Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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.
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 ^ /
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 ¿Qué es el Valor en Riesgo? 11
» Liquidez y tamaño de ía posición. SI el horizonte de inversión se interpreta como 4. Nive! de confianza. Esto implica determinar, de un número de resultados proba
el periodo en que ia institución financiera podría deshacerse o cubrir la posición pérdidas o ganancias, en cuántos de ellos un intermediario requiere que ia estimación
de riesgo, este horizonte debería depender del monto y de la liquidez de la misma. de las pérdidas máximas (VaR) sea inferior a las que realmente podrían observarse.
Por ejemplo, un banco pequeño podría vender toda su posición sin alterar los Por ejemplo, si un intermediaiio determina un nivel de confianza de 95%, significa
precios de mercado; conclusión que no sería cierta si un banco grande lo quisiera • que dicho intermediario estará dispuesto a aceptar que en sólo cinco de cada cien
hacer. Asimismo, liquidar una posición de un bono con riesgo soberano como los casos ías pérdidas observadas serán superiores a las máximas estimadas.
• Cetes seguramente seria más sencillo que vender una posición de una cartera de
acciones no bursátiles. 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
• Propósito de ia posición de riesgo. Por ejemplo, para la estimación de! valor de para determinar el nivel de confianza, destacan los siguientes:^
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 - -* Apetito deriesgode ios accionistas y disposición para realizar aportaciones de
que corresponden a inversiones, como por ejemplo, de la tesorería, sociedades capitaí. Accionistas adversos atriesgopodrían elegirán nivel de confianza mayor a
de inversión etc., J.P. Morgan considera un horizonte de 30 días. Por su parte, otros con mayor apetito de riesgo; por ejemplo 99% vs. 95%. Asimismo, accionistas
Bankers Trust considera un horizonte de un año, dado que su objetivo es evaluar con poca disposición a reponer eí capital en el caso de una pérdida deberían
la solvencia detodala institución, mediante el análisis de riesgo de todos los utilizar un nivel de confianza elevado que reduzca la frecuencia de tales
activos que integran el balance. requerimientos,
• Desarrollo de ios mercados. El tamaño de los mercados es otra variable determinante' • Calidad de los modelos internos de valor en riesgo. La estimación del VaR es
en la definición del horizonte de riesgo. En la medida que los volúmenes, operados una estimación estadística cuya caíióad puede variar signifícativameníe entre
sean relativamente'bajos como sucede con los productos derivados, intentar instituciones financieras. Establecer un nivel de confianza, por ejemplo de 99%
realizar operaciones de cobertura en estos mercados puede increníentar el VaR, como lo establece eí Comiíé de Basilea, bajo el pretexto de que las estimaciones
en vez de reducirlo. . . de algunas instituciones no son satisfactorias implica un castigo (subutilización
del capital) para aquellas instituciones que cuentan con modelos más confiables
• Condiciones de los mercados. El periodo necesario para liquidar o cubrir la
desde el punto de vista estadístico.
posición de riesgo depende de las condiciones de mercado. En periodos de
estabilidad seguramente tomará menos tiempo deshacer la posición que en periodos. • Composición de las carteras de inversión y de crédito. Este punto está
de turbulencia.
; estrechamente ligado con el punto anterior, ya que por ejemplo, si una cartera de
,'", . 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'
• - de los modelos para captar las relaciones no lineales entre el cambio en los factores
" para-dlferentes horizontes de inversión a partir de la estimación de la volatilidad
"• '':de riesgo y en el valor de ía cartera que surge con la presencia de las opciones.
calculada con datos diarlos, sólo puede realizarse si se cumplen determinados
supuestos estadísticos. Por su parte, como se menciona en el Capítulo 10, para" • Si el modelo disponible eh la institución financiera no cumple con los requisitos
estimar el VaR de crédito al horizonte de inversión depende del tipo de modelo para estimar el VaR de una cartera de opciones, ia mala calidad de la estimación
que se utilice. 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
Como se observa, son diversos los elementos que Influyen en la determinación sobre un modelo estándar la calidad del modelo todavía es más cuestionable.
óptima del horizonte de inversión. A pesar de ello, y para efectos de determinar los
Una vez que se definen los cuatro puntos descritos, la estimación del VaR es directa,
requerimientos de capital, por concepto del riesgo de mercado el Comité de Basilea
como se muestra en !a Gráfica 1.4; donde e! nivel de confianza es Igual a "a". En ía
definió un horizonte de Inversión de dos semanas (10 días hábiles).^
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
8 Comííé de Basilea (1996). En el caso de México no se ha establecido ninguna regulación al respecto. 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 De los resultados de las encuestas destaca que en 1998 96% de los trancos encuestados
instituciones financieras ha Ido en ascenso, como se muestra en el Cuadro 1.2, donde difundió entre el mercado su grado de aversión y conceptuáíización del riesgo. Tres años
se presentan los resultados de las encuestas realizadas por el Comité de Basilea, ei anteSi sólo 45;5% de los bancos realizaban esa tarea. Asimismo, casi la mitad de ios
Comiíé Interno de la Organización Internacional de Comisiones de Valores y eí Comiíé bancos encuestados publica ios parámetros y ias estimaciones del VaR. En 1993, sólo 4
Técnico de la Organización Internacional de la Comisión de Valores sobre el uso y difusión bancos reportaban sus estimaciones de valor en riesgo, Por contra, destaca que la revelación
de las características de los modelos internos de VaR de las instituciones financieras. 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 Riesgo en ias institiidones financieras 19
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
1 Una excepción es Knighí (1944) quien destaca la diferencia entre riesgo e inceríidumbre riesgos que aquí se describen, especialmente el riesgo de liquidez, podría tener otras interpretaciones,
2 Marshal) (1997). sobre todo cuando dicho riesgo se analiza en ei contexto de todo el balance de un banco.
3 Una de esas interpretaciones es "un contexto financiero, ei riesgo corresponde a una pérdida monetaria en 5 En el capítulo 5 se destaca que la sobretasa a la que se pueden negociar los bonos puede corresponder a
un lapso de tiempo determinado". 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
Donde;
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)
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
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
• 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
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
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
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)
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
.Posteriormente, a partir de 1989 se inicio un proceso de desreguiación y de liberalizacíón 3.2 Regulación y supervisión financiera
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 ¿Qué hace diferente al sistema financiero del resto de ías industrias en la economía,
proceso de privatización de los bancos, se otorgaron concesiones a bancos nuevos y,
de tal manera que requiera de un marco reguiaíorio y de apoyos especiales?. La crisis
en el marco dei Tratado de Libre Comercio, se permitió ia presencia de los bancos
bancarla en México y en diferentes países muestran que en e! caso de las instituciones
extranjeros. Asimismo, se autorizó ia operación con nuevos instrumentos, entre ellos,
los productos derivados. 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.
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 Para evitar el contagio de insolvencia en ei sector financiero, proteger a ios ahorradores,
como de posiciones de riesgo-elevadas en las mesas de dinero, cambios y coberturas evitar ía presencia de poderes ollgopólícos, garantizar el sistema de pagos en la economía,
cambiarías que alentó la falla de requerimientos de capital sobre esas posiciones. En
y controlar el riesgo de que los accionistas de los bancos tomen posiciones excesivas,
este periodo de grandes posiciones de riesgo, ocurrió la devaluación del peso de diciembre
dada ía asimetría que existe entre quien se beneficia de las utilidades (accionistas) y quien
de 1994, el incremento de la inflación y de las tasas de interés y ia caída de ia actividad
absorbe las pérdidas (contribuyentes y/o ahorradores) entre otras cosas,^ es necesario
económica y de los salarios reales.
regular y supervisar al sector financiero.
Gráfica 3.1 Para regular y supervisar al sistema financiero existen dos alternativas: regular de manera
VARIABLES MACROECONOMICAS 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. ,
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 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%.
En lo qu_e se refiere al riesgo de mercado de los portafolios de inversión, durante los
• Aproximación Este modelo determina el requerimiento de capitaí sobre
de bloques.
Ultimos anos se ha utilizado diferentes modelos, principalmente en varios países del Grupo
la posición bruta y sobre la posición neta de riesgo de las Instituciones, lo que Implica
Z Z Í T ' ' ^ ^ " « " ™ ^ " ' ° ^ ^^Ptel- a punto de partida común de reconocer ciertas correlaciones entre los Instrumentos que conforman el portafolio.
los modelos que se utilizan para estimar el requisito de capital es:
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
(3.1)
del portafolio. De acuerdo con este modeío la exposición al riesgo, valuada a precios
donde: K ~ Requerimiento de capitaí por riesgo de mercado en "í" dei portafolio . de mercado, se define como:
"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
Este modeío es el que se aplica en México y el que los bancos del Grupo de los Diez
largas y F < O son cortas.
utilizaron hasta diciembre-de 1997. El requerimiento de capital depende del riesgo
La diferencia entre cada uno de estos modelos tiene que ver con la forma en que se general de mercado y de los riesgos específicos del portafolio." El cargo del capital
define ER(P). Las principales aproximaciones son: 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
• Capital neto en riesgo. De acuerdo con este modelo la medida de exposición al la diversificación del portafolio.
riesgo es el capital neto o accionario de la institución que está en riesgo, es decir:
• Aproximación de portafolio simple. Este modelo lo utilizó Inglaterra durante 1986;
es una versión simplificada de la versión del modelo de mercado de Sharpe^^ Para
•S«CA.=2Tr (3'2)
determinar la exposición al riesgo, este modeío supone que las p's de todos los
Este modelo indica que el capital necesario tiene una relación directa con las pérdidas activos son ¡guales a uno, y que la varianzas residuales de todos los activos en la
esperadas del portafolio. Por ejemplo, si se espera que los precios de mercado se fecha "t" son iguales. La exposición alriesgose calcula como:
deterioren 10%, el capital necesario debería ser equivalente a 10% de ia posición
deriesgo.Las limitaciones de esta aproximación son:
• Supone que eí portafolio de la institución financiera está perfectamente diversificado, Donde O = desviación estándar semana!.
lo cual difícilmente ocurre en la práctica.
Esta aproximación es la primera en considerar la teoría del portafolto en la determinación
• 31 el portafolio está perfectamente balanceado con posiciones corlas y largas, de los requerimientos de capital, lo que permite tomar en cuenta la dlverslficación y
la exposición a! riesgo podría ser muy pequeña o incluso cero, lo que dificulta las posiciones cortas y largas del portafolio. Para asegurar un nivel de confianza de
determinar el valor de A.
95% las entidades reguiadores fijaron un factor A Igual a 2.
• Aproximación completa {"compretiensive"). Este modelo aplica un cargo de capital • Modelos internos. En enero de 1996 el Comité de Basilea autorizó a ias instituciones
a todas ias posiciones deriesgo,independientemente de sí son posiciones cortas o bancarlas a utilizar modelos desarrollados Internamente para estimar los requerimientos
largas. La SEG (Securities and Exchange Commíssíon) en EUA utiliza una versión de capital por concepto deriesgode mercado. De estos modelos destacan dos clases:
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,
el riesgo específico se deriva de la falta de diversificaclón de la cartera. En el caso de los instrumentos de
ER renta fija, los riesgos específicos son: el riesgo de diferencial crediticio, ei riesgo de insolvencia y el riesgo
AC
(3,3)
ppú ( f h. de modificaciones en la calificación crediticia.
12 Capítulo 2.
- '> •
54 Valor en Riesgo y otras Aproximaciones
Marco Regulatorio 55
• 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 • El 28 de junio de 1996 la CNBV emitió ías "Reglas para los requerimientos de
en tres categorías de riesgo. capitalización de las casas de bolsa" Los puntos más destacables son los siguientes:
• Se destaca que las unidades de control de nesgos deberán contar con sistemas • En lo que se refiere a la cartera de crédito, e! plazo para considerarlos vencidos
de estimación y de valuación de riesgos.
depende dei tipo de crédito:
• Los modelos de valuación deberán ser aprobados por consultores externos. La • Amortización y pago de Intereses únicos: 30 días naturales.
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. • Amortización única y pago periódico de intereses: 90 días naturales.
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
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., • La información que se entregue a la SEO debe incluir cualquiera de ios tres
reportes siguientes;
• Requerimientos de capital mínimo aplicables a todos los países.
• Flujos esperados por categoría de riesgo.
• Capital mínimo; 87o del total de activos ponderados por riesgo.
• Análisis de sensibilidad para estimar pérdidas por cambios hipotéticos en los
• Posiciones de riesgo excesivo (10% del valor del capital) se deben reportar. precios de mercado.
• Límite máximo en una sola posición: 257o de! capital. • Estimación de! valor en riesgo.
• Suma total de posiciones de riesgo excesivo: 800% del capital. • 1995. Federal Reserve Board.
• 19937= Comité de Basilea. 26
• Propone el modelo ("precommitment) para estimar los requerimientos de capital,
• Instrumentación deí "Modelo Estándar". 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.
• Estimar el VaR de cada tipo de riesgo (modelo de bloques).
• Si una institución financiera suíre una pérdida mayor a este capitaí estimado, ei
• El VaR total se estima como la suma de los VaR individuales.
capital requerido debe incrementarse.
• Problemas: No considera la correlación entre factores de riesgos. Supone perfecta
• Tiene la ventaja de que cada institución determina'su requerimiento de capital.
correlación entre ios instrumentos que están dentro de la misma banda; la duración
Sin embargo, el modelo trabaja mal en periodos de crisis permanentes, sobre
de algunos instrumentos no se puede Identificar.
todo cuando, ante falta de iiquidez en los mercados, no pueden instrumentarse las
• l993.Gmpode los 30. 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
'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.
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
• 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:
• 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).
5aré'esfihiar!os.|íaramsttoánimetQnaaas:s^nattpJpüést^
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
^ ^ : 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
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 Por último, cabe mencionar que la estimación de! valor en riesgo a través del modelo
exacta de Monte Cario, io que significa que hay un "trade off entre ia rapidez delta-gamma es una medida local de riesgo, ya que ia primera y segunda derivadas
computacional y la exactitud. Debido a que ios costos de estimación del VaR con el
(gradiente y ef hesiano) se calculan alrededor de ios precios de las posiciones vigentes en
modelo deita-gamma son reducidos, esta metodología se puede utilizar para realizar
la fecha de valuación. Eso significa que ias pérdidas que podrían presentarse en el caso
estimaciones del valor en riesgo en tiempo rea!.
de un evento extremo podrían quedar fuera de ia distribución de pérdidas y ganancias
» Con ia Inclusión de términos no lineales (gamma), no se puede aplicar la regla de la estimada como el modelo delta-gamma, ío que implica fa presencia de violaciones
raíz cuadrada deí tiempo para escalar ía estimación del VaR a diferentes horizontes del VaR, tai como sucede con eí modelo de portafolio lineai. Por tanto, si el portafolio
de inversión. ^ de inversión incluye opciones, se recomienda complementar las estimaciones del VaR,
con gráficas que indiquen la sensibilidad del valor en riesgo ante diferentes valores
37 Hiill (1993). los detalles sobre (a estimación del VaR de gna cartera de opciones se presenta en el Capítulo
5 de este libro. del subyacente.
38 Zangan (1996 -1).
90 Valor en Riesgo y otras Aproximaciones
Modelos de valor en riesgo de mercado 91
'•'¡^•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:
• 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 Modelos de riesgos en valores de mercado 95
• -?C"í¿¿;Í2(íot¿s ^plra diféféritóff 4T & ítápencliéníés entre sf:-lb^qüs.él^|ca:lj 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
;%i|í^^ón'éiándár crpcé opniít&cüidf^ ^^^%^í^'-íví-''5~^S^S 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
i3e acuerdo con este modelo si el tipo de cambio es de 9.50 pesos por dólar (p/d), y el de 9.50 p/d, que si el tipo de cambio es de 3.0 p/d. Esta limitación se resuelve con el
intervalo de tiempo se mide en semanas,'significa que el precio estimado para dentro de siguiente modelo.
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 • Proceso de Ho. Este proceso es similar al proceso generalizado de Wiener, sólo que
cuadrada de 2 {ya que se consideran dos intervalos de siete días cada uno). el rendimiento esperado y la volatilidad, expresados como una proporción del precio
del activo, se mantienen constantes, es decir:
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 ^ = l i A T + ( y e W (4.22)
final del segundo año también será igual a 1.414 p/d, es decir, igual a la desviación p
Ap=aAT + b e - ^ (4.2-1)
¿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.
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
.,,=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
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:
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."
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 Es decir, ios cambios en el primer factor se simulan con base en la primera variable
y de las correlaciones de los rendimientos de los factores de riesgo." 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
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;
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)
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.
^•r = 7 T ^ (A.4.2)
^ =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 Modelos de riesgos en valores de mercado127
4.6 Bibliografía f Fong, G-> y Vasicek, C, (1997)" A Multldlmensiona! Framework for Risk Analysis",
¿ingncial Analysis Journal, julio-agosto.
• Acar, E., y Prieui, D„ {1997) Expecíed Maximun Loss oí Financia! Returns". Net Exposure. t Garman, M., (1996) "Improvlng on Var", Risk Magazine. Vol.9, No, 5, pag.61-63.
The Electronic Journal of Financial Risk. No. 1, octubre. • Garman, M., (1997) "VaRdelta. Understandíng and Using VaRdelta for Risk Managemenf,
• Alien, M., (1994) "Buüding a Role Modei", Risk Maoazíne. VoL7, No. 9, septiembre. ponencia presentada en la Segunda Mesa Redonda de Administración de Riesgos de
Mercado", mayo, Ixtapa, México. •
• 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 • Garman, M., (1997-1) "Taking VAR'to Pieces". Risk Magazine. Vol.10, Nd.10. pag.70-71
and Control". Risk Publications. Londres, Cap. 4 pag. 55-62. • Golub, B-, yTilman L, (1997) "Measuring Yield Curve Risk Using Principal Components
• Boudoukh J,, Richardson, M., y Whiteiaw. I , (1998) "The Best of Both World", Risk Analysis, Valué at Risk, and Key Rate Duratíons", The Journal of Portfolio Management,
Magazine, Voi. II, No. 5, mayo, pag. 64-67. verano, pag. 72-84.
• Boyíe, P., (1977) "Options: A Monte Cario Approach", Journal of Financial Economics. • Hamilton, J., (1991) "A Quasi-Bayesian Approach to Estimating Parameters for Mixture
No. 4, pag. 323-338. of Normal Dlstrlbuílons", Journal of Business & Economic Statístics"; Vol. 9, No. 1-,
pag. 27-39.
• Broadie, M., y Glasserman, P., (1998) "Simulation for Option Pricing and Risk
Management' en "Risk Management and Analvsís. Measuring and Modellinq Financial • Hendricks, D., (1997) "Evaluatlon of Vaiue-at-RIsk Modeis Using Historicaí Data", en
Risk". Vol. 1 Editado porAlexander C. Cap. 5, pag. 173-207. "VAR. Understandíng and Appiying Value-at-Risk", Risk Publications. Londres, Cap. 21 ¡
pag. 151-171. , , '. - • K
• Burden, R., y Paires, D., (1993) "Numérica! Analysis". PWS Publishing Company,
quinta edición. • 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.
• Buttier, J . y Schachíer, B., (1998) "Estimating Valué -at- Risk Wlth a Precisión .Measure
by Combing Kerneí Estlmation With Historicaí Simulation" Review of Derlvatives • Ho, t , (1995) "Evoíution of interesí Rate Modeis: A Comparison", The Journal of.
Research. I, pag. 371-390. Derlvatives. verano, pag. 9-20. ' .
• Cárdenas, J., et. al. (1999) "Monte Garlo Wllhin a Day", Risk Magazine. Vol. 12, No. 2, • Ho, 1 , Chen, M., y Eng, F., (1997) "Var Analytics. Portfolio Struclure, Key Rata
febrero, pag. 55-59 Convexities, and Var Befas", en 'VAR. Understandino and Appívína Vaíue-at-Rísk". Risk-
Publicatlons. Londres, Cap. 26 pag. 225- 331.
• Cox, E., (1995) "Magic and Regulation", Risk Magazine. Vol. 8, No. 3, marzo, pag. 50-54
• Hull, J., (1993) "Options. Futures. and Other Derivativa Securities". Prentlce Hall.
» Cox, J., Ingersoll, J., y Ross, S., (1985) "An Intertemporai General Equllibrium Modei of
Asset Prices", Econometríca. No. 53, marzo, pag. 363-384. • 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.
» Derman, E., (1996) "Modei Risk", Rísk Magazine. Vol. 9, No. 5, mayo, pag. 34-37.
• Jorion, P., (1997) "Valué at Rísk: the New Benchmark for Controilinq Risk". Richard
• Douglas, L, (1990) "Bond Rísk Analysis. A guide to Duration and Convexltv". New York
D. Irwin.
instituíe of Fínance.
• J.P. Morgan (1996), "RiskMetrics. Technical Documentalion". Reuters/J. P, Morgan,
• Duffie, D., y Pam, J., (1997) "An Overviewof Valué At Risk". Journal of Derlvatives. Voi. 4,
Cuarta edición, diciembre. Nueva York.
No. 3, primavera, pag. 7-49.
• Kreinin, A., Merkoulovitch, L, Rosen, D., y Zerbs, M., (1998) "Measuring Portfolio Risk
• Fama, E., (1976) "Foundations of Fínance". Basic Books Inc. Publishers, Nueva York,
Using Quasi Monte Cario Methods", Aloe Research Quarteriv. Vol., HoA, septiembre,
• Fink, P., (1996) "Easy Answers", Asia Risk, julio, pag.42-44 pag. 17-25 ^
• Fong, G., y Lin, K., (1999)" A New Analytical Approach to Valué at Risk", The Journal of • Lawrence, C, y Robinson, G., (1995) "How Safe is RiskMetrics", Rísk Magazine. Vol. 8,
Portfolio Management, mayo, pag. 88-97. No. 1, enero, pag. 26-29.
Estimación delV a R
de los instrumentos
financieros y de
los instrumentos
derivados
" J A ... 4
" t e "
'Ésta definición supone que [os qamfaiús ^yof fi^ctós efe ^ iKlón^mi^Z.
.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 Este modelo tiene la ventaja de capturar completamente los riesgos específicos del
hay una distribución de frecuencias de los rendimientos que permitan medir el valor portafolio; sin embargo, los costos de instrumentación pueden ser elevados, ya que es
en riesgo. Por ello, otra alternativa consiste en dividir las acciones en dos grupos y. necesario mantener la base de datos; y, en el caso de que el orden de la matriz de varianza-
calcular e) riesgo de manera separada con diferentes metodologías, covaríanza sea muy grande, se elevan los costos computacíonales y la oportunidad de
los resultados.
• Acciones bursátiles. Estimar el valor en riesgo del portafolio como se muestra'
más adelante. Para simplificar el orden de la matriz de varianza-covarianza y reducir los costos de
estimar el VaR, se pueden utilizar dos modelos alternativos:
• 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 • 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 "
Cuadro 5.3 • Los riesgos más significativos están relacionados con la alta concentración del
ESTIMACION DEL VAR P Y DEL VAR AJUSTADO POR RIESGO RESIDUAL mercado, ía nula bursatilidad de algunas acciones y, por ende, con la estimación de
,V-:,:-);,,',.teir''.'jyi- losriesgosespecíficos o residuales.
lWS6F:yjr.%.iiAyíF'''^x^-Fr^^^^ te Tetar
P 0 de mercado = 1.65*0.016M0,000*(0.6a42 + 0.7793t0,84l5 + O.4337}= $729,58 • Por tanto, en un portafolio de acciones el riesgo de instrumentación es más importante
que el riesgo del modelo.
'i^^itóltSeOÍOOíOeeVlaVarlánitáproiWcíiff^ "...
• Crear una divisa "proxy" que este correlacionada con otras. Para determinar las
t ^ u { < T ~ n T * < T ) (5.10)- ponderaciones de cada divisa debe realizarse un análisis de regresión.
i
Como se observa, para valuar los Instrumentos de deuda primero se deben definir sus Si se supone que el mejor pronóstico de E[¡ r^] es la tasa de Interés "foiward" (F¡.) implícita
características, es decir, la tasa cupón, la denominación del valor nominal del bono y las en ia curva de rendimiento, la ecuación anterior se puede reescribir como:
tasas de interés que reflejan el costo de oportunidad y elriesgode crédito de ios emisores
de estos títulos, así como la liquidez y las opcionalidades de pago de los bonos. pJjFlhfB^hfA=$\
Lo que significa que sí el bono flotante se coloca a la par, no tendrá riesgo, a menos que
5.3.1 Ciases de instrumentos de deuda 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
Dependiendo de las características mencionadas en el mercado mexicano se pueden inual ai Diazo cupón.!^
identificar las siguientes clases de instrumentos de deuda:
• 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.
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 <
» 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)
5.3.3.1 Método de interpolación lineai [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
Este método estima las tasas de interés a partir de la información disponible. La fórmula arbitraje, es decir, que ias tasas estimadas indicarían que es posible realizar ganancias
para interpolar ias tasas de interés de manera lineal se obtiene a partir de la ecuación de adicionales sin tomar más riesgo, lo cual, a menos que los inversionistas fueran irracionaies,
una recta (véase la Gráfica 5.2), no sería válido.
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
• 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
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 Estimación del VaR de ¡os Instrumentos (inancieros y de los Instrumentos derivados 163
En conclusión, elriesgode modelo y el riesgo de insírumeníación en el caso de (os En el mercado mexicano se pueden negociar diferentes contratos de futuros y de "forwards",
títulos de deuda pueden ser muy considerables.- El administrador de riesgos debe poner porejemplofe^ ' " y_ ;' ' "
atención en:
• Futuros sobre el nivel de las tasas de interés (Cetes y THE).
• Identificar ias fuentes de riesgo que influyen sobre el precio de los bonos.
• Futuros sobre el Indice Nacional de Precios al Consumidor.
• La elección del número de factores deriesgopara capturar elriesgogeneral de
mercado, y losriesgosespecíficos del emisor. • Futuros sobre e) peso que se negocian en Chicago,
• La decisión de cuántos nodos se requieren para modelar las diferentes curvas • Futuras sobre índices bursátiles,'canastas de accibnes o"acCíones.
de rendimiento.
• Futuros sobre opciones. - -• "
• El método de interpolación o de "mapping" que se elija,
^ • Forwards sobre la TilE. '' . •
• Eí método de valuación de los instrumentos que integran la cartera, y '
• Forwards sobre ei tipo'de cambio, • , .. . •
• La elección del modelo de valor en riesgo,
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
5.4 Futuros y "forwards" 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.
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 • 5.4.1 Forwards sobre el tipo.de cambio
se determina en la fecha de inicio del contrato. SI el contrato se mantiene al vencimiento •
se debe ejercer de manera obligatoria.
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
Mientras la esencia de ambos contratos es la misma, existen diferencias importantes en
especificó en Ja fecha de contratación. En.M'éxico, sólo hay contratos "forwards" sobre el
su instrumentación que pueden provocar que los precios de los "forwards" y los precios •
tipo de cambio peso por.dólar.-a plazos generalmente ihferipres a un' año^' •
de los futuros difieran.^ Entre las principales diferencias destacan:
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,
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.
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 „ $g78
futuro es muy .largo, deben tomarse en cuenta los efectos "pulí to par" y "rolí down"'
Total S8.67 qué sé ménclónarpn en ia sección anterior, ya que en caso contrario se sobrestimará
VaR diversificado t ífSS ^ • ej valor en riesgo" del contrato de futuros.- . - . • '
^:^wSl;cf-'d
r Un swap es un producto derivado en el que las partes acuerdan Intercambiar fiujos
+^
asociados a una tasa de interés fija o jasa swap, por flujos estimados con base en una
+=
tasa de interés que se revisa periódicamente. No hay ningún intercambio de principal y
-^'^ ¿ f e > t e ^ "^^^-^^ . ¿ ^ 3 *•
- j r ^ — ™ — ^ írj"—, ^ '.!u"a v_:—^ ~ '•"Ti • T éste sólo se utiliza como referencia (vaior "notionaí").''^ Én ei mercado mexicano se negocian
VofqlHiaáies RaW
.te „ ;r T ,, Tu V . ...H eoftei diferentes tipos de swaps, donde ios fiujos de estos instrumentos están reiacionados con
18 =F8 =-Fa-(1-fF12*(F7-F6)/360)/{[UF9T6/3S0)*iUF12-¡F7-F6}/360)¡ 0.3 . 1 0,7 ias tasas de interés siguientes: .
19'feFa-ítfFaíF7F6)^Qf A^{tFt2*(F7Fej/S6Síff54Fl(ÍJ$&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
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.
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.''^ . - .
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
Estimación del VaR de los insUomentos financieros y de los instrumentos derivados 179
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 •-. 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:
• Cuando los flujos de los swaps están expresados en diferentes monedas y existe
Forwards 86.10 63.70 2.40 '
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
Lo anterior podría dar la impresión que por ejempío, una posición larga {corta/en swaps •reducir los sesgos en la estimación de estos swaps se recomienda que, cuando los
se podría cubrir con una posición larga (corta) en "forwards", ya que, ante un Incremento intermediarios tengan ía misma calidad crediticia, se utilice una sola curva de
en la tasa de interés, la posición larga en "swaps" {se reciben tasas variables y se pagá" descuento, de este modo tafnbién°se podría distinguir-enfre el riesgo de mercado y
una tasa .fija) implicaría una utilidad, la cual se compensaría con las pérdidas de ia posición de crédito de los swaps. ,"; ."j-'í-fe . J-fe^'T ' "•
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) - 'Se debe mencionar quelos modeios anteriores suponén'qu'e oóíexistén riesgos de crédito;
que contrasta con la linealidad de ios contratos "forwards"." El sesgo en la estimación del sin embargo, si ese"'no es ei caso, estos-modeios no son"! válidos, ya quedante On
precio de ambos instrumentos se debe a que mientras el precio del 'Torward" depende de, , movimiento en las tasas de interés, los" fiujos de efectívo'se' modificarán de-'mariera
ios cambios en las tasas "forwards", ei precio dei "swap" está en función de las tasas asimétrica, traduciéndose en pérdidas o gañánciás para iosiníemiediarios.^^ "
"forwards", de ios cambios en la curva de rendimiento y de la correlación entre ambas •
P-or último, como se ha destacado a lo iargo de esta sección, los swaps son instrumentos
variables. Ei sesgo mantiene una relación directa con el plazo de los contratos.
convexos, eso significa que para capturar !a no linealidad entre los cambios en las tasas
El punto anterior es importante ya que en la práctica las áreas de contraloría financiera en •l de Interés y los cambios en los.precios de los swaps cualquier modelo de los mencionados
ías instituciones crediticias utilizan ios precios de ios "forwards" para valuar sus posiciones en ei capítulo anterior, con excepción del modelo de varianzarcovarianza, podría utilizarse
en swaps, ío que Implica un sesgo en la vaíuación, ef cual crece conforme aumenta eí para estimar eí valor en riesgo.
plazo de los contratos y la volatilidad de las tasas de interés. 7§7
5.6 Opciones
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:^ 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.
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"..
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
"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
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 Estimación del Vafl de ios instrumentos financieros y de los instrumentos derivados 187
& Schofes. para valuar todas ias opciones, independientemente de sus características y • Cuando sólo se cuente con un rango del vaior de los insumos para estimar ei
del subyacente, ío que se traduce en estimaciones Insesgadas de los precios. Para reducir precio de ia opción, utilizar los modeios de valuación apropiados, en vez de
los riesgos en la valuación de las opciones se recomienda: únicamente promediar estos valores e inciuirlos en ia fórmula de Black & Scholes
o en alguna de sus extensiones.^^
• 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
5.6,2 Limitaciones del modelo de Black & Scholes
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
El modeio de Biack & Scholes tiene un gran número de inconvenientes, algunos de ios
• Biack & Scholes, con un precio de ejercicio igual a la tasa de interés en pesos.
cuales se han resuelto mediante el desarrollo de nuevos modelos; sin embargo, en ia
• incorporar el principio de ía "teoría de ia paridad internacional de tasas de interés" práctica y a pesar de contar con modelos alternativos, un gran número de "íraders" continúa
en ta v^uación de las opciones sobre ei tipo de cambio. Eso se íogra si la valuación utilizando el modeio de Black & Scholes. Por tanto, hay que tener presentes ías íimitaciones
se realSza con ei modeio propuesto por Garman y Kohihagen (1983), en vez de del modeio; por ejemplo, en el ambiente académjco se reconocen ias siguientes:
utilizar el modelo de Black & Scholes. Asimismo, este modelo permite corroborar
• Se supone que el precio dei subyacente sigue un comportamiento lognormai, donde'
que se cumpla el principio de no arbitraje, ya que ei precio de una opción;"en el
la volatilidad es constante y conocida. Las implicaciones son:
dinero" es equivalente a (a cotización "fonvard" del tipo de cambio. ^
• El supuesto de normalidad contrasta con el comportamiento "leptocurtósico" del
• El modelo de Black & Scholes supone que eí precio del subyacente sigue un proceso
rendimiento de los precios de! subyacente por io que, cuando ia opción está "fuera
«Bíowmano», es decir, la trayectoria de ias opciones no tiene ninguna restricción, io
del dinero", ei modeio de Black & Scholes subestima el precio de mercado. _ .,
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 • Asimismo^ la evidencia muestra que la voiatllidad.es variable eh ei íiempo'y qíie ia
' intefíeniporal de ias tasas de interés, ni la Igualdad dei precio de "los bonos a su voiátilídad está correlacionada con ei precio del activo subyacente. Si sé compatánT '
valor nominal en la fecha de vencimiento del bono, ^ ' • .fe; ias estimaciones del modelo.de Biack & Schole's con ios resultados que arroján'-,
ios modeios de volatilidad estocásticá, destaca 'la sobreestimacló'n del modelo^ '
• Diferentes ejemplos muestran que la estimación del valor de las opciones es" muy de Biack & Scholes y su relación con el plazo al vencimiento deja opción,' -
sensibEe a los insumos que se utilizan en los cálcuios,^^ Por tanto, se sugiere:': •
• E! modelo de Black &-Scholes se cumple sólo si los costos de transacción son cero.
- • Utilizar ias tasas de interés que reflejen el verdadero costo de oportunidad dé los
Para ínclulf estos costos en la determinación deí valor de la opción, se han realizado '
intermediarios que negocian ias opciones.
• - diferentes aproximaciones, ya sea modificando ¡as estimaciones de la volatilidad o
• Tener en -cuenta 'que na es Una práctica común que las empresas mexicanas - .". incorporando, en vez de la tasa libre de riesgo, la tasa efectiva de financiamíenío o
decreten dividendos; y, cuando se cuente con esta información, considerar ias • dé inversión'de los Iníermediarios. En cualquier caso se corroboran los errores en ia
implicaciones de suponer que los dividendos se decretan de manera discreta o estimación dei modelo de Black & Scholes. , , '
continua sobre la valuación. u
• Se considera que e! rebalanceo del portafolio es continuo y permanente. La violación
• Utilizar, preferentemente, información de volatilidades Implícitas, en vez de de este supuesto tiene ías siguientes consecuencias:
volaSidades históricas, ya que estas últimas muchas veces no tienen que ver
• Se viola el principio de no arbitraje, ya que ante la Imposibilidad de realizar un
con ios precios de las opciones.^
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.'^"
64 Sarniento (1999),
65 Sección 4.4.1. 68 Wiimott (1998), describe los modelos de valuación apropiados cuando sóio se cuenta con un rango de (os
66 Chung (1997 ) , muestra la sensibilidad dei precio de las coberturas cambiarlas a ia elección de ios valores de ios insumos.
diferentes insumos. : 69 Capítulo 6.
67 En el Capíluio a se analiza el tema de las volatilidades. 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)
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:
• El modelo de Biack & Scholes muestra que es posible construir un portafolio libre de
• En virtud de que la estimación de ía A supone que e! cambio en el precio del
•••¡$^4. riesgo, medíante por ejemplo, una posición corta en opciones "cali" y una posición
subyacente es infinitesimal, significa que esta es una medida local, alrededor dei -íll^"" larga en el activo subyacente equivalente a [A* vaior de ias opciones]. El mismo
precio actual del subyacente. Sin embarga, si ei precio del subyacente observa
J7i , resultado se logra con un portafolio compuesto por una posición larga en "puts" y
cambios importantes, que son los relevantes cuando ei propósito es estimar el VaR, : M
una posición larga en "calis" de igual monto, ya que la A del "cali" es equivalente,,
entonces el modeio delta subestima significativamente las pérdidas del portafolio,
pero de signo conírario a ia A del "puf", de tai manera que la A del portafolio, que en
Por ejemplo, si el precio dei subyacente fluctúa entre $42.0 y $131.0, el emisor de. , este caso se conoce como "síraddie largo", es cero, " • ;•
una opción "calí" registrará utilidades, que como máximo alcanzarán $20.0; s'ih
En principio, y como ía A dei portafolio es cero, ei VaR también debería serlo. Pero,
embargo, sí el precio del subyacente aumenta, (as pérdidas podrían ser ilimitadas,
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.
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
Estimación del VaR de ios instrumentos financieros y de los instrumentos derivados 195
Para estimar el VaR de las opciones se encuentran varias alternativas que utilizan 5.7 Bibliografía
diferentes griegas, Por ejemplo, Jorion (1997) utiliza sólo la delta y la gamma y propone
!a siguiente fórmula para estimar el VaR: • Alien, S, y Kleinstein, A., (1991) "Valuíng Fixed income. Cash-Flow Analvsís and
Calculalions". New York Institute of Fínance.
VaR = O ^Wa'- + yfyS'a'y '(5.58)
• Banco de México (1998) "Circular Telefax". No. 33/98,34/98,46/98 y 47/98.
Donde • Barone-Adesi, G., y Whaley, R., (1987) "Efficiént Analytic Approxlmation of American
d> = Coeficiente que bajo e! supuesto de normalidad permite alcanzar el Option Valúes", The Journal of Finance, Vol. 42, No. 2. Reimpreso en DeRosa, D.,
nivel de confianza deseado. "Currency Derivaíives. Pricing Theory. Exolic Options. and Hedging Appíícaíions" (1998).
Wííey & Sons Inc. Capítulo 6. '
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 • Bicksier, J., y Chen, A., (1986) "An Economic Analysis of Interest Rate Swaps", The
VaR continua siendo Insesgada, incapaz de capturar las colas anchas y una medida local Journal of Fínance, Vol. XLI, No, 3, julio, pag. 645-655
- que no captura ios brincos del precio del subyacente. A ello se debe que continuamente • Biack, F, Derman, E, y Toy, W., (1990) "A One-Factor Modei of Interest Rates and Its
'se estén desarrollado diferentes aproximaciones que pretenden incrementar exactitud de Application to Treasury Bond Options" Financial Anaivsts Journal, enero-febrero,
las estimaciones sin Incurrir en los elevados costos de los modelos de Monte Cario. 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,* ^ . _
Gráfica 6.3
m
¡ir- T DISTRIBUCION DE FRECUENCIAS DEL RENDIMIENTO '
DEL TIPO DE CAMBIO
• jt„i I
i
•j "7
mi
En este caso la volatilidad se define como ía varianza de una muestra móvil de 20 días íiábiies; donde las Aíexandef (1996), Duffie y Parn(1997) destacan que la respuesta de la curíósis a través dei tiempo es
ponderaciones de cada observación son iguales, El rendimiento del tipo de cambio se define como, mayor mientras más estocásticá es la volatilidad, y menor mientras más frecuentes son los brincos de
f FU ^ 'i 7
los precios.
Figlewiski (1994) destaca los argumentos para suponer que la media de los rendimientos es cero, y ias
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. inconsistencias técnicas de considerar valores diferentes.
206 , Vaior en Riesgo y otras Aproximaciones
Volatilidad 207
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:^
Las deficiencias de esta aproximación son ías siguientes: » 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
• La esíimacíón de la voíatilldad es muy sensible al orden (número de observaciones) móviles elevados pueden provocar que la volatilidad sea alta, no obstante que el
del promedio móvil. SI el número de observaciones es reducido, ios estimadores evento que provocó ef incremento en la volatilidad desapareció. Es decir, si eí orden
son poco eficientes. Por contra, conforme aumenta el orden del promedio móvil, !a' del promedio móvil es mayor al óptimo, se acentúa eí efecto "clustering" de la
posibilidad de incorporar los cambios estructuraies en ía estimación de la volatilidad volatilidad, lo que puede sobreestimar el riesgo de asignación del capital.
es cada vez menor. Por ejemplo, en la siguiente gráfica se observa como con la 'sY/IsfíT-^^r-'^''' / '''•"''Trijíiy/ii^^ 'jy ~"-T.-;. :i-:í¿r;"AS"''~ifiTT'íí--*
volatilidad estimada con un promedio móvil de orden 60 permanece el efecto de la ^141 jBóíJeib4iD-ia#i|ofa en Ip psíisiaGiort dfel%v0laf(litfacf ía§ gaipcíaf^^as-tíQl-
devaluación de 1994 por un periodo prolongado; ío cual no sucede cuando la r j?rocsád esVcpáítócfd^ íá^praplá -sgfil;^Es decfri-áfos mSfefos hA Bu|cf|^íni¡fiar
volatilidad se estima con un promedio móvil de orden 20.^ _iajufocbrréfacióg h íp iraíaíilídadítcjidicipnaf y, poíahío, m Fepresqnt|^IÍ|í:oGeso
Z l^genefacíórtdatos datos de manera satisfecíoria ~ ' • "
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.
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: '; ' ' •
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--
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 :
'l^:4Tj;^^^7sfe;C---r.-c-
Gráfica 6.9 lMFr^íJ¿d-¡/íy7tíii77:'...i^
» - - ^
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 '^ . .
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 , . „
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)
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)
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
• 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.'--
Volatilidad 239
238 Valor en Riesgo y otras Aproximaciones
• Heynen, R., y Kat, H., (1994) "Volatiiity Prediction: AComparison of the Stochastic Volatiiity,
6.7 Bibliografía
Garch (1,1) and EGARGH Modeis", The Journal of Derívatives. Winter, pag. 50-65,
» Alexander, C„ (1996) "Volatliitv and Correiatíon Forecastino" en "The Handbook of Rjsi^ • Hull, J-, (1993)" Options. Futures. and Other Derivative Securities". Prentice Hall,"
Management and Analysis" editado porAlexander, C, Editorial Wiley, Cap. 8, pag. 233-260. Segunda edición. . .
» Bharadia. M., Ghristofides., N., y Saikin, R., (1996) "A Quadratic Meíhod for the Calculation • Hull, J., y White, A., (1998) "Incorporating Volatiiity Updating into the Historicaí Simulation
. of Implied Volatility Using Ehe Garman-Kohíhagen Modeí", Financial Anaivsts Journal Method for Value-at-Risk", The Journal of Risk. Vol. 1, No.1. otoño, pag.5-19.
marzo-abril, pag. 63-66. » Hutchinson, J., Lo. A., y Poggio, T., (1994) "A Nonparametric Approach to Pricing and
• Bollersiev, T., (1986) "Generaüzed Auíoregressive Gonditional Heterokedastícity", Journ§[ Hedging Derivative Securities-Vía Learning Networks", Journal of Finance. Vol; XUX,
of Econometrics". No. 31, pag. 307-327. No. 3, pag. 851-889. .
• Bollersiev,-I, Chou, R., y Kroner, K., (1992) "ARCH Modeíling in Finance", Journal of • Jorion, P., (1.995) "Predicting Volatiiity in the Foreign Exchange Market"; Journal of
Econometrics. No. 52, pag, 5-59. Finance. VoÍ, L..No.2, junio,' pag. 507-528. •- '
• Boudoukh, J., Richardson, M., y Whiteiaw R.-, (1998) 'The Besí of Both Words", fiisk • J . P. Morgan (1996) "RiskMetrics. Technical Docümentatlon''i J . P. Morgan.
Magazine. Vol. 11, No. 5, mayo, pag. 64-67. • Kroener, K., ,(1996)."CreatÍrig.and Using Volatiiity Forecasís", Derivatives QuarterIy.
» Brailsford, T, y Faff, R., (1996) "An Evaluatlon of Voíatilíty Forecastlng Techniques", Winter, pag. 39-53.
Journal of Banking & Finance, No. 20, pag. 419-438. • Lawrence, C, y Robinson, G., .(1995) "How Safe is RiskMetrics", Risk-Magazine, VoL 8,
• Brenner, M., y Subrahmanyam, M., (1988)" A Simple Formula To Compule the Implied No. 1, enero, pag. 26-29. -. ' - • --• _
Volatiiity", Financial Anaivsts Journal. 44, septiembre-octubre, pag. 80-83. • 1 ilion, D., et. al.- (1996) "Econometríc Views"."Micro Software. - ;
• Capobianco, E., (1999) "Statístical Analysis of Financial Volatiiity by Wavelet Shrinkage", • Lumsdaine, R., (1995) "Finite-Sample Properties of the Máximum Likellhood Estimator
enrico@e(vínd.lmm.dtu.dk. in Garch (1,1) and IGARCH (1,1) Modeis: A Monte Cario Investigation", Journal of Business
• Danieisson, J., (1994) "Stochastic Volatiiity in Assets Prices Estlmation with SImulated & Economic Statistícs. Vol. 13, No. 1, enero, pag. 1-10.
Máximum LIkelihood", Journal of Econometrics. septiembre, pag. 375-400. • Mauroeidis, S., Robinson, G., y Tauill, S., (1999) "No News Is Bad News", Risk Magazine..
• Doan, T., (1996) "Regression Anaivsis Time Series". Estima.' Vol. 12, No. 4. \ ' :./ r fe
• Duffie, D, y Pam, J-, (1997) "An overview&Ú''q=lue at-Rlsk"ÉQpournal of Derlvatives. Vol. 4, • Nelson, D., (1991) "Gonditional Heteroskedatlclíy in Asset Returns: A New'Approach'V
No. 3, Spring, pag. 7-49. Econometríca. Vol. 59, No. 2, marzo, pag. 347-370.
» Dunis, Ch., (1996) "Forecastino Financial Markets: Exchange Bates. Iníerests Rates » Varikooty, A., Liu, J., y Huang H., (1999) "Predictive Ability of Different Volatiiity Forecasting
and Assets Management". Wiley, Parte Techniques", en "Internal Modeiling S Cad II. QualIfylnQ and Quantifving Risk withln.a-.
Financial institution". Risk Books, Cap. 4 pag. 55-78. "
• Engle, R., (1982) "Autorregressive Gonditional Heteroskesdaticity with Estimates ofyxhe
Variance of United Kíngdom Infíatlon", Econometríca, Vol. 50, No. 4, julio, pag. 987-1007. • 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,^
• Éngle, R., LÜien, H., y Robins, R., (1987)" Estimating Time Varying Risk Premia in the noviembre, parte 1, pag. 604-621. " • "-r,.
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.
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. ' -
[ 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
^/^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 «
• 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
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
t- t
rEsta^^|fi^c(oípeF|iíte5eaJe^arlSs ?pfati[ídad¿J1|ÍQQyari3|2aéle
^ ^asem ^
¿Mm^
+'^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
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
• 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 ».Adicionalmente, en la estimación íradiciona! de! VaR'no sóio se supone que ia curva
intermediarlos financieros consideran que eí horizonte de riesgo es de un día, sin •• de demanda es perfectamente horizontal-(elástica), sino.támbién que ías posiciones "
evaluar las características de los mercados y los problemas potenciales de falta'' - . de riesgo pueden liquidarse a los mejores precios de mercado. Por esa razón,' ¡a
de iiquidez. curva de demanda elástica es tangente al punto más bajó de ía curva de demanda
ajustada por los'montos negociados.
« Cuando se realiza ia liquidación de ías posiciones se supone que los precios y los -
difere^^]ato^ de cornpraventase_|ianiíe^ ¿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
I^^^^^^^^^B^Rte ''e^jarqo/^^ eslonsisteÍiíe con ¿s^^ ' que se concentran en el horizonte de inversión.
mercado, donde se observa que la curva de demanda es convexa, es decir, cuando i 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:
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:
» 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. '
La reiación teórica entre los costos de transacción y ías variables que los explican es la
siguiente:
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.
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.^
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 Riesgo de Crédito 275
Es decir: • Valor ajustado del exposure (EA). Las pérdidas crediticias pueden ser sustancialmente
inferiores al exposure, o incluso ser nulas, cuando los créditos tienen alguna garantía
» Se supone que e! exposure actual de un crédito es igual al valor nominal más los liquida o con riesgo cero; por ejemplo, muchos créditos, repollos o derivados tienen
intereses devengados; práctica que obedece a la dificultad de determinar su valor como colateral bonos soberanos como los Cetes. Por tanto, el valor ajustado del
de mercado. Otra definición del exposure actual es eí costo de reemplazo del activo exposure es igual a:
en el caso de Incumplimiento de la contraparte.
EA=:E-Col (9.4)
a Por contra, el exposure potencial además puede incluir los intereses moraíorlos y Donde: Col = Colateral.
los gastos de cobranza. Asimismo, en muchos créditos, en especial los de plazos
Para estimar el valor ajustado del exposure, tanto el actual como el potencial, de
largos como los hipotecarios, en ios que una parte Importante de los intereses se
preferencia las garantías deben valuarse periódicamente a mercado.
capitaliza, éstos se incluyen en la definición del exposure potencial.!*
» Valor de recuperación (l-L). Una vez que la contraparte incumple, el monto de ías
• Para los bonos, io correcto es utilizar el vaior de mercado; sin embargo, cuando !a pérdidas depende de ía capacidad de recuperación, que a su vez es resultado de:
estimación es compleja lo más sencillo es considerar eí valor de nominal.
• Las condiciones de los contratos para ejercer las garantías.
• 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 • El grado de jerarquía ("señority") de la deuda, es decir, del orden en que el acreedor
que está expuesta al riesgo de crédito, por tanto el exposure es cero. se coloca en la coia de recuperación de su dinero.
• En el caso de! exposure potencial de los derivados se puede suponer que es eí En el caso mexicano no hay Información sistematizada de la tasa de recuperación
máximo valor que puede alcanzar, ante diferentes escenarios del precio del subyacente, de los créditos y de los bonos, entre otras cosas porque gran parte de ios créditos
a lo largo deí horizonte de Inversión. En la industria se utilizan tres aproximaciones quebrantados se renegocian, muchas veces en condiciones adversas, situación
para calcular la pérdida potencial: que es resultado de un esquema legal de quiebras deficiente.'^
1. Versión del Comiíé de Basilea. El exposure potencial se incremente conforme a Información de EUA indica que íaíasa de recuperación del papel comercial casi
unos factores, cuyos valores están en función de la madurez de los activos y de los siempre es 100%; sin embargo, eí periodo de cobro puede ser largo." Por su
factores de riesgo que influyen en su valor. 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%
2. Exposure potencial esperado. Corresponden al valor esperado máximo del exposure dependiendo de las condiciones contractuales y de !a jerarquía de la deuda. Asimismo,
en algún momento de la madurez del activo. estos autores demuestran que la tasa de recuperación es una variabíe que
3. Exposure potencial máximo. Es el valor máximo, dado un nivel de confianza, del 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.!^
exposure durante ei horizonte de riesgo.!^
« En resumen, el exposure que se debe utilizar en ía estimación del riesgo de crédito Así, al incluirse el vaior de recuperación, el exposure ajustado es:
está dado por la siguiente ecuación:
EA = (E-Col)H (9.5)
E = Max (^^0, + M ^ o ^ n » O) (9-3) En conclusión, hay tres definiciones del exposure, que dependen de si se incluye el valor
Donde: A^j-^^ 7. ^ es el incremento del exposure durante el horizonte de riesgo. 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
14 Desdichadamente, como la capitalización depende de la evolución de variables macroeconómicas, su continúa la recuperación de esta cartera.
estimación es muy compleia, ai igual que el cálculo de los gastos de cobranza. 17 Keenan y Carty (1998).
15 Zangari (1997) muestra un ejemplo sencillo para ¡lustrar la estimación del exposure potencia!. 18 Groosman, Brennan y Vento (1998).
278 Valor en Riesgo y otras Aproximaciones Riesgo de Crédito 279
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
• La probabilidad de que ios insírumentos mantengan la misma calificación crediticia • Debido a que las calificaciones se realizan con rezagos, y la decisión de cambiar
disminuye conforme aumenta el horizonte de riesgo. Por ejemplo, la probabilidad la calificación de un activo es lenta, ías probabilidades de transición están sesgadas.
de que bono con calificación AAA se mantenga con esa calificación disminuirá de
•Como las tasas de Incumplimiento están relacionadas con las probabilidades de
81.8% en el primer año a 67.6% én el segundo periodo,
migrac'íón, un sesgo hacia arriba de la tasa de Incumplimiento se traduce en un
» A medida que aumenta eí horizonte de riesgo se incrementaja probabilidad de sesgo hacia abajo de las probabilidades de transición.*^ Adicionalmente, esta reiación
Incumplimiento. Por ejemplo, mientras para el primer año la probabilidad de implica que cuando las tasas de incumplimiento cambian, las probabilidades de
incumplimiento de un bono AAA es cero (Cuadro 9.3), para el segundo aumenta a migración también cambian, y viceversa, pero esto es Inconsistente, ya que
0.1% (Cuadro 9.7). mientras la tasa de incumplimiento es una variable continua, las probabilidades
de migración son discretas.
• Esta metodología permite calcular el tiempo en el que un activo en particular podría
caer en incumplimiento. •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
EvidentemeníSi uno de los elementos más importantes en la estimación del VaR de clasificados en ese grupo tienen una tasa de Incumplimiento que es inferior a la
crédito es, sin duda, las matrices de' transición. Por ello, deben tenerse presentes sus tasa promedio.**
limitaciones, sobresalen:
•La variabilidad de la tasa de Incumplimiento sesga fa estimación de ia tasa pro-
• La independencia que se deriva del supuesto markoviano. Hay evidencia empírica . medio de incumplimiento.
que indica que ias matrices de transición están correlacionadas, en especial con la
evolución de las variables macroeconómicas. • 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
« Las matrices de transición se calculan con base en información histórica y, en el en la calificación de crédito. Es decir, que la estimación del VaR de crédito con
contexto del modelo, son exógenas, es decir, no se explican por otras variables, lo base en el modelo de migración es muy sensible a los errores de muestreo y de
que ignora la influencia de los ciclos económicos sobre eí riesgo de crédito del construcción de las matrices de transición.
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
9.3.2.3 Riesgo del portafolio
de tiempo.
En esta sección el modelo se extiende a ía estimación del riesgo de una cartera de inversión.**
© En ía construcción de las matrices de transición se supone que- todos los activos
Para estimar el VaR de un portafolio es necesario analizar tres elementos adicionales:
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 » Eí modeio para estimar ia matriz de probabilidades de transición,conjunta.
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 • El procedimiento para caicular la correiación de ia calidad crediticia.
estimación de las PE y de las PNE, KMV Corporation alerta, sobre las implicaciones
que tiene ia violación de estos supuestos:*' ' • • 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.
•La tasa de Incumplimiento actual siempre difiere de ía tasa de Incumplimiento
Por el momento, y con el fin de simplificar el ejercicio, se supone que los cambios en la
histórica. Lo mismo sucede con las probabilidades de transición.
Para estimar ía correlación de las probabilidades de migración, CreditMetrics supone que Como se justifica en ia sección 9.3.5, .para aproximar ía estimación de la volatilidad de los
hay una relación entre la desviación estándar del valor de los activos de la contraparte y activos se usa la volatilidad del rendimiento del capital de la contraparte. Con base én
ías calificaciones de crédito discreías de cada activo con riesgo de crédito. El marco esta información y mediante un modeio mulíifactorial a nivel de sector económico se
metodológico que rige esta relación se atribuye a Merton y se analiza con detalle en la calcula la correlación de la calidad crediticia. Las fases son:
sección 9,3.5.
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
¡%^'' 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^^^^
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
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.
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 j • Riesgo de Crédito 311
Dos puntos destacan de estos escenarios: !^ 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,
I. La probabilidad de Incumplimiento depende de la evolución del valor de mercado de
que son diversas: permite determinar ía calificación interna de los acreditados; facilita la
ios activos y pasivos de la contraparte, y
estimación de las reservas preventivas de manera paramétrica; permite asignarle una
lí. El patrón de flujos que se describe en los incisos 1. a 3. es similar al de una opción calificación crediticia a los nuevos acreditados y, principalmente, la meíodoiogía se puede
cali europea, donde, el subyacente es el valor de mercado de !os activos de la aplicar a todos las contrapartes independientemente de que se trate de empresas cuyas
contraparte.** acciones se negocian de manera pública o privada.
Para estimar la probabilidad de Incumplimiento mediante el método fundamental destacan No obstante, en virtud de que estos modelos utilizan información que proviene básicamente
dos modelos, que a continuación se describen. - 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
. 9,3.5.1.1 Modelos "scorlng" suple esta limitación.
Z = 1.2 jr, + i . 4 X f e 3.3 X , + 0.6 + 0.99 X, (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
Donde: de mercado de los pasivos (A < P). Por tanto, para estimar la probabilidad de quebranto
Xj = Capital de trabajo/Activos totales es necesario calcular el valor de mercado de los activos; su volatilidad, la cual indica el
Xg = Ganancias retenidas/Activos totales grado de dispersión de las diferentes trayectorias que e¡ valor de mercado de los activos
Xg = Ganancias antes de Impuestos/Activos totales puede observar durante el horizonte de riesgo;** y el nivel de los pasivos.** La relación de
X^ = Valor de mercado de !a acciónA/alor en libros de la deuda estas variables se muestra en la Gráfica 9.11.
Xg = Ventas/Activos totales.
De acuerdo con AItman, la situación financiera de las empresas depende del valor de Z:
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.
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. "
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
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 Riesgo de Crédito 327
9.5 Bibliografía • Hite, G„ y Warga, A,, (1997) "The Effecí on Bond-Rating Changes on Bond Price
Performance", Financial Anaivsts Journal, mayo-junio, Association for Investment
• Miman, E., y Saunders, A., (19S8) "Credit Risk Measurement; Deveiopments Over the Management and Research, pag. 35-51
Last 20 Years", Journal of Banking & Finance, No.21.pag. 1721-1742. • Jarrow, R., y Turnbull, S., (1995), "Pricing Derivatives on Financial Securities Subject to
« Basie Committee on Banking Supervisión, (2000) "Summary of Responses RecRiyo^ Credit Risk", The Journal of Finance". Vol. L, No. 1, marzo, pag. 53-85.
on the Report "Credit Risk Modeíling: Current Pracííces and Applications". Basle, mayo. 9 Gupton, G., Finger, Ch., y Bhatia, M., (1997), "CreditMetrics. Technical Document",
«Basle Committee on Banking Supervisión, (1999) "Credíl Risk Modeilinn: Cnrrpgi Morgan Guaranty rust Co. J.P. Morgan, Nueva York, abril.
Pracííces and Applications". Basle, abril. » Keenan, S., y Carty, L,, (1998) "Commercial Paper Defaults and Raíing Transítions,
« Basle Committee on Banking Supenyision, (1999-1) "Credit Risk Dísclosure", Basle, julio. 1972-1998", CreditMetrics Monitor, tercer trimestre, pag.28-45.
• Beikin, B., Forest, L, Aguáis, S.', y Suchower, S., (1998) "Expected the Unexpecíed", • Keaihofer, S., (1998) "Portfolio Management of Default Risk", KMV Corporation. Documento
Risk Magazine. Reporte Especial de Riesgo de Crédito, noviembre, pag. 34-37. 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/.
» 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. « Keaihofer, S„ Kwok, S., y Weng, W., (1998)-"Uses and Abuses of Bond Default Rates",
CreditMetrics Monitor, primer trimestre, pag. 37-55.'
•« Burgisser, P, Kurth, A., Wagner, A., y Woíf, M., (1999)" Integrating Correlatíons",-Rísk
'-' Magazine. Vol. 12, No. 7, julio, pag. 57-60. « Koyiuogíu, U., y Hickman, A., (1999) "Reconcilable Dífferences", en Ong, M., (1999)
"Internal Credit Risk Modeis. Capital Aiiocation and Performance Measurement", Risk
• CNBV, (2000) "Calificación de Cartera Crediticia. Metodología para la Caiíficación de la
Books, Anexo, pag, 306-320.,
~ Cartera de Crédito Comercial", Circular 1480, septiembre. ";.
« Merton, R., (1974) "On the Pricing of Corporate Debt: The Risk'Structure ot Interest
» Matriz de Probabilidades de Transición en ia Estimación del Riesgo Crediticio", Consar.
Bates", The Journal of Finance. junio, pag.' 449-470,
junio, No publicado.
« Miller, R,,'(1998) "Refining Ratings", Risk Magazine, Vol. 11, No'. 8, agosto, pag. 97-99.
» Credit Suisse Financial Producís, (1997) "CreditRisk +. A Credit Risk Management
Reimpreso en los anexos de Ong, M., (1999) "interna! Credit Risk Modeis. Capital
Framework".
Aiiocation and Performance Measurement", pag. 321 -327. -
« Crosbie, P., (1999) "Modeüng Defaulí Risk", KMV Corporation. Documento propiedad -
• Ong, M., (1999) "Interna! Credlt Rísk Modeis. Capitaí Aiiocation and Performance
de KMV Corporation, enero.
Measurement". Risk Books.
« Del Angel, 6., Márquez, J., y Patino, E., (1998)" A Discrete Markov Chain Modei for
• Hender, B„ y Stair, R., (1997) "Quantitative Anaivsis for Managemenf. Prentice Hall,
Valuíng Loan Portfolios. The Case of Mexican Loan Sales", Journal of Banking & Finance.
sexta edición.
Vol, 22, pag. 1457-1473.
• Saunders, A., (1999) "Credit Risk Measurement. New Approaches to Valué at Rísk and
» Duffie, D., y Singleton, K.; (1999) "Market and Credit Risk Management for Financiai
Other Paradíams". John Wiley & Sons, Inc.
Institutions: An Iníegraied Approach".
9 Seilers, M., y Davidson, A., (1998) "Modeüng Defaulí Risk. Private Firm Modei", KMV
® Glantz, M„ (1994) "Loan Risk Management. Sírategies and Analysis Techniques for
Corporation, Documento propiedad de KMV Corporation, octubre.
Commercial Bankers", Probus Publishing Company, Chicago.
• Standar & Poor s, (1997) ¿Qué es una Calificación'", Ejecutivos de Finanzas, noviem-
© Grossman, R., Brennan, W., y Vento, J., (1998) "Syndicated Bank Loan RecoverySíudy",
bre, pag. 8-14.
CreditMetrics Monitor, primer trimestre, pag.29-36.
© Tokai Bank Europe PLC (1998) "A Framework for Anaiysing Credit Risk", Risk Magazine.
« Gutiérrez, R., y Márquez, J. (2000) "Los Métodos de Calificación de Cartera y su Importancia
Reporte Especial de Riesgo de Crédito, noviembre, pag. 5-8.
para ios Paradigmas de Medición de Riesgo de Crédito", No publicado.
® Vasicek, O., (1994) "Credíl Valuation". KMV Corporation, Documento propiedad de KMV
Corporation, marzo.
330 Valor en Riesgo y otras Aproximaciones Riesgo operativo 331
» 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
• A-Al V' •; %f'ypyé^^
i-Seltlement»
444-7 Nótese que a diferencia de la estimación del vaior en riesgo de mercado, de crédito y de
Liquidación 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.
Pailas en los sistemas 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
Planes de contingencia 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:*
Riesgos externos
7r.RbgÚ!^?igtKfe ' TT-"L 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
Tratamiento impositivo 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
Para evitar que en las negociaciones de una se adopien comportamientos no éticos, 1. Eí manual de riesgos es eí documento que formaliza el compromiso —de ios participantes
se sugiere; en el proceso de producción de ia institución— de garantizar y de proteger el valor
de mercado del capitaí de los accionistas.
« Presentar, mediante mecanismos de capacitación continuos, el marco regulatorio y
'7 • los procedimientos y políticas que son práctica común en la industria. 2. La guía que facilita ia función —de .agente— de los auditores para garantizar el
control de los riesgos operativos. i
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 En el manlial de riesgos sé deben determinar ías políticas y procedimientos de operación
- mecanismos de remuneración ~ principalmente para los "íraders"—que equilibren y de-riesgos. Para garantizar su cumplÍmlento,y errores de interpretación, éstas deben
la relación riesgo-rendimiento,'* ; quedar por escrito. Se fécomienda que en la elaboración del nianual se consideren las
siguientes regías: ' ' . . -
* Otorgar los bonos hasta que se realicen las ganancias. De esta manera se elimina ia
posibilidad de que posiciones ganadoras se pueden volver perdedoras. 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
.- » Pago mediante acciones u obligaciones convertibles, que sólo se puede liquidar evitarse políticas como ías siguientes: "mantener un portafolio con una duración
en varios años. i promedio de 3 años". Ya que eílo puede implicar estructurar un portafolio sólo con
bonos cupón cero a 3 años,' o bien un portafoilo con bonos"á 1 día y bonos a 15
• Hacer a los "traders" partícipes en las pérdidas. años. Los resultados de la estrategia de negocio serán muy diferentes.
® Verificar ios reportes de ganancias y pérdidas con base en los cuales se calculan' • Respaldar, de ser posible, cada uno de los procedimientos con las circulares
las remuneraciones." ' ¡ decretadas por la autoridades y con iq^ establecido en. las ieyes financieras
* Determinar los límites de operación y de monitoreo de ias posiciones y de los riesgos. correspondientes. Eso facilitará su cumplimiento."
í" . . .'
s Las políticas que se aplique a ías diferentes áreas, deben ser consistentes. :
15 Smith (1993). § Las políticas y los procedimientos se deben revisar de rnanera periódica para
16 Ludwing (1995) destaca como la causa de ias pérdidas de Baring ocurrió por la presencia de esquemas de capturar los cambios y la dinámica de los mercados.
remuneración deíicientes.
17 Instefjord y otros (1999) destacan como, mediante un esquema de reportes ineficiente, se pueden ocultar 18 McNew (1997)
las pérdidas. 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 2) Los que tienen que ver con la -selección de ía plataforma tecnológica y de sistemas,
sean satisfactorios, determinar la solución, la cual depende del diagnóstico: sobre todo.porque estos aspectos se consideran como un elemento estratégico en
el posicionamienío de las instituciones en su sector.
« Modelo conceptual correcto, pero estimaciones incorrectas. Solución: Calibración
del modelo. • 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
• Modelo conceptual correcto pero muy inestable, Solución: Incorporar supuestos gran número de sistemas en las instituciones'que ni siquiera se utilizan.
eje reversión a la medía y tener precaución en su uso.
• Definir el pían de impianíacíón de la infraestructura tecnológica. Cuando los sistemas
• Modeío conceptual equivocado, Solución; Sustituir el modelo, son novedosos, la complejidad y los cambios son fuentes de riesgo operativo. Por
• Modelo conceptual correcto, pero aplicación incorrecta. Un ejemplo es la estimación tanto, eh el plan se deben considerar la filosofía y ías características particulares
m
deí precio de las opciones sobre tasas de interés con ei modelo de Biack & Scholes. de cada institución.
m
3
Solución; Capacitación.
• Diseñar la arquitectura de la aplicación, de los 'datos y las características técnicas
• Modelo y estimación correcta pero Interpretación equivocada. Solución: Capaci- y verificar que son consistentes con la arquitectura del negocio. Es importante
tación. garantizar queda arquitectura tecnológica puede adecuarse a las necesidades
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- • Realizar eí "check and balances" entre tareas y resultados, que permitan identificar
ciones de estabilidad y en condiciones de estrés.*' ' ias causas y las soluciones a cualquier limitación del desarrollo deí proceso.
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
• 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.
• Precisar el procedimiento que se sigue para realizar las pruebas de sensibilidad. 5. Calcular el VaR con un 99.99% de probabilidad. En este caso el problema consiste
Hay varias alternativas: 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
a) Suponer un cambio, porcentual, absoluto o algún múltiplo de su volatilidad, de los "ouiiiners" en la estimación del VaR, de alguna manera ya se están considerando
factores de riesgo y revaluar completamente el portafolio. los eventos extremos en las estimaciones de riesgo.
b) Utilizar los indicadores de sensibilidad tradicionaíes como la duración, ia convexidad 6, Relacionar las distribuciones de pérdidas y ganancias del portafolio con otras variables
y (as diferentes "griegas" asociadas a la valuación de (as opciones —los cuales a través de modelos economélrícos. Esta alternativa requiere un esfuerzo adicional;"
miden el cambio porcentual en el valor de un activo ante un cambio de una urlidad sin embargo, los beneficios son muy diversos. Por ejemplo, únicamente con este /
en el valor de los factores deriesgo—y evaluar el riesgo deí portafolio a través de tipo de modelos hubiera sido posible anticipar la devaluación del peso que se registró
estos indicadores, es decir, de manera paramétrica.
en diciembre de 1994.
Mientras la opción b) tiene la ventaja de que los indicadores de sensibilidad son eí A pesar de la simplicidad metodológica de las pruebas de estrés y del análisis de sensibilidad,
insumo básico para realizar estrategias de cobertura,'* tienen la limitación de que tiene diversas ventajas:
. 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. • Permiten cumplir de manera fácil con los requerimientos de las autoridades.
c) Asimismo, eJ anáfisis de sensibilidad puede ser múllipfe, es decir, cuando se • Muestra las causas, las variables y los tipos de riesgo que pueden provocar las
supone que todos los factores de riesgo cambian de manera simultánea o mayores pérdidas en la institución; sobre todo si el análisis de sensibilidad se realiza
.individuales, cuando sólo cambia un factor de riesgo. Mientras la primera opción con todos los factores de riesgo.
dificulta la tarea de identificar Jas causas deJriesgodeJ poriaíoJio, además de
computacionaímente el ejercicio es costoso, la versión particular tiene el problema « Puede ayudar a los accionistas a entender las causas de ías pérdidas y a determinar
de Integrar los resultados. Una manera de hacerlo es sumar ías pérdidas o si hay un evento extremo que pueda provocar la quiebra de la institución. Asimismo,
ganancias de cada subportafolio;"no obstante, tiene el inconveniente de Ignorar hacer pensar a las instituciones que los grandes choques financieros puede afectar
el efecto portafolio y cobertura. sus negocios.
Los resultados de las pruebas de estrés y de sensibilidad indican el monto de las pérdidas y
4. Estimar el VaR con base en un subconjunío de factores de riesgo que refleje la
los escenarios que podrían poder en duda la salud financiera de la institución. Esta información
presencia de eventos extremos. Para crear este subconjunío de datos, los pasos son:
efectivamente es muy valiosa; sin embargo, puede ser de poca ayuda si en ia institución no
• Se estiman los rend[fnjentos de los factores de riesgo de mercado, de crédito se define qué hacer con esas estimaciones, sobre todo si como sucede con frecuencia, ¡os
y operativos. resullados se ignoran ya que al ser de baja probabilidad no se consideran peligrosos.
• Se elige el factor de riesgo de referencia. 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
• Con base en el factor de riesgo pivote se seleccionan las fechas en las que el para controlar tos riesgos. En ese procedimiento debe lomar en cuenta que cuando se
rendimiento de ese factor es mayor o igual, en términos absolutos, a un porcentaje presenta un evento extremo ía respuesta de los participantes y de los mercados cambia
predefinido. Nótese que en la medida que el porcentaje sea mayor, el subconjunto drásticamente. Por ejemplo:'"
tendrá menos observaciones.
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
|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.
• 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\
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
s Modelos ARIMA. SI la serie de pérdidas y ganancias es estacionaria, se puede modelar y 1. identificar ios-riesgos que en realidad son Importantes. En el esquema 11.2 se
validar la calidad de las estimaciones mediante métodos autorregresívos y de promedios destaca que el riesgo de liquidez es resultado de la manifestación de los riesgos de
móviles, con la metodología propuesta por Box-Jenkins.** Desafortunadamente, la mercado, de crédito u operativo. Asimismo, el riesgo de capitalización depende de
característica de las series de pérdidas y ganancias es su falta de estacionariedad; lo ios riesgos mencionados y se aceníija cuando el riesgo de liquidez se manifiesta.
que hace que el proceso de estimación de riesgo sea muy complejo.
Esquema 11.2
í^'-?K->Tteí:vte
11.2 Agregación de riesgos
,,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 » Focardi, S., (1999) "Business as Usual and Rare Events", The Journal of Portfolio
una tarea más compleja, ya que se requiere analizar el estado de resultados y ei balance Managemenf. mayo, pag. 47-54,
de cada empresa para identificar los factores de riesgo, además de convencer a los órganos ® Fong, G., y Vacisek, O., (1997) "A-Multidimensional Framework for Risk Analysis",
de dirección, de ia importancia de contar con una estructura especializada en el control Financial Anaivsts Journal, julio-agosto, pag. 51-57.
de riesgos; muy poca gente en las empresas no financieras io reconoce.
« 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 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
Tradicionalmente en el sistema financiero mexicano, y todavía en un gran número de en el medio, principaímente dedos fondos de inversión, se usan diferentes indicadores
bancos, casas de bolsa, instituciones de seguros y fondos de inversión, por nombrar a los con características muy similares para evaluar el comportamiento de un portafolio en e!
principaies, ía evaluación y gestión se realizan con base en indicadores de volumen, por plano "riesgo-rendimiento".' Estos indicadores tienen dos interpretaciones:
ejempío; saldos de captación, número de créditos otorgados, monto de ingresos,
» "Ex-post". Para evaluar e! desempeño de las unidades de negocio, fondos de inversión
rendimiento y tamaño de ios fondos, entre oíros.
o "traders", etc., es decir, se calculan con base en datos observados.
Con estas medidas, la comparación de ias líneas de negocios no se puede realizar con * "Ex-ante". Para determinar de manera numérica la asignación óptima del capitaí.
un parámetro estándar, es decir, ía comparación es entre "peras y manzanas".
Se pueden calcular con valores teóricos, o históricos, o ios que representen un
Adicionalmente, en ningún caso la evaluación de las áreas se realiza con base en el
nivel deseadq. ' .
capital que utilizan que, como se mencionó en capítulos anteriores, es la contraparte de
la exposición al riesgo de esas áreas. Los principales indicadores, que generalmente se calculan por ios portafolios de instrumentos
financieros, son:
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?.
12.1.1 Indicador de Utilidad esperada
Gráfica 12.1
UTJLIDADES DE DOS AREAS DE NEGOCIO 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: - "• • - • '• •-
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.
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.
.""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
CUADRO 12.4 * 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
• Hfegg:Mg^iifefefeui&á^ las diferentes unidades de negocio. Para asignar los ingresos y gastos financie-
.i/JiC/Tj^W^trjlgtajMMT^^^^ . - •• 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-
Rendimiento esperado 15.0% 18.0%
tados de cada área, se debería instrumentar un sistema de precios de transferencia
""•"'^fef§||^§fefe-r"- 10 0 % • : ;2O0%:fe ':\ '
fe^^t^^v-^^^^^ladei,ínstrumehlQ de.refereítci?Lj3.0%. _ y un mecanismo de facturación interna.*'
Indice de Sharpe (Niveles) 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.
Donde pVaR es el VaR de un portafolio que se integra por una posición larga en el ® Para determinar la tasa de reatabilldad de un portafolio de Inversión hay diversas
portafoilo original más una posición corta en el portafolio de referencia. Obviamente la opciones. Las más importantes son: la tasa interna de rendimiento (TiR) y la tasa
estimación de este indicador es más elaborada que la que se requiere para estimar ei IS; de rendimiento ponderada por el tiempo (TRPT); sin embargo, cuando se presentan
sin embargo, permite realizar comparaciones entre mercados en los que el grado de entradas o salidas durante ei horizonte de inversión, no todas las medidas
aversión al riesgo promedio es diferente. son correctas.
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
» 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.