El riesgo de mercado es el riesgo de pérdidas en posiciones que surgen de movimientos en variables de mercado como precios y volatilidad. [1] No existe una clasificación única, ya que cada clasificación puede referirse a diferentes aspectos del riesgo de mercado. No obstante, los tipos de riesgo de mercado más utilizados son:
El requisito de capital por riesgo de mercado se aborda en un marco revisado conocido como " Revisión fundamental de la cartera de negociación " (FRTB).
Todas las empresas asumen riesgos en función de dos factores: la probabilidad de que se produzca una circunstancia adversa y el costo de dicha circunstancia adversa.La gestión de riesgos es el estudio de cómo controlar los riesgos y equilibrar la posibilidad de ganancias.
Al igual que con otras formas de riesgo, el monto de la pérdida potencial debido al riesgo de mercado puede medirse de varias formas o convenciones. Tradicionalmente, una convención es utilizar el valor en riesgo (VaR). Las convenciones del uso de VaR están bien establecidas y aceptadas en la práctica de gestión de riesgos a corto plazo.
Sin embargo, el VaR contiene una serie de supuestos limitantes que limitan su precisión. El primer supuesto es que la composición de la cartera medida permanece sin cambios durante el período especificado. En horizontes de tiempo cortos, esta suposición limitante a menudo se considera razonable. Sin embargo, en horizontes de tiempo más largos, muchas de las posiciones de la cartera pueden haber cambiado. El VaR de la cartera sin cambios ya no es relevante. Otro aspecto problemático del VaR es que no es subaditivo y, por lo tanto, no es una medida de riesgo coherente . [2] Como resultado, otras sugerencias para medir el riesgo de mercado es el valor en riesgo condicional (CVaR) que es coherente para las distribuciones de pérdidas generales, incluidas las distribuciones discretas y es subaditivo. [3]
La covarianza de la varianza y la simulación histórica.El enfoque para calcular el VaR asume que las correlaciones históricas son estables y no cambiarán en el futuro ni se romperán en momentos de tensión en el mercado. Sin embargo, estos supuestos son inapropiados, ya que durante los períodos de alta volatilidad y turbulencia del mercado, las correlaciones históricas tienden a romperse. De manera intuitiva, esto es evidente durante una crisis financiera en la que todos los sectores de la industria experimentan un aumento significativo en las correlaciones, a diferencia de un mercado con tendencia alcista. Este fenómeno también se conoce como correlaciones asimétricas o dependencia asimétrica. En lugar de utilizar la simulación histórica, las simulaciones de Montecarlo con modelos multivariados bien especificados son una excelente alternativa. Por ejemplo, para mejorar la estimación de la matriz de varianza-covarianza,se puede generar un pronóstico de distribuciones de activos a través de la simulación de Monte-Carlo basado en la cópula gaussiana y marginales bien especificadas.[4] Es importante permitir que el proceso de modelado tenga en cuenta las características empíricas en los rendimientos de las acciones, como la autorregresión, la volatilidad asimétrica, la asimetría y la curtosis. No tener en cuenta estos atributos conduce a un error de estimación severo en la correlación y la varianza-covarianza que tienen sesgos negativos (hasta el 70% de los valores verdaderos). [5] La estimación de VaR o CVaR para grandes carteras de activos utilizando la matriz de varianza-covarianza puede ser inapropiada si las distribuciones de rendimiento subyacentes exhiben una dependencia asimétrica. En tales escenarios, las cópulas de vid que permiten la dependencia asimétrica (por ejemplo, Clayton, Rotated Gumbel) entre carteras de activos son las más apropiadas en el cálculo del riesgo de cola usando VaR o CVaR. [6]