Analyse de la théorie de la valeur à risque (VaR) selon les méthodologies conventionnelles en comparaison avec d’autres approches de quantification de la VaR sur le marché boursier colombien
DOI :
https://doi.org/10.17533/udea.rc.n87a03Mots-clés :
Valeur à risque (VaR), théorie des valeurs extrêmes (TVE), simulation de Monte-Carlo, RiskSimulatorRésumé
Le présent article a pour objectif de quantifier et de comparer l’estimation de la valeur à risque
(VaR) en prenant en compte des méthodologies conventionnelles (Delta Normal, EWMA et simulation
historique) ainsi que des approches non conventionnelles (simulation de Monte-Carlo, C-VaR et théorie
des valeurs extrêmes, TVE), dans le cadre d’un portefeuille basé sur l’indice de référence du marché
boursier colombien, le COLCAP. Les résultats indiquent que le modèle de simulation de Monte Carlo
constitue la méthode de quantification de la Value at Risk (VAR) présentant les niveaux d’efficacité les plus
élevés, conformément au test statistique de Kupiec. À Contrairement, les mesures de quantification issues
de la TVE tendent à surestimer ou à sous-estimer les pertes potentielles dans les scénarios envisagés.
Il est ainsi suggéré d’effectuer une comparaison approfondie des différentes mesures paramétriques et
non paramétriques de quantification du risque applicables aux actifs du marché financier colombien,
afin d’optimiser les décisions relatives à la couverture et à l’exposition au risque des positions.
Téléchargements
Références
Aguirre, A. I., Vaquera, H., Ramírez, M., Valdez, J., y Aguirre, C. A. (2013). Estimación del valor en riesgo en la Bolsa Mexicana de valores usando modelos de heteroscedasticidad condicional y teoría de valores extremos. Economía Mexicana Nueva Época, 22(1), 177-205. https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1665-20452013000100005
Alanya, W., y Rodríguez, G. (2016). Asymmetries in Volatility: An Empirical Study for the Peruvian stock and Forex Markets [documento de trabajo No 413]. Pontificia Universidad Católica del Perú. http://repositorio.pucp.edu.pe/index/handle/123456789/126747
Alcalde, F. B. (2005). La Teoría de los Eventos Extremos, aplicación para evaluación de riesgos. [documento de trabajo]. Universidad de Buenos Aires. https://core.ac.uk/download/pdf/9313202.pdf
Alfonso, J. C., y Berggrun, L. (2015). Introducción al análisis de riesgo financiero. Ecoe Ediciones.
Alfonso, J., y Chaves, J. M. (2013). Valor en riesgo: evaluación del desempeño de diferentes metodologías para 5 países latinoamericanos. Estudios Gerenciales, 29(126), 37-48. https://www.redalyc.org/pdf/212/21228397005.pdf
Alonso, J., y Semaán, P. (2009). Cálculo del Valor en Riesgo y Pérdida Esperada mediante R: Empleando modelos con volatilidad constante. Apuntes de Economía, (21), 3-15. https://core.ac.uk/download/pdf/6362317.pdf
Bali, T. (2007). A Generalized Extreme Value Approach to Financial Risk Measurement. Journal of Money, Credit and Banking, 39(7), 1613-1649. https://www.jstor.org/stable/4494314
Balzarotti, V., y Delfiner, M. (2001). Teoría de valores extremos aplicada a la medición de riesgos de mercado en Argentina. [Serie Documentos de Trabajo, Universidad del CEMA]. https://www.researchgate.net/publication/5000746_Aplicacion_de_la_teoria_de_valores_extremos_al_gerenciamiento_del_riesgo
Balzarotti, V., Del Canto, Á., y Delfiner, M. (2001). “Backtesting” Funcionamiento de los requisitos de capital por riesgo de mercado del BCRA. Buenos Aires: Banco Central de la República Argentina [documento de trabajo, Munich Personal RePEc Archive]. https://mpra.ub.uni-muenchen.de/10231/1/MPRA_paper_10231.pdf
Berger, T., y Moys, G. (2021). Value-at-risk backtesting: Beyond the empirical failure rate (177), 114893. https://doi.org/10.1016/j.eswa.2021.114893
Bhattacharyya, M., y Ritolia, G. (2008). Conditional VaR using EVT – Towards a planned margin scheme. International Review of Financial Analysis, 17(2), 382-395. https://doi.org/10.1016/j.irfa.2006.08.004
Bolsa de Valores de Colombia. (2018). Metodología para el cálculo del índice COLCAP. Bogotá: BVC. https://docplayer.es/28850683-Metodologia-para-el-calculo-del-indice-colcap.html
Bodnar, T., Lindholm, M., Niklasson, V., & Thorsén E., (2022). Bayesian portfolio selection using VaR and CVaR. Applied Mathematics and Computation, (427), 127120. https://doi.org/10.1016/j.amc.2022.127120
Brooks, C., Clare, A., Dalle, J., y Persand, G. (2005). A Comparison of Extreme Value Theory Approaches for Determining Value at Risk. Journal of Empirical Finance, 12(2), 339-352. https://doi.org/10.1016/j.jempfin.2004.01.004
Bucio, C. (2012). Dependencia y valor en riesgo; un estudio de cópulas de los mercados de capitales de América. Tesis de doctorado, Facultad de Economía, UNAM. http://132.248.9.195/ptd2012/noviembre/0685391/Index.html
Cerović, J., y Karadžić, V. (2015). Extreme Value Theory in Emerging Markets: Evidence from the Montenegrin Stock Exchange. Economic Annals, 60(206), 87-116. https://www.sciencegate.app/document/10.2298/eka1506087c
Chuan Huang, Y. (2004). Value-at-Risk Analysis for Taiwan Stock Index Futures: Fat Tails and Conditional Asymmetries in Return Innovations. Review of Quantitative Finance and Accounting, 22 (2), 77-95. https://link.springer.com/article/10.1023/B:REQU.0000015851.78720.a9
Cimpean, L. (2017). El uso de expectiles en la medición del riesgo. comparativa con el VAR y con el ES [tesis de maestría, Universidad Complutense de Madrid]. https://www.uv.es/bfc/TFM2017/6%20Larisa%20Cimpean.pdf
De Lara Haro, A. (2011). Medición y control del riesgo financiero. Limusa.
Fernández, V. (2005). Risk Management under Extreme Events. International Review of Financial Analysis, 14(2), 113-148. https://doi.org/10.1016/j.irfa.2004.06.012
Gerlach, R., y Wang, C., (2019). Semi-parametric Dynamic Asymmetric Laplace Models for Tail Risk Forecasting, Incorporating Realized Measures. International Journal of Forecasting, 36, (2), 489-506. https://doi.org/10.1016/j.ijforecast.2019.07.003
Gencay, R., y Selcuk, F. (2004). Extreme Value Theory and Value-at-Risk: Relative Performance in Emerging Markets. International Journal of Forecasting, 20(2), 287-303. https://doi.org/10.1016/j.ijforecast.2003.09.005
Geenens, G., y Dunn, R. (2022). A nonparametric copula approach to conditional Value-at-Risk, Econometrics and Statistics, (21), 19-37. https://doi.org/10.1016/j.ecosta.2020.07.001.
Grajales, C. A., Pérez, F. R., y Venegas, F. M. (2014). A Comparative Analysis of Models for Estimating the Volatility Distribution of Financial Returns Series [MPRA paper No 54845]. https://mpra.ub.uni-muenchen.de/54845/
Gutiérrez, R., y Salgado, R. (2019). Conditional Extreme Values Theory and Tail-related Risk Measures: Evidence from Latin American Stock Markets. International Journal of Economics and Financial, 9(3), 127–141. https://www.econjournals.com/index.php/ijefi/article/view/7596
Härdle, W., Borak, S., y López, B. (2010). Statistics of Financial Markets. Springer. https://link.springer.com/book/10.1007/978-3-030-13751-9
James, R., Leung, H., Wai, J., & Prokhorov., A. (2023). Forecasting Tail Risk Measures for Financial Time Series: An Extreme Value Approach with Covariates. Journal of Empirical Finance, (71), 29-50. https://doi.org/10.1016/j.jempfin.2023.01.002
Jerábek, T. (2020). The Efficiency of GARCH Models in Realizing Value at Risk Estimates. Acta VŠFS, 14(1), 32-50. https://ideas.repec.org/a/prf/journl/v14y2020i1p32-50.html
Johnson, C. (2001). Value at risk: teoría y aplicaciones. Estudios de Economía, 28(2), 217-247. https://econ.uchile.cl/uploads/publicacion/d21e154f-3899-428d-9a68-255c3a876963.pdf
Jorion, P. (2007). Valor en riesgo: el nuevo paradigma para el control de riesgos con derivados. Limusa.
Karling, M., Lopes, S., y De Souza, R., (2023). Multivariate α-Stable Distributions: VAR(1) Processes, Measures of Dependence and Their Estimations. Journal of Multivariate Analysis, (195), 105153. https://doi.org/10.1016/j.jmva.2022.105153
Londoño, C. A. (2011). Regresión del cuantil aplicada al modelo de redes neuronales artificiales una aproximación de la estructura caviar para el mercado de valores colombiano. Ensayos sobre Política Económica, 29(64), 62-109. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-44832011000100004
Malevergne, Y., y Sornette, D. (2006). Extreme Financial Risks. From Dependence to Risk Management. Springer. https://link.springer.com/book/10.1007/b138841
Mariño, D., y Melo, L. F. (2019). Regresión cuantílica dinámica para la medición del valor en riesgo: una aplicación a datos colombianos. Cuadernos de Economía, 38(76), 23-50. https://doi.org/10.15446/cuad.econ.v37n76.57654
Melo, L., y Becerra, O. (2005). Medidas de riesgo, características y técnicas de medición: una aplicación del VAR y el ES a la tasa interbancaria de Colombia. Banco de la República de Colombia. https://www.banrep.gov.co/docum/ftp/borra343.pdf
Mögel, B., y Auer, B. (2017). How Accurate Are Modern Value-at-Risk Estimators Derived from Extreme Value Theory? Review of Quantitative Finance and Accounting, (50), 979-1030. https://doi.org/10.1007/s11156-017-0652-y
Mora, A. (2010). Estimadores del índice de cola y el valor en riesgo. Cuadernos de Administración, (44), 71-88. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-46452010000200005
Matkovskyy, R., Jalan, A., Dowling, M. (2020) Effects of Economic Policy Uncertainty Shocks on the Interdependence between Bitcoin and Traditional Financial Markets, The Quarterly Review of Economics and Finance. (77), 150-155. https://doi.org/10.1016/j.qref.2020.02.004
Ramírez R, E., y Ramírez R, P. (2007). Valor en riesgo: modelos cronométricos contra metodologías tradicionales. Análisis Económico, 22(51), 181-198. https://www.redalyc.org/pdf/413/41311486010.pdf
Reyes, N. G., Venegas, F. M., y Cruz, S. A. (2018). Un análisis comparativo entre GARCH-M, EGARCH y PJ-RS EV para modelar la volatilidad de Índice de precios y cotizaciones de la Bolsa Mexicana de Valores. Panorama Económico, 14(27), 33-57. https://mpra.ub.unimuenchen.de/84304/1/MPRA_paper_84304.pdf
Rodríguez, G. (2017). Extreme Value Theory: An Application to the Peruvian Stock Market Returns. Revista Métodos Cuantitativos para la Economía y la Empresa, (23), 48-74. https://www.redalyc.org/pdf/2331/233151826003.pdf
Rufino, C. C. y De Guia, E. (2011). Empirical Comparison of Extreme Value Theory VisÀ-Vis Other Methods of VaR Estimation Using ASEAN+3 Exchange Rates. Business & Economics Review, (20.2), 9-22. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2624164
Ruiz, B., Altamirano, F., y Tonon, O. (2021). Aplicación del CAPM en Mercados Emergentes: Una revisión teórica. Podium, (39), 53–70. https://doi.org/10.31095/podium.2021.39.4
Salas, H. (2003). La teoría de cartera y algunas consideraciones epistemológicas acerca de la teorización en las áreas económico-administrativas. Contaduría y Administración, (208), 37-52. https://www.redalyc.org/pdf/395/39520803.pdf
Salinas, S., Maldonado, D., y Diaz, L. (2010). Estimación del riesgo en un portafolio de activos. Revista Apuntes del CENES, 29(50), 117-150. https://www.redalyc.org/pdf/4795/479548753007.pdf
Seymour, A. J., y Polakow, D. A. (2003). A Coupling of Extreme-Value Theory and Volatility Updating with Value-at-Risk Estimation in Emerging Markets: A South African Test. Multinational Finance Journal, 7(1-2), 3-23. https://www.mfsociety.org/modules/modDashboard/uploadFiles/journals/MJ~701~p16tflfhnm22rtd31hop1buln5f4.pdf
Sharpe, W. (1964). Capital Asset Prices: A Theory ff Market Equilibrium under conditions of Risk. The Journal of Finance. 19(3), 425-442. https://econpapers.repec.org/article/blajfinan/v_3a19_3ay_3a1964_3ai_3a3_3ap_3a425-442.htm
Song, S., & Li, H., (2022). Predicting VaR for China’s stock market: A score-driven model based on Normal Inverse Gaussian Distribution. International Review of Financial Analysis, (82), 102180. https://doi.org/10.1016/j.irfa.2022.102180
Tabasi, H., Yousefi, V., Tamošaitiene, J., y Ghasemi, F. (2019). Estimating Conditional Value at Risk in the Tehran Stock Exchange Based on the Extreme Value Theory Using GARCH Models. Administrative Sciences, 9(2), 40. https://doi.org/10.3390/admsci9020040
Torres, D., y Calderón, J. (2015). Cálculo del VAR bajo retornos no convencionales. Bogotá: Unipiloto. http://polux.unipiloto.edu.co:8080/00002786.pdf
Torres, G., y Olarte, A. M. (2009). Valor en riesgo desde un enfoque de cópulas. ADMINISTER, (15), 113-136. https://www.redalyc.org/articulo.oa?id=322327246006
Uribe, J. M., y Fernández, J. (2014). Riesgo sistemático en el mercado de acciones colombiano: Alternativas de diversificación bajo eventos extremos. Cuadernos de Economía, 33(63), 613-634. http://www.scielo.org.co/pdf/ceco/v33n63/v33n63a14.pdf
Uribe, J., y Ulloa, I. (2012). La medición del riesgo en eventos extremos. Una revisión metodológica en contexto. Lecturas de Economía, (76), 87-117. https://www.redalyc.org/articulo.oa?id=155224311003
Zhao, X., Cheng, W., y Zhang, P. (2020). Extreme Tail Risk Estimation with the Generalized Pareto Distribution under the Peaks-overthreshold Framework. Communications in Statistics - Theory and Methods, 49(4), 827-844. https://doi.org/10.1080/03610926.2018.1549253
Téléchargements
Publié-e
Comment citer
Numéro
Rubrique
Licence
(c) Tous droits réservés Contaduría Universidad de Antioquia 2025
Cette œuvre est sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.
Los derechos de autor sobre los artículos son cedidos a la Universidad de Antioquia para disponer de resúmenes y el texto completo en bases de datos que difunden los contenidos de cada edición. Sin embargo, los autores podrán hacer difusión de sus trabajos publicados en la revista a través de sus páginas personales y repositorios institucionales.
