 0.5

11 1*1/2 + 1*1/4=0.75

1 * 1/2 + 0* 1/4* 1 * 1/8= 0.625

y Por ejemplo el 101 es resultado de realizar el siguiente conjunto de divisiones:

5/2 = Cociente 2 y Residuo 1
Cociente/base=2/2= Cociente 1 y Residuo O y asf sucesivamente tiasta que eí cociente
de la última división sea infeñor a la base.
Con estos dalos el número en base 2 se construye con eí cociente de ia última división (1)
y los residuos de cada una de ellas, partiendo de la última a la primera (O y 1).

Al generarse los escenarios de manera determinista se elimina el problema de ios

huecos y el de ia agrupación de datos, además de que ei modelo es entre 20 y 50
veces más rápido que el Monte Garlo estándar."

Para estimar estos modelos se han desarrollado varias secuencias, la más simple
se íe atribuye a Van Der Corput, la cual se trata de una secuencia en una sola
dimensión. El procedimiento para estimar esta secuencia consiste de dos etapas: .
i • .•
. 1 ,'1^ F. • . ... -•. - .-^.1 . . . i .•. C •• »i. .r ' . . .i¡ • • • T- -IW . '.te ' .-. . ,ti •• '. . • V. ' .'-..v ;.L,.^,• .1

63 Papagergiou y Traub (1996) prueban diierentes algoritmos para generar las secuencias de Sobol y de
Faure,y lisian los sistemas computacíonales disponibles en el mercado para estimarlos. Asimismo, Spassimir
y Traub (1995) destacan las ventajas de utilizar los modelos QuasI Monte Cario en ia valuación de los
instrumentos derivados. 64 Niederreiter (1992) revisa con detalle estos modelos.
 Modelos de riesgos en valores de mercado 107
106 Valor en Riesgo y oirás Aproximaciones

Por ejemplo, de la distribución de ios rendimientos del tipo de cambio observados Gráfica 4,15
entre enero de 1997 y septiembre de 1998 [450 datos) se construyó una nueva TRANSFORMACION DE LA
distribución al elegir aleatoriamente 100 datos de la primera distribución. Con esta DISTRIBUCION UNIFORME A LA DISTRIBUCION NORMAL
distribución se revalúa el portafolio y se estima el VaR. MODELO BOX-MULLER

Como se observa en la Gráfica 4.14 este método tiene ía ventaja de permitir que la
distribución tenga características leptocurtósicas y que se incluyan ios eventos
extremos. Sin embargo, nada garantiza la independencia de los cambios diarios en
ios rendimientos; se requiere una base de datos de los factores de riesgo muy grande
que permita realizar estimaciones eficientes; y sí el número de datos elegidos
aleatoriamente es reducido, el error de muestreo puede ser elevado.

Gráfica 4.14
SIMULACION ALEATORIA DEL TIPO DE CAMBIO
A PARTIR DE LA DISTRIBUCION HISTORICA

Por último, debe destacarse que los modelos descritos utilizan variables aleatorias uniformes
en el plano (0.1). Sin embargo," para generar los escenarios de los factores deriesgocon
los cuales estimar el VaR, es necesario transformar estas variables aleatorias uniformes
en variables aletorlas distribuidas normalmente. Destacan los siguientes modelos:

• Modelo de Box-MuHer. Para transformar las variables aleatorias uniformes (U^ y U^)
en variables aleatorias normales e independientes, con medía cero y varianza
unitaria (X, y X^), se utilizan las siguientes expresiones:

X, = .^-21og CCS 2{ji U7) X, = .f2hiU7'sen{27C V\) (4.34)

A pesar de que este método logra resultados más eficientes que los que resultan de" En las gráficas 4.15 y 4.16 se rnuestran los resultados de las estimaciones de mil
generar directamente los números aleatorios normales, el método de Box-Muller tiene datos aleatorios. Destaca como ía distribución estimada con el método de Box-Muller
el riesgo de que no hay garantía de que X^ y X^ sean efectivamente independientes. es más eficiente que la que se obtiene de generar directamente números aleatorios
distribuidos normalmente.
 110 Valor en Riesgo y oirás Aproximaciones Iviodelos de riesgos en valores de mercado 111

r.hH- ^ \7x¿'^^:;r $ El impacto del primer componente sobre los cambios en las tasas de interés a los
diferentes plazos es muy parecido. Este factor se interpreta como el desplazamien-
to paralelo de la curva de rendimiento, o como el nivel de la curva. El segundo
componente influye de manera diferente en las tasas de interés; a este componente
^ T' '^"^Mr.i.Ti^ "St T i , í ' , ^ C 1
CPÍ2CP* se le identifica como (a pendiente de fa curva. Por último, at tercer componente se le
asocia con los cambios en la curvatura de la curva de rendimiento; sin embargo,-su
influencia es poco importante.

Gráfica 4.17
VECTORES CARACTERISTICOS
Con eifinde ilustrar la metodología de componentes principales y su aplicación para DE LOS TRES COMPONENTES PRINCIPALES
generar cambios en los factores deriesgocorreíacíonados, así como su utilidad para
estimar eí VaR, se supone que los factores de riesgo son ias tasas de (os Celes a 7,14,
21,28,56, 91,120,150,180,240, 300 y 364 días."

El objelivo de estos modelos de componentes principales es estimar, con un número

reducido de variables (componentes), la dinámica de un número mayor de factores de
riesgo los cuales, en este caso, son las variaciones en las tasas de interés a cada uno de
los 12 plazos mencionados. Los resultados de las estimaciones indican que:

• Tres componentes principales explican 99.98%. de tas variaciones en las tasas de

los Cetes. Eso significa que se necesitan tres factores para explicar la dinámica de
la curva de rendimiento.'^

Cuadro 4.10
VARIANZA DE LOS CAMBIOS EN LAS TASAS DE INTERES EXPLICADA
POR LOS COMPONENTES PRINCIPALES

Con base en la estimación de ios componeníes principales es pos/ble modelar ios cambios
Uno 78.3% 78.30% de las tasas de interés a los 12 plazos( curva de rendimiento). Concretamente a través de
'¡'yFFm4M.w'i-^F/vy^^^ la ecuación siguiente:
uFmkALlDiAz:t::'Rx/Ac^^^
Tres 1.3% 99.98% Ar = C P 7 + £ (4.40)
donde:
y De los cambios en las tasas de interés.
¿r = Variación de las tasas de interés a los "n" diferentes plazos. Es decir, "n" es el
número de puntos en la curva de rendimiento (12).
CP = Componentes principales.
70 Morrison (1988). *
/ = factores aleatorios, con "N" menor o igual "n".
71 Ejercic¡oIomadodeSánche2{1998).Diferenlespaquelesesladís!ícoscuentanconeíalQork^
los componentes principales. Por ejemplo: Statgraphics, SPSS, Rats, Matlab eíc 8 = Vector de términos aleatorios
72 Se recomienda contrastar este resultado con los modelos de lasas de interés que se describen en la
 114 Valoren Riesgo y otras Aproximaciones Modelos de riesgos en valores de mercado 115

donde A es una matriz cuyos elementos dependen de la combinación de las volatilidades
y de las correlaciones de los rendimientos de los factores de riesgo."
La factonzacion de Cholesky consiste en definir una maíriz A que posímultiplicada por su
transpuesta, sea Igual a la matriz de varianza-covaríanza, o sea;
Es decir, ios cambios en el primer factor se simulan con base en la primera variable
aleatoria, como si el portafolio estuviera expuesto a un sólo factor de riesgo. Por contra,
los cambios en el siguiente factor se.simuian a .través de dos términos: uno que supone

A'A' = a (4.42)
esa matriz es:

(4.43)

Con base en la matriz A, la simulación de los cambios correlacionados de los factores de II:
riesgo se estima de ia siguiente manera;

R] rr, ^ O 7"
£ .
(4.45)

Lo que se traduce en:

i?-cT/p ./e^d . ^l-pj/e/" (4.46)

74 Cabe mencionar que la maíriz A puede ser cualquier matriz que capture la información de la matriz de
varianza covananza de ios rendimientos. El método de Cholesky tiene el propósito de simplificar las
estimaciones. Burden y Paires (1993). ;
 118 Vaior en Riesgo y otras Aproximaciones
Modelos de riesgos en valores de mercado 119

Eí valor en riesgo estimado a través del modelo de Monte Cario ($880.28) es mayor que
el calculado con la simulación histórica ($618.0 que equivale al doceavo percentil de la
distribución de pérdidas y ganancias estimada con el método de Monte Cario) y con eí
modelo de portafolio ($860.41 percentil 7 también de la distribución de Monte Garlo). No
obstante debe tenerse cuidado con estas comparaciones ya que estas estimaciones se
realizaron con propósitos ilustrativos y no con el fin de optimizar los resultados; por ejemplo,
para comparar estos resultados sin ningún riesgo, el número de simulaciones debería ser
mayor; asimismo, hasta este momento la estimación de la matriz de varianza-covarianza
se ha construido con base en las estimaciones muéstrales.'"

Al margen de los comentarios anteriores, el modelo de fylonte Cario tiene las siguientes
ventajas:

Como se observa, la correlación entre ei tipo de cambio y el precio de la acción de • Permite agregar los riesgos, en el caso del ejemplo, el riesgo cambiario con el ries-
Telmex es negativo. Asimismo, destaca como la distribución del precio de Telmex go de la acción de Telmex.
dista mucho de ser una normal io que, en el caso del ejemplo, puede ser resultado
de que ei número de corridas es limitado. • La estimación del VaR se puede escalar a diferentes horizontes de inversión.

• Puede capturar ía no linealidad de las opciones.

e) El último paso consiste en estimar ei VaR. De la distribución de pérdidas y ganancias,
el quinto percentil asciende a $880.28 pesos, es decir, en 96 de cada 100 datos las • Permite realizar análisis de sensibilidad y puede capturar los diferentes valores de
pérdidas del portafolio suponiendo que se mantiene sin cambios durante un día, no una opción ante diferentes precios deí subyacente y los otros factores de riesgo.
excederán este monto.
78 En los Capítulo 6 y 7 se describen con detalle tos modelos para estimarlas volatilidades y las correlaciones.
 122 Valor en Riesgo y otras Aproximaciones
Modelos de riesgos en valores de mercado 123

Anexo 4.1 es decir, la duración es un indicador de sensibilidad, expresada en unidades de tiempo,

que mide como cambia el precio de un bono ante un cambio de un punto porcentual en
Duración y Convexidad ^' [as tasas de interés. Cabe mencionar que la duración es un indicador de sensibilidad y no de
riesgo, ya que.no permite estimar las pérdidas de un portafolio dado un nivel de confianza.
Si el precio de un bono se define como;
Hn términos gráficos, la duración equivale al punto que balancea los flujos, expresados
P = Y,Fr*dr (AA1) " en valor presente,, de un bono, como se observa en la Gráfica A.4.1. Con base en este
donde: razonamiento la duración de un bono cupón cero, al tener un sólo flujo al vencimiento, es
P = Precio del bono igual a su madurez. No así en el caso de un bono con cupones, cuya duración es Inferior
= Flujo de efectivo del bono en eí periodo T 8 su madurez.
d.= Precio de un bono cupón cero a plazo T
Gráfica A.4.1
y el precio del bono cupón cero es uno a su vencimiento, su rendimiento será igual a "r",
de tal forma que;

^•r = 7 T ^ (A.4.2)

De esta manera el precio de un bono se puede expresar en función de la estructura

intertemporai de tasas de interés, es decir:

^ =S ^ r ^ (A.4.3)

lo que significa que cualquier cambio en la curva de rendimiento implicaría una variación en Los factores que influyen en el valor de la duración son;
ei precio del bono. Para estimar el cambio en el precio del bono derivado de modificaciones
en ia curva de rendimiento, se utiliza la primera derivada del precio con respecto de la • A mayor plazo mayor duración; sin embargo, ía duración aumenta a tasa decreciente.
tasas de interés:
• A mayor tasa cupón menor duración, y la duración cae en forma decreciente, ya que
3 /> = r 7(1+ r ry^'"'^ 9 r, (A.4.4) la recuperación del principal va perdiendo importancia.
es decir, el precio del bono, depende del comportamiento de las variables aleatorias, • Hay una relación inversa entre la duración de un bono y ia cantidad de intereses
cuyo número es igual a la cantidad de nodos que integran ia curva de rendimiento. Con • devengados, ya que ia duración se estima con precios sucios. El efecto de ios
propósitos prácticos se supone que 5r.^ =5r, lo que implica que ios cambios en ías intereses devengados sobre la duración es mayor en el caso de los bonos de largo
tasas de interés a los diferentes plazos son iguales, o bien, que los desplazamientos de ia
que de corto plazo,
curva de rendimiento son paralelos. Ese supuesto implica que
• A rfiayor tasa de mercado menor duración, ya que los'ílujos en términos de vaior
3p = r (1 + r , y^''''^ 3 r (A.4.5)
presente disminuyen.
si esta ecuación se divide sobre eí precio del bono y se hacen despejes algebraicos, se • La duración cae a tasas aceleradas conforme pasa el tiempo.
obtiene ia fórmula que se conoce como duración de Macauley fü):
Con el propósito de utilizar la definición de duración para evaluar eí riesgo de los bonos,
i T F A ^ r . r ' ' ía duración de Macauley se divide entre uno más la tasa interna de rendimiento, ya que se
-D =S (A.4.6) supone que los rendimientos se capitalizan de manera discreta. A esta definición se le
conoce como la duración modificada.
87 Douglas (1990).
 126 Valor en Riesgo y otras Aproximaciones
4.6 Bibliografía
• Acar, E., y Prieui, D„ {1997) Expecíed Maximun Loss oí Financia! Returns". Net Exposure.
The Electronic Journal of Financial Risk. No. 1, octubre.
• Alien, M., (1994) "Buüding a Role Modei", Risk Maoazíne. VoL7, No. 9, septiembre.
• Bahar, R., Gold, M., y Pollzu, C, (1997) "Path-Based Methods for the Measurement of
Market Risk", en "Rísk Management for Financial Institutions. Advances in Measurement
and Control". Risk Publications. Londres, Cap. 4 pag. 55-62.
• Boudoukh J,, Richardson, M., y Whiteiaw. I , (1998) "The Best of Both World", Risk
Magazine, Voi. II, No. 5, mayo, pag. 64-67.
• Boyíe, P., (1977) "Options: A Monte Cario Approach", Journal of Financial Economics.
No. 4, pag. 323-338.
• Broadie, M., y Glasserman, P., (1998) "Simulation for Option Pricing and Risk
Management' en "Risk Management and Analvsís. Measuring and Modellinq Financial
Risk". Vol. 1 Editado porAlexander C. Cap. 5, pag. 173-207.
• Burden, R., y Paires, D., (1993) "Numérica! Analysis". PWS Publishing Company,
quinta edición.
• Buttier, J . y Schachíer, B., (1998) "Estimating Valué -at- Risk Wlth a Precisión .Measure
by Combing Kerneí Estlmation With Historicaí Simulation" Review of Derlvatives
Research. I, pag. 371-390.
• Cárdenas, J., et. al. (1999) "Monte Garlo Wllhin a Day", Risk Magazine. Vol. 12, No. 2,
febrero, pag. 55-59
• Cox, E., (1995) "Magic and Regulation", Risk Magazine. Vol. 8, No. 3, marzo, pag. 50-54
» Cox, J., Ingersoll, J., y Ross, S., (1985) "An Intertemporai General Equllibrium Modei of
Asset Prices", Econometríca. No. 53, marzo, pag. 363-384.
» Derman, E., (1996) "Modei Risk", Rísk Magazine. Vol. 9, No. 5, mayo, pag. 34-37.
• Douglas, L, (1990) "Bond Rísk Analysis. A guide to Duration and Convexltv". New York
instituíe of Fínance.
• Duffie, D., y Pam, J., (1997) "An Overviewof Valué At Risk". Journal of Derlvatives. Voi. 4,
No. 3, primavera, pag. 7-49.
• Fama, E., (1976) "Foundations of Fínance". Basic Books Inc. Publishers, Nueva York,
• Fink, P., (1996) "Easy Answers", Asia Risk, julio, pag.42-44
• Fong, G., y Lin, K., (1999)" A New Analytical Approach to Valué at Risk", The Journal of
Portfolio Management, mayo, pag. 88-97.
Modelos de riesgos en valores de mercado127
f Fong, G-> y Vasicek, C, (1997)" A Multldlmensiona! Framework for Risk Analysis",
¿ingncial Analysis Journal, julio-agosto.
t Garman, M., (1996) "Improvlng on Var", Risk Magazine. Vol.9, No, 5, pag.61-63.
• Garman, M., (1997) "VaRdelta. Understandíng and Using VaRdelta for Risk Managemenf,
ponencia presentada en la Segunda Mesa Redonda de Administración de Riesgos de
Mercado", mayo, Ixtapa, México. •
• Garman, M., (1997-1) "Taking VAR'to Pieces". Risk Magazine. Vol.10, Nd.10. pag.70-71
• Golub, B-, yTilman L, (1997) "Measuring Yield Curve Risk Using Principal Components
Analysis, Valué at Risk, and Key Rate Duratíons", The Journal of Portfolio Management,
verano, pag. 72-84.
• Hamilton, J., (1991) "A Quasi-Bayesian Approach to Estimating Parameters for Mixture
of Normal Dlstrlbuílons", Journal of Business & Economic Statístics"; Vol. 9, No. 1-,
pag. 27-39.
• Hendricks, D., (1997) "Evaluatlon of Vaiue-at-RIsk Modeis Using Historicaí Data", en
"VAR. Understandíng and Appiying Value-at-Risk", Risk Publications. Londres, Cap. 21 ¡
pag. 151-171. , , '. - • K
• Hendry, D., (1984) "Monte Cario Experimentationun Econometrics", en "Handbook of
Econometrlcs". Vol. II, editado por Gríliches, Z., e Intrllligator, M., Cap. 10, Pag. 937-976.
• Ho, t , (1995) "Evoíution of interesí Rate Modeis: A Comparison", The Journal of.
Derlvatives. verano, pag. 9-20. ' .
• Ho, 1 , Chen, M., y Eng, F., (1997) "Var Analytics. Portfolio Struclure, Key Rata
Convexities, and Var Befas", en 'VAR. Understandino and Appívína Vaíue-at-Rísk". Risk-
Publicatlons. Londres, Cap. 26 pag. 225- 331.
• Hull, J., (1993) "Options. Futures. and Other Derivativa Securities". Prentlce Hall.
• Hull, J., y White, A., (1998) "Valué ai Risk When Daily Changas In Market Variables are
not Normally DIsírIbuíed", The Journal of Derlvatives, Vol. 3, No. 3 primavera, pag. 4-19.
• Jorion, P., (1997) "Valué at Rísk: the New Benchmark for Controilinq Risk". Richard
D. Irwin.
• J.P. Morgan (1996), "RiskMetrics. Technical Documentalion". Reuters/J. P, Morgan,
Cuarta edición, diciembre. Nueva York.
• Kreinin, A., Merkoulovitch, L, Rosen, D., y Zerbs, M., (1998) "Measuring Portfolio Risk
Using Quasi Monte Cario Methods", Aloe Research Quarteriv. Vol., HoA, septiembre,
pag. 17-25 ^
• Lawrence, C, y Robinson, G., (1995) "How Safe is RiskMetrics", Rísk Magazine. Vol. 8,
No. 1, enero, pag. 26-29.
Estimación delV a R
de los instrumentos
financieros y de
los instrumentos
derivados

Resultados diversos destacan que ía mala definición e instrumentación

de los modelos de valuación explican en buena proporción ei sesgo de
las estimaciones del VaR. Además de que impiden determinar el vaior
correcto de las posiciones a precios de mercado y, por ende, el valor
económico del capital de las Instituciones financieras.

El objetivo de este capítulo consiste en describir los detalles

metodológicos y los métodos de VaR más convenientes para estimar el
riesgo de cada uno de los instrumentos de Inversión que se negocian en
el mercado mexicanos, y cuya variedad permite extender el análisis a
otros mercados. A! igual que en los capítulos anteriores, se utilizan
varios ejemplos para'explicar la metodoiógía de valuación.
 134 Vaior sn Riesgo y oirás Aproximacioties Estimación deí VaR de los instrumentos (inancieros y de los instrumentos derivados 135

" J A ... 4
" t e "
'Ésta definición supone que [os qamfaiús ^yof fi^ctós efe ^ iKlón^mi^Z.

.*aproxlW9^ínoi*anteíaexpansf4í^ | Re '^CB ^cc ''' * (5.1)

.te.
Donde:
Dbndéia varianza es T. « S^t^^*'' ^ i t^*'^ R^, = Rendimiento de las aciones B, C y N. {Logaritmo de ía razón de precios en
^ « (v vr} L. Jv. \ c 4\ , TyT-1).
A..- Elementos de la matriz A que se obtienen de !a matriz de varianza-covarianza
TDefímcíon qoe'Incluye ia posible cormtaeíopVíoa^áiSgs^'fes fa^ a partir de ía factorizacíón de Cholesky.
acción B y ja covarianza entre ercanibio deí p/eoo d^'^y el*apreaef lorniioosíje errar e = Término aleatorio que se distribuye normalmente con media cero y varlanza
que se añaderr a ia estimación del Vafl jTqua gü nee^narnepté'son cfes^r^les ^ ^ unitaria.

• En virtud de que el rendimiento de las acciones no bursáiiíes es o tiende a cero, no
hay una distribución de frecuencias de los rendimientos que permitan medir el valor
en riesgo. Por ello, otra alternativa consiste en dividir las acciones en dos grupos y.
calcular e) riesgo de manera separada con diferentes metodologías,
• Acciones bursátiles. Estimar el valor en riesgo del portafolio como se muestra'
más adelante.
• Acciones no bursa'í/7es. En este caso se recomienda realizar un análisis de sensi-
bilidad suponiendo que el precio de la acción puede cambiar en "x" desviaciones
Este modelo tiene la ventaja de capturar completamente los riesgos específicos del
portafolio; sin embargo, los costos de instrumentación pueden ser elevados, ya que es
necesario mantener la base de datos; y, en el caso de que el orden de la matriz de varianza-
covaríanza sea muy grande, se elevan los costos computacíonales y la oportunidad de
los resultados.
Para simplificar el orden de la matriz de varianza-covarianza y reducir los costos de
estimar el VaR, se pueden utilizar dos modelos alternativos:
• Modelo diagonal. Este modelo supone que los rendimientos de las acciones se

estándar del IPCBMV, de la de algún índice sectorial, o de la desviación estándar explican sólo por un factor de riesgos común, que puede ser el rendimiento del
de otra acción. IPCBMV, y un riesgo residual que captura todo lo que no es capaz de explicar el
rendimiento de la bolsa, es decir;'
Esta alternativa no sesga la estimación del VaR, como sucede con ias otras opciones
y contempla el impacto sobre el estado de resultados que podría presentarse en el F,,,=a+/3,,F„.,4.e, (5.2)
caso de que ía acción se llegara a negociar.^ Donde:
ñ.= Rendimiento de la acción i en el periodo 'T'.
Para estimar ef vafor en riesgo de las acciones bursátiles hay varios modelos, los cuales R ^Rendimiento del mercado en la fecha "T".
se diferencian en la manera en que calculan el riesgo de mercado general y los a y p son parámetros a estimar. Donde p = Cov {H¡, R J / 0^
nesgos específicos.
a partir de la ecuación 5.2 los rendimientos de las acciones se pueden calcular de la
» Modelo completo.Este modelo consiste en calcular el VaR del portafolio a partir de siguiente manera:
ios precios de cada acción, como si cada uno de ellos fuera un factor de riesgo. Por
"te«te, 0 - 0 "
ejemplo, los cambios correlacionados de ios precios de cada una de las acciones " t e "

que integran ei portafolio se calculan como: ^

Ra
= * £ B
(5.3)
1
Estos términos aparecen debido a que no hay ningún supuesto sobre e) comportamiento esfocástico deí
precio de ia acción B y del "spread". .te_
En el caso de México, si eso sucede e! precio de ia acción brinca y se mantiene nuevamente sin neqociar
durante periodos prolongados,
Sección 4.4 7 Aunque esle modelo se parece ai CAPM no lo es en esencia, ya que no se trata de un modelo que explique
de manera normativa ei rendimiento de las acciones.
 138 Vaior en Riesgo y otras Aproximaciones
Cuadro 5.3
ESTIMACION DEL VAR P Y DEL VAR AJUSTADO POR RIESGO RESIDUAL
,V-:,:-);,,',.teir''.'jyi-
lWS6F:yjr.%.iiAyíF'''^x^-Fr^^^^
P 0 de mercado = 1.65*0.016M0,000*(0.6a42 + 0.7793t0,84l5 + O.4337}= $729,58
'i^^itóltSeOÍOOíOeeVlaVarlánitáproiWcíiff^
Total = 729.58 M.772
Lo que indica que:
• El portafolio está muy concentrado, lo cual debería esperarse dado que sólo hay
cuatro acciones en el portafolio, cuando la experiencia empírica Indica que ei riesgo
diversificable se podría eliminar con aproximadamente 30 ó 40 activos con igual
ponderación.
• El riesgo específico representa tres cuartas partes del riesgo de mercado.
• Cuando el portafolio está muy concentrado, la subestimación delriesgopuede ser
muy importante, como lo muestra la diferencia entre el VaRp y el VaR estimado con
el modelo completo ($1,269.63 - $729.58 = $540.05).
• Por contra, la diferencia entre el VaR ajustado y el VaR calculado con el modelo
completo es de sólo $23.35 {$1,269.63 - $1,292.99), es decir, 1.73%.
Cabe mencionar que cuando la participación en el portafolio de cada activo es diferente, el
VaR de mercado, el VaR específico y el VaR total se esliman a partir de las siguientes •
ecuaciones:
t ^ u { < T ~ n T * < T ) (5.10)-
i
Del análisis de los modelos para estimar el VaR de un portafolio de acciones se despren-
den los siguientes comentarios:
• En virtud de que (a relación entre los cambios en los precios de las accionea,y el
cambio en el valor del portafolio es lineal, el VaR se puede estimar con cualquiera
de los modelos descritos en el capítulo anterior y, en ausencia de eventos extremos
y suponiendo la misma maíriz de varianza-covarianza, ías diferencias en la estimación
no deberían ser Importantes.
Estimación del VaR de tos instrumentos financieros y de ios instrumentos derivados 139
• Los riesgos más significativos están relacionados con la alta concentración del
mercado, ía nula bursatilidad de algunas acciones y, por ende, con la estimación de
losriesgosespecíficos o residuales.
te Tetar
• Por tanto, en un portafolio de acciones el riesgo de instrumentación es más importante
que el riesgo del modelo.
"...
= 51,292.99
5.2 Divisas
El caso de las divisas es simple, porque las cotizaciones cambiarlas son factores de
riesgo naturales y la relación entre los cambios en esas cotizaciones y los cambios en el
valor del portafolio es lineal. Mientras la primera característica reduce la dificultar de estimar
tosriesgossistemáticos y los riesgos específicos, la segunda característica Implica que
jas diferencias en las estimaciones del VaR con los diferentes modelos descritos en el
capítulo anterior pueden ser reducidas. Sin embargo, dos lemas merecen atención en la
estimación del VaR de una cartera de monedas. , .
• Cuando la cartera incluye divisas con regímenes cambíanos fijos o que se deslizan
con base en una política predeterminada que los aleja-del equilibrio de mercado, el '
problema en la estimación del VaRgs similar al de ías acciones que no se negocian.
• Cuando ia distribución de los rendimientos del tipo de cambio se aleja de manera
significativa de una normal, con uná-.curtosls muy grande, como se destacó en el
Capítulo 2. ' • :'
En lo que se refiere a la estimación del VaR de una divisa con tipo de cambio fijo, o de la
que no se cuenta con información penodica de mercado, ia metodología disponible para
estimar eí valor en riesgo y el riesgo residual (o "tracking error") de esa divisa consiste en
los siguientes pasos: ^
• Crear una divisa "proxy" que este correlacionada con otras. Para determinar las
ponderaciones de cada divisa debe realizarse un análisis de regresión.
• Se estima el riesgo sistemático con base en los coeficientes de regresión.
• Se estima el riesgo residual, específico o 'Iracking errort a partir de los residuales.
Por ejemplo, sitúese durante 1993 y 1994 cuando el peso se deslizaba diariamente con
respecto al dólar, lo que llevó la cotización a niveles que no necesariamente eran de
mercado. Con propósitos ilustrativos suponga que las autoridades manejaban el tipo de
cambio en función del comportamiento de las cotizaciones libra, marco y yen por
9 Por ejempío, cuando aparecieron en México las Unidades de Inversión. Laubsch (1996).
 Estimación del VaR de los instrumentos financieros y de ios instrumentos derivados 143
142 ! Valor en Riesgo y otras Aproximaciones

Como se observa, para valuar los Instrumentos de deuda primero se deben definir sus Si se supone que el mejor pronóstico de E[¡ r^] es la tasa de Interés "foiward" (F¡.) implícita
características, es decir, la tasa cupón, la denominación del valor nominal del bono y las en ia curva de rendimiento, la ecuación anterior se puede reescribir como:
tasas de interés que reflejan el costo de oportunidad y elriesgode crédito de ios emisores
de estos títulos, así como la liquidez y las opcionalidades de pago de los bonos. pJjFlhfB^hfA=$\

5.3.1 Ciases de instrumentos de deuda
Dependiendo de las características mencionadas en el mercado mexicano se pueden
identificar las siguientes clases de instrumentos de deuda:
Lo que significa que sí el bono flotante se coloca a la par, no tendrá riesgo, a menos que
ias tasas cupón cero cambian antes de la fecha de revisión de la lasa cupón. En otras
palabras en términos de riesgos el flotante se considera como un cupón cero de madurez
inual ai Diazo cupón.!^

• En función de ia tasa cupón.

• Bonos cupón cero. Estos bonos pagan el valor nominal al vencimiento y no hay
flujos intermedios, es decir;!'!
A. F=W*(l+r,)r' (5.16)
lo que significa que para valuar los bonos cupón cero sólo se necesitan las tasas
4v
de interés de mercado que reflejan el costo de oportunidad y el riesgo de crédito
Uíf;teJL®:feY{|-í^.itetí;T fe;'Í*-V-:áfeffe7feíStefe
del emisor. A estas tasas se les denomina tasas cupón cero.

• Bonos tasa cupón fija. Estos bonos periódicamente pagan una tasa cupón que se
mantiene fija durante la madurez de la inversión. La valuación de estos bonos es
equivalente a valuar cada uno de los flujos (cupón y principal) como si cada uno
de ellos se tratase de un bono cupón cero a diferentes plazos.

PW * (l + /-,)•*' + •••+ * * (l A-r^y + P7V* (l +;>)"'' (5.17)

Como la tasa cupón está fija y el valor nominal es conocido, para valuar estos
instrumentos sólo se necesita conocer las tasas cupón cero. L.,siL.,»Mfto.pfe

* Bonos tasa cupón variable o bonos flotantes. Este tipo de bonos paga una tasa
cupón que se revisa periódicamente en función de las tasas cupón cero. La fórmula
de valuación, suponiendo que el valor nominal es uno y que hay tres pagos de
cupón es la siguiente:
j^Aunqife^'^amníemenf» esas hipóét^cotKifefS^ifetító^
*|^cad¿f i(K¿ipÓra eííffttestp íe m ^'^^ ^ ^ ^ ^
Donde: •.-Ir <

E [ r . ] es la tasa de interés esperada a plazo de un periodo cupón, vigente entre F:

^^fpótósi^de expmtatm tecles Ésíaíi|)átestaest^igc6 c|íA|rtasae^radaíi¿
la fecha"]" y la fecha"]". . . . . ~.
E U es el operador de esperanza matemática.
15 Sin embargo, durante ei piazo cupón ei riesgo puede estar expuesto a un riesgo de liquidez. Véase ei
14 Estas fórmulas, al Igual que ias que se presentan a continuación suponen que el bono se vende a descuento.
Cuando el bono se vende a ía par, el vaior nominal más los intereses se pagan al vencimiento. Alien y Capitulo 8.
Kíeinsteffi (1991). 16 ingersoii (1987}.
 ! ':Ti-Tte
, . .'. Estimación dei"'íráñ;de ios instrumentos. íinaicierosi^de ioXmslfuméntos derivados 147
146 Valor en Riesgo y otras Aproximaciones' ;. ¡
de deuda: el gobierno, las Instituciones fiiiancleras y el sector privado no financiero,
Es decir, para determinar el precío del b'ono se requiere conocer, además de la tasa de
lo que significa que para valuar los bonos emitidos por esos sectores y capturar su
interés, la sobretasa. En otras palabras dos (actores de riesgo determinan el precio del
riesgo crediticio particular se requeriría conocer las curvas de rendimiento de cada
bono flotante.!^
uno de estos sectores.'^
• En función del valor nominal.
• Bonos denominados en la moneda base de riesgo (en eícaso de México pesos).
5.3.2 Elección de los factores de riesgo
En este caso los factores de riesgo son los mismos que se mencionaron anteriormente.
A A partí'' del análisis de las clases de bonos y de Ios-elementos que influyen en su.precío,
• Bonos denominados en moneda extranjera. El precio de estos bonos será:' ' se pueden identificar los factores de riesgo que se necesitan para estimar el VaR. Por
ejemplo, en el Cuadro 5.3 sé presentan, de forma no exhaustiva, los factores de riesgo
•*fí+r;q-r+W™*n+r;V'' (5.20)
para estimar ei VaR de una cartera de los principales bonos de deuda que se negocian
Donde eí suprai'ndice "me" indica que se trata de variables denominadas en en México.
moneda extranjera, como dólares, unidades de inversión, etc. Para ía valuación
' de estos bonos, además de ios factores de riesgo mencionados, como las tasas Cuadro 5.4
,• cupón cero y las sobretasas, es necesario un factor de riesgo adicional: el tipo de FACTORES DE RIESGO DE UNA CARTERA DE BONOS
•* cambio, que permite reexpresar el valor del portafolio en moneda extranjera en la
moneda base de riesgo (pesos). '

» Bonos indizados. Estos bonos están expresados en ia moneda base de riesgo; sin
embargo, el valor nominal se revisa con alguna referencia que generalmente es el
índice con base en el cual se estima la inflación. La fórmula de valuación es:
,v
, F= £wV,+r7fi+r7J'^4-W(v*ÍI+ip-''' (5.21)

• Donde el valor nominal del instrumento se actualiza con base en el crecimiento

del índice entre la fecha de emisión del título y la fecha de cada pago cupón o del
principal, mientras que rZes la tasa que se paga adicional al incremento del índice,
y. que puede ser fija o variable; sí el índice elegido es alguno que mida la evolución de'
Bonos iPAB X
los precios, ésta será una tasa de interés real. Por tanto, los factores de riesgo para
- valuar los bonos indizados son: el índice, la tasa cupón en términos reales y la tasa
V Aunque en estricto sentido los bonos IPAB no son deuda soberana, en la práctica estos bonos tienen
de mercado real que refleje el costo de oportunidad y el riesgo de crédito del emisor.
esa característica.
Cabe mencionar que mucbos bonos bancarios y privados también están denominados en UDIS o en dólares.
• En función del emisor.
¿Cuántos y qué factores de riesgo eiegir para estimar el VaR?. Elio dependerá del objetivo
En las ecuaciones anteriores destaca que para estimar el precio del bono los flujos
de calcular de manera precisa o aproximada los riesgos generales de mercado y específicos,
se descuentan con la tasa de interés que refleje el costo de oportunidad y el riesgo
de la disponibilidad de la información y de los costos que'se quieran asumir en la estimación
crediticio deí emisor. En México se distinguen tres tipos de emisores de instrumentos
tidel VaR. Porjje£íipfGí|k?^d^^.*eyiantlficar el^preci^gLrt^np'Cupón cero que emitió
•' _Arx .WJí^" - ^ s e c t o r p m ^ ^ ^ i ^ r é s i m r ^ ' s s ^ d e h a c e r l o : '-^'^'^''^^^^^'-T--
íáR:ósííonÓsílDtáfiles son un buen e]emp!o"párá"mostrar las íímitaciones de la duración para estimar ei riesgo
de los bonos, ya que se mide el cambio en ei precio del bono ante un cambio en ia tasa de interés, io qué 19 Además de ias características de los bonos que se mencionaron, hay otras corno: bonos convertibles en
supone que ia sobretasa está fija, por esta razón ia duración será similar al piazo cupón. Sin embargo, eso
ignora ei riesgo dei vaior presente de los fiujos que se descuentan con la sobretasa, la que de observar a u e^a S^^^^ en ei momento de convertirse en capital y ei riesgo de ia opconaiidad.
cambios signiíicativos, como sucede en México, puede modificar de manera relevante el precio dei bono.
 150 Valor en Riesgo y otras Aproximaciones Estimación del VaR de ios instrumentos financiero5.y-de los instrumentos derivados 151

5.3.3.1 Método de interpolación lineai
Este método estima las tasas de interés a partir de la información disponible. La fórmula
para interpolar ias tasas de interés de manera lineal se obtiene a partir de la ecuación de
una recta (véase la Gráfica 5.2),
[Yiueslrá en la Gráfica 5.1, la tasa estimada será inferior (superior) que la de mercado si la
curva de rendimiento tiene pendiente positiva (negativa) io que viola el principio de
arbitraje, es decir, que ias tasas estimadas indicarían que es posible realizar ganancias
adicionales sin tomar más riesgo, lo cual, a menos que los inversionistas fueran irracionaies,
no sería válido.

o=';,+i-';.>F^ (5-22) 5.3.3.2 Método de la "alambrada"

Donde: = Tasa al piazo deseado Para ilustrar el método de ía alambrada suponga que se desea estimar la tasa de Cetes
= Plazo deseado. a 130 días a partir de las tasas de 91 y 182 días de 22.8% y de 23.2% respectivamente. Las
fases son:
Gráfica 5.2
• Se estima ia tasa de interés "forward" a plazo de 1,^- T^p días, esperada para dentro
METODO DE INTERPOLACION LINEAL
- de T días, mediante la fórmula de la tasa de salida:
-. cp

182
1 + 0.232*
El DI m
360 - 1 * =22.31%
91 182-91
1 + 0.228*
360
• La tasa de salida a T -t días se lleva en curva a plazo de T^-T^p días.

182-91 fe"^
1+0.2231* - 1 * J í ? _ = 21.96%
360 130-91

De esta manera se conoce la tasa que se espera a 39 días (130-91 días) dentro de
-.91 días.

La ecuación anterior, después de algún-desarroiío algebraico, equivale a; • Por último, la tasa a 91 días (T^p) y la de 39 días (Tp-t J se componen, de tal manera
que se obtiene !a tasa de los Cetes a 130 días (91 + 39), . : -
/. -y * JE l_4.j- * 7B~T^P (5.23)
ll Cp Ip rp _p
^ 91 130-9n 360
cp
r„„ = 1+0.228*- 1 + 0.2196* = 22.93%
360 360 9I + (130-91)
Si ei objetivo es estimar ia tasa de Cates a 130 días, se utilizan como referencia ias tasas
a menor y mayor plazo que estén disponibles y que más se acerquen al piazo que se Las pasos anteriores se pueden simplificar en una sola fórmula
desea calcular; por ejemplo en el caso de la Gráfica 5.1 las tasas a los plazos de 91 y 182 360
Tr'^i>
días. Si estas tasas son 22.8% y 23.20%, respectivamente, ia tasa de los Cetes a 130 7 ^ r
360 T \0
días.será 22.97% (= 22,8% * ((182-130)/(182-91)) + 23.2% * ((13a-91)/(182-91))). 1+F * — ] + r *-2L .-1 k*^Íl ,,(5.24)
360
J-M:^X'
Este método tiene la ventaja de-quedes'muy^sqñcilío;-^ sin embargo.-sija curvare''
rendimiento es muy convexa como ia que caracteriza al mercado mexicano, y como se
El método de ia alambrada tiene ei inconveniente de que a¡ interpolar a partir de los
22 Este tipo de interpolación se utiliza mucho en los sistemas elaborados en mercados desarrollados, donde nodos extremos, y no a partir de todos los nodos de la curva de rendimiento, no garantiza
ias curvas de rendimiento son poco convexas; pero no son convenientes en ei mercado mexicano.
que se cumpla el principio de no arbitraje a lo largo de ia curva. Asimismo, cuando la tasa
 j 54 Valor en Riesgo y oirás Aproximaciones Estimación del Vafl de ios Instrumentos tinancleros y de los instrumentos derivados 155

Oe acuerdo con la metodología de RiskMetrics se deben respetar tres condiciones para lasoluclón depende de los valores de O y de 1 -D, Como se observa, ésta ecua-
efectuar el "mapping": ción tiene una forma cuadrática, de tai manera qué puede resolverse mediante
• Mantener sin cambios el valor de mercado de la posición. ia conocida fórmula
•• " - •~b±^b--4ac

• No modificar e! riesgo de la posición. • • ' '• 2^

• Mantener ei signo del flujo asociado a ¡a posición, '. donde fi = 0^,7 <^^a2-2p„,^.f^.,<5,,, = 0.080 ,. • ' .
^ = 2p,,,,,a„a,3,~2g^,,70.124 • . .
Por ejemplo, ¿Cómo asignar el flujo de $100 de Cetes a 130 días a los nodos de riesgo 91
y 182 días?. La información disponible es !a siguiente:
Los valores estimados de O y (1 - D) son 0.644 y 0.355, respectivamente. Lo que
significa que de los $92.323, $59.50 se asignan al nodo de 9Í días y $32.82 a) nodo
de 182 días. - • -

• Paso 5. Con base en estos cálculos y como se muestra en el Cuadro 5.5, se puede
estimar e! VaR de los Cetes a 130 días, no obstante que-no se cuente con información
de vokHMades a ese plazo.
Cuadro 5.6
Para efio, se consideran las siguientes fases; ;_:
"MAPPING" DE RISKMETRICS
• Paso 1. Se estima la tasa de rendimiento de ios Cetes a 130 días, mediapte la
interpolación lineal de las tasas correspondientes a los nodos de riesgo a los que se
desean asignar los flujos.

_ 130-91 , , , _ „ . r , 130~9n . -
-*0.228+ 1 - *0.232=23.03%
182-91 182-91

• Paso 2. Con base en la tasa estimada se calcula el precio del Ceíe a 130 días) Cete 182 días 23.207»
182dtas 35.67o 32.82 $ 0.40

100 í/Se calcula como: [valor de mercado] JvolatilidadJ*[horizonte de Inversión]

-=$92.323
130 Poreiemob: SO.aS = [$59.50]' [0.0143]
1+-0.2303*
360
• Paso 3. Mediante una interpolación lineal se calcula la desviación estándar de los
rendimientos de los Cetes a 130 días.
,.íErt4i^^¿GefW^4%var4lnadeJ^xiug^3totofi Gó|por- i
130-91 130-91
r 0 . 7 3 9 = 0,7934 l a á ^ # r s á d i m i 0 B t o 6i7febcióíti(íePniimep'|#afrá?^q6ese j
182-91

lo que implica que la volatilidad es 1.30915% {0.793*1.65).

• Paso 4. Se determina qué porcentaje de los $92.323 se asignan al nodo de 91 días

y cuánío ai nodo de 182 días. Para eíío se considera ía ecuación de varianza de |feortrfa^Troi5ítmía0fóri,^&deq^^^ mgfeío da BlacK DertTían yjay^^ eícuaí, j
los rendimientos;
27 Duffie (1995) y Nowman (1997). •
28 Black, Derman y Toy (1990). Se eligió este modelo, ya que será de utilidad para explicar el nesgo de
K,r^''n^i^-'^ym)=l>^(y (l-u)p 9,,,B2 ^ m-^ ^-^7 <7
crédito. Véase el Capitulo 9.
 158 ^ Valor en fliesgo y otras Aproximaciones
Estimación del VaR de los instrumentos llnancleros y de los Instrumentos derivados 159

5.3.4 Estimación dei valor en riesgo

Pai4descnbírl0:manefactoxalcülaFÍagíasascfó interés de w
deeiackr Derman y f o t suponga que tóáádetentíimíentoarvgnclmiéntoá^
por último, se estima el valor en riesgo de la cartera de instrumentos de renta fija. Las
^ydas 0ñüé^om^O.0% /aw^y4t^Jas v&latllídades ahuales ¡mééfi ^ í u w i
fases son:
irl5 0% 3f „EI objetivo consiste en elfculaf las tasas de interés esperadas a urt año^ 3
dentro de gn añoi qge sea_a conáísíepíes qoa [os datos mencionados^ ' • La posición se valúa a precios de mercado, donde el precio de los bonos a plazos
no negociables se estiman a partir de las tasas calculadas con algún método de
,,ia$íaéíistfelnf0fés?3perid¿á (m año que satisfacen íáinfomiacléíie fas 'Icml interpolación, o bien ios flujos se asignan a los nodos .elegidos como •sugiere •
r!j.f0dK«nto^^^^
• RiskMetrics. La cantidad de información —és decir, ios nodos / factores de riesgo—
que se utilice para determinar el valor de la posición a mercado, dependerá de con
Cuadros.? qué exactitud se desee estimar el riesgo de mercado gene'ral y los riesgos específicos
ARBOL BINOMIAL n i LAB TASAS DE INTERES A UN Af50 de cada uno de. los instrumentos que integran la cartera-de inversión.
J ü - - ' E p
. insumas Insumos i • Se calcula la matriz de varianza-covarianza de los factores deriesgoelegidos. Aunque
Plazo Rendimientos Volatilidades | Plazo
Rendimientos Volatilidades cabe mencionar que en el caso de los instrumentos de renta fija se debe considerar
• 47-1 año 30.0% 18.0% ||5 l a ñ o 0.3
1 i^:^-
qué su volatilidad tiende a cero conforme el bono llega a su vencimiento ("Roíl Down")
• 0.18
2 años 31.0% 15.0% de 2 anos 0.31
^7
0.15 y que en la fecha de vencimiento, en ausencia deriesgocrediticio, el precio del
Arbol de tasas de interés Arbol de tasas de interés bono debe ser Igual a su valor nominal {"Pulí to Par").^^ Esto es especialmente
36.98% ra importante cuando el-horizonte de inversión con el que se estima el VaR es muy
ra
30% p10 0.3
27.41% rd
largo. Por ejemplo, de acuerdo con la metodología de valor en riesgo que se describió
11 0.2741
en el capítulo anterior, si se desea calcular el VaR de un Cete a plazo de 364 días,
Arbol de precios
1113
dado un horizonte de Inversión de 182 días y un nivel de confianza de 95%, el VaR
100 Í'í14
100
^ 73.003 J7 Í15 ''=F14/(l+E9) •i '•¿Acrp: • sería Igual a: - , . .
58:265 100 VaR=V* ,a,^*0''-Jf
|l6=(0,5*EJ5tO,S*El7)/(1+E5) 100
78.487 7 117 ~~^-»'=F18/(1+E11)
100 I4I8 100
Donde: es la desviación estándar diaria de la tasa de Cetes a 364 días.
|19
Estimaciones Í20 Estimaciones Sin embargo, como se mencionó, este ejercicio Ignora que a lo largo del horizonte
Rendimiento 31.0% |21 Rendimiento =(Fi4/oi6)'^(i/2) -1 de inversión, !a madurez del bono va disminuyendo yque el precio del Cete, conforme
Volatilidad 15.0% I22 1^
Volatilidad =(ln(E9/ei1))I2 avanza el tiempo tiende hacia el valor nominal. Así, si se supone que la tasa de los
Cetes a 364 días es de 30.0% (se considera que la curva de rendimiento es horizontal),
que la volatilidad diaria de ese plazo es de 0.42%, que el horizonte de inversión es
de 182 días y que el nivel de confianza es de 95%, el precio del Cete así como el
intervalo de confianza estimado con base en el VaR será;
9-
: . .Ir.

a+ff^ií*g3 E ^
U.J~aEJEZ.—,—u_

•^^ji, ~ •:;:a:1::
Donde: 9.35% = Í.65*0.0042*V 182 *100
!r^T(/"
32 Situación que no sucede con las divisas ni con las acciones, las cuales no tienen una fecha determinada de
vencimiento, o cuando el horizonte de Inversión es muy corlo, por ejemplo de un día.
31 Con propósitos de simplicidad se suponen lasas anuales.
33 Finger (1996)
 162 j Valor en Riesgo y oirás Aproximaciones
En conclusión, elriesgode modelo y el riesgo de insírumeníación en el caso de (os
títulos de deuda pueden ser muy considerables.- El administrador de riesgos debe poner
atención en:
• Identificar ias fuentes de riesgo que influyen sobre el precio de los bonos.
• La elección del número de factores deriesgopara capturar elriesgogeneral de
mercado, y losriesgosespecíficos del emisor.
• La decisión de cuántos nodos se requieren para modelar las diferentes curvas
de rendimiento.
• El método de interpolación o de "mapping" que se elija,
• Eí método de valuación de los instrumentos que integran la cartera, y '
• La elección del modelo de valor en riesgo,
5.4 Futuros y "forwards"
Los contratos "forwards" y los contratos de futuros son acuerdos entre dos partes para "
negociar una cantidad específica de un activo, en una fecha futura fija, y a un precio fijo que •
se determina en la fecha de inicio del contrato. SI el contrato se mantiene al vencimiento •
se debe ejercer de manera obligatoria.
Mientras la esencia de ambos contratos es la misma, existen diferencias importantes en
su instrumentación que pueden provocar que los precios de los "forwards" y los precios •
de los futuros difieran.^ Entre las principales diferencias destacan:
de pérdidas y ganancias
35 Existe la percepción de que un contrato de futuros es idéntico a un contrato "forward" contratado al final de
cada dfa. Sin embargo, Cox, Ingersoll y Ross (1981) demuestran que los precios "forwards" son Iguales a
los precios de los futuros sólo cuando las tasas de Interés son constantes; además destacan que la diferencia
entre ambos precios es mayor conforme se incrementa la covarianza de los cambios de los precios de los
íuturos con los cambios en los precios de los bonos libres de riesgo, situación que se ha comprobado
empíricamente, como lo demuestra Meutbroek (1992). Por su parte, Jarrow y OIdüeId (1981) destacan que
si la tasa libre de riesgo es determinista, el valor de un contrato "forward" es una proporción del valor del
contrato de futuros, equivalente al valor presente de recibir un peso en la fecha de vencimiento deí contrato
Estimación del VaR de ¡os Instrumentos (inancieros y de los Instrumentos derivados 163
En el mercado mexicano se pueden negociar diferentes contratos de futuros y de "forwards",
porejemplofe^ ' " y_ ;' ' "
• Futuros sobre el nivel de las tasas de interés (Cetes y THE).
• Futuros sobre el Indice Nacional de Precios al Consumidor.
• Futuros sobre e) peso que se negocian en Chicago,
• Futuras sobre índices bursátiles,'canastas de accibnes o"acCíones.
• Futuros sobre opciones. - -• "
^ • Forwards sobre la TilE. '' . •
• Forwards sobre ei tipo'de cambio, • , .. . •
Con el propósito de describir la metodología para estimar el VaR y mencionar los riesgos
en el proceso de valuación de los contratos de futuros y "forwards", a continuación se
analizan los "forwards" sobre el tipo de cambio y los futuros sobre el nivel de las tasas de
interés, ya que son los contratos que más se negocian en eí mercado mexicano.
5.4.1 Forwards sobre el tipo.de cambio
Un.contraio "forward" sobre ei tipo de cambio es un acuerdo para intercambiar en una'^
fecha futura una cantidad de una moneda por otra, a un tipo de cambio "forward" que se
especificó en Ja fecha de contratación. En.M'éxico, sólo hay contratos "forwards" sobre el
tipo de cambio peso por.dólar.-a plazos generalmente ihferipres a un' año^' •
Para determinar el precio de un contrato "forward" sobre ei tipo de cambio, considere'
que hay dos alternativas de inversión, ias cuales permitirían contar con.dóiares en una
fecha-futura,
• 'Alternativa 1. Mantener peso'sinvertídos a la tasa de interés en moneda nacional .
, más la compra de un contrato "forward" sobre ei tipo de cambio,' que !e da al tenedor del
contrato el derecho y ía obligación de adquirir dólares a un tipo de cambio determinado.
El monto de la inversión, valuada en la fecha de contratación de! "forward" y •
suponiendo que los fiujos se componen continuamente, es:^T
36 Los principales mercados de futuros en los que las Instituciones mexicanas participan son el Mercado
Mexicano de Derivados (Mex-Der) y el Chicago Mercantil Exchange (CME),
37 Eso significa que el saldo de la Inversión en pesos en la fecha de ejercicio del "forward" es igual al monto
que el suscriptor del contrato debe pagar por adquirir el número de dólares acordado, ai tipo de cambio
determinado,
 166 Vaior en Riesgo y oirás Aproximaciones Estimación dei VaR de los Instrumentos financieros y de tos Instrumentos derivados 167

que la segunda derivada dei valor del "forward" con respecto del tipo de""cambio Donde F/. = Posición larga ' • • ...
es cero y como ía curva de rendimiento de las tasas de interés en dólares muestra FC = Posición corta - " ':
poca convexidad, se podría suponer que ei cambio en el valor del contrato "forward"
ante ios cambios en los factores de riesgo es íineal. Eso implica que si se diferencia Destaca como el riesgo de mercado de un "forward" sobre ei tipo de cambio depende dei
totalmente ia ecuación 5.31, con respecto de los factores de riesgo, sé Obtiene: riesgo de! tipo de cambio y deiriesgode las lasas de interés en pesos y en dólares.

En conclusión, iosriesgosde estimación y de instrumentación del VaR de un contrato de

dS ur df '
lorwards" sobre el tipo décambio^se refieren principalmente a: , . ^

9 l a elección del método para interpolar las 'tasas de interés a los plazos -no -
Si se supone que FD = e''^ y F D * = \a que las derivadas con respecto
negociables, y
a ias tasas de Interés son:'c/FD = -re'''"y dFO' = -Te'''^ respectivamente .-Si esos
términos se sustituyen en la ecuación anterior, se obtiene ia ecuación para esti- • Al sesgo.que podría surgir en ios cálculos al no incorporar los términos gamma
mar el riesgo de'los contratos "forwards", (segunda derivada que captura la convexidad de la curva én pesos} en la esílmáción "
del VaR, en el caso de-eiegirse un método analítico como el descrito,
-r T dFD' ^ .,rdFD
df = e — + O e ^-F. e , (5.33) :•:
FD ' . FD.
5.4.2 Futuros sobre el nivel de las lasas de interés ...
Ejempío. Suponga que se desean adquirir 100 dólares mediante un contrato "forward"
sobre eí tipo de cambio peso/dólar a plazo de un año. y que ias tasas de interés en. pesos En el mercado mexicano se negocian futuros sobre el-nivel de las tasas de interés
y en dófares a ese plazo son 34.0% y 6.0%, respectivamente; ei tipo de cambio "spoF es nominales y reales principalmente sobre ia Tasa de interés ínterbancaría de Equífibrio
de 9.80 pesos por dólar. Con base en estos datos, el tipo de cambio "forward" es: • (THE) y ias tasa de Cates.- - ^ ./.

Mediante la suscripción del contrato dérfuturos sobreda TilE, jas partes definen: el-piazo
F=S d e j a t l I É de-.referenc¡a,;que puede :ser de 28 g'de 9,f,días; eí ..montó de-réferericia; la
fecha de vencimiento del coñtraío; y-íatása dé Interes-de éjerciciorCon base en íp anterior,"
si en ia.fecha.de vencimiento del futuro ía THE observada es menor que ¡a tasa de interés
acordada, él-'intermediario A (comprador de! fúíuro)tendrá_ el derecho de recibir del
vendedor una cantidad eqüivaieníe a; '

(5:34)
360 1+
360:-.
Coria tasas en pesos 100'12.967 = $1,296.67 e-°-^= 0.7117 =-1,296.67 * 0.7117 =-$922.93 YJ
Por Último, para estimar ei VaR de un contrato de "forwards*^ sobre el tipo de cambio el Donde: ikf ,= Monto dé réferenciá'- ' : '
vector de las posiciones se premultiplica y se postmultiplica por la matriz de varianza- F^^= Plazo de referencia de la TílE
covarianza de los factores de riesgo: tipo de cambio, tasas en dólares y tasas en pesos. Úe TilE observada
TllE • = THE acordada.
^^sr-'^B. 'fl7
En caso contrario, es decir, si la TllH observada es mayor que la TllE acordada ei
K,Ffe,FCj PL.
r intermediario A tendrá la obligación de pagar al vendedor del futuro una cantidad igual a:
<^rS <7„-0 7
 170 ; valor en Riesgo y otras Aproximaciones Estimación dei VaR de los instrumentos financieros y de ios instrumentos derivados 171

Cuadro 5.9 Por último, conviene mencionar que al estimar el VaR de un futuro de tasas de interés
ESTIMACION DEL VAR deben considerarse los siguientes riesgos de instrumentación;
DE UN CONTRATO DE FUTUROS DE TASAS DE INTERES
• Ei ajuste estadístico de la cuiva de rendimiento no debe implicar oportunidades de
#K?;.-. Parámetros,-. arbitraje. Cuando el método de ajuste estadístico de la curva de rendimiento es
Plazo 1
ineficiente puede provocar que ías tasas de interés "forwards" sean negativas.
•91
PfaziíS fJ9
• El grado de convexidad de !a curva de rendimiento. En ei mercado mexicano la
Momo S 1.00Q.QO curva de rendimiento de ios Cetes o de ios instrumentos bancarios tienen ias
TasE^-iafas--' •ñÍ!^TJ_ 'siguientes características: gran convexidad, desplazamientos que están muy lejos
Tasa 119 días 16.20% de ser infinitesimales y cambios significativos en ia curvatura y pendiente de ia curva
de reridim'iento: Por este motivo, lo'más recomendabie es estimar el VaR con un
modelo que capture esa.convexidad, como ei modelo deita-gamma, ef rnéíodo
VaR no histórico o ios modelos de Monte Cario. ' •
$(1.000.90) $ (963.47) 0.30 1.00 0.70 $2.89
• La esíimacíón de' la volatilidad. Cuando ei plazo de referencia de ia TllE y eí plazo deí
$ 101506 1^36347 - i, 060 0.70 r „ $g78
futuro es muy .largo, deben tomarse en cuenta los efectos "pulí to par" y "rolí down"'
Total S8.67 qué sé ménclónarpn en ia sección anterior, ya que en caso contrario se sobrestimará
VaR diversificado t ífSS ^ • ej valor en riesgo" del contrato de futuros.- . - . • '

• La élección -de la'estímación del vaior en riesgo diversificado .-o no diversificado.

E F G j K 'Guando la curva de rendimiento muestra grandes cambios en su.pendiente y en su
curvatura, las correlaciones serán débiles, de tal manera que pueden mostrar pa-
5 Fecha
trones discontinuos cuando se observan movimientos adversos, io cual sucede con
mucha frecuencia en el mercado mexicano.'"
ri-fertjg4 r-* +J^.+5feÍ:^^
7 Plazo 2 119 M l ^ ^ í ^ ^ M ! i
5.5 Swaps
9 Tasa plazo 1

^:^wSl;cf-'d
r Un swap es un producto derivado en el que las partes acuerdan Intercambiar fiujos
+^
asociados a una tasa de interés fija o jasa swap, por flujos estimados con base en una
+=
tasa de interés que se revisa periódicamente. No hay ningún intercambio de principal y
-^'^ ¿ f e > t e ^ "^^^-^^ . ¿ ^ 3 *•
- j r ^ — ™ — ^ írj"—, ^ '.!u"a v_:—^ ~ '•"Ti • T éste sólo se utiliza como referencia (vaior "notionaí").''^ Én ei mercado mexicano se negocian
VofqlHiaáies RaW
.te „ ;r T ,, Tu V . ...H eoftei diferentes tipos de swaps, donde ios fiujos de estos instrumentos están reiacionados con
18 =F8 =-Fa-(1-fF12*(F7-F6)/360)/{[UF9T6/3S0)*iUF12-¡F7-F6}/360)¡ 0.3 . 1 0,7 ias tasas de interés siguientes: .
19'feFa-ítfFaíF7F6)^Qf A^{tFt2*(F7Fej/S6Síff54Fl(ÍJ$&36QJ * . K18. t
20 Total =Fia+F19

Valor etrre go ,

26 =ABS(F18'G 18/100)
~ •
w -"^SiFIseiW! ^ ' ^ *
46- VaR D verTcado -{(((FIBfóíeaoO) ^Í8-HFíj'GlÉÍ/W#S)) (Ft?'QÍffl1M)íÓl¡5) 41 En el Capítulo 7 se destacan ias condiciones para estimar la matriz de correiación.
•; .w i-i 42 Kissane (1996) revísala teiminoiogía, características, utilidad ylipos de swaps, Otras referencias importantes
31 =ri(({F18*Gl a/100)*K13+ÍF19*619/100¡*K19))TF191G19/100))*(1/2)
son; Hutí (1993) y Schwaríz y Smith (1990).
 174 Valor en Riesgo y otras Aproximaciones .
Estimación dei VaR de ios instrumentos financieros y de ios instrumentos derivados 175

Si se supone que no hay propiedades de no arbitraje, se cumple que:

Por ton|a gf vafor del "swap'^irj) es equivaísnfó a la diferencia de loa vaiorg
:(l + ; ; „ ) * ' = ( l + r ) ' * ( | + , 4 )
MP
lo que implica que:

donde, ViY^y VNes ef Valor íiofiiinaí del Bono en dafares y del bono bn pesos, eM

Bnmu4íte queÍRvaluacr^tíeui-qpríaíolowacÉl eetasxpresado ert unidadsS Al realizar los siguientes desarrollos algebraicos, se comprueba que en la fecha de .
de^fnoneda extranjera, rq-eguacíón gnfenar se aivJdé ebife ervaiorziommat dai b o r J I cada liquidación e¡ valor de ía parte variable del swap es exactamente igual ai monto •
de referencia.

M , l^r^^4r ¡Fl'Mj "'rcf

i' \TÍahie
ii!- (1+r,) (H/-,)*(l+,i^) ( H r j * ( l + 4 J (l+rj*(l+4j
I fa cuat SI s0£[jpone qüe/^= f í ^ / Í A t 'a óAiofa eéuacion es ec|ütvaieníe a ta ]
I {5 3t) que- cpR^esponde 9 la formuiRde vaíuación de un contrato lohvartT | r,*/V4. 4*A7,/ M,^- _ - • •
II
A su vez, en el primer caso hay dos posibilidades de valuación: --.7 "
T í ^ T (i+rj*(i+,i7) ^ í t ; j ~
V-
-U'-S^S.... ''*^-7 + . j Í 4 5 ^ + i-^2*A^,./
k A. Estimar ei precio dei bono flotante con base en las tasas de interés "forwards",
impiícitas en la curva "de rendimiento "spof. -• '
|; ' J^0- ^
V.
V
S
= v
Jija
~v •
' vaiiable
(5.38) vaiiable

i¡
'•?7
'i •+ ''1+ ij. [Á ' y:fe39)• J 7 -F/J
9?' ^*''-i+n)"F7r?ferF77
Tj*^./ i^a*M./^-.y En cualquiera de ios dos casos ei precio deí "swap", en la fecha de suscripcióñ y.eh el
vaiiable
caso de la opción B, también en ía fecha de iiquidaclón, debe ser igual a cero, ya que de
W ( u ^
•4J l i - ' Jo conírario implicaría oportunidades de arbitraje, es decir:
Donde: r = Tasa fija
r = Curva spot cupón cero. ,;• : . • ; •• . t e = t e / . t e t e . * = 0 . ? (S.40) : ; : •. '
77=Tasa "forward".
Sin embargo, en una fecha diferente, a !a de la liquidación, el valor presenterdej. bono
B. Suponer que en el caso de un bono flotante, el precio deí bono en cada una, de las fioíante no necesariamente será Iguai al precio, sobre todo si en esa "fecha ía tasa'de
fechas de intercambio de los flujos es Igual a su valor nominai.'!^ .r.tS'
í'f/ Interés de mercado es diferente a la tasa cupón deí bono variable.''^ . - .

S Jija ' vmiabie

iJ Sí.
48 Si ia tasa de mercado es diferente a ia tasa cupón, ia siguiente ecuación no se puede simplificar,
c„..„ 1

Lo que implica que ei riesgo dei bono flotante se presenta a lo iargo dei periodo de liquidación. La gráfica
47 Eso supone que ios bonos se colocan a la par. Bicksier y Ctien (1986), y Ramaswamy y Sundaresan de ia posición de riesgo toma ia forma de una sierra ya que se incrementa inmediatamente después dei
(1986), presentan otros modelos para valuar un bono fioíante.
periodo de liquidación aníerior y decrece conforme se aproxima ia nueva liquidación.
 ! 78 ; Valor eji Hrasgo y otras Aproximacjoises
Cuadros, 10 - t En primer lugar este üpo de instrumentos no cubre ningún riesgo de tasas de
ESTIMACION DEL VAR DE UN CONTRATO DE FUTUROS •-.
Foiwardl 100 102.82 " ' -2.82"'
Forwards 86.10 63.70 2.40 '
Lo anterior podría dar la impresión que por ejempío, una posición larga {corta/en swaps
se podría cubrir con una posición larga (corta) en "forwards", ya que, ante un Incremento
en la tasa de interés, la posición larga en "swaps" {se reciben tasas variables y se pagá"
una tasa .fija) implicaría una utilidad, la cual se compensaría con las pérdidas de ia posición
larga en forwards". No obstante, diferentes estudios muestran que la posición' larga eii '
ambos instrumentos implicaría una ganancia, debido a ia convexidad positiva de ios swaps)
que contrasta con la linealidad de ios contratos "forwards"." El sesgo en la estimación del
precio de ambos instrumentos se debe a que mientras el precio del 'Torward" depende de,
ios cambios en las tasas "forwards", ei precio dei "swap" está en función de las tasas
"forwards", de ios cambios en la curva de rendimiento y de la correlación entre ambas •
variables. Ei sesgo mantiene una relación directa con el plazo de los contratos.
El punto anterior es importante ya que en la práctica las áreas de contraloría financiera en
ías instituciones crediticias utilizan ios precios de ios "forwards" para valuar sus posiciones
en swaps, ío que Implica un sesgo en la vaíuación, ef cual crece conforme aumenta eí
plazo de los contratos y la volatilidad de las tasas de interés.
En e! caso de ia valuación de los swaps de Libor por TilE ("cross-currency basis swaps")
es necesario tomar en cuenta consideraciones adicionales para evitar un sesgo en la
estimación. Los principales sesgos surgen por las siguientes razones:^
54 Burghardt y Hoskins (1995) estiman e! sesgo de los swaps y ios futuros sobre los eurodóíares.
55 Ffuchard, Zammouri y Wiilems (1995), ejemplifican las diferentes causas del sesgo en ia estimación del
precio de este tipo de "swaps"..
Estimación del VaR de los insUomentos financieros y de los instrumentos derivados 179
interés, ya que su objetivo es aprovectiar las diferencias de liquidez en los diversos
mercados. Por tanto, es frecuente que ai negociar estos swaps se incluya una prima
de liquidez. Por ejemplo, se intercambian fiujos asociados a LIbor por flujos que
devenga ia THE + un premio. Es decir, el valor del swap será:
Vs= VPN (Libor) + VPN(TIIE) + VPN{Premio)
Vg+ VPN(Premio) = VPN(Libor) + VPN(TÍIEj" (5.41)
fes
Como el vaior del swap es diferente de cero, es común que ias instituciones financieras
consideren ei vaior presente neto (VPN) que corresponde al premio a la liquidez como
; una ganancia o pérdida y que la reflejen en sus estados financieros, cuando dicho
premio únicamente muéstralas diferencias de liquidez entre mercados. •
• Cuando los flujos de los swaps están expresados en diferentes monedas y existe
una diferencia crediticia entre ambas, no obstante que estas se refieran a tas curvas
; soberanas, ei premio de crédito se traducirá, como en e! ejemplo anterior, en un
premio que en ia práctica se considerará como una ganancia o una pérdida. Para
•reducir los sesgos en la estimación de estos swaps se recomienda que, cuando los
intermediarios tengan ía misma calidad crediticia, se utilice una sola curva de
descuento, de este modo tafnbién°se podría distinguir-enfre el riesgo de mercado y
de crédito de los swaps. ,"; ."j-'í-fe . J-fe^'T ' "•
- 'Se debe mencionar quelos modeios anteriores suponén'qu'e oóíexistén riesgos de crédito;
sin embargo, si ese"'no es ei caso, estos-modeios no son"! válidos, ya quedante On
, movimiento en las tasas de interés, los" fiujos de efectívo'se' modificarán de-'mariera
asimétrica, traduciéndose en pérdidas o gañánciás para iosiníemiediarios.^^ "
P-or último, como se ha destacado a lo iargo de esta sección, los swaps son instrumentos
convexos, eso significa que para capturar !a no linealidad entre los cambios en las tasas
•l de Interés y los cambios en los.precios de los swaps cualquier modelo de los mencionados
en ei capítulo anterior, con excepción del modelo de varianzarcovarianza, podría utilizarse
para estimar eí valor en riesgo.
7§7
5.6 Opciones
Las opciones son contratos que le otorgan a su propietario, el derecho aunque no la
obligación de comprar o de vender un activo, a un precio que se determina en ia fecha de
conceríación del contrato, a cambio de una prima.
56 En ei Capítulo 9 se describen ios modelos para estimar el riesgo de crédito de estos instrumentos.
••¡-•jM¿:-.
 182 Valor en Riesgo y otras Aproximaciones Estimación dei VaR de ios instrumentos íina.ncieros y de los instrumentos derivados 183

V Opciones El valor de !a opción está en función del

con "barrera" ("barriers").
• - -• precio de ejercicio, de ia fecha de vencimiento, de un nivel "barrier" {o "trigger")
. • - y de si eí precio del subyacente cruza o no ese nivel. Entre éstas destacan: ^'
••• "Up barrier" {"Down barrier"). La barrera está arriba (abajo), dei precio dei
. subyacente vigente en la fecha de ia concertación del contrato,
conocidos; en una fecha previa a la del vencimiento dei contrato se requiere estimar ei
precio del activo subyacente, ei cual es desconocido, y que se supone que sigue un
comportamiento simüar ai de una variable aleatoria. Para estimar este precio se utiliza ia
teoría de ia probabilidad.
De este modo, el valor de ia opción "cali" en "/" es:

"In barrier" o "Knock-in". Ei vaior de la opción es positivo sólo si ia opción C, = E[Max{(),Sy~K)\- (5,49) .
está en el dinero y si ia barrera se cruzó antes de ia fecha de expiración de Donde: £• = Operador del vaior esperado. •
la opción. El precio de ia opción (por ejemplo de un "cali"), se define como; r=fecha de vencimiento de la opción.
/ = Fecha de valuación previa a la del vencimiento.
" y^ _\C'=Max[0,S~K\ ScruzaBySyK

" • , ^ " [o " 5í S no cruza B (5.46) Si se utilizan las regias de ios valores esperados,. !a ecuación anterior es equivalente a:
C,r=E[S^-K,siSy >k]-E[0,SÍ -SyF K[ - ' .
donde: C¿^=^ Vaior de ia opción "in-barrier".
B ~ Barrera o "íriggerf.
C, = si S-i- > K]- e[K, si S.^ > K

C,~ E[SJ, si Sy >K]- K PtobiST > k] (5.50)

o "Out barrier" o "Knock-ouf. El valor de ia opción "cali" es;
Para estimar el valor esperado del precio deí subyacente y,- por ende, e! vaior de ia
O' ' si S cruza B opción, se han desarrollado diferentes modelos. Algunos de ellos'suponen una distribución
de probabilidad especifica para determinar, mediante fórmulas cerradas, el preció dei
C=Max]A,S-K] si SnocruzaByS>K (5.47)
subyacente (métodos analíticos y aproximaciones analíticas); mientras que.otros generan
" donde: escenarios aleatorios y utilizan métodos numéricos para calcular el valor esperado del
• ; C/'^'" = Valor de la opción "out-barrier". precio dei subyacente (métodos numéricos). Los principales modeios que aparecen en ia
literatura académica se muestran en el cuadro siguiente:^ • . - •
o Opciones "Look back". Eí precio de ejercicio se define como el precio del
• ' subyacente más favorable para ei tenedor de ia opción, observado durante ia Cuadro 5.11
vigencia del contrato. Por ende, ei valor de estas opciones es;
PRINCIPALES MODELOS DE VALUACION DE OPCIONES
; ./ .y. - -fe ^Max^,S~S] (3.48)
•J-, • donde:, - '-
~ Vaior de ¡a opción "!ook back". Black Cox, Ross y Schwartz (1977)
Scholes{1973) Rubinstein (1979)
S = Precio más favorable. Merlon (1973) Black, Derman
Garman y Toy (1990)
KolMhagen
o Opciones multifactoríales (Bermudas). Ei vaior de fa opción depende de! (1933)
comportamiento de los precios de diferentes activos.^^

Uro de ios problemas más complejos en la negociación de las opciones se refiere a la Exóticas Rubinslein y Turbüll y
Reinier(1991) Wakeman (1991)
vaiuaclón. Mientras en la fecha de vencimiento el valor de ia opción se obtiene con base
en la ecuación 5.42, puesto que el precio del subyacente y el precio de ejercicio son

61 Para un análisis de ias opciones "barrier", véase Thomas (1996) y Oerman y Kani (1996), quienes destacan
que iosbeneficios de esias opciones son; que ei precio es inferior ai de una opción europea y ias necesidades
de cobertura se logran más fácilmente.
62 Smithson y Chan (1997), desc.riben tas principales características y clasificaciones de ias opciones
multiíactoriales. 63 Chance (1999), realiza una descripción de ios principales modeios.
 186 ; Valor en Riesgo y otras Aproximaciones
& Schofes. para valuar todas ias opciones, independientemente de sus características y
del subyacente, ío que se traduce en estimaciones Insesgadas de los precios. Para reducir
los riesgos en la valuación de las opciones se recomienda:
• En e! caso de las opciones americanas y exóticas utilizar un modeio de ios
disponisles para valuar este tipo específico de opciones. Por ejempío, en'el caso
de ios Tiribondes ia opción sobre la inflación corresponde a una opción de "trayectoria
depeniíiente"; sin embargo, eí mercado utiliza, cuando así io hace, la fórmula de
• Biack & Scholes, con un precio de ejercicio igual a la tasa de interés en pesos.
• incorporar el principio de ía "teoría de ia paridad internacional de tasas de interés"
en ta v^uación de las opciones sobre ei tipo de cambio. Eso se íogra si la valuación
se realSza con ei modeio propuesto por Garman y Kohihagen (1983), en vez de
utilizar el modelo de Black & Scholes. Asimismo, este modelo permite corroborar
que se cumpla el principio de no arbitraje, ya que ei precio de una opción;"en el
dinero" es equivalente a (a cotización "fonvard" del tipo de cambio. ^
• El modelo de Black & Scholes supone que eí precio del subyacente sigue un proceso
«Bíowmano», es decir, la trayectoria de ias opciones no tiene ninguna restricción, io
que significa que ei modelo es inapropíado para valuar ias opciones de tasas.de
interés, ya que no se garantiza la relación de no arbitraje a lo largo de ia esíriictúra
' intefíeniporal de ias tasas de interés, ni la Igualdad dei precio de "los bonos a su
valor nominal en la fecha de vencimiento del bono, ^ ' • .fe;
• Diferentes ejemplos muestran que la estimación del valor de las opciones es" muy
sensibEe a los insumos que se utilizan en los cálcuios,^^ Por tanto, se sugiere:': •
- • Utilizar ias tasas de interés que reflejen el verdadero costo de oportunidad dé los
intermediarios que negocian ias opciones.
• Tener en -cuenta 'que na es Una práctica común que las empresas mexicanas -
decreten dividendos; y, cuando se cuente con esta información, considerar ias
implicaciones de suponer que los dividendos se decretan de manera discreta o
continua sobre la valuación. u
• Utilizar, preferentemente, información de volatilidades Implícitas, en vez de
volaSidades históricas, ya que estas últimas muchas veces no tienen que ver
con ios precios de las opciones.^
64 Sarniento (1999),
65 Sección 4.4.1.
66 Chung (1997 ) , muestra la sensibilidad dei precio de las coberturas cambiarlas a ia elección de ios
diferentes insumos.
67 En el Capíluio a se analiza el tema de las volatilidades.
Estimación del Vafl de ios instrumentos financieros y de los instrumentos derivados 187
• Cuando sólo se cuente con un rango del vaior de los insumos para estimar ei
precio de ia opción, utilizar los modeios de valuación apropiados, en vez de
únicamente promediar estos valores e inciuirlos en ia fórmula de Black & Scholes
o en alguna de sus extensiones.^^
5.6,2 Limitaciones del modelo de Black & Scholes
El modeio de Biack & Scholes tiene un gran número de inconvenientes, algunos de ios
cuales se han resuelto mediante el desarrollo de nuevos modelos; sin embargo, en ia
práctica y a pesar de contar con modelos alternativos, un gran número de "íraders" continúa
utilizando el modeio de Black & Scholes. Por tanto, hay que tener presentes ías íimitaciones
del modeio; por ejemplo, en el ambiente académjco se reconocen ias siguientes:
• Se supone que el precio dei subyacente sigue un comportamiento lognormai, donde'
la volatilidad es constante y conocida. Las implicaciones son:
• El supuesto de normalidad contrasta con el comportamiento "leptocurtósico" del
rendimiento de los precios de! subyacente por io que, cuando ia opción está "fuera
del dinero", ei modeio de Black & Scholes subestima el precio de mercado. _ .,
• Asimismo^ la evidencia muestra que la voiatllidad.es variable eh ei íiempo'y qíie ia
voiátilídad está correlacionada con ei precio del activo subyacente. Si sé compatánT '
ias estimaciones del modelo.de Biack & Schole's con ios resultados que arroján'-,
ios modeios de volatilidad estocásticá, destaca 'la sobreestimacló'n del modelo^ '
de Biack & Scholes y su relación con el plazo al vencimiento deja opción,' -
• E! modelo de Black &-Scholes se cumple sólo si los costos de transacción son cero.
Para ínclulf estos costos en la determinación deí valor de la opción, se han realizado '
• - diferentes aproximaciones, ya sea modificando ¡as estimaciones de la volatilidad o
.". incorporando, en vez de la tasa libre de riesgo, la tasa efectiva de financiamíenío o
• dé inversión'de los Iníermediarios. En cualquier caso se corroboran los errores en ia
estimación dei modelo de Black & Scholes. , , '
• Se considera que e! rebalanceo del portafolio es continuo y permanente. La violación
de este supuesto tiene ías siguientes consecuencias:
• Se viola el principio de no arbitraje, ya que ante la Imposibilidad de realizar un
rebalanceo continuo se presenta un error en las diferentes estrategias de cobertura,
que es proporcional a la vega de la opción (véase la siguiente sección) multiplicada
por la volatilidad observada.'^"
68 Wiimott (1998), describe los modelos de valuación apropiados cuando sóio se cuenta con un rango de (os
valores de ios insumos.
: 69 Capítulo 6.
70 Derman y Kamai (1999) muestran este tipo de riesgos,
 190 Valor en Riesgo y otras Aproximaciones Estimación del VaR de tos instrumentos íinancieros y de ios instrumentos derivados 191

las Opciones. El punto de partida de estos consiste en transformar la relación no lineal Gráfica 5.6
implícita en ia fórmula de valuación de las opciones, en una relación lineal. PERDIDAS Y GANANCIAS DE UNA POSICION CORTA
'M-Sy
EN OPCIONES "CALL"
Así, si ei precio de una opción "cali" europea depende dei precio dei subyacente y del
piazo del contrato (7 - r), y de la tasa de interés y la volatilidad, parámetros que según
Biack & Scholes son constantes, es decir,"

q=C^„{T-í');d,a\K\. . (5.54)

El cambio en ei vaior de la opción, se puede explicar mediante el modeío "deltd', ei cual

se define como: 'T^%'te^:r
.¡•1*-*-.

dC-=^dS=AdS
dS
(5.55)
fe^ Ñ7

v: -
donde:
fe" ' A = Delta dei portafolio, que indica ei cambio en el vaior de la opción ante un
cambio infinitesimal dei precio del subyacente.

Aunque mediante este modelo la estimación dei VaR pueden realizarse rápidamente, su
cálculo tiene varios Inconvenientes:
• En virtud de que la estimación de ía A supone que e! cambio en el precio del
subyacente es infinitesimal, significa que esta es una medida local, alrededor dei
precio actual del subyacente. Sin embarga, si ei precio del subyacente observa
cambios importantes, que son los relevantes cuando ei propósito es estimar el VaR,
entonces el modeio delta subestima significativamente las pérdidas del portafolio,
Por ejemplo, si el precio dei subyacente fluctúa entre $42.0 y $131.0, el emisor de. ,
una opción "calí" registrará utilidades, que como máximo alcanzarán $20.0; s'ih
embargo, sí el precio del subyacente aumenta, (as pérdidas podrían ser ilimitadas,
• El modelo de Biack & Scholes muestra que es posible construir un portafolio libre de
•••¡$^4. riesgo, medíante por ejemplo, una posición corta en opciones "cali" y una posición
-íll^"" larga en el activo subyacente equivalente a [A* vaior de ias opciones]. El mismo
J7i , resultado se logra con un portafolio compuesto por una posición larga en "puts" y
: M
una posición larga en "calis" de igual monto, ya que la A del "cali" es equivalente,,
pero de signo conírario a ia A del "puf", de tai manera que la A del portafolio, que en
este caso se conoce como "síraddie largo", es cero, " • ;•
En principio, y como ía A dei portafolio es cero, ei VaR también debería serlo. Pero,
sk'ei precio de subyacente cambia drásticamente la pérdida del portafolio podría ser
M muy significativa, como se muestra en ia Gráfica 5.6, ya que esta aproximación
" ignora la no-linea!idad de las opciones.

• El modeio supone que ia distribución de ias pérdidas y ganancias def portafolio es

•fe*^ fe" normal, ya que ese supuesto es el que permite relacionar, uno a uno, los cambios en
:-fe?ííl?Í el precio dei subyacente con ios cambios en el valor del portafolio y la varianza de
.'í-.Ai +>í' los rendimientos del portafolio con eí VaR de ia cartera, Por ejemplo, el VaR al 95% de
#: probabilidad será equivalente a 1.65 veces la desviación estándar de los rendimientos.

feíi7?95„/„-1.65*(7 (5.56)
0 =»-
En el caso de que la distribución de los rendimientos no sea normal, la volatilidad,
que mide las desviaciones de los rendimientos con respecto de ¡a media, no tendría
72 Posteriormente se supondrá que las tasas de interés y la volatilidad son variables y, por ende, factores de riesgo. que estar relacionadas con e! VaR, que es únicamente un punto en la^distribuclón.
 194 I Valor en Riesgo y otras Aproximaciones
Para estimar el VaR de las opciones se encuentran varias alternativas que utilizan
diferentes griegas, Por ejemplo, Jorion (1997) utiliza sólo la delta y la gamma y propone
!a siguiente fórmula para estimar el VaR:
VaR = O ^Wa'- + yfyS'a'y '(5.58)
Donde
d> = Coeficiente que bajo e! supuesto de normalidad permite alcanzar el
nivel de confianza deseado.
por contra J.P. Morgan (1996) incluye, además de la delta y la gamma, la theía; mientras
que otros autores sugieren utilizar la delta y la vega. De cualquier forma, la estimación del
VaR continua siendo Insesgada, incapaz de capturar las colas anchas y una medida local
- que no captura ios brincos del precio del subyacente. A ello se debe que continuamente
'se estén desarrollado diferentes aproximaciones que pretenden incrementar exactitud de
las estimaciones sin Incurrir en los elevados costos de los modelos de Monte Cario.
Estimación del VaR de ios instrumentos financieros y de los instrumentos derivados 195
5.7 Bibliografía
• Alien, S, y Kleinstein, A., (1991) "Valuíng Fixed income. Cash-Flow Analvsís and
Calculalions". New York Institute of Fínance.
• Banco de México (1998) "Circular Telefax". No. 33/98,34/98,46/98 y 47/98.
• Barone-Adesi, G., y Whaley, R., (1987) "Efficiént Analytic Approxlmation of American
Option Valúes", The Journal of Finance, Vol. 42, No. 2. Reimpreso en DeRosa, D.,
"Currency Derivaíives. Pricing Theory. Exolic Options. and Hedging Appíícaíions" (1998).
Wííey & Sons Inc. Capítulo 6. '
• Bicksier, J., y Chen, A., (1986) "An Economic Analysis of Interest Rate Swaps", The
Journal of Fínance, Vol. XLI, No, 3, julio, pag. 645-655
• Biack, F, Derman, E, y Toy, W., (1990) "A One-Factor Modei of Interest Rates and Its
Application to Treasury Bond Options" Financial Anaivsts Journal, enero-febrero,
pag. 33-39.
• Black, F,, y Schoies, M., (1973) 'The Pricing of Options and Corporate Liabillíies", Journal
of Poíítical Economy. No. 81, pag. 637-659.
• Boyie, P., (1977) "Options: A Monte Garlo Approach", Journal of Financial Economics.
No. 4, pag. 323-338.
• Boyie, P., (1985) "A Lattice Framework for Option Pricing with Two State Variables",
Journal of Financíat and Quaníitative Analysis". VoÍ. 23, No.1, marzo, pag. 1-12
• Boyie, P., y Ananthanarayanan, A., (1977) "The Impact of Varlance Estlmation In Option
Valuation Modeis" Journal of Financial Economics". Vol. 5, pag. 375-387.
• Broadie, M., y Glasserman, P., (1998) "Simulation for Option Pricing and Risk
Management', en "FHsk Management and Anaivsis. Vo!. 1 Measuring and Modellina
Financial RisV, editado por 0, Alexander, Wííey, Capitulo 5.
• Brown, G., y Randall, C, (1999) "In the Skew Fits". Risk Magazine, Vol. 12, No. 4,
pag. 62-65.
• Burghardt, G., y Hoskins, B., (1995) "A Question of Blas", Risk Magazine. Vol. 8, No. 3,
marzo, pag. 63-70.
• Chung, P., (1997) "Pricing Options on Developtng Country Currencies: Some Evidence
From México", Emerglng Markets QuarterIy. Vol. 1, No. 2, pag. 84-94.
• Cox, J,| ingersoll, J., y Ross, S., (1981) The Relaílon Between Forward Prices and
Futures Prices", Journal of Financial Economics. No. 9, diciembre, pag. 321-346.
• Cox, J., Ross, S., y Rubinstein, M., (1979) "Option Pricing: ASlmpilfíed Approach". Journat
of Financial Economics. No. 7, pag. 229-263.
• Cox, J., y Rubinstein, M.,-(1985) "Options Markets". Editorial Prentice Hall.
 198 i Valor en Riesgo y otras Aproximaciones

• Sarmiento, M., (1999) "Valuación de Serle de Opciones de Tipo de Cambio en Presencia '
de Componeníes Estacionales: Ei Caso de los Tribondes". No publicado.
• Schwartz, E., (1977) "Valuation of Warranís Implementing a New Approach", Journal of,-
Financial Economics. Vol. 4, pag. 79-93.
• Schwaríz, R, y Smith, C, (1990) "The Handbook of Currency and Interest R a t e ^
Management". New York ínstltute of Finance.
» Smithson, Ch., y Chan, W., (1997} "Muitifactor Options", Rísk Magazine, Vol. 10, No. 5,
mayo, pag. 43-45.
V o l a t i l i d a d
• Sorensen, A., y Bollier, R., (1994) "Princing Swap Default Risk", Financial Analy.qtR
Journal, mayo-junio, pag. 23-33,
• Thomas, B., (1996) "Exotlc Options II", en 'The Handbook of Risk Management anri
Anaivsis". editado por Alexander, C, Editorial Wiley & Sons. Capítulo 4. En este capítulo'se-revisan los-principales, modelos que utilizan los
f>T4 •partícipántes-efi losmercados financieros y que tienen mayor atractivo^
• Tumbull, 8., y Wakeman, L., (1991) "A Quick Algorlthm for Pricing European Average
;:át^-
Options", Journal of Financial and Quantitative Analysis", Vol. 26, No. 3 , septiembre, en el ámbito académico, para estimar el comportamiento prospectivo
pag. 377-389. . ; -'de ía volatilidad-de1ós activos financieros, Estos modelos se describen
•y se ilustran a'través de la^estiníación de la volatilidad del tipo cié
• Wiimott, P., (1998) "Derlvatives. The Theorv and Practice of Financial Enalneerina".
I John Wiley & Song
cambio peso-dotár...

• Zangari, P., (1997) "An Investigation into Term Slructure Estlmation methods for
RIskMelrics", RiskMetrics Monitor, Reuters/J.P, Morgan, tercer trimestre, pag. 3-31.
• Zangari, P., (1996) "A Value-at-Risk Analysis of Currency Exposures", RiskMetrics
Monitor, Reuters/J.P. Morgan, segundo trimestre, pag. 26-33.

yd
 202 Valor en Riesgo y otras Aproximaciones Volatilidad 203

Gráfica 6.2 Asimismo, se ha destacado que la distribución de los rendimientos difiere de una normal,
VOLATiLIDAD DEL TIPO DE CAMBIO PESO/DOLAR ~r4: debido a que ia volatilidad es estocásticá y porque los precios de los instrumentos
t A
(Varianza de los rendimientos diarios) ^ financieros brincan,* ^ . _

En ia gráfica 6.3 se presenta la distribución de frecuencias de los rendimientos deí tipo de

•Mí
m cambio. Los estadísticos indican que no se puede aceptar que la distribución sea normal.
Del histograma también se concluye que la media de los rendimientos estadísticamente
es cero; resultado que se utiliza para estimar la volatilidad en este capítulo, y que evita el
problema de estimar Ía media muestra! de manera consistente.^
•teE,'
ir.'

Gráfica 6.3
m
¡ir- T DISTRIBUCION DE FRECUENCIAS DEL RENDIMIENTO '
DEL TIPO DE CAMBIO

• jt„i I

i
•j "7
mi

Como se obsetva en estas gráficas, la volatilidad muestra las siguientes características:

• La volatilidad varía a lo largo del tiempo y sigue un comportamiento similar a la

'": variación porcentual diaria. ÍK>:

• Volatilidades elevadas persisten porperlodos prolongados antes de disminuir a sus*

niveles de-iargo plazo. (Propiedad "clustering")..

9 La volatilidad varía más que proporcionalmenfe cuando los rendimientos aumentan,

que cuando los rendimientos diminuyen. Esta característica se conoce como "efecto
apalancamíento".
No obstante que la volatilidad varía a través del tiempo, bajo algunos supuestos se puede
pronosticar. Esta es la característica más importante en el proceso.de estimación del
VaR. Pronósticos de la volatilidad confiables permitirán alcanzar estimaciones deí VaR
de alta calidad.
Para estimar y pronosticar la volatilidad, de manera eficiente el modelo debe cumplir con
•fff las características que, con base en la volatilidad deí tipo de cambio, se enunciaron.
Los principales modelos, así como las ventajas y desventajas para realizar pronósticos
eficientes se describen a continuación. El esquema siguiente tiene el propósito de guiar
.4-
M/ al lector sobre las características, y los pros y contras de esos modelos.

En este caso la volatilidad se define como ía varianza de una muestra móvil de 20 días íiábiies; donde las
ponderaciones de cada observación son iguales, El rendimiento del tipo de cambio se define como,
f FU ^
donde: In = logaritmo naíutal y F ñ = f a c t o r de riesgo, que en el caso de las divisas corresponde al tipo de cambio.
Aíexandef (1996), Duffie y Parn(1997) destacan que la respuesta de la curíósis a través dei tiempo es
mayor mientras más estocásticá es la volatilidad, y menor mientras más frecuentes son los brincos de
'i 7
los precios.
Figlewiski (1994) destaca los argumentos para suponer que la media de los rendimientos es cero, y ias
inconsistencias técnicas de considerar valores diferentes.
 206 , Vaior en Riesgo y otras Aproximaciones
Volatilidad 207

6.4.2 Métodos de promedios móviles

Para resolver el problema de que la volatilidad es un dato para el periodo escogido, un

modelo alternativo consiste en calcular la volatilidad mediante una ventana móvil. Un
promedio móvil es un promedio aritmético de una muestra de "n" datos, en el que cada
vez que se calcula el promedio se añade un nuevo dato al final de la serle y se elimina la
primera observación de la muestra. Por ejemplo:

E! promedio móvil de "R" de orden "u" en ef periodo "í",-es igual a:

Por su parte, el promedio móvil en eí periodo "t +1" es igual a;

ñ _ 7 ? 3 + - + 7?„ + 7 ; „ , i
Ki+l • —
n

Para caicular la volatilidad histórica se utiliza la fórmula 6.2, sólo que el periodo muestrai
es móvil, es decir, este modelo, y los que más adelante se describen, suponen que la
volatilidad no es un parámetro, sino un proceso:^

• Este modelo Impide determinar si la volatilidad cambió porque se modificaron las

IF condiciones de mercado, o sólo porque se utilizó un promedio móvil con diferente
• 7 - ^ (6.3) orden. Es decir, ia estimación de la volatilidad es sensible a errores muéstrales.

Las deficiencias de esta aproximación son ías siguientes:
• La esíimacíón de la voíatilldad es muy sensible al orden (número de observaciones)
del promedio móvil. SI el número de observaciones es reducido, ios estimadores
son poco eficientes. Por contra, conforme aumenta el orden del promedio móvil, !a'
posibilidad de incorporar los cambios estructuraies en ía estimación de la volatilidad
es cada vez menor. Por ejemplo, en la siguiente gráfica se observa como con la
volatilidad estimada con un promedio móvil de orden 60 permanece el efecto de la
devaluación de 1994 por un periodo prolongado; ío cual no sucede cuando la
volatilidad se estima con un promedio móvil de orden 20.^
» Debido a que la ponderación que cada observación recibe es la misma, independiente-
mente de si la observación es reciente o no, volatilidades estimadas con promedios
móviles elevados pueden provocar que la volatilidad sea alta, no obstante que el
evento que provocó ef incremento en la volatilidad desapareció. Es decir, si eí orden
del promedio móvil es mayor al óptimo, se acentúa eí efecto "clustering" de la
volatilidad, lo que puede sobreestimar el riesgo de asignación del capital.
'sY/IsfíT-^^r-'^''' / '''•"''Trijíiy/ii^^ 'jy ~"-T.-;. :i-:í¿r;"AS"''~ifiTT'íí--*
^141 jBóíJeib4iD-ia#i|ofa en Ip psíisiaGiort dfel%v0laf(litfacf ía§ gaipcíaf^^as-tíQl-
r j?rocsád esVcpáítócfd^ íá^praplá -sgfil;^Es decfri-áfos mSfefos hA Bu|cf|^íni¡fiar
_iajufocbrréfacióg h íp iraíaíilídadítcjidicipnaf y, poíahío, m Fepresqnt|^IÍ|í:oGeso
Z l^genefacíórtdatos datos de manera satisfecíoria ~ ' • "

• El pronostico de la volatilidad de este modelo es igual a ia volatilidad vigente. Por

ejemplo, el 31 de mayo dei 2000 la volatilidad diaria de orden 20 fue 0.147%, lo que
y
implica que el pronóstico para cualquier horizonte (í+1 t+k) será igual a 0.147%.
Por tanto, de acuerdo con este modelo, el pronóstico de la volatilidad ignora su nivel
7 Obsérvese que a diferencia de la fórmula 6.2 esta ecuación se puede calcular para cualquier punto en el tiempo.
8 El orden de los promedios móviles — 2 0 y 60— son los de mayor uso, ya que corresponden a un periodo de
de equilibrio de largo plazo.
"trading" de uno y tres meses, respectivamente.
7'
210 ' Valoren Riesgo y otras Aproximaciones Volatilidad 211

Otra ventaja de los modelos ARMA es su capacidad para realizar pronósticos de Ja !-í||, 6.4.4 Modelos GARCH
estructura intertemporal de la volatilidad. El pronóstico de !a voLatlildad para diferentes f 8 i
periodos se realiza de forma recursiva con base en ia siguiente ecuación: • ;:|é^ Un modelo GARCH es un modelo que tiene como propósito estimar la varianza no
condicional de los rendimientos de los activos financieros.'^ Los modelos GARCH
a 7, =a:„ + a , 0 ; „ . , + . . . + a „ < T L (6.7) 'fe
(Generaüzed Autoregressive Conditional Heteroskedasíicity) son procesos autorregresívos
Nótese que el pronóstico depende del valor de los ponderadores estimados mediante el generalizados con heterocedasticidad condicional; es decir, modelos que suponen que la
modelo de regresión. Para ilustrar la forma en la que se realiza ei pronóstico, considérense varianza cambia a través del tiempo. . • .
ios siguientes supuestos: ..a^r,
Existen diferentes especificaciones de los modelos GARCH para estimar la volatilidad del
3 • • Se consideran dos rezagos {p = 2) rendimiento de los activos financieros. A continuación se describe cón detalle el modelo
conocido como GARCH (1,1), eí cual es e! más común en la estimación de la volatilidad.
ll « Ei vaior de los parámetros estimados es: = 0.0255 a, = 0.10019 = 0.16863 fefl Posteriormente se analizan brevemente las características de los otros modelos.

'_ » Los datos son: 0-027252 ; O.0O4036 Modeios GABCH (1,1)

K s: ' 9 Se pronostican dos periodos {k = 2) . fe|; Este modelo estima la varianza condicional (volatilidad), en función del cuadrado de los
I:
errores rezagados un periodo y dé ia varianza condicional del periodo-anterior (término
El primer pronóstico se calcula a partir de ia fórmula siguiente;!^ ; 4 . j fV
autofregreslvo).'Ei modelo se define como: '; ' ' •

,- ; < 7 t e « + « , £ ^ , + p,ffL- ':;(6.12);7; .. - J

la cual se obtiene de adelantar un periodo a cada uno de los subíndices que aparecen en '••J^. iff;
la ecuación 6.5. Al sustituir los valores supuestos en la ecuación" anterior, el pronóstico
para el periodo /+1 es 0.028911.
JT . ' 'rp-ir
Por su parte, para pronosticar ia volatilidad para ei periodo í +2 se utiliza la siguiente fórmuia:' A A7
' H.
<y ; ^ , = « „ + a,<T (6,9) •

Si se sustituye (6.8) en (6.9) 6 j , -a„ +a^ipcya^ Rf+a^RlJya A f y se

ordenan los términos, resulta: "

I: <^fe=«. (j^Fa 7)7 ÍQi] 7(X ,_)R'; +a ,a ,R7_, • ' (6-10)

|¡ En este caso el pronóstico asciende a: 0.032991

Destaca que las ponderaciones de ios valores rezagados son diferentes para cada uno x ,<+R
de ios .pronósticos, lo que permite, a diferencia de ios modelos anteriores, construir la )|
estructura intertemporai de las volatilidades (ófei.CFfea.-.ci^,^)! De acuerdo con los
datos supuestos, el valor de equilibrio de largo plazo de la volatilidad es equivalente a: . ,|fe.fe
• fe^i
= ^ =0.034875 (6.11) Zt--

12 Recuérdese que O f e f i / f i ^ / i n f o r m a c i ó n disponible]. •

' :'íZ:
 214 j Vaiof en Riesgo y otras Aproximaciünes Votatilidad 215

Otra de ¡as ventajas de los modelos G A R C H e s que permiten pronosticar l a volatilidad Gráfica 6,10
para cualquier periodo e n el futuro (estructura intertemporai de la volatilidad). E l p r o n ó s t i c o VOLATILIDAD DEL TIPO DE CAMBIO. MODELOS GARCH
de la volatilidad s e obtiene a t r a v é s de l a siguiente f ó r m u l a :

áL,=crte(a,+ /J,r(7,;,-*C (6.15)

Al sustituir los valores estimados e n la e c u a c i ó n anterior s e obtienen los p r o n ó s t i c o s ,

como ejemplo, 60 periodos adelante. N ó t e s e que la volatilidad tiende a s u nivel de largo
"W- ry í •* X l-'i'i**;
plazo de f o r m a s u a v i z a d a , Independientemente de c u á l s e a el valor de l a volatilidad -y-AX7 í'- '1^-1.0
actual. E n el e j e m p í o , de 0.1377 (valor actual) a 0.060734 (nivel de largo plazo). Asimismo,
"te-6á'S;-¡á¡l'i:ti'Ai^| !£| •

s e presenta l a e v o l u c i ó n de l a volatilidad e n el c a s o h i p o t é t i c o de que el valor actual fuera

0.02, donde la volatilidad a u m e n t a r í a hasta alcanzar e! nivel de equilibrio de largo plazo.
C o m o la persistencia e s alta, la volatilidad t a r d a r í a m á s de 50 d í a s antes de alcanzar
dicho nive! d e equilibrio.

'l^:4Tj;^^^7sfe;C---r.-c-
Gráfica 6.9 lMFr^íJ¿d-¡/íy7tíii77:'...i^

PRONOSTICOS DE LA VOLATILIDAD DELTIPp-DE CAMBIO Esquema 6.2

MODELOS GARCH
ÍPf^€feÍÍ^V::tetggfe^
ARCH L a volatilidad se explica por los residuales rezagadas. Supone que la
distribución de los rendimientos es normal.
V OARCH-(p,fr) x+La.Vófqtííidaíse^QXpifea.portpIt-rásidüatedféiSgadosyqíüríqT^^
^rfffVQrafillciad p8Sada*^modfltoies0.qOWalpntKa¿urk mcKíolo-^pCH|ifrpiid.(g*
T'.Supone.quatódistnbuctón-d9^los:re[KÍimlenEas-é|i4ocroaL-toprónosíio^ds^^^^^
facgo pTazo tiende afvalor de?-¡a,varran^ no-condiciqnal JJ
^XrZ^a--SiXiyAñ - E s un caso particular del modelo Garch (p,q}, es decir, la volatilidad se
GARCH (1,1) explica sólo por un valor rezagado de la volatilidad y un valor rezagado de
los residuales. L a suma de los parámetros correspondientes a esos factores
debe ser menor a uno. L a distribución de los rendimientos es normal y ei
pronóstico de largo plazo tiende al valor de fa varianza no condicional.
ÍGARCH te»-p?Hi[f5asgpartlQufardetmpdalp.antertor.y^qü^ta.sumadalo?:90qfiCier\te^
^ ^ébe-sprUnO/ cíebldita.p|tó el ptonóstico p&conyefge aLrilVé! de
¥ibMm7 feequilpíáií-dgdargo p í á s ó T v a l o r d e l á v a f i a n z a r t a e o n d i c l o n s E / : "Se supone. -::„-•
í;)i3üeJa:distí[buoi6r!-es-PomiaLBa)QeÍértas60Rdi<rioties.ralrriode
aparecido at-modefocfspromedios.mavifas ponderados exporiencialqigníe^-.
Modelo conocido como QARCH asimétrico. Supone que la distnbución de los
AGARCH
errores es una "t" de Student, es decir, considera mayor sesgo y curtosis
que la distribución normal. Incluye como variables explicativas de la
volatilidad un p a r á m e t r o adicional que hace referencia al sesgo. Con estas
modificaciones se puede modelar el "efecto apalancamíento", es decir, que
la volatilidad aumenta m á s cuando el mercado observa un choque adverso
que cuando el mercado registra un choque favorable. Todos los p a r á m e t r o s
Adicionalmente a i modelo G A R C H (1,1) h a y otros modelos G A R C H q u e pretenden de la e c u a c i ó n deben ser positivos. Una v e r s i ó n de estos modelos son
los modelos T G A R C H .
incorporar l a a s i m e t r í a en la e s t i m a c i ó n de í a v o l a í l i l d a d (efecto a p a l a n c a m í e n t o ) y la
EQ^RCH- ^Su objátivo- e s inodbim'el efecto apalaqcñrrtlento". La voiaíflidád se estima
posibilidad de que e í nivel d e equilibrio de la varianza cambie e n el tiempo. A c o n t i n u a c i ó n
-.-mediánfe,uiTmodelo.JogaritmicodetaiformaE^anase.fequ¡6Ee;que.'eL
s e presentan l a s e s t i m a c i o n e s de l a volatilidad diarla de! tipo de cambio de enero d e 1996 UX4v".44:r;;'w'5..f iWalQrite.!oscQeí(cient6^8stlmajÍ£is;§qa|)osittyovBTnodeto
í7 ' te- ^dis tr i S u c i ó n ^ (os^rroresesnoiTpaf ^ " P " '
a abril de 1997 (periodo elegido por s e r de elevada volatilidad) con distintos modelos
El modelo permite que el valor de la volatilidad de largo plazo vane durante
G A R C H que, como s e observa, muestran resultados que en ocasiones son muy diferentes. Componentes
el periodo de e s t i m a c i ó n , es decir, no necesariamente debe converger ai
vaior de la varianza no condicional. Supone normalidad.
 218 Valor en Riesgo y otras Apfüxiiudf'unn;,
Volatilidad 219

» - - ^

, InsírtirnentQs /inancieros, es necesario incorporar información adicional erf fa

esíimaqion d&la volattiidad con los modelos OARGH

af^(X7p^(j^,7 +P^ay^7p^sf^7rD,,, i-sQelos. diferentes modeíosGAftCfTque^se utilizaron paraesUmartíívoratííidaadei-í

.•íTiiipo'de cam6jo-.¿el modelo de componentes es-ei que muestra el mayoríogarlimoidel
Donde, p. sqrb variables -duminy que representan-fechas de anuncios, o, híéni' i'i¿Wefosírn(lttud.^4n:todo¿. ellos Je'rechazalatpresen^
información de las volatilidades implícitas - Residuales. - '" ^

Qtp^^,§sí^dips demqe^r^n qué la calidad'J(i& to| prpdp&lÍMsí'mei&lá

sipfífcaffyameníe,. sttos- modélos .GARCH Sé^esíiirian'después de- transforrtrañdáfe ..•^ GARCH (1 1) 1 30719
..daíQs^dondaaf objetivo de la transformación es separar, ¡os-componentes puraméni^'^ fe -* AGAROH í'í;; " ^ 1-332fe ^^^i^fe^
erráticos deaquelfps que reflejan Ta dmám/ca detqrocesaestocááfico-^o -Vf
'¥ÑP&ÍF]Fm^AVKf7:i €—:A-7e$miMF^^
^ ¿ I EGARGH 1 348 54 /fe-'
•J T-./V. '
6 4,4 2 Elección del modelo GARCH
í)^náliien ¡endgentjpS ddAfosiniiiiW^ef mbdeío dV<íom^o$ote¿^|í^ayó^^^
Fqm^vaiudjau&jipadeurjpdpío ííARCti6g.#oaq.a[:|d¿ado dég^pf p u ' r í f ^ ^
Ylsíaesladl^-sec^iSidemnvanoscritenos.^^^%1 Xy^^ ^ "^^^
13;

p-iScriíertomkQrMtoñTie'AísatííeírM

fefe¥Ttepf|»'?í-fe^^^^^^
i«?3feií ^j'^m fa ffécuerlejá l e í q ^ [ G o t t f H s 1 ^ g ! a M a c u 1 n W t y o s í e & a^
fe, ^ rndependéAcÍAsemtdeiqqte^iduaiesíeojc^ A '^ . .

6.4.5 Promedios móviles ponderados exponencialmenté

' t A

déndé %éJ^resiQR enfíefecofcñéíésjmde ej ec^fidiente fe^c^reldcérfe # ocdeif" Un caso particular de los modelos GARCH es el modelo de promedios móviles ponderados
jtt^m c ü ^ í $ 3 de íqs rendimientos El estac[t|ítca0se dfsfobqye comoyhpqadfatfe exponencialmenté (PMPE). La formula del promedio moví! que se utiliza para estimar ía
^ Qpn m\d Doffde aceptar 14 hTgótesienufajlgntftclabepía}^ vüíatlíidad a partir deí PMPE se calcula de la forma siguiente:
pr^encia de eüíoqarfáa^n erbios resfduaies*^^ " ^^ 4""
:*:||4 te,+XX,_, + X'J^.3 + . . . + X - ' X , . „

i v^etjfoóoiteteGion e/rtos resldqafas.-se e c í n á t o iln G r t o | d l c i q ^ ^ e es

^ -vaior def f^aritmo ú^yémlipiMté-B modeto a.ele^ir es ^uli q ú d ^ m j z a fl* I donde: X es una constante que determina el grado de suavidad de ia sene. Cuanto
i -stguienfe función, dejííe-SoWÍost? cugnío<i^jí 4^"- ^ ^ 7 mayor es X mayor ponderación tienen las observaciones recientes^!
y
Cuando el orden del promedio móvil tiende a Infinito, (1 + X + X- +... + X"-') es equivalente
a 1/ (1- X), de tal manera que el PMPE puede reescribirse como:
19 Mauroeldls, Robinson y Taulll (1999).
21 El valor de \e de qué tan rápido cambia la media muestra! a través del tiempo, si cambia muy
20 Capobianco (1999).
rápido el valor de X. debe ser pequeño.
 222 I Vaior en Riesgo y otras Aproximaciones -
Volatilidad 223

Una vez que se calcula el valor óptimo de X, es posible determinar el número de datos
que se requieren para estimar el valor Inicial de la volatilidad en la ecuación 6.18. Para
' . , ^' %mif i'^tn fe ello se utiliza la siguiente fórmula:
píípétevatfáh^Vcieí error áe prqnósftQo es igual a y _ In (nivel de tolerancia)

4"; 'J:.'FZ7p'¡..'X' J'Xk'AVAJFA/Z'., . V.,.] /'^ . " W]

/l+Ví'^-fewí T'*i/í -fef-"-fe-fe
/ - ^ E i , . '
Por ejemplo, cuando X =0.94 y e! nivel de tolerancia es de 0,01, el valor óptimo es de 74
^T f a á detetminafaJ Valqj-opSmp del, saTftifiirqizae| efrorcuadrado medio def^roQ
observaciones. Cuando X = 0.99 se requieren 458 observaciones^es decir, un poco más
> 2eíiranó|tfqoRMEeJ)ilÍ figfldi ^ ^^^^ pronostico le correspcoda qnM"'
de dos años de observaciones diarias, que en el caso deí mercado mexicano en ocasiones
son difíciles de obtener. Para estimar el vaior en riesgo con un horizonte de un día J.P.
ft*i¥V Morgan utiliza una X = 0.94.
.O , fe •
. -•
. X-^J
Gráfica 6.12
feJiÍQ.úbslanfej,a,djfBrenc!a da fos modelps'^ARCK en-fes quejatojnimízaciói^s^ DETERMINACION DEL NUMERO OPTIMO DE OBSERVACIONES
¿ i f e "íOfhlj^áyor^afor^ilsoluto de ^ 4 mínitacioaoon ta ec|acídn-^qníer|B
f " fe2ede^lf|2^fesíi iEpp?rtaFer v a k ^ e , %ms1iif(qa)qu|jaestbqc|^

En la Gráfica 6.11 se comparan las estimaciones de la volatilidad suponiendo un factor de

decaimiento (X) de 0.94 y de 0.98. Dadas las diferencias, es evidente la necesidad de
utilizar un factor adecuado en ias estimaciones del valor enTÍesgo.

Gráfica 6,11
^," SENSIBILIDAD DE LA VOLATILIDAD AL FACTOR DE DECAIMIENTO

¿Cuál es ía lógica detrás de la ecuación 6.19?. Recuérdese que para obtener ía ecuación
6.17 se supone que el niímero de datos tiende a Infinito. Sin embargo, eso además de ser
imprácílco implica considerar información que no es relevante desde el punto de vista
estadístico. Para ejemplificar este argumento suponga que X = 0.9, y que el nivel de
confianza es de 99.0%, lo que significa que el nivel de tolerancia es 1 - 0.99 = 0.01. Por
tanto, todos ios valores que sean inferiores al nivel de .tolerancia no tendrán ningún valor
estadístico. Por ejemplo, cuando (X = 0.9) sólo serán suficientes 44 datos.
 226 I Valor en Riesgo y otras Aproximaciones Volatilidad 227
iT'i

diferentes esquemas de ponderación y calibrarlos para capturar las características del lípo de cambio en la fecha "t" se estima como el logaritmo natural del
de cada uno de los mercados, el modeio es: tipo de cambio de "t" entre el tipo de cambio de "í -1".
7;
0^ = Volatilidad en ía fecha "t" estimada con alguno de los modeios de volatilidad
á ; = X ' é l + { l - X ' - y u (6.20) descritos.
a,^ = Volatilidad estimada correspondiente a la última fecha disponible.
Donde P es un número positivo. \7-
'ái: Si la última información disponible corresponde al 31 de mayo dei 2000, y en esa
• Modelo de caminata Este modelo se fundamenta en ia teoría de los
aleatoria.
% fecha el tipo de cambio es 9.51 p/d y la voíatliidad estimada, por ejemplo con el
mercados eficientes, es decir, el pronóstico de la volatilidad para mañana es igual a modelo de PMPE, es de 0.10%; con el modeio de simulación histórica (MSH) la
'EL,
su valor actual: generación de los escenarios se realizaría a partir del último dato cohooldo del
'V
tipo de cambio y los rendimientos observados entre el 11 y eí 31 del mayo del
rfX=4; (6.21) •
2000.^^ Los escenarios estimados del tipo de cambio (MSH) se muestran en eí
• Modelos de redes Técnicas no paramétricas que se basan en la
neuronaies. Cuadro 6,3. • •
estimación de regresiones no lineales, en las que no hay supuestos específicos
sobre las características de la regresión.^^ Cuadro 6.3 ,.
w MODELO DE SIMULACION HISTORICA AJUSTADA
« Modeios de volatilidad Son modelos similares a los GARCH, sólo que
estocásticá.
117
en la ecuación con ¡a que se estima la volatilidad se incluye un término aleatorio
adicional. La especificación del modelo es:^"

( r ) = a „ + a , £ f e + . . . + c í / f e + /3,o-fe+... + i 3 ^ í T ; ^ + a J (6.22)

Donde /¿es un término aleatorio.

f
• Modelos híbridos.Estos no son propiamente métodos que se utilicen para estimar
la volatilidad; sin embargo, la consideran. Su objetivo es corregir las limitaciones de •
los modelos de simulación histórica y considerar ías ventajas y la información
contenida en las estimaciones de la volatilidad. Hay dos aproximaciones de este
tipo de modelos, ías cuales consisten en:
'4..'
• Tomar en cuenta los cambios en la volatilidad que se observan durante e! periodo t •
cubierto por los datos históricos, es decir, ¡os factores de riesgo se escalan por su
volatilidad, de tai manera que la transformación de la serie de los factores sea
estacionaria, y se pueda realizar un mejor pronóstico. La transformación que se
propone es:^' 31-May-OO 9.510 -0.095 0.100 9.501 -0.095 9.501

.1/ ln(rCit}ITC{t-1)*m'={\n(9.595/9.5SO}'m = 0.m

KrA^j
Donde: R* = Rendimiento deí factor deriesgoajustado.
R = Rendimiento del factor de riesgo no ajustado, es decir, eí rendimiento
29 Hutchinson. Lo y PoggioJ1994).
30 Danieisson (1994).^á.tslBa7eTg;ci^esa
31 Hull y White (1998)7"
(6.23) 21 Pronósfico con el Modelo de Simulación Histórica (MSH) 9.482 = 9.5V exp{.0.292/100) •
donde 9.51 es el último tipo de cambio conocido _
3/ Rendimiento en t * Ultima volatilidad conocida I Volatilidad en t -0.121 = -0.292'0.100/0.242
•41 Pronóstico ajustado =Tipo de cambio actual (9.51} * Exponencial del rendimiento ajustado-
• (-0.121) =9.499
• Por contra, si los rendimientos se ajustan con el modelo que Huí! y White proponen,
' los detalles de los cálculos se presentan en eí cuadro, destaca como los escenarios
32 Fórmula 4.2.
230 Valor en Riesgo y oirás Aproximaciones

Gráfica 6.15.2
MODELO DE VOLATILIDAD HISTORICA.
PROMEDIO MOVIL DE ORDEN 60

Gráfica 6.15.3
MODELO ARMA

•i
1
 234 j Valor en Riesgo y oirás Aproxmiaaones Voiatiiidad 235

Destacan los siguientes resultados.

• Los modelos de volatilidad histórica de orden 60 y el modelo de PMPE muestran el" iill
mayor nivel de confianza, incluso mayor que el de los modelos GARCH. Sin embargo
también observan eí mayor error en la estimación, lo que significa que estimar eí VaR
con estos modelos puede traducirse en costos de subutilización de capital excesivos.

• Los modeios GARCH registraron la suma de residuales más reducida, Este resultado
es consistente con la mayoría de los estudios que se presentan en la literatura
sobre el tema.^!^

• Estimar el valor en riesgo con base en ios modelos GARCH podría significar una mejor •MJ.
utilización deí capital, en réiación con ios otros modelos. Si se consideran los dos
•£u¡r;
criterios, ef modelo GARCH (1,1) es el más satisfactorio, aunque desafortunadamente
estos modelos son poco utilizados por las instituciones financieras mexicanas.
'¡'.'te
• Como la volatilidad ha sido estable durante el periodo de estimación, el modelo de
volatilidad histórica de orden 20 también muestra resultados estadísticos satisfactorios.
No obstante, como se ha destacado, en periodos de volatilidad excesiva el_ modelo
..t'Tí
podría ser Ineficiente. - ' - ,
f
• Cabe mencionar que otros estudios concluyen que los modelos GARCH y los de
regresión son los más satisfactorios, pero no hay evidencias concluyentes.^^ Incluso,
determinar qué modelo es el más confiable, depende de que estadístico se utilice 6.6,VolatíIidad implícita
para evaluar los,modelos. Esto, lo único que índica, es la necesidad de trabajar en
la calibración permanente de ios modelos si el objetivo es obtener estimaciones
Los modelos anteriores utilizan información histórica para estimar la volatilidad. Sin
eficientes de ia volatilidad v del valor en riesao.
embargo, tienen el inconveniente de que los pronósticos de la volatilidad difícilmente
Giros ígisádql'és que se uíifizgnpara evatuai: la^ caracíej;isticas y calidad de í o S pueden incorporar los cambios estructurales o eventos extremos, como por ejemplo: la
múriplosYÍpVahfííPtón*<iñh ^ c¿] ~ A " P caída de la bolsa en 1987, el Incremento en las tasas de interés a principios de 1995 o la
"¡As devaluación de diciembre de 1994 y la del último trimestre de 1995. En esos casos, las
f Med^ítef error del praníS§tíbi7 ' ^ - pérdidas que pudieran observarse podrían ser substancialmeníe superiores ai VaR estimado,
feüíífiSl y poner en riesgo la solvencia de fas instituciones financieras.

jfr ; *«Eg5 Para corregir esos problemas se puede incorporar la información de la volatilidad implícita
en el precio de las opciones.^^ Sí bien esta aproximación es muy utilizada en otros mercados,
en ei caso de México ía poca información disponible corresponde a las volatilidades
"at-the-money forwards" implícita en las operaciones de contado que sobre el tipo de
cambio se realizan en el mercado Interbancario.

M ir',
35 Bollersiev, Chou y Kroner (1992) y Heynen y Kat (1994), entre otros. 38 Cabe destacarque no hay consenso sobre las ventajas de la volatilidad implícita sobre la volatilidad estimada
36 BrailsfofdyFaff(1996). con infomación histórica, principalmente porque se ha demostrado que existen sesgos de medición
37 Hendricks-(í996). importantes. Jorion (1995).

_te.,.'ilti.'--

238 Valor en Riesgo y otras Aproximaciones
6.7 Bibliografía
» Alexander, C„ (1996) "Volatliitv and Correiatíon Forecastino" en "The Handbook of Rjsi^
Management and Analysis" editado porAlexander, C, Editorial Wiley, Cap. 8, pag. 233-260.
» Bharadia. M., Ghristofides., N., y Saikin, R., (1996) "A Quadratic Meíhod for the Calculation
. of Implied Volatility Using Ehe Garman-Kohíhagen Modeí", Financial Anaivsts Journal
marzo-abril, pag. 63-66.
• Bollersiev, T., (1986) "Generaüzed Auíoregressive Gonditional Heterokedastícity", Journ§[
of Econometrics". No. 31, pag. 307-327.
• Bollersiev,-I, Chou, R., y Kroner, K., (1992) "ARCH Modeíling in Finance", Journal of
Econometrics. No. 52, pag, 5-59.
• Boudoukh, J., Richardson, M., y Whiteiaw R.-, (1998) 'The Besí of Both Words", fiisk
Magazine. Vol. 11, No. 5, mayo, pag. 64-67.
» Brailsford, T, y Faff, R., (1996) "An Evaluatlon of Voíatilíty Forecastlng Techniques",
Journal of Banking & Finance, No. 20, pag. 419-438.
• Brenner, M., y Subrahmanyam, M., (1988)" A Simple Formula To Compule the Implied
Volatiiity", Financial Anaivsts Journal. 44, septiembre-octubre, pag. 80-83.
• Capobianco, E., (1999) "Statístical Analysis of Financial Volatiiity by Wavelet Shrinkage",
enrico@e(vínd.lmm.dtu.dk.
• Danieisson, J., (1994) "Stochastic Volatiiity in Assets Prices Estlmation with SImulated
Máximum LIkelihood", Journal of Econometrics. septiembre, pag. 375-400.
• Doan, T., (1996) "Regression Anaivsis Time Series". Estima.'
• Duffie, D, y Pam, J-, (1997) "An overview&Ú''q=lue at-Rlsk"ÉQpournal of Derlvatives. Vol. 4,
No. 3, Spring, pag. 7-49.
» Dunis, Ch., (1996) "Forecastino Financial Markets: Exchange Bates. Iníerests Rates
and Assets Management". Wiley, Parte
• Engle, R., (1982) "Autorregressive Gonditional Heteroskesdaticity with Estimates ofyxhe
Variance of United Kíngdom Infíatlon", Econometríca, Vol. 50, No. 4, julio, pag. 987-1007.
• Éngle, R., LÜien, H., y Robins, R., (1987)" Estimating Time Varying Risk Premia in the
Term Strucíure; The Arch-M Modei", Econometríca. 55, pag. 391-407.
• Engie R., y Mezrich, J . , (1995) "Grappiing with Groups", Rísk Magazine, Vol. 8, No. 9,
septiembre, pag. 112-117.
» FigTewiski, S., (1994) "Forecasting Volatiiity Using Historicaí Data", New York University.
Working Papers. S04-13.
» Hendricks, D., (1996) Evaluatlon of Valué ai Risk Modeis Using Histórica! Data", FRBNY
Economic Policy Review. abril, pag. 39-69.
Volatilidad 239
• Heynen, R., y Kat, H., (1994) "Volatiiity Prediction: AComparison of the Stochastic Volatiiity,
Garch (1,1) and EGARGH Modeis", The Journal of Derívatives. Winter, pag. 50-65,
• Hull, J-, (1993)" Options. Futures. and Other Derivative Securities". Prentice Hall,"
Segunda edición. . .
• Hull, J., y White, A., (1998) "Incorporating Volatiiity Updating into the Historicaí Simulation
Method for Value-at-Risk", The Journal of Risk. Vol. 1, No.1. otoño, pag.5-19.
» Hutchinson, J., Lo. A., y Poggio, T., (1994) "A Nonparametric Approach to Pricing and
Hedging Derivative Securities-Vía Learning Networks", Journal of Finance. Vol; XUX,
No. 3, pag. 851-889. .
• Jorion, P., (1.995) "Predicting Volatiiity in the Foreign Exchange Market"; Journal of
Finance. VoÍ, L..No.2, junio,' pag. 507-528. •- '
• J . P. Morgan (1996) "RiskMetrics. Technical Docümentatlon''i J . P. Morgan.
• Kroener, K., ,(1996)."CreatÍrig.and Using Volatiiity Forecasís", Derivatives QuarterIy.
Winter, pag. 39-53.
• Lawrence, C, y Robinson, G., .(1995) "How Safe is RiskMetrics", Risk-Magazine, VoL 8,
No. 1, enero, pag. 26-29. -. ' - • --• _
• 1 ilion, D., et. al.- (1996) "Econometríc Views"."Micro Software. - ;
• Lumsdaine, R., (1995) "Finite-Sample Properties of the Máximum Likellhood Estimator
in Garch (1,1) and IGARCH (1,1) Modeis: A Monte Cario Investigation", Journal of Business
& Economic Statistícs. Vol. 13, No. 1, enero, pag. 1-10.
• Mauroeidis, S., Robinson, G., y Tauill, S., (1999) "No News Is Bad News", Risk Magazine..
Vol. 12, No. 4. \ ' :./ r fe
• Nelson, D., (1991) "Gonditional Heteroskedatlclíy in Asset Returns: A New'Approach'V
Econometríca. Vol. 59, No. 2, marzo, pag. 347-370.
» Varikooty, A., Liu, J., y Huang H., (1999) "Predictive Ability of Different Volatiiity Forecasting
Techniques", en "Internal Modeiling S Cad II. QualIfylnQ and Quantifving Risk withln.a-.
Financial institution". Risk Books, Cap. 4 pag. 55-78. "
• Wu, Y, y Zhang, H., (1996) "Mean Reversión in interest Rates: New Evidehcé from
Panel oí OECD Countries"." Journal of Money. Credit and Banking. Vol.-28, No, 4,^
noviembre, parte 1, pag. 604-621. " • "-r,.
242 Valor en Riesgo y oirás Aproximaciones Correlaciones 243

^,r/.--..;-At-..-,. •:í,,n.-:i.,fi,\.r-te-jteTJ¿:2rrTte.^ i
7. i Advertencias;
í.tB^nesurüegradas:e5í^nTioinfagradas-eKÍa.aun3a-^^^
qqe Se leK-dpbqgtia ^^úé de poifilggracion, es est^íjióíiüJa'^íJqp/en^f^F sí c(q^ ^
Las conclusiones de los modelos de' portafolio, como el CAPM, y Iós resultados deí
::se!^s eslah" cQinídgradá&-se.ntílíza4atome&adq D ¡ t % ^
Capítulo 4 que indican que el VaR de un portafolio es menor a la suma de los valores en
•rameba de cointegracionde 3 omasVáriables la desarfolló'fianáerty^^
riesgo de dos-Instrumentos, cuando sus rendimientos no están perfectamente
* tirui^ •^í/F.S\.
correlacionados, muestran la Importancia de estimar la matriz de correlaciones de manera
• Los rendimientos de los activos deben ser normales multivariados. No es
correcta. No obstante, eso contrasta con el poco cuidado que ías instituciones financieras
suficiente que cada uno de los rendimientos, por separado, sean normales y
íe ponen cuando ias realizan, especialmente por el desconocimiento de sus característi-
estacionarios. Si no se cumplen estas condiciones, losriesgosson:
cas estadísticas. A continuación se destacan algunas precisiones:
» La información contenida en ias correlaciones sea simplemente ruido y no refleje
• La correlación es una medida estadística que indica ía relación de dependencia la dinámica verdadera del rendimiento de los activos.* Por ejemplo, en la Gráfica
entre dos variables; sin embargo: 7.1 se estima ia correlación entre eí rendimiento de dos variables aleatorias
Independientes. Sin embargo, aunque la evolución es similar a la que observan
• Esta reíadón o dependencia no implica causalidad, es decir, la correlación es un diferentes rendimientos, esta correlación representa sólo ruldo.^
indicador, no un modeío.
Gráfica 7.1
• La relación o dependencia que se calcula con los modelos estándar (ecuación 2.12)
CORRELACION DE DOS VARIABLES ALEATORIAS ^
es lineal, por lo que no puede capturar las relaciones de dependencia no lineales
que se observan en los mercados. ' -

• Las correlaciones (y las covarianzas] deben analizarse en un contexto de portafolio,

es decir, el rendimiento de un activo está correlacionado, si se mueve con respecto
del rendimiento de otro activo aue"sostendría un Inversionista tÍDico.^

• Lá GptféfecíQri OS EjViajnedida lineal de depéndenóía quano pqedé decif nada 1

tos rentoentos •.••j;'.-.-¡ . •[•.•—• -A-yrr'/^'." Kf~A'^/77-c7yí-y:7A7XC,P

• La correlaaon entre dos variables teóricamente fluctúa entre -1 y +1 y cuando ia

correlación es cero, implica independencia. No obstante lo aníerior es cierto, sólo si:

• Los rencffimieníos de los activos son Individua! y conjuntamente estacionarios, es de-

cir, que fas correíaoiones no brincan en ei tiempo.^ • Que las correlaciones no existan.^ Cuando las variables no son conjuntamente
estacionarias, aunque individualmente lo sean, como por ejemplo las siguientes:
r,u:MaíJro¿®-|ürrqa^|[f£sT^^
x,-1/(0,1) XX ln(x)
;¿^'fe¿ert¿r! a É ipdSjíqp iifiísáátí íaa-pmefe|stadisnGa$ *tíe ^IntégraoiÓií "se dice 1
y,-N(0,2)yxln(y)

[ proGespeáto^síící'á 4 Cuando el horizonte es pequeño (número de datos) comparado • con e! número de variables que Integran
la matriz de correlación, hay una alfa probabilidad de que esa maíriz sea aleatoria, es decir, que refleje
-f es ¿o esíaatonarior®Fí>^ déspüé? de ía & m ñ íüferenciaes-estacidnano pbs únicamente ruido.
5 Laluox (1999) demuestra que el método de las matrices aleatorias se puede utilizar para distinguir entre
señales y ruido en las matrices de correlación. Zerolis (1995) destaca que la correlación entre dos variables
2 KemySherician(1998). aleatorias e independientes tiende a 0.20.
3 Alexander (1996) muestra que la estacionariedad conjunta es la excepción más que la regla. 6 El cálculo de estas estimaciones "inexistentes" es una de las causas de la Inestabilidad de la matriz de
246 Valor en Riesgo y otras Aproximaciones Correlaciones 247

/=r-i

^ La-difjguiíad de determinar el numero de datos cOFrqCfoeaíriba ep gue^

Pr - (7.2) ^ A' f
Í S^ m^ ^E i 4r V
Í 'P ^^f e
\ f -- ' ^ y •* f fe,,Fy^ ^^ ^Mm
=r-i /=r-j
fará^ejorar kqaiidae astadfstioa de íps gsífínacrones se débe m
1 7 1 ' Jí. i ^T4tí J-/' 7^-^ < " E - T ^ fe:
Vi=r-n '=r-/i ^ numero de datos pero, i v t^
i •• 1 ,-1- j 1 •* V
X lé Como ia jnfíjrraacfoh cambia en ei Lempo aumentar et numero de.obsodrac ones-
^ ¿ m o ñeceiarlameqte mejorará la estimación inc|usg1a puqda,emp|qmr m ^ h á A
A continuación se muestra ia estimación de la correlación, donde el orden deí promedk
WP^^^^Í^^A^^ATM^VI
^^^^^/[MFypBMgx^/sPxF^íh^^ <7/'^7um^íp]Fíp^7kism
^10A:Eí0É^§IMkA^0m
móvil es de 10 y-20 días, se observa que ía correiación de menor orden fluctúa más qu( %a%ítofíM et pámefaJptitoóHia^daí03^éuílívari-(l«'^4gi|
la de orden mayor. louienlé eXüFfiáíoh _ j „ ^.^ ^ ^^-t
i Í \ . - , - -^.rxMmíFE^m)^ 173) ^ ^ fe
Gráfica 7.2 •'•'.•.í..-j¿,Ti,,T,

CORRELACION CETES 28-91 DIAS L--T

Promedio móviles con ponderaciones fijas y ^ A - \ A ^ ^

^/^ife\"s^
"•^•^ 7 i + » 7 x v fe^''
^ 1 ^ 7 ^ * % r ^ ^ A > fefe
fefe%
ji 5v j-,iAa*^>'" i f e f e / « t ^ Í «

7.2.3 Promedios móviles ponderados exponencialmenté

La estimación se realiza mediante ías siguientes fases:!"

1. Se estima ía covarianza de tos rendimientos, a partir de la siguiente fórmula:

7 , y C ^ - X ) R , R , . - , n a J , _ , (7.5)

donde: afe,= Covarianza de los rendimientos " V y "R^'-

Este modelo tiene los siguientes inconvenientes: X = Factor de decaimiento.

• El peso que recibe la información reciente es el mismo que eí que se da a los 2. El valor inicia! de o f e se caicula como la covarianza no condicional (paramétrica)
datos pasados. de orden k, donde k se determina de la misma manera que se cuantificó e! vaior
inicial de ía volatilidad."
• El pronóstico de la correlación para un periodo adelante es igual al valor actual de la
correlación, es decir, no retoma al nivel de equilibrio de largo plazo, lo que impide 3. Con base en ia covarianza y las volatilidades estimadas se calcula la correlación:
construir una curva de correlación intertemporai. o A
1/2
afecr\ (7.6)
• La estimación es sensible al orden del promedio móvil. SI el orden es pequeño, ía
correlación captará rápidamente los cambios en el mercado; por contra, si el orden donde: V = Volatilidad del rendimiento del activo "i-ésimo".
es elevado ía correlación seguirá reflejando ía presencia de un "shock" a pesar de
que haya ocurrido hace mucho tiempo. 10 J.P, Morgan (1996).
11 Capiyoe,
 250 1 Valor en Riesgo y otras Aproximacitiiitís Correlaciones 251

tiecír;.sadQtefmina:üna maíriz para cada punto en el tiempo-Guando hay tres, i/iaí^

Iryiíiepfos es pecesano medir 18 parámetros de tal manera que ei humero M
•íparam'étrifSriGr.eeá'-BXponenciaimente-Gonforme au(r¡enfa-.--6hnumero.;de.-activQs-|
-financieros. Aste resultado dificulta la condición de que la matriz fenga que ser^í
definida.positiva.- , - ,- -c/ik

PakcafcuiaFlaS-correlaciones mediante los modelos Garch. hay vanos modelos-que5

•pretgnderí:-resQlver>EGS problemas-estadísticos de la Bstietaciort. Losprincfpaíesisog.
7M Tm

:7:2i4iZMQúelo escalar GarCh: \

'^L^i^:^^|*if^¿á?íF'AT~'^^'i' *":-'"-•••-'--•, '..-i''iT-'i -
"fe^|.''^ „ •" •>
íka$rfananza§fCovarjaDzas'.'Se::defmerieoraq

1 ' ^'^^^A^x /
^sfejplefq^l^oneaueíqspjameírosay^soni^uar^ei^ ^
x ^ e vefeiiilady cQvaEianzí migníras qtfe ei parámetreSfídaíermiaa^ei compra
rnieñtp^^e iágo piazo déla mafnz deiiovariapza parq pimplifiCaría esíimásióulléá
^ékCítfe'cíecovdrtapzahVydosaliern^va^ i ' ^ ' J "^'fe^nln
7 ^ . á M . ^ - - ^ ^ fe fe- -"íf.v -í.'í* / y

''fi Caldüjña de manera separada a través de un liüSl:a'é)ípknenGiá[.obíenv . . . ^ S

feesífmqcióncadafefmíndde iaecuacióa(71-t) esdecir fe te* ^ ^fe-í-^

fe
^^^^^^^^ feVf fe\i
-/dn^ "^^^j^Matriz de co^var^pza^parafpeíncá o dq íat^o-^^

t- t
rEsta^^|fi^c(oípeF|iíte5eaJe^arlSs ?pfati[ídad¿J1|ÍQQyari3|2aéle
^ ^asem ^
¿Mm^

Jacii'm^íaeteJa estimaoion-deíop dos pgmtnetmsJcfrBpes decir sarsqdilm-'.i

SsoEoüntéstimaciomuniyanacia; Sinembsrgb este modeío tiene cníicias importa
^¿:A V x^ '^''^ +• k í w h''"'V > 4- ~-
^ ftóa7arián^prcbfaFfan2asíi|neRtemtsmad^ alj^íqrteei-mo

+'^fmS7
* Na ^igtdS'-i^ tofJshookslpprmanentef|etQe¿|i^^g^

• NoÉayVetroaiimebtactQrLdeiavofaíiiidaddeunaptivo^aroiro v f fe"*
^ 1 t

13 Bollersiev (1990).
12 Supuesto que se conoce como "Varianza objetivo". Engle y Mezrich (1996). 14 Alexander (1998) presente el modelo Garch ortogonal, con caracterísíicas semejantes.
 254 Valor en Riesgo y oirás Aproximaciones

7.3 Bibliografía

• Alexander, C, (1996) "Voiatiliiv and Correlation Forecasting" en The Handbook of Rígt

Management and Analvsís". editado por Alexander, C, Editorial Wiley, Cap. 8,
pag. 233-260.
• Alexander, C, (1998), "Volatiiity and Correlation: Measurement. Modeis and Appilcationg;
en "Rísk Management and Analysis. Voi. 1. Measuring and ModellínQ Financial Rísk;; Riesgo
editado porAlexander, C, Editoria! Wiley, Cap. 4, pag. 125-172.
• Biyth, a, (1996) "Out of Lina", Rísk Magazine. Voí.9, No. 10, octubre, pag. 82-84.
» Bollersiev, T., Chou, R., y Kroner, K., (1992) "ARCH Modeiling in Fínance", Journal oj
- Econometrics. No. 52, pag. 5-59
• Bollersiev, I , (1990)" Modeiling the Coherence in Short Run Nominal Exchange Rates: - En el enfoquearadicional de la administración de activos y pasivos de
A Multivariate Generalízed Arch Modei", Review of Economics and Statistícs. Vol, 74, "una institución financiera, el riesgo de liquidez se refiere ala posibilidad
.-<--pag- 498-505. de que dicha institución no cuente con los recursos monetarios
• Dickey, D., y Fuller, W., (1979) "Distribution of the Estimates for Autoregressive Time necesarios para cubrir los gastos de operación y/o los retiros de sus
Seríes with a Unlt Root". Journal of the American Statisíical Assoclatíon, Vol. 74, depositantes.! Sin embargo, en el entorno del VaR, el riesgo de liquidez
pag. 427-431, consiste en la subestimación de ías pérdidas máximas esperadas
durante un horizonte determinado y un nivel de confianza definido, como
» Doksum, K., Blyth, S., Bradlow, X., y Meng, Z., (1994) "Correlation Curves at Loca!
consecuencia de que en eí periodo elegido como horizonte de riesgo,
Measures of Variances Expialned by Regression", Journal of the American Statístical
no se puedan reducir o cubrir las posiciones o se tienen que liquidar a
Association", No. 89, pag. 571-582.
. precios inferiores al "promedio de mercado"..
• Engle, R., y Mezrich, J., (1996) "Garch for Groups", Risk Magazine. VoÍ. 9, No. 8, agosto,
pag. 36-40.
• Engle, R., y Kroner, K., (1995) "Multivariate SImuítaneous Generaüzed Arch", Econometríc
Theorv. Cambridge University Press, No. 11, pag, 122-150.
« Embrechís, P., Me Neíi, A., y Straüm'ann, D., (1999) "Gorreíations:PÍtfalls and Alternatives",
ETH Zentrum Zurich, embrechts/mcneil/strauman@math.ethz.ch, marzo.
• Johansen, S., y Juseüus, K., (1990) "The Pulí Information Máximum Likelihoad Procedure
for Inference on Cointegratlon-wlth Applications ío the Demand for Money", Oxford Bulletin
of Economics and Statistícs. Vol. 52, pag. 169-210.
• J., P„ Morgan, (1996) "RiskMetrics. Tecbnical Documentatron". J . P. Morgan.
» Kent, D., y Sheridan, I , (1998) "Characteristics or Covarlances?". The Journal of Portfolio
Management, verano, pag. 24-33.
1 Un ejemplo de ia manifestación del riesgo de iiquidez ocurrió en 1995 cuando, como
• Laíoux, L., et. al., (1999) "Random Matrix Theory", Risk Magazine. Vol. 12, No. 3, marzo, resultado de la devaluación del peso y ia recesión económica, los bancos observaron
' pag. 69-73. importantes retiros de sus clientes, principatmenle en moneda extranjera, mientras
. que gran parte de la cartera crediticia era irrecuperable. Para resolver el problema de
• Zerolis, J., (1995) "Correlatíons", Swiss Bank Corp. liquidez que registró ei sistema financiero en su conjunto, el Banco de México en su
papel de prestatario de última instancia, otorgó a través de! Fondo Bancarlo de
Protección al Ahorro (Fobaproa), créditos a ios bancos. Fabozzi y Konishi (1991).
 258 Valor en Riesgo y otras Aproximaciones Riesgo de Liquidez 259

En ia siguiente sección se destaca la relevancia de estas variables en la estimación del if Gráfica 8.2
VaR de mercado ajustado por liquidez, SENSIBILIDAD DEL DIFERENCIAL DE COMPRAVENTA
- 3 >i-iií. .—¡r»!
A LOS VOLUMENES OPERADOS
8,3 Estimación del VaR ajustado por el riesgo de liquidez

Para mostrar y destacar ia Importancia de cuantificar e! riesgo de liquidez, suponga que

una institución financiera cuenta con una posición en instrumentos de renta fija de baja
bursatilidad. Ei valor de mercado de ía posición es de $100.0 mil y la volatilidad diaria de
1.0%. De acuerdo con ío analizado en el Capítulo 4, si ei horizonte de inversión es de un
día y eí nivel de confianza de 95%, el valor en riesgo de mercado ascendería a $1.65 mil w
($100.0 mil*.01*1.65 M).2 m
Í7i
K a ¿ í = K * cp*a (8.1)

• Con base en esta estimación, la dirección debería suponer que si ordena que la posición
Mi
se liquide al día siguiente, ia pérdida máxima, con un 95% de confianza, no debería
rebasar los $1.65 mil, ¿Este supuesto es-correcto?. Probabiemeníe no ya que, como
se mencionó, los supuestos que se utilizan para estimar el VaR no siempre son los
apropiados. Concretamente:

t El horizonte de Inversión se elige arbitrariamente. Generalmente, la mayoría de los
intermediarlos financieros consideran que eí horizonte de riesgo es de un día, sin
evaluar las características de los mercados y los problemas potenciales de falta''
de iiquidez.
« Cuando se realiza ia liquidación de ías posiciones se supone que los precios y los -
difere^^]ato^ de cornpraventase_|ianiíe^
I^^^^^^^^^B^Rte ''e^jarqo/^^ eslonsisteÍiíe con ¿s^^
mercado, donde se observa que la curva de demanda es convexa, es decir, cuando i
».Adicionalmente, en la estimación íradiciona! de! VaR'no sóio se supone que ia curva
•• de demanda es perfectamente horizontal-(elástica), sino.támbién que ías posiciones "
- . de riesgo pueden liquidarse a los mejores precios de mercado. Por esa razón,' ¡a
curva de demanda elástica es tangente al punto más bajó de ía curva de demanda
ajustada por los'montos negociados.
¿Cómo incorporar ios costos de liquidación en la estimación del VaR de mercado?.-Hay
varias alternativas, las que se basan en la estimación del diferencial de compraventa y las
' que se concentran en el horizonte de inversión.
H'C-

ios montos negociados son inferiores afíamaño de los lotes estándar, el "spread" de 8.3.1 Riesgo de liquidez y el "spread" "
compraventa es mayor que el "spread" de mercado. Asimismo, cuando el volumen
negociado es muy aito, los excesos de oferta o de demanda de títulos incrementan 8.3.1.1 Ajuste de la volatilidad :
los "spreads".
te
El valor de ¡a volatilidad se ajusta por e! grado de liquidez mecliante un factor que puede
ser aditivo o muíílplicativo, es decir:

G«í = a, (*/+)// (8.-2)-

donde; a „; = Volatilidad de los rendimientos de instrumentos no líquidos.

(31 = Volatilidad de ios rendimientos de instrumentos líquidos.
2 Véase la Ecuación 4.S.
¡ I //= Factor de liquidez. " '
 262 j Valor en Riesgo y otras Aproximaciones Riesgo de Liquidez 263

8.3.1 Riesgo de liquidez y el horizonte de inversión Gráfica 8.5

COSTO TOTAL DE LIQUIDACION
8.3.2.1 Enfoque de Basilea

Con ei propósito de incorporar los costos de. liquidación en-ia estimación dei riesgo de
mercado, el Comité de Basilea requiere que en los cálculos del VaR se considere un
horizonte de Inversión de 10 días de "trading" (dos semanas). No ebstante:

* Este horizonte es arbitrarlo. v

» Supone que las condiciones de liquidez de los diferentes mercados son homogéneas.

• Para los Instrumentos que en México están muy expuestos al riesgo de liquidez, el
horizonte definido por Basilea parece reducido. '

8.3.2.2 Elección óptima del horizonte de inversión \ z-^- •;. '=^rx

Zk.míK^ fe ' ,^fe^°Eizonieffa4nVfe^.^^4g^X^

Para determinar e! horizonte de liquidación óptima se debe considerar que una institución i
financiera se enfrenta a dos costos:*
Para determinar el horizonte de inversión óptimo es necesario encontrar en que punto el
» Costos de transacción.Se refieren a las pérdidas en que se puede incurrir al tratar
costo toíai (transacción y de capital) es mínimo. Los costos de transacción dependen de
de liquidar la posición de riesgo, ya sea porque se influye en los diferenciales de
los diferenciales de compraventa," del horizonte de inversión y del monto promedio de
compraventa, como resultado de que el volumen negociado es mayor al tamaño
títulos negociados en cada mercado, es decir:
promedio de los lotes, o porque los instrumentos que se desean liquidar, a los precios
vigentes, no tienen mercado. CT=CT(TPM.S,h) (8.5)

» Costo Este costo hace referencia a los requerimientos y uso de capital

de capital. donde: CT = Costo de transacción,
que se deriva de mantener la posición vigente, es decir, es equivalente al VaR. TPM = Tamaño promedio de títulos negociados en cada mercado.
S - Diferencial de compraventa.
/; = Horizonte de liquidación.

La reiación teórica entre los costos de transacción y ías variables que los explican es la
siguiente:

• Mayores montos negociados incrementan los costos de transacción, y dicho incremento

aumenta a tasas progresivas.

• Los costos de transacción mantienen una reiación directa con el tamaño de

los "spreads".

• Por contra, los costos de transacción disminuyen conforme mayor es el periodo

4 En Ssíe capitulo se considera el modelo propuesto por Baumol (1952). Lawrence y Robinson (1995) incluyen
un costo adicional que se refiere al costo de cobertura de la posición mientras ésta se liquida. En el caso de
disponible para liquidar las posiciones de riesgo, ya que la presión sobre los "spreads"
México existen pocos instrumentos líquidos de cobertura. Los resultados de ambas propuestas sonsimilares, es menor.
aunque la estimación de! modeio de Lawrence y Robinson es más compieja.
266 I Valor en Riesgo y otras Aproximaciones

8.5 Bibliografía

• Bangia, A., Dieboid, R, Schuermann, T-, y Stroughair, J., (1999) "Modeiling Liquidiíy
Risk with Implicatíons for Traditiona! Market Risk Measurement and Managemenr
Financial Institutions Center, The Wharíon School, University of Pennsyívania, No. 99-06
• Baumol, W., (1952) "The Transactions Demand for Cash: An inventory Theoretic
Approach, Quarterlv Journal of Economics, VoL 66, noviembre, pag. 545-556. Riesgo
• Dunbar, N., (1998) "Merlwether's Meítdown". Rísk Magazine, VoL 11. No. 10, pag. 32-36
• Fabozzi, F., y Konishi, A., (1991). "Asset and Liabílítv Management" Edif. Probus de Crédito
Publishing Company. Chicago Illinois.
• Krakovsky, A.. (1999) "Gap Risk in Credit Trading", Risk Magazine. VoL 12, No. 3.
pag. 65-67. •
El objetivo de este capítulo es describir y analizar los principales
'« Lawrence, C, y Robinson, G., (1995) "Liquíd Measures". Rísk Magazine. Vol. 8, No,7. modelos para estimar el riesgo de crédito de un portafolio, que puede
• julio, pag. 52-55. incluir préstamos, Instrumentos financieros y productos derivados.
» Miíler, M., y Orr, D., (1966)" A Modei for Demand of Money by Firms". Quarterlv Journal Para estimar el riesgo de crédito, el cual sé presenta cuando ía contraparte
of Economics. Vol. 80, agosto, pag. 413-435. es Incapaz o no desea cumplir con sus obligaciones contractuaiés, o
cuando el valor de'mercado de ías obligaciones de la contraparte se
• Sornette, D., (1999) "Criticai Crashes", Risk Magazine. VoL 12, No. 1, pag. 91-95.
incremente, es necesario utilizar medidas que no siempre se pueden
precisar con claridad.

En este capítulo se revisan las características de los principales

elementos que se requieren para estimar el riesgo de crédito y se
describen las soluciones que diferentes aproximaciones metodológicas
han desarrollado para medirlo.
 270 I Valor en Riesgo y otras Aproximaciones Riesgo de Crédito 271

determinar la política de reservas preventivas contra riesgos crediticios^ sin embargo, horizonte de inversión. Donde ¡a probabilidad de incumpiimleñto es y L es la fracción
debe destacarse que las PE y el monto de ías reservas preventivas no son iguales, ya del valor dé los activos que no se recuperará en eí evento de incumplimiento, término que
que las primeras toman en cuenta las pérdidas futuras y no sólo las correspondientes al- también sa conoce como severidad de las pérdidas.
periodo contable. Oíros interpretan las PE como ía tasa de pérdidas promedio de.Iargo
plazo, en el que se observan diferentes escenarios económicos. Con base en esos supuestos, la evolución del valor de los activos con riesgo crediticio sé
:'7íYy 'le muestra en el Esquema 9.1. . .
Debe ser evidente que ías PE no representan unriesgocrediticio, ya que en la medida
que se constituyan las reservas preventivas correspondientes, estas pérdidas no deberían - ^1 Esquema 9.1
sorprender a ios acreedores y, por ende, nunca deberían poner en duda la solvencia de
las instituciones financieras.' No obstante, como se muestra más adelante los sistemas de
calificación que se utilizan para calcularlas son elementos fundamentales en la estimación
del riesgo de crédito de diferentes modelos.^ - ' •- • •

Por su parte, las PNE son equivalentes a la desviación estándar de ¡os cambios en el •/''it-f
-valor de los activos con riesgo crediticio durante eí horizonte de inversión o, en otras " jt
¿palabras, las PNE corresponden a la volatilidad de las pérdidas potencíales alrededor del
valor esperado. Esto significa que ei procedimiento para estimar las PNE es parecido al •
del Vaior en Riesgo, aunque debe quedar claro que los conceptos son diferentes, ya que ; mZ
• rnientras las PNE son equivalentes a una desviación estándar de las pérdidas, el valor en
riesgo de crédito equivale a las pérdidas potenciales que podrían observarse con un nivel
de confianza elegido durante un horizonte de Inversión predeterminado.

En virtud de que económicamente no es conveniente constituir reservas preventivas contra Es decir, el valor de los activos que eí acreedor puede recuperar al final del horizonte de
riesgos crediticios ilimitados, para garantizar !a solvencia de las instituciones sería Inversión, será igual a en el caso de cumpümlento y a (V^ - V^ * ,L) si ia contraparte
necesario contar con ei capital económico,, adicional al de las reservas preventivas,
equivalente a la diferencia entre el VaR crediticio y las PE.^

9.2.1 Pérdidas esperadas y pérdidas no esperadas PE-=VyVp (9.1)

4
En lo que se refiere a las PNE, como se comentó, son equivalentes a la volatilidad de ias
Para determinar la fórmula que se requiere para estimar las PE, suponga que hay dos pérdidas potencíales alrededor de las PE, como se ilustra en la Gráfica 9.2.
fechas, ía actual (Tq) y la que corresponde al final del horizonte de inversión ( T J . Hay dos
posibilidades, que la contraparte cumpla con sus obíígaciones, o que incumpla durante el

6 Cabe mencionar que este es un tema muchas veces ignorado por las áreas de crédito de los bancos,
quienes, cuando otorgan un crédito siempre creen que la cartera vencida será cero. La experiencia indica
que siempre hay créditos incobrables, por tanto, desde el momento de otorgar un crédito se debería
coníempiar la necesidad de constituir reservas, equivalentes a la media de la distribución, e incorporarlas
en ia política de "pricing" de los créditos.
7 La CWBV(2000) modificó la metodología para estimar ios requerimientos de reservas preventivas; sin
embargo, el modelo regulatorio tiene Íímitaciones importantes.
8 AItman y Saunders (1998) revisan los principaies indicadores de riesgo de crédito desarrollados en los
últimos años, entre ellos ios modelos de calificación de cartera. Véase también Gutiérrez y Márquez (2000).
9 Debe recordarse que el VaR de crédito corresponde a un múltiplo de las PNE (desviación estándar de las
pérdidas) o bien, corresponden a un percentil definido de la DPP&GC, 10 Ecuación que resulta de la siguiente expresión; PE=v,¡-\p' *(ki-K*-'')+fep')''''oJ
 274 Valor en Riesgo y otras Aproximaciones
Es decir:
» Se supone que e! exposure actual de un crédito es igual al valor nominal más los
intereses devengados; práctica que obedece a la dificultad de determinar su valor
de mercado. Otra definición del exposure actual es eí costo de reemplazo del activo
en el caso de Incumplimiento de la contraparte.
a Por contra, el exposure potencial además puede incluir los intereses moraíorlos y
los gastos de cobranza. Asimismo, en muchos créditos, en especial los de plazos
largos como los hipotecarios, en ios que una parte Importante de los intereses se
capitaliza, éstos se incluyen en la definición del exposure potencial.!*
• Para los bonos, io correcto es utilizar el vaior de mercado; sin embargo, cuando !a
estimación es compleja lo más sencillo es considerar eí valor de nominal.
• En lo que se refiere a los derivados, el exposure crediticio actual es positivo sólo
f' cuando están "dentro dei dinero". Cuando está fuera del dinero la contraparte es la
que está expuesta al riesgo de crédito, por tanto el exposure es cero.
• En el caso de! exposure potencial de los derivados se puede suponer que es eí
máximo valor que puede alcanzar, ante diferentes escenarios del precio del subyacente,
a lo largo deí horizonte de Inversión. En la industria se utilizan tres aproximaciones
para calcular la pérdida potencial:
1. Versión del Comiíé de Basilea. El exposure potencial se incremente conforme a
unos factores, cuyos valores están en función de la madurez de los activos y de los
factores de riesgo que influyen en su valor.
2. Exposure potencial esperado. Corresponden al valor esperado máximo del exposure
en algún momento de la madurez del activo.
3. Exposure potencial máximo. Es el valor máximo, dado un nivel de confianza, del
exposure durante ei horizonte de riesgo.!^
« En resumen, el exposure que se debe utilizar en ía estimación del riesgo de crédito
está dado por la siguiente ecuación:
E = Max (^^0, + M ^ o ^ n » O) (9-3)
Donde: A^j-^^ 7. ^ es el incremento del exposure durante el horizonte de riesgo.
14 Desdichadamente, como la capitalización depende de la evolución de variables macroeconómicas, su
estimación es muy compleia, ai igual que el cálculo de los gastos de cobranza.
15 Zangari (1997) muestra un ejemplo sencillo para ¡lustrar la estimación del exposure potencia!.
Riesgo de Crédito 275
• Valor ajustado del exposure (EA). Las pérdidas crediticias pueden ser sustancialmente
inferiores al exposure, o incluso ser nulas, cuando los créditos tienen alguna garantía
liquida o con riesgo cero; por ejemplo, muchos créditos, repollos o derivados tienen
como colateral bonos soberanos como los Cetes. Por tanto, el valor ajustado del
exposure es igual a:
EA=:E-Col (9.4)
Donde: Col = Colateral.
Para estimar el valor ajustado del exposure, tanto el actual como el potencial, de
preferencia las garantías deben valuarse periódicamente a mercado.
» Valor de recuperación (l-L). Una vez que la contraparte incumple, el monto de ías
pérdidas depende de ía capacidad de recuperación, que a su vez es resultado de:
• Las condiciones de los contratos para ejercer las garantías.
• El grado de jerarquía ("señority") de la deuda, es decir, del orden en que el acreedor
se coloca en la coia de recuperación de su dinero.
En el caso mexicano no hay Información sistematizada de la tasa de recuperación
de los créditos y de los bonos, entre otras cosas porque gran parte de ios créditos
quebrantados se renegocian, muchas veces en condiciones adversas, situación
que es resultado de un esquema legal de quiebras deficiente.'^
Información de EUA indica que íaíasa de recuperación del papel comercial casi
siempre es 100%; sin embargo, eí periodo de cobro puede ser largo." Por su
parte, Groosman, Brennan y Vento destacan que la tasa de recuperación de un
mismo emisor fluctúa entre 39% y 82%, con una tasa promedio de 68.1%
dependiendo de las condiciones contractuales y de !a jerarquía de la deuda. Asimismo,
estos autores demuestran que la tasa de recuperación es una variabíe que
depende de las condiciones de la actividad económica, de la estructura de capital
de la empresa y, principalmente, de la fortaleza de los acuerdos contractuales.!^
Así, al incluirse el vaior de recuperación, el exposure ajustado es:
EA = (E-Col)H (9.5)
En conclusión, hay tres definiciones del exposure, que dependen de si se incluye el valor
de las garantías y la tasa de recuperación. Idealmente, la definición de la ecuación 9.5 es la
más apropiada; no obstante, en muchas ocasiones es casi Imposible utilizar esta definición.
16 Estimaciones informales indican que ía tasa de recuperación de gran parte de los créditos que ingresaron
ai Fondo Bancariode Protección al Ahorro Bancarlo (Fobaproa) fluctúa entre 10 y 30%; cinco años después
continúa la recuperación de esta cartera.
17 Keenan y Carty (1998).
18 Groosman, Brennan y Vento (1998).
 278 Valor en Riesgo y otras Aproximaciones Riesgo de Crédito 279

b) Estimar el valor óptimo de los parámetros de ía función de densidad (a y P), es

T-:Ladisfr|uc[onLetres.unafüRgfóad^;prQb8^^^ ^(BÍQS
decir, elegir eí valor de los parámetros que minimice ía suma de las diferencias al
íiberfa^JqueeáíáclefíRitíaeaarifttorvaíoieS Satócrori cíeden ^'^
cuadrado de ias pérdidas obsen/adas y de las pérdidas estimadas de forma analítica.
J f C P . « . ^ > | ^ t | ^ f e f e r ^ y ^ y Por ejemplo, los datos de pérdidas y sus frecuencias se muestran en ei Cuadro 9.2
Cuadro 9.2
Dónde "* í -ti DISTRIBUCiONES DE PERDIDAS OBSERVADA Y ANAUTICAS
' P^Pqrdidds
• • >^ - \ ^Preéüep'cíl Or^up^R P atóUlada
yJ'san-pafsmefrQs poslLvos ^ud cont^^ia.fonfecfe.te cEe^^ PertJldás Frecqepíiiá acmtiüfada ' f n^k - ^ f e — '
i . . .. observada -d^ I í ^ - ^ m ,r
O . 0 •• . 0.000 " 0.000 o.ooo
á--Deacuerdo-con:jgs patacteíisítqa5:derfadiáqbuGidrifjajíiedía:íP£):ykdesvjap •j'Ad - f e r/ofe.;':" . «-.0.000. - ' ' -te0.226-fe-dí^fe-'?:
20 7 • • 0.000 0.405 . • 0.399
AE r 1JfT}W'>Ayj:¿]^^^:^yiiyiy¡,^
40 • 795 0.061 ' 0,650 • 0.626
1. ..... f..
m. A 'í
+ «akk 7 m m . x m m m : $ p m A m . 7 s m 7 A w ^

PXeRymia, m ^ ^ ^ ^ ^ ^ ^ <9^>fe 60 2.514 0.328 - 0.795 . - 0.765

80 2,346 0.647 0.880 - 0.852

En la gráfica 9.3 se muestran vanas distribuciones beta estimadas con diferentes
parámetros.
• 120 . 591 .-. 0.932 0.959 - .0.941
Gráfica 9.3 m m m p p ^ m m i m m ^ m m m m m m r - m m ^ m m

140 231 0.969 0.976 0.962

160 86 0.984 - 0,986 0.976

180 ' 5 6 0.992 0.992 0.985

m m m K m m m i m m ^ m p ' F j m m m T i T F m m m

200 18 0.996 0.995 0.990

220 11 0.997 0.997

240 5 0.998 0.998 0.996

' m m M m m m m i m v m p m m y w y m A m i m m m m .

260 3 0.998 - 0.999 0.998

280 3 0.999 0.999 0.998

300 3 0.999 1.000 0.999

k M m m A M ^ m i A A / A E y j m í M ' P A m m : : p m ^ m m

320 . 1 0.999 1.000 • 0.999

Como se obsetva en la Gráfica 9.3, a pesar de que en términos generales esta distribución
cumple con ías características que se mencionaron en la sección 9.2, ía información de ía 340 1 1.000 1.000 1.000
media (PE) y de la desviación estándar (PNE) es insuficleníe para modelarla cola de la s 3 § P f e : ; ^ ^ M / T i P f e k : i »
distribución de manera satisfactoria. Por ello se requiere: 360 , o - 1.000 1.000 1.000

380 2 1.000 1.000 1.000 •

21 Guando a = P = 1 ia distribución beta es equivalente a una normal, l « f e l « i « i » f e f f i ^ ^ ^
400 1 1.000 1.000 1.000
» « 420
Fuente; £Ong
f e(1999).
« l f e t f1 e f e i f e 11.000
» ^ • 1.000 1.Q0Q
 282 Valor en Riesgo y otras Aproximaciones Riesgo de Crédito 283

9.3.2 CreditMetrics Esquema 9.3

ELEMENTOS DEL MODELO DE CREDITMETRICS
9.3.2.1 Principales características de la metodología

El modelo de CreditMetrics fue desarroüado por un grupo de Instituciones financieras

encabezadas por J.P. Morgan.^^ Este modelo tiene como propósito estimar el VaR de
crédito, en eí contexto del paradigma de mercado, es decir, eí modelo supone que el
riesgo de crédito depende de los cambios en la calificación crediticia y en la tasa de
incumplimiento.^' CreditMetrics fundamenta la estimación de una DPP&GC discreta, en
lo que se denomina modeios de migración.

Gráfica 9,5
DISTRiBUCiON DE PROBABILIDAD DISCRETA

Fase uno. Con base en la información de las empresas calificadoras, o con ios sistemas
de calificación de crédito internos se construye la matriz de probabilidades de transición
(migración).^ En México hay tres empresas que se dedican a calificar la calidad crediticia
de los instrumentos de deuda. Estas empresas son: Clasificadora de Riesgos, Duff &
Pheips de México y Standar &• Poor's.^° Con propósitos ilustrativos a continuación se
presenta la matriz de transición con seis estados, estimada por la Consar con información
de esas empresas, correspondiente al periodo 1991 -1996.

Cuadro 9.3
1 MATRIZ DE PROBABILIDADES DE TRANSICION. HORIZONTE UN AÑO ''^

Para estimar eí valor en riesga-de crédito- con este modelo se requieren cinco fases, las
13.3 0.0
cuaies se resumen en el siguiente diagrama, y se ejemplifican con ía estimación deí ries-
4.9 " | g Í ^ 10^
go de un bono. ^
0,5 4.5 g Ü S ' 12-8 4.4 0.0
0.2 0.8 5.7 6.0 27
BB/ByCCC 0.0 0.0 - 27.8 0.0 3.1
26 Gupton, Finger, y Bhatia (1097). Los otros patrocinadores fueron; Bank of America, BZW, Deutsche Morgan
Greníell, KMV Corporation, Swiss Bank Corporation y Union Bank of Switzeriand. D 0.0 0.0 0.0 0.0 0.0 iSl^'áff.H4?l^#a
27 Sin emtiargo, con el propósito de distinguir el riesgo de mercado del riesgo de crédito, CreditMetrics considera
que ios cambios en las calificaciones de crédito y en las sobretasas crediticias son ios factores de riesgo
del VaR de crédito, mientras que los cambios en el nivel de ía tasa libre de riesgo se estiman a través del 29 Véase ia siguiente sección.
VaR de mercado, 30 Standar SPoor's (1997).
28 A pesar de que en ei documento técnico se afirma que la meíodoiogía de CreditMetrics está orientada a 31 Censar (1997). Esta maíriz se construyó como el promedio de las matrices anuales de migración de 1991 a
estimar el vaior en riesgo de los siguientes instrumentos: cuentas por cobrar, bonos, créditos, cartas de 1996, donde la información más reciente recibe más peso. El grado crediticio que aparece en la matriz
crédito, así como el de ios tituios cuya exposición de riesgo crediticio depende de las condiciones de corresponde a una cíasificación que homologa ias caiificaciones cié las fres empresas. Las matrices de
mercado, como ios swaps, los forwards, las coberturas cambiarias, los reportos, etc. Se debe tener presente íiansición estimadas suponen que los cambios de la calidad crediticia de esos papeles se presentan cada
que los activos que se incluyan en el análisis sean líquidos, es decir, que se pueden vender antes de su año. Otras matrices de transición de créditos de los bancos mexicanos se presentan en Zamarripa (1996) y
vencimiento. en Del Angel, Márquez y Patino (1998).
286 Vaior en Riesgo y otras Aproximaciones Riesgo de Crédito 287

Gráfica 9.6 • Se elige ei nivel de confianza y, dado el supuesto de normalidad, se determina el

DISTRIBUCION DE PROBABILIDAD DEL PRECIO DEL BONO múltiplo de la desviación estándar que se requiere para calcular el VaR. Por ejemplo,
sí se escoge un nivel de confianza de 95%, eí VaR es equivalente a 1.65 veces la
desviación estándar, es decir: $2.53 ($ 1.53' 1.65 * un año).^'
100 a .FrDbabl!ldacl-(%}°^ •Debido a que la distribución es sesgada, el cálculo deí VaR con base en el
supuesto de normalidad subestima el riesgo. Eso se observa en el Cuadro 9.5,
donde hay una probabilidad de 4.4% de que el precio se reduzca a $85.74, es decir,
l A - ji " el valor del bono puede disminuir, alrededor de la media, en $4.72 ($90.46-$85.74).
400
« Percentil de la distribución observada. Para estimare! VaR de crédito con !a información
Dpfaült * 4^
0.Ó de la distribución empírica, se calcula el precio del bono que corresponde al percentil
-soí te 6a4w-i^Srt^cfrfeí|í=# fe"* * 00 * 7~^v
deseado (1 - nivel de confianza). Si el níveí de confianza es de 95%, se debe estimar
eí precio al quinto percentil. Sin embargo, como:ese percentil cruza entre los grados
crediticios BBB y BB/B /CCC, se debe realizar üna interpoíación. El precio deJ bono
interpolado que corresponde ai quinto percentíias $85.76.^ 'z . , ..• •
fase cinco. Por último, se estima el VaR crediticio, para ello CreditMetrics utiliza dos
indicadores: la desviación estándar y los cuantües de ia distribución:
Cuadro 9.6fe
« Desviación estándar. En este caso CreditMetrics supone que ia distribución de esíimacíón del VAR DE CREDITO. V
probabilidades del precio del bono es normal,^ por lo que el VaR se puede calcular CON LA DISTRIBUCION EMPÍRICA. GREDITMETRICS
de manera paramétrica. La estimación consiste en los siguientes pasos: •A. '
Prec/0 CaiificaC/on . próbabmcf(%) fef ^
• Se estima el precio promedio y la desviación estándar de !a distribución.^^ Los • A/p^fZr:0' ##7|d/M individúa! fe Jkcu^^da^ j' 4
datos estirnados son: $90.46 "y $1.53. respectivamente. 50.0 7 D 0.0 0.0 L - . J.
'i 85 74 ^WB/cCcfe: " 7 " 7 7 W 7 7 7 i
' Cuadro 9.5. ¿? .- OS . .: 5.0 •.
ESTIMACION DEL VAR DE CREDITO
SUPONIENDO NORMALIDAD. CREDITMETRICS
JrF=B42i? :^ Por tanto, el valor en riesgo es $4.7 ($90.46 - $85.16), el cual es 85.8% mayor al
estimado con base en eí supuesto de normalidad.
bréditoA i%) ^ ^ ' ^ ° ] ^ ' 7 popaemdr pcecto^promadio píyiadfa^aiPPi;.
dlfer aloütfdFgffo
AAA 0,50 96.44 0,48 5.98 0.18 9.3.2,2 Matrices de transición
AA 4^0 . 421
A 77.80 90.87 70.69 0.4) 0.13 Definición. Una matriz de transición mide ía probabilidad de que un activo con riesgo de
t2.80 íf"30 'ti: crédito cambie de la calidad crediticia "i" la calidad crediticia "j", durante el horizonte de
BB/B/CCC 4.40 8574 3.77 -4-72 0,98 riesgo. Por ejemplo, en ei Cuadro 9,3 se observa que hay 77,8% de probabilidad de que
+ D fe 4} 00 50S5| 7 «croo 7-40 46 un Instrumento clasificado como A permanezca con esa calificación; 12.8% que baje su
Medía = 90.46 Varianza = 2.35 calificación a BBB, .sólo 0.5% que mejore a AAA y 0% de que caiga en "default", durante
«.?3^v'^®>vi^°ri estandart el próximo año.
•Wol- 0lf 53 35 *-C^ •
37 CreditMetrics considera un tiorizonte de riesgo de un año.

36 Para elio se utilizan las fórmulas tradicionales. Véase capitulo 2.

 290 I Valor en Riesgo y otras Aproximaciones
• La probabilidad de que ios insírumentos mantengan la misma calificación crediticia
disminuye conforme aumenta el horizonte de riesgo. Por ejemplo, la probabilidad
de que bono con calificación AAA se mantenga con esa calificación disminuirá de
81.8% en el primer año a 67.6% én el segundo periodo,
» A medida que aumenta eí horizonte de riesgo se incrementaja probabilidad de
Incumplimiento. Por ejemplo, mientras para el primer año la probabilidad de
incumplimiento de un bono AAA es cero (Cuadro 9.3), para el segundo aumenta a
0.1% (Cuadro 9.7).
• Esta metodología permite calcular el tiempo en el que un activo en particular podría
caer en incumplimiento.
EvidentemeníSi uno de los elementos más importantes en la estimación del VaR de
crédito es, sin duda, las matrices de' transición. Por ello, deben tenerse presentes sus
limitaciones, sobresalen:
• La independencia que se deriva del supuesto markoviano. Hay evidencia empírica .
que indica que ias matrices de transición están correlacionadas, en especial con la
evolución de las variables macroeconómicas.
« Las matrices de transición se calculan con base en información histórica y, en el
contexto del modelo, son exógenas, es decir, no se explican por otras variables, lo
que ignora la influencia de los ciclos económicos sobre eí riesgo de crédito del
portafolio. Esta característica implica que la tasa de incumplimiento y la DPP&GC "
son no condicionales, es decir, se supone que las matrices son estables a través
de tiempo.
© En ía construcción de las matrices de transición se supone que- todos los activos
con ía misma calificación de crédito tienen la misma tasa de incumplimiento, y que
ésta es igual al promedio histórico; supuestos que implican que los cambios en fa
calidad de crédito y los cambios en la calificación son idénticos. Sin embargo, esta
conclusión difícilmente se cumple, lo que se traduce en sesgos importantes en la
estimación de las PE y de las PNE, KMV Corporation alerta, sobre las implicaciones
que tiene ia violación de estos supuestos:*' ' •
•La tasa de Incumplimiento actual siempre difiere de ía tasa de Incumplimiento
histórica. Lo mismo sucede con las probabilidades de transición.
•Hay substanciales diferencias en las tasas de incumplimiento de activos con el
mismo "rating" crediticio. Asimismo, se puede observar que activos con mayor
calificación muestran tasas de incumplimiento más altas que activos con menor
calificación de crédito.
41 Keaihofer, Kwok, y Weng, (1998).
Riesgo de Crédito | 291
• Debido a que las calificaciones se realizan con rezagos, y la decisión de cambiar
la calificación de un activo es lenta, ías probabilidades de transición están sesgadas.
•Como las tasas de Incumplimiento están relacionadas con las probabilidades de
migrac'íón, un sesgo hacia arriba de la tasa de Incumplimiento se traduce en un
sesgo hacia abajo de las probabilidades de transición.*^ Adicionalmente, esta reiación
implica que cuando las tasas de incumplimiento cambian, las probabilidades de
migración también cambian, y viceversa, pero esto es Inconsistente, ya que
mientras la tasa de incumplimiento es una variable continua, las probabilidades
de migración son discretas.
•La tasa^promedio de incumplimiento por grado de calificación casi siempre es
mayor a su mediana, lo que implica que !a mayor parte de los activos que están
clasificados en ese grupo tienen una tasa de Incumplimiento que es inferior a la
tasa promedio.**
•La variabilidad de la tasa de Incumplimiento sesga fa estimación de ia tasa pro-
medio de incumplimiento.
• Por tanto, de acuerdo con los comentarlos anteriores, debe tenerse presente que.
los cambios en la calidad de crédito no necesariamente se traducen en cambios
en la calificación de crédito. Es decir, que la estimación del VaR de crédito con
base en el modelo de migración es muy sensible a los errores de muestreo y de
construcción de las matrices de transición.
9.3.2.3 Riesgo del portafolio
En esta sección el modelo se extiende a ía estimación del riesgo de una cartera de inversión.**
Para estimar el VaR de un portafolio es necesario analizar tres elementos adicionales:
» Eí modeio para estimar ia matriz de probabilidades de transición,conjunta.
• El procedimiento para caicular la correiación de ia calidad crediticia.
• La metodología para agregar el riesgo de varios activos o subportafolios.
Para evaluar el primer tema, a continuación se estima el VaR de crédito de dos bonos.
Por el momento, y con el fin de simplificar el ejercicio, se supone que los cambios en la
42 La suma de las probabilidades de íranslción debe ser equivalente a (1- probabilidad de incumplimiento).
43 Eso provoca lo que se conoce como selección adversa, lo cual consiste en castigara los buenos acreditados
con tasas elevadas, lo que eventualmente se íraduce en una reducción de la demanda de crédito por parte
de las contrapartes solventes.
44 En esta etapa se ignora el riesgo de crédito asociado a cambios en ías condiciones financieras, el cual se
describe con detalle en la última sección de este capítulo.
 294 i Valor en Riesgo y otras Aproximaciones Riesgo de Crédito 295

A e D=B'C'' Ea C-7926 F«E'^2i*B7Í Gráfica 9.7

, Calidad .íie. ,pfpbabflida4 PteciotfsU JPrbfjaílIlfíacI 01fere{icla '^PíobabitídatÉ
>7ctedlfo- - • " bono , .-ponderatíaTT.? precfo-profiiedlo^pDndera1la|p"f VOLATILIDAD DEL VALOR DE LOS ACTIVOS
* " " * ' Z dfpr ai'cüdciráffi Y LAS MATRICES DE MIGRACION
AAA 0.2% 95.00 0.19 15.75 0,50 -
AA. .- . 0.8% . 90.00- . "0.72.^. • . - 10.75 • 0.92
A 5 7% 85.00 4.85 5.75 I.BB:
,• BBB,. •-- 94.5%- éo;oo- • " •67:6q-v;?íí"/'
•
BB/B/CCC • 6,0% 4.5Ó -4,26 1.09
2Á%:y. 75.00
79,26 Varianza = 28.820
UNaTRUMEfrTpíBBB Media = :iá^fi¿ VTtes^ly^Zy^ r0r0^
Calificación BS/B/CCG. , AAA

7 A^+fe^J B C p=imb> ^ •••£¿0^9264" 7 1 |'Pi>E''2'*^fl /iPfobabi!|déd,dé-i l i S Ü

mlgrá?i6ri ;1+iSgi¿uA 270%:'
7 P ^ Ate,, h
•^allcíaddBC fePrbfaabiildad Preciodal Ffofjábilidatf^ 0iíerenl;ía 77 ^FrSbabll díi0 | - 3ír5 77 a%. hto 4%' .i^ 0 % 7A
+Desv, Estándar-: Hé7'^-Mj
- :
crédito pk bonij ' ¡)Oi]tíarada precio p r e m e d í o - p o i f d e r a d a - p o r S =; .1 t-ií,íte,'2
, " -.S . dlfer at cuadrad!^ dsJbs pctfyos ^x30 « X I tí //xiw«^::i \ ^ P t 4 /
Vi
AAA 4.9% 98.00 4.80 5.40 1.43
'83 5%"* 53 00 7766." t 06£r "
A 10.4% 88.00 9.15 -4.61 2,21,,:
Para calcular en cuántas desviaciones estándar debe cambiar el valor de los activos de
• •
, . C'ijr+ •
,
^83QÚ ) 9^fe-tí * . 4 "ijUn iNi.j.lí^
un bono, por ejemplo con calificación A, para caer en "default", se supone que la distribución
BB/B/CCC 0.0% 78.00 0.00 -14.61 0.00 de los cambios en ei vaior de los activos es normal. Así por ejemplo, de ía Gráfica 9.7 se
^ DeraalT ^ íb% ~mQ desprenden los siguientes resultados:
Media = 92,61 Vananza = 4.869
TNSTRUíijENTOAA" í » El bono mantendrá su calificación de crédito (A), si el valor de sus activos fluctúa
entre[-xlayxla].
De las estimaciones destaca que ta desviación estándar de la distribución conjunta de • Para que la contraparte se decíáre en incumplimientos, sus activos deben disrñinulr •'
. precios es $5.62. Por contra, la desviación estándar de los bonos con calificación crediticia en x3CJ; sin embargo, la probabilidad de que esos suceda es cero, como se conclu-
BBB y AA, es $5.37 y $2.21, respectivamente, es decir, $1.96 mayor que la desviación del ye de ia información de la probabilidad de migración.
poríafoiio. Eso significa que la contribución marginal del instrumento AA al riesgo de
crédito del portafoilo es de solamente $0.25 o, en otras palabras, que el beneficio de la » La relación entre ía volatilidad de los activos y !a matriz de migración se tiene que
diversificación del portafolio es de $1.96 ($5.62 vs $5.37 + 2.21). estimar para cada activo con riesgo de crédito.

Para estimar ía correlación de las probabilidades de migración, CreditMetrics supone que
hay una relación entre la desviación estándar del valor de los activos de la contraparte y
ías calificaciones de crédito discreías de cada activo con riesgo de crédito. El marco
metodológico que rige esta relación se atribuye a Merton y se analiza con detalle en la
sección 9,3.5.
Como se justifica en ia sección 9.3.5, .para aproximar ía estimación de la volatilidad de los
activos se usa la volatilidad del rendimiento del capital de la contraparte. Con base én
esta información y mediante un modeio mulíifactorial a nivel de sector económico se
calcula la correlación de la calidad crediticia. Las fases son:
1. Se supone que hay dos contrapartes emisoras'de esos Instrumentos (X y Y)
que pertenecen ai sector Industrial y al sector de comunicaciones y transportes,
respectivamente.

2. Con la información deí rendimiento de las acciones, .se estima la sensibilidad del
rendimiento de las acciones de las contrapartes, con respecto deí rendimiento del
índice bursátil de su sector, es decir: *'
47 Se utiliza un modeio muiíifactoriai tipo APT, como ei que se describe en ei Capítulo 2.
 298 Valor en Riesgo y otras Aproximaciones Riesgo de Crédito 299

CreditRisk + es un modeio de incumplimiento, ya que supone que la contrapatle sólo

tiene dos posibilidades: caer en "default" o mantenerse solvente. Este supuesto permite
estimar el riesgo de crédito de activos que son líquidos e ilíquidos.**
Donde;
La metodología de CreditRisk + consiste en diferentes modelos de complejidad variada. |i = Media del niímero-de incumplimientos,
E! modeío más sencillo supone: e = Ntímerp e-= 2.71828. - . , - - -
. n = Número de incumplimientos.
» Que la tasa de incumplimiento (p') es una variable continua;*' cuya evolución durante
/ = Factorial. • ' • '
ei horizonte de riesgo se describe por una disíribución que se puede especificar por
su media. Así por ejempio, si la tasa promedio'de incumplimiento esée 3.0%, la distribución
Poisson correspondiente es.
Gráfica 9,8
TASA DE iNCUMPLlMIENTO CONTINUA ESTIMACION DE LA DISTRIBUCION POISSON
Cuadro 9.10
y Mo-dé^ f y- " kPfóbabItIcfad delactimplliBignto 1 U < V

¡%^'' r. 4 Í . H T á I. / ; r \ k . f e .. fe-^Uu\.,AI
0 0.0498 0.0498
* W f e k ^ . f e ^ ^ ij\:_y::y¡i 04494'-%
2 O.2240 0.4232
x m A : M M f h 7
4 0.1680
0.8153
,-^.te^5 fe ' 0 ¿ M f . fe
6 0.0564' ^ 0.9665
•l=^Jat[ liiLí aii-iíj-z / " ' V J m i : y % '
8
«. - 0.0081
óogar,
0.9962
'^7/4í 'r
10 0.0008 0.9997
00002 P ^ V. Ó99é^ ^^4'^
12 0.0001 1.0000
ooooo ulOCfO^^. fe
14 O.OODÜ 1.0000
// Probabilidad de que se presente un número de incumpiimienlos diferentes ai promedio.
2J 0.1Q08 = (2.71828)''('3)'3'5/(5'4'3'21) donde 3!=5'4'3'2'1
Si se considera que el portafolio incluye "N" activos, con una probabilidad de
Supone que ¡1=3.
Incumplimiento pequeña, uniforme e independiente, el niímero esperado de
incumplimientos durante ei horizonte de riesgo se puede modelar medíante una
distribución Poisson; **

50 Los supuestos del modelo contrastan con los de CreditMetrics, el cual supone que la contraparte, además
de caer en incumplimiento, puede mejorar o deteriorar su calidad de crédito. Asimismo, CreditMetrics evalúa
el impacto de las sobretasas sobre el precio de mercado de ios activos con riesgo de crédito.
51 CreditRisk + no hace ningún supuesto sobre las causas que explican su evolución
52 Aunque el modelo no lo requiere, es posible establecer una relación entre la tasa de incumplimiento y la
caiíficación de crédito de los activos.
302 Valor en Riesgo y otras Aproximaciones Riesgo de Crédito 303

ESTIMACION DE LA DISTRIBUCION DE PERDIDAS DE LAS BANDAS DE Nótese como ia distribución de pérdidas depende, exclusivamente, de fa información
UNIDADES DE EXPOSURE Y DEL PORTAFOLIO de las pérdidas esperadas y de la exposición al riesgo del portafolio, medida en
Cuadro 9.11 unidades de exposure. El hecho de que el modelo requiere poca información para
estimarlo, es una de sus principales cualidades.
•No.!deáérdrdas:defefeDi^^^^

5. Para calcular el VaR de crédito, dado el nivel de confianza, se determina el percentil

' '"Q" '~ ~" ~ ^ 0.O498 1/ 0,0498
, .-!í^tPíte-^ÍS#te;rj>í+^;-r^.v/ti;^^^ • =A.~.--;-^_WÍ*'-^'';^í>te-.A,^.0 • •gjyj^gQ 7 fem(^6'|v;S
correspondiente. Así por ejemplo, si se elige un nivel de confianza de 99%, el VaR
• 2 0.0249 Z/ 0.0498 0.0747 0.1743
equivale aproximadamente a 16 unidades de exposure, es decir, $16,000.00, monto
tete;j5^aK¿.fev^iO24gróTh+fe03?2ké>
que representa 53% dei valor del portafolio.
4 • 0.0270 0.0373 0.0373 . 0.1016 0.3838
Por último, cabe destacar que la metodología de CreditRisk + no modela de manera
••7r'f ^ T ^ ' " • f e f e o í i 2 0 3 ' f e te ó . ó 4 á i ; t e f e - ' : p 4 4 8 f e ' V W í f e T •-o.49Í5g
explícita la correlación entre las probabilidades de Incumplimiento de dos contrapartes.
V ""'" ' " 0.0180 ' 0.0339 0.0539 0.1059 0.5980 Sin embargo, para capturar el efecto de la concentración sobre el riesgo del portafolio, se
Incluyen supuestos adicionales, és decir, se considera que:**
8 0.0112 ' 0,0265 0.0406 0.0783- 0.7659
• La probabilidad de incumplimiento es volátil en el tiempo, aún entre aquellas
y^'-^Pb --• - 'ojoOM " 09157 0.0269 0.0489 0.8787
contrapartes con la misma calificación de crédito. (Al incorporarse la volatilidad de
-i ^ ^ m m i ' i m m i m B ^ 4 ^ i i ^ i ^ 4 7 " 4 m s 4 W ' ^ M ñ fefePis default, la distribución Poisson de incumplimiento se hace más sesgada).
12 0 0031 0.0082 0.0160 0.0272 0.9434
............y........^^. .... ^^^^^^ ^^^^^^ ^^^-^^^ ^g^^g
• Aunque se reconoce que la voíatilldad de la tasa de incumplimiento puede depender
16 0 0006 0.0017 0.0036 ^ 0.0058 0.9905 de otros factores, como las variables económicas, estos factores no se incorporan
explícitamente en el modelo.** Sin embargo, y a fin de capturar la correlación, las '
contrapartes sé asignan a diferentes sectores económicos; donde cada sector se
define como un conjunto de contrapartes que dependen de un factor que afecta su
* " 20 " ' 0.0001 Q.ÓQ02 Q.0006 0.0009 0.9968
tasa de Incumplimiento, pero cuyo factor tiene una influencia limitada sobre los
// exp (- tasa esperada de incumplimiento) = exp (-3)
2 1 0.0249 = (Pérdidas esperadas en unidades de exposure de la banda ¡/No. de pérdidas de unidades de exposure) otros sectores.
' Probabilidad de perder «n" unidades de exposure menos uno) = 1/2 ' 0.0498
3/ 0.1083 = 0.0203 + 0.0431-r 0.0448
9.3.4 Modelo binomial de riesgo neutra!

El objetivo de estos modelos se centra en la estimación delriesgode crédito puro y en el

riesgo de contraparte de los instrumentos financieros y derivados líquidos, es decir, de
aquellos activos que se negocian activamente en el mercado secundario. Versiones
comerciales de este tipo de modelos son: "Credit T[gris"-de Tokai Bank Europe PLC y él
"Loss Analysis System" de KPMG.*' . :

55 Los detalles se presentan en Credit Suisse Financiai Products (1997). Por contra, Burgisser, Kurth, Wagner
y Woif, (1999) proponen considerar directamente la correlación que existe entre las tasas de incumplimiento
de ios sectores económicos.rp^^é|¡3*iüjíót^^

56 Ei modelo que se incluye en la sección 9.3,6 si incorpora ia influencia de las variables macroeconómicas
sobre la tasa de incumplimiento.
57 Tokai Bank Europe (1998) y Beikin, Forest, Aguáis y Schower, (1998).
306 I Valoren Riesgo y otras Aproximaciones Riesgo de Crédito 307

Bajo condiciones de no arbitraje, el precio de 5^, debe ser igual al valor presente de Esquema 9.7
sus flujos esperados, descontados por la tasa libre de riesgo, es decir: ESTADOS DE LA NATURALEZA DEL BONO CORPORATIVO
PARA EL SEGUNDO AÑO
fefeexpKJ*w4lÍ-p - > f ( i - ¿ ) f e '-1
fe efe
81.8 = 0.8353 = ^ 1 0 0 * í * ^ ~ p '"')l-0.4*p "'j ' fj

Si de esta ecuación se despeja la probabilidad martingala de default, se obtiene que

V = 4-2%. Es decir, esta es la probabilidad de incumplimiento de los bonos ^AA{2)=100
corporativos implícita en las cotizaciones de mercado. •*te¿^^4 }X
r^(2)=18.0%
Para determinar ia probabilidad martingala de incumpiimleñto para eí segundo
periodo, el esquema de cumplimiento e incumplimiento es: rfe£í|=20dY.
' VíJ^=^^fe /•AAA(2)=22,0%
Esquema 9.6 y^(2)=40

FLUJOS A DOS PERIODOS DE UN BONO CON RIESGO

Ku(2)=40

donde:
7C = Probabilidad de que las lasas de Interés aumenten.
t-Jí = Probabilidad de que las tasas de interés disminuyan.
Vfe = Valor de mercado del bono a su vencimiento.

£1 precio de S^^ en el año dos, dados estos cuatro estados, se obtiene de la siguiente
ecuación:

(2)= exp(-0.20)* [(i - ;r)*exp (-0. í 8)+ TT * exp(- 0.22)]* p *" (l)* (40)+
+ expk0,20)* [(l-fl:)*exp(-0.l8)+7r*exp(-0.22)>(-p (l))*(lO0)* /g 24)
*{-p-C2)+(0.4)p(2)l
Como se observa, el procedimiento para estimar la probabilidad martingala de default
del periodo dos es más complejo, ya que hay dos factores de incertidumbre: la
Por último, dado que el precio de! bono^^ es de $62.45 en el segundo período,
volatilidad de las tasas de interés y ei riesgo de Incumplimiento.** Lo que da lugar a
p^' (1) es 4.2%, y 7C = 0.5, el valor de la probabilidad martingala de default para el
que en el segundo periodo haya cuatro estados de !a naturaleza:
periodo dos p"' (2) = 7.54%, es decir, la probabilidad de default casi se duplica en
un año.

Esta metodología se puede extender fácilmente para estimar el riesgo de contraparte de

cualquier derivado.*' Un ejemplo interesante se refiere a la esíimacíón del riesgo de
contraparte de un reporto, sobre todo cuando el colateral y la contraparte están expuestas
al riesgo creditiGío, como sucede frecuentemente en el mercado mexicano. Los flujos
relacionados con una operación de reporto, en el que la contraparte y e! colateral tiene
una calificación de crédito de AAy BBB, respectivamente, se muestran en el Esquema 9.8.

60 En este sentido se dice que la probabilidad martingala de default es una probabilidad condicional. 61 Jarrow y Turnbull (1995) estiman ei riesgo de crédito y de contraparte de todo tipo de derivados.
 310 , Valor en Riesgo y otras Aproximaciones
Dos puntos destacan de estos escenarios:
I. La probabilidad de Incumplimiento depende de la evolución del valor de mercado de
ios activos y pasivos de la contraparte, y
lí. El patrón de flujos que se describe en los incisos 1. a 3. es similar al de una opción
cali europea, donde, el subyacente es el valor de mercado de !os activos de la
contraparte.**
Para estimar la probabilidad de Incumplimiento mediante el método fundamental destacan
dos modelos, que a continuación se describen. -
. 9,3.5.1.1 Modelos "scorlng"
"El objetivo de estos modelos es predecir la probabilidad de incumplimiento a partir del
^análisis de la información financiera de la contraparte. Estos modelos se desarrollaron
durante la década de los sesenta, siendo su principal promotor AItman, quien éñ 1968
desarrolló la ecuación que denominó "Z-Score".*^ El modelo 2-Score es un modelo de
predicción de quiebra, en eí que la salud (quebranto) financiera de la contraparte se
determina mediante un índice que se construye con la información de 5 indicadores
financieros, con la siguiente ponderación:
Z = 1.2 jr, + i . 4 X f e 3.3 X , + 0.6 + 0.99 X,
Donde:
Xj = Capital de trabajo/Activos totales
Xg = Ganancias retenidas/Activos totales
Xg = Ganancias antes de Impuestos/Activos totales
X^ = Valor de mercado de !a acciónA/alor en libros de la deuda
Xg = Ventas/Activos totales.
De acuerdo con AItman, la situación financiera de las empresas depende del valor de Z:
» Si Z > 2.99 la contraparte se considera sana desde el punto de vista financiero.
© Si Z < 1,81 la empresa está en bancarrota.
* Si 1.81 > Z < 2.99 no se puede determinar ía condición financiera de la empresa
contraparte,
63 Véase la sección 5.6.
64 AItman analizó, mediante técnicas multivariadas conocidas como análisis discriminante la información de
22 indicadores financieros de 33 empresas. Glantz (1994).
j • Riesgo de Crédito 311
!^ El desarrollo de estos modelos se ha extendido, tanto en complejidad estadística, como
J ] en el análisis particular de diversas industrias. Resultado que obedece a sus ventajas,
que son diversas: permite determinar ía calificación interna de los acreditados; facilita la
estimación de las reservas preventivas de manera paramétrica; permite asignarle una
calificación crediticia a los nuevos acreditados y, principalmente, la meíodoiogía se puede
aplicar a todos las contrapartes independientemente de que se trate de empresas cuyas
acciones se negocian de manera pública o privada.
No obstante, en virtud de que estos modelos utilizan información que proviene básicamente
del balance y del estado de resultados, es decir, de información histórica que está expresada
a valor en libros, se considera que no es una buena referencia para predecir la evolución
financiera futura de la contraparte. El modelo qué se presenta en la siguiente sección
suple esta limitación.
9.3.5.1.2 Credit Monitor ' '
Credit Monitor es un modelo desarrollado por KMV Corporation. E¡ objetivo de Credit
Monitor es establecer un marco-metodológico consistente con la.teon'a financiera, y en
especial con ia teoría de las opciones, que reiacione la situación financiera de la contraparte
con su probabilidad de incumplimiento.
(9.28) Como se destacó ai inicio de la sección 9.3.5.1, una empresa se declarará en quiebra si
durante ia madurez de sus adeudos eívalor de mercado de sus activos es inferior al valor
de mercado de los pasivos (A < P). Por tanto, para estimar la probabilidad de quebranto
es necesario calcular el valor de mercado de los activos; su volatilidad, la cual indica el
grado de dispersión de las diferentes trayectorias que e¡ valor de mercado de los activos
puede observar durante el horizonte de riesgo;** y el nivel de los pasivos.** La relación de
estas variables se muestra en la Gráfica 9.11.
65 Es decir, el valor futuro de los activos sigue un comportamiejiío estocástico.
0|-|áYásQ:Wlon^>sé;^^^
 314 • Valor en Riesgo y oirás Aproximaciones
Riesgo de Crédito 315

Gráfica 9.12 Sin embargo, para determinar el valor de K se requiere la información de A y de a , variables
RELACION ENTRE K YA que no son conocidas y que impiden calcular la ecuación 9.27 con algún modelo de
opciones europeas como ei de Black & Schoies. Para resolver el problema KMV supone
que la volatilidad de los activos ( a j se puede aproximar a través dei valor de la volatilidad
del capitaí (ü.^ )4 us decir.
CT, -g(cT J (9.30)
De esta forma, ía solución de A y de 0^ se íogra al resolver simuítáneamente las ecuaciones
9,29 y 9.30. No obstante, para ello se requiere utilizar ecuaciones explícitas de estas
formas funcionales. Al respecto KMV utiliza ei modelo de Black & Scholes.

-!

Cabe destacar que !a relación entre K y A implfciíamente considera que el valor de los
pasivos también es un derivado, donde el subyacente es A. Por ejempio, si ei vaior de A,
a ía mitad de la madurez de los pasivos, es $700.00, K vaidrá un poco más de $0.0. ¿Por
qué?. Porque ía empresa tendrá la posibilidad de reestructura el portafoilo con activos de
i »
ifi^liiWP
mayor riesgo y, por ende, de mayor rentabilidad que ie permita que A aumente durante el
plazo restante de ía deuda. Eí costo para los accionistas de esta estrategia será cero, ya
que en eí caso de que el valor de íós activos llegase a ser menor a $700.00 por el mayor
riesgo, ya no habrá ningún Impacto en el valor de K.

Por tanto, la reestructura del portafolio Incrementará el valor de mercado del capital, ante
ias expectativas de un mayor rendimiento. La reesíruciuración del portafolio evidentemente
no es la razón de que e! valor del capital aumente, ya que en la fecha de reestructuración
iJ./f •te.A-u. ..-.^te..^..te«
de ia cartera el valor de mercado de ambos portafolios de activos es $800,00. Lo que
coadyuva a incrementar el vaior de los activos es la reducción del vaior de mercado de los
K.-x^.te^w^^^B
pasivos, como consecuencia de que ia contraparte ahora tiene más riesgo.

Con base en lo anterior, el capital de la empresa acreedora depende de:

K ^ K { A , < j , A , r , T - t )
Donde:
= Volatilidad de los activos.
r = Tasa de interés libre de riesgo.
T-f = Horizonte de riesgo.
73 La cual se puede calcular con tas cotizaciones de mercado y con alguno de ios modelos descritos en el
(9.29) Capitulo 6,
74 Ei modeio también se puede modificar para estimar ia sobretasa de interés que se debe cargar a una
contraparte (premio al riesgo) dado su riesgo crediticio, Por ejemplo, la sobretasa que se cargaría a un
acreditado B, con respecto de uno AAA, se estimaría mediante la siguiente forma: Saunders (1999),
'7'7=-^l^ Fe"
 318 j Vafor en Riesgo y otras Aproximaciones Riesgo de Crédito 319

Por contra, entre las limitaciones del modelo destacan: •Generalmente los datos indican que la probabilidad conjunta de que dos contra-
partes incumplan durante el mismo periodo es cero, o cuando se cuenta con esti-
» En ausencia de una base de datos histórica, se tiene que recurrir al supuesto de maciones, éstas son erróneas, • ':
normalidad para estimar las EDF teóricas, ¡o que implica una subestimación del
riesgo crediticio. En el caso de! ejemplo, la probabilidad de incumplimiento consistente Por esas razones Credit Monitor supone que el valor de las correlaciones de quiebra
con una D I de 2.8 es casi cero (0.0024%); no obstante, los datos indican que el es muy baja, pero que se puede estimar mediante la siguiente expresión:
número de quebrantos de empresas que tiene una D I de 2.8 es 3.5%. En otras
palabras, la distribución normal impide capturar las colas anchas de la distribución \EDF^ ''EDF,
de frecuencias del valor de mercado de los activos.'* ^EWAT-EDFA*EDFVf-EDFy}¡'. ^^'^'^^ ,
Donde: • :
- » Ante ia ausencia de cotizaciones de mercado de ias acciones de ías empresas,
para estimar ías EDF se tiene que recurrir a ¡a información financiera de los balances, •^^few ~ Prot^ab'iidad de incumplimiento conjunta.
a pesar de las críticas que ei propio modeio realiza sobre esa información. £DF^i. = Probabilidad conjunta de que X y Y incumplan.

, • En el caso de mercados como en México, donde un gran número de acciones no La lógica de esta ecuación se puede analizar con base en el Esquema 9.10, donde fa
7 son líquidas y, por tanto con baja volatilidad, se subestima el riesgo de crédito. EDF de cada contraparte, y la probabilidad conjuntá de que ambos acreditados incumplan,
depende del valor de sus correspondientes activos,
9 Como el modelo de Black & Scholes con'el que se estima el valor futuro de los
activos se genera con base en un modelo estocálico, el modelo de Credit Monitor '-- Esquema 9.10
• tiene desventajas: CORRELACION DE INCUMPLIMIENTO
*No captura ia influencia de los ciclos económicos.

•
•Subestima la probabilidad de incumplimientoran fechas próximas al vencimiento
de la deuda. Por ejemplo, s¡ el piazo de un bono con calificación B es de un día, la
EDF será cero; sin embargo, la sobretasa crediticia implícita en ei precio de! bono
será diferente de cero. Es decir, puede haber incompatibilidad entre los resultados
de Credlt Monitor y los de los otros modelos descritos.'*
Ambas contrapartes Contraparte 2 incumpÍE
9 El modelo no toma en cuenta el grado de jerarquía de la deuda, ni la estructura del Incumplen
balance. Para ei modelo es lo mismo si !a deuda está totalmente garantizada o se
trata de bonos chatarra. "

8 En virtud de que ei modelo se concentra en la estiniaclón de la EDF de cada acreditado,

e! modeio tiene limiíaciones cuando se desea estimar el riesgo de un portafolio.
Keaihofer** destaca que no hay un procedimiento confiable para estimar las
correlaciones de incumplimiento, debido a que:
® La correlación difícilmente se puede Inferir de la información histórica.
Cuando ambos acreditados son independientes, la probabilidad conjunta de default es la
multiplicación de las EDF individuales; sin embargo, cuando existe cierta correlación
positiva, ia probabilidad conjunta es mayor. Al respecto KMV considera que esta probabilidad
adiclonai es muy baja, de tal manera que en condiciones "normales" el riesgo de crédito
del portafolio está acotado.*'

78 Duffie (19S9) propone una distribución de Poisson para corregir el sesgo de la distribución normal.
79 Duffie (1999) utiliza modelos "basados en Intensidad" para corregir este problema de corto plazo, 81 No obstante, como se destaca en el Capítulo 11 y como se vio en ei 7, cuando tiay eventos extremos las
80 Kealfiofer (1998). correlaciones se rompen.
 322 I Valor en Riesgo v otras Aproximaciones Riesgo de Crédito 323

Como se observa de ia ecuación 9.38. la probabilidad de incumpíimlenío depende únicamente Cuadro 9.13
de ias variables macroeconómicas rezagadas, que son conocidas, y por un vector de
variables aleatorias. Por tanto, mediante escenarios de Monte Cario se puede construir la
distribución de frecuencias de las'probabilidades de incumplimiento de cada acíivo,^*
Crecimiento 2.35% 1.15% •
Con base en las estimaciones de probabilidad de Incumplimiento de los activos con diferente
calificación crediticia, se calculan las matrices dé transición condicionales. Cabe destacar Recesion 3.56% 6.12% "
que estas matrices, a diferencia de las matrices,markovianas mencionadas, evolucionan
en función del entorno económico.*' ' 3. Se calcula la distribución de pérdidas órediticias de este portafolio con dos acreditados
que está expuesto a tres estados económicos diferentes.
Adicionalmente, como las p'se estiman mediante escenarios de Monte Cario, es posible
construir matrices de transición consistentes con el promedio de la tasa de incumplimiento, •Dadas las caracterísíicas del portafolio, hay 4 escenarlos posibles: C1 incumpla;
o con el valor correspondiente al 95 ó al 99 éslmo percentil. De esta forma, las PE y el 02 incumpla; 01 y 02 incumplan y 01 y 02 cumplan.
VaR de crédito se calculan simplemente de la siguiente forma:
• Suponiendo que los dos créditos y ios escenarios económicos son independientes,
P E = E * p ^ (9.41) que el exposure de cada crédito es de $100.00 se calcula la probabilidad de
incumplimiento condicional de cada estado económico. Para eíío se agregan las
VaR = E^-p'j,^,,,^^,„ (9.42) distribuciones marginales de incumplimiento** como se muestra a continuación:
Donde:
Cuadro 9.14
p' = Probabilidad de incumplimiento promedio.
PERDIDAS DEL PORTAFOLIO Y PROBABILIDADES CONDICIONALES
^^j-pemnui ~ Probabilidad de incumplimiento del j-ésimo percentil.
DE LOS TRES ESCENARIOS ECONOMICOS
Sin embargo, debe destacarse que estas probabilidades de incumplimiento generalmente lafios ^ •^EsWlBíi'^
corresponden a un portafolio de referencia, por lo que no se pueden aplicar de manera
directa para estimar ías PE y ei VaR de un portafolio diferente al de referencia. Para
calcular elriesgode un portafolio diferente al de referencia, las fases son:** C2p¡e,de S- 1100.0 $100.0 OW .Y_-_ J100.0 $100.0 0:377%" $ X "siOO:o m l m o A

1. Se define el entorno económico. Por ejemplo, considere los siguientes escenarios:

O^^^TV: 2-35% :4-l5'33.3% 0,383%= 1.1S%/3 —

fe^.te:'Encartarlo, . a073%=S.56%'6.12%'33.3% " 240% = 6""l2%/3 ' —-^''-'''-''^-^^^^-'--^^M

Crecimiento 33.3%^^
0.937,= = 2.61%/3 3133»/, ^ 33 g%. ^27%- 0,937% • 0.977%

Recesión 33.3%

2. Se determina ei valor de las probabilidades de incumplimiento de cada crédito, que Probabilidad de no perder = 93.884% = 32.158% + 81.393% + 30.034%
es consistente con los escenarios macroeconómicos. Por ejemplo suponga, que las
probabilidades estimadas con las ecuaciones 9.39 y 9.40 son:
•Por Último, se calculas ias'-PE y e! VaR de crédito. Las pérdidas esperadas
ascienden a $8.487 (200 * 0.109% + 100 * 6.307% + O* 93,584%). Por su parte
86 Como se mencionó en ¡a sección 9.3,2,2, la estimación de las matrices condicionales para diferentes horizontes Si se supone un nivel de confianza de 99%, el VaR asciende a $100.0, como se
de riesgo se calculan mediante la muíSplicación de las probabilidades de Incumplimiento acumuladas.
87 Las matrices condicionales se podrían utilizar en la esíimacíón deí VaR de crédito con el modelo de
'observa en la Gráfica 9.14.**
CrédilMetrics, de esta manera podría superarse la crítica a ese modeio, sobre que Ignora el comportamiento
de ios ciclos económicos
88 Wiísofi {1997-11) analiza el riesgo de portafolios diversificados y eí riesgo de instrumentos negociables y 89 El nombre técnico de agregar el riesgo del portafolio se conoce como "convolusionart
no líquidos. 90 Una de las características del modelo CPV es estimar distribuciones de frecuencia discrefas.
 326 Valor en Riesgo y otras Aproximaciones
9.5 Bibliografía
• Miman, E., y Saunders, A., (19S8) "Credit Risk Measurement; Deveiopments Over the
Last 20 Years", Journal of Banking & Finance, No.21.pag. 1721-1742.
« Basie Committee on Banking Supervisión, (2000) "Summary of Responses RecRiyo^
on the Report "Credit Risk Modeíling: Current Pracííces and Applications". Basle, mayo.
«Basle Committee on Banking Supervisión, (1999) "Credíl Risk Modeilinn: Cnrrpgi
Pracííces and Applications". Basle, abril.
« Basle Committee on Banking Supenyision, (1999-1) "Credit Risk Dísclosure", Basle, julio.
• Beikin, B., Forest, L, Aguáis, S.', y Suchower, S., (1998) "Expected the Unexpecíed",
Risk Magazine. Reporte Especial de Riesgo de Crédito, noviembre, pag. 34-37.
» Briys, E., y Varenne, F., (1997) "Valuíng Risky Fixed Rate Debí: An Extensión", Journal
of Financial and Quaníitative Analysis. Vol. 32, No, 2, junio, pag. 239-248.
•« Burgisser, P, Kurth, A., Wagner, A., y Woíf, M., (1999)" Integrating Correlatíons",-Rísk
'-' Magazine. Vol. 12, No. 7, julio, pag. 57-60.
• CNBV, (2000) "Calificación de Cartera Crediticia. Metodología para la Caiíficación de la
~ Cartera de Crédito Comercial", Circular 1480, septiembre. ";.
» Matriz de Probabilidades de Transición en ia Estimación del Riesgo Crediticio", Consar.
junio, No publicado.
» Credit Suisse Financial Producís, (1997) "CreditRisk +. A Credit Risk Management
Framework".
« Crosbie, P., (1999) "Modeüng Defaulí Risk", KMV Corporation. Documento propiedad -
de KMV Corporation, enero.
« Del Angel, 6., Márquez, J., y Patino, E., (1998)" A Discrete Markov Chain Modei for
Valuíng Loan Portfolios. The Case of Mexican Loan Sales", Journal of Banking & Finance.
Vol, 22, pag. 1457-1473.
» Duffie, D., y Singleton, K.; (1999) "Market and Credit Risk Management for Financiai
Institutions: An Iníegraied Approach".
® Glantz, M„ (1994) "Loan Risk Management. Sírategies and Analysis Techniques for
Commercial Bankers", Probus Publishing Company, Chicago.
© Grossman, R., Brennan, W., y Vento, J., (1998) "Syndicated Bank Loan RecoverySíudy",
CreditMetrics Monitor, primer trimestre, pag.29-36.
« Gutiérrez, R., y Márquez, J. (2000) "Los Métodos de Calificación de Cartera y su Importancia
para ios Paradigmas de Medición de Riesgo de Crédito", No publicado.
Riesgo de Crédito 327
• Hite, G„ y Warga, A,, (1997) "The Effecí on Bond-Rating Changes on Bond Price
Performance", Financial Anaivsts Journal, mayo-junio, Association for Investment
Management and Research, pag. 35-51
• Jarrow, R., y Turnbull, S., (1995), "Pricing Derivatives on Financial Securities Subject to
Credit Risk", The Journal of Finance". Vol. L, No. 1, marzo, pag. 53-85.
9 Gupton, G., Finger, Ch., y Bhatia, M., (1997), "CreditMetrics. Technical Document",
Morgan Guaranty rust Co. J.P. Morgan, Nueva York, abril.
» Keenan, S., y Carty, L,, (1998) "Commercial Paper Defaults and Raíing Transítions,
1972-1998", CreditMetrics Monitor, tercer trimestre, pag.28-45.
• Keaihofer, S., (1998) "Portfolio Management of Default Risk", KMV Corporation. Documento
propiedad de KMV Corporation, febrero. Reimpreso en Net Exposure, The Electronic
Journal of Financial RisK. Voí.1, No. 2 marzo-abrií„199B, www.netexposure.co.uk/.
« Keaihofer, S„ Kwok, S., y Weng, W., (1998)-"Uses and Abuses of Bond Default Rates",
CreditMetrics Monitor, primer trimestre, pag. 37-55.'
« Koyiuogíu, U., y Hickman, A., (1999) "Reconcilable Dífferences", en Ong, M., (1999)
"Internal Credit Risk Modeis. Capital Aiiocation and Performance Measurement", Risk
Books, Anexo, pag, 306-320.,
« Merton, R., (1974) "On the Pricing of Corporate Debt: The Risk'Structure ot Interest
Bates", The Journal of Finance. junio, pag.' 449-470,
« Miller, R,,'(1998) "Refining Ratings", Risk Magazine, Vol. 11, No'. 8, agosto, pag. 97-99.
Reimpreso en los anexos de Ong, M., (1999) "interna! Credit Risk Modeis. Capital
Aiiocation and Performance Measurement", pag. 321 -327. -
• Ong, M., (1999) "Interna! Credlt Rísk Modeis. Capitaí Aiiocation and Performance
Measurement". Risk Books.
• Hender, B„ y Stair, R., (1997) "Quantitative Anaivsis for Managemenf. Prentice Hall,
sexta edición.
• Saunders, A., (1999) "Credit Risk Measurement. New Approaches to Valué at Rísk and
Other Paradíams". John Wiley & Sons, Inc.
9 Seilers, M., y Davidson, A., (1998) "Modeüng Defaulí Risk. Private Firm Modei", KMV
Corporation, Documento propiedad de KMV Corporation, octubre.
• Standar & Poor s, (1997) ¿Qué es una Calificación'", Ejecutivos de Finanzas, noviem-
bre, pag. 8-14.
© Tokai Bank Europe PLC (1998) "A Framework for Anaiysing Credit Risk", Risk Magazine.
Reporte Especial de Riesgo de Crédito, noviembre, pag. 5-8.
® Vasicek, O., (1994) "Credíl Valuation". KMV Corporation, Documento propiedad de KMV
Corporation, marzo.
 330 Valor en Riesgo y otras Aproximaciones Riesgo operativo 331

10.1 Definición Fadordenesgo ^ -• Responsabilidad^- "'z r^^mplosM^gS?l^k/f^

Pgrsonal ^ Uaea| de negocios ~

Paradójicamente, a pesar de que ei riesgo operativo es e! que podría tener mayor relevancia ' " Re A s humanos- . FW&f^^Y fe^W fe
en las instituciones financieras, su análisis ha sido muy limitado. Inciuso ias definiciones Seguridad incapacidad de ladFeoüon / |
disponibles son muy ambiguas. Destacan ias siguientes: Tecnología Centro de datos Sistemas anticuados
Tecnoiogía de líneas de negocios Fallas en sistemas, virus
» Definiciones que explicitan ias causas del riesgo operativo; j Infraestructura

• Incertidumbre relacionada con ias pérdidas que resultan de sistemas inadecuados,

falta de controles, errores humanos o de administración.
Activos físicos Operación Pérdida de activos negociables
• Pérdidas debido a los fracasos en los procesos operativos.
FB^ééZX jij y,.^ _ Aspeqtosde seguridad. ,,.,.¿i,rte,gantigsiá;qf;t^
• Losriesgosde tipo operacional más importantes se deben a fracasos en ios
controles internos y a las políticas relacionadas con las prácticas de gobierno
corporativo.!
* Definiciones que no hacen referencia a las causas del riesgo operativo:
• De acuerdo con los modelos de rendimiento del capital ajustado por riesgo,^ los
• Cualquier riesgo que no esté cubierto por los riesgos de mercado y de crédito.*
riesgos operativos se identifican a partir de los factores de riesgo que podrían
presentarse en las instituciones financieras en todas sus dimensiones, es decir: » incertidumbre relacionada con ías pérdidas, en términos de valor en libros, debi-
personal, tecnología, relaciones de negocios, activos físicos y factores externos y do a un fracaso en la manufactura de los bienes y servicios. Definición que se
reguiaíorios. Una vez definidas estas áreas se identifican ías responsabilidades y Importa de ía ingeniería Industrial y que se concentra en la definición de la cadena
las funciones inherentes a esas áreas y, con base en ellas, los tipos de riesgo que de producción de la empresa."
podrían presentarse. Por ejemplo, Bankers Trust identifica los siguientes riesgos
de tipo operativo:
10.2 Importancia dei riesgo operativo

Faikesnslein (1997} destaca que en el margen, el riesgo operativo es el más relevante en

las instituciones financieras. Su argumento se fundamenta en ios supuestos siguientes:

* Para incrementar su rentabilidad, una institución financiera debería estar dispuesta

a crecer de manera ilimitada. Para lograrlo podría fusionarse con otra institución.

« Si los portafolios iniciales de estas Instituciones (antes de ía fusión) son y P,,

respectivamente, en equilibrio la rentabilidad ajustada por riesgo de ambos portafolios
debería ser Igual, es decir:
1 Ei tema de gobierno corporativo traía dei problema de agencias, es decir, de cómo separar la responsabilidad
de los administradores y de los accionistas, y de cómo garantizar que los accionistas reciban un rendimiento
I ^ ^ ^ (10.1)
por sus aportaciones. Shieifery Vishny (1997). Por su parte, el Comité de Basilea destaca que las principales VaR{P0 VaR{P,) ^ ^
causas operativas de las pérdidas de ¡os bancos son: falta de una cultura de control interno; estimación
inadecuada de los riesgos; falta de controles en la aprobación, verificación y confirmación de las operaciones;
comunicación deficiente entre las diferentes áreas de control y de negocios y, programa de auditoría y de
supervisión ineficientes. Katz (1998). Diferentes artícuios mencionan múltiples definiciones parecidas de
riesgo operativo.
2 Holfman y Johnson (1996). Hoffman (1998) explica la metodología RAROC ("Risk Adjusled Returns on 3 Jameson (1998).
Capitaí") instrumentada por Bankers Trust's para medir el riesgo operativo. 4 King(1998).
334 j Valor en Riesgo y otras Aproximaciones Riesgo operativo 335

» Aprovechar la iníormación'de las distribuciones de frecuencias de problemas 10.4.1 Un modelo de riesgo operativo
operativos en otras industrias, y trasladarlas aí sector financiero.
Algunas aproximaciones se han desarrollado para estimar el riesgo operativo.* Para
• Consultar a los expertos de cada un de los problemas operativos poíenciaíes y,
estimar el VaR operativo se utiliza la siguiente fórmuia:
mediante consenso, construir ías distribuciones de frecuencias hipotéticas que
permitan estimar ei VaR operativo. (10.3)
• Elegir la opción más confiable, que consiste en construir diariamente ía base de Donde £ = "Exposure" o valor esperado de las pérdidas operativas.
datos correspondiente y ordenaría en !a categoría de riesgo respectiva. <^ortnu.m ="Probabilldad de que ocurra el evento.
fe™,TO/ = Pfobabilidad.de que los controles fallen.
• O, sencillamente, construir matrices de control (MIS) que permitan identificar en
qué parte de ía cadena de producción se pueden presentar con mayor probabilidad
y severidad ios riesgos de tipo operativo. Por ejemplo, como la que se muestra Diagrama 10.1
a continuación: MODELO DE VALOR EN RIESGO OPERATIVO

Cuadro 10.1
FACTORES DE RIESGO OPERATIVO. PROBABILIDAD Y SEVERIDAD

•>te>;te .::^:frz?á''¿:Uríur7>?.
-te>'í,v;S'-í-rfeí í?/^
te+r+^ÍfJ'-''''+ííj5s:í£—L«• •• Jl -U-.? ••''•I—V;.". -'X\'-Z -•. -Z'l ' I . ;| -i'-CiííSSl
«íMediaT
Riesgo de personal
"•ir - ~"'"V' te CáXA
fe!: fe
Incompetencia

'.'—•Zt: :. •
Error de meíodoiogía
í+aF
^É4M 4t40/^^V7SfT
¿7/i¿^-

Riesgo de transacciones
i-Seltlement»
Liquidación
Pailas en los sistemas
Planes de contingencia
Riesgos externos
7r.RbgÚ!^?igtKfe ' TT-"L
Tratamiento impositivo
• A-Al V' •; %f'ypyé^^
444-7 Nótese que a diferencia de la estimación del vaior en riesgo de mercado, de crédito y de
iiquidez, en el caso del VaR operativo se toman en cuenta las probabilidades de que ios
controles establecidos también hayan fallado, una vez que se presentó eí evento.
Al igual que con los otros nesgos, para estimar el riesgo operativo hay que seleccionar los
A-te'-te"'". —i -'te
factores deriesgoy el "exposure" operativo; no obstante, en este caso estos factores
podrían ser particulares en cada institución. A manera de ejemplo se estima el VaR operativo
•"-•v^-TllS
i T^^^£M-5.T\V%
ih'yi-y.-'J •^yfMr"é de dos actividades relacionadas con la negociación de los instrumentos derivados:*
fe'tev'T' •••"7 8 Kingsley y otros (1998). Cruz, Coleman y Saikin (1998) presentan un modelo de eventos extremos. V é a s e
el Capítulo 11.
9 Un ejercicio similar debería realizarse para cada una de las actividades de los diferentes procesos que
Intervienen en la cadena de producción de ias instíluciones.
 Riesgo operativo 339
338 I Valor en Riesgo y otras Apioxmiacn.'ies
10.6 Controí dei riesgo operativo
- P é r d i d a s estimadas Causas
^ Inslítucióñ

fihanza? corporativas ya que^ • Faiía cíe QOhíroles, nesgo de liquide^ De acuerdo con ias causas que dieron lugar a ias pérdidas que mencionaron en la sección
es el único cascique en fe fli^Ldas de margen) y ^ '
7 y anterior, para controlar el riesgo operativo es necesario poner énfasis en los siguientes
•« -IT operaciones de cobertura una desconocimiento de [a dirección ^
'--?T-Vl^' teí/- empresa reporto perdidas. temas: participación del consejo directivo; código de ética; separación de funciones;
riesgo del modeio; procedimientos de negociación, operación y registro de las transacciones;
Dáiwa Bank;. •"-ITtiibnes dedólaresy el. • Fafsil!C"aciófi durante once anos de.^
¡••docutnentos. como-resuítado-guejF^ políticas de control y de riesgo y definición de la plataforma de sistemas."
n -^r
I . 'r
•fierre.de las operaciones
eaEUA "%ac!ef lenfael control del Ironíuy^g
Es necesario que las políticas y los procedimientos que se establezcan-para controlar los
*i';T'"k-ii*n-iih
•PoSlGiones excesivas qu&-prefend]£ riesgos operativos se plasmen en los manuales de operación y de riesgos correspondientes.
^compensarperdidas pasadas ^ Para facilitar ia definición de estas políticas y procedimientos se sugiere primero identificar
las fuentes y ios factores de riesgo. Un ejemplo se presenta en el Diagrama 10.2.
Gonsqgjdefe i „ poüjplíforteq de dólares ei>
tíiudadanosen ^ fe posiciones de sWaps conseios ciudadanos no terífen
aufondad para realiza!; operaciones Diagrama 10.2
gían Bcetana^+ r
4 4waps y pol tanta dectaronüioS.t
4- ^Contratos (Riesgo legal) CONTROL DEL RIESGO OPERATIVO
- •.tP.i3¿4:-+f|f'«#fl'K'i

- J!M»Í;M^' PMs77/é _ Fuentes^deriesgo

Aéklqeapital .^6G
Managémenfe ^ ;^ROSÍÓ'O Cambios
^fe ¿goíécanas gomo colatgraies ,marKet equivocada.
^^fe.> J
•ínstituGiDnes ^ -*Esqaem^asdBmQntof|.oyde
"•^ >s^pefV&}drrpof)resfe,¿.f" ^ Complejidad
ftnanéieras'
mexicanas * • Estructura deí capital |crédiíos ^ ^
Y i'í:-l,i7' Kitey'-: 4í;¡ái , ..relacioFíádoS) quepr^nqvio los Complacencia
P 1.7\ ^ ^ prófaíemas-ds''a8eqciaéi.efiíre..5^^p
adminislratíorss y acbioñístaét{faUt§é) I í internós Externos
. >-Prografpas de'reesírucluracioaque/rwTii Conírolahles-iNo. controlables'
-alentaron étdano móral (culítirad^^ j^fe>^raínós|totin^tos;;;^
%rpa#r^ > ^ ,fe-
«Inexistencia de modelos de nesgo oda
.moíiitoreo dalos mismcss --^íi 1^.
feunciQBOsde bactcoflic^y de
Iront office'en manos del "trader ^ Manitaleg de polittcaá y de ^
«Esquemas de retribución (botlos) ^procedimientos de-control.operaíivo
<• asimetücos ' " - •fete 77^r77F
• Conícatds eaespectaRoscfeditieiQSj mal
idtp.. élaborafíos ^7 ^ ^ ^ Algunas recomendaciones se mencionan a continuación:
l^í3*!. • Planes^strategiCDS-de[icientes /
fl ^(concefraijion áelioaf^m de credííoep
10.6.1 Participación del consejo directivo
•íirisólo sectOF.Uasas ae.Grebmienío.det;
*¥ erédifü insostenibles ^pVidfs.
mdlscnfntnpda.de.sucffrsaTés;.banqp|tei ® El consejo directivo debe definir ia combinación de riesgo y de rendimiento que
tor¡entaübs¡¿labancade:mversíon'n|>!j
desea.feso significa aprobar las líneas de negocio que son consistentes con su
obstanfp cpníar coruma amplia T e ^ g
preferencia de riesgos y con los recursos y la capacidad de su institución.
X r oficinas é/c) ^ .í'-fete]
13 Estos temas, de alguna u otra manera son los que se mencionan en diferentes documentos regulatorios.
12 Et riesgo estratégico se refiere al riesgo de que una ínsütucióri participe en negocios o nichos de mercado
Banco de México (1995), Basle Committee on Banking Supen/ision {1998}, Group of Thirty (1993) y Styblo (1997).
inviables en los que, para obtener rendimientos elevados, debe tomar posiciones de nesgo excesivas.
 342 Vaior en Riesgo y otras Aproximaciones
*1 -^7fd7^tr -i^ ^ q4 i.
\SóbreqJ|dáse|rf|b&de^atinin9ta0esternarpO0Lco?^^^
jnafádQS-3p¿ól'^e|t¿SGianes qo ^tcas genqm!meoí|!^|f^^á| ítoí"%l|í
|epgcióiv|yíi|y^|aS§b es muy 9ra|t3e feaáoatos0!etfá|&|nlipént|§fe
"B^pe%^ ia ^Iqsjpf ^ f e ¡os opeFatíbres éd parte de efs^f ü p ^ f a í 6 $ % n j y ^
j ]rop§[taníe 1^ ppetfesupejíerque alguien caiga inadveríidatpeilíe e"b linYaDcidAs j
vaya epfeóíitEa^^ta^eti¿ siil embargo, bgp eft ese faad ^ ppsible qurpítóda^J
^ fev|ríiraapapa^rsedeekfqmporfamíení5gH^ De^OuertfoconioaníáTioísf ^
"psitüdlmíh ¿Cforao'püedén eliminarseasosríesgos^fe' *fe?T^
Para evitar que en las negociaciones de una se adopien comportamientos no éticos,
se sugiere;
« Presentar, mediante mecanismos de capacitación continuos, el marco regulatorio y
'7 • los procedimientos y políticas que son práctica común en la industria.
i « Para evitar que los operadores tomen posiciones excesivas, bajo eí principio de;que
; l a s "ganancias se prívatizan y las pérdidas se socializan" es necesario establecer
- mecanismos de remuneración ~ principalmente para los "íraders"—que equilibren
la relación riesgo-rendimiento,'* ; quedar por escrito. Se fécomienda que en la elaboración del nianual se consideren las
* Otorgar los bonos hasta que se realicen las ganancias. De esta manera se elimina ia
posibilidad de que posiciones ganadoras se pueden volver perdedoras.
.- » Pago mediante acciones u obligaciones convertibles, que sólo se puede liquidar
en varios años. i promedio de 3 años". Ya que eílo puede implicar estructurar un portafolio sólo con
• Hacer a los "traders" partícipes en las pérdidas.
® Verificar ios reportes de ganancias y pérdidas con base en los cuales se calculan'
las remuneraciones." ' ¡
* Determinar los límites de operación y de monitoreo de ias posiciones y de los riesgos.
15 Smith (1993).
16 Ludwing (1995) destaca como la causa de ias pérdidas de Baring ocurrió por la presencia de esquemas de
remuneración deíicientes.
17 Instefjord y otros (1999) destacan como, mediante un esquema de reportes ineficiente, se pueden ocultar
las pérdidas.
Riesgo operativo 343
10,6.4 Manual de políticas y procedimientos
Para controlar losriesgosoperativos— de carácter ético, fallas en los procedimientos e
indefinición o incumplimiento de las políticas — las unidades de riesgos cuentan con dos
herramientas; el manual de control de riesgos y con el seguimiento y divulgación (reportes)
periódicos de los parámetros y posiciones de riesgo."
Mientras en la mayoría de ias instituciones estos manuales se consideran sólo un requisito
que ías Instituciones deben cubrir para cumpílr con los requerimientos de ías autoridades,
debe enfatizarse que:
^ Z % Í \
1. Eí manual de riesgos es eí documento que formaliza el compromiso —de ios participantes
en el proceso de producción de ia institución— de garantizar y de proteger el valor
de mercado del capitaí de los accionistas.
2. La guía que facilita ia función —de .agente— de los auditores para garantizar el
control de los riesgos operativos. i
En el manlial de riesgos sé deben determinar ías políticas y procedimientos de operación
y de-riesgos. Para garantizar su cumplÍmlento,y errores de interpretación, éstas deben
siguientes regías: ' ' . . -
8 Las políticas y ios procedimientos deben ser precisas. Por ello es muy importante
. que se utilice un lenguaje claro que evite interpretaciones particulares..Deben
evitarse políticas como ías siguientes: "mantener un portafolio con una duración
bonos cupón cero a 3 años,' o bien un portafoilo con bonos"á 1 día y bonos a 15
años. Los resultados de la estrategia de negocio serán muy diferentes.
• Respaldar, de ser posible, cada uno de los procedimientos con las circulares
decretadas por la autoridades y con iq^ establecido en. las ieyes financieras
correspondientes. Eso facilitará su cumplimiento."
í" . . .'
s Las políticas que se aplique a ías diferentes áreas, deben ser consistentes. :
• En cada fase de los procedimientos se debe especificar el ¿quién?, el ¿qué? y ol
¿para qué?. En otras palabras, el manual le debe decir a los auditores y contralores
cómo las diferentes áreas que integran la institución van a lograr sus objetivos.
§ Las políticas y los procedimientos se deben revisar de rnanera periódica para
capturar los cambios y la dinámica de los mercados.
18 McNew (1997)
19 Orozco y Zamarripa (1997).
 346 Valor en Riesgo y otras Aproximaciones Riesgo operativo 347

9 Evaluar los resultados de las estimaciones y, en el caso de que los resultados no
sean satisfactorios, determinar la solución, la cual depende del diagnóstico:
« Modelo conceptual correcto, pero estimaciones incorrectas. Solución: Calibración
del modelo.
• Modelo conceptual correcto pero muy inestable, Solución: Incorporar supuestos
eje reversión a la medía y tener precaución en su uso.
• Modeío conceptual equivocado, Solución; Sustituir el modelo,
• Modelo conceptual correcto, pero aplicación incorrecta. Un ejemplo es la estimación
m
deí precio de las opciones sobre tasas de interés con ei modelo de Biack & Scholes.
m
3
Solución; Capacitación.
• Modelo y estimación correcta pero Interpretación equivocada. Solución: Capaci-
tación.
i futuras de la entidad y del estado de las artes, que es dinámico y cambiante.
"® Designar a auditores externos, o a persona! diferente al que los realizó, la tarea de
verificar que los modelos son los adecuados y que representan ía realidad en condi-
ciones de estabilidad y en condiciones de estrés.*'
2) Los que tienen que ver con la -selección de ía plataforma tecnológica y de sistemas,
sobre todo.porque estos aspectos se consideran como un elemento estratégico en
el posicionamienío de las instituciones en su sector.
• Confirmar que los sistemas que se pretenden establecer cumplen con la estrategia
de negocio y con los objetivos y filosofía de la Institución. Actualmente hay un
gran número de sistemas en las instituciones'que ni siquiera se utilizan.
• Definir el pían de impianíacíón de la infraestructura tecnológica. Cuando los sistemas
son novedosos, la complejidad y los cambios son fuentes de riesgo operativo. Por
tanto, eh el plan se deben considerar la filosofía y ías características particulares
de cada institución.
• Diseñar la arquitectura de la aplicación, de los 'datos y las características técnicas
y verificar que son consistentes con la arquitectura del negocio. Es importante
garantizar queda arquitectura tecnológica puede adecuarse a las necesidades
• Realizar eí "check and balances" entre tareas y resultados, que permitan identificar
' ias causas y las soluciones a cualquier limitación del desarrollo deí proceso.

8 Verificar que la programación de los modelos es precisa. Pequeñas discrepancias

^'1 eventualmente implicarán grandes diferencias.
•4

10.6.7 Infraestructura tecnológica

Pam controlar el riesgo tecnológico y de sistemas, dos aspectos merecen atención:**

1} Los relacionados con la ejecución periódica de la cadena productiva.

I » Definir los controles que garanticen el funcionamiento de todos los procesos

productivos.

s Establecer los planes de contingencia ante ía presencia de eventos rutinarios

y extremos.

* Realizar ias funciones de auditoría y, sobre todo, dar seguimiento a sus

recomendaciones.

21 El Banco de México estableció un procedimiento que los auditores externos deben cumplir para revisar los
modelos de valuación y de riesgos que utilizan las instituciones financieras en la negociación de los
instrumentos derivados.Asimismo, Vaiuación, Análisis y Riesgo (2000) desarrolló un sistema de calificación
complementario.
22 Webb¡1998).
Control Integral
d e R i e s g o s

El propósito de este capítulo es presentar un modelo conceptual que

permita analizar y controlar de manera Integral ios riesgos en las
instituciones financieras tanto en condiciones de normalidad, como en
la presencia de eventos extremos. Para ello, es necesario definÍGun
marco metodológico que permita evaluar todos ios riesgos a íos;que
están expuestas, estimar el riesgo del portafolio en el caso de, que se
presenten eventos no probables estadísticamente y calcular eí monto
esperado de pérdidas cuando éstas superen eí valor enriesgo.Asimismo,
se menciona la importancia de verificar constantemente ia consistencia
de los parámetros y la calidad de las estimaciones de riesgo y se
describen los procedimientos para lograrlo. En la parte final del capítulo
se destacan las ventajas de utilizar estos modelos en las entidades no
financieras, en especial en aquéllas en las que los precios de sus
Insumes o de los productos finales muestran gran volatilidad.
354 Valor en Riesgo y oirás Aproximaciones Control Integral de Riesgos 355

» Un procedimiento de "back-íesting" para verificar ia calidad de las estimaciones y Esquema 11.1

de los parámetros.

• Modelos basados en la Teoría de Valores Extremos para estimar el monto de las

pérdidas una vez que se rebasa el VaR.

• Límites a ías pérdidas recurrentes ("stop loss"), que no rebasan el VaR pero que
acumuladas puedan poner en duda ¡a salud financiera de la institución.

• Indicadores y límites de concentración que eviten que las pérdidas no esperadas se

propaguen a otras áreas de negocio o dentro del mismo portafolio.

• Estimación no estadística de ías pérdidas'potenciales en ia presencia de eventos

extremos mediante pruebas de estrés y análisis de sensibilidad.

11.1.1 Eventos extremos

Tradicionalmente, los eventos extremos se han relacionado con circunstancias catastróficas,

•como por ejempio, con la devaluación del peso de diciembre de 1994. Sin embargo, esta
definición es poco precisa, ya que ignora muchos eventos en los que los factores de
riesgo no cambian drásticamente, pero que Implican pérdidas mayores al VaR. Una definición
más acertada define a los eventos raros como aquellos eventos que ocurren con mayor
frecuencia que la esperada estadísticamente, sin mencionar la magnitud de ios cambios
de los factores de riesgo.
Para capturar los eventos extremos que se presentan una sola vez y los que muestran
mayor recurrencia, se sugiere distinguir dos tipos de eventos extremos:'*
• Eventos frecuentes. Se refiere a los eventos que muestran mayor volatilidad a la
normal, que provocan pérdidas adicionales al VaR, pero que tienen un patrón
sistemático de ocurrencia.
« Eventos irregulares. No tienen una probabilidad de que ocurran asignada.
Para estimar e! riesgo del portafolio ante diferentes circunstancias se deben utilizar varias
medidas, las cuales se indican en e! Esquema 11.1, y se describen en las siguientes secciones:
11.1.1.1 Pruebas de estrés y análisis de sensibilidad
En términos generales una prueba de estrés consiste en el análisis de un escenario
específico, en eí que las condiciones de mercado son extremas y no favorables, que sirve
para determinar las pérdidas y ganancias de un portafolio. Es decir, a diferencia de los
modelos de valor en riesgo y de valores extremos que se describen posteriormente, los
escenarios de estrés y de sensibilidad son pruebas no estadísticas.
Para realizar pruebas de estrés hay diferentes alternativas. Dependiendo deí tipo de análisis
que se realice, las pruebas de estrés pueden ser el "sintonizador" de los modelos de
riesgo, o simplemente un "remiendo" cuando las estimaciones del valor en riesgo son
pobres e ineficientes. Las pruebas de estrés más usuales son:"
1. Estimar las pérdidas y ganancias del portafolio en el caso de que los factores de
riesgo cambien en una magnitud similar a las que observaron en alguna fecha en
las que se presentó un desastre financiero. El procedimiento consiste en las
siguientes fases:
• El portafolio se valúa a mercado, dados los valores vigentes de los factores de
riesgo.

* Se estima el rendimiento de cada uno de ios factores de riesgo, de mercado, de

crédito y operativos, en ia fecha que ocurrió el evento irregular.

10 Zangari (1997). 11 Rhocle(1998)

 358 Valor en Riesgo y otras Aproximaciones
• Precisar el procedimiento que se sigue para realizar las pruebas de sensibilidad.
Hay varias alternativas:
a) Suponer un cambio, porcentual, absoluto o algún múltiplo de su volatilidad, de los
factores de riesgo y revaluar completamente el portafolio.
b) Utilizar los indicadores de sensibilidad tradicionaíes como la duración, ia convexidad
y (as diferentes "griegas" asociadas a la valuación de (as opciones —los cuales
miden el cambio porcentual en el valor de un activo ante un cambio de una urlidad
en el valor de los factores deriesgo—y evaluar el riesgo deí portafolio a través de
estos indicadores, es decir, de manera paramétrica.
Mientras la opción b) tiene la ventaja de que los indicadores de sensibilidad son eí
insumo básico para realizar estrategias de cobertura,'* tienen la limitación de que
. son medidas locales de riesgo y, por ende, sobre todo en el caso de opciones, son
incapaces de evaluar el riesgo en la presencia de eventos extremos.
c) Asimismo, eJ anáfisis de sensibilidad puede ser múllipfe, es decir, cuando se
supone que todos los factores de riesgo cambian de manera simultánea o
.individuales, cuando sólo cambia un factor de riesgo. Mientras la primera opción
dificulta la tarea de identificar Jas causas deJriesgodeJ poriaíoJio, además de
computacionaímente el ejercicio es costoso, la versión particular tiene el problema
de Integrar los resultados. Una manera de hacerlo es sumar ías pérdidas o
ganancias de cada subportafolio;"no obstante, tiene el inconveniente de Ignorar
el efecto portafolio y cobertura.
4. Estimar el VaR con base en un subconjunío de factores de riesgo que refleje la
presencia de eventos extremos. Para crear este subconjunío de datos, los pasos son:
• Se estiman los rend[fnjentos de los factores de riesgo de mercado, de crédito
y operativos.
• Se elige el factor de riesgo de referencia.
• Con base en el factor de riesgo pivote se seleccionan las fechas en las que el
rendimiento de ese factor es mayor o igual, en términos absolutos, a un porcentaje
predefinido. Nótese que en la medida que el porcentaje sea mayor, el subconjunto
tendrá menos observaciones.
• Con eí conjunto de rendimientos de todos los factores de nesgos correspondientes
a las fechas seleccionadas se estima eí VaR.
12 Zenios (1993).
Control Integral de Riesgos 359
5. Calcular el VaR con un 99.99% de probabilidad. En este caso el problema consiste
en verificar la calidad de las estimaciones, sobre todo en la parte extrema de las
colas de la distribución. Este punto de vista toma en cuenta que al incluirse los
"ouiiiners" en la estimación del VaR, de alguna manera ya se están considerando
los eventos extremos en las estimaciones de riesgo.
6, Relacionar las distribuciones de pérdidas y ganancias del portafolio con otras variables
a través de modelos economélrícos. Esta alternativa requiere un esfuerzo adicional;"
sin embargo, los beneficios son muy diversos. Por ejemplo, únicamente con este /
tipo de modelos hubiera sido posible anticipar la devaluación del peso que se registró
en diciembre de 1994.
A pesar de la simplicidad metodológica de las pruebas de estrés y del análisis de sensibilidad,
tiene diversas ventajas:
• Permiten cumplir de manera fácil con los requerimientos de las autoridades.
• Muestra las causas, las variables y los tipos de riesgo que pueden provocar las
mayores pérdidas en la institución; sobre todo si el análisis de sensibilidad se realiza
con todos los factores de riesgo.
« Puede ayudar a los accionistas a entender las causas de ías pérdidas y a determinar
si hay un evento extremo que pueda provocar la quiebra de la institución. Asimismo,
hacer pensar a las instituciones que los grandes choques financieros puede afectar
sus negocios.
Los resultados de las pruebas de estrés y de sensibilidad indican el monto de las pérdidas y
los escenarios que podrían poder en duda la salud financiera de la institución. Esta información
efectivamente es muy valiosa; sin embargo, puede ser de poca ayuda si en ia institución no
se define qué hacer con esas estimaciones, sobre todo si como sucede con frecuencia, ¡os
resullados se ignoran ya que al ser de baja probabilidad no se consideran peligrosos.
Por tanto, para que las pruebas de estrés y de sensibilidad se aprovechen, deben venir
acompañadas de un marco normativo que indique el procedimiento que se debe seguir
para controlar tos riesgos. En ese procedimiento debe lomar en cuenta que cuando se
presenta un evento extremo ía respuesta de los participantes y de los mercados cambia
drásticamente. Por ejemplo:'"
13 Shirreff (1997) muestra como las presiones que implican ia falta de información y lafficetlldumbresobre el
nivel y la evolución futura de ios factores de riesgo se traducen en estrés en los responsables del riesgo y
ei rendimiento dei portafolio. El estrés provoca que cada agente económico se concentre únicamente en
sus intereses, que por lo general no son ias acciones que podrían ordenar ei mercado. Las estimaciones de
ias pérdidas en el caso de estrés calculadas en el escritorio siempre van a tener ia limitación de no capturar
ei estrés de los responsables en condiciones verdaderas,
 362 Valor en Riesgo y otras Aproximaciones Control Integral de Riesgos 363

te-
t.
j .ííí i-
Fpk
i/Es Si P representa Í$3' p é r d i d a s ; - : e p \ ^ F i d e b e s e r el monto- d e tíapltahmfelrq'ai 1+^ •Y. <4

:v7.que . n e ó e s i í a " und"' tttsiitucion/parr-so|jÉ|vlyiriea el . c a s o d e q u a a e - p í e s e í M ' i ^

m v E - íss 4 V x^ 7 r '
•evento é J d r e m o » ^ ~ s¿iíV «. ^ fe fe4t^¿

'•por"-SU parte, para:íStírnat.et.-monfo,.:dr{a8i.p8Td!das.potenciates:más-aila/ejí ;,tef í p

•éjcpaexjp. •ÍÍJL-'AÍ'Í-IW-'^-- /.••.'+Í1"I^-.:- ..
•5 Vi
vVaR^-sp d e b e o a J c ü r a r i i a ' p r o b a h i l t d a d t o o n d i d í Q ^ n a t d e e s í a - , p e r d ¡ d a : e x c e d e d t ^ ' . ; d e 1 0 • te'"
7ÍJ
m%-/ !-|iíl ;S
í a sfgliiente m a n e r a r fe'l ' ^
, \e m i d e j a p e i j ^ t ^ n t e ^ tatebucíó
^ y ¡ n ^ P á r p t q ^ r o que:p]usta í a e ^ j a f e las p é r d f t j a s e ñ j u n ^ n m e l j u l n ^ ^ ^ ele
I'dáíosdisponibles S " ~ F '"'^ ^
EstaTecpaefon.estabFeqe :qu6,-sf f f a y . i m a i p é p f e a r n a y o r ' a t - V a R / d a Í ' p Q b a b L l c ( ^ | - ¥ " ^ 0 6 valor de e s í e p a £ a | ) e í c < £ c i e p 9 a d e d e s i elmonto d e j a s p é r d i d a s e s
poDqjgopaf de qu^^dsfas p é ^ t d a s © x c e d e p t e d í i o s ó q n m a y o r e s a pjgdp n i v e L K p s M / elevado o reducido ^ f e " ^ . feY^^' . * LV ^

f A esta d i s i r l ^ ü c i o a a e [e d i c e ^ e n e l - a í i z a d a y a tjue comprende a ó t r a s d í s t a b u c i o n e s

l l Donde p i n i v e l d ^ p l r t j l d a a a ^ e í a r r n r n a f ^ i l l p s l l ^ ^ ^ 0^-;ffP"tó;l fe E s a ? distribuciones depqndefi d f l v j o f d e \ '' 'iíivsjf 77 terf
y / e s e i f ) u n í p m a s a j e [ a á i de i a f u n c i ó j t j s t o e m b a r g a r á / * ^ | r$L. •'.ZM
f =i ú lgJistr|bitGrpnse c o n o c t o e Q r t m . d Q b f r f ^ p o n e a c r a M | r j b u o i ó f T . ^ q ^ ^
la-eptiaolon 11 ? t a m b i é n s e rfie e x p t e a a f en t é r m i n o s dp k fumioi^BlteTOi
fe E s t a d í é t í M O Í e r r supone q u e á é j c o f a s d e l a j i s i r i b u c i d ü a d p d e i g a d a s T p o r í o que 1
" .f "fe V yÉTlVarl- e J ¿fi . rL& <« V(ta}\
,. /.7 jr f/e .J ^»* fr teA .« ^^- ^J "- f 4 ^^ f>J j¿» .f er& ^ t l t \a d e n e s g o s p s í i m i í q d a E j e m p l o s í a f l o f í q a U a j o s n o m i a l y i a ^
fe,' d i e í r t ó | i gsmm^ fe fe , feí ^ tefe
-fe-^ -^n^fe^- -fe/...(Ffe' ' ^ ^ 3
. \á/0XA)ÍJXA0MBXb}b^7^
fe f > o.|.a dlgtnbuciop s e denomina E r é o h e t E s t a d i s t r i b u á ^ p i j o e s t á a c o t a d a e n ^
Dependiendo de í a cantidad d e eventos extremos disponibles (•), [os modelos E V T s e
^ ia c o l a d g ^ b a d e ia|istobupion E s ^ d i s i j i p u c j o n | s c Q n s i g E ^ | pon ias e j t i t ^ a c í o n e e
pueden clasificar e n dos ciases:'*
d é l o s i i w i o s G a r c h t a d i s t r i b u c i o ñ d é Patato^ fe B u r r T o g p a m m a ^ C a u c h y
j. , "
son e j e m p i p s d e e s í a d i s t n o u c i o n ''^ (
« Modelos de datos suficientes. E s t o s modelos suponen que s e cuenta con suficiente
i n f o r m a c i ó n y que ios datos e s t á n i d é n t i c a e independientemente distribuidos. A te-:» -q < Q: í ^ r S s p o n d e mf^síribuctoBTW0ibüíi.:ffiiálfisíri^ a toito e n l a f e
e s t o s modelos t a m b i é n s e l e s l l a m a de " m á x i m o bloque". D a d a s l a s c a r a c t e r í s t i c a s cola izQuisitIa d e j a disfribuoion, c ó m a l a d i s t r i b u c i ó n B e t q y i a d í s t u b u c i o n uniforme i
de ios eventos extremos en ios m e r c a d o s financieros y de c r é d i t o , ia a p l i c a c i ó n de
estos modeios e n el á r e a de riesgos e s limitada.
Gráfica 11.3
» Modelos de picos sobre una referencia (peaks-over-threshoid) o de dalos insuficientes
DiSTRIBUClON GENERALIZADA DE VALORES EXTREMOS
( F O T ) . S u p o n e n q u e d e t e r m i n a d o s e v e n t o s de grandes d i m e n s i o n e s y de p o c a
frecuencia e x c e d e n u n a referencia. P o r ejemplo, cuando l a perdida de un portafolio
e s mayor que el V a R de m e r c a d o , de c r é d i t o , de liquidez u operativo, s e g ú n s e a
el c a s o .

|feSer-supone:qu6Ja.^suencia"Íe^erdidaa^áxfmas.5e)gede-a t
i u n a á i á t r i b u c í ó n gpneraiizada d e v a l o r e s S f e m o s ( D G v I l . ^ , ^^-^

17 Embrechts, Kiüppeiberg, y Mikosch, (1397) describen con detalle ios modeios EVT.
 366 I Vafor en Riesgo y otras Aproximaciones Control Inlegral de Riesgos 367

~ Gráfica 11.5
Gráfica 114í?
;f#^'i ESTIMACION DE LAS PERDIDAS POTENCIALES CON EL VAR Y CON EVT
;|V/fe tete
.tete
vMV> ^asliitóíica de íafdistnbuclón ^7
o^^77Mx' "i
i- J4

/ | f e V - ? ^ ? a f e 1 ? ^ ^ t^l^X \ k 0 y i r te/T-r^^lfe''
i^tíw" ñ Perdidas ^ „ ~ - ^ *i ^g-^i ^ ...""teT'' Q^'-^J^^ ^
vítete>?'«ít
' ."^*'*tc;fe ''A'^T'
'AS/y¡^ :S.^ Z 7jV0A7zi7AsV0-VbV
!l. Eslimar los parámetros de la Distribución Generalizada de Párete mediante 7. MrJdA^SXX/VáTEm^ itMíL^
métodos estadísticos de regresión, o lo máxima verosimilitud. La ventaja que
" • este procedimiento, a diferencia del método de cálculo de los modelos de valor en
j / riesgo, es que permite contar con estadísticos ampliamente conocidos (error esíántiar,
%7 estadísticos T," R*, etc.). que indican la calidad econométrica de la estimación. Esta
; . característica contrasta con la estimación del VaR, la cual se reaüza con base'en
!. procedimientos no economélrícos.

I!L' Por último, con base en los parámetros estimados, se calculan ías pérdidas esperadas
- excedentes, mediante la siguiente ecuación:

K
PEEVT=^-Pf— (11.7) De la Gráfica destaca;
' l-K l-K
...Donde: » Mientras las pérdidas observadas superan (violaciones) en cuatro ocasiones la
\ PEEVT = Pérdidas esperadas estimadas con el modelo EVT. ; estimación deí VaR; en ninguna ocasión las pérdidas observadas son mayores a
q = Percentil con base en ei cual se estimó el VaR. las calculadas con ei modelo EVT.
y=Parámetro que ajusta la escala de las pérdidas en función del número
® Las pérdidas calculadas con el modelo EVT en promedio duplican las caiculadas
de datos disponibles.-
con modelo de valor en riesgo.
K = Parámetro que mide ia pendiente de ía distribución. K?rO,
« Nótese que a diferencia de las estimaciones del VaR, que disminuyen después de
En la gráfica 11.5 se comparan las estimaciones de un portafolio hipotético, del VaR (que
que el ciuster de alta volatilidad desaparece, las pérdidas estimadas con el modeio
puede ser de mercado, de crédito u operativo) con un nivel de confianza de 99%% y las
EVT permanecen en niveles similares por un periodo prolongado posterior a la
pérdidas extremas calculadas con eí método EVT (mercado, crédito y operativo).
presencia de un evento extremo.

» Aunque el siguiente comentario no se observa en la Gráfica, destaca que si varios

eventos extremos se presentan de manera seguida, por ejemplo brincos en ios
factores de riesgo dei orden de 5.0%, el modeio EVT podría anticipar cambios en
los fadíores de riesgo superiores a20.0%. Para fines prácticos, esta es realmente ia
diferencia entre los modelos de estrés y de sensibilidad y los modelos EVT, los
cuales adicionalmente pueden determinar, dado el supuesto de un cambio en ios
factores de riesgo, la probabilidad de que ese evento ocurra.
 Control integral de Riesgos 371
370 Valor en Riesgo y otras Aproximaciones

« S e generan diferentes trayectorias de escenarios a l e a í o r i o s que s e distribuyen Donde: i V 4i:V^

normalmente con media cero y v a r i a n z a unitaria. E s t a s trayectorias s e construyen
para diferentes horizontes de i n v e r s i ó n ; por e j e m p í o una s e m a n a , dos s e m a n a s ,
1 m e s , etc. ^B¡}-= Funqíón rfetiigífiÉ'^cíójihofmai petáridarabuhiuSdl ^"i^'í^^AV
¡i.^- M e d i a d e ios-fendtrqientos ^^ . h, r f e ^ ^ '
• P a r a c a d a una de las trayectorias s e v a l ú a el portafolio. De esta manera s e obtienen
= D e s v i a c i ó n estapdár^ d e Tqs rendimientos ^ ^ L '¿•^^
las distribuciones de p é r d i d a s y g a n a n c i a s a una s e m a n a , dos s e m a n a s y un
f í = 3 j 4 i f e . . \ 0 . ^ ^ v m ^ ^
mes, respectivamente.
feéí
« S e elige e í percentil d e s e a d o , y s e estima el V a R de c a d a horizonte d e riesgo.

» E l peor escenario corresponde al mayor valor en riesgo,

11,1.2 i n a i c a a o r e s a e conceniracion
» Barone-Adesi, Bourgoin y Giannopouios** sugieren estimar el peor escenario con e!
siguiente procedimiento:
Por ú l t i m o , para cubrir todas l a s fuentes de riesgo posibles s e deben fijar l í m i t e s a í a
-f/k'- Estimar y pronosticar ía v o í a t l i i d a d de los factores de riesgo mediante modelos Garch. c o n c e n t r a c i ó n .dei portafoilo. S e h a mencionado, en'especial en el c a p í t u l o 7, q u e cuando
los eventos extremos s e manifiestan las correlaciones brincan y cualquier"beneficio posible
»" S e simulan ios rendimientos (cambios l o g a r í t m i c o s de los factores de riesgo) del
de diversifícación se pierde. Asimismo, la presencia del contagio y del incremento de la cartera
portafolio para el d í a t+1. Elio s e logra multiplicando tos p r o n ó s t i c o s de la volatilidad
vencida de m a ñ e r a generalizada en periodos de r e c e s i ó n es ampliamente documentado.
por un conjunto de variables aleatorias seleccionadas.
Por eiio, a fin de-evitar un d é t e r í o r b en í a s i t u a c i ó n financiera de las.instituciones ante la
• Con ios rendimientos simulados p a r a t+1 s e reestima e! modelo Garch, y s e realiza
presencia de eventos extremos, e s n e c e s a r i o establecer l í m i t e s de c o n c e n t r a c i ó n sobre
el c á l c u l o del p r o n ó s t i c o p a r a el d í a t+2.
la c o m p o s i c i ó p d e la cartera de activos financieros y crediticios. -fe fe

« E l procedimiento s e repite h a s t a que s e llega ai final del horizonte de riesgo,

g e n e r a i m e n í e 10 d í a s .
« Con c a d a uno de los e s c e n a r l o s de los rendimientos generados en c a d a periodo t,
s e estiman las p é r d i d a s y g a n a n c i a s del portafolio.
• Por ú l t i m o , dado un nivel d e confianza s e determina l a p é r d i d a m á x i m a o b s e r v a d a
E n lo que'se'refiere a ios activos financieros y-derivados, "la t e o r í a para determinar e í
grado de d i v e r s i f í c a c i ó n del portafolio e s t á perfectamente formalizada eh los modelos d e
Markowitz, ei "Capital A s s e t Pricing Modei" ( C A P M ) y el "Arbitrage Pricing Theory" ( A P T )
incluso, el grado de c o n c e n t r a c i ó n del portafolio s e puede evaluar muy f á c i l m e n t e si s e
comparan las estimaciones del V a R de todo el portafolio ( V a R diversificado) con la s u m a
de los valores en riesgo d e c a d a subportafolio ( V a R no diversificado).**

durante iodo el horizonte d e riesgo.

No obstante, s e •recomienda fijar l í m i t e s de c o n c e n t r a c i ó n s o b r e la t e n e n c i a de los
. Í q á F ^ | f e u í , * ? ^ p W p o r í e f i , ; c o t f i í & e é n a f s Q p g e s i b - d e qq^tos. parnijios-ep-losf a c t o r á & instrumentos financieros y derivados, y a s e a por tipo de instrumentos, plazos y factores
fedeírelgd/rendímientos) s o n A ^ a b l e s - t ó t o r i á s tnt6^ñ:fbl¿í-.es^.dgcifj 'qtg^ de riesgo (tasas de i n t e r é s , sobre l a s a s , tipos de cambio, etc.), principalmente.
L L - d t o í r í í É ^ ó n - d e p r o b i l l í d á d c á j u n t a na ,se afecta p o / í i g u n a p e r m ü t a c i o m d e j o s f e ;
Aunque fijar esios í í m i t e s puede parecer trivial y redundante,'dado que en las estimaciones
T e n d i H e n t o s , F a ' ^ g ü í e h t e f o r m f r e d u c i d a *° * \
dei V a R i m p l í c i t a m e n t e s e toman en c u e n t a ias c a r a c t e r í s t i c a s de los instrumentos que
integran e í portafolio, debe recordarse que las e s t í m a c i o r i e s del V a R suponen que los
m e r c a d o s son'completos, l í q u i d o s y eficientes, lo que en otras palabras significa que l a
p o s i c i ó n de riesgo s e puede cubrir o eliminar inmediatamente, Desdichadamente, e n un
24 Barone-Adesi, Bourgoin y Giannopouios (1998).
25 Acar y Prieui (1997).
26 Otras soluciones analíticas para estimar las pérdidas máximas esperadas, es decir, que se pueden determinar 27 Véase el Capnulo2.
mediante ecuaciones ya deíinidas, son las desarrolladas por Bahar. Goid, Kitto y Polizu (1997) y por Costa 28 Artzner, Delbaen, Eber y Heath (1997) muestran la posibilidad-de que la suma dalos valores en riesgo
y Page (1997), por mencionar las más importantes. incluso sea inferior al VaR de todo el portafolio.
 374 Valor en Riesgo y otras Aproximaciones Control Integral de Riesgos 375

• Si la probabilidad de incumplimiento aumenta, el nivel de capitalización también Sin embargo, eso no significa que los administradores de riesgo deben ser eruditos en los
deberá aumentar. Asimismo, si la probabilidad de incumplimiento es mayor que e! temas mencionados, en especial cuando los problemas del día a día parecen mucho más
nivel de capitalización, el capital del banco estará en riesgo. importantes que las discusiones académicas. Al respecto Derman destaca que en Wall
Street sólo se necesita sumar, restar, muíllplicar y dividir. A ío que habría que añadir que
• Si el término que está en el lado derecho de la ecuación es mayor a uno, la los administradores de riesgo también deben sumar, restar, multiplicar y dividir, pero lo
cartera no mostrará indicios de concentración. tiene que hacer bien, lo que en otras palabras quiere decir, realizar estimaciones de riesgo
sencillas "pero eficientes.
• En concíusión, es posible relacionar las medidas de concentración con el riesgo del
portafolio. No obstante, a diferencia de las medidas de concentración tradicionales, Sin embargo, ia tarea de verificar que ios cálculos son eficientes no es un problema
la instrumentación de este modelo es más compleja y requiere Información sencillo, ya que las estimaciones del valor en riesgo no se derivan de modelos de regresión,
adiciona! que muchas veces no está disponible en los bancos. donde ex-anfe se cuenta con estadísticos que miden ia bondad del ajuste.** Por el contrario,
el VaR no es más que la estimación de las pérdidas potenciales basadas en un conjunto
Sin embargo, independientemente de las limitaciones o de la complejidad de cálculo de los
específico de supuestos —sujetos a múltiples errores: riesgo del modelo; error sistemático;
indicadores de concentración mencionados, se sugiere establecer límites que coadyuven
error aieatorio o de muestreo, y error de redondeo numérico, principalmente**— por lo
a evitar un deterioro financiero de las instituciones, en especial en el caso que los créditos
que los cálculos se tiene que calibrar permanentemente, a menos'que la institución este
muestren alta correlación con respecto de un factor de riesgo, como la devaluación o la
dispuesta a constituir mayores requerimientos de capital.
recesión en la economía.
Por ejemplo, el Comité de Basilea establece que el monto de capital por concepto dei
11.1.3 Back-tesíing riesgo de mercado será equivalente al VaR promedio de los últimos 60 días multiplicado
por un factor que fluctúa entre 3 ó 4, dependiendo del número de veces en ei que las
pérdidas son mayores ál VaR.**
De acuerdo con io analizado en las secciones anteriores, un sisíema Integral de riesgos
reconoce ias limitaciones de los modelos de valor en riesgo (de mercado, de crédito y Cuadro 11=1
operativo), en especial en la presencia de eventos extremos; sin embargo, también reconoce BACK-TESTING Y FACTOR DE ESCALA PARA DETERMINAR
que estos modelos representan la parte medular del sistema de control deriesgos,en LOS REQUERIMIENTOS DE CAPITAL POR CONCEPTO DE MERCADO
especial cuando ios límites de las áreas de negocio se definen en función del VaR.** Por SEGUN BASILEA -
este motivo, la estimación del VaR debe ser ía mejor posible. Ma tía excepeianes durania un ano ' Facípr de escala
Suppne un Vat+aLOW de c o n í i a n z a
Derman*^ destaca que "es patético oír a los participantes en los mercados financieros sin 0-4 3.0 _
conocimientos de matemáticas en tiempo continuo hablar de volatilidad, VaR, estrés, etc.
Hay muy pocos campos en ios que el análisis teórico avanzado forma parte íntegra! del 6 3.5
vocabulario y de la Intuición de los no iniciados". ' y^^'jt'^'' hVX á. +' -^^-F 3 65- /"•'"T; H y
8 . 3.75
Este comentario viene a colación, debido a que ias estimaciones del riesgo del portafolio
J7Ai^VAA0_r^^,$^JyJ,7y. : - t e t e , .4F?. :ií.y-7irá7AM.
requieren dei conocimiento de componentes clave de diversos modelos económicos: teoría 10 ó más 4.0
del portafolio (Markowitz, CAPM y APT); modelos de estructura intertemporai de lasas de
interés; teoría del precio de las opciones; y modeios de agregación y de sensibilidad; ri5':-Góind!ia''Rfelo3,pStadrS:t;YjÓg^ y::A7^'77-'--70,07y7fr/7\

además de matemáticas, estadística y probabilidad. Desdichadamente, si se evalúen los felésbséíOfSporipcIíhlgE^lídá Ieydelqsg1afidjs.fij)in6>üs;y^^

conocimientos de los responsables de las unidades de riesgo, sólo algunos se escapan fe'limiíes^fflíñp parocenJmplte
del comentario de Derman. *
J'niesfái^á'artos comojdreqgiere la "teorfe cléí ftiiiieslrepASfñ Bmbafgo.júrifeventajá es.qUe en grande^
33 Se ha comprobado que cuando los límites se determinan con base en las estimaciones de las pruebas de
estrés, la rentabilidad de la institución eventualmente se deteriora, situación que no es más que otra |%cl§'fí'ósWá'p¥ó Ías ñief^eá'éstirnaclóries'.cleiVaR séd.bíiéne'qon i T í i i e s . t r p 8 j í l 4 S ^ ^ ; ^ ; <%!Í^T'd!
manifestación del riesgo. 37^ pesarde que este factor de ajusfe püedTsef sübjétivo, Stahí (i 997) demuestra que "cubre perfectamente
34 Derman (1996). ias pérdidas en el caso de cuentas extremas.
 378 Valor en Riesgo y oirás Aproximaciones Conífol Integral de Riesgos 379

• Validar que el modelo funciona ante diferentes supuestos, en especia! en condiciones

». Error estándar del percentil. Por suiparle, cuando ei VaFlse estíma-^a p j i r del
de estrés.
- uqTesimo percentil de la dj^nbi^on^lqpírioa de perdidaey.gaoancias:í;Íetp'* " '"^^^
« Las limitaciones del back-testing son más importantes cuando se desea verificar ía y]Blpt}phep\ánúsíi4Q''mip^^^ AS

calidad de los cálculos para un horizonte de riesgo mayor a un día, por ejemplo a 10
días como Ío requiere Basilea para determinar los requerimieníos de capital por
concepto de mercado. Destacan;
Dondete
* La composición y el tamaño del portafolio cambian durante el horizonte de riesgo, aa =;nj)\!ei
=EI)-vel.de
utíconfianza
uunnaii¿« i íit^, i •^^(^0874
es decir, es totalmente endógeno en función de los resultados que se vayan ./í'úI=sFuncionfóe1ad!strMc[ond&^
' %. "i^ ^ A. y - - o ^te'V
observando. Por ejemplo, un portafolio que registra pérdidas recurrentes provocará
El propósito de estimar el error estándar es construir un intervalo de tolerancia de percentil
que la exposición de riesgo disminuya.
o un intervalo de confianza de la desviación estándar, según corresponda, que permita
« El procedimiento para escalar el riesgo a partir de la raíz cuadrada del tiempo casi determinar si ei error muestra! es aceptable estadísticamente.''* Por ejemplo, en la Gráfica
nunca cumple con los requisitos estadísticos, lo que se traduce en estimaciones 11.8 se presenta ei error y el intervalo de confianza del múltiplo (2.33) de la desviación
de riesgo ineficientes. Por tanto, verificar la calidad de estimaciones erróneas es estándar que se requiere, dado el supuesto de normalidad, para lograr un nivel de
una tarea Imposible. confianza de 99.0%. Para evaluar si el error muestra! de la estimación del VaR no es
significativo desde el punto de vista estadístico, el múltiplo implícito en el cálculo del VaR
De acuerdo con lo anterior, io más recomendable es verificar la calidad del modelo se compara contra el múltiplo teórico, en este caso 2.33;^*si el múltiplo estimado queda
suponiendo un horizonte de riesgo de un día. dentro del intervalo de confianza, como se muestra en la Gráfica siguiente, el error muestra!
no es importante y.^por tanto, la estimación de! VaR es aceptable. -
Adicionalmente al proceso sencillo de contar eí número de violaciones y de compararlas
con el nivel de confianza, se han desarrollado diferentes pruebas para verificar ios Gráfica 11,8
supuestos y medir ía calidad de los modelos de riesgo, en especial deí riesgo de mercado. ERROR ESTANDAR E INTERVALO DE CONFIANZA DEL MULTIPLO (2.33)
Destacan los siguientes indicadores. DE LA DESVIACION ESTANDAR QUE SE REQUIERE, DADO EL SUPUESTO
DE NORMALIDAD, PARA LOGRAR UN NIVEL DE CONFIANZA DE 99.0%.
* Error estándar. El propósito de esta prueba estadística es medir el sesgo en los
cálculos debido a un error de muestreo. Para ello, Jorion^* propone utilizar el error
- - ftS^
estándar del percentil (q) o de ía desviación estándar (a), dependiendo del tipo de —>€-ln|ervalod9 conRanza ''*:H^¡<i
-^VafortHórim ^.-'V'/'J^ '
modelo que se use para calcular el VaR. Donde eí error estándar se construye al •—Valor oaüinada
comparar cj y q muéstrales, con los valores teóricos dé a y de q.
•• • f.-.&te
'r* Error.esiandar.de tí. Cuando se estimq el VaR con etmodefo p|,rameírico,.tiado-"el- T
;;- :.í supuesto. dejiorípa¡ldad.¿eiarror.^eH9;desvlaclon:qstan£íaipúa u
fecaleular el V^R equivale ¿ ' -^T y ? % W J ' ^ ^^^y y '

r-ifefí?(c7,4fx/Yj))=44|™ V »/iiii53^«^
1 H-f^ ^ V - /kf^j_ 0'
i"...¿lt,"-T
Donde ^ ^ /fíp; fFA- líVaiSmes: •

aA=Error estándar -y ^ fe ^?L* . 42 Kendai! (1994). Cuando la distribución empírica es discontinua o irreguiary no se pueda precisar un percentil
• R=numerode datos consideradostotila.estimación. zXy-Xzi. determinado, se deben utilizar medidas no paramétrica, como modelos kernel, para estimar el percenül y su
error estándar respectivo.
••a{^[A^})=í-D,esviación estandartíado-el Supuesto denormahdadlr^
43 Un intervalo de tolerancia es una clase de intervalo de confianza, donde la prueba se centra en un punto de
40 Jorion (1996). una sola cola de la distribución, en este caso en el percentil. •
41 Véase la ecuación 4.6 44 El múltiplo implícito se deriva de despejar en a ecuación 4.6, 4> = VaR/s.
382 í Valor en Riesgo y otras Aproximaciones Control Integra! de Riesgos 383

mayores al VaR), se acepte la validez de los cálculos. Por ejemplo, en eí Cuadro La complejidad de agregar los riesgos se deriva deia diversidad de supuestos, de
11.2 destaca que si ya se presentaron 5 violaciones durante el periodo de validación parámetros y del alcance de los diferentes modelos, como se puede observar en el
dei modelo y el VaR se calculó con 99% de confianza, la prueba de back-testing Cuadro 11.3. ' ' •
debe contemplar al menos 180 días de historia-'* En caso contrario el error de
muestreo del modelo de valor enriesgoserá significativo. Cuadro 11.3
CARACTERISTICAS DE LOS PRINCIPALES RIESGOS
Cuadro 11.2
NUMERO MINIMO DE DIAS DE VALIDACION DEL MODELO
fe. 4 ^ " ^ ? „ , Marcado '?Crédito.r^^|^fe ^P^fatívo-^^j^^^
QUE SE NECESITAN PARA ACEPTAR LA CALIDAD DE LA ESTIMACION,
DADO EL NIVEL DE CONFIANZA CON QUE SE ESTIMO EL VAR Principales eventos Normales Extremos Extremos
Y EL NUMERO DE VIOLACIONES te-.;/uhü^^^fefe5fe Mercados lyÍe^dp^|lK)m|0Eo^í;Ífi^^
Distribución Simétrica y Colas anchas y Cuando existe,
con colas anchas asimétricas con colas anchas
y asimétricas
1 6 . 3 O • O O
'í^^^7Í7^r''^^^^^y^^4^"^^^^'0'''yÍF Correlaciones Entre dimensiones Entre posiciones Cero
3 75 38 26 - 19 16

^5s¿4;:;.te:^-a*rhóL?.a —-*=TX-./ry-/xy.:^yxA,^-y!.:;i^,j^_,,::_^
5 180 91 61 46. 37 Verificación ^ Back-tesíing Verificación de Verificación de
parámetros parámetros

7 302 152 102 77

Adicionaimeníe, ia estimación del riesgo de mercado, de crédito y operativo son funciones
separadas, sin uñ sistema o'políticas comunes; con un personal con un entrenamiento
9 434 218 146 110
heterogéneo y en temas muy diversos.
5=!ííT'>tete-'-«ivrrrx-íív¿To-;r-p/í-Tí^^ 7
Mz7:^^¡Síyym^-:A7M4mAz^ 0éhy7^7^P4'y.0yyfl^:0¡ Algunas sugerencias que destacan para evaluar elriesgode manera integral son:
Kupiec (1995).

s Modelos ARIMA. SI la serie de pérdidas y ganancias es estacionaria, se puede modelar y
validar la calidad de las estimaciones mediante métodos autorregresívos y de promedios
móviles, con la metodología propuesta por Box-Jenkins.** Desafortunadamente, la
característica de las series de pérdidas y ganancias es su falta de estacionariedad; lo
que hace que el proceso de estimación de riesgo sea muy complejo.
11.2 Agregación de riesgos
1. identificar ios-riesgos que en realidad son Importantes. En el esquema 11.2 se
destaca que el riesgo de liquidez es resultado de la manifestación de los riesgos de
mercado, de crédito u operativo. Asimismo, el riesgo de capitalización depende de
ios riesgos mencionados y se aceníija cuando el riesgo de liquidez se manifiesta.
Esquema 11.2
í^'-?K->Tteí:vte

Si la tarea de estimar los diferentes riesgos es muy compleja, la agregación de los

mismos es todavía mayor, y quizás imposible de lograr. A la fecha, lo único claro es que
no hay ningún acuerdo de una medida que pueda ser representativa de! riesgo global de
una Institución.
49 Crnkovic y Drachman (1996) destacan que esta prueba se vuelve poco válida con menos de 500
observaciones, debido a que e! estadístico de Kuiper se concentra en toda la distribución de pérdidas y
ganancias. Para garantizar ta validez de la prueba con menos datos, esos autores proponen calcular un
índice de Kuiper ponderado, alrededor de los percenliles que se encuentran en las colas.
50 BoxyJenkÍns{1976).
386 Valor en Riesgo y otras Aproximaciones Controf Integral de Riesgos 387

Esquema 11.4 11.4 Bibliografía

FLUJO DE EFECTIVO EN RIESGO
rfnsqmos)^prodqctos Tipo de capibio' " ^ Jasas de ¡titpijes ^ 9 Acar, E., y Prieui, D., (1997) "Expected Máximum Loss Financial Retums", The .Electronic
1 Journal of Financial Risk. No. 1, octubre. htíp://www.netexposure.cn iik/.
1
« Artzner, P., Delbaen, F., Eber, J., y Heath, D., (1997) 'Thinking Coherently", Rísk Magazine.
Vol. 10, No. 11, noviembre, pag. 68-71.
.il ..ll
^4 ^ • Bahar, R., Gold, M., Kitto, t., y Pollzu, G., (1997) "Making the Best of the Worsf, Rísk
«íy^4 Magazine. Vol. 10, No. 8, pag. 100-103.

,,ÍÍ:::V. • Barone-Adesi, G., Bourgoin, F., y Giannopouios, K„ (1998) "Don'ílook Back", Risk
•ít Costos Producción Costo ' j Magazine. Vol. 11, NO. 8, agosto, pag. 100-103.
Ingresos Jv^:
4^ rl- financiero h-ri-j
$4 y. » Boudoukh, J,, Richardson, M., y Whiteiaw, R., (1995) "Expectthe Worsf. Risk Magazine,
Si
á^é fe/ ^'^'^•n otros gastos Voi. 8, NO. 9, pag. 100-101.
^á¿fí . fe . - . . ; O n á & > ^ i - i f e ^ 9 Box, G. Y Jenkins, J., (1976) "Time Series Anaivsis: Forecasting and Control". Holden-Day,
'•^S/r-rrFt-^^ Flujode efectivo San Francisco.
*í¡.Visffij+rte "-^nj^^^^é^ -"^
» Costa, D., y Page, M., (1997) 'The Value-at-Risk of a Portfolio of Currency Derivatives
« Identificar ias variables {factores de riesgo) que afectan e! comportamiento del flujo Under Worst-Case DIstrIbuíional Assumptíons", en "VaR. Understandíng and Appiying
de efectivo. Este conjunto de factores de riesgo puede ser diferente para cada Value-aí-Risk". Risk, Capítulo 33, pag. 317-323.
empresa. Por ejemplo, el tipo de cambio seguramente será uno de los factores de
riesgo más Importantes para una empresa exportadora. » Crnkovic, C, y Drachman, J., (1996) "Quaüty Control", Risk Magazine, VoL 9, No. 9,
septiembre, pag. 138-143.
« Construir ia base de datos de los factores de riesgo. • Derman, E., (1996) "Valuing Modeis and Modellng Valué", The Journal of Portfolio
5 Determinar si la distribución de probabilidad del flujo de efectivo es no condicional, Management", primavera, pag. 106-114. • :
o sí se establece una relación entre los factores de riesgo propios de la empresa y ® Dimson, E., y Marsh, P. (1997) "Stress Tests of Capllal Requirements", Journal of Banking
ias variaMes macroeconómicas. En el segundo caso, será necesario modelar las & Finance", No. 21, pag. 1515-1546.
elasticidades entre lo_s factores macroeconómicos y los particulares.
• Duffie, D., y Pan, J., (1997) "An Overview of Valué at Risk", The Journal of Derivatives,
© Definir el procedimiento de simuiación de los cambios en los factores de riesgo; —Vol.4, No. 3, primavera, pag. 7-49.
Monte Cario, histórico, etc. « Duffie, D., y Singleton, K., (1999) "Market and Credlt Risk Management for Financial
Institutions: An Integrated Approach".
® Calcular ía distribución de los cambios en el flujo de efectivo.
» Embrechts, P., Kiüppeiberg, C, y Mikosch, I , (1997) "Modeiling Extremal Events".
« Elegir el rüvel de confianza y estimar el FEeR, Springer-Verlag.

A pesar de que el procedimiento es similar al de la estimación deí VaR; medir ei FEeR es
una tarea más compleja, ya que se requiere analizar el estado de resultados y ei balance
de cada empresa para identificar los factores de riesgo, además de convencer a los órganos
de dirección, de ia importancia de contar con una estructura especializada en el control
de riesgos; muy poca gente en las empresas no financieras io reconoce.
» Focardi, S., (1999) "Business as Usual and Rare Events", The Journal of Portfolio
Managemenf. mayo, pag. 47-54,
® Fong, G., y Vacisek, O., (1997) "A-Multidimensional Framework for Risk Analysis",
Financial Anaivsts Journal, julio-agosto, pag. 51-57.
« Jorion, R, (1996) "Risk*: Measuring the Risk In Valué aí Risk", Financial Anaivsts Journal,
noviembre-diciembre, pag. 47-56.
 390 I Valor en Riesgo y otras Aproximaciones Medidas de comportamiento ajustadas por riesgo 391

12.1 Indicadores de riesgo-rendimiento
Tradicionalmente en el sistema financiero mexicano, y todavía en un gran número de
bancos, casas de bolsa, instituciones de seguros y fondos de inversión, por nombrar a los
principaies, ía evaluación y gestión se realizan con base en indicadores de volumen, por
ejempío; saldos de captación, número de créditos otorgados, monto de ingresos,
rendimiento y tamaño de ios fondos, entre oíros.
Con estas medidas, la comparación de ias líneas de negocios no se puede realizar con
un parámetro estándar, es decir, ía comparación es entre "peras y manzanas".
Adicionalmente, en ningún caso la evaluación de las áreas se realiza con base en el
capital que utilizan que, como se mencionó en capítulos anteriores, es la contraparte de
la exposición al riesgo de esas áreas.
Por ejemplo, si dos unidades de negocio —o Iraders", áreas, productos, etc.— muestran el
reporte de .utilidades que aparece en la Gráfica 12.1, ¿cuál tiene un mejor desempeño?.
Gráfica 12.1
UTJLIDADES DE DOS AREAS DE NEGOCIO
Por tanto, para comparar correctamente el desempeño de las diferentes, unidades de
negocio, se deben utilizar medidas de rentabilidad ajustadas por riesgo, En ía literatura y
en el medio, principaímente dedos fondos de inversión, se usan diferentes indicadores
con características muy similares para evaluar el comportamiento de un portafolio en e!
plano "riesgo-rendimiento".' Estos indicadores tienen dos interpretaciones:
» "Ex-post". Para evaluar e! desempeño de las unidades de negocio, fondos de inversión
o "traders", etc., es decir, se calculan con base en datos observados.
* "Ex-ante". Para determinar de manera numérica la asignación óptima del capitaí.
Se pueden calcular con valores teóricos, o históricos, o ios que representen un
nivel deseadq. ' .
Los principales indicadores, que generalmente se calculan por ios portafolios de instrumentos
financieros, son:
12.1.1 Indicador de Utilidad esperada
De acuerdo con Markowitz, las"-decis¡ones de inversión se pueden realizar con base,
exclusivamente, en" la información dei valor esperadp y de la varianza de los rendimien-
tos,' lo que significaque la utilidad esperada (UE) que sé deriva de invertfren.un portafolio
será equivalente a: - "• • - • '• •-

••; ^ fefe ••• uE0F~(i}0a^ ''-'(izt)': : . - 7 :

Donde:
R = Rendimiento promedio dei portafoilo i.
(|)' = Medida de aversión ai riesgo del inversionista.*
0^ = Varianza de los rendimientos.

Este indicador generalmente se considera como una medida "ex-ante", que ios
inversionistas quisieran maximizar; aunque rara vez se utiliza para evaluar el desempeño
de los fondos ("ex-post"), aunque eso podría lograrse sí cada inversionlsía evaluará eí
comportamiento de su portafolio suponiendo su propia medida de aversión al riesgo.

12,1.2 Razón de información

De acuerdo con las medidas de comportamiento tradicionales, la unidad A íendna un
mejor desempeño que la unidad B, ya que muestra mayores utilidades acumuladas en el Este índice se define como el rendimiento excedente promedio por unidad de volatilidad
año. Sin embargo, de acuerdo con lo analizado en los capítulos anteriores, esta concíusión del rendimiento excedente.* En términos algebraicos es Igual a: *
no es obvia, ya que si bien la unidad A tiene mayores utilidades que ia unidad B, ía volatilidad
de sus resultados también es mayor, io que debería implicar un riesgo más alto y, por 1 Capítulo 2. ^ .
tanto, mayor uso de capital. 2 'ÍEs'^qtfcgléirtB j ú ^ ^ {ígllóalgináí 3j^MH?.'fe4ÍI^?ÍÍÍ2Ü
3'GTofewn (1998)7' " "
 394 Vaior en Riesgo y oirás Aproximaciones Medidas de comportamiento ajustadas por riesgo 395

12.1.4 Indicador M2 Gráfica 12.2

•ÍNDICE "EX-ANTE" DE SHARPE
Modigliani y ModigÜani (1997) proponen el siguiente indicador de desempeño ajustado
por riesgo:

M2, = ^ * (12.6)

Donde:
M2 = indicador de comportamiento ajustado por riesgo de! portafolio i.
OJ = Desviación estándar de los rendimientos del "benchmark" o del mercado.*
(5 = Desviación estándar de tos rendimientos del fondo i.
= Tasa de interés übre de riesgo,

Este indicador calibra el comportamiento de todos los fondos que conforman el mercado,
a través de 0^. Eso implica que si los rendimientos del portafolio son más (menos) volátiles
que el mercado (o el "benchmark") los rendimientos excedentes se ajustarán hacia abajo
(arriba). Esta es una de las principales fortalezas del indicador, ya que el portafolio de
referencia puede ser el mismo, independientemente de que fondo se evalúe.
Adicionalmente, e! M2 tiene la ventaja que se puede aplicar independientemente de que
los rendimientos reportados sean negativos, y siempre el valor estimado del M2 mostrará El IS "ex-ante" se define como:
niveles similares a los del rendimiento deí fondo. Por ejemplo, si se estimará el M2 de un
F - R
fondo de bonos, su valor sería muy similar a la tasa de los instrumentos libres de riesgo. V
ISex-ante •-(12.7)
Por contra, en un proceso numérico de asignación deí capital su utilidad es nula.

definición que se debe utilizar con propósitos de asignación de capital; de hecho, un

12.1.5 índice de Sharpe portafolio que se administra activamente de manera óptima debe maximizar el IS. Por
contra, para evaluar el desempeño de un portafolio, se debe considerar la aproximación
Ei índice de Sharpe (IS) es una de las medidas de desempeño de mayor uso en las "ex-pósf del IS, la cual es equivalente a:"
instituciones financieras; sin erntiargo, existen muchas diferencias sobre la definición,
estimación e interpretación.* El IS surge en el contexto de los modelos de portafolio,
principalmente en el del CAPM y establece, de manera normativa, el rendimiento excedente (12.8)
que un inversionista debería obtener sobre la tasa libre de riesgo para compensar el
IS ex-post

.""KA..) ,
riesgo al que está expuesto, es decir, el IS, "ex-ante" es equivalente a la pendiente de la
"Línea de Mercado".'* Cabe destacar.que, en ocasiones, en vez de utilizar la tasa libre de riesgo eí índice de
Sharp se evalúa con respecto de una cartera de referencia ("benchmark"). Las principales
limitaciones del IS son:

8 En vez de utilizar la desviación estándar en ese cociente se pueden utilizar las estimaciones del valor en • Es válido sólo cuando los portafolios muestran una correlación perfecta.
riesgo de! portafolio ¡ y deí "benchmarlc', respectivamente.
9 Por ejemplo, Barra considera que el IS es equivalente al cuadrado de la Rl; Sharpe que ía Rl es una versión • El IS es apropiado sólo bajo el supuesto de que la distribución de los rendimientos
generalizada del IS, o la versión más común que consiste en que el IS es la pendiente de la linea de
históricos es un buen predictor de la distribución de la probabilidad futura.
mercado. Estas afirmaciones son falsas o son correctas, dependiendo de ios supuestos que se utilicen
para estimar esos indicadores,
10 Como se destaca en el Capítulo 2, el CAPM es un modelo normativo de rendimientos, por ende, su 11 En otras ocasiones el ¡S "ex-posr no considera la raíz cuadrada, y en otros al IS "ex-post" se le denomina
Interpretación en el plano de riesgo-rendimiento debe ser la de una medida "ex-ante"- "rendimiento excedente de Shaipe",
 398 Valor en Riesgo y otras Aproximaciones Medidas de comportamiento ajustadas por riesgo 399

• RORAC !i. Esta versión considera al capital regulatorio como un costo por participar CUADRO 12.3
en el negocio financiero. Se define de la siguiente manera; ESTIMACION DEL RORAC lli
R , - C * \ ' ~ F. Mesa de dinero , Mesa de cambio? fe fe -Mesadeqerivadqá
Utilidad VaR Utilidad VaR - ÉLlidad VaR
Ene 35.84 2.74 26,72 0.03 J.93 0.62
Eí costo de oportunidad del capitaí reguiatorio se puede aproximar por la tasa libre de Feb \« A 5 63 - 1454 Ml.<S'.XyQf^H^
nesgo, por el costo del capital de la Instituciónfinanciera{H0, o por una tasa de rentabilidad Mar 45.67 3.33 24.78 0.29 5.08 0.31
objetivo. En el primer caso existe eí riesgo de que si los activos están invertidos en
insErumeníos libres de riesgo como los Cetes, eí Indicador estaría Indeterminado. Por su May 38.68 5.84 -10.22 0.24 3.30 0.92
parte, si se utiliza una tasa de rentabilidad objetivo, y ésta no es la apropiada, existe el
•MMAA^>4:.Á 5;55:K fefe"^fe?fe0.25fe||ÍÍ|®2SÍS^
riesgo que se desincentiven negocios que son rentables. Por tanto, la tasa de referencia
JLIÍ -75.08 9.45 "
que parece más conveniente es la que representa el costo del capital de la Institución
Aga. - 4570" 15¿ ,
financiera, porque es fácil de estimar y, sobre todo, porque índica qué unidades de negocio
Sep -23.33 8.47
son ías que añaden más valor a la institución.
Q^ls,-^ 1?95 í 702, ? .
Nov -43.08 1.73 _^
« ñORAC E'UtIliza íatasa libre de riesgo como un seguro contra el riesgo (volatilidad)
de pérdidas y ganancias de las unidades de negocio. Se calcula mediante la
siguiente expresión: Promedio 98.11 64,76 . 8.13 5,71 16.04 6.89

VaR. Tasa libre de riesgo 20.0%

(12.11)
1/30.3% = 98.11/(64.76/.2)
Esta definición determina cuánío capital se tiene que Invertir, a la tasa libre de riesgo,
para generar el rendimiento suficiente que compense el valor en riesgo. Esta opción es SI bien, lo más apropiado es establecer tasas diferenciales en función del grado de riesgo
la más satisfactoria, ya que mide las ganancias en relación con el capital invertido; el de cada unidad de negocio, en la práctica ío más sencillo consiste en suponer tasas de
comporíam iento de cada área es Independiente del riesgo del capital de las otras unidades, rendimiento objetivo Iguales para todas las áreas, sobre todo por la dificultad para
de negocio (a diferencia del RORAC I); y, al igual que en el RORAC II, se puede utilizar la determinar y justificar, ai interior de las instituciones financieras, una tasa objetivo
tasa libre de riesgo, la tasa objetivo o ei costo de capital. diferente para cada unidad de negocio. Por ejemplo, se requeriría de una gran labor de
convencimiento para que ía mesa de derivados aceptara una tasa de rentabilidad objetivo
Con eí propósito de mostrar cómo caicular el RORAC llEy, especialmente, destacar eí diez puntos porcentuales mayor a ía tasa libre de riesgo.
efecto de considerar tasas objetivo similares o diferentes entre ías unidades de negocio,
en el Cuadro 12.3 se presenta la información de las utilidades y del VaR promedio mensual :' Aurique los4RAR-pareCen":muy:diferentes de;ios'!ana!izados:en;ias,-secaQ^
de las mesas de dinero, de cambios y de derivados en una institución financiera hipotética. 'L^fefiores. en realidad sirrelacion eamiuy estrecbal^a que^porejemplo-stef.Rorac-.:-
" se¿efinecomo ^ ^ ^^^^fe
Sí se considera que la tasa libre de riesgo o !a tasa objetivo es 20.0% e igual para ias tres
mesas de negocios, el RORAC III correspondiente a cada una de ellas es: 30.3%, 28.5%
y 46.6%, respectivamente. Lo que implica que la tasa de rentabilidad ajustada por riesgo
pp^--,,, te ^ V' rTpFV
de la mesa de derivados es mayor que las de la mesa de dinero y la mesa de divisas. Por q= »- -*4 i; fe. E l ' > ¡I 4 p
contra, sí en vez de suponer una tasa de 20.0% pareja, se suponen tasas deseadas de
^'^iífeT=:lnieresescobrados ^ fe^" "
20.0% (a la mesa de dinero), 25.0% (a ias divisas) y 30.0% (a los derivados), la mesa de
^)'VRpT=^ intereses pagos " ^ 4 . ^
divisas y la de derivados tendrían que incrementar su tasa de rentabilidad ajustada por riesgo
Valor de mercado defea posición activa y paSV^ es decir supoñe m ^ *f
a niveles de 35.6% y 69.8%, en ese orden, para alcanzar la tasa de rentabilidad objetivo.
apalancamíento de cero ^ ' ^ ' " 3^
402 Valor en Riesgo y otras Aproximaciones Medidas de comportamiento ajustadas por riesgo 403

CUADRO 12.4
• Hfegg:Mg^iifefefeui&á^
.i/JiC/Tj^W^trjlgtajMMT^^^^
Rendimiento esperado
""•"'^fef§||^§fefe-r"-
fe^^t^^v-^^^^^ladei,ínstrumehlQ
Indice de Sharpe (Niveles)
* La presencia de subsidios cruzados entre áreas y de ingresos y gastos concentrados
en las áreas centrales, sesgan la estimación de las utilidades y de las pérdidas de
las diferentes unidades de negocio. Para asignar los ingresos y gastos financie-
. - •• Z^!(ér?k7'^jF!-0i^yy^«: v.:0Myr¡SyJypr:-^M ros y no financieros a las áreas que les corresponden y estimar eí estado de resul-
15.0% 18.0%
tados de cada área, se debería instrumentar un sistema de precios de transferencia
10 0 % • : ;2O0%:fe ':\ '
de.refereítci?Lj3.0%. _ y un mecanismo de facturación interna.*'
1.5 = 0.15/0.1 0.9 = 0.18/0,2
* Las tasas de rendimiento de los fondos de inversión no siempre se expresan en
bases comparables. Por ejemplo:

Una medida ajustada porriesgoque se desprende de la definición de! IS en su versión » La estimación de ias tasas anualizadas se calcula de diferentes formas: aritmética,
•'ex-ante" es ia que propone Dembo (1997), sólo que en vez de utilizar la desviación geométrica, compuesta continua, etc., generalmente, en función de lo que
estándar de los rendimientos excedentes, utiliza lo que define como pVaR:*° más convenga.

Rj ~ * En ocasiones los rendimientos se expresan en términos brutos y en otros casos se

¡ó VaR (12.14) reportan rendimientos netos, es decir, se excluyen las comisiones.**

Donde pVaR es el VaR de un portafolio que se integra por una posición larga en el
portafoilo original más una posición corta en el portafolio de referencia. Obviamente la
estimación de este indicador es más elaborada que la que se requiere para estimar ei IS;
sin embargo, permite realizar comparaciones entre mercados en los que el grado de
aversión al riesgo promedio es diferente.
® Para determinar la tasa de reatabilldad de un portafolio de Inversión hay diversas
opciones. Las más importantes son: la tasa interna de rendimiento (TiR) y la tasa
de rendimiento ponderada por el tiempo (TRPT); sin embargo, cuando se presentan
entradas o salidas durante ei horizonte de inversión, no todas las medidas
son correctas.

. Miálírae ia TffiV^nu im de óréjjniéntopromácíio de todos íogteoursós inveríidós"

12.2 Precaución en la estimación de ios rendimientos | i eif umfgndd^^aTRPTrepreseñta^itoPe bíécknfsnloUeuíá ínversíómEso S i g r í i &
ajustados por riesgo ^A que ialíR depende del (amano ¿c|i''|png''-íie íoafettrasy dejas püevaafnversjoneé,
fe -Bituaoton que ho suogcte eon laTRgTl Asimismo, la TfiP f-elimiFta él tmfjaeto imp
Una de las conclusiones que se derivan del análisis de ios indicadores de desempeño ^ j fiüjos^kifaciafe-y rSttras -def íoh%^uranté e| lfori*qnte Sela itWetefeii ^ >
se refiere a que, dadas sus deficiencias y las diferencias en su interpretación, lo más
* Cuando hay entradas y retiros al fondo durante ei horizonte de inversión, la tasa de
conveniente es que en ias etapas iniciales se uiiíice un conjunto de ellos y, posteriormente,
rendimiento se debe ajusíar por la presencia de esos flujos; por ejemplo, expresando
se elija aquél que muestre mayor consistencia con los objetivos de cada insíjíución, en
a fos precios de la fecha del inicio del horizonte de inversión las inversiones a! fondo
especia!, ei de incrementar eí valor de mercado del capital.
que se realizan posteriormente y reinvirtiendo, de la fecha deí retiro al final del
Las deficiencias de ios indicadores de desempeño son lo menos imporiante; ios principales horizonte de inversión, los retiros que se realicen.**
problemas consisten en elegir y en contar con ias variables correctas que se requieren
para medir la rentabilidad y el riesgo, tanto de! portafoiio de inversión, como dei portafolio
de referencia ("benchmark"). Por ejemplo:

21 Kimball (1997) y Uyemura y Van Deventer (1993).

22 Esto sucede con las Afores, las cuales además cuentan con sistemas de comisiones diferentes.
23 Tierney y Bailey (1997). sugieren descontar y reinverlir ios flujos a ía tasa libre de riesgo.o a fa tasa de •
rendimiento de un "benchmark",
 406 Valor en Riesgo y oirás Aproxtinaciones Medidas de comportamienío ajustadas por riesgo 407

Por tanto, el proceso de implantación de) sistema debe ser gradual. Se recomienda que la restricciones: un límite de $10,p de VaR; sólo puede invertir en Cetes, a una tasa
insírumeníación se realice en tres etapas: promedio anual de 20.0% y volatilidad [C * % anual de 5.0%; la posición promedio
en esos instrumentos debe ser.de $2,000.00.
* Aproximación pasiva. Las funciones de la unidad de riesgos en esta etapa consisten
en divulgar y explicar ia metodología de valor en riesgo y los modelos de rendimiento • - ÍfL=!l/=S2,000.0 ,,2,5)
ajustado por riesgo. Es muy importante que la meíodoiogía se explique'de manera
Por tanto, dada esta posición ia mesa podría obtener ingresos equivalentes a $400.0,
fácil y transparente, Dicha divulgación debe realizarse entre todas las áreas,
(2,000 X .20) es decir, $600.0 menos que lo presupuestado. Eso significa que, para
iniciando por la alta dirección, a ía cual le debe quedar claro que la metodología
alcanzar los $1,000 presupuestados, ia mesa de dinero tendría quelncrementar su
está a favor de las metas de la institución. SI ía alta dirección no entiende o no
posición, o ser más activo en las operaciones da compraventa, lo que implicaría, en
acepta la metodología, difícilmente podrá instrumentarse.**
cualquiera de los casos, un valor en riesgo mayor. Ei ejemplo muestra la inconsistencia
entre los ingresos presupuestados y ei valor en riesgo límite; para corregirlo, o
Esquema 12.3 disminuye et-presupuesío o se incrementa el límite de valor en riesgo.
PROCESO DE INSTRUMENTACION DEL MODELO DE
' ASIGNACION DEL CAPITAL Aproximación activa. La última etapa.en la implantación de un modelo'de asignación
del capital se refiere a la asignación del capitaí. entre las áreas, eh función de su
rentabilidad ajustada por riesgo observada.'En esta etapa se deben'relacionar las
Se estiman ios
requerimientos de capital. medidas de desempeño con los "mecanismos de remuneración. El procedimiento de
No se interviene en la asignación y' competencia por et único reciirso escaso en las instituciones financieras
pianeación del negocio
(capital) es dinámico. Las fases'que se sugieren son:" m"

1. Calcular el vaior del capital disponible. Del marco regulatorio depende eí volumen
La estimación de los de negocio de la institución, es decir, el capital disponible es una restricción en et
riesgos se utilizan en ei
proceso de pianeacion. proceso de asignación óptima def capital.
Se establecen limites
-Esquema 12.4
PROCESO DINAMICO DEOE ASIGNACION DEL CAPITAL
be asigna capital a cada unidad •s"^^¿*^if";7i¿?s'^^7
dei negocio, y se Ies remunera A %y y ^ ^
en función de su contribución
marginal. Las áreas compiten
por el capital económico

rirr+íi

Aproximación semi-activa. Una vez que la alta dirección ha dado su visto bueno a la
te M
metodología, las unidades de riesgos pueden participar en el proceso de pianeación
de ia institución. La tarea princlpaí en esta etapa es fijar los límites de riesgo a las ^ 7 Xr
áreas de negocio y garantizar la consistencia entre el presupuesto de ingresos, ías •.^v /'y
metas de volumen y dichos límites. Por ejemplo, si ia meta presupuésíai para la
mesa de dinero es de $1,000.0, de utilidades anuales y está sujeta a las siguientes
•|^ignar..e[ capítol a.,
i»
26 Salomón Brothers (1993) deslaca que la mayoría de los fracasos de los bancos al ¡nstrumeniaf un sistema
de asignación de capital basado en indicadores de rendimiento ajustados por riesgo se deben a tres causas:
complejidad de los modelos; falla de voiunlad por parte de la alta dirección; y resistencia de los responsables 27 Este proceso de asignación óptima de capital es un proceso dinámico de ensayo y error, que contrasta con
de las áreas de negocio, especiaimente de aquéllos que con la nueva metodóiogía se cuestionó la rentabilidad la corríanle de determinar ios porcentajes óptimos de participación de cada activo en el portafolio Iota!,
de sus áreas. mediante la solución de modelos matemáticos de optimización. Zenios (1993).
 Medidas de comportamiento ajustadas por riesgo 411
410 Valor en Riesgo y otras Aproximaciones

• Sharp, W., (1998) "Morningstar's Rlsk-Adjusted Ratings", Financial Anaivsts Journal,

12, 4 Bibliografía
julio-agosto, pag. 21-33.
» Bankers Trust, {1992) "RAROC. Risk Management. QuantíMng ths Risks of Business". » Shimko, D., (1997) "See Sharpe or be Flaf. Risk Magazine. Voi. 10, No. 6, junio, pag. 33
Nueva York. • Tierney, D., y Bailey, J., (1997) "Opporlunistic Investtng Perforniance Measurement,
» Barra, (1992) "Barra Newsletter". Barra, Berkeiey. Benchmarking and Evaluatlon". The Journal of Portfolio Management, otoño, pag, 69-76.

» Braiver, C, y Kuriízkes, A., (1993) "Risk Adjusted Performance Measurement in the • Treynor, J., y Fischer, B., (1973) "How ío Use Security Analysis to Improve Portfolio
Trading Room", Journal of Applied Corporate Finance, No, 6, pag.104-108. Seiection", Journal of Business, enero, pag. 66-85.
* Dembo, R., (1998) "Mark-ío-Future™: A Consistent Firm-Wide Paradigm for Measuring • Uyemura, D.,y Van Deventer, D., (1993) "Financial Risks Management ín Banking. The
Risk and Return", en "Risk Management and Analysis. Vol. 1: Measuring and Modeiling Theorv of Applications of Asset & Liabillty Managemenf. Probus Publishing Company.
Financial Risk", editado por Carel Alexander, Edíí. Wiley & Sons, Capítulo 7, pag. 225-235. Chicago lii.
» Dembo, R., (1997) "Value-At-Rískand Return", Net Exposure. The Electronic Journal of • Zenios, S., (1993) "Financiai Opíimizaíion". Cambridge University Press, Cambridge.
Financial Risk. No.1, octubre, www.netexposure.co.uk/
s Dimiírl, V„ (1991) "Measuring Commercial Bank Efflclency", Banco Mundial.
WPS806, noviembre.
© Faikesntein, E., (1998) "Accounting for Economic and Regulaiory Capitaí in Raroc
- Anaiysis", Bank Accounting & Fínance, pag. 29-34.
9 Giardini. V., (1983) "Internal Transfer Pricing of Banks Funds". Bank Adminístration
Instltute, Roiling Meadows, Illinois.
® Goodwin, I , (1998) 'The Information Ratio", Financia! Anaivsts Journal, julio-agosto,
pag. 34-43.
* Grinoid, R., y Kahn, R., (1992) "Information Analysis", The Journal of Portfolio
Management. VoÍ. 18, No. 3, primavera, pag.14-21.
« J . P. Morgan (1996) "RiskMetrics. •Technical Documeníatíon". Reuters/J. P. Morgan,
- Cuarta edición, diciembre, Nueva York.
* Kimball, R., (1997) "Innovations in Performance Measurement in Banking", New England
Economic Review. mayo-junio, pag. 23.38.
* PunjabI, S., (1998) "Many Happy Returns", Rísk Magazine, Vol. 11, No. 6, junio,
pag. 71-78
© Matten,.CH., (1996) "Managing Bank Capital: Capital Aiiocation and Performance
Measurement'', John Wiley & Sons y Swiss Bank Corporation.
® Modigliani, F., y Modigliani, L, (1997) "Risk-Adjusíed Performance", The Journal of
Portfolio Management, otoño, pag. 45-54.
® Salomón Brothers, (1993) "Capital in Banking and Insurance", Salomen Brothers, Nueva
York, abril,
© Sharp, F., W., (1994) 'The Sharp Ratio", The Journal of Portfolio Management, otoño,
yol.21, No.1, pag. 49-58.