Professional Documents
Culture Documents
Riesgo de Mercado
David Trillo
Profesor Titular Universidad Rey Juan Carlos
Vilariño Consultores
david.trillo@urjc.es
formación@axpa.es
www.axpa.es
1
22/02/2015
Posiciones Posiciones
largas RP cortas
RIESGOS
A
RA
Créditos
2
22/02/2015
Riesgo de mercado
(1987) JPMorgan-Riskmetrics. Influye en Basilea (1996)
David Trillo 5
Vilariño Consultores©
Herramientas necesarias
David Trillo 6
Vilariño Consultores©
3
22/02/2015
Herramientas necesarias
David Trillo 7
Vilariño Consultores©
Métodos paramétricos
En los modelos paramétricos para el cálculo del VaR, se supone
que las pérdidas siguen una determinada distribución de
~
probabilidad. Si llamamos Pt a la variable aleatoria que
representa las pérdidas de la cartera, cuya función de
distribución es conocida, la obtención del VaR a un horizonte
T y para un nivel de confianza , se reduce al problema trivial
Pr obF Pt T Pt* T 1
David Trillo 8
Vilariño Consultores©
4
22/02/2015
Modelos paramétricos
Modelos paramétricos
5
22/02/2015
Distribución normal
David Trillo 11
Vilariño Consultores©
David Trillo 12
Vilariño Consultores©
6
22/02/2015
VaR Normal
David Trillo 13
Vilariño Consultores©
VaR normal
Para los cálculos resulta más cómodo trabajar con las
variaciones relativas que con las absolutas, por lo que
escribimos
Vt V0 N Pt P0 N Pt P0 Pt P0
V0 V0 NP0 P0
Pt P0
P0
~ N 0, 2
David Trillo 14
Vilariño Consultores©
7
22/02/2015
VaR normal
David Trillo 15
Vilariño Consultores©
1- k()
95% 1,645
99% 2,33
99,9% 3,1
David Trillo 16
Vilariño Consultores©
8
22/02/2015
VaR
Vt* V0
Se verifica k( )
V0
El VaR es la variación del valor de la cartera
VaR Vt* V0 V0 k
La volatilidad siempre es la volatilidad de la rentabilidad en
el horizonte temporal h, y suele ser frecuente expresarla en
función de la rentabilidad calculada con datos diarios. En ese
caso, aceptando la regla para agregar volatilidades
1 h
David Trillo 17
Vilariño Consultores©
VaR
David Trillo 18
Vilariño Consultores©
9
22/02/2015
P*
R*t R0
P
David Trillo 19
Vilariño Consultores©
1 95%
David Trillo 20
Vilariño Consultores©
10
22/02/2015
Volatilidad
David Trillo 21
Vilariño Consultores©
Volatilidad
Es muy frecuente la hipótesis de que la rentabilidad logarítmica
del precio se comporta como una variable normal. Es decir
St
Rt ln N( , 2 )
St 1
St S St 1
Rt ln t
St 1 St 1
David Trillo 22
Vilariño Consultores©
11
22/02/2015
Volatilidad
David Trillo 23
Vilariño Consultores©
St h S S S S S S
Rt h ln ln t h t h 1 t 1 ln t h ln t h 1 ln t 1
t St St h 1 St h 2 St St h 1 St h 2 St
Tomando varianzas
2 Rt h 2t h 2t h 1 ... 2t t2 h
t
calculamos la volatilidad t h
David Trillo 24
Vilariño Consultores©
12
22/02/2015
David Trillo 25
Vilariño Consultores©
RiskMetrics
Define la varianza condicional en t para t+1, es decir con datos
diarios, el día siguiente, mediante
t21 t2 (1 )Rt2
t t 1
Rt2 t2 t21 t2
t 1 t t 1
Rt2 2
t t21 2
t
t 1 t t 1
Rt2 2
t 2 2
t 1 t
t 1 t t 1
David Trillo 26
Vilariño Consultores©
13
22/02/2015
RiskMetrics
Desarrollando la suma se tiene
t21 t2 (1 )Rt2
t t 1
t2 2
t 1 (1 )Rt21
t 1 t 2
sustituyendo
t21 t21 (1 )Rt21 (1 )Rt2
t t 2
(1 )Rt2 1 Rt21 2 1 Rt2 2
generalizando (1 ) R
i0
i 2
t i
RiskMetrics
David Trillo 28
Vilariño Consultores©
14
22/02/2015
RiskMetrics
Varianza condicional
t21 (1 )Rt2 1 Rt21 2 1 Rt2 2
t
(1 ) 1 2 1
0.06 0.056 0.053
Varianza incondicional si R 0
n
R 2
t
1 2 1 2 1
2 i 1
Rt Rt 1 Rt2 2
N N N N
David Trillo 29
Vilariño Consultores©
1 1 1
En el modelo EWMA
0 0
David Trillo 30
Vilariño Consultores©
15
22/02/2015
ˆ
S S0 k( ) h
250
0,22
5000 3,1 10 681USD
250
David Trillo 31
Vilariño Consultores©
RiskMetrics
David Trillo 32
Vilariño Consultores©
16
22/02/2015
RiskMetrics
12,t 1 t (1 )R1,t 1R2,t 1 12,t 1 t 2 (1 )R1,t R2,t
generalizando
12,t 1 t (1 ) R i
1,t i R2,t i (1 )R1,t R2,t
i0
Ángel Vilariño 33
12,t 1 t
12,t 1 t
1,t 1 t 2,t 1 t
David Trillo 34
Vilariño Consultores©
17
22/02/2015
RiskMetrics
David Trillo 35
Vilariño Consultores©
David Trillo 36
Vilariño Consultores©
18
22/02/2015
ahora,
V V V0 k
NiPit NiPi0 k
Ni P k
NiPi0 P
V0
t
V0
NiPi0
NP V0
Pi0
i 1 i 1 i i0 i 1
V k
V0
R i i R v Rentabilidad de la cartera
i 1
VaR V V0 k V h
David Trillo 38
Vilariño Consultores©
19
22/02/2015
La varianza de RV es
i2 Var Ri ij Cov Ri ,R j
David Trillo 39
Vilariño Consultores©
David Trillo 40
Vilariño Consultores©
20
22/02/2015
V2 X T X
David Trillo 41
Vilariño Consultores©
ij
ij ij ij i j
i j
David Trillo 42
Vilariño Consultores©
21
22/02/2015
David Trillo 43
Vilariño Consultores©
David Trillo 44
Vilariño Consultores©
22
22/02/2015
23
22/02/2015
y el VaR de la cartera es
1/2
VaR V0 k 1212 22 22 2 1 2 1 2 h
1/2
2 2 2
V02k 1212 h V02k 22 22 h V02k 2 1 21 2 h
que toma la siguiente forma en función del VaR de los activos individuales.
David Trillo 47
Vilariño Consultores©
1 VaR1
VaR VaR1 VaR 2
1 VaR 2
Esta expresión se generaliza fácilmente para n activos
1 12 ... 1n VaR1
12 1 ... 2n VaR 2
VaR VaR1 VaR 2 ... VaR n
1n 2n ... 1 VaR n
David Trillo 48
Vilariño Consultores©
24
22/02/2015
=0
= -1
Var1 – VaR2
+
VaR1 =1 VaR2
David Trillo 49
Vilariño Consultores©
Dificultad de cálculo
1 0 0 1 12 1k 1 0 0
0 2 0 1 2k 2 0
k 1 k
D D
En ocasiones la matriz de correlaciones puede no ser definida
positiva. Los coeficientes de correlación son muy variables, por
el procedimiento recursivo del EWMA puede ocurrir algo
similar a si se calculan con una muestra pequeña de datos.
Además se añaden nuevas complicaciones si aparecen muchos
activos en la cartera (aumenta la dimensión de las matrices)
David Trillo 50
Vilariño Consultores©
25
22/02/2015
David Trillo 52
Vilariño Consultores©
26
22/02/2015
David Trillo 53
Vilariño Consultores©
t F (1 z)
i i
ti
n
Fi (1 z) ti T VAFi
D i 1
ti ti
P i 1 P i 1 P
c 1 z c 1 z c 1 z
1 2 n
1 2 ... T
P P P
1.w 2.w 3.w ... n.w
David Trillo 54
Vilariño Consultores©
27
22/02/2015
t F (1 z)
i i
ti
T
si D i 1
DP tiFi (1 z) ti
P i 1
T
Para evaluar el riesgo de mercado derivamos P F (1 z)
i
ti
T
dP 1 T
tiFi (1 z) ti 1 tiFi (1 z)1
dz i 1 1 z i 1
dP DP dP D
dz
dz 1z P 1z
David Trillo 55
Vilariño Consultores©
DP
dP dz
1 z
Considerando una aproximación finita:
DP
P z PS z
1 z
Aceptando que z se distribuye como N(0, z)
2 D 2P 2 D P
P 2
2 z
P z
1 z 1 z
28
22/02/2015
En términos discretos
z zt zt 1 zt 2 zt 1 ... z1 z0
z1 z2 ... zT
2 z 2 z1 2 z2 ... 2 zT T 2 zt
z zt T
David Trillo 57
Vilariño Consultores©
r 8%
29
22/02/2015
D
t jVA j 547.03 5.92 años
VA j 92.40
59
VaR de bonos
David Trillo 60
Vilariño Consultores©
30
22/02/2015
1 1 1 iN
P0 c ... c 1 z c
1 z 1 z 2
1 z z
1
1z
dP i DP 1z N 1 z z 1 z
2N D 2 i 2 i
dz z 1z z P z i z
iN
P
David Trillo z 61
Vilariño Consultores©
i 6%
P N N 100%
z 6%
Calcule el VaR del instrumento al 95% de confianza
1 z 1.06
D 17,7 años
z 0.06
DP 17,7 100
VaR () z 1,645 z
1z 1 0.06
David Trillo 62
Vilariño Consultores©
31
22/02/2015
N
El precio viene dado por P0
(1 z )T
siendo N el principal, z el tipo de interés cupón cero,
la prima de riesgo y T la vida residual.
TP
Se verifica que P ( z )
1 z
z expresa el riesgo de mercado
expresa de forma conjunta riesgo de crédito y
riesgo de mercado. puede cambiar sin que cambie la
calificación crediticia del bono.
David Trillo 63
Vilariño Consultores©
Var( z ) 2 z
2
P0T
VaR k( ) 2 z
2
h
1 z
David Trillo 64
Vilariño Consultores©
32
22/02/2015
VaR divisas
Vt N Pt e t NPt e t N Pt e t N Pt e t 0
Pt e t P e t
Vt NPt e t NPt e t Vt t
Pt et Pt et
David Trillo 65
Vilariño Consultores©
VaR divisas
Pt e t P e t
Vt NPt e t NPt e t Vt t
Pt et Pt et
Tomando varianza
2Vt Vt2 2Pt 2et 2 Pt et Pt et
,
Pt et Pt e t Pt et
David Trillo 66
Vilariño Consultores©
33
22/02/2015
• Para el calculo del VaR se hace uso del VaR calculado sobre
los valores de las posiciones de los activos en soles y las
volatilidades EWMA. Var1+2 es el VaR calculado con el valor
de la cartera en soles, () y la volatilidad del tipo de
cambio (e)
David Trillo 67
Vilariño Consultores©
Simulación histórica
34
22/02/2015
Simulación histórica
David Trillo 69
Vilariño Consultores©
Simulación histórica
Ángel Vilariño 70
35
22/02/2015
Rentabilidades
Pt Pt 1
Rt
Pt 1
Ángel Vilariño 71
Simulación de variaciones
Ángel Vilariño 72
36
22/02/2015
Datos ordenados
Ángel Vilariño 73
Estimación no paramétrica
j* 1 j*
siendo j* el número entero que verifica 1
n n
Ángel Vilariño 74
37
22/02/2015
Ángel Vilariño 75
j* 1 j*
0 ,01
100 100
Ángel Vilariño 76
38
22/02/2015
j* 1 j*
0 ,001
1000 1000
Ángel Vilariño 77
Tamaño muestral
Ángel Vilariño 78
39
22/02/2015
R11 , R12 , , R1 n
R21 , R22 , , R2 n
Rk1 , Rk 2 , , Rkn
Ángel Vilariño 79
VaR Cartera
Ángel Vilariño 80
40
22/02/2015
k
Vi
xi
V
siendo V V i
i 1
k
y calcular Vt x R
i 1
i it . Se ordena la serie obtenida, Vt , y
Ángel Vilariño 81
Estimación no paramétrica
Ángel Vilariño 82
41
22/02/2015
Ángel Vilariño 83
Ángel Vilariño 84
42
22/02/2015
VaR Amazon
VaR1
SH (99%) 67 (14,85%) 9,95 USD
VaR10
SH (99%) 67 ( 30,16%) 20,21 USD
Ángel Vilariño 85
Expected Shortfall
43
22/02/2015
David Trillo 87
Vilariño Consultores©
Expected Shortfall
X Vt
TCE( )(x) E x
X x ( )(x)
TAIL CONDITIONAL
EXPECTATION
David Trillo VaR 88
Vilariño Consultores©
44
22/02/2015
Expected Shortfall
1 1 VaR
ES( )(x) E x
X x (x)
( )
x.f(x).dx
VaR 2 k( )2
ES( )(x)
2
e 2
e 2
2 2
e 2 e 2 3,74
2 0,025 2
Posición 100 millones ES 3,74 millones
David Trillo 89
Vilariño Consultores©
n.VaR
k n
ES
nVaR
kES
David Trillo 90
Vilariño Consultores©
45
22/02/2015
David Trillo 91
Vilariño Consultores©
Backtesting:
contraste de los modelos
46
22/02/2015
David Trillo 93
Vilariño Consultores©
David Trillo 94
Vilariño Consultores©
47
22/02/2015
David Trillo 95
Vilariño Consultores©
Pr ob T H p(1 p)H 1
* Producto de probabilidades
David Trillo 96
Vilariño Consultores©
48
22/02/2015
David Trillo 97
Vilariño Consultores©
p̂ 1 / H
David Trillo 98
Vilariño Consultores©
49
22/02/2015
p* (1 p* )H 1 p* (1 p* )H 1
RV 2 ln 2 ln
p(1 ˆ
ˆ p)H 1 1 1
H 1
1
H H
0.01(1 0.01)199
RV 2 ln 199
0.619
1 1
200 1 200
El valor crítico de una chi-cuadrado con 1 grado de libertad,
con un nivel de significación del 5% es 3.841, por lo que no
se rechaza la hipótesis nula, es decir, se acepta que la
probabilidad con la que se calcula el VaR no difiere de la
probabilidad con la que se producen las pérdidas extremas
de la cartera.
David Trillo 100
Vilariño Consultores©
50
22/02/2015
51
22/02/2015
Zona de no rechazo p* = 5%
20,0000
18,0000
16,0000
14,0000
12,0000
10,0000
8,0000
6,0000
4,0000
2,0000
0,0000
4 44 84 124 164 204 244
David Trillo 103
Vilariño Consultores©
7,0000
Zona de no rechazo p* = 1%
6,0000
5,0000
4,0000
3,0000
2,0000
1,0000
0,0000
2 52 102 152 202 252 302 352 402 452
52
22/02/2015
(1 p * )n x (p * )x
RV 2 ln n x x
x x
1
n n
Bajo la hipótesis nula, RV se distribuye como una chi-
cuadrado con 1 grado de libertad.
53
22/02/2015
(1 0.01)490 0.0120
RV 2 ln 490 20
25.304
20 20
1 510 510
En este caso se rechaza la hipótesis nula ya que el valor
crítico de una chi-cuadrado con 1 grado de libertad y nivel de
significación del 5% es 3.841. Como podemos observar en la
54
22/02/2015
Zona de no rechazo
p* H X p RV
0,05 100 0 0,0000 7,0000 3,841
0,05 100 1 0,0100 4,9472 3,841
0,05 100 2 0,0200 2,4286 3,841
0,05 100 3 0,0300 0,9769 3,841
0,05 100 4 0,0400 0,2253 3,841
0,05 100 5 0,0500 0,0000 3,841
0,05 100 6 0,0600 0,1984 3,841
0,05 100 7 0,0700 0,7530 3,841
0,05 100 8 0,0800 1,6158 3,841
0,05 100 9 0,0900 2,7510 3,841
0,05 100 10 0,1000 4,1308 3,841
0,05 100 11 0,1100 5,7332 3,841
0,05 100 12 0,1200 7,5402 3,841
55
22/02/2015
30,0000
25,0000
20,0000
15,0000
10,0000
5,0000
0,0000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
VaR de derivados
56
22/02/2015
57
22/02/2015
ΔF ΔS
=
F S
2F /F 2S/S
1 rT 1 rsol T
e0 T e0 p.e. e0
1 yT 1 rusd T
e 0T e 0 T T
r y
e 0T e0 1 rT 1 yT
58
22/02/2015
2e/e e/e r e/e y 1
T T T
2e0 T /e0 T 1 2r r y
1 rT 1 yT 1 rT
y T
2
1 yT
y L tL y CtC R L t L RCtC
f *f '
(1 R C t C )(t L tC )
tL tC
simple
e y c t c .e f (t L t C ) e y L t L ln(1 R t )
* * yt
y c t c f (t L t C ) y L t L t
tL tC
f y L y C
tL tC tL tC
59
22/02/2015
VaR V n N (t L t C )f
f k( ) f h
1
f t 2L 2y L t 2C 2y C 2t L t C y L y C
(t L t C )
V V( z1 ,z2 , ...,zK ) V
* 1
V 1 z1 ... k zk z1
60
22/02/2015
V 1z1 2 z 2 ... k z k
V V V
1 , 2 , ... , k
z1 z 2 z k
61
22/02/2015
VaR de opciones
fórmulas aproximadas
62
22/02/2015
ln(S / E) (r r 2 / 2)T
d1 d 2 d1 T
T
C f (S, )
f f 1 2f
C S 2
S2
S 2 S
f f 2f
S S 2
1
C S S2
2
63
22/02/2015
Aproximación delta
C S
Valor en riesgo (VaR)
C S
S* VaR subyacente S. . h
2
S 2
N(0, 2 ) S 2
S 1
S
S2 S2212
64
22/02/2015
ln(S 0 / E) (r q 0,5 2 )T
d1 d 2 d1 T
T
𝑉 = 60.000 × 𝐶
C
exp( qT) N(d1 )
S
2
C 1 1 d2
2
exp( qT) exp( 1 )
S S T 2 2
C S exp( qT) 1 d2
Sq exp( qT)N(d1 ) Er exp( rT)N(d 2 ) exp( 1 )
T 2 T 2 2
1
C S ( S)2 T
2
65
22/02/2015
Simulación de Montecarlo:
dS
(r q)dt dt
S
S es el precio del activo subyacente, dS es el diferencial del precio, dt
es el diferencial del tiempo, r es el tipo de interés instantáneo libre de
riesgo, ya que se supone capitalización continua, q es la tasa
instantánea que expresa el rendimiento explícito del activo subyacente
que en el caso de una acción es, en su caso, la tasa de dividendos, si se
trata de una divisa q es el tipo de interés instantáneo de la divisa y,
cuando se trata de un futuro entonces q es igual que r. sigma es la
volatilidad instantánea, que se supone constante, y es una variable
aleatoria normal estándar. La solución a la ecuación diferencial es:
66
22/02/2015
C
exp( qT) N(d1 )
S
2
C 1 1 d12
exp( qT) exp( )
S 2 S T 2 2
C S exp( qT) 1 d2
Sq exp( qT)N(d1 ) Er exp( rT)N(d 2 ) exp( 1 )
T 2 T 2 2
1
C S ( S)2 T
2
67
22/02/2015
El primer precio
S t 51exp (0,035 0,5 (0,0168 250)2 (10 / 365) 0,0168 250 10 / 365( 0,30023) 50,33081
Para este valor del activo subyacente se calcula el precio de la opción que vence
p.e. dentro de 120 días y se conservan los datos de r, q y utilizados en la fecha
inicial.
David Trillo 135
Vilariño Consultores©
140
120
100
80
60
40
20
0
1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0 9,5
68
22/02/2015
69