El valor en riesgo (VaR) es una medida ampliamente utilizada de riesgo de inversión a la baja para una sola inversión o una cartera de inversiones. El VaR proporciona la pérdida máxima en dólares en una cartera durante un período de tiempo específico para un cierto nivel de confianza. A menudo, el nivel de confianza se elige para dar una indicación del riesgo de cola; es decir, el riesgo de eventos de mercado extremos y raros.

Por ejemplo, en base a un cálculo de VaR, un inversionista puede estar seguro al 95% de que la pérdida máxima en un día en una inversión de capital de $ 100 no superará los $ 3. El VaR ($ 3 en este ejemplo) puede medirse utilizando tres metodologías diferentes. Cada metodología se basa en la creación de una distribución de los rendimientos de la inversión; Dicho de otra manera, a todos los rendimientos de inversión posibles se les asigna una probabilidad de ocurrencia en un período de tiempo específico. (Véase también Introducción al valor en riesgo (VaR) .)

¿Qué tan preciso es VaR?

Una vez que se elige una metodología de VaR, calcular el VaR de una cartera es un ejercicio bastante sencillo. El desafío radica en evaluar la precisión de la medida y, por lo tanto, la precisión de la distribución de los retornos. Conocer la precisión de la medida es particularmente importante para las instituciones financieras porque usan el VaR para calcular cuánto dinero deben reservar para cubrir posibles pérdidas. Cualquier inexactitud en el modelo de VaR puede significar que la institución no tiene reservas suficientes y podría generar pérdidas significativas, no solo para la institución, sino también para sus depositantes, inversionistas individuales y clientes corporativos. En condiciones extremas del mercado, como las que VaR intenta capturar, las pérdidas pueden ser lo suficientemente grandes como para provocar la bancarrota. (Consulte también Lo que debe saber sobre bancarrota. )

Cómo respaldar un modelo de VaR con exactitud

Los gerentes de riesgos usan una técnica conocida como backtesting para determinar la precisión de un modelo de VaR. El backtesting implica la comparación de la medida del VaR calculada con las pérdidas (o ganancias) reales logradas en la cartera. Un backtest se basa en el nivel de confianza que se asume en el cálculo. Por ejemplo, el inversor que calculó un VaR de un día de $ 3 sobre una inversión de $ 100 con un 95% de confianza esperará que la pérdida de un día en su cartera exceda $ 3 solo el 5% del tiempo. Si el inversor registra las pérdidas reales durante 100 días, la pérdida superaría los $ 3 en exactamente cinco de esos días si el modelo VaR es correcto. Un backtest simple acumula la distribución de retorno real frente a la distribución de retorno del modelo al comparar la proporción de excepciones de pérdida real con el número esperado de excepciones. La prueba retrospectiva debe realizarse durante un período suficientemente largo para garantizar que haya suficientes observaciones de retorno reales para crear una distribución de retorno real. Para una medida de VaR de un día, los gerentes de riesgo suelen utilizar un período mínimo de un año para las pruebas retrospectivas.

El backtest simple tiene un inconveniente importante: depende de la muestra de los retornos reales utilizados. Considere de nuevo al inversor que calculó un VaR de $ 3 por día con un 95% de confianza. Supongamos que el inversor realizó una prueba retrospectiva durante 100 días y encontró exactamente cinco excepciones. Si el inversor usa un período diferente de 100 días, puede haber menos o más excepciones. Esta dependencia de la muestra hace que sea difícil determinar la precisión del modelo. Para abordar esta debilidad, se pueden implementar pruebas estadísticas para arrojar más luz sobre si un backtest ha fallado o pasado.

Qué hacer si falla el backtest

Cuando un backtest falla, hay varias causas posibles que deben tenerse en cuenta:

The Wrong Return Distribution

Si la metodología del VaR supone una devolución distribución (por ej., una distribución normal de los retornos), es posible que la distribución del modelo no se ajuste bien a la distribución real. Las pruebas estadísticas de bondad de ajuste se pueden usar para verificar que la distribución del modelo se ajuste a los datos reales observados. Alternativamente, se puede usar una metodología VaR que no requiere una suposición de distribución.

Un modelo de VaR sin especificar

Si el modelo VaR captura, digamos, solo el riesgo del mercado accionario mientras que la cartera de inversión está expuesta a otros riesgos como el riesgo de tasa de interés o el riesgo cambiario, el modelo está mal especificado. Además, si el modelo VaR no captura las correlaciones entre los riesgos, se considera que está mal especificado. Esto se puede corregir incluyendo todos los riesgos aplicables y las correlaciones asociadas en el modelo. Es importante reevaluar el modelo de VaR siempre que se agreguen nuevos riesgos a una cartera.

Medición de pérdidas reales

Las pérdidas reales de la cartera deben ser representativas de los riesgos que pueden modelarse. Más específicamente, las pérdidas reales deben excluir cualquier tarifa u otros costos o ingresos similares. Las pérdidas que representan solo riesgos que pueden modelarse se conocen como "pérdidas limpias". Aquellos que incluyen honorarios y otros artículos similares se conocen como "pérdidas sucias". El backtesting siempre se debe hacer usando pérdidas limpias para asegurar una comparación de igual a igual.

Otras consideraciones

Es importante no confiar en un modelo VaR simplemente porque pasa una prueba retrospectiva. Si bien el VaR ofrece información útil sobre la exposición al riesgo en el peor de los casos, depende en gran medida de la distribución del retorno empleada, particularmente en la cola de la distribución. Dado que los eventos de cola son poco frecuentes, algunos practicantes argumentan que cualquier intento de medir las probabilidades de cola basado en la observación histórica es intrínsecamente defectuoso. Según Reuters, "el VaR fue objeto de fuertes críticas tras la crisis financiera, ya que muchos modelos no pudieron predecir el alcance de las pérdidas que devastaron a muchos bancos grandes en 2007 y 2008".

¿La razón? Los mercados no habían experimentado un evento similar, por lo que no se capturó en las colas de las distribuciones que se utilizaron. Después de la crisis financiera de 2007, también quedó claro que los modelos VaR son incapaces de capturar todos los riesgos; por ejemplo, riesgo de base.Estos riesgos adicionales se conocen como "riesgo no en VaR" o RNiV.

En un intento por abordar estas deficiencias, los gerentes de riesgos complementan la medida VaR con otras medidas de riesgo y otras técnicas, como las pruebas de estrés.

The Bottom Line

Value-at-Risk (VaR) es una medida de las pérdidas en el peor de los casos durante un período de tiempo específico con un cierto nivel de confianza. La medición de VaR depende de la distribución de los rendimientos de inversión. Con el fin de probar si el modelo representa o no la realidad, se pueden llevar a cabo pruebas retrospectivas. Un backtest fallido significa que el modelo VaR debe ser reevaluado. Sin embargo, un modelo VaR que aprueba un backtest aún debe completarse con otras medidas de riesgo debido a las deficiencias del modelado VaR. (Consulte también Cómo calcular su retorno de la inversión. )