normativa-regulacion
Los mercados financieros están continuamente sujetos a fluctuaciones en sus precios, tipos de interés y tipos de cambio que en muchos casos se traducen en pérdidas de valor inesperadas en las posiciones de los diferentes activos. La característica fundamental de los mercados es la incertidumbre. La incertidumbre como sinónimo de riesgo. Una de las grandes preocupaciones de todos los agentes participantes en los mercados financieros es la medición y, en su caso, limitación del riesgo.

En los últimos años se han experimentado avances considerables en el desarrollo de sofisticados modelos de medición de riesgos; sin embargo, estos modelos tienen limitaciones, especialmente cuando tienen que tratar el riesgo de productos financieros complejos. Hay una amplia línea de investigación ligada a técnicas de medición y control de riesgos basadas en la linealización de las respuestas de los factores de riesgo de los productos; sin embargo, la mayoría de los problemas no son lineales y, adicionalmente, no son linealizables, por lo que las técnicas desarrolladas se quedan cortas a la hora de aportar soluciones a la problemática del riesgo en un mundo de constante innovación financiera.

Las Entidades Financieras y los Organismos Reguladores están cada vez más preocupadas buscando mecanismos de medición y control de riesgos que sean capaces de dar cobertura a la mayoría de situaciones con las que hay que enfrentarse en la práctica. Sin embargo, es difícil encontrar respuestas genéricas: los productos son muy heterogéneos, las situaciones son cambiantes, la sofisticación es creciente… En definitiva, en la mayor parte de los casos debe recurrirse a la aportación de remedios ad-hoc que sean capaces de adaptarse a las peculiaridades concretas de cada uno de los productos.

En el campo de la evaluación y control del riesgo de mercado fue pionero el modelo RiskMetricsTM desarrollado por JPMorgan que, tomando como referencia la teoría de carteras de Markovitz, se apoya en la estimación de volatilidades y correlaciones de un gran conjunto de activos financieros. Una vez realizadas estas estimaciones, apoyándose en un supuesto de normalidad en la tasa de variación de los precios de los activos financieros tratados, se estiman intervalos de confianza para un determinado nivel de probabilidad de las pérdidas máximas (riesgo) que se pueden sufrir como consecuencia de la incertidumbre de mercado inherente a una determinada posición de activos financieros. Estas pérdidas máximas estimadas son las que se conocen como valor en riesgo

Desde un punto de vista general, la limitación básica que plantea el enfoque de RiskMetricsTM es que no admite la presencia de comportamientos no lineales. Sin embargo, en la mayoría de los activos las respuestas no son lineales, o son difícilmente linealizables. Basta fijarnos, por ejemplo, en los activos derivados, que están caracterizados por una no linealidad en la respuesta de sus valores ante los movimientos de sus correspondientes factores de riesgo.

Una primera alternativa para salvar el escollo de trabajar con comportamientos no lineales es recurrir a la simulación histórica: tomando como referencia la posición actual que se tiene en los distintos activos, se evalúa el comportamiento que tendría la cartera si los factores de riesgo siguieran en el futuro la misma pauta que siguieron en el pasado. La evaluación del riesgo consiste en computar los resultados (pérdidas o ganancias) que en cada periodo se habrían ido produciendo si se hubiera mantenido la posición de referencia. Para la determinación del VaR se calcula el histograma de resultados y se escoge el nivel de percentil tal que el número de periodos (o casos) en los que la pérdida hubiera sido inferior a ese nivel sea mayor o igual al nivel de confianza elegido.

Este método cuenta con la ventaja no sólo de permitir evaluar el comportamiento de variables no lineales, sino también de no necesitar realizar supuestos sobre las distribuciones que siguen los distintos factores de riesgo de las variables y facilitar la información sobre casos extremos. Sin embargo, también existen una serie de inconvenientes que no pueden ser pasados por alto: para ser operativo requiere disponer de una amplia base de datos, el sistema es cerrado (no se puede evaluar lo que ocurriría ante cambios de volatilidades y correlaciones) y los resultados son muy sensibles al periodo histórico que se tome como referencia. Existen, además, problemas cuando se sospecha que en el proceso generador de los datos reales existen parámetros que cambian con el tiempo. La simulación histórica exige muy amplia base de datos para conseguir estimar valores en riesgo para altos niveles de confianza, sin embargo es posible ajustar una distribución al histograma y utilizar las colas de dicha distribución para la estimación del VaR.

Otra alternativa por la que se puede optar para el cálculo del VaR es el método de simulación de Montecarlo. Este método es bastante parecido al de simulación histórica, con la diferencia de que, en lugar de utilizar series históricas, el comportamiento de los factores de riesgo se deduce a partir de un modelo estocástico predefinido. Se realizan supuestos sobre el proceso estocástico que rige los movimientos de los factores de riesgo, pero no sobre las variaciones de valor de la cartera. El procedimiento consiste en realizar múltiples simulaciones y, con los resultados obtenidos, calcular los histogramas que permitan acotar las pérdidas al nivel de percentil deseado.

Este método cuenta con la ventaja de dar un tratamiento adecuado para los productos con comportamientos no lineales, además de ser muy flexible y facilitar la información sobre casos extremos y permitir tratar conjuntamente el riesgo de crédito y de mercado. Por todo ello se convierte un mecanismo ideal para el tratamiento del riesgo de los productos derivados. Otra ventaja de este método frente al de simulación histórica es que permite estimar directamente valores en riesgo para niveles de confianza muy altos, tan sólo es cuestión de simular el número suficiente de escenarios. No obstante, tampoco está exento de inconvenientes, ya que, además de necesitar fijar un modelo para el comportamiento de los movimientos de los precios, es muy intensivo computacionalmente.

En este contexto, mención especial merecen los activos derivados, los cuales cuentan con la peculiaridad de que su riesgo se ve influido por una gran cantidad de variables o factores de riesgo y, sobre todo, en la mayoría de los casos las respuestas de su valor a los movimientos de estos factores no son lineales. Además, las sensibilidades a cada variable pueden experimentar súbitos cambios. Todo un campo de innovación se está produciendo en este terreno, siendo un motor muy importante de las demandas de sofisticación en las tecnologías de medición de riesgos.

 

Esta sección ha sido realizada por el BBVA