El VaR

Coleccin Mercados
M-2

Pablo Garca Estvez Diciembre 2008.

ISSN: 1989-5232

1. Introduccin

VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la divisin RiskMetric de JP Morgan en 1994. El VaR es una manera de medir el riesgo de mercado de un activo o una cartera de activos financieros. De manera resumida el VaR cuantifica la mxima prdida potencial que una cartera puede tener en funcin de un nivel de confianza, y para un determinado horizonte temporal. Dicho de otra manera, al calcular el VaR obtendremos un nmero que representa la prdida mxima que se puede tener en la cartera. Por ejemplo, si el VaR de una cartera muestra una prdida de 5.000 euros en un da, con un ndice de confianza del 95%, no quiere decir que obligatoriamente se pierdan los 5.000 euros, sino que, en el caso de entrar en prdidas, lo mximo que se puede perder de hoy a maana, y con una probabilidad del 95%, son 5.000 euros. De esta forma se puede ajustar el capital necesario.

Fig. 1 Histograma de Frecuencias de las prdidas y ganancias diarioas del IBEX-35 desde 1990 hasta 2002

Otra medida complementaria del VaR es la denominada Prdida Esperada en la Cola o ETL (Expected Tale Looses). Cuando se calcula el VaR para un ndice de confianza determinado, por ejemplo, el 95%

Coleccin Mercados M-2

se divide la distribucin de prdidas y ganancias en dos conjuntos: uno que contiene el 5% y tiene las prdidas superiores al VaR, y otro del 95% con las prdidas inferiores al VaR y los beneficios. Esto se puede observar en la Figura 19, donde se ha construido el histograma de frecuencias de las prdidas y ganancias diarias del IBEX-35 desde enero de 1990 hasta finales de 2002. La lnea vertical que parte en un nivel de prdidas entre los -150 y los -200 euros, es el quinto percentil de la distribucin que deja a la izquierda el 5% y a la derecha el 95% de la distribucin. Esa lnea representa el VaR al 95%, ya que es la mxima prdida que se puede obtener al 95% de probabilidad. Dicho de otra manera, si las prdidas y ganancias fuesen un juego de azar y las extracciones se obtuviesen de este histograma, hay un 95% de obtener una prdida o una ganancia del conjunto de la derecha, y la mxima prdida son -150 euros. Pero existe un 5% de probabilidad de obtener una prdida diaria superior a -150 y ese riesgo no es desdeable; un gestor de carteras puede adecuar su capital perfectamente a lo que le indique el VaR, ya que puede arruinar la empresa si un da obtiene una prdida dentro del conjunto situado a la izquierda del percentil que marca el VaR y esa prdida es lo suficientemente grande. Es decir, es preciso tener tambin alguna medida de esas prdidas que se quedan en la cola. Esa medida es el promedio de las prdidas que exceden al VaR por la izquierda durante un periodo de tiempo. A esta media es lo que denominamos ETL.

2. Clculo del VaR

Bsicamente el VaR se puede calcular mediante dos metodologas: 1. Metodologa paramtrica. Basada en las varianzas y covarianzas de los rendimientos de los precios de los activos. 2. Metodologa de simulacin, que se subdivide en: a. Simulacin histrica. En funcin de los rendimientos histricos de los precios de los activos. b. Simulacin de MonteCarlo. En funcin de la simulacin de rendimientos mediante nmeros aleatorios.

3. La metodologa paramtrica.
Esta metodologa es la recomendada para carteras de acciones y de divisas en las que se conoce la distribucin estadstica de los rendimientos. La ecuacin que calcula el VaR paramtrico es la siguiente:

VaR = VM i N t
Donde VM es el valor de mercado del activo, i es la desviacin estndar de los rendimientos de los precios del activo y N es el nmero de desviaciones estndar que hay dentro del nivel de confianza escogido y la distribucin estadstica elegida (generalmente se utiliza la distribucin normal). En el caso de una cartera de activos, el VaR vendr dado por la siguiente ecuacin:

M-2 El VaR Pablo Garca Estvez

Coleccin Mercados

Coleccin Mercados M-2

VaRP = VMC P N t
Donde VMC es el valor de mercado de la cartera
P =

X
i =1 j =1

X j ij

Veamos un ejemplo: Supongamos una cartera de acciones con un valor de 10.000 euros y que est compuesta por un 25% invertido en Acerinox, un 30% en Amadeus y el 45% restante en BBVA. Con los precios histricos de los de los ltimos cuatro aos y medio calculamos los rendimientos diarios, y obtenemos la informacin de la Tabla 5.

Tabla 1

Pesos Rendimiento STD Acerinox 25% 0,017% 2,179% Amadeus 30% -0,110% 3,234% BBVA 45% -0,011% 2,341% covarianzas Acerinox Amadeus BBVA Acerinox 0,0004746 0,00022582 0,0001853 Amadeus 0,00022582 0,00104613 0,000346 BBVA 0,0001853 0,000346 0,00054811

El riesgo de la cartera medido por su desviacin tpica es de 2,009% diario:

(0,25

0,0004746 0,00022582 0,0001853 0,25 0,30 0,45) 0,00022582 0,00104613 0,000346 0,30 = 0,02009 0,0001853 0,000346 0,00054811 0,45

Si asumimos una media de 240 das de cotizacin al ao representa una volatilidad anual del 31,13%

0,02009 240 = 0,3113

Para calcular el VaR paramtrico hay que aceptar la hiptesis de que los rendimientos de la cartera se distribuyen mediante una normal, y calcular cuntas desviaciones tpicas tiene dicha distribucin para el ndice de confianza indicado. La tabla 6 es una tabla de doble entrada. En las columnas se han situado los diferentes grados de confianza, y en las filas los diferentes horizontes temporales. En la segunda fila se ha insertado el clculo NSTD que indica el nmero de desviaciones tpicas que existen en una distribucin normal para el grado de confianza asignado. Por ejemplo, en el 99% de toda la distribucin estn comprendidas 2,33 desviaciones tpicas.
Tabla 2

M-2 El VaR Pablo Garca Estvez

Coleccin Mercados

Coleccin Mercados M-2

99% 2,33 468,10 661,99 1.046,70 2.093,39 3.625,86 98% 2,05 411,85 582,44 920,91 1.841,83 3.190,14 95% 1,64 329,48 465,95 736,73 1.473,46 2.552,11 90% 1,28 257,15 363,67 575,01 1.150,02 1.991,89

NSTD 1 2 5 20 60

Aplicando la ecuacin del VaR paramtrico para carteras se pueden calcular las diferentes prdidas mximas para cada uno de los grados de confianza, y los diferentes horizontes temporales de la tabla anterior. Por ejemplo, la mxima prdida que puede tener la cartera de 10.000 euros, en cinco das y para un grado de confianza del 95%, es de 736,73 euros. 10.000 0,02009 1,64 Raz (5) = 736,73

4. Simulacin histrica.
Cuando no se est seguro de que la distribucin de los rendimientos es una normal, no es aconsejable utilizar el mtodo paramtrico.

Fig. 2 Distribuciones de los rendimientos del EURIBOR para diferentes vencimientos.

En la figura 21 mostramos los histogramas de los rendimientos del Euribor para diferentes vencimientos. Como se puede observar, slo el Euribor a 12 meses tiene un histograma semejante a una normal. El resto de los vencimientos se aleja mucho de la campana tpica de la distribucin normal.
M-2 El VaR Pablo Garca Estvez

Coleccin Mercados

Coleccin Mercados M-2 El procedimiento para el clculo del VaR mediante la simulacin histrica es el siguiente: 1. 2. Identificacin de las series temporales de las variables que afectan al valor del activo.

Calculo de los rendimientos en cada periodo. Se utiliza para realizar este clculo las tasas de variacin continuas:

P Rto = Ln iX P (i 1) X

Donde PiX es el valor i esimo de la serie de la variable X. 3. 4. 5. 6. Generacin de los rendimientos simulados. A los valores actuales se les aplica las n-1 tasas de variacin calculadas anteriormente, obteniendo n-1 escenarios. Clculo de los precios para cada escenario mediante la siguiente ecuacin. P1 = P0 eRto Clculo de las prdidas o ganancias para cada precio calculado. Calculo del percentil del vector de prdidas y ganancias.

Veamos un ejemplo: Analicemos una cartera de 9.998,73 euros invertida ntegramente, a finales de agosto de XX04, en un fondo de inversin indiciado al ndice AIAF de bonos y obligaciones empresariales con vencimiento superior a 2 aos. Esto supone e haber comprado 2.421 ttulos. Los datos que recibe el inversor son mensuales y se puede albergar la sospecha de que la distribucin de los rendimientos mensuales no se comporta como una normal. Para comprobarlo se construye el diagrama de frecuencias de los rendimientos mensuales del ndice AIAF, y se compara con una distribucin normal. La Figura 22 muestra este diagrama de frecuencias.

Fig. 3 Histograma de frecuencias de los rendimientos mensuales del ndice AIAF desde octubre de XX91 hasta noviembre de XX01.

M-2 El VaR Pablo Garca Estvez

Coleccin Mercados

Coleccin Mercados M-2

Nuestras sospechas se confirman, ya que el grfico de barras se asemeja muy poco a la figura de la distribucin normal. Esto condiciona elegir la metodologa de clculo del VaR y obliga a rechazar la metodologa paramtrica. Por lo tanto, en este ejemplo emplearemos la simulacin histrica. Observemos la tabla 3, donde se ha realizado una simulacin histrica. En la columna B estn los valores mensuales del ndice AIAF. En la columna C se ha calculado su rendimiento mensual mediante la siguiente ecuacin: Rto = Ln(Precio mes actual / Precio mes pasado) Estos rendimientos son los que vamos a utilizar para realizar la simulacin de los precios del mes siguiente. Para ello situamos el ltimo precio de la columna B en la fila 2 de la columna D. Este es el ltimo precio del AIAF en nuestra base de datos.
Tabla 3

A 1 2 3 4 5
91 OCT

B AIAF 11,56

C Rto

D Sim 4,13

E Cartera 9.998,73

F PYG

91 NOV 11,756

1,68% 4,20 10.168,20 169,47 91 DIC 11,626 -1,11% 4,08 9.877,68 -121,05 92 ENE 11,603 -0,20% 4,12 9.974,52 -24,21 4,28 4,11 4,07 4,13 1,18% -4,05% -0,98% 1,46% 4,18 10.119,78 121,05 3,97 9.611,37 -387,36 4,09 9.901,89 -96,84 4,19 10.143,99 145,26

153 154 04 JUN 155 04 JUL 156 04 AGO

04 MAY

El precio para el prximo mes se calcula utilizando el rendimiento que aparece en la columna B. As el precio simulado se calculara con la siguiente ecuacin: Pproximo mes = Precio ahora x eRendimiento En nuestro caso: Pproximo mes = 4,13 x eRendimiento As, en nuestro ejemplo, el precio del ndice AIAF para el prximo mes se calculara como Coleccin Mercados 4,13 x e1,68% = 4,20 La siguiente celda no representa el siguiente mes, sino la segunda simulacin. Lo que pretendemos es realizar diferentes simulaciones del posible precio para el prximo mes. As, la segunda simulacin sera 4,13 x e-1,11% = 4,08 Es decir, que el precio simulado siempre tendr como referencia el ltimo valor de la base de datos, y ese nuevo precio simulado es calculado con los rendimientos histricos. De este modo este mtodo intenta captar el comportamiento del activo a analizar. Dentro de ese comportamiento subyace la
M-2 El VaR Pablo Garca Estvez

Coleccin Mercados M-2

distribucin real de los rendimientos. En este tipo de simulacin, cuantos ms das se tenga en la base de datos, mejor pues ofrecer mayor informacin del comportamiento del activo. Una vez que se ha simulado la nueva serie de precios del ndice AIAF se puede calcular el valor simulado de la cartera en cada momento. Estos clculos aparecen en la columna E y no es ms que multiplicar 2.421 ttulos por el valor del ndice AIAF. Por ejemplo, la primera simulacin es: 2.421 x 4,20 = 10.168,20 Con estos datos podemos calcular la serie simulada de prdidas y ganancias para cada simulacin, calculando las diferencias de cada valor de la cartera con el valor de compra de la cartera, que se sitan en la columna F. Para la primera simulacin sera: 10.138,20 9.998,73 = 169,47 Para la segunda simulacin 9.877,68 9.998,73 = -121,05 Una vez completada esta serie se puede calcular el VaR con un ndice de confianza del 95% con el quinto percentil de la serie de prdidas y ganancias. El valor del VaR (95%) es de 871,56 euros de prdida. Es decir que la mxima prdida que el inversor puede tener en un mes comprando esta cartera es de 871,56 euros.

5. Simulacin por MonteCarlo

El VaR mediante la simulacin de MonteCarlo utiliza nmeros aleatorios para simular las variaciones de las variables con las que se calcula el precio de la cartera. Se puede resumir esta tcnica en los siguientes pasos: 1. Identificar las variables creadoras de valor de la cartera y tomar una serie histrica de precios 2. Calcular los rendimientos peridicos mediante el logaritmo neperiano del cociente de los precios correlativos 3. Generar tantos nmeros aleatorios como simulaciones se quiera realizar 4. Cada nmero aleatorio representa una frecuencia acumulada que est asignada a un rendimiento en concreto 5. Utilizar ese rendimiento para calcular la variacin de los precios 6. Calcular la serie de prdidas y ganancias con los precios simulados 7. Calcular el percentil adecuado que represente el Valor en Riesgo. Veamos un ejemplo. El 29 de abril de XX04 un inversor quiere calcular el VaR, a travs de la simulacin de MonteCarlo, de una cartera que compra 9 futuros mini del S&P 500. Para esto toma la serie de precios de cierre de este ndice desde el 28 de noviembre de XX97, y calcula los rendimientos diarios con el logaritmo neperiano de los precios diarios correlativos. El paso siguiente es generar nmero aleatorios. Se generan 1.601 nmeros aleatorios para realizar 1.601 simulaciones. Cada nmero aleatorio se puede asociar a la distribucin de rendimientos. Coleccin Mercados

M-2 El VaR Pablo Garca Estvez

Coleccin Mercados M-2

Tabla 4

A
1 2 3 4 5 6 1 2 3 4

B
RND
0,5839 0,8065 0,5356

C
Rto
0,26% 1,00% 0,12% 0,56% 0,39%

D
S&P500

E
Cartera

F
PYG
26,01 100,62 -14,40 11,97 55,80 39,69 -273,51

Sim

1.113,89 10.025,01 1.116,78 10.051,02 1.125,07 10.125,63 1.115,22 10.036,98 1.120,09 10.080,81 1.118,30 10.064,70 9.751,50

0,4466 -0,14% 1.112,29 10.010,61

1601 1.599 0,6818 1602 1.600 0,6300

1603 1.601 0,0181 -2,77% 1.083,50

En la tabla 4 hemos realizado todos estos clculos. En la columna B hemos simulado los 1.601 nmeros aleatorios. Cada uno de ellos representa un percentil de la distribucin de rendimientos del ndice. Por ejemplo, en la primera simulacin el nmero aleatorio es 0,5389, o lo que es lo mismo, el percentil 54 de la distribucin. Este percentil est representado por un rendimiento del 0,26% diario. En la segunda simulacin el nmero aleatorio es 0,8065 lo que representa el percentil 81 de la distribucin y est asociado a un rendimiento del 1%. Estos datos los hemos situado en la columna C. Con estos datos podemos calcular el nuevo precio simulado del S&P500 usando la siguiente ecuacin: Nuevo precio = 1.113,89 x eRendimiento As, para la primera simulacin 1.113,89 x e0,26% = 1.116,78 Datos que hemos situado en la columna D. Con estos datos se puede calcular el valor de la cartera para cada simulacin, multiplicando por 9 al valor simulado del S&P500; con esto obtenemos los posibles precios del S&P500 para maana. Los datos obtenidos estn en la columna E. Ahora se puede calcular las prdidas y ganancias diarias restando al valor de la cartera el valor actual de la misma. As para la primera simulacin: 10.051,02 10.025,01 = 26,01 Para la segunda 10.125,63 10.025,01 = 100,62 Las prdidas y ganancias estn situadas en la columna F. Ahora podemos calcular el VaR con un ndice de confianza del 95% buscando el quinto percentil de la distribucin de prdidas y ganancias. Este clculo resulta ser -192,06. La mxima prdida para la cartera, a un da y con un ndice de confianza del 95% es 192,06 euros. Coleccin Mercados

M-2 El VaR Pablo Garca Estvez

Coleccin Mercados M-2

6. Clculo de la ETL
Como ya se ha sealado, la ETL son las siglas inglesas que se refieren a la Prdida Esperada en Cola (Expected Tale Loss) y representa el promedio de los valores negativos que exceden al VaR por la izquierda. Su clculo no est exento de complejidad, pero se puede resumir en los siguientes puntos: 1. 2. 3. 4. Calcular el VaR para una cartera en un periodo determinado Calcular las prdidas y ganancias de los ltimos n periodos Extraer las prdidas que excedan por la izquierda al VaR Calcular el promedio de esas prdidas

Tomamos el primer cuatrimestre del IBEX 35 y calculamos el VaR paramtrico con un ndice de confianza del 95% y una desviacin tpica de 60 das. Se construye la serie de prdidas y ganancias diarias como diferencia entre los valores correlativos del ndice. Por ltimo, observamos, para cada da, los 60 valores de prdidas y ganancias inmediatamente posteriores, y de esta serie de valores extraemos los que tienen un valor inferior al VaR de ese da. El promedio es la ETL. Lgicamente, y tomando el concepto de VaR, la ETL debe comprender el porcentaje complementario al ndice de confianza. Es decir, si hemos calculado un VaR al 95%, la ETL debe contener el 5% de los valores de prdidas y ganancias. La Figura 23 muestra la representacin de la ETL (lnea fina), del VaR (lnea gruesa), y de las prdidas y ganancias (+). Observamos que existen algunas prdidas que se sitan por debajo de la lnea del VaR. La ETL es el promedio de esas prdidas y como tal, se situar siempre por debajo del VaR.

Fig. 4 Representacin del VaR y de la ETL para periodos de 60 das del IBEX-35 desde abril de 2003 hasta abril de 2004

Cuando se calcula la ETL para una serie larga se cumplen las caractersticas que se han comentado en este epgrafe. Tomando la serie del IBEX 35 desde enero de 1990 hasta abril de 2004 se obtienen 3.336 valores. Al realizar el VaR paramtrico, al 95% de confianza y tomando 60 das para el clculo de la desviacin tpica, se observa que el 5,17% de las prdidas y ganancias diarias se sitan por debajo del nivel del VaR.

M-2 El VaR Pablo Garca Estvez

Coleccin Mercados

Coleccin Mercados M-2

10

La ETL es una mejor medida para la adecuacin del riesgo de los gestores ya que, aunque con el VaR al 95% se consigue que la adecuacin responda al 95% de los casos, uno de los casos del 5% restante puede tener tal magnitud de prdida que arruine la cartera o la empresa. La ETL mitiga en alguna medida este problema al aumentar el capital asignado a la adecuacin del riesgo.

Aragons J R, Blanco C, Garca Estvez P. 2005. Improving expected tail loss estimates with neural networks. Intelligent Systems in Accounting, Finance and Management 13: 81-94. Aragons, J. R. y Blanco, C. (2000) Valor en Riesgo. Ed. Pirmide. Artzner, P., F. Delbaen, J. M. Eber y D. Heath. 1999 Coherent Measures of Risk, Mathematical Finance, 9, November. Blanco, C. and Ihle G. 1998 How good is your VaR? Using backtesting to asses system performance, Financial Engineering News, August. 1 2. Blanco, C. Aragons J.R. y Garca Estvez, P. (2005) Improving expected tail loss estimated with Neural Netsworks. Intelligent Systems in Accounting, Finance & Management. Vol 13 Bodie, Z. Kane, A. y Marcus, A. Principios de inversiones. 2004. Ed. Mc Graw Hill Levy, H y Post T. (2005). Investment Ed. Prentice Hall Lpez Lubian, F y Garca Estvez, P. (2005) Bolsa, Mercados y Tcnicas de Inversin. Ed. Mc Graw-Hill.

Bibliografa

M-2 El VaR Pablo Garca Estvez

Coleccin Mercados