Enfoquesdel Riesgo

Valor en Riesgo
Angel León (UA)
1
Tipos de riesgos financieros
• Riesgo de mercado: cambios de valor

(pérdida o ganancia) de las posiciones abiertas en
activos financieros o sus derivados. Este riesgo
puede subdividirse en:
a) Riesgo de tipo de interés.

b) Riesgo del mercado de acciones.
c) Riesgo de cambio de divisas.
d) Riesgo de precios de mercancías.
2
Tipos de riesgos financieros
• Riesgo de crédito: los riesgos de pérdidas que aparecen

como consecuencia del fallido de una parte contratante en
hacer efectivo un pago previamente acordado.
• Riesgo de liquidez: este riesgo aparece por el coste o
la inoportunidad de deshacer una posición. Por ejemplo, si
se posee un activo que sea necesario vender en condiciones
desfavorables.
• Riesgo operacional.
• Riesgo legal.
3
Gestión del riesgo (GR)
La definición de GR ha ido evolucionando con el tiempo:

• En los años setenta era básicamente la evaluación del
riesgo de crédito.
• En los noventa, fue de modo principal, la evaluación de
riesgos de mercado.
• En la actualidad, la tendencia es una gestión integrada de
ambos. La razón es que muchos de los riesgos de crédito
están relacionados con riesgos de mercado. Ejemplo: una
fuerte subida de los tipos de interés (riesgo de mercado) puede
ocasionar el fallido de personas o instituciones endeudadas a tipos
flotantes (riesgo de crédito).
4
Gestión del riesgo (GR)
• El proceso GR tiene como objetivo: a) cuantificar el

riesgo, b) conocer los procedimientos para eliminar
(cubrir) los riesgos indeseados y c) optimizar la cartera con
los riesgos seleccionados.
• El valor en riesgo (VaR) pretende cuantificar los riesgos
de mercado.
• Una primera definición del VaR es ofrecer una medida de
la máxima pérdida (peor pérdida) en una cartera, durante
un período de tiempo específico (por ejemplo, 1 día) y
dado un nivel de confianza (por ejemplo, 99%).
5
Medidas tradicionales del riesgo de mercado
anteriores al VaR
• Duración: se utiliza para medir el cambio en el
valor de carteras de bonos ante variaciones de
tipos de interés.
• Beta: se utiliza en renta variable para medir el

cambio en el valor de una cartera de acciones ante
variaciones del índice de mercado (Ibex-35, etc.).
• Griegas: utilización en los derivados (delta, gamma,

vega, etc.).
6
Gestión de riesgo y límites al riesgo
• Para el control de riesgo se consideran 2 límites: a) límites a la

posición y b) límites operacionales.
– a) Límites a la posición
• Un importe máximo en cartera.
• Una sensibilidad máxima de la posición ante movimientos del factor de riesgo
(duración en renta fija , beta en renta variable y griegas en derivados).
• VaR de la posición en cartera.
– b) Límites operacionales
• Límites al período de tenencia (evitar que se mantengan posiciones ilíquidas o con pérdidas no
reconocidas).
• Límites a la concentración de riesgos (asegurar un grado mínimo de diversificación)
• Límites Stop Loss (obligar el cierre de posiciones si la pérdida excede un nivel acumulado)
7
Límites a la posición
• Para la gestión del riesgo, ninguno de los métodos anteriores es tan

bueno como los límites del VaR. No obstante, los límites de importe
máximo y sensibilidad siguen en uso en algunas compañías a pesar de
ser ineficientes.
– Son medidas tradicionales de riesgo para el trader.
– Son preferibles ante problemas en el cálculo del VaR.
– Son rápidos y fáciles de calcular.
No es totalmente
correcto
8
Inconveniente de los límites tradicionales
• Es importante puntualizar que la mayoría de los límites tradicionales se

concentran en el tamaño de la posición, no en el importe que se está
arriesgando.
• No pueden compararse de forma directa para distintos elementos de la
cartera.
• Un operador puede aumentar su riesgo simplemente tomando
posiciones en aquellos activos más volátiles en cada momento y
mantenerse dentro de los límites.
• No reflejan el efecto derivado de la diversificación entre distintos
componentes de la cartera.
• No recogen adecuadamente el riesgo de las carteras de derivados.
9
Ventajas de límites basados en el VaR
• Una estructura de límites de • Los límites tradicionales se basan

posiciones basada en el VaR únicamente en el análisis de
permite introducir dinamismo en el posiciones y no introducen la
análisis al estar constantemente variabilidad del mercado en el
actualizando las condiciones de cálculo de dichas posiciones
mercado y la cartera.
Ejemplo: Un operador que tenga un límite de 500 millones para

invertir en renta variable latinoamericana verá cómo su riesgo
puede aumentar o disminuir enormemente debido a las
condiciones del mercado poniendo en peligro la inversión de
la institución sin que el operador sobrepase los límites.
10
Ventajas de límites basados en el VaR
• Permite integrar los riesgos para • Los límites tradicionales suelen

diferentes mercados y distintos estar basados en un análisis
instrumentos. Desde este punto individual de las posiciones y,
de vista, los límites basados en por tanto, no permiten lograr la
el VaR dotan de homogeneidad agregación que ofrece el VaR.
al sistema de límites y controles
al estar expresados en las
mismas unidades.
• Puede definirse también para
Permite que se pueda comunicar
cada posición, subcartera fácilmente a los distintos niveles
además de la posición global. de dirección de la institución.
• Incorpora los efectos de la

diversificación.
11
Métodos tradicionales: Breve descripción
• Renta Variable: Beta (contiene Apéndice 1)
• Renta Fija: Duración y Convexidad

– Modelo lineal: Aprox. primer orden (Duración)
– Modelo no lineal: Aprox. segundo orden (Convexidad)
• Derivados: Griegas
– Modelo lineal: Aprox. Delta
– Modelo no lineal: Aprox. Delta-Gamma
12
Beta (Renta Variable)
• La rentabilidad de una acción A se relaciona con la

rentabilidad del mercado m como:
Componente
específico A
R A = α A + β A Rm + ε A (error)
Rentabilidad Beta A
acción A Rentabilidad
σ = β σ +σε
2
A
2
A
2
m
2
A
mercado
Riesgo (o varianza) Riesgo común A Riesgo

total de la acción A (contiene beta A y específico A
riesgo del
13
mercado)
• ¿Cómo se obtiene la beta de la acción A?

Correlación entre A y m
Covarianza entre A y m
(valores entre -1 y +1)
σ Am ρ Amσ A
βA = 2 =
σm σm
Riesgo mercado
14
• ¿Cómo se obtiene el riesgo de una cartera p a partir de 2 acciones

diferentes bajo el modelo un factor (m en este caso)?
R j = α j + β j R m + ε j ; j = 1, 2
R p = w1R1 + w 2 R2; w1 + w 2 = 1
Rentabilidad
cartera p
R p = α p + β p R m + ε p ; Proporciones invertidas en las
acciones 1 y 2 respectivamente
β p = w1β 1 + w2β 2
Beta de una cartera p
de 2 acciones
15
• ¿Cómo se obtiene el riesgo de una cartera p a partir de n

acciones diferentes bajo el modelo de un factor?
R p = α p + β p Rm + ε p ;
Rentabilidad
cartera p
σ 2
p = β p2σ m2 + σ ε2p
Riesgo
cartera p
βp = ∑ wi β i
n
i =1
Beta cartera p
16
• El modelo de un factor (rentabilidad mercado) simplifica

la estructura de las matrices de varianza-covarianzas de los
activos con riesgo. De hecho, contribuye a reducir
notablemente el número de parámetros a estimar con
respecto al número de parámetros existentes en la
estimación muestral de la matriz de varianza-covarianzas,
donde no se establece ningún tipo de estructura de
comportamiento en las rentabilidades.
17
Apéndice 1: Beta (Renta Variable)
Ri = α i + βi Rm + ε i , E [ε i ] = 0; i = 1,..., n
E [ε i Rm ] = 0, E ⎡⎣ε iε j ⎤⎦ = 0 ∀i ≠ j , E ⎡⎣ε i2 ⎤⎦ = σ ε2i
σ i2 = βi2σ m2 + σ ε2 ;
i
σ ij = βi β jσ m2
⎡σ 12 σ 12 … σ 1n ⎤
⎢ ⎥
σ 2
… σ
Ω=⎢ 2 2n ⎥ Matriz de varianza-
⎢ ⎥ covarianzas
⎢ 2 ⎥
⎢⎣ σ n ⎥⎦
18
⎡ β 12 σ 2
m +σ 2
ε1 β 1 β 2σ 2
m … β 1 β nσ 2
F
⎤
⎢ ⎥
⎢ β 22 σ 2
+σ 2
ε2 … β 2 β nσ 2
⎥
Ω = ⎢
m F
⎥
⎢ ⎥
⎢ β n2 σ 2
+σ 2
⎥
⎣ m εn ⎦
⎡σ 2
ε1 0 … 0 ⎤
⎡ β1 ⎤ ⎢ ⎥
⎢ σ 2
⎥
= ⎢⎢ ⎥ β
⎥[ 1 β n ]σ ε2
2
m + ⎢ ⎥
⎢ 0 ⎥
⎢⎣ β n ⎥⎦
⎢ σ ε2n ⎥⎦
⎣
Ω = β β Tσ + Dε ; β = [β 1 βn ]
2 T
m
19
• La modelización de la rentabilidad mediante un único

factor común (rentabilidad mercado) supone una
reducción de los parámetros al estimar Ω . Pasamos de
un total de n +(n2 − n) / 2 parámetros cuando no existe
estructura en Ω a 2n+1 (n betas, n varianzas específicas o
idiosincrásicas y la varianza del factor común) parámetros con un
factor.
• Ejemplo: con 100 activos, el número de parámetros a
estimar se reduce de 5500 a 201.
20
R p = ∑ wi R i = ∑ wi (α i + β i R m + ε i )
n n
i =1 i =1
= α p + β pRm + ε p
n n n
α p = ∑ wiα i , β p = ∑ wi β i , ε p = ∑ wiε i
i =1 i =1 i =1
n
donde ∑w
i =1
i = 1.
21
• Podemos representar la varianza de la cartera p de forma matricial

como:
σ p2 = wT Ωw = wT ( ββ T σ m2 + Dε ) w
= ( wT ββ T w ) σ m2 + wT Dε w
= β p2σ m2 + wT Dε w
22
σ 2
p = β p2 σ 2
m + σ ε
2
p
⎛ n
⎞
σ 2
ε p
= Var ⎜
⎝
∑
i=1
w iε i ⎟
⎠
n
= ∑
i=1
w i2 σ 2
εi + ∑
i≠ j
w i w j E ⎡⎣ ε i ε j
⎤⎦
n
= ∑
i=1
w i2 σ 2
εi
23
• Para wi = 1/ n y σ ε2 = σ 2 < ∞ ∀i, entonces la

i
varianza específica σ ε2 es σ2 / n . Para n → ∞ , se

p
σ
cumple ε → 0. Por tanto,
2
p
σ → β σ
2
p
2
p
2
m
Varianza de una cartera

diversificada Riesgo común
cartera
24
Duración (Renta Fija)
• La duración es el tiempo al vencimiento promedio de cada pago de un

bono, donde los pesos son proporcionales al valor actual de los flujos
de caja. Flujo caja o pago
Ct / (1 + y )
t
D = ∑ t =1 t × wt ;
T
Duración wt =
B
B = ∑ t =1 Ct / (1 + y )
T t Peso o
Precio del ponderación
bono
Duración
modificada D* = D / (1 + y ) TIR
25
Duración (Renta Fija)
Proporción invertida
en el bono i Duración bono i
Duración
D p = ∑ i =1 xi Di
n
cartera p
de bonos
Aproximación
∆ B / B ≈ − D *∆ y de primer orden
(Modelo lineal)
σ (∆ B / B ) = D *σ (∆ y )
Uso en el VaR
Volatilidad cambio relativo en Volatilidad cambio de tipos interés

el precio del bono
26
Convexidad (Renta Fija)
C = (∂ B / ∂ y ) / B = ∑ t =1 t 2 × w t ;
2 2 T
Convexidad
∑
n Convexidad de una
Cp = xC
i =1 i i cartera p de bonos
1 Aproximación de
∆ B / B ≈ − D ∆ y + C (∆ y )
* 2
segundo orden
2
(Modelo no lineal)
27
Black-Scholes (BS)
Precio activo subyacente Precio de ejercicio
c = S N ( d1 ) − K e− rT N ( d2 )
Precio de una opción
( )
call europea
d1 = ⎡⎣ln(S / K ) + (r + σ 2 / 2) T ⎤⎦ / σ T
Volatilidad de la rentabilidad
d2 = d1 − σ T Tipo interés libre riesgo activo subyacente
Tiempo hasta vencimiento
N ( x) = P ( Z ≤ x) ; Z ∼ N ( 0,1)
p = K e− rT N ( −d2 ) − S N ( −d1 )
Precio de una opción
put europea
28
Griegas (Derivados)
• Sea c el precio de una opción call para un precio de ejercicio o strike K dado. El valor
de la opción call es una función de la evolución del precio del activo subyacente S, la
volatilidad de la rentabilidad del subyacente σ , el tiempo hasta el vencimiento de la
opción T y el tipo de interés r. En definitiva, podemos expresar la call bajo BS como:
1
∆ c ≈ θ ×∆ T + δ ×∆ S + V ×∆σ + Ψ×∆ r + ×Γ× ( ∆ S )
2
θ = ∆ c / ∆T ; δ = ∆ c / ∆ S; Γ = ∆δ / ∆ S
Sensibilidad V = ∆ c / ∆σ ; Ψ = ∆c / ∆r
Theta Sensibilidad
Gamma
Sensibilidad Sensibilidad Sensibilidad

Vega Rho Delta
29
Signo de las Griegas (Derivados)
Delta Gamma Vega Theta
C/ Call + + + _
V/ Call _ _ _ +
C/ Put _ + + _
V/ Put + _ _ +
30
Delta de una cartera opciones
• La delta de una cartera P de opciones (opciones call y put) con

opciones con igual activo subyacente pero distinto vencimiento y
precio de ejercicio es igual a:
δP = ∑ ni × δ i
n
i =1
donde ni representa el número total de opciones tipo i de la cartera,

n representa el número total de opciones de distinto tipo y δ i es la
delta de la opción i.
31
Delta cartera de opciones (Ejemplo: J. Hull, p. 309)
• Sea una institución financiera en Estados Unidos que tiene las

siguientes 3 posiciones en opciones sobre el dólar australiano:
a) Una posición larga de 100.000 opciones call con strike 0,55 y fecha de vencimiento
dentro de 3 meses. La delta de cada opción es 0,533.
b) Posición corta de 200.000 opciones call con strike 0,56 y fecha de vencimiento dentro
de 5 meses. La delta de cada opción es 0,468.
c) Posición corta de 50.000 opciones put con strike 0,56 y fecha de vencimiento dentro
de 2 meses. La delta de cada opción es 0,508.
Nota: los valores de delta están en valor absoluto
• Solución: La delta de la cartera P es
δP =100.000×0,533− 200.000×0,468+ 50.000×0,508 = −14.900

32
Modelo lineal: Aproximación Delta
Véase delta de una cartera
opciones con igual activo
subyacente
∆ P = S × δ ×∆x; ∆x = ∆S / S
Aprox. Lineal Rentabilidad activo
cartera opciones subyacente i
∆ P = ∑i =1 Si × δi ×∆xi ;
con igual n
subyacente ∆ xi = ∆ Si / Si
Aprox. Lineal de
σ = ∑i=1 λi2σ i2 +∑i≠ j λi λ j ρijσ iσ j ; λi = Siδi
una cartera de 2 n
opciones con P
distintos
subyacentes
Varianza rentabilidad
Varianza del cambio en del activo i Correlación entre las
el precio de una cartera rentabilidades de los
P de opciones activos subyacentes i y j
33
Modelo no lineal: Aprox. Delta-Gamma
1
∆ c = δ S ∆ x + Γ S (∆ x) ;
2
2
∆ x = ∆S / S
2
1 n
∆ P = ∑ i=1 δi Si ∆ xi + ∑i=1 ∑ j=1 Si S j Γij ∆ xi ∆ x j ;
n n
∆S ∆2 P
∆ xi = i ; Γij =
Si ∆ Si ∆ S j
34
Teoría de carteras y VaR
• El VaR implica una progresión natural de la teoría de carteras (PT). No

obstante, existen diferencias entre ambos enfoques:
a) PT interpreta el riesgo en términos de la desviación estándar o volatilidad de la rentabilidad,
mientras el VaR se interpreta en términos de máxima pérdida probable.
b) Uno de los grandes supuestos bajo PT es la distribución normal de las PyG o rentabilidades
mientras el VaR puede diseñarse sobre un amplio rango de posibles distribuciones.
c) VaR a diferencia de PT puede aplicarse a otros riesgos además del riesgo de mercado como:
riesgo de crédito, liquidez, etc.
d) El enfoque de varianza-covarianza aunque es común bajo PT y VaR, sin embargo, existen

enfoques adicionales en VaR y no en PT como: simulación histórica y enfoques de simulación
(Monte Carlo).
35
Definición de VaR
• El VaR asociado a una cartera es la máxima pérdida (debido

al riesgo de mercado) que podríamos esperar en un horizonte
temporal determinado a un nivel específico de confianza.
• En definitiva, el VaR es contingente a la elección de 2
parámetros:
– Horizonte temporal: es el período que elegimos para medir las
pérdidas y ganancias (PyG) de nuestra cartera. Puede ser diario,
semanal, mensual, etc.
– Nivel de confianza: indica la probabilidad de obtener un resultado
mejor que el VaR y podría ser 50%,90%,95%,99%, …
36
VaR en acciones (Ejemplo 1)
• Supongamos que tenemos una posición de 10 mill. € (valor de mercado hoy al

cierre) en acciones de la empresa A. Se sabe que la volatilidad anual de A es el
43 % (volatilidad diaria de 2,7 %) y la rentabilidad esperada anual de un 5 %
(rentab. esperada diaria de 0,02 %).
• Estaríamos interesados en calcular la pérdida máxima esperada (VaR)
de esta cartera para un horizonte temporal de un día dado un nivel de
confianza de 99 % .
Valor acciones A hoy
Valor acciones A V1 = V 0 (1 + R A )
mañana
Rentabilidad diaria de
Distribución Normal RA ∼ N (µ A ,σ A ) una acción A
rentabilidad
diaria de A
Rentabilidad diaria de A Volatilidad diaria de la
(VaR paramétrico) 37
esperada = 0,02 % rentabilidad de A = 2,7 %
• Al ser la rentabilidad diaria próxima a cero, supondremos µ A = 0 para

obtener una fórmula más sencilla del VaR. En definitiva,
P ( ∆V ≤ VaR ) = 1 − α
∆V = V1 −V0
dondeα es el nivel de confianza e igual a 0,99 en nuestro ejemplo. Por
tanto, 1 − α es igual a 0,01.
• Sustituyendo la fórmula de V 1 en la página anterior en la ecuación de
arriba, entonces despejamos y obtenemos el valor del VaR. (Ver
Apéndice 1).
38
Factor multiplicativo (o cuantil), dependiente del nivel de
confianza elegido y la distribución de la rentabilidad.
VaR = V1 − V0 = q1−α ×σ A ×V0
VaR = −2,33 × 0, 027 ×10 mill. = −629.100
P ( Z ≤ q1− α )= 1−α ; Z ∼ N (0 ,1 )
α = 0, 9 9; q 0 ,0 1 = − 2 , 3 3
P (Z ≤ − 2 , 3 3 ) = 0 , 0 1 39
99%
1%
Pérdida 0 Ganancia
∆V < 0 VaR=
VaR=-629.100
-629.100€€ ∆V > 0 40
• El valor del VaR a un día al 99% es de una pérdida

629.100 € para la cartera de acciones de A.
• ¿Qué significa este valor?
– El director financiero esperaría en 99 sobre 100 días
pérdidas diarias de las acciones A menores a 629.100 €.
La probabilidad de pérdidas en un día inferiores a 629.100 € es de 99 %.
– Al mismo tiempo, el director esperaría pérdidas diarias
superiores a 629.100 € en 1 sobre 100 días. La
probabilidad de pérdidas en un día superiores a 629.100 € es de 1 %.
41
• Otra manera de presentar el VaR sería en términos

relativos, o sea, la medición de la pérdida con
respecto al valor de la posición inicial.
• Para la cartera de acciones de A, la pérdida

relativa es:
629.100 € / 10 mill. € = 6,29%
42
Apéndice 2: VaR en acciones
P ( ∆ V ≤ V aR ) = 1 − α ;
P ( ∆ V ≤ V aR ) = P (V1 − V 0 ≤ V aR ) ; V1 = V 0 (1 + R A )
P ( R A V 0 ≤ V aR ) = P ( R A ≤ V aR / V 0 ) ; RA ∼ N (µ A ,σ A )
⎛ [V aR /V 0 ] − µ A ⎞ = P Z ≤ q
P⎜Z ≤ ⎟ ( 1− α ) = 1 − α ; Z ∼ N ( 0,1 )
⎝ σA ⎠
V aR = V 0 × ( µ A + q1− α σ A ) si µ A = 0, entonces V aR = q1 − α ×σ A × V 0
α = 0, 99; q 0 ,01 = − 2, 33
43
VaR y Nivel de confianza
α% q 1− α
• Nótese que la incidencia del nivel de

confianza en el VaR aparece en el
95,5 -1,6954
factor multiplicativo o cuantil q 1 − α 96,0 -1,7507
donde bajo normalidad (VaR
paramétrico) y distintos niveles de 96,5 -1,8119
confianza tenemos los siguientes
cuantiles en la siguiente tabla. 97,0 -1,8808
• A mayor nivel de confianza mayor será
97,5 -1,9600
el valor del VaR como puede verse en 98,0 -2,0537
la fórmula:
98,5 -2,1701
VaRα = q1−α ×σ A × V0 99,0 -2,3263
99,5 -2,5758
44
VaR y Nivel de confianza (Ejemplo 1)
α% V a Rα VaR relativo
95,5 -457.758 € -4,58 %

96,0 -472.689 € -4,73 %
96,5 -489.213 € -4,89 %
97,5 -507.816 € -5,08 %
97,5 -529.200 € -5,29 %
98,0 -554.499 € -5,54 %
98,5 -585.927 € -5,86 %
99,0 -629.100 € -6,29 %
99,5 -695.466 € -6,95 % 45
VaR y Horizonte temporal (T)
• A partir de la fórmula del Aplicación del VaR para diferente T al Ejemplo 1

VaR para un horizonte de
un día podemos obtener la VaR relativo
T (dias) VaR T
fórmula del VaR para un
horizonte de T días: 1 -629.100 € -6,29 %
10 -1.989.389 € -19,89 %
VaR T =VaR1 × T 25 -3.145.500 € -31,45 %
VaR (1 día) 65 -5.071.966 € -50,72 %
VaR T = q1−α ×σA T ×V0
Volatilidad de la rentabilidad de
T días de la acción A
46
Valor esperado de las pérdidas (ETL)
• Una medida alternativa al VaR sería la obtención del valor

esperado de las pérdidas superiores a la magnitud del VaR
en valor absoluto. Se conoce como pérdida esperada en la
cola o “expected tail loss” (ETL). La fórmula es la
siguiente:
ETL = E ⎡∆
⎣ V ∆ V < VaR ⎤⎦
Esperanza
∆ V = V1 − V 0 < 0
condicionada
Variación de la cartera 47
Valor esperado de las pérdidas (ETL)
• El VaR nos dice lo máximo que podríamos perder si no

ocurriera un mal acontecimiento, entendiéndose éste como
un suceso que condujera la rentabilidad de la cartera a la
cola izquierda (pérdidas más altas) de la distribución.
• Mientras ETL o “tail VaR” nos dice lo que podríamos

esperar perder si ocurriera el mal acontecimiento señalado
arriba.
48
Cálculo del ETL (aproximación )
• Supongamos que tomamos de referencia el nivel de

confianza del 95,5% para el VaR. Para el cálculo de ETL,
habría que computar el VaR para diferentes niveles de
confianza y siendo todos ellos superiores al 95,5%.
• Si consideramos los valores del VaR para el Ejemplo 1

obtenidos anteriormente en la subsección: “VaR y nivel de
confianza” (véase la Tabla de la pág. 41), la pérdida media
de la columna de los datos del VaR es de 546.852 que sería
una aproximación al valor de ETL. Nótese como esta
pérdida es superior al VaR al 95,5% que es 457.758.
49
ETL a 1 día (fórmula exacta)
• Si µ A = 0 • Si µ A ≠ 0
φ ( q1−α ) ⎡ φ ( q1−α ) ⎤
ETL = −V0σ A ETL = V0 ⎢ µ A − σA⎥
Φ ( q1−α ) ⎣ Φ ( q1−α ) ⎦
Función de distribución de
la normal estándar Función de densidad de
la normal estándar
Ver Apéndice 2
50
ETL a 1 día (fórmula exacta)
• Si calculamos el valor exacto de ETL a 1 día para el nivel

de confianza del 95,5%, entonces:
φ ( q1−α ) 0, 0948
ETL = −V0σ A = −10 mill. × 0,027 × = 568.718
Φ ( q1−α ) 0,0450
1−α
q1−α = −1, 6954
51
VaR y cartera de distintas acciones (correlación)
• La volatilidad o riesgo de una cartera P no puede obtenerse directamente

sumando las volatilidades de las acciones que componen la cartera sino
debemos tener en cuenta las correlaciones entre las diferentes acciones que
componen la cartera.
• Sean n acciones diferentes, entonces la volatilidad de la cartera P creada a
partir de las n acciones se obtiene como:
∑i=1 i σi + ∑i≠ j wi wjσiσ j ρij

n
σP = w2 2
Proporción invertida Correlación entre los

Riesgo o varianza de la en el activo i activos i y j
rentabilidad activo i
52
VaR y cartera de distintas acciones (correlación)
Distribución de la rentabilidad de P (Normal, t-student, …)
∑ w i R i ∼ F (µ P , σ P )
n
RP = i =1
Rentabilidad activo i
Rentabilidad esperada
∑
n
µP = i =1
wi µ i cartera P
Rentabilidad esperada
activo i
(
V aR = V 0 × µ P + q1−α σ P T ; ) si µ P ≠ 0
Ver Apéndice 2 Valor inicial cartera P
V aR = q1−α × σ P T × V 0 ; si µ P = 0
53
VaR y cartera acciones (Ejemplo 2)
• Sea una cartera compuesta por un 70% de la acción 1 y un 30% de la

acción 2. El valor de esta cartera hoy al cierre de mercado es igual a 1
millón de euros. La volatilidades diarias de las acciones 1 y 2 son
1,17% y 1,85% respectivamente y la correlación de 51%.
• La volatilidad diaria de la cartera anterior
2 2
σP = 0,7 ×0,0117 +0,3 ×0,0185 +2×0,7×0,3×0,0117×0,0185×0,51=0,012

2 2
• El VaR al 99% para un horizonte temporal de un día es:

VaR = −2, 33 × 0, 012 × 1 mill. = − 27.960€
VaR relativo = − 2,80 %

Supuesto de Normalidad en
el cálculo del VaR 54
Contribución al VaR total de cada componente
• Podemos representar el VaR de una cartera P como la suma de los

valores VaR para cada uno de los componentes de la cartera anterior.
• Una manera alternativa de representar la volatilidad de la cartera P es:
⎛ ∑ n w jσ 1 j ⎞ ⎛ ∑ n w jσ nj ⎞
σ P = w1 × ⎜ j =1 ⎟+ + wn × ⎜ j =1 ⎟
⎜ σP ⎟ ⎜ σP ⎟
⎝ ⎠ ⎝ ⎠
⎛ cov( R1 , R p ) ⎞ ⎛ cov( Rn , R p ) ⎞
= w1 × ⎜ ⎟+ + wn × ⎜ ⎟
⎝ σP ⎠ ⎝ σ P ⎠
55
• La contribución marginal al riesgo o sensibilidad de la volatilidad de

la cartera P ante un cambio en el peso del activo i en la composición
de la cartera es:
∂σ P Cov ( Ri , RP )
ci ≡ =
∂wi σP
• Podemos reescribir la volatilidad de la cartera P como
σ P = ∑i=1 wi × ci
n
56
• Podemos representar el VaR de la cartera a 1 día como la suma de las

contribuciones de VaR de cada uno de los componentes de la cartera:
VaR = q1−α ×V0 ×σ P = q1−α ×V0 × ∑ i=1 wi × ci

n
= ∑ i=1 q1−α × wV
i 0 × ci = ∑ i =1VaRi
n n
Cantidad invertida del activo i VaRi = q1−α × wV

i 0 × ci
en la cartera P
57
Contribución al VaR (Ejemplo 2)
• La contribución marginal al riesgo de los activos 1 y 2 son:
cov ( R1 , R P ) w1σ 12 + w2σ 1σ 2 ρ

c1 = =
σP σP
0, 7 × 0, 0117 2 + 0, 3 × 0, 0117 × 0, 0185 × 0, 51 0, 00013
= = = 0, 0108
0, 012 0, 012
cov ( R2 , R P ) w2σ 22 + w1σ 1σ 2 ρ

c2 = =
σP σP
0, 3 × 0, 0185 2 + 0, 7 × 0, 0117 × 0, 0185 × 0, 51 0, 00018
= = = 0, 0150
0, 012 0, 012
58
Contribución al VaR (Ejemplo 2)
• Se verifica que
σP = 0,7×0,0108+0,3×0,0150 0,012
• La contribución al VaR del activo 1 a un día al 99% es
VaR1 =−2,33×0,7×1mill×0,0108 = 0,01745 mill
• La contribución al VaR del activo 2 a un día al 99% es
VaR2 =−2,33×0,3×1mill×0,0150 = 0,01048 mill
59
Minimización del VaR (Ejemplo 2)
• ¿Cuál sería la composición de la cartera de los acciones 1 y

2 dado un horizonte temporal de 1 día y un 99% de nivel
de confianza?
• Objetivo:
m in V a R
w 1 ,w 2
Proporción
Proporción invertida en el activo 2
invertida en el
activo 1 Nota : w 2 = 1 − w 1
60
• El valor mínimo del VaR es una

pérdida de 26.641€ (2,66%
σ 22 − ( ρ12 × σ 1 × σ 2 )
VaR relativo). w1 = 2 = 0,9
• La composición de la cartera
σ 1 + σ 2 − ( 2 × ρ12 × σ 1 × σ 2 )
2
para el VaR mínimo es 90% y

10% para las acciones 1 y 2 w2 = 1 − w1 = 0,1
respectivamente. Correlación entre las
acciones 1 y 2
61
4,50%
Min.VaR
Min. VaR
4,00% (90%en
(90% enacción
acción1)
1)
VaR relativo
(valor absoluto)
3,50%
3,00%
2,50%
2,00%
0% 20% 40% 60% 80% 100%
Proporción invertida en acción 1
62
VaR de un bono (Ejemplo 3)
• Sea un bono del Tesoro a 10 años con valor de mercado hoy de 10

millones de euros.
• La Duración es de 8,4 años, la volatilidad diaria de los cambios en los

tipos de interés es 0,09% y la TIR del bono es 5,5%.
• Supuesto de Normalidad en la distribución de la variación de tipos de

interés.
• Calcular el VaR al 99% sobre períodos de 1 y 10 días.
63
D
VaR=− V0 ×2,33×σ ×
1+ r
-166.965€€
-166.965
Duración
Valor mercado del bono
= 8,4 años
= 10 mill. € Volatilidad diaria de la variación
de tipos interés= 0,09%
TIR= 5,5%
64
VaR (10 dias ) = VaR (1 dia ) × 10
= −166.965 × 10 = −527.989 €
65
Métodos para calcular el VaR
• En la implementación del VaR se ha supuesto hasta ahora que la

distribuciones de la rentabilidad (véase Ejemplos 1 y 2) y la variación
de tipos de interés siguen una distribución Normal. Este supuesto se
aprecia en la fórmula del VaR en el cuantil q1−α . Cuando suponemos
un tipo de distribución estamos dentro de la metodología del VaR
paramétrico.
• El VaR paramétrico presenta limitaciones siendo más adecuado otros

métodos alternativos en casos de aproximaciones de segundo orden
(modelos delta-gamma, duración-convexidad), la existencia de muchos
factores de riesgo, etc.
• En definitiva, como métodos alternativos para la obtención del VaR: a)

simulación histórica , b) análisis de escenarios y c) simulación por
Monte Carlo.
66
Simulación histórica (ventajas)
• La medición del riesgo se suele hacer de forma retrospectiva. Cuando

hablamos de riesgo de un activo basamos el análisis en el
comportamiento de dicho activo en el pasado.
• Es un método relativamente simple, fácil de interpretar y tiene la

ventaja de no necesitar asumir que las rentabilidades sigan una
distribución normal, y por tanto, es posible reflejar la distribución de
rentabilidades completa tal y como se habría producido en la realidad.
• Es aplicable a cualquier tipo de cartera (no linealidades, opciones).
• Las correlaciones históricas están incluidas implícitamente en las

rentabilidades.
67
Simulación histórica (ventajas)
• Fácil de explicar y fácil de entender (directivos).
• No se basa en modelos de valoración (robustez).
• Podemos calcular los cuantiles de la serie de rentabilidad histórica de

una cartera para la obtención del VaR.
68
VaR (99%, 1 día): Simulación Histórica
15.00%
10.00%
5.00%
REP
VaR
0.00%
1 210 419 628 837 1046 1255 1464 1673 1882 2091 2300 2509 2718 2927
-5.00%
-10.00%
69
15.00%
10.00%
5.00%
ELE
VaR
0.00%
1 209 417 625 833 1041 1249 1457 1665 1873 2081 2289 2497 2705 2913
-5.00%
-10.00%
70
15.00%
10.00%
5.00%
TEF
VaR
0.00%
1 209 417 625 833 1041 1249 1457 1665 1873 2081 2289 2497 2705 2913
-5.00%
-10.00%
71
15.00%
10.00%
5.00%
Cartera
VaR
0.00%
1 217 433 649 865 1081 1297 1513 1729 1945 2161 2377 2593 2809
-5.00%
-10.00%
72
VaR (99%, 1 día): Estadísticos (Simulación Histórica)
Cartera equiponderada
6 acciones
ACX BKT CEP ELE REP TEF Cartera
media
-4.99% -4.41% -3.80% -4.01% -3.83% -4.56% -2.93%
mínimo
-6.73% -7.89% -5.86% -6.24% -6.93% -7.15% -5.41%
máximo
-2.88% -1.94% -2.07% -2.05% -2.19% -2.15% -1.65%
último
-4.32% -3.55% -2.23% -4.65% -4.11% -4.35% -3.21%
73
Simulación histórica (inconvenientes)
• Los resultados pueden variar considerablemente dependiendo de la

longitud de la muestra y la frecuencia de las observaciones utilizada.
Al contrario que en el VaR paramétrico – donde la distribución normal
es la más utilizada – no podemos extrapolar los resultados del análisis
a otros horizontes temporales. Esto supone calcular los cuantiles de la
distribución de rentabilidades y llevar a cabo el análisis de nuevo para
los diferentes horizontes.
• No podemos llevar a cabo un análisis de escenarios posibles. Sólo se

utiliza una muestra de datos (trayectoria).
74
Análisis de escenarios
• Examina el impacto en una cartera el efecto de variaciones en los

factores que afectan a ésta. En definitiva, se especifican diversos
escenarios para cada factor y se generan los correspondientes valores
de la cartera.
• Tipos de escenarios pueden ser: cambios paralelos o en la pendiente en

la curva de tipos de ±100pb, cambios en los índices de acciones de ±
10%, cambios de volatilidad del ± 20% sobre valores actuales, etc.
• Asignando una probabilidad para cada escenario correspondiente a un

factor, obtenemos una distribución de probabilidad para rentabilidades.
75
Análisis de escenarios
• Ventajas: • Inconvenientes:
– Considera situaciones que no – Subjetividad.

pueden encontrarse en los
datos históricos. – No tiene en cuenta las
correlaciones entre variables.
– Es apropiado si la cartera
presenta un único factor básico
de riesgo (tipos de interés, tipo
de cambio, etc.)
– Puede complementar otras

medidas del VaR.
76
Simulación Monte Carlo (SMC)
• En contraste con el análisis de escenarios, SMC cubre un amplio rango de

posibles valores de las variables financieras que integran una cartera y tiene en
cuenta todas las correlaciones existentes entre ellas.
• Procedimiento SMC:
– En la primera etapa, se especifican procesos estocásticos para las variables de

interés y se estiman sus parámetros con datos históricos o implícitos.
– En la segunda etapa, se simulan trayectorias para las variables de interés y para el

horizonte deseado. Para cada trayectoria, se valora la cartera de interés.
– En la tercera etapa, se obtiene la distribución de su rentabilidad y calculamos el

VaR.
77
Simulación por Monte Carlo (SMC)
• Ventajas: • Inconvenientes:
– Puede tener en cuenta una – Coste computacional.

amplia gama de riesgos.
– Desarrollo complejo.
– Tiene en cuenta activos con
pagos no lineales. – Necesita de modelización.
– Puede incorporar variación – Riesgo de modelo.

temporal en los parámetros,
colas gruesas y escenarios
extremos.
78

Enfoquesdel Riesgo

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Enfoquesdel Riesgo

Încărcat de

Drepturi de autor:

Formate disponibile

Valor en Riesgo

Angel León (UA)

• Riesgo de mercado: cambios de valor

a) Riesgo de tipo de interés.

• Riesgo de crédito: los riesgos de pérdidas que aparecen

La definición de GR ha ido evolucionando con el tiempo:

• El proceso GR tiene como objetivo: a) cuantificar el

• Beta: se utiliza en renta variable para medir el

• Griegas: utilización en los derivados (delta, gamma,

• Para el control de riesgo se consideran 2 límites: a) límites a la

• Para la gestión del riesgo, ninguno de los métodos anteriores es tan

– Son medidas tradicionales de riesgo para el trader.

– Son preferibles ante problemas en el cálculo del VaR.

– Son rápidos y fáciles de calcular.

• Es importante puntualizar que la mayoría de los límites tradicionales se

• Una estructura de límites de • Los límites tradicionales se basan

Ejemplo: Un operador que tenga un límite de 500 millones para

• Permite integrar los riesgos para • Los límites tradicionales suelen

• Incorpora los efectos de la

• Renta Variable: Beta (contiene Apéndice 1)

• Renta Fija: Duración y Convexidad

• La rentabilidad de una acción A se relaciona con la

Riesgo (o varianza) Riesgo común A Riesgo

• ¿Cómo se obtiene la beta de la acción A?

• ¿Cómo se obtiene el riesgo de una cartera p a partir de 2 acciones

• ¿Cómo se obtiene el riesgo de una cartera p a partir de n

• El modelo de un factor (rentabilidad mercado) simplifica

E [ε i Rm ] = 0, E ⎡⎣ε iε j ⎤⎦ = 0 ∀i ≠ j , E ⎡⎣ε i2 ⎤⎦ = σ ε2i

• La modelización de la rentabilidad mediante un único

• Podemos representar la varianza de la cartera p de forma matricial

• Para wi = 1/ n y σ ε2 = σ 2 < ∞ ∀i, entonces la

varianza específica σ ε2 es σ2 / n . Para n → ∞ , se

Varianza de una cartera

• La duración es el tiempo al vencimiento promedio de cada pago de un

Volatilidad cambio relativo en Volatilidad cambio de tipos interés

Tiempo hasta vencimiento

Sensibilidad Sensibilidad Sensibilidad

Delta Gamma Vega Theta

• La delta de una cartera P de opciones (opciones call y put) con

donde ni representa el número total de opciones tipo i de la cartera,

• Sea una institución financiera en Estados Unidos que tiene las

• Solución: La delta de la cartera P es

δP =100.000×0,533− 200.000×0,468+ 50.000×0,508 = −14.900

• El VaR implica una progresión natural de la teoría de carteras (PT). No

d) El enfoque de varianza-covarianza aunque es común bajo PT y VaR, sin embargo, existen

• El VaR asociado a una cartera es la máxima pérdida (debido

• Supongamos que tenemos una posición de 10 mill. € (valor de mercado hoy al

• Al ser la rentabilidad diaria próxima a cero, supondremos µ A = 0 para

VaR = V1 − V0 = q1−α ×σ A ×V0

VaR = −2,33 × 0, 027 ×10 mill. = −629.100

• El valor del VaR a un día al 99% es de una pérdida

• Otra manera de presentar el VaR sería en términos

• Para la cartera de acciones de A, la pérdida

• Nótese que la incidencia del nivel de

95,5 -457.758 € -4,58 %

• A partir de la fórmula del Aplicación del VaR para diferente T al Ejemplo 1

• Una medida alternativa al VaR sería la obtención del valor

• El VaR nos dice lo máximo que podríamos perder si no

• Mientras ETL o “tail VaR” nos dice lo que podríamos

• Supongamos que tomamos de referencia el nivel de

• Si consideramos los valores del VaR para el Ejemplo 1

• Si calculamos el valor exacto de ETL a 1 día para el nivel

• La volatilidad o riesgo de una cartera P no puede obtenerse directamente