Académique Documents
Professionnel Documents
Culture Documents
RIESGO DE MERCADO
PROFESOR
• Representación de Carteras
• Stress-testing
• Back-testing
Definición
El riesgo de incurrir en pérdidas
Definición
Antecedentes
Definición
Riesgo Especifico:
Cambios en el valor de mercado de posiciones individuales causadas por
factores distintos a movimientos generalizados de los mercados, tales como
liquidez, acontecimientos excepcionales y la calidad crediticia de las carteras
c c 1 c
P 1
2
... T
(1 r)
1 (1 r2 ) (1 r
T )
Duración Macaulay
La duración es una medida de la longitud temporal de un bono.
“Vida media ponderada del valor presente de los
flujos de caja de un activo” (cupones y principal)
Dicho de otro modo: Vencimiento medio ponderado
por el peso de cada flujo (con respecto al total de
flujos descontados)
n ti ci e yti
D ti
i1 B
Es una medida del riesgo en el que incurrimos al invertir en un bono
o cartera de renta fija y por tanto es la herramienta clave empleada
en la gestión del riesgo de tipo de interés.
Duración Macaulay
Casos especiales
Duración Macaulay
Bonos con Opcionalidad:
r0 +2σ√dt 6,832%
½ r0 +σ√dt ½ 6,506%
r0
r0 6,18% 6,180%
½ r0 -σ√dt ½ 5,854%
r0 -2σ√dt 5,528%
FX • Bancos centrales
Riesgo de IR • Mercado de valores
mercado • Factores macro
EQ • Mercado especulativo
Comm. • Oferta, demanda
•Estado financiero
Default
Riesgo de contrapartida Empezamos
•Agencias de rating Necesidad
crédito con
Transición •Spreads de
Riesgode
•Efectos contagio gestionar
Mercado
riesgos
Bid-ask • Oferta y demanda
Riesgo de • Tipo de mercado
Prof. merc • Financiación
liquidez
• ALM
Funding
• Descalce de flujos
Negocio
• Estrategia
Riesgo no Regulación • Personas
Financiero Reputación
• Sistemas
• Eventos internos
IT,Modelos • Eventos externos
Si bien han existido más episodios de los que aquí se relatan, hemos
seleccionado aquellos de mayor impacto económico y que han tenido
mayor reflejo en la literatura académica
Banco Barings
Banco Barings
Banco Barings
Société Générale
Factores Riesgo
Riesgo de tipos de interés
Riesgo de tipo de cambio
Riesgo de precio de las acciones
Riesgo de precio de commodities
Posiciones Mercado
Riesgo de curva
Riesgo de variación del spread
Riesgo de base (“Basis Risk”)
Riesgo de volatilidad (“Volatility Risk”)
Riesgo de correlación (“Correlation Risk”)
Riesgos de prepago
Riesgo de convexidad (“Gamma Risk”)
Riesgo de variación de los dividendos estimados
Fuente de
Exposición Variabilidad
Riesgo
Riesgo
Mercado
- VaR Corregido
- RAPM
Riesgo de
Riesgo
Riesgo de Riesgo de Riesgo de reputacional
Precio
Cambio Interés Precio (RV) (Mat.primas)
1-α
MAESTRÍA EN ADMINISTRACIÓN FINANCIERA
40
Test
El VaR es, por tanto, una medida estadística del máxima pérdida probable
hasta que la cartera pueda ser liquidada, que resume el riesgo de
mercado de la cartera y en cuya definición intervienen los siguientes
elementos:
METODOLOGÍA
MAESTRÍA EN ADMINISTRACIÓN FINANCIERA
43
Riesgo de mercado y Regulación Bancaria
Criterios generales
Requisitos cualitativos
Aprox. Modelos
Internos Especif. Factores riesgo
Escenarios de Tensión
Validación externa
Requisitos cuantitativos
Conceptos generales
Hay dos métodos para calcular la carga de capital regulatorio por riesgo
de mercado: (1) el método estándar y (2) los modelos internos (IMA,
internal models approach)
Conceptos generales
Internal Models Approach (IMA) permite a un banco usar su propio
sistema de gestión de riesgos para determinar su carga de capital
regulatorio por riesgo de mercado
La carga de capital por riesgo de mercado (MRC) por tanto queda como
el dato de VaR (ya comentado) + una medida de VaR “estresado” (SVaR)
– Al igual que para calcular el VaR, el SVaR será el máximo entre el último
Stress VaR calculado y la media de los calculados para los últimos 60
días laborables ajustado por el factor multiplicativo (backtesting)
Pérdida Potencial=
Sensibilidad factor riesgo x Cambios potenciales factores de riesgo.
Si se admite esta aproximación lineal (no válida para carteras con alto grado
de opcionalidad), y se asume la hipótesis de normalidad de los rendimientos,
esta aproximación suele denominarse método analítico o metodología de
varianzas/covarianzas o método delta-normal.
Pérdida Potencial =
Valor de la Posición ( precios potenciales)
-Valor de la Posición (precios originales)
• Representación de Carteras
• Stress-testing
• Back-testing
Asset 5
Tres alternativas
Principal Mapping
– Se elige un sólo factor, el vencimiento medio de la cartera
Duration Mapping
– Se elige un sólo factor, la duración media de la cartera
• Representación de Carteras
• Stress-testing
• Back-testing
1 T 2
T
t rt i
2
r t 2 i
T i1 t i1
INCONVENIENTES:
No considera el orden cronológico de las observaciones (igual
ponderación) λ=1/T
Aparición de movimientos fantasmas (ghost features): caídas
bruscas de la volatilidad tras la salida de una observación
extrema de la ventana muestral
0 1rt 1
2
2 2
t t1
66
00
Ponderación
Cuanto más bajo sea λ,
más rápidamente T=100
decaerán los pesos
asignados.
Nº días pasados
1 m
( x, y)
Cov(x, y) Cov(x, y) (xi x)( yi y)
x y m i1
Siempre que hallemos la volatilidad de una cartera (de dos o más activos)
utilizaremos también la correlación para atenuar el riesgo conjunto de los
activos.
• Representación de Carteras
• Stress-testing
• Back-testing
Nominales
Método obsoleto.
No tiene en cuenta
– Evolución Factores de riesgo.
– Sensibilidad de los instrumentos.
Sensibilidades
VaR no correlacionado
Tiene en cuenta las sensibilidades de los activos a los factores
de riesgo.
Incorpora el concepto de volatilidad-probabilidad de los
factores de riesgo.
Permite estimar pérdidas ante una variación adversa de los
mercados basada en la historia.
No tiene en cuenta lascorrelaciones.
VaR correlacionado
Tiene en cuenta tanto las sensibilidades como las volatilidades de
todos los factores de riesgo.
Incorpora el concepto deCorrelación.
Permite estimar pérdidas de toda la cartera ante una variación
adversa del mercado basándonos en experiencia histórica.
Bootstrapping
Otras
aproximaciones Simulación Hístórica Ponderada
Enfoque basado en la
distribución de probabilidad MÉTODOS BASADOS EN LA
de los rendimientos extremos TEORÍA DEL VALOR EXTREMOS
77
MAESTRÍA EN ADMINISTRACIÓN FINANCIERA
77
Medidas de riesgo coherentes
Propiedades
Monotonicidad
– Una cartera con retornos escogidos aleatoriamente que resultan
siempre mayores, probablemente tenga menor riesgo
Subaditividad (diversificación)
– Riesgo de la cartera ≤ La suma de los riesgos individuales
– La combinación de riesgos debe atraer beneficio por diversificación
Homogeneidad Positiva
– El riesgo de una posición es proporcional a su riesgo
Método de Varianzas-Covarianzas
Primera metodología para evaluar el VaR.
Sencilla y rápida.
Normal VaR
LIQUIDEZ 0-1
DEPÓSITOS 0-2
BONOS TESORO 0-3
BONOS CORPORATIVOS 2-5
DIVISAS OCDE 5-10
FONDOS DIVERSIFICADOS 10-15
OTRAS DIVISAS 15-20
BOLSA OCDE 20-25
BONOS ESPECULATIVOS 25-30
MATERIAS PRIMAS 30-35
BOLSA EMERGENTE 35-40
HEDGE FUNDS >40
siendo
Matriz de Matriz de
Varianzas- Correlaciones
Covarianzas
p,t w C w
T
EV
Simulación Histórica
Pasos
1. Elección del horizonte temporal. P.e: 1 día
2. Nivel de confianza estadístico: P.e: 95%
3. Ventana Temporal histórica: 500 últimos datos.
4. Calculamos las tasas de variación diarias.
5. Se aplican las variaciones de la serie al precio actual del instrumento
financiero.
6. Se calculan los posibles valores de la cartera con los nuevos precios.
7. Se generan las PyG simuladas, restando cada uno de los valores
simulados al valor actual de la cartera.
8. Se calcula el correspondiente percentil asociado al nivel de
confianza escogido, por ejemplo, con un nivel de confianza del 95 %,
tomaríamos el percentil 5% como dato de VaR neto de dicha cartera.
93
Etapas:
1. Asignación ponderaciones a los K más recientes rendimientos
históricos siguiendo el siguiente proceso exponencial:
1 1 1 1 K 1
, ,.....,
K
1 1 K
K
1
2. Ordenar los rendimientos
3. Estimar el VeR de la cartera comenzando por el rendimiento más bajo y
acumulando las ponderaciones hasta que x% es alcanzado
(interpolando si es necesario).
Simulación Montecarlo
30
io
20
Transformación de los números aleatorios obtenidos (
10
0
descomposición de Cholesky) para reflejar la información histórica
sobre volatilidades y correlaciones de los factores de riesgo
0
11
20
12
14
16
17
19
22
24
1
6
3
2
4
8
6
4
8
0
9
6
0
Horizonte
60
Valoración de la cartera en la fecha futura de simulación
50 para los
40
VeR nuevos precios hipotéticos generados
30
20
Determinación de las pérdidas/ganancias hipotéticas para cada
escenario por comparación del nuevo “valor de mercado al horizonte” con
10
el valor de la cartera actual
0
Calculo del
VeR
MAESTRÍA EN ADMINISTRACIÓN FINANCIERA
97
Método Montecarlo
Ejemplo
4%*(1/100)=0,04%
30%*√(1/100)=3%
St t St t t St t
St 4% *104,16*(1/ 100)
30%*104,16* 0, 0036* 1/ 100 0,053
Ideas generales
El método Bootstraping consiste básicamente en elegir una muestra de
una población de datos (de retornos), calcular el VaR de esa muestra y
devuelve la muestra a la población
– Para que siempre exista la misma probabilidad de elegir todos los datos
(muestreo con reemplazo)
Ideas generales
La simulatión histórica equiponderada es el método más sencillo
de implementar
– Todos los retornos tienen el mismo peso (w = 1/n)
– No es necesario estimar ningún parámetro
– Lo único que tenemos que determinar es la ventana temporal
Ideas generales
La simulación histórica ponderada por antigüedad reduce el
impacto de los efectos “fantasma” y los eventos antiguos que no
tienen por qué tener la misma probabilidad de ocurrir que los
recientes
Ideas generales
Este método pondera los retornos históricos según su volatilidad
• Representación de Carteras
• Stress-testing
• Back-testing
Dependerá de:
• El uso que le vayamos a dar al VaR.
• Tìpo de cartera y composición
• El plazo necesario para deshacer la posición o cubrirla.
Si suponemos que los errores son i.i.d, la varianza de los rendimientos a 2 días será:
(rt rt 1 ) 2 2 2 2 2 2 (1
2
)
1 68 84 16
1,65 90 95 5
2,32 98 99 1
2,575 99 99,5 0,5
Por ejemplo, para pasar de SIGMA 1 a SIGMA 1,65 multiplicamos por 1,65. En
nuestro EJEMPLO, 2 x 1,65 = 3,3%. Es decir: “existe un 5% de probabilidad de
perder más del 3,3% del valor del activo mañana”.
a. USD9.48 million
b. USD23.70 million
c. USD37.50 million
d. USD150 million
a. USD32,595
b. USD145,770
c. USD2,297,854
d. USD2,737,868
Si tomamos la posición total de este activo tenemos el Component VaR (la aportación
total que hace este activo por tener invertidos Xunidades monetarias, o lo que es lo
mismo, el VaR Marginal multiplicado por la exposición del activo).
La suma de los Component VaR individuales da como resultado el VaR total de la cartera,
lo que significa que esta métrica incluye la información sobre la correlación entre todos
los pares de activos (contrario a lo que ocurría cuando sumamos los datos de VaR
individuales de los activos – que no incluye datos de correlación – y comprobábamos que
el resultado era superior al VaR de lacartera).
W = valor de la cartera
wi = valor del activo
Bi = Beta del activo con
respecto a la cartera
Calculate the component VaRof asset A and marginal VaRof asset B, respectively, at 95%
(A) USD 21,773 and0.1306
(B) USD 21,773 and0.1169
(C) USD 19,477 and0.1169
(D) USD 19,477 and0.1306
• Representación de Carteras
• Stress Testing
• Backtesting
Stress Testing
Las pruebas de tensión (stress testing) están diseñadas para estimar las
pérdidas potenciales que eventos poco probables pero posibles, y críticos,
podrían generar a la entidad.
Eventos poco
Condiciones normales
Orientado a: frecuentes pero de
de los mercados
gran impacto
¿Acomoda eventos de
cola de la distribución? NO SI
¿Noción de
NO asigna probabilidad
probabilidad? SI a la estimación de
pérdida
GENERACIÓN DE ESCENARIOS
UNIDIMENSIONAL:
1. Identifica los factores de riesgo críticos
2. Estresa cada uno de los factores de riesgo No considera la
suponiendo movimientos extremos . correlación entre factores
3. Mide el impacto en el valor de la cartera. de riesgo múltiples
ANÁLISIS DE SENSIBILIDAD
Weaknesses *
Lack of involvement of board and senior management
– Banks that did not have active involvemement of the board were likely hit
hard by the recent financial turmoil
*Source: “Principles for Sound Stress Testing Practices and Supervision” (Basel Committeeon
Banking Supervision Publication, Jan 2009).
Recommendations*
Engagement of senior management, who should account for stress
testing results in decision making processes
*Source: “Principles for Sound Stress Testing Practices and Supervision” (Basel Committeeon
Banking Supervision Publication, Jan 2009).
• Representación de Carteras
• Stress-testing
• Back-testing
BackTesting
% P/L
Upper Bound
P/L
Lower Bound
Timeline
Exceptions
Backtesting
“limplio” vs “sucio”
13
131
MAESTRÍA EN ADMINISTRACIÓN FINANCIERA 1
131
Backtesting
• Representación de Carteras
• Stress-testing
• Back-testing
Definición
Conceptos generales
Los ratios de performance son útiles para medir el retorno de un activo o
cartera ajustado por su riesgo
También permiten
– Monitorizar las desviaciones de la gestión con respecto a su benchmark
(Tracking Error)
– Medir la eficiencia del gestor (Information Ratio)
SHARPE RATIO
Ratio de Retorno-Variabilidad
E(RP) RF
Sp
(RP )
Considera el riesgo total de la cartera
– Mide el exceso de rentabilidad (prima de riesgo) sobre el activo
libre de riesgo y lo compara con el riesgo total asumido (volatilidad
de la cartera, o VaR en los términos de horizonte temporal/nivel
de confianza determinados por el analista)
TREYNOR RATIO
Riesgo sistémico
– Mide la relación entre el exceso de rentabilidad (prima de riesgo)
sobre el activo libre de riesgo y el riesgo sistémico de la cartera
medido por su BETA
E(RP ) RF
Tp
P
Carteras bien diversificadas
– Es un indicador apropiado para analizar el performance de una
cartera bien diversificada, ya que solo tiene en cuenta el riesgo
sistémico (e ignora por tanto el riesgo diversificable puesto que las
carteras diversificadas anulan este riesgo)
Black-Treynor Ratio = α P / βP
– Este ratio se usa para hacer rankings de carteras que tienen
distinto riesgo sistémico
MAESTRÍA EN ADMINISTRACIÓN FINANCIERA
138
Relative Performance Ratios
SORTINO RATIO
Retornos asimétricos
– Permite conocer si los diferenciales comparados con la media
fueron por encima o por debajo de ésta.
E(RP ) MAR
Sortino T
TRACKING ERROR
Se utiliza para analizar fondos referenciados a un benchmark
TE (RP RB )
Mide el diferencial de riesgo entre la cartera gestionada (Rp) y su
benchmark (RB)
– Es la desviación típica de las diferencias de los retornos entre
cartera y benchmark
– Cuando más bajo el valor, más cerca estará el riesgo asumido de
la cartera con respecto al riesgo asumido por el benchmark
– Se puede calcular ex-ante (Tracking Error VaR) con métodos
paramétricos
INFORMATION RATIO
También conocido con el nombre de Appraisal Ratio
Retorno Residual / Riesgo Residual
– Mide la diferencia del retorno de la E(RP ) E(RB )
IR
cartera con respecto a su benchmark (RP RB )
(o risk free en su defecto) comparado con
su riesgo residual o tracking error
Se utiliza en el análisis de fondos referenciados a un benchmark
– Permite comprobar si la desviación en riesgos (con respecto a su
referencia) tomada por el gestor está adecuadamente
compensado por un exceso de rentabilidad
– En resumen, mide la eficiencia de la gestión: si nos alejamos del
benchmark, que sea para ganar más, no para perder más que él
Ejemplo
El retorno esperado de una cartera es 10%
La desviación tipica es 12%
La Beta de la cartera es 0,8
El retorno esperado del mercado (o de su benchmark) es 9%
Activo libre de riesgo: 3%
mariajose.fernandez@clasutro-ieb.es
GRACIAS
PORSU
ATENCIÓN
MAESTRÍA EN ADMINISTRACIÓN FINANCIERA
143