En finanzas , el riesgo de modelo es el riesgo de pérdida resultante del uso de modelos insuficientemente precisos para tomar decisiones, originalmente y con frecuencia en el contexto de la valoración de valores financieros . [1] Sin embargo, el riesgo de modelo es cada vez más frecuente en actividades distintas de la valoración de valores financieros, como la asignación de puntajes crediticios al consumidor., predicción de probabilidad en tiempo real de transacciones fraudulentas con tarjetas de crédito y cálculo de la probabilidad de que el pasajero de un vuelo aéreo sea un terrorista. Rebonato en 2002 define el riesgo de modelo como "el riesgo de ocurrencia de una diferencia significativa entre el valor de marca a modelo de un instrumento complejo y / o ilíquido, y el precio al que se revela que el mismo instrumento ha cotizado en el mercado". .
Tipos
Burke considera que la falta de uso de un modelo (en lugar de depender demasiado del juicio de expertos) es un tipo de riesgo de modelo. [2] Derman describe varios tipos de riesgo de modelo que surgen del uso de un modelo: [1]
Modelo incorrecto
- Inaplicabilidad del modelo.
- Especificación de modelo incorrecta.
Implementación del modelo
- Errores de programación.
- Errores técnicos.
- Uso de aproximaciones numéricas inexactas.
Uso del modelo
- Riesgo de implementación.
- Problemas de datos.
- Errores de calibración.
Fuentes
Incertidumbre sobre la volatilidad
La volatilidad es el insumo más importante en los modelos de gestión de riesgos y modelos de precios. La incertidumbre sobre la volatilidad conduce al riesgo de modelo. Derman cree que los productos cuyo valor depende de una sonrisa de volatilidad tienen más probabilidades de sufrir un riesgo de modelo. Él escribe: "Creo que es seguro decir que no hay un área en la que el riesgo del modelo sea un problema más importante que en el modelado de la sonrisa de la volatilidad". [3] Avellaneda & Paras (1995) propusieron una forma sistemática de estudiar y mitigar el riesgo del modelo resultante de la incertidumbre de la volatilidad. [4]
Inconsistencia de tiempo
Buraschi y Corielli formalizan el concepto de 'inconsistencia temporal' con respecto a los modelos de no arbitraje que permiten un ajuste perfecto de la estructura temporal de las tasas de interés. En estos modelos, la curva de rendimiento actual es una entrada para que se puedan utilizar nuevas observaciones sobre la curva de rendimiento para actualizar el modelo con frecuencias regulares. Exploran la cuestión de las estrategias de autofinanciamiento y coherentes en el tiempo en esta clase de modelos. El riesgo de modelo afecta a los tres pasos principales de la gestión de riesgos : especificación, estimación e implementación. [5]
Incertidumbre de correlación
La incertidumbre sobre los parámetros de correlación es otra fuente importante de riesgo del modelo. Cont y Deguest proponen un método para calcular las exposiciones al riesgo de modelos en derivados de acciones de activos múltiples y muestran que las opciones que dependen del peor o mejor desempeño en una canasta (la llamada opción arco iris ) están más expuestas a la incertidumbre del modelo que las opciones de índice. [6]
Gennheimer investiga el riesgo de modelo presente en los derivados de incumplimiento de la canasta de precios. Fija el precio de estos derivados con varias cópulas y concluye que "... a menos que uno esté muy seguro acerca de la estructura de dependencia que gobierna la canasta de crédito, cualquier inversionista que desee negociar productos predeterminados de la canasta debe calcular imperativamente los precios bajo especificaciones de cópula alternativas y verificar los errores de estimación su simulación para conocer al menos los riesgos del modelo que corren ”. [7]
Complejidad
La complejidad de un modelo o un contrato financiero puede ser una fuente de riesgo de modelo, lo que lleva a una identificación incorrecta de sus factores de riesgo. Este factor fue citado como una fuente importante de riesgo de modelo para las carteras de valores respaldados por hipotecas durante la crisis de 2007.
Iliquidez y riesgo de modelo
El riesgo de modelo no solo existe para contratos financieros complejos. Frey (2000) presenta un estudio de cómo la iliquidez del mercado es una fuente de riesgo del modelo. Él escribe: "Comprender la solidez de los modelos utilizados con fines de cobertura y gestión de riesgos con respecto a la suposición de mercados perfectamente líquidos es, por lo tanto, un tema importante en el análisis del riesgo del modelo en general". [8] Los bonos convertibles , los valores respaldados por hipotecas y los bonos de alto rendimiento a menudo pueden ser ilíquidos y difíciles de valorar. Los fondos de cobertura que negocian con estos valores pueden estar expuestos al riesgo de modelo al calcular el NAV mensual para sus inversores. [9]
Errores de hoja de cálculo
Muchos modelos se crean utilizando tecnología de hoja de cálculo, que puede ser particularmente propensa a errores de implementación. [10] Las estrategias de mitigación incluyen la adición de controles de coherencia, la validación de entradas y el uso de herramientas especializadas. [11]
Enfoques cuantitativos
Modelo de promediado frente al enfoque del peor de los casos
Rantala (2006) menciona que "ante el riesgo del modelo, en lugar de basar las decisiones en un único 'mejor' modelo seleccionado, el modelador puede basar su inferencia en un conjunto completo de modelos mediante el uso de promedios de modelos". [12] Este enfoque evita el "defecto de los promedios". [13]
Otro enfoque para el riesgo de modelo es el enfoque del peor de los casos, o minmax, defendido en la teoría de la decisión por Gilboa y Schmeidler. [14] En este enfoque, se considera una variedad de modelos y se minimiza la pérdida encontrada en el peor de los casos. Este enfoque del riesgo de modelo ha sido desarrollado por Cont (2006). [15]
Jokhadze y Schmidt (2018) proponen varios modelos de medidas de riesgo utilizando la metodología bayesiana. Introducen medidas de riesgo superpuestas que incorporan el riesgo del modelo y permiten una gestión coherente del riesgo del modelo y del mercado. Además, proporcionan axiomas de medidas de riesgo de modelo y definen varios ejemplos prácticos de medidas de riesgo de modelo superpuestas en el contexto de la gestión de riesgos financieros y la fijación de precios de reclamaciones contingentes.
Cuantificación de la exposición al riesgo del modelo
Para medir el riesgo inducido por un modelo, debe compararse con un modelo alternativo o con un conjunto de modelos de referencia alternativos. El problema es cómo elegir estos modelos de referencia. [16] En el contexto de la fijación de precios de los derivados, Cont (2006) propone un enfoque cuantitativo para medir las exposiciones al riesgo del modelo en las carteras de derivados: en primer lugar, se especifica un conjunto de modelos de referencia y se calibra a los precios de mercado de los instrumentos líquidos, luego la cartera objetivo es Precio por debajo de todos los modelos de referencia. Una medida de la exposición al riesgo del modelo viene dada por la diferencia entre la valoración actual de la cartera y la valoración del peor de los casos según los modelos de referencia. Esta medida puede utilizarse como una forma de determinar una reserva para el riesgo de modelo para carteras de derivados. [15]
Límites de posición y reservas de valoración
Jokhadze y Schmidt (2018) introducen medidas de riesgo de mercado monetario que cubren las pérdidas por riesgo del modelo. Su metodología permite armonizar el mercado y modelar la gestión de riesgos y definir límites y capitales requeridos para las posiciones de riesgo.
Kato y Yoshiba discuten formas cualitativas y cuantitativas de controlar el riesgo del modelo. Ellos escriben "Desde una perspectiva cuantitativa, en el caso de los modelos de precios, podemos establecer una reserva para permitir la diferencia en las estimaciones utilizando modelos alternativos. En el caso de los modelos de medición de riesgo, el análisis de escenarios se puede realizar para varios patrones de fluctuación de Se pueden establecer factores de riesgo o límites de posición en función de la información obtenida del análisis de escenarios ". [17] Cont (2006) aboga por el uso del modelo de exposición al riesgo para calcular tales reservas.
Mitigación
Bases teóricas
- Considerando supuestos clave.
- Consideración de casos simples y sus soluciones (límites del modelo).
- Parsimonia .
Implementación
- Orgullo de propiedad.
- Difundir el modelo hacia el exterior de forma ordenada.
Pruebas
- Stress testing y backtesting .
- Evite que los pequeños problemas se conviertan en grandes problemas más adelante.
- Validación independiente
- Seguimiento continuo y contra mercado
Ejemplos de mitigación de riesgos de modelos
Parsimonia
Taleb escribió al describir por qué la mayoría de los nuevos modelos que intentaron corregir las deficiencias del modelo Black-Scholes no fueron aceptados:
"Los traders no se dejan engañar por el modelo Black-Scholes-Merton. La existencia de una 'superficie de volatilidad' es una de esas adaptaciones. Pero les resulta preferible modificar un parámetro, a saber, la volatilidad, y hacer que sea una función del tiempo de vencimiento y precio de ejercicio, en lugar de tener que estimar con precisión otro ". [18]
Sin embargo, Cherubini y Della Lunga describen las desventajas de la parsimonia en el contexto del modelado de volatilidad y correlación. El uso de un número excesivo de parámetros puede inducir un ajuste excesivo, mientras que la elección de un modelo muy especificado puede inducir fácilmente una especificación incorrecta del modelo y una falla sistemática para representar la distribución futura. [19]
Fender y Kiff (2004) señalan que la tenencia de instrumentos financieros complejos, como los CDO , "se traduce en una mayor dependencia de estos supuestos y, por lo tanto, en un mayor riesgo de modelo. Como se espera que el mercado fije el precio de este riesgo, parte del rendimiento La recuperación obtenida en relación con los instrumentos de un único deudor igualmente calificados probablemente sea un reflejo directo del riesgo del modelo ". [20]
Estudios de caso
- NatWest —Opciones y cambios de tasa de interés — Especificación de modelo incorrecta. [21]
- Bank of Tokyo-Mitsubishi : opciones de tasa de interés y permutas financieras. [22]
- LTCM, falta de pruebas de estrés, Crouhy, Galai y Mark.
- Barclays de Zoete Wedd (BZW): opciones de divisas con precios incorrectos. [23]
- National Australia Bank Pérdida de $ 3 mil millones AUD en el modelo de tasa de interés de Homeside. [24]
- Crisis financiera mundial de 2007-2012 : la dependencia excesiva del modelo de cópula gaussiana de David X. Li calcula erróneamente el riesgo de obligaciones de deuda garantizadas. [25]
Ver también
- Gestión de riesgos
- Especificación del modelo estadístico
- Valor en riesgo
Notas
- ^ a b "Riesgo de modelo" (pdf) . 1996 . Consultado el 10 de septiembre de 2013 .
- ^ http://www.siiglobal.org/SII/WEB5/sii_files/Membership/PIFs/Risk/Model%20Risk%2024%2011%2009%20Final.pdf [ enlace muerto permanente ]
- ^ Derman, Emanuel (26 de mayo de 2003). "Risa en la oscuridad: el problema de la volatilidad Smile" .
- ^ Avellaneda, M .; Levy, A .; Parás, A. (1995). "Fijación de precios y cobertura de valores derivados en mercados con volatilidades inciertas". Finanzas Matemáticas Aplicadas . 2 (2): 73–88. doi : 10.1080 / 13504869500000005 .
- ^ Buraschi, A .; Corielli, F. (2005). "Implicaciones de la gestión de riesgos de la inconsistencia temporal: actualización del modelo y recalibración de modelos sin arbitraje". Revista de Banca y Finanzas . 29 (11): 2883. doi : 10.1016 / j.jbankfin.2005.02.002 .
- ^ Cont, Rama; Romain Deguest (2013). "Correlaciones de equidad implícitas en las opciones de índice: estimación y análisis de incertidumbre del modelo". Finanzas matemáticas . 23 (3): 496–530. doi : 10.1111 / j.1467-9965.2011.00503.x . S2CID 43322093 . SSRN 1592531 .
- ^ Gennheimer, Heinrich (2002). "Riesgo de modelo en modelos de precios predeterminados basados en cópula". CiteSeerX 10.1.1.139.2327 . Falta o vacío
|url=
( ayuda ) - ^ Frey, Rüdiger (2000). "La iliquidez del mercado como fuente de riesgo modelo en la cobertura dinámica". CiteSeerX 10.1.1.29.6703 . Falta o vacío
|url=
( ayuda ) - ^ Negro, Keith H. (2004). Gestión de un fondo de cobertura . Profesional de McGraw-Hill. ISBN 978-0-07-143481-2.
- ^ "Historias de terror de EuSpRIG" .
- ^ "Descubrir errores de hoja de cálculo" .
- ^ Rantala, J. (2006). "Sobre historia conjunta y separada de probabilidad, estadística y ciencia actuarial". En Liksi; et al. (eds.). Festschrift para Tarmo Pukkila en su 60 cumpleaños . Universidad de Tampere, Finlandia. págs. 261-284. ISBN 951-44-6620-9.
- ^ https://hbr.org/2002/11/the-flaw-of-averages
- ^ Gilboa, I .; Schmeidler, D. (1989). "Utilidad esperada de Maxmin con anterior no único" (PDF) . Revista de Economía Matemática . 18 (2): 141. doi : 10.1016 / 0304-4068 (89) 90018-9 .
- ^ a b Cont, Rama (2006). "La incertidumbre del modelo y su impacto en el precio de los instrumentos derivados" (PDF) . Finanzas matemáticas . 16 (3): 519–547. doi : 10.1111 / j.1467-9965.2006.00281.x . S2CID 16075069 .
- ^ Sibbertsen; Stahl; Luedtke (noviembre de 2008). "Riesgo de modelo de medición" (PDF) . Documento de debate de la Universidad de Leibnitz No. 409 . Archivado desde el original (PDF) el 10 de marzo de 2014 . Consultado el 10 de marzo de 2014 .
- ^ Kato, Toshiyasu; Yoshiba, Toshinao (diciembre de 2000). "Modelo de riesgo y su control" (PDF) . Estudios monetarios y económicos .
- ^ Taleb, Nassim (2010). Cobertura dinámica: gestión de opciones vainilla y exóticas . Nueva York: Wiley. ISBN 978-0-471-35347-8.
- ^ Cherubini, Umberto; Lunga, Giovanni Della (2007). Financiamiento estructurado . Hoboken: Wiley. ISBN 978-0-470-02638-0.
- ^ Fender, Ingo; Kiff, John (2004). "Metodología de calificación de CDO: algunas reflexiones sobre el modelo y sus implicaciones". Documentos de trabajo de BIS No. 163 . SSRN 844225 .
- ^ "Validación de modelos y backtesting" . Archivado desde el original el 3 de abril de 2009 . Consultado el 1 de diciembre de 2008 .
- ^ "Control de Riesgo de Modelo" .
- ^ Simmons, Katerina (1997). "Error de modelo" (PDF) . Revisión económica de Nueva Inglaterra : 17-28. Evaluación de varios modelos financieros
- ^ "El jefe del Banco Nacional de Australia promete revisión a medida que cae el precio de las acciones" .
- ^ "Receta para el desastre: la fórmula que mató a Wall Street" . Cableado . 23 de febrero de 2009.
Referencias
- Avellaneda, M .; Levy, A .; Parás, A. (1995). "Fijación de precios y cobertura de valores derivados en mercados con volatilidades inciertas". Finanzas Matemáticas Aplicadas . 2 (2): 73–88. doi : 10.1080 / 13504869500000005 .
- Cont, R. (2006). "Incertidumbre del modelo y su impacto en la fijación de precios de instrumentos derivados". Finanzas matemáticas . 16 (3): 519–547. doi : 10.1111 / j.1467-9965.2006.00281.x . S2CID 16075069 .
- Cont, R .; Deguest, R. (2013). "Correlaciones de equidad implícitas en las opciones de índice: estimación y análisis de incertidumbre del modelo". Finanzas matemáticas . 23 (3): 496–530. doi : 10.1111 / j.1467-9965.2011.00503.x . S2CID 43322093 .
- Cont, R .; Deguest, R .; Scandolo, G. (2010). "Análisis de robustez y sensibilidad de los procedimientos de medición de riesgos" (PDF) . Finanzas cuantitativas . 10 (6): 593–606. doi : 10.1080 / 14697681003685597 . S2CID 158678050 .
- Crouhy, Michel; Galai, Dan; Mark, Robert (2000). Gestión de riesgos . McGraw-Hill. ISBN 0-07-135731-9.
- Derman, Emanuel (1996). Riesgo de modelo (PDF) . RIESGO.
- Jokhadze, Valeriane; Schmidt, Wolfgang M. (2018). "Medición del riesgo del modelo en la gestión de riesgos financieros y la fijación de precios". SSRN. doi : 10.2139 / ssrn.3113139 . Cite journal requiere
|journal=
( ayuda ) - Lyons, TJ (1995). "Volatilidad incierta y síntesis de derivados sin riesgo". Finanzas Matemáticas Aplicadas . 2 (2): 117-133. doi : 10.1080 / 13504869500000007 . hdl : 10338.dmlcz / 135679 .
- Rebonato, R. (2001). "Gestión del riesgo del modelo". Manual de Gestión de Riesgos . FT-Prentice Hall.
- Taleb, Nassim (2006). Engañados por la aleatoriedad: el papel oculto del azar en la vida y en los mercados . Wiley. ISBN 1-4000-6793-6.
- Política de la Reserva Federal de EE. UU. Http://www.federalreserve.gov/bankinforeg/srletters/sr1107a1.pdf GUÍA DE SUPERVISIÓN SOBRE MODELO DE GESTIÓN DE RIESGOS