Nuevos retos en la medición del riesgo de mercado
Fecha: enero 2001
Santiago Carrillo Menéndez, Prosper Lamothe
Las aproximaciones tradicionales al cálculo del VaR (simulaciones gaussianas o ajuste de una normal a la distribución empírica de las pérdidas y ganancias) tienden a producir serias infravaloraciones del valor en riesgo de una cartera, por muy diversificada que ésta sea. Este problema no queda resuelto por la simulación de escenarios económicos ad hoc, al no estar asentados estos en una metodología rigurosa y sistemática de generación. Los métodos de simulación histórica tradicionales, aunque permiten tener en cuenta los fenómenos de asimetrías (skewness) así como las colas pesadas (leptokurtosis) en las distribuciones empíricas, presentan el inconveniente de no permitir (por definición) predecir pérdidas fuera de la muestra y de resultar, por ello, pobres a la hora de estima el VaR: las pérdidas pasadas resultan no ser tan buenos estimadores de las pérdidas futuras. Por si fuera poco, las medidas de riesgo que permiten producir las series históricas suelen ser sensibles al tamaño de la ventana temporal empleada, y no permiten llevar a cabo experimentos de sensibilidad (por ejemplo del VaR de la cartera) a pequeñas variaciones de determinados parámetros. Así las cosas, surge el reto de modelizar las distribuciones históricas mediante distribuciones paramétricas que permitan un buen ajuste de aquéllas. Su bondad ha de medirse necesariamente mediante contrastes de hipótesis como el de Kolmogorov-Smirnov u otros. Aunque no son la única alternativa, las mixturas de normales proveen al gestor de un instrumento fácil de entender y de implementar que permite cumplir con estos objetivos. La teoría de valores extremos, usada desde hace más de diez lustros en seguros y desde hace unos pocos años en finanzas, también converge en la misma dirección. Una de las ventajas de este tipo de aproximaciones es que permiten el cálculo del VaR condicional: la pérdida media esperada una vez que se ha alcanzado el VaR. Este concepto, similar al de pérdida media no esperada en el ámbito del riesgo de crédito, es el que realmente importa a la hora de determinar el capital económico necesario en una unidad concreta. Estos enfoques se asientan ya hoy en una sólida base, y su uso se está generalizando en una gran variedad de instituciones financieras del mundo. Otra vertiente del uso de distribuciones distintas de la normal en finanzas es el de las simulaciones no gaussianas: un campo todavía poco desarrollado, pero que promete ya mucho. Un primer tipo de problemas que se puede abordar desde este tipo de enfoque es el de la agregación de riesgos en la gestión de una entidad financiera.