IN 5303 Prof. J. Miguel Cruz Medición Riesgo de Mercado Introducción al VaR 2011 J. Miguel Cruz Agenda Introducción Factores de riesgos y sus procesos Modelos de Precios Volatilidades Correlaciones Ejercicios de Volatilidades y Correlaciones J. Miguel Cruz 2011 Primavera 2011 1 IN 5303 Prof. J. Miguel Cruz 1. Riesgos en la industria financiera Riesgo: Cuánto se espera perder como consecuencia de: Mercado 1 Cambios en precios: 2 No cumplimiento obligaciones contractuales: Crédito Operacional 3 Ejecución errada: Preguntas: En qué período de tiempo ? Con qué probabilidad? J. Miguel Cruz 2011 Riesgo de mercado Probabilidad Región Pérdida 5% frec. rango normal VaR Valor cartera hoy Valor cartera futura por cambios en precios y tasas Value at Risk, VAR: Pérdida máxima que se puede incurrir con un determinado grado de confianza, en un determinado intervalo de tiempo Ejemplo: Con un 95% de confianza podemos afirmar que no se perderá más de un 3% de la cartera (1,5 MM US$) en un día. J. Miguel Cruz 2011 Primavera 2011 2 IN 5303 Prof. J. Miguel Cruz Sistema de riesgo crediticio tradicional Sistemas de Scoring y Behavioral Scoring No Pago Alto Riesgo Matriz de Decisiones y Políticas de Riesgos Cliente Medio Riesgo Bajo Riesgo N V0 V A V1 M M V2 B V3 En t En t+1 J. Miguel Cruz 2011 Tipo de Cambio (Cambios diarios en el dólar observado) observado) 4.000% 3.000% 2.000% 1.000% 0.000% -1.000% -2.000% Ene-08 Jul-07 Ene-07 Jul-06 Jul-05 Ene-06 Ene-05 Jul-04 Ene-04 Jul-03 Ene-03 Jul-02 Jul-01 Ene-02 Ene-01 Jul-00 Ene-00 -3.000% J. Miguel Cruz 2011 Primavera 2011 3 IN 5303 Prof. J. Miguel Cruz Histograma para los cambios porcentuales diarios del dólar 500 450 400 350 300 250 200 150 100 50 2.80% 2.40% 2.00% 1.60% 1.20% 0.80% 0.40% 0.00% -0.40% -0.80% -1.20% -1.60% -2.00% -2.40% -2.80% 0 • El histograma clasifica los datos de acuerdo al número de observaciones cuyos valores se encuentran en un determinado intervalo. • Valor medio: -0,053% • Desviación estándar o Volatilidad*: 0,48% * Se define volatilidad como la desviación estándar de los retornos porcentuales de una serie J. Miguel Cruz 2011 Calculando la frecuencia acumulada Distribución Acumulada 1,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 -4,0% -3,0% -2,0% -1,0% 0,00 0,0% 1,0% 2,0% 3,0% 4,0% • Un 50% de las observaciones presentan un cambio en el dólar inferior a -0,05% • Un 5% de las observaciones presentan un cambio de -0,8% o menos • El punto de corte para que un 95% de las observaciones sean mayores que dicho valor: -0,8% J. Miguel Cruz 2011 Primavera 2011 4 IN 5303 Prof. J. Miguel Cruz Ejemplo: Tipo de Cambio 590.00 580.00 570.00 560.00 550.00 540.00 530.00 520.00 510.00 500.00 490.00 0 20 40 60 80 100 120 J. Miguel Cruz 2011 Ejemplo: Introducción al VaR Supongamos el siguiente portfolio: Riesgo Exposición (UF) Tasa interés Corto Plazo $ 106.500 Tasa interés Largo Plazo US$ 295.000 Tasa interés Corto Plazo US$ 205.000 Dólar 95.200 Totales 701.700 ¿Cuál de estas posiciones presenta mayor riesgo? J. Miguel Cruz 2011 Primavera 2011 5 IN 5303 Prof. J. Miguel Cruz Sensibilidad Supongamos que mi portfolio presenta las siguientes sensibilidades: Riesgo Exposición (UF) Tasa interés Corto Plazo $ 106.500 Tasa interés Largo Plazo 295.000 Tasa interés CP US$ 205.000 Dólar 95.200 Totales 701.700 Sensibilidad 0,29 0,71 0,18 1,00 Sens. (UF) 30,9 209,5 36,9 95,2 ¿Cuál de estas posiciones representa mayor riesgo? J. Miguel Cruz 2011 Introducción de un nuevo concepto: el VaR Supongamos que las volatilidades son tales que: Riesgo Exposición (UF) Sensibilidad Sens. (UF) Volatilidad Tasa interés Corto Plazo $ Tasa interés Largo Plazo US$ 106.500 295.000 0,29 0,71 30,9 209,5 0,145% 0,278% Tasa interés Corto Plazo US$ Dólar 205.000 95.200 0,18 1,00 36,9 95,2 0,101% 1,578% Totales 701.700 ¿Cuál de estas posiciones representa mayor riesgo? J. Miguel Cruz 2011 Primavera 2011 6 IN 5303 Prof. J. Miguel Cruz Riesgo total se diversifica Si calculamos pérdidas potenciales, ¿qué posición es más riesgosa? Riesgo Exposición (UF) Tasa interés Corto Plazo $ 106.500 Tasa interés Largo Plazo US$ 295.000 Tasa interés Corto Plazo US$ 205.000 Dólar 95.200 Totales 701.700 Sensibilidad 0,29 0,71 0,18 1,00 Sens. (UF) Volatilidad Pérdida Pot 308,9 0,145% 89,6 2094,5 0,278% 1.164,5 369,0 0,101% 74,5 952,0 1,578% 3.004,5 4.333,16 ¿Cuánto es el riesgo total? a) b) c) d) UF 701.700 UF 4.333,16 Menos de UF 4.333,16 Más de UF 4.333,16 J. Miguel Cruz 2011 Recordando la definición del VaR Definición de Value at Risk: Máxima pérdida esperada dado un horizonte de tiempo y un intervalo de confianza. P = Prob{ ∆V ≥ VaR} 5% de Prob. Distribución del cambio en el valor de un instrumento en un día 5 2.5 0 -2.5 Valor en Riesgo -5 (Volatilidad 1.5% diaria) J. Miguel Cruz 2011 Primavera 2011 7 IN 5303 Prof. J. Miguel Cruz Definición de VaR (Cont.) P = Prob{ ∆V ≥ VaR} Para calcular VaR necesitamos la distribución de probabilidad de ∆V: si f es la función de densidad, entonces: VaR ∫ f ( x ) dx = 1 − P −∞ Sin embargo, podemos obtener VaR en forma directa si conocemos la función de distribución acumulada F de ∆V: F (VaR ) = 1 − P Y esto se simplifica a encontrar la inversa de la distribución acumulada: VaR = F −1 (1 − P ) J. Miguel Cruz 2011 Buscando la distribución Normal El valor de la cartera puede descomponerse en n factores de riesgo El cambio en V puede representarse como: Donde O ( ∆f 2 ) = ~ ~ ~ V~ = V ( f1 , f 2 , L , f n ) ∆V = ∂V ∂V ∂V ∆f1 + ∆f 2 + L + ∆f n + O ( ∆f 2 ) ∂f1 ∂f 2 ∂f n 1 ∂ 2V ∂ 2V ∂ 2V 2 ∆f12 + 2 ∆f 22 + L + 2 ∆f n2 + L + ≈ 0 2 ∂f1 ∂f 2 ∂f n J. Miguel Cruz 2011 Primavera 2011 8 IN 5303 Prof. J. Miguel Cruz El supuesto de linealidad es importante Suponemos que sólo importan los efectos de primer orden No incorpora convexidad No captura comportamiento de derivados no lineales – Opciones J. Miguel Cruz 2011 Usando Taylor, y reconociendo cambios porcentuales de factores Luego ∆V se escribe como: Esto a su vez puede re escribirse como: O bien simplificamos ∆V ≈ ∂V ∂V ∂V ∆f1 + ∆f 2 + L + ∆f n ∂f1 ∂f 2 ∂f n ∆V S1 ⋅ f1 ∆f1 S ⋅f + L + n n ≈ ⋅ V V f1 V ∆f ⋅ n fn ∆V ≈ w1 ⋅ ~ x1 + L + wn ⋅ ~ xn V J. Miguel Cruz 2011 Primavera 2011 9 IN 5303 Prof. J. Miguel Cruz Luego podemos encontrar una distribución normal multivariada... Concluimos que, la ecuación P = Prob{ ∆V ≥ VaR} es aproximadamente equivalente a (si V>0): Pr{V ⋅ (w1 ⋅ ~ x1 + w2 ⋅ ~ x2 + L + wn ⋅ ~ xn ) ≥ VaR} Es decir: con: VaR Pr{~z ≥ } V ~z = (w1 ⋅ ~ x1 + w2 ⋅ ~ x2 + L + wn ⋅ ~ xn ) J. Miguel Cruz 2011 Definición de VaR (Cont.) Si los factores de riesgos corresponden a procesos Normales multivariados ~ xi → N ( µ i , σ i2 ) Cov ( ~ xi , ~ x j ) = ρ ij ⋅ σ i ⋅ σ j = σ ij Entonces el cambio en el valor se distribuye como una normal Donde los parámetros de la distribución son ∆V ~ ≡ z = w1 ⋅ ~ x1 + L + wn ⋅ ~ xn → N ( µ z , σ z2 ) V µ z = w′ ⋅ µ [Σ]ij = σ i ⋅ σ j ⋅ ρ ij σ z2 = w ′ ⋅ Σ ⋅ w J. Miguel Cruz 2011 Primavera 2011 10 IN 5303 Prof. J. Miguel Cruz Definición de VaR (Cont.) La definición de VaR puede escribirse entonces como P = Prob (∆V ≥ VaR ) ⇔ P = Pr ob ( ∆V VaR ≥ ) si V 〉 0 V V Entonces, si la distribución es normal VaR = µ z − k P ⋅σ z V k P = N −1 (1 − P ) Donde los parámetros de la distribución se refieren al cambio porcentual medio (o esperado) del cambio porcentual de la cartera, y a la desviación estándar del cambio porcentual de la cartera J. Miguel Cruz 2011 VaR Individual Para un factor de riesgo individual podemos evaluar el VaR sobre la cartera O bien, ( VaRi = wi ⋅ µ i − k P ⋅ σ i V ( ) VaRi = S i ⋅ f i ⋅ µ i − k P ⋅ σ i ) Lo que equivale a Donde ei es la elasticidad de V al factor i ( VaRi = V ⋅ ei ⋅ µ i − k P ⋅ σ i ) J. Miguel Cruz 2011 Primavera 2011 11 IN 5303 Prof. J. Miguel Cruz VaR Individual vs. VaR Total Como el VaR total de una cartera se puede escribir como, VaRT = V ( µ ∆V / V − k P ⋅ σ ∆V / V ) Entonces VaRT = V (∑ ei ⋅ µi ) − V ⋅ k P ⋅ w T Σw VaRT = ∑ ∆Vi − v T Ωv Por lo que Donde Ω es la matriz de correlaciones y v es el vector de VaR individual J. Miguel Cruz 2011 VaR y Procesos Continuos P = Prob{ dV ≥ VaR} El cambio en el valor de la cartera puede descomponerse en n factores de riesgo Esto a su vez puede re escribirse como: dV = ∂V ∂V ∂V df1 + df 2 + L + df n + ... ∂f1 ∂f 2 ∂f n dV = S1 ⋅ f1 ⋅ d Ln( f1 ) + L + S n ⋅ f n ⋅ d Ln( f1 ) J. Miguel Cruz 2011 Primavera 2011 12 IN 5303 Prof. J. Miguel Cruz VaR y procesos de difusión Si los factores de riesgos corresponden a procesos de difusión geométricos correlacionado d Ln( f i ) ≡ dxi = µ i dt + σ i dz i dz i → N (0, dt ) E ( dz i ⋅ dz j ) = ρ ij ⋅ dt Entonces el cambio en el valor puede escribirse como combinación de dV procesos normales = w1 ⋅ dx1 + L + wn ⋅ dx n → N ( µ V dt , σ V2 dt ) µV = w ′ ⋅ µ σ V2 = w ′ ⋅ Σ ⋅ w J. Miguel Cruz 2011 Si el cambio de la cartera es normal, VaR es directo 5% de Prob. 5 2.5 0 -2.5 -5 Valor en Riesgo J. Miguel Cruz 2011 Primavera 2011 13 IN 5303 Prof. J. Miguel Cruz VaR Covariado Encontrar el efecto combinado de todos los factores de riesgos VaR1 T VaR1 VaR2 VaR2 Ω VaRC = µ z − M M VaRn VaRn Donde 1 2 σ 1 0 L 0 σ 1 0 L 0 0 σ 0 0 σ 2 0 2 Σ= Ω M L O M M L O M 0 0 L σn 0 0 L σn J. Miguel Cruz 2011 Intuición Si el VaR de tasas de 1 día es 100M de $, Podemos asegurar con un 95% de confianza que si mañana es 1 día como los últimos 100 días, entonces dada nuestra cartera, no perderemos más que 100M$ por movimientos en las tasas de interés. J. Miguel Cruz 2011 Primavera 2011 14 IN 5303 Prof. J. Miguel Cruz Caso 1: VaR de un instrumento y 1 factor de riesgo Cálculo básico del VaR de una posición en un instrumento, suponiendo comportamiento lineal : VaR = VP ⋅ k ⋅ σ P ⋅ t Valor Presente de la Posición Ejemplo Dólar: Confianza Volatilidad Precio Plazo 1, 5 VaR = 5.200 ⋅ 1,64 ⋅ 100 ⋅ 1 = 127,9 J. Miguel Cruz 2011 Calculando la volatilidad precio Para un factor de riesgo f que influye en el valor de mercado VP, la volatilidad precio se calcula a partir de la volatilidad de la variable observada σf ∆VP V P ⋅ σ f σ P ≈ ∆f f Sensibilidad J. Miguel Cruz 2011 Primavera 2011 15 IN 5303 Prof. J. Miguel Cruz Volatilidad precio y tasa En el caso de la renta fija tendremos que la volatilidad precio se aproxima a la volatilidad tasa de acuerdo a la relación: D σP =−DM ⋅ y⋅σy =− ⋅ y⋅σy (1+y) En donde D es duración e y es la tasa de interés relevante J. Miguel Cruz 2011 Proceso de “Mapping” (Renta Fija) Mapping de Flujos de Caja: – Valor presente del flujo original igual a la suma de los dos valores presentes resultantes – El riesgo de mercado del flujo original sea igual al riesgo de mercado de una cartera que contenga los dos flujos – El signo del flujo original debe ser igual al de cada uno de los dos flujos resultantes tasa f f1 f2 Plazo J. Miguel Cruz 2011 Primavera 2011 16 IN 5303 Prof. J. Miguel Cruz Ejemplo de “Mapping” Supongamos que disponemos de la siguiente información: F. Riesgo Tasa Vol. Tasa Corr 1,503% 1,374% 0,963 (años) 5 7 7,628% 7,794% Y se necesita descomponer un flujo de caja de 7.500 y plazo de 6,08 años. tasa f = 7.500 f2 f1 5 7 tiempo Paso 1: Igualar Valores Presentes de los flujos α·VP(f) = VP(f1) y (1-α)·VP(f) = VP(f2) J. Miguel Cruz 2011 “Mapping” : Cont. Paso 2: Igualar Valor en Riesgo de la inversión F, con el Valor en riesgo de la inversión F1 + F2 : VaR[VP(f)] = VaR[VP(f1)+VP(f2)] VP[ f ] ⋅ k ⋅ σ Pr 6.08 = (VP[ f1 ] ⋅ k ⋅ σ Pr 5 )2 + (VP[ f 2 ] ⋅ k ⋅ σ Pr 7 )2 + 2 ⋅ ρ 5,7 ⋅ VP[ f1 ] ⋅ VP[ f 2 ] ⋅ k 2 ⋅ σ Pr 5 ⋅ σ Pr 7 Lo que equivale a determinar α tal que, σ Pr2 6.08 = α 2 ⋅σ Pr2 5 + (1 − α )2 ⋅σ Pr2 7 + 2 ⋅ ρ5,7 ⋅σ Pr 5 ⋅σ Pr 7 ⋅α ⋅ (1 − α ) Paso 3: Verificar que la solución que se obtiene genera flujos f1 y f2 ambos del mismo signo que f J. Miguel Cruz 2011 Primavera 2011 17 IN 5303 Prof. J. Miguel Cruz “Mapping”: Cont. Para realizar los diferentes pasos, debemos calcular lo siguiente: Plazo Tasa Vol. Tasa Vol. Precio (años) 5 6,08 7 7,628% 7,718% 7,794% 1,503% 1,433% 1,374% 0,533% 0,620% 0,695% Cálculos: DM ·y ·σ σy Interpolación J. Miguel Cruz 2011 “Mapping”: Resultados En la práctica, al resolver la ecuación de segundo grado, hay que escoger la solución que se encuentra entre 0 y 1. Si esto no ocurre, usar volatilidad tasa en vez de volatilidad precio. En el ejemplo anterior, debemos resolver 0,384 = 0,284 ⋅α 2 + 0,483 ⋅ (1 − α ) 2 + 0,713 ⋅α ⋅ (1 − α ) Lo que equivale a: 0,54⋅α 2 − 0,253⋅α + 0,099 = 0 y arroja solución aceptable α = 0.404 Plazo Tasa Vol. Tasa Vol. Precio Flujo VP 3.030 7.500 4.470 1.928 4.773 2.844 (años) 5 6,08 7 7,628% 7,718% 7,794% 1,503% 1,433% 1,374% 0,533% 0,620% 0,695% J. Miguel Cruz 2011 Primavera 2011 18 IN 5303 Prof. J. Miguel Cruz Ejemplo de VaR Ejemplo cartera simple: +150 millones EUR Cero cupón 5 años - 59 millones GBP Cero cupón 3 años Plazo Principal TIR VPN Tasa FX VPN US$ 5 EUR 150 MM 5.33 % EUR 115.7 MM 1.5318 75.53 MM 3 GBP -59 MM 7.00 % GBP -48.2 MM 1.5499 -74.13 MM Valor Neto 0.89 MM J. Miguel Cruz 2011 Ejemplo Cálculo Paramétrico del VaR Posición 5y Cero EUR 3y Cero GBP EUR/USD GBP/USD VPN EUR GBP EUR GBP 115.7 MM -48.2 MM 115.7 MM -48.2 MM Vol Precio v diaria Vector VaR 0.36 % 0.23 % 0.64 % 0.64 % 416,518 -110,770 740,476 -308,230 v VaR en USD 271,914 -171,680 483,402 -477,730 VaR = {v’ * [C] * v}^0.5 [C] (1 STD: 66% prob) 408,615 USD VaR 95% : 670,128 USD EUR 5y GBP 3y EUR/USD GBP/USD EUR 5y GBP 3y EUR/USD GBP/USD 1.0000 0.8058 -0.3014 -0.1208 0.8058 1.0000 -0.2149 -0.0493 -0.3014 -0.2149 1.0000 0.6557 -0.1208 -0.0493 0.6557 1.0000 J. Miguel Cruz 2011 Primavera 2011 19 IN 5303 Prof. J. Miguel Cruz Volatilidad del tipo de cambio 1.20% 1.00% 0.80% exp media 0.60% móvil 30 móvil 100 0.40% 0.20% Ene-08 Ene-07 Ene-06 Ene-05 Ene-04 Ene-03 Ene-02 Ene-01 Ene-00 0.00% J. Miguel Cruz 2011 Cálculo de Volatilidades y Correlaciones EWMA (Media Móvil Exponencial) – Típicamente supone media cero – Pesa más la historia reciente que la pasada σ 2 t +1 / t ∞ = (1 − λ )∑ λi rt 2−i i =0 Equivale a σ t2+1/ t = (1 − λ ) ⋅ rt 2 + λ ⋅ σ t2/ t −1 J. Miguel Cruz 2011 Primavera 2011 20 IN 5303 Prof. J. Miguel Cruz Caso de covarianzas es similar Para el caso de retornos de activos 1 y 2 ∞ σ 12,t +1/ t = (1 − λ )∑ λi ⋅ r1,t −i ⋅ r2,t −i i =0 σ 12,t +1/ t = (1 − λ ) ⋅ r1,t ⋅ r2,t + λ ⋅ σ 12,t / t −1 J. Miguel Cruz 2011 Por lo que el coeficiente de correlación se calcula como: Coeficiente de correlación EWMA ρ12,t +1/ t = σ 12,t +1/ t σ 1,t +1/ t ⋅ σ 2,t +1/ t J. Miguel Cruz 2011 Primavera 2011 21 IN 5303 Prof. J. Miguel Cruz Pero...riesgo sistemático o riesgo total? Usando el supuesto que los accionistas de la empresa diversifican su riqueza en el mercado de capitales, y se comportan como minimizadores de riesgo para un nivel de rentabilidad, entonces, ri = rF + β i ⋅ ( rM − rF ) + ε i Riesgo sistemático es el que vale Riesgo sistemático Riesgo no sistemático (específico) σ i2 = β i2 ⋅ σ M2 + Var (ε i ) J. Miguel Cruz 2011 Cambio de paradigma? Supuestos de MM y CAPM Los Practitioners...y sus tests empíricos Hedging La revolución del VaR Volatility matters... J. Miguel Cruz 2011 Primavera 2011 22 IN 5303 Prof. J. Miguel Cruz VaR Marginal mide cómo cambia el VaR total cuando cambia el VaR individual Para el VaR Paramétrico sabemos que n n VaR 2 = VI ´⋅Ω ⋅ VI = ∑∑ VaRi ⋅ VaR j ⋅ ρ ij i =1 j =1 Donde VI es el vector de VaR individuales y Ω es la matriz de correlaciones. También puede escribirse en función de los Valores presentes de cada factor de riesgo: n n VaR 2 = k 2 ⋅VP´⋅Σ ⋅ VP = k 2 ⋅ ∑∑ VPi ⋅ VPj ⋅ σ ij i =1 j =1 J. Miguel Cruz 2011 Estimando el VaR marginal Si cambia el VaR individual i, entonces 2 ⋅ VaR ⋅ ∂VaR = 2 ⋅ (Ω⋅ VI )i ∂VI i Es decir, ∂VaR (Ω⋅ VI )i = ≡ δi ∂VI i VaR J. Miguel Cruz 2011 Primavera 2011 23 IN 5303 Prof. J. Miguel Cruz Interpretando el VaR Marginal (Ω⋅ VI )i Notemos que VaR Por otro lado, 1 n = ∑VaR j ⋅ ρ ij VaR j =1 n n VaR = ∑∑ VaRi ⋅VaR j ⋅ ρ ij 2 i =1 j =1 Lo que se puede escribir como: VaR = n n 1 n VaR VaR ⋅ ρ = VaRi ⋅ δ i ∑ i∑ ∑ j ij VaR i =1 j =1 i =1 J. Miguel Cruz 2011 El concepto del VaR Incremental Podemos descomponer el VaR total por el impacto que tiene cada VaR individual sobre el VaR marginal n n i =1 i =1 VaR = ∑ VaRi ⋅ δ i = ∑ VINCRi El VaR incremental mide el impacto que realiza cada factor de riesgo al incorporar los efectos de las correlaciones J. Miguel Cruz 2011 Primavera 2011 24 IN 5303 Prof. J. Miguel Cruz Analizando el impacto de cambiar el Valor Presente de un factor Igual que antes podemos escribir que (Σ ⋅VP )i ≡ k 2 ⋅ β ∂VaR = k2 ⋅ i ∂VPi VaR Lo que implica que llegamos a un resultado similar al planteado antes n n 1 n 2 VaR = k ⋅ VPj ⋅ σ ij = k ⋅ ∑ VPi ⋅ β i ∑VPi ∑ VaR i =1 j =1 i =1 2 J. Miguel Cruz 2011 Primavera 2011 25