Post on 11-Aug-2021
Docente : Gerardo René Crespo Flores
Gestión Integral de Riesgos
Docente : Gerardo René Crespo Flores
Gestión de Riesgos Financieros
RIESGO DE
MERCADO
«Riesgo de mercado: el riesgo de registrar pérdidas derivadas de variaciones en los precios de mercado, por diversos factores de
riesgo de mercado»
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Gestión de Riesgos Financieros
RIESGO DE
MERCADO
«Riesgo de mercado: el riesgo de registrar pérdidas derivadas de variaciones en los precios de mercado, por diversos factores de
riesgo de mercado»
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Gestión de Riesgos Financieros
MAR (Marco Apetito al Riesgo) alineado al Plan Estratégico (indicadores)
Establecimiento de procedimientos para la toma de decisiones de negocio
Traducción del MAR en las Políticas
Enfoque“Top
Down”
Aprobado por el Directorio
Implementado por las Gerencias
Directorio
Comité de Riesgos
Aprobar el Marco Apetito alRiesgo (MAR) y las Políticas deCofide, así como asegurar quemantenga coherencia con laestrategia de corto y medianoplazo.
Definir y aprobar, comoinstancia previa, el MAR yasegurar que mantengacoherencia con la estrategiade corto y mediano plazo.
Indicadores KPI yKRI con niveles deapetito y toleranciaal riesgo
En caso de incumplimiento
Apetito y Tolerancia al
Riesgo
Se plantean tres posibles actuaciones:
• Acordar la medida de reducción de laexposición al riesgo.
• Aprobar el incumplimiento temporalmente.• Adoptar nuevo niveles de los indicadores.
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Mitigación de Riesgos
Identificación y Evaluación de
Riesgos
Seguimiento y Monitoreo de
Riesgos
Apetito y Límite al Riesgo
Herramientas
Políticas
Controles
Gestión de Riesgos Financieros
Triple Enfoque en la Gestión
de Riesgo de Mercado
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Gestión de Riesgos Financieros
Hechos Estilizados – Riesgos Financieros
(Riesgo de Mercado)
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Gestión de Riesgos Financieros
El Banco Baring se creó en el siglo XVIII por la familia del mismo nombre, empezó dedicándose a los negocios de tejidos pero alcanzó tanta repercusión que llegó a financiar las guerras contra Napoleón y tenía como cliente a la mismísima Reina de Inglaterra. Sin embargo quebró en 1995 por culpa del joven Nick Leeson.
https://www.bbva.com/es/nick-leeson-provoco-la-quiebra-del-banco-baring/
Caso de Estudio
1) ¿Qué factores de Riesgos desencadenaron la quiebra de Baring ?2) ¿Qué papel jugó Nick Leeson?3) ¿Qué medidas de control interno hubiese propuesto, desde la administración
de una nueva operación?4) ¿Qué importancia considera debería tener la regulación?
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Gestión de Riesgos Financieros
Aproximación al uso de técnicasEstadísticas en la Gestión de
Riesgo de Mercado
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Definición de Estadística
• Ciencia que trata acerca de la recopilación,organización, presentación, análisis e interpretaciónde datos numéricos, con el objeto de facilitar la tomade decisiones en cualquier campo.
10
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
¿Cómo se divide la Estadística?
• Estadística Descriptiva, es la que utiliza diversosprocedimientos con el fin de recopilar, organizar,presentar y resumir un conjunto de datos.
• Estadística Inferencial, es la que utiliza diversosmétodos para generalizar o inferir algo acerca de una“población” basados en resultados obtenidos enbase a una “muestra”.
11
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Población y Muestra
• Población, es un conjunto conformado por todos elementosobjeto de estudio (personas, objetos o mediciones).
• Muestra, es una parte o subconjunto de la población objetode estudio.
• Individuo, es todo elemento que está afectado por lacaracterística que se desea estudiar.
• Observación, es el dato o registro realizado comoconsecuencia del resultado de la observación en el individuo.
12
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Variable (Definición y Tipos)
• Variable, es todo valor o característica que puede tomar valores diferentescuando se observa a los individuos de una muestra o población.
– Cualitativas, son aquellas que indican cualidad, atributo o categoría.No proporcionan valores numéricos, pero se pueden categorizar através de números.
– Cuantitativas, son aquellas que indican cantidad.
• Discretas: cuando puede tomar número finito de valores posibles.
• Continuas: cuando puede tomar número infinito de valores posibles.
13
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Ejemplo Practico
• Una empresa que realiza una encuesta sobre el uso de cajero automáticosen el distrito de San Isidro (58,000 personas). De las 1500 personasencuestadas se tiene la siguiente información:
– El 60% de los habitantes de San Isidro usa la red de cajeros ABC Bank.
– La edad promedio de los encuestados fue 37 años.
– El 75% de los encuestados afirmó que únicamente los utiliza para retirardinero.
– El 8% de los encuestados afirmó haber sido asaltado al utilizar el cajero.
• Identificar población, muestra, variables en estudio y su tipo.
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Solución: • Población: 58,000 individuos
• Muestra: 1,500 individuos
• Variables:
– V1: “Usa cajero” (cualitativa)
• SI = 1: 0.6*1500 = 900 observaciones
• No = 0: (1500-900) = 600 observaciones
– V2: “Edad” (discreta) V2prom.=37 años
– V3: “Sólo retira dinero” (cualitativa)
• SI = 1: 0.75*900 = 675 observaciones
• No = 0: (900-675) = 225 observaciones
– V4: “Asaltado” (cualitativa)
• SI = 1: 0.08*900 = 72 observaciones
• No = 0: (900-72) = 828 observaciones
15
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
DISTRIBUCIÓN DE FRECUENCIAS
16
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Distribución de frecuencias• Se utiliza principalmente cuando los datos son cuantitativos.
• Caso: Variables cuantitativas continuas
– Determinar N° de intervalos (K) para “n” datos
• K >= 1 + 3.3*Log(n)
– Hallar el rango (R) de los datos
• R = Xmáx - Xmin
– Determinar la amplitud (A) de los intervalos
• A = R / K
– Construir los intervalos [LI LS>• K-ésimo intervalo: Límite inferior (LI ) : Xmin + (k-1)*A
• Límite superior (LS ) : Xmín + (k)*A
– Determinar marca de clase mk = (LI + LS)/2
– Hallar frecuencias absolutas (fk) de cada intervalo, contabilizando el número de datos
– Hallar las frecuencias absolutas acumuladas (Fk), asicomo las frecuencias relativas (hk yHk)
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Ejemplo Práctico
• En una compañía el sueldo mínimo de 200 empleados es deUS$ 150. Si se sabe que 20 empleados ganan al menos US$150, pero menos de US$ 180; 60 empleados ganan menos deUS$ 210; 110 empleados ganan menos de US$ 240; 180empleados ganan menos de US$ 270 y el 10% restante deempleados ganan a lo más US$ 300; reconstruir la distribuciónde frecuencias y graficar su polígono de frecuencias.
18
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Ejemplo Práctico
• El gráfico muestra la producción (en TM) de los tubérculos, durante el primer trimestre del 2008
• ¿En qué % desciende la producción de camote entre feb-08 y mar-08?
• ¿En qué % difiere la producción de camote respecto a la de papa en el mes de marzo?
• ¿Cuál es el promedio de la producción de papa en los tres meses?
19
TM
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
PROBABILIDAD
20
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Experimentos
• Experimento Aleatorio es cualquier experimento cuyoresultado inmediato no se puede predecir con certeza y quepuede ser repetido bajo las mismas condiciones.
• Espacio Muestral (Ω) es el conjunto formado por todos losposibles resultados de un experimento aleatorio. Puede serfinito o infinito.
• Suceso o evento es cualquier sub conjunto del espaciomuestral.
21
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Probabilidad• Es un número real que expresa la confianza o incertidumbre en la ocurrencia de un
evento cuyo resultado no se puede predecir con certeza.
• Si un experimento aleatorio se puede realizar de “n” maneras posibles ymutuamente excluyentes y nA de ellos tiene una característica A, la probabilidadque se obtenga un resultado con característica A es:
P(A) = nA / n
• P(A) satisface las siguientes condiciones:
– 0 <= P(A) <= 1
– P(Ω) = 1
– Si A y B son mutuamente excluyentes, se cumple que:
– P(A U B) = P(A) + P(B)
22
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
DISTRIBUCIÓN DE PROBABILIDADES
23
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Definición
• Una distribución de probabilidad describe la formaen que se espera que varíen los resultados.
• Se puede pensar en una distribución de probabilidadcomo una distribución de frecuencias teóricas.
24
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Diferencia entre distribución de probabilidad y de frecuencias
• Una distribución de frecuencias es un listado de lasfrecuencias observadas de todos los resultados deun experimento que se presentaron realmentecuando se efectuó el experimento, mientras que unadistribución de probabilidad es una lista de lasprobabilidades de todos los posibles resultados quepodrían obtenerse si el experimento se llevara acabo.
25
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Tipos de distribuciones de probabilidad
• Distribuciones de probabilidad discretas: sonaquellas para las cuales las variables posibles tieneun número limitado de valores.
• Distribuciones de probabilidad continua: sonaquellas en las que las variables que se estánconsiderando pueden tomar cualquier valor dentrode un intervalo dado.
26
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Variables Aleatorias
• Variable aleatoria discreta: es aquella que puedetomar solo un número de limitado de valores.
• Variable aleatoria continua: es aquella que puedetomar cualquier valor dentro de un intervalo dado.
27
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Ley de grandes números
• Se considera el primer teorema fundamental de lateoría de la probabilidad.
• Básicamente el teorema establece que la frecuenciarelativa de los resultados de un cierto experimentoaleatorio, tienden a estabilizarse en cierto número,que es precisamente la probabilidad, cuando elexperimento se realiza muchas veces.
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Teorema central de límite• El Teorema del Límite Central o Teorema Central del Límite indica que,
bajo condiciones muy generales, la distribución de la suma devariables aleatorias tiende a una Distribución Normal (tambiénllamada Distribución Gaussiana) cuando la cantidad de variables esmuy grande.
• Teorema: Sea X1, X2, ..., Xn una muestra aleatoria de una distribucióncon media μ y varianza σ2. Entonces, si n es suficientemente grande, lavariable aleatoria.
• Media: n*μ (media de la variable individual multiplicada por el número de variables independientes)
• Varianza: n*σ2 (varianza de la variable individual multiplicada por el número de variables individuales)
29
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Ejemplo Práctico
• La renta media de los habitantes de un país sedistribuye uniformemente entre US$ 4 mil. y US$ 10mil. Calcular la probabilidad de que al seleccionar alazar a 100 personas la suma de sus rentas supere losUS$ 7.5 mil.
30
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Solución• Cada renta personal es una variable independiente que se distribuye según una
función uniforme. Por ello, a la suma de las rentas de 100 personas se le puedeaplicar el Teorema Central del Límite.
• La media y varianza de cada variable individual es: [a,b] para distribuciónuniforme
• µ = (a+b)/2 = (4 + 10) / 2 = 7
• σ2 = (b-a) ^2 / 12 = (10 - 4)^2 / 12 = 3
• Por tanto, la suma de las 100 variables se distribuye según una normal cuyamedia y varianza son:
• Media: n * µ = 100 * 7 = 700
• Varianza: n * σ2 = 100 * 3 = 300
• Para calcular la probabilidad de que la suma de las rentas sea superior a US$ 8mil, comenzamos por calcular el valor equivalente de la variable normaltipificada:
31
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Solución
• P (X > 750) = P (Y > 2.88) = 0.002
• Es decir, la probabilidad de que la suma de las rentas de 100 personasseleccionadas al azar supere los US$ 7.5 mil es tan sólo del 0.2%
32
88.23.17
700750=
−=Y
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Desigualdad de Chevychev• Se trata de un principio muy importante en la teoría
estadística, que estudia la variabilidad de las observacionesalrededor de la media (µ) en cualquier tipo de distribución.
Teorema
• Si X es una variable aleatoria, la probabilidad de que un valorde la variable esté comprendido en el intervalo [µ - t*σ, µ +t*σ], siendo t un número real positivo, es mayor o igual a 1 -1/t2.
P m - t*s X m + t*s > 1− 1/t2
33
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Ejemplo Práctico
• En la industria de la computación, la edad promedio de empleadosprofesionales tiende a ser más joven que en muchas otras profesionesde negocios.
• Supongamos que la edad promedio de un profesional en este sectores de 28 años, con una desviación estándar de 5 años.
• Un histograma de edades de los empleados revela que los datos noestán normalmente distribuidos sino que se agrupan en el intervalode 20 a 30 años y pocos trabajadores tienen más de 40 años.
• Aplicar el teorema de Chevychev para determinar dentro de querango de edades se encuentra al menos el 85 % de los trabajadores.
34
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Solución• El teorema expresa que al menos una proporción de 1 - 1/t2 de los
valores están dentro de m t*s.
• 1 - 1/t2 = 0.85 y al despejar t se obtiene:
• 0.15 = 1/t2 ; t2 = 6.67 ; t = 2.58
• El teorema indica que al menos 85% de los valores están dentro delintervalo [µ - 2.58*σ, µ + 2.58*σ]
• Para µ = 28 y σ = 5, al menos el 85 % de los valores están dentro de 28 2.58(5) = 28 12.9 años de edad. Es decir, se encuentra entre 15.1 y40.9 años.
35
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Prueba de Bernoulli• Un experimento aleatorio es considerado una prueba de
Bernoulli si cumple lo siguiente:
1. Cada intento tiene dos resultados posibles (éxito ofracaso).
2. La probabilidad del resultado de cualquier intentopermanece fijo con respecto al tiempo.
3. Los intentos son estadísticamente independientes.
36
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Distribución Binomial• Es un experimento aleatorio constituido por “n” pruebas de
Bernoulli y para la cual se define la variable discreta X: número de“éxitos” en “n” pruebas.
Notación:
37
π)(1 n.π. V(X)
n.π E(X)
π)(1πC f(X)
n......,0,1,2,3,4, X
π)B(n, X
xnxn
x
−=
=
−=
−
Rango:
Función de Probabilidad:
Valor Esperado:
Varianza:
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Distribución de Poisson• Es un proceso aleatorio para el cual se define la variable aleatoria
discreta “X”: Nº de éxitos en un intervalo (tiempo, espacio, área)
• Donde es un valor promedio conocido para el intervalo en elque está definida la variable aleatoria.
• Función de probabilidad:
38
!)(
X
eXP
x −=
)(PX →
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Media y desviación estándar de distribución de Poisson
• Media:
• Desviación Estándar
39
m =
s =2
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Distribución Normal• Es una distribución de variable continua, en la cual la variable puede
tomar cualquier valor en un intervalo dado.
• Una variable aleatoria continua Z tiene distribución normal estándar,si sigue una distribución normal con:
• Función de densidad:
40
0=m 1=s
)1,0(NZ →
y
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Importancia de la Normal• Tiene algunas propiedades
que la hacen aplicable a ungran número de situacionesen las que es necesario hacerinferencias mediante la tomade muestras.
• Se ajusta muy bien a lasdistribuciones de frecuenciasreales observadas en muchosfenómenos.
41
SESGO y KURTOSIS
Test Jaquer-Bera
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
COVARIANZA
CORRELACIÓN
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
¿Para qué es importante la ESTIMACIÓN?• Para la toma de decisiones
• Para la inferencia sobre alguna medida de lapoblación a partir de un conjunto de muestras.
43
• Estimación puntual: Es un número, el cual puederesultar insuficiente ya que puede ser correcto o no.
• Estimación por intervalos: Es un intervalo de valoresque sirve para estimar un parámetro de la población.
¿Qué tipos de estimación se pueden lograr?
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Estimación puntual
• Cálculo de la media:
• Cálculo de la varianza ydesviación estándar
m==
=
n
X
X
n
k
k
1
1
)(1
2
2
−
−
=
=
n
XXn
k
k
s
• Para un parámetro θ no se estima un valor, sino unintervalo de la forma L q U, donde los valoresextremos “L y U” dependen del valor numérico delestadístico θ para una muestra en particular.
P(L q U) =1 – a
Donde 0 < a < 1
• Es decir, se puede garantizar con una probabilidadde 1-α que la muestra elegida contendrá el valorverdadero de θ.
• Al intervalo resultante L θ U se le conocecomo el intervalo de confianza del 100(1–α) %para el parámetro desconocido θ.
Estimación intervalo
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores
Normal EstándarNormal
Gestión de Riesgos Financieros
Riesgo de Mercado
Docente : Gerardo René Crespo Flores46
Gestión de Riesgos Financieros
Riesgo de Mercado